CLASIFICACIN DE LOS ESTUDIOS CLNICOS

1. Segn presencia de grupo control

Cuando un estudio tiene un grupo de referencia como base de comparacin se denomina
estudio controlado. Existen varios motivos que justifican el uso de grupos control entre
los que se encuentran:
- Efecto Hawthorne: cuando unos sujetos participan en un estudio tienden a
responder de manera diferente, en general de manera ms positiva, por el
hecho de saberse estudiados.
- Efecto placebo: por el hecho de estar expuesto a una medicacin (o
intervencin teraputica) los sujetos presentan una mejora. Dicho efecto se
ha constatado estudiando el efecto beneficioso de sustancias inactivas
(placebos) y que ha demostrado curaciones de entre el 10 y 50% en algunas
patologas.
- Regresin a la media: cuando los valores de una variable estn alejados de
la media, siguen en general una tendencia a acercarse a sta en sucesivas
mediciones.
- Evolucin natural: la condicin estudiada puede presentar un curso natural
hacia la curacin o empeoramiento.
Generalmente se prefiere que los grupos a comparar sean concurrentes en el tiempo
(contemporneos), dejando la opcin de utilizar controles histricos slo para casos
muy concretos, cuando se pueda demostrar que las condiciones generales no hayan
cambiado en el tiempo.

2. Segn asignacin del factor de estudio

Segn la asignacin del factor de estudio se distinguen dos grandes tipos de diseos:
a) Experimentales: los investigadores pueden asignar el factor de estudio a los
distintos participantes habitualmente mediante un proceso de aleatorizacin
(asignacin aleatoria).
b) Observaciones: se limitan a observar la asignacin pero no se influye en
sta. (Ejemplo: exposicin a tabaco).

Algunos autores distinguen un tercer grupo (diseos casi-experimentales) para aquellos

casos en los que la asignacin al factor del estudio no se realiza mediante un
procedimiento de azar.

2.1. Estudios experimentales

- Ensayo clnico
El diseo experimental ms frecuente es el ensayo clnico controlado y aleatorizado. Se
determina mediante un procedimiento de azar la asignacin (aleatorizacin o
randomizacin) a los grupos de estudio: grupo control o de referencia y grupo a
comparar sea, en este momento, el grupo asignado. Cuando se conocen a priori
variables pronsticas para una condicin en concreto, se puede realizar un proceso de
aleatorizacin estratificado por dichos factores. Este procedimiento es especialmente
aconsejable cuando el tamao muestral del estudio es pequeo y diferencias pequeas
en la distribucin de las variables pronsticas pueden influir en la evaluacin final.
En caso que los sujetos aleatorizados reciban exclusivamente uno de los tratamientos
del estudio de acuerdo al grupo asignado, se trata de un diseo de grupos paralelos. En
cambio, si todos los individuos reciben de manera consecutiva los tratamientos en
estudio de diseo es cruzada.

Para evitar sesgos, en estos estudios se utiliza principalmente dos tcnicas: la asignacin
aleatoria, ya explicada previamente, y el enmascaramiento del tratamiento. De acuerdo
al grado de enmascaramiento o ciego se distinguen los siguientes trminos:

- Abierto: no se establece ningn sistema para enmascarar la asignacin de

cada paciente a cada tratamiento. Este trmino se utiliza tambin en algunos
casos para referirse a estudios sin grupo control.
- Simple ciego: el sujeto desconoce el tratamiento asignado.
- Doble ciego: el sujeto y el investigador desconocen el tratamiento asignado.
- Triple ciego: el sujeto, el investigador y el estadstico desconocen el
tratamiento asignado.
- Evaluacin ciega por terceros: se utiliza la evaluacin de un observador
externo. Se suele usar cuando no es posible un enmascaramiento ms
completo.
Actualmente cuando se especifica doble ciego, el enmascaramiento incluye a todos los
participantes en el estudio.
La doble simulacin (double dummy) es una tcnica que permite implementar el
enmascaramiento a doble ciego, aun cuando la formacin o la pauta de administracin
sea distinta entre dos tratamientos activos, aun cuando la formacin o la pauta de
administracin sea distinta entre dos tratamientos activos. Consiste simplemente en
administrar, adems del tratamiento asignado, placebo del grupo contrario en su
misma forma farmacutica o pauta (tiempos de administracin), para enmascarar el
verdadero tratamiento asignado.
De acuerdo a la fase de experimentacin en humanos, clsicamente se conocen 4
fases de desarrollo correlativas: fase I, II, III y IV. Los ensayos clnicos para la
demostracin de eficacia se realizan en fase III, despus de las fases I y II que sirven
para caracterizar el frmaco en cuanto a su perfil de farmacocintica, farmacodinmica
y seguridad. Una vez comercializado el frmaco se inicia la fase IV que tiene como
objetivo generalmente complementar el perfil de seguridad o investigar nuevas
indicaciones.

