Significancia Estadística: Tamaño(s) de Muestra y Potencia Estadística
Quoc Minh Lai
Compartir:
Significancia Estadística: Tamaño de Muestra(s) y Potencia Estadística - Para entender el mundo que nos rodea, los investigadores utilizan formalmente el método científico como una forma de separar verdades sospechosas de falsedades. La Neurociencia Cognitiva tiene como objetivo entender cómo los sistemas genéticos, neurológicos y comportamentales apoyan la capacidad de un organismo para percibir, interactuar, navegar y pensar sobre el mundo que lo rodea.
Esto significa que la neurociencia cognitiva diseña experimentos y recopila datos en todos los niveles de análisis. Los programas de investigación en todo el mundo que buscan avanzar en nuestra comprensión del mundo natural están probando regularmente suposiciones, o hipótesis, en una serie bien planificada de experimentos más pequeños. Estos experimentos tienden a examinar factores específicos que pueden o no influir en un resultado mientras minimizan la influencia de factores externos, como el entorno, la orientación sexual, la raza o el estatus socioeconómico.
Escenario Uno: Un Estudio de Liberación de Dopamina
En la Neurociencia Cognitiva, la dopamina se considera generalmente un compuesto que "hace sentir bien". Su liberación en el Núcleo Accumbens (NuAc) se desencadena por comportamientos o cosas que nos motivan a actuar. Estos pueden incluir:
Comer una buena comida
Tiempo con seres queridos
Sexo
Azúcar
Supongamos que nos gustaría averiguar si los niveles pico de dopamina en el NuAc ocurren antes, durante o después de la exposición a un estímulo visual deseado o familiar. Podemos utilizar el diseño experimental de EEG adoptado del estudio de Amatya Johanna Mackintosh. Podemos hipotetizar que la liberación de dopamina ocurre durante y alcanza su punto máximo ligeramente después de la exposición a los estímulos visuales familiares o deseados.
Ahora, lo más crítico, ¿de dónde obtenemos sujetos para las pruebas?
En situaciones experimentales, "población" se refiere al grupo colectivo más grande y total que se está estudiando. Es poco práctico y poco probable que su laboratorio pueda idear una técnica para reclutar y recopilar datos sobre la liberación de dopamina en cientos de miles o millones de personas.
Por lo tanto, intentaremos reunir datos de un grupo o muestra más pequeña y representativa para entender la población. Para hacerlo, necesitaremos responder a dos preguntas principales.
¿Cuántos individuos deben incluirse en nuestra muestra?
¿Cómo se relaciona esto con la significancia práctica y la potencia estadística?
Dediquémonos a desglosar esto a continuación.
Potencia Estadística y Efecto Verdadero
La potencia estadística se define como la probabilidad de que una prueba detecte una diferencia estadísticamente significativa cuando tal diferencia realmente existe. También se le conoce como un efecto verdadero.
El efecto verdadero es la piedra angular del diseño experimental. El informe de Cohen de 1988, prolífico por sus contribuciones al método científico, razonó que un estudio debería ser diseñado para tener un 80% de probabilidad de detectar un efecto verdadero. Este 80% representa un diseño de prueba de alta potencia (HP), mientras que cualquier valor cercano al 20% es un diseño de prueba de baja potencia (LP).
Cohen sugirió que los estudios siempre deberían tener menos del 20% de probabilidad de cometer un error tipo II, conocido como un falso negativo. Él también usa estos mismos rangos de directrices para los descubrimientos perdidos, que ocurren cuando un investigador informa inexactamente que no hay un efecto significativo cuando realmente existe una diferencia.
¿Por qué es importante la Potencia Estadística?
Piensa en este escenario. Si existe un efecto verdadero en 100 estudios diferentes con un 80% de potencia, las pruebas estadísticas detectarán un efecto verdadero en 80 de los 100. Sin embargo, cuando un estudio tiene una potencia de investigación del 20%, si hay 100 efectos genuinos no nulos en los resultados, se espera que estos estudios descubran solo 20 de ellos.
Limitaciones de la Potencia Estadística en la Investigación en Neurociencia
No es sorprendente que, debido a la naturaleza intensiva en recursos de la investigación en neurociencia, este campo tenga una potencia estadística media de alrededor del 21% y promedia un amplio rango del 8% al 31%. La baja potencia estadística en la investigación en neurociencia:
Pone en duda la replicabilidad de los hallazgos.
Conduce a un tamaño de efecto exagerado.
Reduce la probabilidad de resultados estadísticamente significativos que representen con precisión el efecto verdadero.
Como tal, el estado actual de la investigación en neurociencia está atrapado por el problema de la potencia estadística porque estos valores están muy por debajo del umbral teórico de Cohen.
Estableciendo un Grupo de Muestra(s) Representativo
Objetivo del Escenario Uno: Evitar errores de muestreo y errores tipo I y II en nuestra prueba con un muestreo inclusivo y amplio.
¿Cuántas exploraciones cerebrales humanas deben incluirse en nuestro conjunto de muestras si queremos que el experimento sea prácticamente significativo? La significancia práctica se refiere a si los resultados de un experimento se aplican al mundo real.
