Significancia Estadística: Tamaño(s) de Muestra y Potencia Estadística
Quoc Minh Lai
Compartir:
Significancia Estadística: Tamaño de Muestra(s) y Poder Estadístico - 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 de comportamiento apoyan la capacidad de un organismo para percibir, interactuar, navegar y pensar sobre el mundo que les rodea.
Esto significa que la neurociencia cognitiva diseña experimentos y recoge datos en todos los niveles de análisis. Los programas de investigación en todo el mundo que buscan profundizar nuestra comprensión del mundo natural están probando regularmente supuestos, o hipótesis, en una serie bien planificada de experimentos más pequeños. Estos experimentos tienden a investigar factores específicos que pueden o no influir en un resultado, minimizando la influencia de factores externos como el entorno, orientación sexual, raza o estatus socioeconómico.
Escenario Uno: Un Estudio de Liberación de Dopamina
En Neurociencia Cognitiva, la dopamina se considera generalmente un compuesto de "sentirse bien". Su liberación en el Núcleo Accumbens (NuAc) se activa 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 máximos 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 pico ligeramente después de la exposición a los estímulos visuales familiares o deseados.
Ahora, lo más crítico, ¿dónde conseguimos sujetos de prueba?
En situaciones experimentales, "población" se refiere al grupo colectivo más amplio que se está estudiando. Es poco práctico y poco probable que tu laboratorio pueda idear una técnica para reclutar y recopilar datos sobre la liberación de dopamina de cientos de miles o millones de personas.
Por lo tanto, intentaremos reunir datos de un grupo o muestra más pequeña y representativa para entender a 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 el poder estadístico?
Desglosemos esto a continuación.
Poder Estadístico y Efecto Verdadero
El poder estadístico se define como la probabilidad de que un test detecte una diferencia estadísticamente significativa cuando tal diferencia realmente existe. También se 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 diseñarse para tener un 80% de probabilidad de detectar un efecto verdadero. Este 80% representa un diseño de prueba de alto poder (HP), mientras que cualquier valor cercano al 20% es un diseño de prueba de bajo poder (LP).
Cohen sugirió que los estudios deberían tener siempre menos del 20% de probabilidad de cometer un error tipo II, conocido como falso negativo. También utiliza estos mismos rangos de guía para descubrimientos perdidos, que ocurren cuando un investigador informa incorrectamente que no hay efecto significativo cuando en realidad existe una diferencia.
¿Por qué importa el Poder Estadístico?
Imagina este escenario. Si un efecto verdadero existe en 100 estudios diferentes con un 80% de poder, las pruebas estadísticas detectarán un efecto verdadero en 80 de los 100. Sin embargo, cuando un estudio tiene un poder de investigación del 20%, si hay 100 efectos no nulos genuinos en los resultados, se espera que estos estudios descubran solo 20 de ellos.
Limitaciones del Poder Estadístico en la Investigación en Neurociencia
No sorprende que, debido a la naturaleza intensiva en recursos de la investigación en neurociencia, este campo tiene un poder estadístico mediano de aproximadamente 21% y un promedio que varía entre 8%-31%. El bajo poder estadístico 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 del poder estadístico porque estos valores están muy por debajo del umbral teórico de Cohen.
Estableciendo un Grupo de Muestra Representativa
El 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 necesitan 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 (poder estadístico) 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 tiempo de liberación de dopamina después de mostrar estímulos visuales emocionalmente cargados. También necesitamos establecer criterios para la inclusión en la muestra que minimicen el potencial de error de muestreo.
Cómo Evitar Errores de Muestreo
Dos términos son importantes de entender antes de continuar.
Error de muestreo: Al muestrear, siempre hay una 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.
Considera si los datos muestran una relación (es decir, liberación de dopamina). Hay una posibilidad del 5% de que el efecto sea ocasionado por 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 puedan mostrar que no hay 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 tiene un impacto más significativo porque hay un punto de rendimientos decrecientes después de 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 nuestro conjunto de muestras con éxito, debe tenerse en cuenta y evitarse un error de muestreo, error tipo I (falso positivo) o error tipo II (falso negativo).
Nuestro experimento está probando la siguiente hipótesis:
Hipótesis nula - Ninguna relación o efecto entre el tiempo de liberación de dopamina en el NAc y el estímulo visual emocionalmente valente.
