Meta-análisis de la escala de capital intelectual: implicaciones para hacer frente a la pandemia del COVID-19

Introducción: la medición del capital intelectual como activo intangible se ha establecido a partir de una escala de seis dimensiones relacionada con formación, academia, laboral, profesional, sindical y organizativa. La pandemia ha generado estudios que muestran diferencias significativas entre estas dimensiones, abriendo la discusión sobre la validez metaanalítica. Objetivo: realizar una revisión documental, sistemática y metaanalítica, con una muestra de artículos publicados entre 2014 y 2021 en revistas indexadas en repositorios internacionales. Materiales y métodos: se realizó un estudio documental, sistemático y metaanalítico sobre una muestra de artículos publicados en repositorios internacionales en los últimos dos años. Se utilizó la Escala de Capital Intelectual, considerando sus dimensiones reportadas en la literatura. Resultados: se estableció la estructura y los umbrales de los efectos aleatorios, calculados mediante la ecuación para establecer el parámetro delta, considerando sus intervalos de confianza para la corrección de errores de muestreo y estimación, así como las diferencias entre grupos. Conclusión: se recomienda extender la revisión de la literatura hasta agosto de 2021, para poder contrastar ambas revisiones, y establecer así la validez metaanalítica de la escala, y discutir sus implicaciones en la era COVID-19.

Introduction: the measurement of intellectual capital as an intangible asset has been established from a scale of six dimensions related to training, academia; labor, professional, union, and organizational. The pandemic has generated studies that show significant differences between these dimensions, opening the discussion on meta-analytic validity. Objective: to carry out a documentary, systematic and meta-analytical review with a sample of articles published from 2014 to 2021 in journals indexed in international repositories. Materials and methods: a documentary, systematic and meta-analytical study was carried out on a sample of articles published in international repositories in the last two years. The Intellectual Capital Scale was used, considering its dimensions reported in the literature. Results: the structure and thresholds of the random effects were established, calculated by means of the equation to establish the delta parameter, considering their confidence intervals for correction of sampling and estimation errors, as well as differences between groups. Conclusion: it is recommended to extend the review of the literature until August 2021 in order to be able to contrast both reviews to establish the meta-analytic validity of the scale and discuss its implications in the COVID-19 era.

Uso inercial de técnicas estadístico-inferenciales: su posible impacto en el hallazgo de resultados falsos en salud / Inertial use of statistical-inferential techniques: its possible impact on the finding of false health results

Objetivo:Sondear el grado en que importantes recursos estadísticos, en particular los valores p, los intervalos de confianza y los procedimientos para determinar tamaños muestral es, se emplean en la literatura biomédica de manera ritual. Metodología:se seleccionaron 25 artículos originales publicados en cada una de 4 revistas indexadas del campo biomédico. Para cada uno de ellos se evalúo si cumplían con las indicaciones de las guías STROBE y CONSORT en lo concerniente al tamaño de la muestra, así como el uso de los valores p, de los intervalos de confianza y la utilización de estos en la discusión del artículo. Resultados:el 97.0% de los artículos reporta el tamaño de la muestra, pero sólo el 62.9% explica cómo fue de-terminado. El valor p se usa con mayor frecuencia (68.0%) que los intervalos de confianza (63.9%). Solo el 15.5% usa los intervalos deconfianza en la discusión. Conclusión:las herramientas estadísticas más convencionales se emplean en buena medida de manera más ceremonial que funcional.

Objective: To evaluate the degree in which important statistical resources,particularly p-values, confidence intervals and procedures for determiningsample sizes, are used in the biomedical literature through a ritual way.Methodology:A total of 25 original articles published in each of 4journals indexed in the biomedical field were selected. For each of them,it was assessed whether they follow the instructions of the STROBE andCONSORT guidelines regarding the sample size, as well as the use of p-values, confidence intervals, and the use of these in the discussion of thearticle. Results:The 97.0% of the articles reported thesample size, but only 62.9% explained how it wasdetermined. The p-value is used more frequently(68.0%) than the confidence intervals (63.9%). Only15.5% uses confidence intervals in the discussionsection.Conclusion:the most conventional statistical toolsare used more in ceremonial way rather than in afunctional one.