La capacidad de un experimento de un neurocientífico para determinar efectos (potencia estadística) está relacionada con el tamaño de la muestra. Continuando con los parámetros del escenario 1, el objetivo sigue siendo recopilar suficientes datos para que podamos evaluar estadísticamente si hay un efecto verdadero en el momento de la liberación de dopamina después de mostrar estímulos visuales cargados emocionalmente. También necesitamos establecer criterios de inclusión en la muestra que minimicen el potencial de un error de muestreo.
Cómo Evitar Errores de Muestreo
Dos términos son importantes de entender antes de seguir adelante.
Error de muestreo: Al muestrear, siempre existe la posibilidad de que los datos recopilados de los individuos seleccionados no representen a la población.
Significancia Estadística: La significancia estadística significa que nuestros datos y nuestros efectos observados son probablemente efectos verdaderos. En la mayoría de las ciencias biomédicas, la significancia estadística se establece con un nivel de significancia o valor p de 0.05. Esencialmente, esto significa que los científicos están 95% seguros del efecto observado en sus experimentos.
Considere si los datos muestran una relación (es decir, liberación de dopamina). Hay un 5% de posibilidad de que el efecto provenga del azar y no esté relacionado con la variable (estímulos visuales). Esto sería un error tipo I. Alternativamente, hay un 5% de probabilidad de que nuestros datos recopilados muestren ninguna relación entre la liberación de dopamina y los estímulos visuales cuando, de hecho, hay un efecto verdadero: un falso negativo o error tipo II.
Establecer cuidadosamente los criterios de inclusión es más impactante porque hay un punto de rendimientos decrecientes después de un cierto tamaño de muestra.
Esperamos recopilar datos que representen a todos los humanos, y queremos que nuestras conclusiones sean tanto prácticamente significativas como estadísticamente significativas. Para diseñar exitosamente nuestro conjunto de muestras, se deben tener en cuenta y evitar un error de muestreo, un error tipo I (falso positivo) o un error tipo II (falso negativo).
Nuestro experimento está probando la siguiente hipótesis:
Hipótesis nula - No hay relación o efecto entre el momento de la liberación de dopamina en el NAc y el estímulo visual emocionalmente valente.
Hipótesis - Hay UNA relación entre el momento de la liberación de dopamina en el NAc y el estímulo visual emocionalmente valente, y la liberación máxima de dopamina ocurre después de ver los estímulos visuales.
Hay una relación entre el momento de la liberación de dopamina en el NAc y los estímulos visuales emocionalmente valentes. Cuando los datos no son estadísticamente significativos:
Nuestra hipótesis es rechazada.
No se encuentra un efecto verdadero o diferencia.
Nuestros efectos observados son igualmente probables de resultar del azar.
¿Entendiendo la Población?
Limitaciones prácticas en el diseño experimental.
En la investigación en neurociencia, un criterio de inclusión formal típicamente intenta aleatorizar y/o igualar la probabilidad de inclusión en toda la población para evitar errores de muestreo. Necesitamos evitar seleccionar individuos solo porque son los más cercanos o accesibles para recopilar datos, ya que esto es la receta para un error de muestreo.
El mejor enfoque para la generación del conjunto de muestras es usar criterios de inclusión que igualen aleatoriamente la probabilidad de selección en toda la población. Por ejemplo, utilizando datos del censo, podríamos obtener información de contacto de 50 individuos seleccionados al azar en cada condado de Ohio. Esto minimizaría el sesgo de selección porque los nombres serían elegidos al azar de igual manera de todas las áreas geográficas.
Establecer el diseño experimental, aumentar el tamaño de muestra y realizar completamente un criterio de inclusión imparcial, aleatorizado y aplicado igualmente puede rápidamente enfrentarse a limitaciones prácticas. Este es un problema para la investigación científica en todos los niveles, desde ejercicios académicos hasta universidades de investigación completamente equipadas. Por lo general, las limitaciones presupuestarias y de tiempo son las primeras que fuerzan compromisos. Colectivamente, estos problemas en torno a la significancia estadística son áreas activas de investigación.
¿Cuál es el Tamaño del Efecto Verdadero?
Debido a la baja potencia estadística de la investigación en neurociencia, tendemos a sobreestimar el tamaño del efecto verdadero, lo que lleva a la baja reproducibilidad de muchos estudios. Además, la complejidad inherente de la investigación en neurociencia hace que la potencia estadística sea crítica.
Un método que el campo puede adoptar es aumentar la potencia de un estudio aumentando el tamaño de la muestra. Esto aumenta la probabilidad de detectar un efecto verdadero. Elegir un tamaño de muestra apropiado es vital para diseñar investigaciones que:
Haga descubrimientos prácticos.
Avance nuestra comprensión de los innumerables procesos en el cerebro.
Desarrolla terapias efectivas.
Superando Desafíos en la Investigación Contemporánea en Neurociencia: La Plataforma EmotivLAB
Los diseños experimentales de la investigación en neurociencia deberían esforzarse por establecer tamaños de grupos de muestras más grandes y mejores criterios de inclusión para lograr una significancia estadística confiable. Con acceso a una plataforma habilitada para la participación masiva como EmotivLAB, se proporciona a los investigadores acceso a individuos potencialmente muchos más diversos y representativos, mejorando el tamaño de la muestra y la inclusión de todas las demografías con un esfuerzo logístico mínimo para los grupos de investigación.
