_(6008495935).jpg){kind=link}
- Publicación
- Actualización
Las variables basales pueden mejorar la precisión o tener en cuenta características del diseño en el análisis. Elegir las covariables del modelo después de examinar los resultados del tratamiento puede debilitar la credibilidad de la interpretación, especialmente cuando solo se conservan los modelos favorables.
Definir la pregunta y los supuestos
Evalúe la justificación clínica y pronóstica, el momento de medición y la calidad de los datos. La forma funcional, las definiciones de categorías y el tratamiento de valores ausentes importan tanto como la lista de variables. Explique por qué ajustar por una variable posterior al tratamiento puede responder a una pregunta diferente de ajustar por una verdadera característica previa al tratamiento.
Ejemplo de estudio hipotético
En un estudio hipotético, el equipo propone utilizar como modelo principal la combinación de covariables con el menor valor p. El estadístico distingue el modelo preespecificado de esta búsqueda. Pueden comunicarse modelos adicionales con una justificación transparente de su selección y su carácter exploratorio, en vez de conservar únicamente el resultado más atractivo.
Comprobaciones para la revisión del diseño
- Registre cada covariable junto con su justificación científica y su fuente de datos.
- Especifique las transformaciones y las reglas de categorización de variables continuas antes de revisar los resultados.
- Pruebe cómo las covariables ausentes modifican la población que contribuye a cada análisis.
Registrar la decisión y sus límites
Un plan aceptado incluye la estructura del modelo y las reglas para casos especiales, además de los nombres de las variables. Puede evaluarse la viabilidad del modelo previsto con datos enmascarados. Revele cuándo se realizaron los cambios informados por los resultados y sus consecuencias. Un buen ajuste del modelo no establece por sí solo su correspondencia con la pregunta científica ni la ausencia de sesgo sistemático.
Preguntas frecuentes
- ¿Es siempre mejor incluir más covariables?
- No. La complejidad innecesaria y la información limitada pueden afectar a la estabilidad del modelo.
- ¿Puede ajustarse por una variable posterior al tratamiento?
- Su finalidad e interpretación causal requieren una evaluación específica; no es un ajuste basal ordinario.