Video Experimental Relacionado
Updated: Jul 24, 2026

Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Multiplicidad en ensayos aleatorios I: puntos finales y tratamientos
Kenneth F Schulz1, David A Grimes
1Family Health International, PO Box 13950, Research Triangle Park, NC 27709 USA.
Los ensayos de investigación pueden generar numerosas comparaciones, arriesgando el informe sesgado de hallazgos significativos. Los investigadores deben informar todos los análisis, y aunque existen ajustes estadísticos para la multiplicidad, deben usarse con precaución para las decisiones clínicas críticas.
Área de la Ciencia:
- La bioestadística es la bioestadística.
- Metodología de ensayos clínicos Metodología de ensayos clínicos.
- La integridad científica.
Sus antecedentes:
- Los ensayos clínicos a menudo implican numerosos puntos finales y comparaciones de grupos de tratamiento, lo que lleva a posibles problemas de multiplicidad.
- Los investigadores pueden reportar selectivamente hallazgos significativos, lo cual es no científico si no es intencional y fraudulento si es intencional.
Objetivo del estudio:
- Para resaltar el problema de la multiplicidad en los ensayos clínicos.
- Discutir las implicaciones de la presentación selectiva de informes de análisis estadísticos.
- Evaluar el papel y las limitaciones de los ajustes estadísticos por multiplicidad.
Principales métodos:
- Discusión de los principios estadísticos relacionados con la multiplicidad.
- Análisis de la práctica del informe selectivo en la investigación clínica.
- Evaluación de los ajustes estadísticos para la multiplicidad en las pruebas de hipótesis.
Principales resultados:
- Miles de comparaciones potenciales pueden surgir de un solo juicio.
- La notificación selectiva de resultados significativos puede distorsionar las conclusiones científicas.
- Los ajustes estadísticos para la multiplicidad son generalmente rudimentarios, pero pueden ser útiles cuando las decisiones clínicas dependen de la significación del punto final primario.
Conclusiones:
- Los investigadores deben informar todos los puntos finales analizados y los tratamientos comparados para garantizar la transparencia.
- La conciencia de la posible subinformación de los análisis es crucial para los lectores.
- Los ajustes estadísticos para la multiplicidad deben aplicarse juiciosamente, especialmente cuando las decisiones clínicas dependen de resultados específicos del criterio de valoración primario.
Videos de Conceptos Relacionados
Regression Toward the Mean
Randomized Experiments
Simple randomization
Simple...
Blinding
Bioequivalence Experimental Study Designs: Repeated Measures, Cross-Over, Carry-Over, and Latin Square Designs
Determination of Multiple Dosing Parameters: Loading and Maintenance Doses
Drug Therapy
Antianxiety Medications