La investigación moderna en neurociencia puede ser vulnerable a errores de muestreo debido a recursos limitados que permitan reclutar un grupo diverso para el conjunto experimental de muestras. El concepto del "grupo WEIRD" encapsula el problema. La mayoría de la investigación universitaria se realiza con un presupuesto mínimo sobre sujetos experimentales que, en términos generales, son occidentales, educados y de países industrializados, ricos y democráticos. Sin embargo, el equipo de recolección de datos remotos, como la plataforma EEG de EmotivLAB, permite a los investigadores ir más allá del campus universitario para reclutar grupos de muestras que reflejen mejor a la población.
La plataforma de EmotivLAB y el equipo de EEG remoto no solo están ayudando a los investigadores a expandir la diversidad de individuos incluidos en grupos de muestras experimentales. También media en los problemas relacionados con el tamaño total de la muestra y el alcance geográfico hacia las poblaciones objetivo.
La plataforma EmotivLAB libera a los investigadores de las restricciones actuales y en su lugar les permite enfocar su energía en diseñar experimentos y analizar los resultados. Nuestra plataforma empareja el experimento con los individuos más adecuados en el grupo de sujetos. No hay necesidad de perder tiempo reclutando participantes, coordinándolos y programándolos, y realizando recolección de datos en el laboratorio. Todo lo que se requiere es que la demografía deseada se especifique en la plataforma en línea, y EmotivLAB hará que el experimento esté disponible para los contribuyentes que mejor se ajusten a los parámetros deseados. Los participantes pueden llevar a cabo los experimentos en sus propios hogares, utilizando su propio equipo. Su familiaridad con el auricular elimina la necesidad de que los investigadores proporcionen instrucciones sobre su uso.
Además de eso, la plataforma EmotivLAB proporciona control y evaluación de calidad de los datos de grabación de EEG automatizados. Grandes cantidades de datos de baja calidad no ayudan a superar errores de muestreo o estadísticos en los diseños experimentales. Sin embargo, tener acceso a más datos de alta calidad proporciona una solución para ayudar a evitar errores en:
Muestreo
Población
Significancia estadística
¿Quieres Aprender Más Sobre Lo Que La Plataforma EmotivLAB Podría Hacer Por Tu Investigación?
EmotivLABS te permite construir tu experimento, desplegar tu experimento de manera segura y protegida, reclutar de un panel global de participantes verificados y recopilar datos de EEG de alta calidad, todo desde una plataforma. Haz clic aquí para aprender más o solicitar una demostración.
Significancia Estadística: Tamaño de Muestra(s) y Potencia Estadística - Para entender el mundo que nos rodea, los investigadores utilizan formalmente el método científico como una forma de separar verdades sospechosas de falsedades. La Neurociencia Cognitiva tiene como objetivo entender cómo los sistemas genéticos, neurológicos y comportamentales apoyan la capacidad de un organismo para percibir, interactuar, navegar y pensar sobre el mundo que lo rodea.
Esto significa que la neurociencia cognitiva diseña experimentos y recopila datos en todos los niveles de análisis. Los programas de investigación en todo el mundo que buscan avanzar en nuestra comprensión del mundo natural están probando regularmente suposiciones, o hipótesis, en una serie bien planificada de experimentos más pequeños. Estos experimentos tienden a examinar factores específicos que pueden o no influir en un resultado mientras minimizan la influencia de factores externos, como el entorno, la orientación sexual, la raza o el estatus socioeconómico.
Escenario Uno: Un Estudio de Liberación de Dopamina
En la Neurociencia Cognitiva, la dopamina se considera generalmente un compuesto que "hace sentir bien". Su liberación en el Núcleo Accumbens (NuAc) se desencadena por comportamientos o cosas que nos motivan a actuar. Estos pueden incluir:
Comer una buena comida
Tiempo con seres queridos
Sexo
Azúcar
Supongamos que nos gustaría averiguar si los niveles pico de dopamina en el NuAc ocurren antes, durante o después de la exposición a un estímulo visual deseado o familiar. Podemos utilizar el diseño experimental de EEG adoptado del estudio de Amatya Johanna Mackintosh. Podemos hipotetizar que la liberación de dopamina ocurre durante y alcanza su punto máximo ligeramente después de la exposición a los estímulos visuales familiares o deseados.
Ahora, lo más crítico, ¿de dónde obtenemos sujetos para las pruebas?
En situaciones experimentales, "población" se refiere al grupo colectivo más grande y total que se está estudiando. Es poco práctico y poco probable que su laboratorio pueda idear una técnica para reclutar y recopilar datos sobre la liberación de dopamina en cientos de miles o millones de personas.
Por lo tanto, intentaremos reunir datos de un grupo o muestra más pequeña y representativa para entender la población. Para hacerlo, necesitaremos responder a dos preguntas principales.
¿Cuántos individuos deben incluirse en nuestra muestra?
¿Cómo se relaciona esto con la significancia práctica y la potencia estadística?
Dediquémonos a desglosar esto a continuación.