Validation of models with proportional bias / Validación de modelos con sesgo proporcional

ABSTRACT Objective. This paper presents extensions to Freese's statistical method for model-validation when proportional bias (PB) is present in the predictions. The method is illustrated with data from a model that simulates grassland growth. Materials and methods. The extensions to validate models with PB were: the maximum anticipated error for the original proposal, hypothesis testing, and the maximum anticipated error for the alternative proposal, and the confidence interval for a quantile of error distribution. Results. The tested model had PB, which once removed, and with a confidence level of 95%, the magnitude of error does not surpass 1225.564 kg ha-1. Therefore, the validated model can be used to predict grassland growth. However, it would require a fit of its structure based on the presence of PB. Conclusions. The extensions presented to validate models with PB are applied without modification in the model structure. Once PB is corrected, the confidence interval for the quantile 1-α of the error distribution enables a higher bound for the magnitude of the prediction error and it can be used to evaluate the evolution of the model for a system prediction.

RESUMEN Objetivo. En este trabajo se presentan extensiones al método estadístico de Freese para validar modelos con sesgo proporcional (SP) en sus predicciones y se ilustra el método con datos provenientes de un modelo de simulación de crecimiento de praderas. Materiales y métodos. Las extensiones para validar un modelo con SP fueron: el error máximo anticipado para el planteamiento original, la prueba de hipótesis y error máximo anticipado para el planteamiento alternativo, y el intervalo de confianza para un cuantil de la distribución de los errores. Resultados. El modelo evaluado presentó SP, una vez removido y con un nivel de confianza del 95% la magnitud del error no sobrepasa 1225.564 kg ha-1. Por lo que el modelo validado podría usarse para predecir el crecimiento de praderas, sin embargo, requerirá un ajuste en su estructura con base a la presencia de SP. Conclusiones. Las extensiones presentadas para validar modelos en presencia de SP se aplican sin que el modelo sea modificado en su estructura. El intervalo de confianza para el cuantil 1-α de la distribución de los errores una vez que se corrige el SP, permite determinar una cota superior para la magnitud del error de predicción y usarla para evaluar la evolución del modelo en predicción del sistema.

Uso de pruebas estadísticas inferenciales en la Revista Cubana de Medicina Militar / Use of Inferential Statistical Tests in the Cuban Journal of Military Medicine

Introducción: desde hace años, existe un debate sobre el uso de las pruebas estadísticas inferenciales en los reportes de resultados de investigación, se destaca la crítica al empleo de las pruebas de significación estadística y sus limitaciones. Objetivos: determinar la frecuencia de empleo de las pruebas de significación estadística (PSE) e intervalos de confianza (IC) por tipos de estudio publicado, cómo se reflejan los resultados de estas, la influencia del tamaño de la muestra, así comosu vinculación con las conclusiones. Resultados: en el periodo 2010 - 2015 de 150 artículos originales, 98 por ciento fueron descriptivos o explicativos y de ellos, el 95 por ciento emplea las PSE, solas o con IC. Predomina el uso de las PSE solas (69 por ciento de los trabajos). En el 25 por ciento se explica la selección del nivel de significación utilizado y el 53 por ciento de los estudios reflejan las cifras exactas de las pruebas realizadas. Solo el 15 por ciento menciona la influencia del tamaño de la muestra en relación con los resultados de las pruebas estadísticas. En las conclusiones, el 86 por ciento de los artículos se refieren adecuadamente a los objetivos del estudio. Conclusiones: predomina el uso de las PSE e IC, fundamentalmente de las PSE, más de la mitad de los trabajos mencionan los resultados precisos de las pruebas, la mayoría no argumenta la relación de estos resultados con el tamaño de la muestra y los autores elaboran las conclusiones de acuerdo con los objetivos planteados en el estudio(AU)

Introduction: For years there has been a debate about the use of inferential statistical tests in the reports of research results, highlighting the criticism to the use of tests of statistical significance and its limitations. Objectives: To determine the frequency of use of statistical significance tests (SST) and confidence intervals (CI) by published study types, how the results are reported, and the influence of sample size, as well as their relationship with the conclusions. Results: In the period 2010-2015 of 150 original articles, 98 percent were descriptive or explanatory and of them, 95 percent used SST alone or with CI. The use of SST alone (69 percent of the articles) predominates. In 25 percent the significance level selection is explained and 53 percent of the studies reflect the exact figures of the tests performed. Only 15 percent mentions the influence of sample size on the results of statistical tests. In the conclusions, 86 percent of the articles refer adequately to the objectives of the study. Conclusions: SST and CI use predominate, mainly SST, more than half of the studies mention the precise results of the tests, most do not argue the relation of these results to the sample size and the authors elaborate the conclusions in accordance with the objectives set out in the study(AU)