- Otros estudios experimentales

Se clasificaran aquellos estudios con intervencin experimental en los que no hay
intervencin del azar como los estudios antes-despus y los estudios controlados no
aleatorios. En ambos casos la principal objecin a estos diseos es la posibilidad de
sesgos, tanto de asignacin como de evaluacin.

2.2. Estudios observacionales

De manera esquemtica se clasifican en dos grandes grupos: descriptivos,
habitualmente realizados cuando se sabe muy poco de una enfermedad, y analticos,
que tienen como objetivo la evaluacin de hiptesis etiolgicas.
 - Estudios observacionales analticos
- Estudio de cohortes, longitudinal o de seguimiento. Estudio
epidemiolgico en el que se selecciona un grupo de sujetos expuestos a
un hipottico factor de riesgo (cohorte expuesta) y se compara con otro
grupo no expuesto (cohorte no expuesta). Existe una variante menos
frecuente en el que se busca la exposicin pasada en relacin al
desarrollo presente de la enfermedad (estudio de cohorte
retrospectivo).

- Estudios observacionales descriptivos

- Estudio transversal (o de prevalencia). Estudio que examina la
relacin entre enfermedades y otros factores que puedan influenciar su
ocurrencia en una poblacin definida y en un momento temporal.
- Serie de casos. Estudios muy habituales en literatura mdica que ofrecen
a menudo los primeros datos para caracterizar una enfermedad.
- Estudios ecolgicos. Estudios en los que la unidad de informacin no es
un individuo sino una agregacin de los mismos (normalmente
geogrfica). Se distinguen los ecolgicos transversales en los que se
correlacione prevalencia con exposicin y las correlaciones temporales
que ofrecen como ventaja la constatacin de una secuencia temporal.
- Estudios descriptivos de morbilidad y mortalidad. Describen el patrn
y la frecuencia de un problema de salud, partiendo, generalmente, de la
informacin contenida en registros rutinarios.

3. Diseo e interpretacin de resultados

El grado de evidencia cientfica de los distintos tipos de estudios que hemos visto no
es, obviamente, el mismo. Aunque no hay un consenso estricto en cuanto a una
clasificacin en concreto s que se acepta que los estudios experimentales controlados
aleatorizados bien realizados generan el mximo nivel (o grado) de evidencia. En
una escala decreciente la seguiran: estudios experimentales no aleatorizados,
estudios de cohorte, estudios caso-control, estudios transversales, datos de bases de
datos o registros (vigilancia epidemiolgica), series de casos y finalmente la
notificacin de un caso aislado.
Cualquier investigacin tiene como objetivo la medicin de un factor para la evaluacin
de su efecto. Este factor ha de ser objetivo y poderse medir con un mtodo preciso y
reproducible. Se dice que una variable es vlida cuando representa al verdadero valor
del fenmeno que se desea medir, y precisa, si cuando se aplica en ocasiones sucesivas
en condiciones iguales da el mismo resultado.
En la interpretacin de resultados se deben tener en cuenta como primer paso los
siguientes conceptos:

- Error aleatorio: el error que se debe a exclusivamente el azar y que la estadstica