Hipótesis - Sí hay una relación entre el tiempo de 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 tiempo de liberación de dopamina en el NAc y los estímulos visuales de valencia emocional. Cuando los datos no son estadísticamente significativos:
Nuestra hipótesis es rechazada.
No se encuentra efecto o diferencia verdaderos.
Nosotros observado efectos son igualmente propensos a resultar del azar.
¿Entendiendo la Población?
Limitaciones prácticas en el diseño experimental.
En la investigación en neurociencia, un criterio de inclusión formal típicamente intenta randomizar 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 más accesibles para recolectar datos, ya que esto es la receta para un error de muestreo.
El mejor enfoque para la generación de conjuntos de muestra es utilizar 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 aleatoriamente en cada condado de Ohio. Esto minimizaría el sesgo de selección porque los nombres se elegirían aleatoriamente de todas las áreas geográficas.
Establecer el diseño experimental, aumentar el tamaño de la muestra y realizar plenamente un criterio de inclusión sin sesgos, aleatorizado y aplicado de manera equitativa puede rápidamente enfrentar limitaciones prácticas. Este es un problema para la investigación científica a todos los niveles, desde ejercicios académicos hasta universidades de investigación totalmente desarrolladas. Por lo general, las limitaciones presupuestarias y de tiempo son las primeras en forzar compromisos. Colectivamente, estos problemas en torno a la significancia estadística son áreas activas de investigación.
¿Cuál es el Tamaño del Efecto Verdadero?
Debido al bajo poder estadístico de la investigación en neurociencia, tendemos a sobreestimar el tamaño del efecto verdadero, lo que conduce a la baja reproducibilidad de muchos estudios. Además, la complejidad inherente de la investigación en neurociencia hace que el poder estadístico sea crítico.
Un método que el campo puede adoptar es aumentar el poder 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:
Hagan descubrimientos prácticos.
Avancen nuestra comprensión de los incontables procesos en el cerebro.
Desarrollen terapias efectivas.
Superando Desafíos en la Investigación en Neurociencia Contemporánea: La Plataforma EmotivLAB
Los diseños experimentales de la investigación en neurociencia deberían esforzarse por establecer tamaños de grupo de muestra más grandes y mejores criterios de inclusión para lograr una significancia estadística confiable. Con acceso a una plataforma habilitada por crowdsourcing como EmotivLAB, los investigadores tienen acceso a sujetos potencialmente mucho más diversos y representativos - mejorando el tamaño de la muestra y la inclusividad de todos los demográficos con un esfuerzo logístico adicional mínimo para los grupos de investigación.
La investigación moderna en neurociencia puede caer en vulnerabilidad a errores de muestreo debido a recursos limitados disponibles para reclutar un grupo diverso para el conjunto de muestras experimental. El concepto de "grupo WEIRD" encapsula el problema. La mayoría de la investigación universitaria se realiza con un presupuesto ajustado en sujetos experimentales que, en términos generales, son occidentales, educados y de países industrializados, ricos y democráticos. Sin embargo, equipos de recolección de datos remotos, como la plataforma EEG de EmotivLAB, permiten a los investigadores llegar más allá del campus universitario para reclutar grupos de muestra que reflejen mejor la población.
La plataforma EmotivLABs libera a los investigadores de las limitaciones actuales y les permite enfocarse en diseñar experimentos y analizar los resultados.
La plataforma de EmotivLABs y el equipo de EEG remoto no solo ayudan a los investigadores a expandir la diversidad de individuos incluidos en grupos de muestra experimentales. También medían los problemas relacionados con el tamaño de la muestra general y el alcance geográfico en las poblaciones objetivo.
La plataforma EmotivLABs libera a los investigadores de las limitaciones actuales y les permite enfocarse 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 pasar tiempo reclutando participantes, coordinándolos y programándolos, y realizando la recolección de datos en el laboratorio. Todo lo que se requiere es que se especifique la demografía deseada en la plataforma en línea, y EmotivLABs hará que el experimento esté disponible para los contribuyentes que mejor cumplan con los parámetros deseados. Los participantes pueden realizar 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, la plataforma EmotivLAB proporciona control y evaluación de calidad de datos de grabación de EEG automatizada. Grandes cantidades de datos de baja calidad no ayudan a superar errores de muestreo o errores 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 EmotivLABs podría hacer por tu investigación?
