Nota: El traductor se ha tomado la libertad de traducir liberalmente este artículo-con el permiso de la autora- asegurándose de mantener el mensaje lo más fiel posible al escrito original. Las letras ennegrecidas en el cuerpo del artículo son una herramienta del traductor para enfatizar ciertas ideas; no aparecen así en el escrito original de la autora.

 

 

La proliferación de programas estadísticos provee un falso sentido de seguridad a algunos practicantes de Six Sigma y a otros profesionales de la calidad quienes no poseen un dominio adecuado del campo de las estadísticas en su habilidad  de recoger y analizar datos que los ayuden a llegar a conclusiones sensatas. Muchos de estos profesionales no se dan cuenta que mucho del trabajo crítico para el éxito de nuestros proyectos se hace mucho antes de que se recojan y analicen nuestros datos.

 

Antes de que se formule nuestra hipótesis, debemos clarificar los objetivos de nuestro experimento o estudio. Hasta que no se haga esto, hay pocas posibilidades de que un formato adecuado para el análisis se pueda construir. Antes de usar los programas estadísticos instalados en nuestras computadoras, hay ocho importantes puntos que deben ser tomados en consideración para que  los profesionales de la calidad obtengan los datos  correctos que a su vez permitan el mejor análisis. Los ejemplos a continuación se obtuvieron de la industria farmacéutica (pero se pueden aplicar también a otras industrias- nota del traductor). 

 

Primer Punto: Objetivos del Estudio.

 

La más importante etapa del proceso de pre-análisis durante nuestra planificación es entender los objetivos del estudio. Por ejemplo, una compañía farmacéutica desea saber si Droga A es mejor que Droga B. Esta parece ser una pregunta simple y clara…… ¿Pero en realidad lo es? Una droga puede ser mejor que otra en muchas diferentes maneras:

 

• Droga A puede curar un mayor porcentaje de pacientes que Droga B.

• Drogas A y B pueden curar el mismo porcentaje de pacientes pero Droga A lo hace en

   la mitad del tiempo.

• Droga A puede tener menos efectos secundarios que Droga B.

• Drogas A y B pueden ser ambas bioequivalentes pero Droga A cuesta la mitad de lo que

   cuesta Droga B.

 

Cada uno de estos objetivos requiere diferentes hipótesis. (Debemos tener objetivos claros y específicos. Nuestros objetivos deber ser mensurables; debemos tener los medios para poder medirlos correctamente-nota del traductor.)

 

 

 

Segundo Punto: Diseño del Estudio

 

Una vez establecido un objetivo especifico y mensurable, debemos clarificar el diseño del estudio. ¿Es un estudio observacional donde no tenemos control sobre los factores? ¿O, al contrario, es un diseño donde podemos controlar nuestros factores claves?

 

Tercer Punto: Población bajo Estudio

 

Siguiendo nuestro ejemplo, debemos definir quienes son los candidatos a recibir las drogas. Es crucial definir los diferentes sub-grupos dentro de nuestra población. Por ejemplo, ¿pueden mujeres embarazadas tomar estas drogas?

 

Cuarto Punto: Muestra de la Población

 

Muchas veces no es posible utilizar nuestra población completa en nuestro estudio. En estos casos debemos escoger una muestra representativa de nuestra población. Existen varias técnicas seguras para hacer esto. Lo que no debemos hacer es, por ejemplo,  tomar solo jóvenes universitarios como muestra si nuestro estudio es acerca de jóvenes adultos. Generalmente, los jóvenes universitarios tienen mejor salud y estatus socioeconómico que sus pares que no asisten a la universidad. Estas diferencias pueden viciar  los resultados del estudio y debe ser tomadas en consideración. Por supuesto, es esencial seleccionar el tamaño correcto de nuestra muestra. También existen técnicas  para seleccionar el tamaño correcto de nuestra muestra.