puede cuantificar. Este error puede subsanarse aumentando el tamao muestral.
- Error sistemtico o sesgo: cualquier factor que produzca una desviacin
sistemtica del verdadero resultado.
- Factores de confusin: son una categora especial de sesgos que cumplen las tres
siguientes condiciones:
- Son factores de riesgo para la enfermedad (o variable en estudio).
- Se asocian a la exposicin (o a la intervencin) en estudio.
 - No son pasos o factores intermedios.
Los errores sistemticos y los factores de confusin afectan a la validez interna del
estudio, es decir, el grado en que los resultados son vlidos (libres de error) para la
poblacin que ha sido estudiada. Por el contrario, la validez externa, se refiere al grado
en que los resultados de un estudio pueden ser generalizados a otras poblaciones.
Mientras que los ensayos clnicos suelen evaluar procedimientos teraputicos en
condiciones cerradas y relativamente homogneas, en la prctica clnica habitual dichas
condiciones se dan muy raramente. As convendra distinguir entre los siguientes
trminos:
- Eficacia: grado en el que una determinada intervencin, procedimiento,
rgimen o servicio origina un resultado beneficioso en condiciones
ideales. (Ej.: un frmaco cura y realiza su accin en los pacientes que lo
toman correctamente).
- Efectividad: grado en el que una determinada intervencin, procedimiento,
rgimen o servicio puesto en la prctica alcanza un objetivo en una
poblacin determinada (Ej.: un frmaco cura y realiza su accin en los
pacientes que lo toman correctamente).
- Efectividad: grado en el que una determinada intervencin, procedimiento,
rgimen o servicio puesto en la prctica alcanza un objetivo en una
poblacin determinada (Ej.: un frmaco disminuye la morbilidad de una
poblacin determinada).
- Eficiencia: resultados finales alcanzados con relacin al esfuerzo empleado
en trminos monetarios, de recursos y de tiempo (Ej.: coste de frmaco y de
la intervencin global para disminuir la enfermedad).

4. Estadstica aplicada

4.1. Contraste de hiptesis

La evaluacin de la verosimilitud de una hiptesis de trabajo con los datos empricos
observados se efecta mediante una prueba de significacin. Para ello se elaboran dos
hiptesis.
- Hiptesis nula (H0) que se acepta, a priori, como verdadera y es la que se
pretende rechazar. Se identifica con la ausencia de efecto o de superioridad
(Ej: no existe diferencia entre el efecto de dos tratamientos).
- Hiptesis alternativa (H1) es la hiptesis que aceptaremos como verdadera si
se logra rechazar H0. Se identifica como superioridad a favor de uno de los
dos grupos, (en este ejemplo, si existe diferencia entre los dos
tratamientos).
El nivel o grado de significacin (valor de p) es un clculo que expresa la probabilidad
de observar que unas diferencias como las encontradas o mayores sean debidas al azar si
H0 es cierta. Cuando dicha probabilidad es pequea, acordada por consenso en medicina
a un nivel del 5% (p 0.05), entonces se rechaza la H0 ya que es improbable encontrar
dichas diferencias exclusivamente por azar si H0 fuera cierto.

- Decisin de la prueba de hiptesis

Ante una prueba de hiptesis se puede tomar la decisin de rechazar o no la hiptesis
nula y nos podemos encontrar en estas 4 situaciones resumidas en la siguiente tabla:

Realidad en la poblacin general

H0 cierta H0 falsa
Conclusin del No rechazar H0 (p>0,05) Correcto Error II ()
estudio Rechazar H0 (p0,05) Error I () Correcto

Es importante tener en cuenta que sea cual sea nuestra decisin nunca sabremos si
hemos acertado con seguridad del 100%, pero lo que s podemos hacer es limitar los
errores estadsticos hasta unos lmites predeterminados en el diseo. Los errores que
podemos cometer son:
- Error de tipo I o : rechazar la hiptesis nula siendo sta cierta (falso positivo). Se
fija habitualmente en un 5% (= 0,05).
- Error de tipo II o : aceptar la hiptesis nula no siendo sta correcta (falso
negativo). Se fija habitualmente a un nivel de 20% (=0,2) aunque cada vez ms
suelen usarse valores inferiores.
1- se denomina potencia de la prueba o poder: probabilidad de rechazar H0
siendo falsa, en otras palabras, es la capacidad para detectar diferencias
significativas si stas realmente existen.

- Consideraciones acerca de la prueba de hiptesis

Si en el diseo fijamos el valor de = 0,05 la toma de decisin se realizar de manera
que rechazaremos H0 siempre que el valor de p sea igual o inferior al 5%. No rechazar
la hiptesis de igualdad no implicar en ningn modo poder concluir que se demuestra
dicha hiptesis.

