1. Significativo no equivale a importante
La significación estadística depende del tamaño de la muestra y de la dispersión de los datos. Un cambio mínimo en la duración del sueño —unos minutos, medidos con un rastreador de sueño— puede alcanzar significación si se registran miles de noches. La pregunta pertinente es si esa diferencia modifica algo perceptible en el día a día.
2. El tamaño del efecto suele quedar fuera
Muchos resúmenes reportan que la diferencia fue significativa sin indicar cuánto cambió. Sin esa magnitud no puede compararse un hallazgo con otro. Un efecto pequeño repetido en poblaciones amplias puede ser real y, aun así, irrelevante a escala individual.
3. El intervalo de confianza revela la incertidumbre
Cuando el resumen incluye el intervalo de confianza, se ve cuánto puede oscilar la estimación. Un intervalo estrecho sugiere precisión; uno amplio, que el dato es frágil. Un intervalo que roza el valor nulo explica por qué un resultado positivo puede ser inestable.
4. El diseño y la población importan más que el p
Un ensayo controlado y un estudio observacional transversal responden preguntas distintas. La edad, el sexo y el estado de salud inicial de los participantes condicionan a quién puede extrapolarse el resultado. Un hallazgo en adultos jóvenes sedentarios no describe necesariamente a otros grupos.
5. Los abandonos y el sesgo de publicación
El resumen rara vez detalla cuántos participantes abandonaron ni por qué. Los estudios con resultados negativos se publican menos, de modo que la literatura disponible tiende a sobrerrepresentar los positivos. Conocer ese sesgo ayuda a leer con prudencia.
Idea clave: la significación estadística indica que un resultado es improbable por azar, no que sea grande, duradero ni aplicable a cualquier persona; conviene leer siempre el texto completo.






