Versión de HTML Básico
Cuando el analista sospecha que no se cumplen las condiciones 2 y/o 3, una transformación de la respuesta
“
y
” a ln
y
, o a
y
o a
y
2
puede conducir a un mejor cumplimiento de estas condiciones. Deberán consultarse
libros de texto de estadística para otras transformaciones.
La transformación logarítmica de “
y
” en ln
y
puede ser útil cuando la homogeneidad de varianzas no es
satisfactoria. También puede mejorar la normalidad si la distribución tiene asimetría a la derecha.
La transformación de “
y
” en
y
es útil cuando las observaciones siguen una distribución Poisson, es de-
cir cuando se obtienen por conteo.
La transformación de “
y
” en
y
2
puede ser útil si, por ejemplo, la dosis parece ser más proporcional al
área de una zona de inhibición que a la medida del diámetro de esa zona.
El analista debe decidir sobre el tipo de transformación adecuada para cada tipo de ensayo biológico cuando
éste se está poniendo a punto en su laboratorio. Cuando las condiciones 2 y/o 3 parecen no cumplirse durante un
ensayo rutinario de este tipo, el analista no debe adoptar otra transformación a menos que esté convencido de
que este incumplimiento de los requisitos no es casual, sino que es debido a un cambio sistemático de las condi-
ciones experimentales, en este caso debe repetirse el ensayo preliminar antes de adoptar una nueva transforma-
ción para los ensayos rutinarios.
Una categoría distinta la forman los ensayos en los que no puede medirse la respuesta en cada una de las uni-
dades experimentales, sino que solamente puede contarse la fracción de unidades que responden a cada trata-
miento. Esta categoría se trata en la
Sección 4
.
3.1.2 Ensayos de rutina
Cuando los ensayos se hacen de forma rutinaria, es raro que se cumplan de forma sistemática las condiciones
1 a 3 debido a que el número limitado de observaciones por ensayo probablemente tenga influencia en la sensibi-
lidad del análisis estadístico. Afortunadamente, los estadísticos han demostrado que, en ensayos balanceados
simétricamente, las desviaciones pequeñas en la homogeneidad de varianza y en la normalidad no afectan de
forma grave los resultados del ensayo. La aplicación de los modelos estadísticos sólo necesita cuestionarse si
una serie de ensayos muestran una validez dudosa, entonces puede ser necesario realizar nuevas series de inves-
tigaciones preliminares como se discute en la
Sección 3: Principios generales.
Otras dos condiciones necesarias dependen del modelo estadístico a usar:
A - Para modelo de líneas paralelas (ver
Figura 3.2.1.-I
)
4A - La relación entre el logaritmo de la dosis y la respuesta puede representarse por una línea recta en el in-
tervalo de dosis usadas.
5A - Para cualquier preparación desconocida en el ensayo, la línea recta es paralela a la del estándar.
B - Para modelo de relación de pendientes (ver
Figura 3.3.1.-I
)
4B - La relación entre la dosis y la respuesta puede representarse por una línea recta, para cada preparación,
en el intervalo de dosis usadas.
5B - Para cualquier preparación desconocida en el ensayo la línea recta intersecta, al eje y, a la dosis cero en
el mismo punto que la línea recta de la preparación estándar (es decir, la función respuesta, de todas las prepara-
ciones analizadas en el ensayo, tienen que tener el mismo punto de intersección, en el eje y, que la función res-
puesta del estándar).
Las condiciones 4A y 4B sólo se pueden verificar en los ensayos en los que se hayan analizado al menos tres
diluciones de cada preparación. El empleo de un ensayo con menos diluciones puede estar justificado cuando la
experiencia haya demostrado que la linealidad y el paralelismo o igual intersección se cumplen regularmente.
Después de recolectar los datos y antes de calcular la potencia relativa de cada preparación se debe realizar un
análisis de varianza con la finalidad de comprobar el cumplimiento de las condiciones 4A y 5A o 4B y 5B. Para
esto, el total de las sumas de cuadrados se subdivide en cierto número de sumas de cuadrados correspondientes a
cada una de las condiciones que se deben cumplir. La suma de cuadrados remanente representa el error experi-
mental residual con la cual la ausencia o existencia de fuente de variación relevante se pueden comparar median-
te una serie de valores de razones
F
.
Cuando se ha establecido la validez, la potencia de cada preparación desconocida con respecto al estándar
puede calcularse y expresarse como una relación de potencias o convertirse en alguna unidad relevante en la
preparación bajo ensayo, por ejemplo, una unidad internacional. También pueden estimarse los límites de con-
fianza a partir de cada serie de datos del ensayo.
Si no se cumple alguna de las cinco condiciones (1, 2, 3, 4A y 5A o 1, 2, 3, 4B y 5B) los métodos de cálculo
descriptos aquí no son válidos y debe realizarse un estudio especial del diseño del ensayo.