Potencia Estadística y Efecto Verdadero
La potencia estadística se define como la probabilidad de que una prueba detecte una diferencia estadísticamente significativa cuando tal diferencia realmente existe. También se le conoce como un efecto verdadero.
El efecto verdadero es la piedra angular del diseño experimental. El informe de Cohen de 1988, prolífico por sus contribuciones al método científico, razonó que un estudio debería ser diseñado para tener un 80% de probabilidad de detectar un efecto verdadero. Este 80% representa un diseño de prueba de alta potencia (HP), mientras que cualquier valor cercano al 20% es un diseño de prueba de baja potencia (LP).
Cohen sugirió que los estudios siempre deberían tener menos del 20% de probabilidad de cometer un error tipo II, conocido como un falso negativo. Él también usa estos mismos rangos de directrices para los descubrimientos perdidos, que ocurren cuando un investigador informa inexactamente que no hay un efecto significativo cuando realmente existe una diferencia.
¿Por qué es importante la Potencia Estadística?
Piensa en este escenario. Si existe un efecto verdadero en 100 estudios diferentes con un 80% de potencia, las pruebas estadísticas detectarán un efecto verdadero en 80 de los 100. Sin embargo, cuando un estudio tiene una potencia de investigación del 20%, si hay 100 efectos genuinos no nulos en los resultados, se espera que estos estudios descubran solo 20 de ellos.
Limitaciones de la Potencia Estadística en la Investigación en Neurociencia
No es sorprendente que, debido a la naturaleza intensiva en recursos de la investigación en neurociencia, este campo tenga una potencia estadística media de alrededor del 21% y promedia un amplio rango del 8% al 31%. La baja potencia estadística en la investigación en neurociencia:
Pone en duda la replicabilidad de los hallazgos.
Conduce a un tamaño de efecto exagerado.
Reduce la probabilidad de resultados estadísticamente significativos que representen con precisión el efecto verdadero.
Como tal, el estado actual de la investigación en neurociencia está atrapado por el problema de la potencia estadística porque estos valores están muy por debajo del umbral teórico de Cohen.
Estableciendo un Grupo de Muestra(s) Representativo
Objetivo del Escenario Uno: Evitar errores de muestreo y errores tipo I y II en nuestra prueba con un muestreo inclusivo y amplio.
¿Cuántas exploraciones cerebrales humanas deben incluirse en nuestro conjunto de muestras si queremos que el experimento sea prácticamente significativo? La significancia práctica se refiere a si los resultados de un experimento se aplican al mundo real.
La capacidad de un experimento de un neurocientífico para determinar efectos (potencia estadística) está relacionada con el tamaño de la muestra. Continuando con los parámetros del escenario 1, el objetivo sigue siendo recopilar suficientes datos para que podamos evaluar estadísticamente si hay un efecto verdadero en el momento de la liberación de dopamina después de mostrar estímulos visuales cargados emocionalmente. También necesitamos establecer criterios de inclusión en la muestra que minimicen el potencial de un error de muestreo.
Cómo Evitar Errores de Muestreo
Dos términos son importantes de entender antes de seguir adelante.
Error de muestreo: Al muestrear, siempre existe la posibilidad de que los datos recopilados de los individuos seleccionados no representen a la población.
Significancia Estadística: La significancia estadística significa que nuestros datos y nuestros efectos observados son probablemente efectos verdaderos. En la mayoría de las ciencias biomédicas, la significancia estadística se establece con un nivel de significancia o valor p de 0.05. Esencialmente, esto significa que los científicos están 95% seguros del efecto observado en sus experimentos.
Considere si los datos muestran una relación (es decir, liberación de dopamina). Hay un 5% de posibilidad de que el efecto provenga del azar y no esté relacionado con la variable (estímulos visuales). Esto sería un error tipo I. Alternativamente, hay un 5% de probabilidad de que nuestros datos recopilados muestren ninguna relación entre la liberación de dopamina y los estímulos visuales cuando, de hecho, hay un efecto verdadero: un falso negativo o error tipo II.
Establecer cuidadosamente los criterios de inclusión es más impactante porque hay un punto de rendimientos decrecientes después de un cierto tamaño de muestra.
Esperamos recopilar datos que representen a todos los humanos, y queremos que nuestras conclusiones sean tanto prácticamente significativas como estadísticamente significativas. Para diseñar exitosamente nuestro conjunto de muestras, se deben tener en cuenta y evitar un error de muestreo, un error tipo I (falso positivo) o un error tipo II (falso negativo).
Nuestro experimento está probando la siguiente hipótesis:
Hipótesis nula - No hay relación o efecto entre el momento de la liberación de dopamina en el NAc y el estímulo visual emocionalmente valente.
Hipótesis - Hay UNA relación entre el momento de la liberación de dopamina en el NAc y el estímulo visual emocionalmente valente, y la liberación máxima de dopamina ocurre después de ver los estímulos visuales.
Hay una relación entre el momento de la liberación de dopamina en el NAc y los estímulos visuales emocionalmente valentes. Cuando los datos no son estadísticamente significativos:
Nuestra hipótesis es rechazada.
No se encuentra un efecto verdadero o diferencia.
Nuestros efectos observados son igualmente probables de resultar del azar.