 

Quinto Punto: Parámetros bajo Estudio

 

Desde el principio debemos tener claro cuales son nuestros factores claves, nuestras variables de interés. Es sumamente importante identificar otros factores, “factores de confusión”, variables que pueden disfrazar posibles relaciones que afecten nuestros parámetros bajo estudio.

 

También debemos clarificar la diferencia entre significancía estadística y significancía práctica (o significancía clínica, siguiendo nuestro ejemplo acerca de Drogas A y B). Vamos a suponer que nuestra compañía farmacéutica desea producir Droga A solo si se prueba que actúa cincuenta por ciento más rápido que Droga B. Se lleva a cabo un estudio clínico y se encuentra que Droga A actúa 25 por ciento mas rápido que Droga B. A pesar que el resultado del estudio es altamente significativo desde un punto de vista estadístico, la  significancía clínica no es lo suficiente buena para satisfacer los requisitos de la compañía farmacéutica.

 

 

Sexto Punto: Grupo Control

 

Un grupo control es necesario para estudios de causa y efecto. Si se sospecha que una condición de trabajo causa problemas de salud, debemos comparar la información que nos interesa acerca de los sujetos quienes fueron expuestos a la mencionada condición con la información de los sujetos con quienes comparten un mismo trasfondo que no han sido expuestos a esta condición.

 

 Séptimo Punto: Aleatorización

 

La aleatorización (o randomización) nivela las diferencias debidas al azar entre los sujetos  evitando asi viciar los resultados del estudio. Por ejemplo, se sospecha que Droga A tiene un efecto secundario que afecta las habilidades cognoscitivas de los pacientes. Un investigador escoge dos secciones completas de estudiantes de primer año de una universidad y los somete a una prueba de destrezas matemáticas. Una sección recibió Droga A; la otra recibió un placebo. Pero el investigador no estaba consciente que la sección  que recibió Droga A  había tomado recientemente un curso sobre las destrezas matemáticas examinadas en la prueba……curso que no había sido tomado por el grupo placebo. Esta diferencia invalida los hallazgos del estudio.

 

Octavo Punto: Cuestionario

 

Otro tópico bajo consideración debe ser la planificación de un cuestionario, si necesario. El estudio mejor planificado está destinado al fracaso si los datos  a ser analizados estadísticamente no se recogen adecuadamente. Un ejemplo de esto es un cuestionario que no provee para que se utilice la terminología  estándar apropiada para interpretar los resultados de los electrocardiogramas administrados al grupo control y al  grupo experimental en nuestro estudio acerca de la Droga A.

 

Nota Final del Traductor: La importancia de análisis estadísticos correctos nunca puede ser enfatizada demasiado. Estos análisis tienen un gran impacto en decisiones muy importantes. La aplicación incorrecta de métodos estadísticos  y/o la mala interpretación de éstos pueden provocar daños en algunas ocasiones irreparables. Ningún análisis hecho por un programa estadístico puede salvar un experimento o estudio que ha sido diseñado o ejecutado de manera incorrecta. La correcta planificación de un experimento o estudio es la clave para prevenir pérdidas de preciosos recursos (como tiempo, dinero y, en algunas ocasiones, salud y vida) y para obtener análisis correctos que nos ayuden en nuestro proceso de toma de decisiones.

 

Los programas estadísticos, gracias a su rapidez y exactitud, nos ahorran tiempo y esfuerzo. Pero los métodos estadísticos usados para generar nuestros resultados no deben ser un misterio para nosotros. Es nuestro deber  entender las virtudes y limitaciones de cada una de estas valiosas herramientas para poder utilizarlas correctamente, sacarle el máximo provecho y optimizar sus beneficios.

 

 

(1) Shochat, Tzippy. “Why You Cannot Depend Totally on Statistical Software”. www.isixsigma.com

 

Por Xavier V. Pérez-Pacheco,  ASQ CQ/OEM, CQE, CQA
Traducción Libre del Artículo “Why You Cannot Depend Totally on Statistical Software”

Próximos Eventos

EB_NO_UPCOMING_EVENTS