Análisis post hoc

En un estudio científico, el análisis post hoc (del latín post hoc , "después de esto") consiste en análisis estadísticos que se especificaron después de haber visto los datos. ^{[ 1 ] [ 2 ] [ 3 ]} Un análisis post hoc se usa generalmente para explorar diferencias específicas y estadísticamente significativas entre las medias de tres o más grupos independientes, diferencias detectadas con un análisis de varianza (ANOVA). ^{[ 4 ]} Un ANOVA no identifica el o los grupos; para eso, se requiere un análisis post hoc. ^{[ 5 ]}

Dado que cada análisis post hoc es, en efecto, una prueba estadística , realizar múltiples comparaciones post hoc introduce un problema de tasa de error familiar , que es un tipo de problema de pruebas múltiples . Esto aumenta la probabilidad de falsos positivos a menos que se corrija.

Las pruebas post hoc son pruebas de seguimiento realizadas después de un resultado significativo de ANOVA ^{[ 6 ]} para identificar dónde se encuentran las diferencias (qué grupos específicos difieren). Para compensar, a veces se utilizan múltiples procedimientos de pruebas post hoc, pero esto suele ser difícil o imposible de hacer con precisión. El análisis post hoc que se realiza e interpreta sin una consideración adecuada de este problema a veces es denominado por los críticos como manipulación de datos ( p -hacking) porque las asociaciones estadísticas que encuentra suelen ser espurias. ^{[ 7 ]} En otras palabras, los hallazgos de la manipulación de datos no son válidos o no son confiables.

Los análisis post hoc son aceptables cuando se informan de forma transparente como exploratorios. En otras palabras, los análisis post hoc no son inherentemente poco éticos. ^{[ 8 ]} El requisito principal para su uso ético es simplemente que sus resultados no se presenten erróneamente como la hipótesis original. ^{[ 8 ]} Las ediciones modernas de manuales científicos han aclarado este punto; por ejemplo, el estilo APA ahora especifica que "las hipótesis deben enunciarse en tres grupos: preplanificadas-primarias, preplanificadas-secundarias y exploratorias (post hoc). Las hipótesis exploratorias son permisibles y no debe haber presión para disfrazarlas como si fueran preplanificadas". ^{[ 8 ]}

Los tipos o categorías de análisis post hoc incluyen: ^{[ 9 ]}

• Comparaciones por pares: Prueba todos los pares posibles.
• Análisis de tendencias: Pruebas para detectar tendencias lineales o cuadráticas en grupos ordenados.
• Análisis de efectos simples: examina los efectos dentro del ANOVA factorial.
• Análisis de interacciones: Analiza las restricciones de interacción dentro del ANOVA factorial.

• Conjuntos restringidos de contrastes: Prueba de familias más pequeñas de comparaciones

Además, un análisis de subgrupos ^{[ 10 ]} examina si los hallazgos difieren entre categorías discretas de sujetos en la muestra. Este enfoque es común en estudios clínicos y observacionales.

Las pruebas post hoc comunes incluyen: ^{[ 11 ] [ 12 ]}

• Diferencia mínima significativa de Fisher
• Procedimiento de Holm-Bonferroni
• Newman-Keuls
• Método de Rodger
• Método de Scheffé
• Prueba de Tukey y diferencia significativa honesta (HSD) (véase también: distribución de rango estudentizado )

Sin embargo, con la excepción del método de Scheffé, estas pruebas deben especificarse a priori, a pesar de que en el uso convencional se las denomine post hoc. Por ejemplo, una diferencia entre medias podría ser significativa con el método de Holm-Bonferroni, pero no con la prueba de Tukey, y viceversa. Sería una mala práctica que un analista de datos eligiera cuál de estas pruebas reportar basándose en cuál arrojó el resultado deseado.

En ocasiones, la tentación de realizar análisis a posteriori surge del deseo de obtener resultados positivos o de considerar un proyecto exitoso. En el caso de la investigación farmacéutica, un ensayo fallido puede tener importantes consecuencias financieras.

• ESCUCHANDO
• Poner a prueba las hipótesis sugeridas por los datos.
• Prueba de Nemenyi
• Cambio de resultados