He leído con interés varios artículos del primer número de este año, especialmente la actualización sobre regresión logística de Martínez-Pérez y Pérez Martín1; bien elaborado, dada la necesariamente escasa extensión, se termina arrojando poca luz sobre el tema al médico de familia que quiere utilizar esta técnica. Sirve como ejemplo el trabajado artículo de de Diego-Castell et al.2en cuya tabla 2 vemos diferentes OR para la asociación entre 2 variables, la dependiente «desarrollo de COVID» y la independiente «deterioro cognitivo» según los pacientes sean varones o mujeres. Un clásico fenómeno de interacción. Sin embargo, los fenómenos de interacción son aleatorios, y los autores deberían dar la significación estadística de este hallazgo, lo que habrían podido conocer incluyendo el término «deterioro cognitivo * sexo» en el programa informático. Igualmente ocurre con la variable independiente «edad», con diferentes OR para cada sexo; como está, el análisis es incompleto. Curiosamente, los autores han emparejado casos y controles por sexo y edad, técnica adecuada para eliminar la influencia de factores de confusión previamente conocidos, aunque sobre este conocimiento previo no se dice nada en la introducción, no se justifica dicho emparejamiento, y además, su uso de la variable «edad» permite ilustrar otro error que cometemos con frecuencia: la OR es constante para diferencias de la misma magnitud en una variable continua, en este caso 1,016 por cada año dentro del rango de sujetos de la muestra, así si el riesgo para un sujeto de 20 años fuera de 1 se incrementaría a 1,32 en un sujeto de 40, e igual aumento se produciría entre un sujeto de 70 y otro de 90 años; y aunque la diferencia de edad sea la misma, 20 años, la influencia de este incremento sobre la vulnerabilidad del paciente no tiene por qué ser igual.
El factor de impacto mide la media del número de citaciones recibidas en un año por trabajos publicados en la publicación durante los dos años anteriores.
© Clarivate Analytics, Journal Citation Reports 2025
SJR es una prestigiosa métrica basada en la idea de que todas las citaciones no son iguales. SJR usa un algoritmo similar al page rank de Google; es una medida cuantitativa y cualitativa al impacto de una publicación.
Ver másSNIP permite comparar el impacto de revistas de diferentes campos temáticos, corrigiendo las diferencias en la probabilidad de ser citado que existe entre revistas de distintas materias.
Ver más


