Importancia de la congruencia entre la distribución de los datos y su forma de presentación en estudios clínicos

Importance of consistency between data distribution and its presentation format in clinical studies.

Med Int Méx 2025; 41 (11): 707-708. https://doi.org/10.24245/mim.v41i11.10678

Luis Enrique Fernández Garza

Departamento de Medicina Interna, Hospital General de Zona 2, Instituto Mexicano del Seguro Social, Monterrey, NL.

Estimado editor:

Me permito escribir esta carta en relación con el artículo titulado “Factores relacionados con el fracaso del tratamiento de la peritonitis asociada con diálisis peritoneal” publicado en su revista.1 El estudio aborda un tema clínicamente relevante y aporta información valiosa para la práctica nefrológica en el contexto nacional. No obstante, quisiera hacer una observación metodológica que considero pertinente discutir en aras de fortalecer la calidad científica del trabajo y su reproducibilidad.

En la sección de resultados, los autores mencionan que se aplicaron pruebas para determinar la distribución de los datos, identificando que la mayoría de las variables tenían una distribución semejante a la normal, excepto la edad y el índice de masa corporal (IMC). Sin embargo, no se reportan los valores estadísticos de esas pruebas (como el estadístico y valor de p de la prueba de Shapiro-Wilk o Kolmogorov-Smirnov), ni se aclara con precisión cuáles variables fueron evaluadas individualmente como normales o no normales.

Lo más relevante es que existe una inconsistencia entre la distribución reportada y la forma en que presentan los datos. Por ejemplo, variables como albúmina sérica y leucocitos totales, que tienden a mostrar una distribución no normal en poblaciones clínicas se reportan como media e intervalo de confianza del 95%, sin justificar su tratamiento como variables paramétricas. A la vez, variables como la edad y el IMC sí se presentan adecuadamente como mediana y rango intercuartílico.2 Esto lleva al error posterior de la elección de la prueba estadística aplicada para la comparación de grupos, en este caso entre las pruebas t de Student y U de Mann-Whitney.3

Esta falta de congruencia puede tener implicaciones relevantes porque afecta la interpretación de los resultados, al no reflejar correctamente la tendencia central ni la dispersión real de los datos. Podría poner en duda la validez estadística si se aplicaron pruebas paramétricas a variables que no cumplían los supuestos de normalidad y reduce la reproducibilidad del estudio y su comparabilidad con investigaciones similares.4

Recomiendo, respetuosamente, que en futuras publicaciones se detalle con mayor claridad los métodos utilizados para verificar la normalidad, la justificación de la forma de presentar los datos (media ± desviación estándar vs mediana ), y la elección de las pruebas estadísticas en concordancia con la distribución. Estas buenas prácticas estadísticas no solo mejorarán la calidad metodológica, sino que fortalecen la confianza en los hallazgos y su aplicabilidad clínica.

REFERENCIAS

1. Cortés-Mejía AL, López-Martínez JE, López C, Morales-Santaella AL, et al. Factores relacionados con el fracaso del tratamiento de peritonitis asociada con diálisis peritoneal. Med Int Méx 2025; 41 (7): 371- 377. https://doi.org/10.24245/mim.v41i7.10358

2. Altman DG, Bland JM. Statistics notes: the normal distribution. BMJ 1995; 310 (6975): 298. https://doi.org/10.1136/bmj.310.6975.298

3. Mishra P, Pandey CM, Singh U, Gupta A, et al. Descriptive statistics and normality tests for statistical data. Ann Card Anaesth 2019; 22 (1): 67-72. https://doi.org/10.4103/aca.ACA_157_18

4. Ghasemi A, Zahediasl S. Normality tests for statistical analysis: a guide for non-statisticians. Int J Endocrinol Metab 2012; 10 (2): 486-89. https://doi.org/10.5812/ijem.3505