Intervalos biológicos de referencia del perfil lipídico / Biological reference intervals of lipid profile

Introducción: La clasificación de la concentración de cualquier analito como patológico o no implica que el valor de la medición sea comparado con valores de individuos similares, para lo cual es necesario obtener intervalos biológicos de referencia (IBR). Los IBR del perfil lipídico adoptados por los laboratorios clínicos son principalmente los propuestos por las casas comerciales y los obtenidos por los paneles de expertos. Sumado a las limitadas publicaciones sobre los IBR del perfil lipídico para nuestra población, es oportuno precisar que variables como el sexo y la edad pueden estar relacionadas con modificaciones en el metabolismo lipídico. Objetivo: Estimar los intervalos biológicos de referencia del perfil lipídico en una población atendida en un laboratorio de Medellín. Métodos: Estudio descriptivo transversal en 81 individuos sanos; los IBR se estimaron a partir del estadístico X±[Zα/2*(DE/√n)], confianza de 95% y precisión de 5%. En el análisis bivariado se utilizó Anova y la prueba t Student. Todo fue realizado en SPSS 21.0®. En los IBR de hombres y mujeres sólo se hallaron diferencias en el colesterol total y los índices colesterol total/cholesterol HDL y triglicéridos/cholesterol HDL. Analizando los grupos etarios, se hallaron diferencias en los triglicéridos y el cholesterol VLDL siendo menor en los adultos jóvenes en comparación con los adultos medios y mayores; para el índice triglicéridos/cholesterol HDL se halló diferencia entre los adultos jóvenes y mayores. Conclusión: Este estudio permitió determinar los IBR del perfil lipídico, los cuales son importantes para el diseño de estrategias de prevención primaria para dislipidemias en la población estudiada. (Acta Med Colomb 2016; 41: 29-35).

Introduction: The classification of the concentration of any analyte as pathological or not, implies that the measurement be compared to values of similar individuals, for which is necessary to obtain Biological Reference Intervals (BRI). The BRI of lipid profile adopted by clinical laboratories are mainly the offered by commercial houses and those obtained by expert panels. In addition to the limited literature on BRI of lipid profile for our population, it is appropriate to specify that variables such as sex and age may be related to changes in lipid metabolism. Objective: to estimate the biological reference intervals of lipid profile in a population treated at a laboratory in Medellin. Methods: Descriptive cross-sectional study in 81 healthy individuals; BRI were estimated statistical X ± [Zα / 2 * (DE / √ n)], 95% confidence and accuracy of 5%. Anova and t Student test was used in the bivariate analysis. Everything was done in SPSS 21.0®. In the BRI of men and women differences were only found in total cholesterol levels and total / HDL cholesterol and triglycerides / HDL cholesterol. Analyzing age groups, differences in triglycerides and VLDL-C were found, being these lower in young adults compared with the middle-aged adults and the elderly; for index triglycerides / VLDL cholesterol difference between young and older adults was found. Conclusion: this study allowed determining the BRI of lipid profile, which are important for designing strategies for primary prevention of dyslipidemia in the studied population. (Acta MedColomb 2016; 41: 29-35).

HaviStat© v2.2: Application to estimate preference for habitat and resources / HaviStat© v2.2: Aplicación para estimar la preferencia por hábitat y recursos / HaviStat© v2.2: Aplicativo para estimar a preferência em habitats e recursos

HaviStat© v2.2 is available in Spanish and English. In this version reported errors and recommendations from v1.0 were fixed and implemented. HaviStat© allows users to perform the necessary mathematical, statistical and graphical procedures required to preliminarily infer use, selection, and preference for habitat/resources, and to estimate the niche breadth of species. In this new version radial diagrams, 22 indexes and 3 confidence intervals for animal preference evaluation, and 8 indexes for niche breadth estimation are available.