EmotivLABS te permite construir tu experimento, desplegarlo de forma segura y confiable, 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 Poder Estadístico - 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 de comportamiento apoyan la capacidad de un organismo para percibir, interactuar, navegar y pensar sobre el mundo que les rodea.
Esto significa que la neurociencia cognitiva diseña experimentos y recoge datos en todos los niveles de análisis. Los programas de investigación en todo el mundo que buscan profundizar nuestra comprensión del mundo natural están probando regularmente supuestos, o hipótesis, en una serie bien planificada de experimentos más pequeños. Estos experimentos tienden a investigar factores específicos que pueden o no influir en un resultado, minimizando la influencia de factores externos como el entorno, orientación sexual, raza o estatus socioeconómico.
Escenario Uno: Un Estudio de Liberación de Dopamina
En Neurociencia Cognitiva, la dopamina se considera generalmente un compuesto de "sentirse bien". Su liberación en el Núcleo Accumbens (NuAc) se activa 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 máximos 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 pico ligeramente después de la exposición a los estímulos visuales familiares o deseados.
Ahora, lo más crítico, ¿dónde conseguimos sujetos de prueba?
En situaciones experimentales, "población" se refiere al grupo colectivo más amplio que se está estudiando. Es poco práctico y poco probable que tu laboratorio pueda idear una técnica para reclutar y recopilar datos sobre la liberación de dopamina de cientos de miles o millones de personas.
Por lo tanto, intentaremos reunir datos de un grupo o muestra más pequeña y representativa para entender a 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 el poder estadístico?
Desglosemos esto a continuación.
Poder Estadístico y Efecto Verdadero
El poder estadístico se define como la probabilidad de que un test detecte una diferencia estadísticamente significativa cuando tal diferencia realmente existe. También se 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 diseñarse para tener un 80% de probabilidad de detectar un efecto verdadero. Este 80% representa un diseño de prueba de alto poder (HP), mientras que cualquier valor cercano al 20% es un diseño de prueba de bajo poder (LP).
Cohen sugirió que los estudios deberían tener siempre menos del 20% de probabilidad de cometer un error tipo II, conocido como falso negativo. También utiliza estos mismos rangos de guía para descubrimientos perdidos, que ocurren cuando un investigador informa incorrectamente que no hay efecto significativo cuando en realidad existe una diferencia.
¿Por qué importa el Poder Estadístico?
Imagina este escenario. Si un efecto verdadero existe en 100 estudios diferentes con un 80% de poder, las pruebas estadísticas detectarán un efecto verdadero en 80 de los 100. Sin embargo, cuando un estudio tiene un poder de investigación del 20%, si hay 100 efectos no nulos genuinos en los resultados, se espera que estos estudios descubran solo 20 de ellos.
Limitaciones del Poder Estadístico en la Investigación en Neurociencia
No sorprende que, debido a la naturaleza intensiva en recursos de la investigación en neurociencia, este campo tiene un poder estadístico mediano de aproximadamente 21% y un promedio que varía entre 8%-31%. El bajo poder estadístico 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 del poder estadístico porque estos valores están muy por debajo del umbral teórico de Cohen.
Estableciendo un Grupo de Muestra Representativa
El 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 necesitan 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 (poder estadístico) 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 tiempo de liberación de dopamina después de mostrar estímulos visuales emocionalmente cargados. También necesitamos establecer criterios para la inclusión en la muestra que minimicen el potencial de error de muestreo.
Cómo Evitar Errores de Muestreo
Dos términos son importantes de entender antes de continuar.
Error de muestreo: Al muestrear, siempre hay una 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.
Considera si los datos muestran una relación (es decir, liberación de dopamina). Hay una posibilidad del 5% de que el efecto sea ocasionado por 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 puedan mostrar que no hay 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 tiene un impacto más significativo porque hay un punto de rendimientos decrecientes después de 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 nuestro conjunto de muestras con éxito, debe tenerse en cuenta y evitarse un error de muestreo, error tipo I (falso positivo) o error tipo II (falso negativo).
Nuestro experimento está probando la siguiente hipótesis:
Hipótesis nula - Ninguna relación o efecto entre el tiempo de liberación de dopamina en el NAc y el estímulo visual emocionalmente valente.
