Sei sulla pagina 1di 1034

Gua Metodolgica de Investigacin en Ciencias de la Salud

Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Bsqueda bibliogrfica en Internet segn la Medicina Basada en la Evidencia
Dr. Jacobo Daz Portillo Dr. Toms Orgaz Morales Dr. J. Enrique Roviralta Arango

Gua del Curso de Metodologa de Investigacin en Ciencias de la Salud


Dr. Jacobo Daz Portillo
Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

Dr. J. Enrique Roviralta Arango


Facultativo Especialista en ORL Hospital Universitario de Ceuta Direccin Territorial de Ceuta Hospital Universitario de Ceuta Loma Colmenar, s/n 51003 Ceuta Edita: Instituto Nacional de Gestin Sanitaria Subdireccin General de Gestin Econmica y Recursos Humanos Servicio de Recursos Documentales y Apoyo Institucional Alcal, 56 28014 Madrid El copyright y otros derechos de propiedad intelectual pertenecen al Instituto Nacional de Gestin Sanitaria. Se autoriza la reproduccin total o parcial para uso no comercial, siempre que se cite explcitamente su procedencia. Depsito Legal: M-47507-2010 NIPO: 846-10-017-X Coleccin Editorial de Publicaciones del INGESA: 1.914

La medicina es una ciencia de probabilidades y el arte de manejar la incertidumbre...

ndice
Gua Metodolgica de Investigacin en Ciencias de la Salud

Captulo 01
Pgina 6

Captulo 03
Pgina 187

Introduccin

Captulo 02
Pgina 142

Bioestadstica. Variables y grficos

Diseo del estudio

Captulo 04
Pgina 251

Bioestadstica. Tamao muestral error alfa beta

Captulo 05
Pgina 405

Captulo 08
Pgina 786

Captulo 11
Pgina 970

Bioestadstica. Test de contraste de hiptesis variables cuanlitativas

Resultados y discusin

Captulo 09
Pgina 915

Bsqueda bibliogrfica segn criterios de MBE electrnica medicina basada en la evidencia en Internet (e-MBE)

Captulo 06
Pgina 536

Bioestadstica. Test de contraste de hiptesis variables cuantitativas

Bsqueda bibliogrfica segn criterios de MBE electrnica internet. Concepto funcionamiento y bsqueda de informacin

Captulo 10 Captulo 07
Pgina 683 Pgina 942

Bioestadstica. Anlisis multivariante

Bsqueda bibliogrfica segn criterios de MBE electrnica internet y ciencias de la salud

C aptulo 1

pgina 6

Captulo 1
Metodologa de Investigacin 2010: Introduccin.

Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

C aptulo 1

pgina 7

Metodologa de investigacin en Ciencias de la Salud


Investigacin

Publicaciones Cientficas

Resultados

C aptulo 1

pgina 8

Metodologa de investigacin en Ciencias de la Salud


Anlisis

Observacin de Pacientes

Comprobacin de datos

C aptulo 1

pgina 9

Investigacin clnica

Es un proceso sistemtico, organizado y objetivo, destinado a responder a una pregunta. - Sistemtico: A partir de una hiptesis u objetivo de trabajo se recogen unos datos segn un plan preestablecido que, una vez analizados e interpretados, modificaran o aadirn nuevos conocimientos a lo ya existentes. - Organizado: Todos los miembros del equipo conocen a la perfeccin lo que hay que hacer durante todo el estudio, aplicando las mismas definiciones y criterios a todos los participantes, y actuando de forma idntica ante cualquier duda. - Objetivo: Las conclusiones obtenidas no se basan en impresiones subjetivas, sino en hechos que se han observados y medidos, y que en su interpretacin se evita cualquier prejuicio que los autores pudieran tener.