¿Entendiendo la Población?
Limitaciones prácticas en el diseño experimental.
En la investigación en neurociencia, un criterio de inclusión formal típicamente intenta aleatorizar y/o igualar la probabilidad de inclusión en toda la población para evitar errores de muestreo. Necesitamos evitar seleccionar individuos solo porque son los más cercanos o accesibles para recopilar datos, ya que esto es la receta para un error de muestreo.
El mejor enfoque para la generación del conjunto de muestras es usar criterios de inclusión que igualen aleatoriamente la probabilidad de selección en toda la población. Por ejemplo, utilizando datos del censo, podríamos obtener información de contacto de 50 individuos seleccionados al azar en cada condado de Ohio. Esto minimizaría el sesgo de selección porque los nombres serían elegidos al azar de igual manera de todas las áreas geográficas.
Establecer el diseño experimental, aumentar el tamaño de muestra y realizar completamente un criterio de inclusión imparcial, aleatorizado y aplicado igualmente puede rápidamente enfrentarse a limitaciones prácticas. Este es un problema para la investigación científica en todos los niveles, desde ejercicios académicos hasta universidades de investigación completamente equipadas. Por lo general, las limitaciones presupuestarias y de tiempo son las primeras que fuerzan compromisos. Colectivamente, estos problemas en torno a la significancia estadística son áreas activas de investigación.
¿Cuál es el Tamaño del Efecto Verdadero?
Debido a la baja potencia estadística de la investigación en neurociencia, tendemos a sobreestimar el tamaño del efecto verdadero, lo que lleva a la baja reproducibilidad de muchos estudios. Además, la complejidad inherente de la investigación en neurociencia hace que la potencia estadística sea crítica.
Un método que el campo puede adoptar es aumentar la potencia de un estudio aumentando el tamaño de la muestra. Esto aumenta la probabilidad de detectar un efecto verdadero. Elegir un tamaño de muestra apropiado es vital para diseñar investigaciones que:
Haga descubrimientos prácticos.
Avance nuestra comprensión de los innumerables procesos en el cerebro.
Desarrolla terapias efectivas.
Superando Desafíos en la Investigación Contemporánea en Neurociencia: La Plataforma EmotivLAB
Los diseños experimentales de la investigación en neurociencia deberían esforzarse por establecer tamaños de grupos de muestras más grandes y mejores criterios de inclusión para lograr una significancia estadística confiable. Con acceso a una plataforma habilitada para la participación masiva como EmotivLAB, se proporciona a los investigadores acceso a individuos potencialmente muchos más diversos y representativos, mejorando el tamaño de la muestra y la inclusión de todas las demografías con un esfuerzo logístico mínimo para los grupos de investigación.
La investigación moderna en neurociencia puede ser vulnerable a errores de muestreo debido a recursos limitados que permitan reclutar un grupo diverso para el conjunto experimental de muestras. El concepto del "grupo WEIRD" encapsula el problema. La mayoría de la investigación universitaria se realiza con un presupuesto mínimo sobre sujetos experimentales que, en términos generales, son occidentales, educados y de países industrializados, ricos y democráticos. Sin embargo, el equipo de recolección de datos remotos, como la plataforma EEG de EmotivLAB, permite a los investigadores ir más allá del campus universitario para reclutar grupos de muestras que reflejen mejor a la población.
La plataforma de EmotivLAB y el equipo de EEG remoto no solo están ayudando a los investigadores a expandir la diversidad de individuos incluidos en grupos de muestras experimentales. También media en los problemas relacionados con el tamaño total de la muestra y el alcance geográfico hacia las poblaciones objetivo.
La plataforma EmotivLAB libera a los investigadores de las restricciones actuales y en su lugar les permite enfocar su energía en diseñar experimentos y analizar los resultados. Nuestra plataforma empareja el experimento con los individuos más adecuados en el grupo de sujetos. No hay necesidad de perder tiempo reclutando participantes, coordinándolos y programándolos, y realizando recolección de datos en el laboratorio. Todo lo que se requiere es que la demografía deseada se especifique en la plataforma en línea, y EmotivLAB hará que el experimento esté disponible para los contribuyentes que mejor se ajusten a los parámetros deseados. Los participantes pueden llevar a cabo los experimentos en sus propios hogares, utilizando su propio equipo. Su familiaridad con el auricular elimina la necesidad de que los investigadores proporcionen instrucciones sobre su uso.
Además de eso, la plataforma EmotivLAB proporciona control y evaluación de calidad de los datos de grabación de EEG automatizados. Grandes cantidades de datos de baja calidad no ayudan a superar errores de muestreo o estadísticos en los diseños experimentales. Sin embargo, tener acceso a más datos de alta calidad proporciona una solución para ayudar a evitar errores en:
Muestreo
Población
Significancia estadística
¿Quieres Aprender Más Sobre Lo Que La Plataforma EmotivLAB Podría Hacer Por Tu Investigación?
EmotivLABS te permite construir tu experimento, desplegar tu experimento de manera segura y protegida, reclutar de un panel global de participantes verificados y recopilar datos de EEG de alta calidad, todo desde una plataforma. Haz clic aquí para aprender más o solicitar una demostración.