HaviStat© v2.2 está disponible en español e Inglés. En esta versión los errores y recomendaciones reportados para la versión v1.0 fueron corregidos e implementados. HaviStat© permite a los usuarios realizar los procedimientos matemáticos, estadísticos y gráficos para inferir de forma preliminar uso, selección and preferencia por hábitat/recursos, y estimar la amplitud de nicho de las especies. En esta nueva versión se incluyen diagramas radiales, 22 índices and 3 intervalos de confianza para evaluar preferencia animal, y 8 índices para estimar amplitud de nicho también están disponibles.

HaviStat© v2.2 está disponível em espanhol e inglês. Nesta versão os erros e as recomendações referenciados na versão v1.0 foram corrigidos e implementados. HaviStat© permite aos usuários realizar os procedimentos matemáticos, estatísticos e gráficos para inferir de forma preliminar o uso, seleção e preferência por hábitat/recursos e estimar a amplitude do nicho das espécies. Nesta nova versão, estão disponíveis, diagramas radiais, 22 índices e 3 intervalos de confiança para avaliar a preferencia animal, e 8 índices para estimar a amplitude do nicho.

Prueba de hipótesis frente a intervalos de confianza / Hypothesis testing versus confidence intervals

Los valores p, generalmente, 0,05 ó 0,01, que en la prueba de hipótesis estadística se usan para diferenciar resultados estadísticamente significativos de los no significativos, se considera de poco valor informativoy práctico cuando el investigador biomédico y epidemiólogo están interesados en conocer la magnitud de un resultado de un estudio. Este artículo muestra la ventaja de los intervalos al comparar la prueba de hipótesis con la estimación de intervalos de confianza para inferir la diferencia entre dos proporciones muestrales.

The p values, generally 0.05 or 0.01, that in the statistical hypothesis test are used to distinguish the significant and non-significant statistical results, it is considered of few information and few practical value, when the biomedical researcher and epidemiologist are interesting in knowing the magnitude of a result of study. This communication shows the advantage of the intervals to compare the hypothesis test with the interview confidence for inferring the difference between two sample proportions.

Más allá del valor p

Introducción: En medicina se ha privilegiado el valor p y lo que éste aporta. No obstante, cada día se usan otros criterios, como el intervalo de confianza, y nuevas formulaciones de las pruebas de hipótesis que pueden proveer más profundidad en la identificación de resultados clínicamente relevantes. Objetivos: Exponer criterios y pruebas de hipótesis que vayan más allá del valor p. Resultados: Se da una explicación a los intervalos de confianza y a diferentes pruebas de hipótesis para identificar, en el análisis de los datos de la investigación, los valores clínicamente relevantes. Conclusión: El valor p, los intervalos de confianza y la identificación de diferencias clínicamente relevantes por medio del uso de hipótesis de superioridad, de no inferioridad y de equivalencia son fundamentales para la investigación clínica...

Introduction: In medicine the p value has had an important place because of its contribution. In addition the confidence intervals and new formulations of significant test are used every day as a way to identify clinically relevant results. Objective: To describe the criteria and the significant test beyond the p value. Results: Confidence intervals and significant tests are review to identify in data analysis clinically relevant findings. Conclusion: The p value, confidence intervals and the identification of clinically relevant findings by means of superiority, non-inferiority and equivalence hypothesis are fundamentals in clinical research...

Amplitud de intervalos de confianza obtenidos por bonferroni de acuerdo al número de variables y del tamaño de la muestra en poblaciones multinormales / Amplitude of confidence intervals obtained by bonferroni according to the number of variables and sample size in multinormal populations

Frecuentemente los investigadores en el área de la Medicina Veterinaria diseñan sus trabajos experimentales dentro del campo multivariado, lo cual implica que deben seleccionar las variables de interés y el tamaño de la muestra apropiado. Sin embargo, con relación a este último aspecto no siempre es posible disponer -por diferentes limitaciones- de tamaños de muestras grandes. Un aspecto importante de la inferencia estadística es la estimación de parámetros por intervalos de confianza. En el campo multivariado, se estudió la amplitud de los intervalos de confianza. Una alternativa para calcular estos intervalos de confianza fué a través del uso de  la desigualdad de Bonferroni, la cual tiene la ventaja de  garantizar  un   coeficiente   de  confianza   conjunto  de  al  menos 100(1- α)%. Estos intervalos de confianza serán más precisos cuanto más estrechos sean.  Para este estudio se consideraron tres matrices de varianzas y covarianzas Σ cuyas estructuras corresponden a: ρij= 0,25, 0,65 y 0,85; número de variables p=2, 3, 4 y 5 y tamaños de muestra n=10, 15, 20, 25 y  30. En cuanto a la amplitud de los intervalos obtenidos, se concluye que a medida que aumenta la correlación entre las variables o los tamaños de las muestras los intervalos son más estrechos. Por último, se observó que al aumentar el número de variables, los intervalos son más amplios.

