Manual de goniometría. Cynthia C. Norkin
de distintas variables. El CV es la relación entre la desviación típica y la media, y se expresa como un porcentaje. La fórmula es:
* Se incluyen cinco personas para mostrar un ejemplo de los cálculos. Lo ideal es que un estudio de la fiabilidad incluya más de cinco personas para garantizar un poder estadístico suficiente.
TABLA 3.2 Tres mediciones repetidas del ROM en grados, tomadas en cinco sujetos
TABLA 3.3 Cálculo de la desviación típica como muestra de la variabilidad biológica en grados
TABLA 3.4 Cálculo de la desviación típica como muestra del error de medición en grados
En el caso del ejemplo de la tabla 3.2, el coeficiente de variación como muestra de la variabilidad biológica emplea la desviación típica para la variabilidad biológica (desviación típica = 13,6 grados).
El coeficiente de variación como muestra del error de medición emplea la desviación típica para el error de medición (desviación típica = 3,7 grados).
En este ejemplo, el coeficiente de variación para el error de medición (6,6%) es menor que el coeficiente de variación para la variabilidad biológica (24,3%).
Un valor inferior que el coeficiente de variación representa un error de medición menor y, por tanto, una medición más constante y fiable. Esta estadística es especialmente útil para comparar la variabilidad de dos o más variables que tienen distintas unidades de medición (por ejemplo, comparar los métodos de medición del ROM que utilizan centímetros con los que usan grados). Sin embargo, el coeficiente de variación está muy influido por el valor de la media. Por ejemplo, una desviación típica que manifieste un error de medición de 5 grados se traducirá en un CV de un 3% si la media del ROM fue 150 grados, mientras que la misma desviación típica de 5 grados daría un CV del 25% si la media del ROM fue 20 grados.
Mediciones relativas de la fiabilidad: Coeficientes de correlación
Los coeficientes de correlación se han usado tradicionalmente para medir la relación entre dos variables. El número resultante está entre –1 y +1, lo cual demuestra lo próxima que una variable está de la otra.3,97,98 Un valor de +1 describe una relación positiva perfecta entre las dos variables, mientras que un valor de –1 describe una relación negativa perfecta. Un coeficiente de correlación de 0 indica que no hay relación entre las dos variables. Los coeficientes de correlación tal vez se usen para denotar la fiabilidad de las mediciones, porque se asume que dos mediciones repetidas deberían mantener una correlación muy alta y aproximarse a +1. Tal y como se expuso antes en este capítulo, los coeficientes de correlación tal vez también se usen para demostrar la validez concurrente entre dos dispositivos para medir la movilidad articular. Se han descrito valores de corte diferentes para interpretar la fiabilidad usando coeficientes de correlación.3,97,98 Por ejemplo, Portney y Watkins3 aportan una pauta general en la que los coeficientes por debajo de 0,50 representan una mala fiabilidad; valores entre 0,50 y 0,75 sugieren una fiabilidad moderada, y valores por encima de 0,75 revelan una buena fiabilidad. Sin embargo, piden cautela, ya que estos valores se deben interpretar en el contexto de los datos y no se deben usar como puntos de corte estrictos.
Coeficiente de correlación del producto-momento
Como las mediciones goniométricas suministran datos del nivel de relación y siempre que se cumplan los otros criterios para la estadística paramétrica, es posible calcular el coeficiente de correlación del producto-momento para comparar la asociación entre parejas de mediciones goniométricas. El coeficiente de correlación del producto-momento o de Pearson se simboliza por la letra minúscula r. La fórmula para calcular r se expresa con la siguiente ecuación. En el caso en que se use r para indicar la fiabilidad de dos mediciones, x simboliza la primera medición e y simboliza la segunda medición.
Por lo que se refiere al ejemplo de la tabla 3.2, el coeficiente de correlación de Pearson sirve para determinar la relación entre la primera y la segunda medición del ROM de cinco sujetos. El cálculo del coeficiente de correlación del producto-momento o de Pearson para este ejemplo se encuentra en la tabla 3.5. El valor resultante de r = 0,98 revela una relación lineal muy positiva entre la primera y la segunda medición. Dicho de otro modo, las dos mediciones guardan una correlación muy alta.
El coeficiente de correlación del producto-momento o de Pearson manifiesta más una asociación entre las parejas de mediciones que un consenso. Por tanto, para decidir si las dos mediciones son idénticas, hay que determinar la ecuación de la línea recta que mejor representa la relación. Si la ecuación de la línea recta que representa la relación incluye una pendiente equivalente a 1 y un intercepto igual a 0, entonces un valor r que se aproxime a +1 indica que las dos mediciones son idénticas. Sin embargo, en casos en que la pendiente no es igual a 1 o el intercepto no equivale a 0, el valor de r solo indica la asociación de las dos mediciones y no representa el consenso.
Dada la ecuación de una línea recta y = a + bx, donde x representa la primera medición, y la segunda medición, a el intercepto y b la pendiente, la ecuación para la pendiente es:
y la ecuación del intercepto es:
Para el ejemplo que usa los datos de la tabla 3,5, el cálculo de la pendiente e intercepto es:
La ecuación de la línea recta que mejor representa la relación entre la primera y la segunda medición en este ejemplo es y = 8,26 + 0,88x. Aunque el valor r represente una elevada correlación, las dos mediciones no son idénticas dada esta ecuación lineal.
Al interpretar los coeficientes de correlación hay que tener en cuenta que en su valor influye mucho el margen de las mediciones.3,99 Cuanto mayor es la variabilidad biológica de la medición entre individuos, más extremado será el valor r, de modo que r está más próximo a -1 o +1. Otra limitación que presenta es el hecho de que el coeficiente de correlación del producto-momento solo evalúa la relación entre dos variables o dos mediciones a la vez. Una limitación adicional que hay que recordar es que el valor de r es una estimación puntual de un parámetro de población y que solo hay que considerar el intervalo de confianza de r como una estimación del valor de la población real.
Coeficiente de correlación intraclase
Para evitar la necesidad de calcular e interpretar el coeficiente de correlación y una ecuación lineal, el coeficiente