Hipótesis - Sí hay una relación entre el tiempo de 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 tiempo de liberación de dopamina en el NAc y los estímulos visuales de valencia emocional. Cuando los datos no son estadísticamente significativos:
Nuestra hipótesis es rechazada.
No se encuentra efecto o diferencia verdaderos.
Nosotros observado efectos son igualmente propensos a resultar del azar.
¿Entendiendo la Población?
Limitaciones prácticas en el diseño experimental.
En la investigación en neurociencia, un criterio de inclusión formal típicamente intenta randomizar 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 más accesibles para recolectar datos, ya que esto es la receta para un error de muestreo.
El mejor enfoque para la generación de conjuntos de muestra es utilizar 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 aleatoriamente en cada condado de Ohio. Esto minimizaría el sesgo de selección porque los nombres se elegirían aleatoriamente de todas las áreas geográficas.
Establecer el diseño experimental, aumentar el tamaño de la muestra y realizar plenamente un criterio de inclusión sin sesgos, aleatorizado y aplicado de manera equitativa puede rápidamente enfrentar limitaciones prácticas. Este es un problema para la investigación científica a todos los niveles, desde ejercicios académicos hasta universidades de investigación totalmente desarrolladas. Por lo general, las limitaciones presupuestarias y de tiempo son las primeras en forzar compromisos. Colectivamente, estos problemas en torno a la significancia estadística son áreas activas de investigación.
¿Cuál es el Tamaño del Efecto Verdadero?
Debido al bajo poder estadístico de la investigación en neurociencia, tendemos a sobreestimar el tamaño del efecto verdadero, lo que conduce a la baja reproducibilidad de muchos estudios. Además, la complejidad inherente de la investigación en neurociencia hace que el poder estadístico sea crítico.
Un método que el campo puede adoptar es aumentar el poder 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:
Hagan descubrimientos prácticos.
Avancen nuestra comprensión de los incontables procesos en el cerebro.
Desarrollen terapias efectivas.
Superando Desafíos en la Investigación en Neurociencia Contemporánea: La Plataforma EmotivLAB
Los diseños experimentales de la investigación en neurociencia deberían esforzarse por establecer tamaños de grupo de muestra más grandes y mejores criterios de inclusión para lograr una significancia estadística confiable. Con acceso a una plataforma habilitada por crowdsourcing como EmotivLAB, los investigadores tienen acceso a sujetos potencialmente mucho más diversos y representativos - mejorando el tamaño de la muestra y la inclusividad de todos los demográficos con un esfuerzo logístico adicional mínimo para los grupos de investigación.
La investigación moderna en neurociencia puede caer en vulnerabilidad a errores de muestreo debido a recursos limitados disponibles para reclutar un grupo diverso para el conjunto de muestras experimental. El concepto de "grupo WEIRD" encapsula el problema. La mayoría de la investigación universitaria se realiza con un presupuesto ajustado en sujetos experimentales que, en términos generales, son occidentales, educados y de países industrializados, ricos y democráticos. Sin embargo, equipos de recolección de datos remotos, como la plataforma EEG de EmotivLAB, permiten a los investigadores llegar más allá del campus universitario para reclutar grupos de muestra que reflejen mejor la población.
La plataforma EmotivLABs libera a los investigadores de las limitaciones actuales y les permite enfocarse en diseñar experimentos y analizar los resultados.
La plataforma de EmotivLABs y el equipo de EEG remoto no solo ayudan a los investigadores a expandir la diversidad de individuos incluidos en grupos de muestra experimentales. También medían los problemas relacionados con el tamaño de la muestra general y el alcance geográfico en las poblaciones objetivo.
La plataforma EmotivLABs libera a los investigadores de las limitaciones actuales y les permite enfocarse 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 pasar tiempo reclutando participantes, coordinándolos y programándolos, y realizando la recolección de datos en el laboratorio. Todo lo que se requiere es que se especifique la demografía deseada en la plataforma en línea, y EmotivLABs hará que el experimento esté disponible para los contribuyentes que mejor cumplan con los parámetros deseados. Los participantes pueden realizar 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, la plataforma EmotivLAB proporciona control y evaluación de calidad de datos de grabación de EEG automatizada. Grandes cantidades de datos de baja calidad no ayudan a superar errores de muestreo o errores 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 EmotivLABs podría hacer por tu investigación?