Frequently, scientists in the field of Veterinary Sciences design their experimental work using multivariate analysis, which implies the selection of variables of interest and an adequate sample size. Nonetheless, for different reasons, large sample sizes are not always available. An important feature of statistical inference is the estimation of parameters by confidence intervals. By using a multivariate analysis, we resorted to the use of  the Bonferroni´s inequality method, as an alternative to study confidence intervals. This method has the advantage of warranting a simultaneous confidence coefficient of at least 100 (1-α)%. The narrower the intervals are, the more accurate they will be. In this study, 3 matrixes of variances and covariance Σ were used. Their structures correspond to: ρij=0.25, 0.65 and 0.85; number of variables p= 2, 3, 4 and 5; and sample sizes n =10, 15, 20, 25 y 30. In reference to the interval amplitude obtained, it is concluded that as the correlation among variables or sample size increase, the intervals are narrower. Finally, it was observed that when the number of variables increases, the intervals are wider.

Diferencias estadísticamente significativas vs. relevancia clínica / Statistically significant differences vs. clinical relevance

En este artículo se hace una revisión de los peligros que conlleva el uso del término significación estadística y la importancia de analizar la magnitud de las diferencias que se encuentran al final de los estudios de investigación. Para ello, se hace una presentación del concepto de significación estadística, los errores tipo I y tipo II y del concepto de relevancia clínica. Asimismo, se discute el uso de otro tipo de medidas como son los intervalos de confianza. Finalmente se presentan, a manera de conclusión, dos ideas básicas: la primera tiene que ver con la importancia de identificar la prueba estadística que mejor se ajuste al estudio para rechazar o aceptar la hipótesis nula y la necesidad de establecer si la magnitud de las diferencias obtenidas tienen alguna importancia desde el punto de vista clínico.

This article reviews the potential hazards of using the term ‘statistical significance’ as well as the mportance of analyzing size effects of differences ound at the research reports articles. Thus, this rticle presents a review of concepts like statistical ignificance, type I and type II errors, and clinical elevance. Similarly, a discussion regarding other tatistical measures, such as confidence intervals, s presented. At last, two ideas are presented as ain conclusions of this analysis: the first délas ith the importance of identifying the best tatistical tests to either accept or reject the null ypothesis in a research study. The second idea ighlights the need of clarifying the clinical elevance of differences’ size effect.

Una mirada al valor de p en investigación / A Look at p-values in Research

La búsqueda de datos dentro de la bibliografía científica ofrece tanto al lector espontáneo como al investigador diferentes retos al momento de leer, comprender y analizar los resultados de un artículo publicado, principalmente cuando los resultados contienen información sobre procedimientos estadísticos empleados en el análisis, como es el caso del reporte de valores de p. Este artículo ofrece al investigador y al usuario de la bibliografía científica elementos y conceptos que le permitan, entre otras: identificar y entender los componentes de una prueba de hipótesis, interpretar adecuadamente los valores de p, reconocer las ventajas que tiene el uso de intervalos de confianza frente a los valores de p, diferenciar entre significación estadística y significación clínica en una prueba de hipótesis y reconocer la importancia del cálculo del tamaño de la muestra, desde la planeación de este tipo de estudios.

Researchers and spontaneous readers both have to face several challenges when they are looking for evidence in scientific papers, especially when statistical procedures are developed during the analysis phase, such as the use of hypothesis testing and p-values. This paper offers concepts and pointers to assist researchers and readers of scientific literature to identify and understand the components within a statistical test of hypothesis, to appropriately interpret p-values, to recognize the advantages in using confidence intervals rather than pvalues, to establish the difference between statistical significance and clinical relevance in the use of hypothesis testing and to recognize the importance of sample size calculation from the beginning of a study.