Videos de Experimentos Relacionados
Un estudio exploratorio de evaluación estadística de trabajos publicados en el British Medical Journal
1MRC Environmental Epidermiology Unit, University of Southampton, England.
JAMA
|March 9, 1990
Resumen
La evaluación estadística de documentos médicos mejora significativamente su calidad. Si bien solo el 11% de las presentaciones fueron inicialmente aceptables, el 84% cumplió con los estándares después de la revisión, destacando el beneficio de la revisión estadística para publicaciones en revistas.
Área de la Ciencia:
- Diario médico Editorial Editar.
- Metodología estadística Metodología estadística.
- Evaluación de la calidad de la investigación Evaluación de la calidad de la investigación
Sus antecedentes:
- El British Medical Journal recibe aproximadamente 300 evaluaciones estadísticas al año.
- Un proceso de evaluación estadística proporciona recomendaciones y listas de control de calidad para los trabajos presentados.
Objetivo del estudio:
- Monitorear la efectividad del proceso de evaluación estadística para las presentaciones de revistas.
- Para comparar la calidad estadística de los trabajos en la presentación frente a la post-publicación.
Principales métodos:
- Un estudio exploratorio analizó los datos de las listas de verificación de 45 artículos.
- Comparación de los indicadores de calidad estadística antes y después de la publicación.
Principales resultados:
- Sólo el 11% de los trabajos fueron estadísticamente aceptables en la presentación inicial.
- Después de la publicación, el 84% de los artículos se consideraron estadísticamente aceptables.
- Se observaron omisiones importantes, como los cálculos del tamaño de la muestra, en 28 artículos.
- Se identificaron revisiones inadecuadas en 4 artículos publicados, con otros 3 de dudosa validez.
Conclusiones:
- La evaluación estadística es un proceso beneficioso para mejorar la calidad del papel médico.
- Los esfuerzos adicionales del autor y el evaluador pueden mejorar la efectividad de la revisión estadística.
- Abordar omisiones como los cálculos del tamaño de la muestra es crucial para una investigación robusta.