EmotivLABS te permite construir tu experimento, desplegarlo de forma segura y confiable, 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 Poder Estadístico - 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 de comportamiento apoyan la capacidad de un organismo para percibir, interactuar, navegar y pensar sobre el mundo que les rodea.
Esto significa que la neurociencia cognitiva diseña experimentos y recoge datos en todos los niveles de análisis. Los programas de investigación en todo el mundo que buscan profundizar nuestra comprensión del mundo natural están probando regularmente supuestos, o hipótesis, en una serie bien planificada de experimentos más pequeños. Estos experimentos tienden a investigar factores específicos que pueden o no influir en un resultado, minimizando la influencia de factores externos como el entorno, orientación sexual, raza o estatus socioeconómico.
Escenario Uno: Un Estudio de Liberación de Dopamina
En Neurociencia Cognitiva, la dopamina se considera generalmente un compuesto de "sentirse bien". Su liberación en el Núcleo Accumbens (NuAc) se activa 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 máximos 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 pico ligeramente después de la exposición a los estímulos visuales familiares o deseados.
Ahora, lo más crítico, ¿dónde conseguimos sujetos de prueba?
En situaciones experimentales, "población" se refiere al grupo colectivo más amplio que se está estudiando. Es poco práctico y poco probable que tu laboratorio pueda idear una técnica para reclutar y recopilar datos sobre la liberación de dopamina de cientos de miles o millones de personas.
Por lo tanto, intentaremos reunir datos de un grupo o muestra más pequeña y representativa para entender a 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 el poder estadístico?
Desglosemos esto a continuación.
Poder Estadístico y Efecto Verdadero
El poder estadístico se define como la probabilidad de que un test detecte una diferencia estadísticamente significativa cuando tal diferencia realmente existe. También se 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 diseñarse para tener un 80% de probabilidad de detectar un efecto verdadero. Este 80% representa un diseño de prueba de alto poder (HP), mientras que cualquier valor cercano al 20% es un diseño de prueba de bajo poder (LP).
Cohen sugirió que los estudios deberían tener siempre menos del 20% de probabilidad de cometer un error tipo II, conocido como falso negativo. También utiliza estos mismos rangos de guía para descubrimientos perdidos, que ocurren cuando un investigador informa incorrectamente que no hay efecto significativo cuando en realidad existe una diferencia.
¿Por qué importa el Poder Estadístico?
Imagina este escenario. Si un efecto verdadero existe en 100 estudios diferentes con un 80% de poder, las pruebas estadísticas detectarán un efecto verdadero en 80 de los 100. Sin embargo, cuando un estudio tiene un poder de investigación del 20%, si hay 100 efectos no nulos genuinos en los resultados, se espera que estos estudios descubran solo 20 de ellos.
Limitaciones del Poder Estadístico en la Investigación en Neurociencia
No sorprende que, debido a la naturaleza intensiva en recursos de la investigación en neurociencia, este campo tiene un poder estadístico mediano de aproximadamente 21% y un promedio que varía entre 8%-31%. El bajo poder estadístico 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 del poder estadístico porque estos valores están muy por debajo del umbral teórico de Cohen.
Estableciendo un Grupo de Muestra Representativa
El 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 necesitan 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 (poder estadístico) 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 tiempo de liberación de dopamina después de mostrar estímulos visuales emocionalmente cargados. También necesitamos establecer criterios para la inclusión en la muestra que minimicen el potencial de error de muestreo.
Cómo Evitar Errores de Muestreo
Dos términos son importantes de entender antes de continuar.
Error de muestreo: Al muestrear, siempre hay una 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.
Considera si los datos muestran una relación (es decir, liberación de dopamina). Hay una posibilidad del 5% de que el efecto sea ocasionado por 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 puedan mostrar que no hay 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 tiene un impacto más significativo porque hay un punto de rendimientos decrecientes después de 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 nuestro conjunto de muestras con éxito, debe tenerse en cuenta y evitarse un error de muestreo, error tipo I (falso positivo) o error tipo II (falso negativo).
Nuestro experimento está probando la siguiente hipótesis:
Hipótesis nula - Ninguna relación o efecto entre el tiempo de liberación de dopamina en el NAc y el estímulo visual emocionalmente valente.
