Los emparejamientos de predictor-resultado completamente aleatorizados que utilizan la base de datos NSQIP producen...

Área de la Ciencia:

• Cirugía ortopédica
• Informática de la salud
• Estadísticas biológicas

Sus antecedentes:

• Las grandes bases de datos nacionales son valiosas para la investigación de los resultados de la artroplastia.
• Los grandes tamaños de muestras en estas bases de datos pueden conducir a hallazgos estadísticamente significativos pero clínicamente irrelevantes.
• Este estudio investiga el riesgo de falsos descubrimientos en los análisis basados en datos de grandes conjuntos de datos clínicos.

Objetivo del estudio:

• Para probar la hipótesis de que los emparejamientos de variables aleatorias en grandes conjuntos de datos producen asociaciones estadísticamente significativas.
• Examinar el grado de riesgo de descubrimiento falso en el análisis basado en datos de grandes conjuntos de datos clínicos.

Principales métodos:

• Análisis retrospectivo transversal de una gran base de datos nacional.
• Identificación de los pacientes sometidos a artroplastia total de rodilla (TKA) o total de cadera (THA) utilizando los códigos de la Terminología Procedimental Actual (CPT).
• Selección aleatoria de 20 pares de variables predictoras y de resultados para el análisis, con las pruebas estadísticas apropiadas aplicadas en función de los tipos de variables.

Principales resultados:

• El 70% (14 de 20) de las variables emparejadas aleatoriamente arrojaron resultados estadísticamente significativos (P < 0,05).
• Los ejemplos incluyen el código CPT frente a la hemoglobina A1c y la altura frente a la enfermedad pulmonar obstructiva crónica (EPOC).
• Estas asociaciones significativas se encontraron a pesar de la falta de justificación clínica subyacente.

Conclusiones:

• Los emparejamientos aleatorios en grandes bases de datos a menudo producen resultados estadísticamente significativos sin relevancia clínica, impulsados por el tamaño de la muestra.
• Esto subraya el riesgo de una interpretación excesiva de la significación estadística en los estudios de grandes bases de datos.
• Hace hincapié en la necesidad de una metodología basada en hipótesis y la interpretación del tamaño del efecto en la investigación de resultados.