El hecho de encontrar una relacin estadsticamente significativa no implica una

relacin de causalidad. Para ello se dice que deben concurrir, adems, una serie de
criterios:

- Fuerza de asociacin: cuanto mayor es esta fuerza, ms probable es la

causalidad.
- Consistencia de los datos: es decir, la correspondencia y homogeneidad de la
asociacin en distintos estratos de poblacin estudiados. Cuando se obtienen
resultados similares con diseos distintos se da ms fuerza a las
conclusiones.
- Secuencia temporal: se garantiza que un factor de riesgo es anterior a la
enfermedad o una intervencin es previa a la evaluacin del resultado.
- Gradiente biolgico o relacin dosis-respuesta: cuanto mayor es la
exposicin mayor es la frecuencia o gravedad de la enfermedad.
- Plausibilidad biolgica y coherencia: concordancia entre la asociacin
estadstica y los conocimientos biolgicos y clnicos.
Finalmente se citan en la literatura otros criterios adicionales que tambin pueden ser
tiles para apoyar una relacin de causalidad como: la especificidad del efecto,
coherencia con literatura previa, experimentacin (reproducibilidad) y razonamiento por
analoga.

Otras consideraciones a tener en cuenta en cuanto al valor de p:

- No expresa magnitud del efecto: observar un valor de p muy pequeo (Ej.:
p= 0,0001) en un estudio no implica que el efecto observado (Ej.: reduccin
de mortalidad) sea mayor que el observado en un estudio con valor de p
superior (p=0,03). El valor de p depende mucho del tamao muestral, de
esta manera valores de p mayores pueden reflejar una magnitud de efecto
superior si el tamao muestral es inferior.
- La significacin estadstica no implica relevancia clnica: se puede obtener
valores estadsticamente significativos pero claramente irrelevantes desde un
punto de vista clnico (Ej.: un nuevo frmaco que reduce 0,25 mmHg ms la
tensin diastlica que un tratamiento estndar).

4.2. Estimacin del efecto

- Medidas de efecto
Aunque las pruebas de hiptesis nos pueden ayudar en la toma de decisiones en la
investigacin clnica, actualmente se les considera insuficientes puesto que no dan
informacin de la magnitud del efecto estudiado y se prefiere los estimadores con su
intervalo de confianza, habitualmente al 95%. Un intervalo de confianza (IC) es un
intervalo asociado a un determinado estimador que supone un grado de confianza o
credibilidad alrededor de ste. Aunque intuitivamente este concepto se suele asociar con
la probabilidad de que este contenido en el IC. S que sera correcto decir que si
obtuviramos repetidas muestras, el 95% de los intervalos calculados contendran el
verdadero valor.
El tipo estimador del efecto depender de la naturaleza de la variable (continua, binaria,
etc.) y de la escala (aditiva, multiplicativa).
Para describir el efecto en una variable continua se suelen representar en forma de
diferencias de ambas medias con su IC al 95%.
En el campo de la medicina se suele utilizar muy a menudo las variables binarias
(xito /fracaso) para describir el efecto de una intervencin. Al final del estudio se
puede resumir la informacin en una tabla de 2x2:

Enfermos Sanos
Expuestos a b
No expuestos c d

A partir de esta tabla se pueden construir los siguientes ndices descriptivos:

- Diferencia de proporciones: (a/a+b) (c/c+d).
- Riesgo relativo (RR): (a/a+b) / (c/c+d).
- Odds ratio (OR): (a/b) / (c/d).
Si la diferencia de proporciones y su intervalo de confianza al 95% incluye el valor nulo
(cero) se concluye que no hay diferencias estadsticamente significativas.
Para los estimadores en escala multiplicativas, el RR y OR, el valor nulo es el 1.
Cuando ms se aleja su valor del 1, mayor es la intensidad de la relacin. Para que su
efecto sea estadsticamente significativo el estimador y su intervalo de confianza no
deben incluir el valor nulo. La interpretacin del RR y del OR es similar pero cuando la
prevalencia de enfermedad no es baja el OR sobreestima el riesgo. Para estudios
prospectivos o de cohortes se suele utilizar el RR mientras que para estudios
transversales o de caso control se usa el OR.

4.3 Clculo de tamao de una muestra

Consiste en determinar cul es el nmero de sujetos que deben entrar en un estudio para
poder obtener una valoracin estadstica suficiente. Depender tanto del tipo de estudio,
como de la proteccin frente a los errores estadsticos con los que se quiera trabajar, as
como de la naturaleza y variabilidad de la variable.