Hipótesis - Sí hay una relación entre el tiempo de 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 tiempo de liberación de dopamina en el NAc y los estímulos visuales de valencia emocional. Cuando los datos no son estadísticamente significativos:
Nuestra hipótesis es rechazada.
No se encuentra efecto o diferencia verdaderos.
Nosotros observado efectos son igualmente propensos a resultar del azar.
¿Entendiendo la Población?
Limitaciones prácticas en el diseño experimental.
En la investigación en neurociencia, un criterio de inclusión formal típicamente intenta randomizar 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 más accesibles para recolectar datos, ya que esto es la receta para un error de muestreo.
El mejor enfoque para la generación de conjuntos de muestra es utilizar 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 aleatoriamente en cada condado de Ohio. Esto minimizaría el sesgo de selección porque los nombres se elegirían aleatoriamente de todas las áreas geográficas.
Establecer el diseño experimental, aumentar el tamaño de la muestra y realizar plenamente un criterio de inclusión sin sesgos, aleatorizado y aplicado de manera equitativa puede rápidamente enfrentar limitaciones prácticas. Este es un problema para la investigación científica a todos los niveles, desde ejercicios académicos hasta universidades de investigación totalmente desarrolladas. Por lo general, las limitaciones presupuestarias y de tiempo son las primeras en forzar compromisos. Colectivamente, estos problemas en torno a la significancia estadística son áreas activas de investigación.
¿Cuál es el Tamaño del Efecto Verdadero?
Debido al bajo poder estadístico de la investigación en neurociencia, tendemos a sobreestimar el tamaño del efecto verdadero, lo que conduce a la baja reproducibilidad de muchos estudios. Además, la complejidad inherente de la investigación en neurociencia hace que el poder estadístico sea crítico.
Un método que el campo puede adoptar es aumentar el poder 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:
Hagan descubrimientos prácticos.
Avancen nuestra comprensión de los incontables procesos en el cerebro.
Desarrollen terapias efectivas.
Superando Desafíos en la Investigación en Neurociencia Contemporánea: La Plataforma EmotivLAB
Los diseños experimentales de la investigación en neurociencia deberían esforzarse por establecer tamaños de grupo de muestra más grandes y mejores criterios de inclusión para lograr una significancia estadística confiable. Con acceso a una plataforma habilitada por crowdsourcing como EmotivLAB, los investigadores tienen acceso a sujetos potencialmente mucho más diversos y representativos - mejorando el tamaño de la muestra y la inclusividad de todos los demográficos con un esfuerzo logístico adicional mínimo para los grupos de investigación.
La investigación moderna en neurociencia puede caer en vulnerabilidad a errores de muestreo debido a recursos limitados disponibles para reclutar un grupo diverso para el conjunto de muestras experimental. El concepto de "grupo WEIRD" encapsula el problema. La mayoría de la investigación universitaria se realiza con un presupuesto ajustado en sujetos experimentales que, en términos generales, son occidentales, educados y de países industrializados, ricos y democráticos. Sin embargo, equipos de recolección de datos remotos, como la plataforma EEG de EmotivLAB, permiten a los investigadores llegar más allá del campus universitario para reclutar grupos de muestra que reflejen mejor la población.
La plataforma EmotivLABs libera a los investigadores de las limitaciones actuales y les permite enfocarse en diseñar experimentos y analizar los resultados.
La plataforma de EmotivLABs y el equipo de EEG remoto no solo ayudan a los investigadores a expandir la diversidad de individuos incluidos en grupos de muestra experimentales. También medían los problemas relacionados con el tamaño de la muestra general y el alcance geográfico en las poblaciones objetivo.
La plataforma EmotivLABs libera a los investigadores de las limitaciones actuales y les permite enfocarse 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 pasar tiempo reclutando participantes, coordinándolos y programándolos, y realizando la recolección de datos en el laboratorio. Todo lo que se requiere es que se especifique la demografía deseada en la plataforma en línea, y EmotivLABs hará que el experimento esté disponible para los contribuyentes que mejor cumplan con los parámetros deseados. Los participantes pueden realizar 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, la plataforma EmotivLAB proporciona control y evaluación de calidad de datos de grabación de EEG automatizada. Grandes cantidades de datos de baja calidad no ayudan a superar errores de muestreo o errores 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 EmotivLABs podría hacer por tu investigación?
EmotivLABS te permite construir tu experimento, desplegarlo de forma segura y confiable, 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.