ABSTRACT
Informing in the studies about the effect size of an intervention or the impact of the factor(s) about an outcome, allows better decision-making for the application of the results in clinical practice. This article presents different methods to analyze the effect size, which can be through direct or indirect statistical methods. Within the direct methods, there's the difference in means between groups and the difference of absolute or relative frequencies. Among the indirect methods, Cohen's "d" family (which are based on standard deviation values), the "r and R2" family, measures of association (e.g. OR, RR, HR), and impact measures (e.g. NNT) are shown. The decision to use any of these methods depends on the objectives of the study and the measuring scale that is used to assess the results, as well as the data distribution. In order to enhance the understanding of the methods described in this article, examples are included, and the need to include level of precision (e.g. confidence intervals) is highlighted, along with the clinical decision thresholds for a better interpretation.
Informar en los estudios sobre el tamaño del efecto de una intervención o del impacto de factor(es) sobre un desenlace, permite tomar mejores decisiones para la aplicación de los resultados a la práctica clínica. En este artículo se presenta la manera de analizar el tamaño del efecto, lo cual puede ser mediante métodos estadísticos directos o indirectos. Dentro de los métodos directos, se encuentra la diferencia de promedios entre grupos y la diferencia de frecuencias absolutas o relativas. Dentro de los métodos indirectos se muestran los índices de la familia de "d" de Cohen (que se basan en valores de desviación estándar), la familia de "r y R2", medidas de asociación (RM, RR, HR) e impacto (NNT). La decisión del uso de cualquiera de los métodos descritos, depende de los objetivos del estudio, la escala de medición usada para evaluar los resultados y la distribución de los datos. Para facilitar la comprensión, se incluyen ejemplos y se resalta la necesidad de incluir los diferentes estadísticos con su nivel de precisión (ej. intervalos de confianza), junto con los umbrales clínicos de decisión, a fin de mejorar su interpretación.