Un frmula muy empleada para el clculo de la medida de la muestra es la siguiente:

n = (2 x V/2) x f

En donde:
n= nmero total de individuos a incluir en el estudio.
V= variabilidad Suma de varianzas de ambos grupos
- Diferencia de medias:
(S12 + S22)

- Diferencia de proporciones:
(p1 x q1) + (p2 x q2); siendo q1= (1 p1) y q2= (1 p2)
= nivel de sensibilidad de la comparacin o mnimo efecto que interesa ser detectado.
f= constante que depende del nivel de proteccin frente a los errores de tipo I (riesgo
alfa) y de tipo II (riesgo beta).
f= (Z + Z )2

Valores de la funcin f= (Z + Z )2

Para el clculo del tamao de la muestra

(uni) 0,05 0,025 0,01 0,005 0,001

(bi) 0,10 0,05 0,02 0,01 0,005

0,20 6,18 7,84 10,03 11,67 15,45
0,10 8,56 10,50 13,01 14,87 19,11
0,05 10,82 12,99 15,77 17,81 22,42
0,025 12,99 15,36 18,37 20,57 25,50
0,01 15,77 18,37 21,64 24,03 29,33
0,005 17,81 20,57 24,03 26,53 32,10
0,001 22,42 25,50 29,33 32,10 38,19

- Pruebas estadsticas utilizadas

La utilizacin de unas u otras depende bsicamente del tipo de distribucin de las
variables en estudio.
Como resumen se puede considerar este esquema: lo primero es investigar si los
datos que tenemos en la muestra siguen una distribucin normal. Si es as,
podremos aplicar las pruebas paramtricas. En general, estas pruebas tienen mayor
potencia para detectar efectos significativos que las pruebas no paramtricas pero estn
sujetas a las asunciones de aplicabilidad, cosa que no siempre sucede.
En funcin del tipo de variable dependiente (resultado) sea cualitativa o cuantitativa:

Variables dependiente cualitativa:

Datos independientes Datos dependientes
Variable independiente Prueba de Ji cuadrado* Prueba de McNemar
cualitativa Prueba exacta de Fisher**

____________
* Si el porcentaje de valores esperados inferiores a 5 es > 20% o hay algn 0 como valor observado, esta
prueba no es vlida
** Es siempre preferible a la prueba de ji-cuadrado puesto que es exacta. Habitualmente da valores de p
ms conservadores
Variable dependiente cuantitativa datos independientes:

Variable independiente N grupos Prueba paramtrica Prueba no paramtrica

Cualitativa 2 t de Student Prueba de Mann-
Whitney
>2 Anlisis de la variancia Prueba de Kruskall-
(ANOVA) Wallis
Cuantitativa 2 Coeficiente correlacin Coeficiente de
(Relacin lineal) de Pearson correlacin de
Spearman

Variable dependiente cuantitativa datos dependientes:

Variable independiente N grupos Prueba paramtrica Prueba no paramtrica

Cualitativa 2 t de Student para datos Prueba de Wilcoxon en
apareados los rangos con signo
>2 Anlisis de la variancia Prueba de Friedman
para datos dependientes

4.4 Otros mtodos y tcnicas

- Evaluacin de una prueba diagnstica

Si se quiere evaluar la aplicacin de una prueba diagnstica en los sujetos afectados de
una enfermedad, se debe aplicar sobre voluntarios sanos y enfermos para evaluar su
capacidad para diferenciar a ambos grupos:

Resultado prueba Sujetos sanos Sujetos enfermos

diagnstica
+ A B
Falso + Verdadero +
C D
Verdadero Falso

- FALSOS POSITIVOS: sujetos sanos con prueba diagnstica positiva.

- FALSOS NEGATIVOS: enfermos con prueba diagnstica negativa.
- : probabilidad de FALSO POSITIVO (que un sujeto sano se diagnostique como
enfermo).
- : probabilidad de FALSO NEGATIVO (que un enfermo no se diagnostique).
 Verdaderos positivos B
- SENSIBILIDAD* = = = 1-
Total enfermos B+D

Proporcin de verdaderos enfermos detectados en el grupo de enfermos. Cuanto ms se

acerca a 1 ms sensible es la prueba.

Verdaderos negativos C
- ESPECIFICIDAD* = = = 1-
Total sanos A+C

Verdaderos sanos detectados en el grupo de los sanos. Cuanto ms se acerca a 1 ms

especfica es la prueba.

- VALOR PREDICTIVO Verdaderos positivos B

POSITIVO (VPP)** = =
Total positivos A+B

Probabilidad de tener la enfermedad cuando la prueba es positiva. Ms predictivo

cuanto ms se acerca a 1.

