E n artículos previos hemos abordado cómo analizar en forma crítica la validez de un estudio de terapia 1-3 y cómo expresar los resultados con distintas medidas de efecto (riesgo absoluto, riesgo relativo, número necesario para tratar) 4 . Así, al momento de aplicar los resultados de un estudio, lo hacemos utilizando el número que se nos entrega, lo que conocemos como estimador puntual. Si el estudio se volviera a realizar en condiciones idénticas, pero con una nueva muestra, es probable que el resultado no sea exactamente igual, ya que el valor que se nos entrega es una aproximación del valor real. El valor real es el que se obtendría al aplicar la intervención a la población completa 5 , entendiendo población como el total de pacientes idénticos a los del estudio dentro de la población general. Este es el valor que realmente nos interesa aplicar en la práctica clínica.Utilizando los datos de un estudio podemos estimar un rango en el que se encuentra con alta probabilidad el valor real, y es precisamente este rango lo que conocemos como intervalo de confianza.Este artículo pretende ayudar a los clínicos a comprender e interpretar un intervalo de confianza, su relación con el tamaño muestral y advertir las diferencias comparativas con el valor P. INTERVALO DE CONFIANZA (IC): DEFINICIÓN Y PROPIEDADESEl intervalo de confianza describe la variabilidad entre la medida obtenida en un estudio y la medida real de la población (el valor real).Corresponde a un rango de valores, cuya distribución es normal y en el cual se encuentra, con alta probabilidad, el valor real de una determinada variable. Esta «alta probabilidad» se ha establecido por consenso en 95%. Así, un intervalo de confianza de 95% nos indica que dentro del rango dado se encuentra el valor real de un parámetro con 95% de certeza 5-8 . Para comprender y hacer intuitivo el concepto de intervalo de confianza utilizaremos un ejemplo clásico 6 :Supongamos que tenemos una moneda, la cual puede o no estar balanceada. Así, después de varios lanzamientos, la probabilidad que el resultado sea sello variará desde 0 (todas las veces cara, es decir, una moneda balanceada) hasta 1 (todas las veces sello, nuevamente balanceada), pasando por 0,5 (la mitad de las veces sello y las otras cara, lo que equivale a una moneda no balanceada). Como no conocemos la verdadera naturaleza de la moneda, vamos a experimentar con ella.

No abstract

No abstract

L os estudios clínicos con distribución aleatoria ("randomizados") (ECR) y las revisiones sistemáticas (RS) de ECR proporcionan la evidencia más confi able acerca del efecto de las intervenciones terapéuticas [1][2][3][4][5] . Habitualmente en los ECR de gran escala y en las RS se incluyen pacientes con una amplia variedad de características, por ejemplo: distintas edades, manifestaciones de enfermedad, gravedad o etapa de progresión de la enfermedad. En la práctica diaria, los clínicos aplicamos las terapias a individuos con características particulares, por lo que necesitamos saber si el efecto benefi cioso descrito para el paciente promedio es realmente aplicable a mi paciente en particular. Puede que el efecto de algunas terapias sea benefi cioso o incluso perjudicial sólo en subgrupos de individuos con ciertas característi-cas. ¿Cómo saber si el benefi cio es para todos o sólo para algunos pacientes? ¿Cómo saber cuáles pacientes se benefi cian más de una intervención determinada? Para resolver estas interrogantes se utiliza con frecuencia el análisis de subgrupo. El objetivo del siguiente artículo es difundir las herramientas disponibles para interpretar correctamente los análisis de subgrupo. Concepto de grupo y subgrupo en un estudio clínicoPara clarifi car la terminología primero debemos defi nir el concepto de "grupo" y "subgrupo" en un estudio clínico. Imaginemos un estudio diseñado para evaluar la capacidad de la droga X de disminuir el riesgo de infarto en pacientes mayores de 60 años: -Dividimos a los pacientes en 2 grupos en forma aleatoria: A y B. -Defi nimos que el grupo A va a corresponder al "grupo intervención" y recibirán la droga X. -El grupo B va a corresponder al "grupo control" y recibirán placebo. -Una vez obtenidos los datos nos preguntamos si tal vez en los pacientes diabéticos la droga X tiene mayor benefi cio que en los no diabéticos, y decidimos analizar los datos de acuerdo a la presencia o ausencia de diabetes. Los "grupos" en un estudio clínico son aquellos constituidos a priori para ser expuestos o no a una intervención, con el objetivo de comparar la ocurrencia de un determinado desenlace o outcome. En el ejemplo anterior, el grupo A (intervención) y el grupo B (placebo) corresponden genuinamente a los "grupos" del estudio. Un "subgrupo", en cambio, corresponde a una subdivisión de la muestra original donde los pacientes cumplen con alguna característica de interés particular (por ejemplo: edad o gravedad de la enfermedad). Esta característica en común puede determinar una respuesta terapéutica distinta a la del resto de los pacientes de la muestra 6 .En nuestro ejemplo: un análisis de toda la población incluiría la comparación de todos los pacientes del grupo A versus todos los pacientes del grupo B ("análisis de grupo"). Un análisis de subgrupos en relación a la presencia de diabetes mellitus, en cambio, compararía los pacientes diabéticos del grupo A versus los pacientes diabé-ticos del grupo B, para determinar si el efecto de la intervención en ellos es distinto del efecto ...

Background: The prophylactic use of fluoroquinolones in patients with cancer and neutropenia is controversial and is not a recommended intervention. Methods: We randomly assigned 760 consecutive adult patients with cancer in whom chemotherapy-induced neutropenia (<1000 neutrophils per cubic millimeter) was expected to occur for more than seven days to receive either oral levofloxacin (500 mg daily) or placebo from the start of chemotherapy until the resolution of neutropenia. Patients were stratified according to their underlying disease (acute leukemia vs solid tumor or lymphoma). Results: An intention-to-treat analysis showed that fever was present for the duration of neutropenia in 65 percent of patients who received levofloxacin prophylaxis, as compared with 85 percent of those receiving placebo (243 of 375 vs 308 of 363; relative risk, 0.