Page 142

Marzo_2017

CARTA AL EDITOR / LETTER TO THE EDITOR 412 Rev Med Chile 2017; 145: 410-412 Dónde: IC es el intervalo de confianza; Z1-(α/2) es 1,96; n es la cantidad de personas. El cálculo de los intervalos de confianza permite tener una información acerca de la magnitud y la precisión de la relación8. Para efectos de ejemplificar su uso, partiremos de un caso supuesto. En un estudio, que tiene como objetivo establecer si la relación entre las puntuaciones de bienestar y la imagen corporal de 79 adolescentes de 12 a 18 años son diferentes entre aquellos diagnosticados con trastornos de conductas alimentarias y los no diagnosticados, se obtuvo una correlación de 0,56 entre las variables para el grupo de pacientes con trastornos de conducta alimentaria (n1 = 40) y una correlación de 0,47 para el grupo sin trastorno (n2 = 39). En primer lugar, se realiza la transformación de los coeficientes de correlación como se ilustra a continuación, tanto en el caso de los hombres como el de mujeres: Finalmente, la q de Cohen sería la diferencia entre los dos valores transformados: qcohen = 0,63–0,51 = 0,123, mientras que el cálculo de los intervalos de confianza, arroja los siguientes resultados: Una vez obtenido el valor de la q, es pertinente utilizar las categorías interpretativas planteadas por Cohen2, en donde valores <  0,10: sin efecto; 0,10 a 0,30: efecto pequeño; 0,31 a 0,50: efecto moderado; > 0,51: efecto grande. En nuestro ejemplo, un valor de la q de Cohen de 0,12 indicaría que la proporción de la diferencia entre la correlación de bienestar e imagen corporal según diagnóstico o no de trastornos de la conducta alimentaria es pequeña; además, de acuerdo a los intervalos de confianza, el valor de la q de Cohen no fue estadísticamente significativo, dado que el intervalo incluye al cero. Cabe mencionar que en el caso de una correlación de Spearman, no existe argumento para el uso de la q de Cohen; sin embargo, podría utilizarse la transformación de Rupinski y Dunlap9 para convertir la Rho de Spearman en r de Pearson, cuya expresión matemática es: Dónde: sen es el seno; rs es la Rho de Spearman, π es el valor 3.1416. Finalmente, una vez realizada transformada la Rho a r, se debe proceder a convertirlo a Z de Fisher. Rupinski y Dunlap (1996) en su estudio de simulación encontraron que las transformaciones de rho de Spearman a r de Pearson presentan superiores errores estándar al r de Pearson, aunque dicho incremento es insignificante (-0,005) a nivel práctico. Por tanto, brinda correlaciones aceptables para estudios de metaanálisis. En el caso del estudio de Urzúa et al, el empleo de la q de Cohen permitiría determinar si las correlaciones entre las variables pueden ser diferentes en función de las diferencias idiosincráticas de los inmigrantes peruanos y colombianos. Si bien en la discusión se hace referencia a una posible influencia de estas diferencias, no se hace mención alguna sobre datos empíricos que respalden esta aseveración, recomendándose así, procedimientos metodológicos que permiten obtener información complementaria respecto a la comparación de las correlaciones entre grupos independientes, obteniendo así una mejor evidencia para la formulación de conclusiones. Con el fin de agilizarse los cálculos, se ha elaborado una hoja de Excel para realizar las conversiones de forma automática, la cual puede ser solicitada sin costo a alguno a los autores. José Luis Ventura-Leóna, Tomás Caychoa Universidad Privada del Norte, Lima, Perú. aMagíster en Psicología. Referencias 1. Urzúa A, Heredia O, Caqueo-Urízar A. Salud mental y estrés por aculturación en inmigrantes sudamericanos en el norte de Chile. Rev Med Chile 2016; 144 (5): 563-70. 2. Cohen J. Statistical Power Analysis for the Behavioral Sciences. 2nd ed. New York: Erlbaum, Hillsdale; 1988. 3. Fisher RA. Frequency distribution of the values of the correlation coefficient in samples from an indefinitely large population. Biometrika 1915; 10: 507-21. 4. Fisher RA. On the “probable error” of a coefficient of correlation deduced from a small sample. Metron 1921; 1: 3-32. 5. Zimmerman DW, Zumbo BD, Williams RH. Bias estimation and hypothesis testing of correlation. Psicológica 2003; 24: 133-58. 6. Sánchez-Bruno A, Borges del Rosal, A. Estudio de la distribución muestral de la transformación Z de Fisher. Metodología de las Ciencias del Comportamiento 2004; 1: 543-8. 7. Loftus GR, Loftus EF. Essence of statistics, 2nd ed. New York, Random House, 1988. 8. Zou GY. Toward using confidence intervals to compare correlations. Psychol Methods 2007; 12: 399-413. 9. Rupinski MT, Dunlap WP. Approximating Pearson product poment correlations from Kendall’s Tau and Spearman’s Rho. Educ Psychol Meas 1996; 56 (3): 419-29. Correspondencia: José Luis Ventura-León Av. Tingo María 1122, Breña, Lima jventuraleon@gmail.com


Marzo_2017
To see the actual publication please follow the link above