Significancia Estadística: Tamaño de Muestra(s) y Potencia Estadística - Para entender el mundo que nos rodea, los investigadores utilizan formalmente el método científico como una forma de separar verdades sospechosas de falsedades. La Neurociencia Cognitiva tiene como objetivo entender cómo los sistemas genéticos, neurológicos y comportamentales apoyan la capacidad de un organismo para percibir, interactuar, navegar y pensar sobre el mundo que lo rodea.
Esto significa que la neurociencia cognitiva diseña experimentos y recopila datos en todos los niveles de análisis. Los programas de investigación en todo el mundo que buscan avanzar en nuestra comprensión del mundo natural están probando regularmente suposiciones, o hipótesis, en una serie bien planificada de experimentos más pequeños. Estos experimentos tienden a examinar factores específicos que pueden o no influir en un resultado mientras minimizan la influencia de factores externos, como el entorno, la orientación sexual, la raza o el estatus socioeconómico.
Escenario Uno: Un Estudio de Liberación de Dopamina
En la Neurociencia Cognitiva, la dopamina se considera generalmente un compuesto que "hace sentir bien". Su liberación en el Núcleo Accumbens (NuAc) se desencadena por comportamientos o cosas que nos motivan a actuar. Estos pueden incluir:
Comer una buena comida
Tiempo con seres queridos
Sexo
Azúcar
Supongamos que nos gustaría averiguar si los niveles pico de dopamina en el NuAc ocurren antes, durante o después de la exposición a un estímulo visual deseado o familiar. Podemos utilizar el diseño experimental de EEG adoptado del estudio de Amatya Johanna Mackintosh. Podemos hipotetizar que la liberación de dopamina ocurre durante y alcanza su punto máximo ligeramente después de la exposición a los estímulos visuales familiares o deseados.
Ahora, lo más crítico, ¿de dónde obtenemos sujetos para las pruebas?
En situaciones experimentales, "población" se refiere al grupo colectivo más grande y total que se está estudiando. Es poco práctico y poco probable que su laboratorio pueda idear una técnica para reclutar y recopilar datos sobre la liberación de dopamina en cientos de miles o millones de personas.
Por lo tanto, intentaremos reunir datos de un grupo o muestra más pequeña y representativa para entender la población. Para hacerlo, necesitaremos responder a dos preguntas principales.
¿Cuántos individuos deben incluirse en nuestra muestra?
¿Cómo se relaciona esto con la significancia práctica y la potencia estadística?
Dediquémonos a desglosar esto a continuación.
Potencia Estadística y Efecto Verdadero
La potencia estadística se define como la probabilidad de que una prueba detecte una diferencia estadísticamente significativa cuando tal diferencia realmente existe. También se le conoce como un efecto verdadero.
El efecto verdadero es la piedra angular del diseño experimental. El informe de Cohen de 1988, prolífico por sus contribuciones al método científico, razonó que un estudio debería ser diseñado para tener un 80% de probabilidad de detectar un efecto verdadero. Este 80% representa un diseño de prueba de alta potencia (HP), mientras que cualquier valor cercano al 20% es un diseño de prueba de baja potencia (LP).
Cohen sugirió que los estudios siempre deberían tener menos del 20% de probabilidad de cometer un error tipo II, conocido como un falso negativo. Él también usa estos mismos rangos de directrices para los descubrimientos perdidos, que ocurren cuando un investigador informa inexactamente que no hay un efecto significativo cuando realmente existe una diferencia.
¿Por qué es importante la Potencia Estadística?
Piensa en este escenario. Si existe un efecto verdadero en 100 estudios diferentes con un 80% de potencia, las pruebas estadísticas detectarán un efecto verdadero en 80 de los 100. Sin embargo, cuando un estudio tiene una potencia de investigación del 20%, si hay 100 efectos genuinos no nulos en los resultados, se espera que estos estudios descubran solo 20 de ellos.
Limitaciones de la Potencia Estadística en la Investigación en Neurociencia
No es sorprendente que, debido a la naturaleza intensiva en recursos de la investigación en neurociencia, este campo tenga una potencia estadística media de alrededor del 21% y promedia un amplio rango del 8% al 31%. La baja potencia estadística en la investigación en neurociencia:
Pone en duda la replicabilidad de los hallazgos.
Conduce a un tamaño de efecto exagerado.
Reduce la probabilidad de resultados estadísticamente significativos que representen con precisión el efecto verdadero.
Como tal, el estado actual de la investigación en neurociencia está atrapado por el problema de la potencia estadística porque estos valores están muy por debajo del umbral teórico de Cohen.
Estableciendo un Grupo de Muestra(s) Representativo
Objetivo del Escenario Uno: Evitar errores de muestreo y errores tipo I y II en nuestra prueba con un muestreo inclusivo y amplio.
¿Cuántas exploraciones cerebrales humanas deben incluirse en nuestro conjunto de muestras si queremos que el experimento sea prácticamente significativo? La significancia práctica se refiere a si los resultados de un experimento se aplican al mundo real.
