Comprender la incertidumbre a través de los intervalos
Cuando un estudio informa de que un probiótico reduce la hinchazón en 2 puntos en una escala de 10 (IC 95 %: 0,5-3,5), el intervalo de confianza cuenta una historia crucial sobre la certeza. El intervalo representa el rango plausible de efectos reales, teniendo en cuenta la variabilidad muestral.
La interpretación requiere cuidado. Un intervalo de confianza del 95 % NO significa «hay un 95 % de probabilidad de que el efecto real esté en este rango» (eso sería lenguaje de intervalo credible bayesiano). En cambio, imagina que realizas el mismo estudio 100 veces y calculas un intervalo de confianza cada vez. Aproximadamente 95 de esos 100 intervalos contendrían el efecto real; 5 lo omitirían. Este marco de muestreo repetido define los intervalos de confianza frecuentistas.
Un IC que cruza el valor nulo señala no significación. Para medidas continuas, nulo = 0. Si un estudio informa de un efecto = 1,2 mg/dL (IC 95 %: −0,5 a 2,9), el intervalo cruza el cero, lo que significa que el efecto real podría ser cero o incluso negativo. Este estudio no demuestra significación estadística, independientemente de lo que afirme el resumen.
Para odds ratios y riesgos relativos, nulo = 1,0 (sin diferencia entre grupos). Un estudio que muestra OR = 1,2 (IC 95 %: 0,9-1,6) cruza 1,0, indicando no significación. Las odds reales del desenlace podrían ser iguales entre grupos (OR = 1,0) o ligeramente elevadas (OR = 1,2).
La amplitud del IC refleja el tamaño muestral y la variabilidad del efecto. Intervalos estrechos (límites ajustados) sugieren precisión: muestras grandes o baja variabilidad proporcionan estimaciones fiables. Intervalos amplios señalan incertidumbre. Un estudio de pérdida de peso con IC: 2-30 kg perdidos transmite mucha menos certeza que un IC: 8-12 kg perdidos, a pesar de la misma estimación puntual.
Al comparar tratamientos, solapar los IC no necesariamente implica equivalencia. Dos IC pueden solaparse manteniendo diferente significación estadística, aunque en la práctica, intervalos solapados sugieren que los efectos no difieren drásticamente.
Los diagramas de bosque en los metaanálisis visualizan los IC de forma elegante. Cada estudio aparece como una estimación puntual con barras de error horizontales que representan su IC. La estimación metaanalítica global se sitúa en la parte inferior, con un IC a menudo más estrecho (reflejando los datos combinados). Cuando los IC del diagrama de bosque cruzan la línea nula, el análisis agrupado no es significativo.
Los estudios de microbioma informan cada vez más de IC para medidas de diversidad alfa, abundancias relativas de taxones y predicciones funcionales. Un estudio que muestra que la abundancia de Faecalibacterium aumentó del 5 % al 8 % (IC 95 %: 6-10 %) en el grupo de intervención transmite tanto la estimación puntual como la incertidumbre. Esto supera informar solo del 8 % sin reconocer el error muestral.
La diferencia entre precisión y exactitud importa. Un IC estrecho no garantiza exactitud: un sesgo sistemático (diseño de estudio defectuoso) crea falsa precisión. Por el contrario, un IC amplio con métodos insesgados proporciona una incertidumbre honesta. Los buenos estudios muestran IC amplios en muestras pequeñas, que se estrechan progresivamente a medida que crecen las muestras.
Los estándares de publicación exigen cada vez más los IC. La declaración CONSORT para ensayos aleatorizados y la declaración STROBE para estudios observacionales requieren informar de intervalos de confianza. Las revistas que aplican estas directrices mejoran significativamente la calidad de la evidencia publicada.