De cualquier proyecto de investigación surgen muchos datos, algunos de los cuales son valiosos y otros no. Encontrar algo nuevo, inesperado o confuso en la investigación puede resultar rápidamente abrumador.
A veces puedes desviarte del camino cuando estás presionado para cumplir un plazo. Evite preocuparse por esos resultados involuntarios una vez que haya terminado su investigación actual, excluyéndolos de la consideración.
En el análisis post-hoc, no se analizan todos los resultados aleatorios de un experimento. Es importante buscar patrones cuando se observa algo que justifique una mirada atenta y un estudio más profundo para ayudar a comprender mejor el concepto.
Tras un análisis post hoc, se puede obtener más información y profundizar en su base temática. Veamos con más detalle el análisis post hoc.
Análisis post-hoc: ¿qué es?
En latín, post hoc significa "después de esto", es decir, analizar los datos experimentales a posteriori.
El objetivo de un análisis post-hoc es encontrar patrones después de que se haya completado el estudio, y encontrar resultados que no eran el objetivo principal. Por lo tanto, todos los análisis realizados después de la finalización de un experimento que no fueron planificados previamente se consideran análisis post-hoc.
Los datos ya recogidos se utilizan en un estudio post-hoc. Los investigadores analizan estos datos para desarrollar nuevos propósitos, que no estaban en el diseño del experimento. Por tanto, los estudios post hoc pueden realizarse con datos agregados de ensayos anteriores.
El proceso de realización de análisis post-hoc suele requerir mucho tiempo, pero ofrece una serie de ventajas. Para descubrir información valiosa, hay que ser prudente y no sobrestimar los resultados inesperados. Podrían ser una señal de algo significativo, aunque sea una casualidad.
Los análisis post hoc son útiles cuando se investigan los índices de error, se evalúa la importancia de las hipótesis o se determina si son estadísticamente significativas.
Realizar múltiples ensayos o desviarse de la línea principal de investigación aumenta el riesgo de errores y falsos positivos. Aquí es donde el post hoc desempeña un papel fundamental. ¿Cómo funciona exactamente?
Análisis post-hoc: ¿cómo funciona?
Todavía es posible obtener información valiosa de los datos aunque no se logre el objetivo principal. Posiblemente los efectos posteriores del fármaco y los datos sobre ellos. O cualquier otro fármaco similar también puede ser digno de ser probado.
El propósito de un análisis post-hoc es responder a preguntas después de que se haya completado el estudio, un objetivo que no se ha establecido en el estudio.
Para determinar de dónde proceden las diferencias, se utiliza una prueba post hoc después de encontrar un resultado estadísticamente significativo. Las pruebas post hoc pueden utilizarse para evaluar las diferencias entre varios grupos y evitar los errores del experimento. Se han formulado varias pruebas post hoc, y la mayoría de ellas arrojan resultados similares.
Existen diferentes tipos de pruebas post hoc
Los datos recogidos durante cualquier investigación o ensayo clínico pueden analizarse para detectar patrones y diferentes factores. Las pruebas post hoc más comunes son:
- Procedimiento Bonferroni: Es posible realizar múltiples pruebas estadísticas al mismo tiempo utilizando esta corrección de comparaciones múltiples post hoc.
- La nueva prueba de rango múltiple de Duncan (MRT): La prueba de rango múltiple de Duncan identificará los pares de medias (de al menos tres) que difieren.
- Prueba de comparación múltiple de Dunn: Se trata de un análisis post hoc que se realiza después de un ANOVA, una prueba no paramétrica que no asume que los datos siguen una distribución determinada.
- Diferencia mínima significativa de Fisher (LSD): Determina si dos medias son estadísticamente diferentes.
- Procedimiento Holm-Bonferroni: La prueba de Bonferroni secuencial de Holm hace que las comparaciones múltiples sean menos estrictas.
- Utilizando Newman-Keuls, se pueden identificar las muestras que tienen medias diferentes entre sí. Newman-Keuls compara pares de medias utilizando diferentes valores críticos. Como resultado, es más probable que se encuentren diferencias significativas.
- El método de Rodger: Este método estadístico se utiliza para evaluar los datos de la investigación a posteriori tras un análisis "multivariante".
- El método de Scheffé: En el método de Scheffe, la estadística de la prueba se ajusta de forma diferente según el número de comparaciones que se hayan realizado.
- Prueba de Tukey: La prueba de Tukey determina si la muestra está formada por grupos que difieren entre sí. Cada media se compara con la media de todos los demás grupos utilizando la "diferencia significativa honesta", que representa la distancia entre los grupos.
- La corrección de Dunnett: Esta prueba post hoc compara las medias. A diferencia de la de Tukey, compara cada media con una media de control.
- Procedimiento Benjamini-Hochberg (BH): Un resultado significativo sólo se producirá por casualidad si se realizan numerosas pruebas. La tasa de falsos descubrimientos se contabiliza mediante esta prueba post hoc.
Nada puede superar a una pieza visual impecable que transmita un mensaje complejo
Sí, así es, con la ayuda de los visuales es mucho más fácil poner en perspectiva los conceptos más difíciles. En la era de los visuales, no es de extrañar que probablemente puedas entender la física cuántica de una manera mucho más sencilla gracias a la eficacia de los gráficos.
¿Te preguntas cómo empezar? ¡Por qué preocuparse cuando tienes la mente el gráfico al alcance de tu mano! Con nosotros, puedes elegir entre más de mil ilustraciones de nuestra galería y hacer carteles con el creador de carteles inteligente que hemos desarrollado para ti. Aproveche la experiencia de nuestro talentoso equipo y hágalo a la medida de sus necesidades. Para más información, visite nuestro sitio web.
Suscríbase a nuestro boletín de noticias
Contenidos exclusivos de alta calidad sobre la eficacia visual
comunicación en la ciencia.
Spanish 
English 
Chinese 
Czech 
Dutch 
French 
German 
Italian 
Indonesian 
Japanese 
Korean 
Polish 
Portuguese 
Russian 
Turkish 
Ukrainian 
Swedish 
Romanian 
Bulgarian 
Finnish 
Greek 
Hungarian 
Norwegian 
Danish 
Estonian 
Slovenian 
Lithuanian 
Latvian 
Slovak