La capacidad de un experimento de un neurocientífico para determinar efectos (potencia estadística) está relacionada con el tamaño de la muestra. Continuando con los parámetros del escenario 1, el objetivo sigue siendo recopilar suficientes datos para que podamos evaluar estadísticamente si hay un efecto verdadero en el momento de la liberación de dopamina después de mostrar estímulos visuales cargados emocionalmente. También necesitamos establecer criterios de inclusión en la muestra que minimicen el potencial de un error de muestreo.
Cómo Evitar Errores de Muestreo
Dos términos son importantes de entender antes de seguir adelante.
Error de muestreo: Al muestrear, siempre existe la posibilidad de que los datos recopilados de los individuos seleccionados no representen a la población.
Significancia Estadística: La significancia estadística significa que nuestros datos y nuestros efectos observados son probablemente efectos verdaderos. En la mayoría de las ciencias biomédicas, la significancia estadística se establece con un nivel de significancia o valor p de 0.05. Esencialmente, esto significa que los científicos están 95% seguros del efecto observado en sus experimentos.
Considere si los datos muestran una relación (es decir, liberación de dopamina). Hay un 5% de posibilidad de que el efecto provenga del azar y no esté relacionado con la variable (estímulos visuales). Esto sería un error tipo I. Alternativamente, hay un 5% de probabilidad de que nuestros datos recopilados muestren ninguna relación entre la liberación de dopamina y los estímulos visuales cuando, de hecho, hay un efecto verdadero: un falso negativo o error tipo II.
Establecer cuidadosamente los criterios de inclusión es más impactante porque hay un punto de rendimientos decrecientes después de un cierto tamaño de muestra.
Esperamos recopilar datos que representen a todos los humanos, y queremos que nuestras conclusiones sean tanto prácticamente significativas como estadísticamente significativas. Para diseñar exitosamente nuestro conjunto de muestras, se deben tener en cuenta y evitar un error de muestreo, un error tipo I (falso positivo) o un error tipo II (falso negativo).
Nuestro experimento está probando la siguiente hipótesis:
Hipótesis nula - No hay relación o efecto entre el momento de la liberación de dopamina en el NAc y el estímulo visual emocionalmente valente.
Hipótesis - Hay UNA relación entre el momento de la liberación de dopamina en el NAc y el estímulo visual emocionalmente valente, y la liberación máxima de dopamina ocurre después de ver los estímulos visuales.
Hay una relación entre el momento de la liberación de dopamina en el NAc y los estímulos visuales emocionalmente valentes. Cuando los datos no son estadísticamente significativos:
Nuestra hipótesis es rechazada.
No se encuentra un efecto verdadero o diferencia.
Nuestros efectos observados son igualmente probables de resultar del azar.
¿Entendiendo la Población?
Limitaciones prácticas en el diseño experimental.
En la investigación en neurociencia, un criterio de inclusión formal típicamente intenta aleatorizar y/o igualar la probabilidad de inclusión en toda la población para evitar errores de muestreo. Necesitamos evitar seleccionar individuos solo porque son los más cercanos o accesibles para recopilar datos, ya que esto es la receta para un error de muestreo.
El mejor enfoque para la generación del conjunto de muestras es usar criterios de inclusión que igualen aleatoriamente la probabilidad de selección en toda la población. Por ejemplo, utilizando datos del censo, podríamos obtener información de contacto de 50 individuos seleccionados al azar en cada condado de Ohio. Esto minimizaría el sesgo de selección porque los nombres serían elegidos al azar de igual manera de todas las áreas geográficas.
Establecer el diseño experimental, aumentar el tamaño de muestra y realizar completamente un criterio de inclusión imparcial, aleatorizado y aplicado igualmente puede rápidamente enfrentarse a limitaciones prácticas. Este es un problema para la investigación científica en todos los niveles, desde ejercicios académicos hasta universidades de investigación completamente equipadas. Por lo general, las limitaciones presupuestarias y de tiempo son las primeras que fuerzan compromisos. Colectivamente, estos problemas en torno a la significancia estadística son áreas activas de investigación.
¿Cuál es el Tamaño del Efecto Verdadero?
Debido a la baja potencia estadística de la investigación en neurociencia, tendemos a sobreestimar el tamaño del efecto verdadero, lo que lleva a la baja reproducibilidad de muchos estudios. Además, la complejidad inherente de la investigación en neurociencia hace que la potencia estadística sea crítica.
Un método que el campo puede adoptar es aumentar la potencia de un estudio aumentando el tamaño de la muestra. Esto aumenta la probabilidad de detectar un efecto verdadero. Elegir un tamaño de muestra apropiado es vital para diseñar investigaciones que:
Haga descubrimientos prácticos.
Avance nuestra comprensión de los innumerables procesos en el cerebro.
Desarrolla terapias efectivas.
Superando Desafíos en la Investigación Contemporánea en Neurociencia: La Plataforma EmotivLAB
Los diseños experimentales de la investigación en neurociencia deberían esforzarse por establecer tamaños de grupos de muestras más grandes y mejores criterios de inclusión para lograr una significancia estadística confiable. Con acceso a una plataforma habilitada para la participación masiva como EmotivLAB, se proporciona a los investigadores acceso a individuos potencialmente muchos más diversos y representativos, mejorando el tamaño de la muestra y la inclusión de todas las demografías con un esfuerzo logístico mínimo para los grupos de investigación.
