En mi campo, la parte descriptiva del informe es extremadamente importante porque establece el contexto para la generalización de los resultados. Por ejemplo, un investigador desea identificar los predictores de lesión cerebral traumática después de accidentes de motocicleta en una muestra de un hospital. Su variable dependiente es binaria y tenía una serie de variables independientes. La regresión logística multivariable le permitió producir los siguientes hallazgos:
- sin uso de casco ajustado OR = 4.5 (IC 95% 3.6, 5.5) en comparación con el uso de casco.
- todas las demás variables no se incluyeron en el modelo final.
Para ser claros, no hubo problemas con el modelado. Nos centramos en el valor que pueden agregar las estadísticas descriptivas.
Sin las estadísticas descriptivas, un lector no puede poner estos hallazgos en perspectiva. ¿Por qué? Déjame mostrarte las estadísticas descriptivas:
age, years, mean (SD) 54 (2)
males, freq (%) 490 (98)
blood alcohol level, %, mean (SD) 0.10 (0.01)
...
Puedes ver por lo anterior que su muestra consistía en hombres mayores e intoxicados. Con esta información, el lector puede decir qué, si es que hay alguno, estos resultados pueden decir sobre lesiones en varones jóvenes o lesiones en jinetes no intoxicados o en jinetes femeninos.
Por favor, no ignore las estadísticas descriptivas.