- VALOR PREDICTIVO Verdaderos negativos C

NEGATIVO (VPN)** = =
Total negativos C+D

Probabilidad de que una persona no tenga la enfermedad cuando la prueba es negativa.

Ms predictivo cuanto ms se acerca a 1.

VPP y VPN se afectan mucho por la prevalencia de la enfermedad en estudio (si

disminuye la prevalencia disminuye el VPP y aumenta el VPN, y viceversa). Se puede
tambin estimar la razn de verosimilitud (likelihood ratio) o cociente de probabilidad
de un resultado positivo (RVP) o negativo (RVN) que relacionan la sensibilidad y la
especificidad de una prueba en un solo ndice. Miden cunta mayor probabilidad tiene
un resultado concreto (positivo o negativo) segn la presencia o la ausencia de
enfermedad. Dado que no varan con la prevalencia, se usan para comparar pruebas.

_________
* Sensibilidad y especificidad son caractersticas propias de la prueba diagnstica. Sus valores ideales son
1, es decir, que realmente capten a los enfermos y sanos como tales.
** El valor predictivo positivo o negativo depender de la prevalencia de la enfermedad en la poblacin
estudiada.
- Medidas de concordancia
El grado de concordancia entre dos observadores o dos pruebas diagnsticas puede
evaluarse mediante tres pruebas diferentes:
a) Porcentaje de concordancia observado.
b) ndice Kappa.
c) Proporcin de acuerdo.

Nmero de pacientes Proporcin de pacientes

Observador A Observador A
Si No Total Si No Total
Observador S e f E+f A b p1
B No g h G+f C d q1
Total e+g f+h N p2 q2 1

El porcentaje de concordancia observado es un indicador crudo de concordancia global

entre observaciones repetidas del mismo fenmeno.

(A) Proporcin e+h

PC =
concordancia e+f+g+h

El ndice Kappa es una medida tambin de concordancia global que tiene en cuenta la
concordancia atribuible al azar, y se considera: malo si es inferior a 0,3, bueno entre
0,3 y 0,7; y muy bueno cuando es superior a 0,7 (1).

2 (a x d b x c)
ndice Kappa: K=
P1 x q2 + p2 x q1

_____________
(1) Fleiss JL. Statistical Methods for Rates and Proportions, 2nd ed. New York; John Wiley & Sons,
1981; 212-36.
Finalmente, la proporcin de acuerdo (1) es una medida introducida recientemente que
estima la concordancia especfica de cada una de las categoras de la variable. La
proporcin de acuerdo es una medida de repetibilidad preferible para la consideracin
por separado de los resultados, pues cuando la proporcin de respuesta anormal tiene
baja prevalencia, el acuerdo global estar excesivamente influido por la repetibilidad de
los resultados normales.

Proporcin de e
acuerdo para PA=
anormalidad e+f+g

- Medidas de morbilidad

Nmero de casos nuevos de una enfermedad

Incidencia =
Poblacin examinada en un perodo de tiempo

Nmero total de casos en un momento determinado

Prevalencia=
Poblacin examinada

- Igualdad y no-inferioridad
Aunque la mayora de los estudios son diseados bajo una hiptesis de superioridad,
tambin nos puede interesar comprobar si nos tratamientos son similares, o al menos
uno no es peor que otro. Las pruebas de hiptesis clsicas no son tiles y debemos
redefinirlas incluyendo un valor predefinido de tolerancia, delta (), que determinar el
lmite no relevante de inferioridad. Ms all de ese lmite las diferencias se consideran
demasiado importantes y no son aceptables.
Se suelen interpretar mediante intervalos de confianza. En funcin de si la estimacin
del efecto con el extremo inferior del IC 95% incluye o no al lmite de no-inferioridad
se concluir:
a) Si lo incluye: NO se puede concluir no-inferioridad
b) Si no lo incluye: S se puede concluir no-inferioridad

________
(1) Grant JM. The fetal heart rate is normal, isnit? Observer agreement of categorical assessment. Lancet
1991; 337: 215-8.
 0
Demostracin no-
inferioridad

a) No
LI
b) S
LI

Diferencias

Los estudios de igualdad no se suelen usar en investigacin clnica, a excepcin de los

ensayos de bioequivalencia. En este caso, se define una delta superior y otro inferior y
se interpretan de manera anloga. La principal diferencia es que la exigencia es los IC es
inferior aceptndose un nivel de confianza del 90%.