La investigación moderna en neurociencia puede ser vulnerable a errores de muestreo debido a recursos limitados que permitan reclutar un grupo diverso para el conjunto experimental de muestras. El concepto del "grupo WEIRD" encapsula el problema. La mayoría de la investigación universitaria se realiza con un presupuesto mínimo sobre sujetos experimentales que, en términos generales, son occidentales, educados y de países industrializados, ricos y democráticos. Sin embargo, el equipo de recolección de datos remotos, como la plataforma EEG de EmotivLAB, permite a los investigadores ir más allá del campus universitario para reclutar grupos de muestras que reflejen mejor a la población.
La plataforma de EmotivLAB y el equipo de EEG remoto no solo están ayudando a los investigadores a expandir la diversidad de individuos incluidos en grupos de muestras experimentales. También media en los problemas relacionados con el tamaño total de la muestra y el alcance geográfico hacia las poblaciones objetivo.
La plataforma EmotivLAB libera a los investigadores de las restricciones actuales y en su lugar les permite enfocar su energía en diseñar experimentos y analizar los resultados. Nuestra plataforma empareja el experimento con los individuos más adecuados en el grupo de sujetos. No hay necesidad de perder tiempo reclutando participantes, coordinándolos y programándolos, y realizando recolección de datos en el laboratorio. Todo lo que se requiere es que la demografía deseada se especifique en la plataforma en línea, y EmotivLAB hará que el experimento esté disponible para los contribuyentes que mejor se ajusten a los parámetros deseados. Los participantes pueden llevar a cabo los experimentos en sus propios hogares, utilizando su propio equipo. Su familiaridad con el auricular elimina la necesidad de que los investigadores proporcionen instrucciones sobre su uso.
Además de eso, la plataforma EmotivLAB proporciona control y evaluación de calidad de los datos de grabación de EEG automatizados. Grandes cantidades de datos de baja calidad no ayudan a superar errores de muestreo o estadísticos en los diseños experimentales. Sin embargo, tener acceso a más datos de alta calidad proporciona una solución para ayudar a evitar errores en:
Muestreo
Población
Significancia estadística
¿Quieres Aprender Más Sobre Lo Que La Plataforma EmotivLAB Podría Hacer Por Tu Investigación?
EmotivLABS te permite construir tu experimento, desplegar tu experimento de manera segura y protegida, reclutar de un panel global de participantes verificados y recopilar datos de EEG de alta calidad, todo desde una plataforma. Haz clic aquí para aprender más o solicitar una demostración.
Soluciones
Soporte
Empresa
Descargo de responsabilidad del producto
© 2025 EMOTIV, Todos los derechos reservados.
Tus opciones de privacidad (Configuración de cookies)
*Descargo de responsabilidad – Los productos de EMOTIV están destinados a ser utilizados solo para aplicaciones de investigación y uso personal. Nuestros productos no se venden como Dispositivos Médicos según lo definido en la directiva de la UE 93/42/EEC. Nuestros productos no están diseñados ni destinados a ser utilizados para el diagnóstico o tratamiento de enfermedades.
Nota sobre las traducciones: Las versiones en idiomas distintos del inglés de este sitio web han sido traducidas para su conveniencia utilizando inteligencia artificial. Si bien nos esforzamos por la precisión, las traducciones automáticas pueden contener errores o matices que difieren del texto original. Para la información más precisa, consulte la versión en inglés de este sitio.
Soluciones
Soporte
Empresa
Descargo de responsabilidad del producto
© 2025 EMOTIV, Todos los derechos reservados.
Tus opciones de privacidad (Configuración de cookies)
*Descargo de responsabilidad – Los productos de EMOTIV están destinados a ser utilizados solo para aplicaciones de investigación y uso personal. Nuestros productos no se venden como Dispositivos Médicos según lo definido en la directiva de la UE 93/42/EEC. Nuestros productos no están diseñados ni destinados a ser utilizados para el diagnóstico o tratamiento de enfermedades.
Nota sobre las traducciones: Las versiones en idiomas distintos del inglés de este sitio web han sido traducidas para su conveniencia utilizando inteligencia artificial. Si bien nos esforzamos por la precisión, las traducciones automáticas pueden contener errores o matices que difieren del texto original. Para la información más precisa, consulte la versión en inglés de este sitio.
Soluciones
Soporte
Empresa
Descargo de responsabilidad del producto
© 2025 EMOTIV, Todos los derechos reservados.
Tus opciones de privacidad (Configuración de cookies)
*Descargo de responsabilidad – Los productos de EMOTIV están destinados a ser utilizados solo para aplicaciones de investigación y uso personal. Nuestros productos no se venden como Dispositivos Médicos según lo definido en la directiva de la UE 93/42/EEC. Nuestros productos no están diseñados ni destinados a ser utilizados para el diagnóstico o tratamiento de enfermedades.
Nota sobre las traducciones: Las versiones en idiomas distintos del inglés de este sitio web han sido traducidas para su conveniencia utilizando inteligencia artificial. Si bien nos esforzamos por la precisión, las traducciones automáticas pueden contener errores o matices que difieren del texto original. Para la información más precisa, consulte la versión en inglés de este sitio.