C aptulo 1

pgina 10

Caractersticas de un buen investigador


- Voluntad de investigar - Talento - Experiencia - Capacidad para generar datos - Honestidad - Capacidad para obtener recursos - Flexibilidad - Perseverancia - Confianza - Capacidad para reconocer problemas y desarrollar hiptesis - Capacidad para congeniar con sus colaboradores - Competitividad - Capacidad de redaccin

C aptulo 1

pgina 11

C aptulo 1

pgina 12

C aptulo 1

pgina 13

C aptulo 1

pgina 14

C aptulo 1

pgina 15

Reduccin de la produccin cientfica


- Envejecimiento de las plantillas

500 400 300 200 100 0

- Poca interrelacin entre la investigacin bsica y clnica - Mayor presin asistencial - Devaluacin del currculum cientfico

1998 1999 2000 2001

N inscritos N trabajos

C aptulo 1

pgina 16

Devaluacin del currculum cientfico


- Depreciacin de los mritos acadmicos - Potente endogamia de los servicios hospitalarios - Reticencia a solicitar becas de formacin en el extranjero - Encorsetamiento del mercado laboral

C aptulo 1

pgina 17

Mritos de investigacin en la carrera profesional

Captulo 2.- FORMACIN - Grado de Doctor conseguido (6 crditos) Captulo 4.- INVESTIGACIN - 1. Publicaciones cientficas en revistas - primer autor (0,5 crditos) - otros autores (0,25 crditos) - 2. Comunicaciones y psters presentados en Congresos (1 Crdito)

C aptulo 1

pgina 18

Qu beneficios obtiene el clnico de hacer investigacin?

1. Actividad creativa: rompe la rutina diaria, aumentando su motivacin. 2. Actualizacin continua de la bibliografa: el clnico se encuentra mucho ms al da (aumento de su eficiencia). 3. Mejora el modo de enfrentarse a los problemas clnicos. 4. Al centrarse en un problema de investigacin muy concreto, se pueden poner a punto toda una serie de tcnicas y procedimientos que ayudan al diagnstico y al tratamiento del problema de investigacin (creacin de expertos dentro de un rea concreta de conocimiento).

C aptulo 1

pgina 19

Vertiente Clnica

INVESTIGACIN Laboratorio Anlisis Clnicos

Vertiente epidemiolgica

CALIDAD ASISTENCIAL

Nuevas Tecnologas Conocimientos

PLANIFICACIN Y GESTIN DE LOS SERVICIOS

C aptulo 1

pgina 20

Hay verdades que por sabidas no se dicen, y por no decirlas se olvidan... Hay mentiras (mitos o leyendas) que por decirlas pueden terminar siendo pseudorealidades o realidades virtuales.

Dr. Jacobo Daz Portillo Coordinador de Formacin Continuada. Hospital Universitario de Ceuta.

C aptulo 1

pgina 21

Mitos y Leyendas en las publicaciones cientficas

Bobenrieth Astete M.A . Mitos y realidades en torno a la publicacin cientfica. Med Clin (Barc) 2000; 114: 339-341. Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud. Medicina de Familia (And) 2001; 2: 81-90. Profesor Bobenrieth Astete M.A. Profesor de Metodologa de Investigacin y Escritura Cientfica. Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 22

Mitos y Leyendas en las publicaciones cientficas

MITO 1: El hecho de que la comunicacin cientfica se presente en un congreso internacional o se publique en una revista de prestigio es garanta de su validez.

C aptulo 1

pgina 23

Mitos y Realidades en las publicaciones cientficas

REALIDAD 1: Mucho de lo que se publica actualmente NO logra convencer de su validez cientfica (validez interna y/o externa). Se publican artculos originales con: - falta de claridad - falta de precisin - falta de orden lgico

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 24

Mitos y Realidades en las publicaciones cientficas

REALIDAD 1: En las revistas de primera lnea se publican trabajos que de entrada parecen aceptables, cuyo diseo o interpretacin no pocas veces resulta errneo cuando se examina con cierta perspectiva. Pero, adems, los trabajos con claras deficiencias casi siempre acaban publicados en revistas de menor nivel de exigencia, despus de haber sido rechazados una o varias veces. En conjunto, hay una enorme masa de publicaciones dadas por vlidas simplemente porque nadie las ley o las desminti tras ser publicadas.

J. Benach de Rovira y J.A. Tapia Granados. Mitos o realidades: a propsito de la publicacin de trabajos cientficos Mundo Cientfico, 1995; 15 (154): 124-30.

C aptulo 1

pgina 25

Medicina Basada en la Evidencia

La medicina basada en la evidencia (MBE) es la utilizacin consciente, explcita y juiciosa de la mejor evidencia cientfica disponible a la hora de tomar decisiones sobre el cuidado de los pacientes. La prctica de la MBE significa integrar en la maestra clnica individual la mejor evidencia cientfica disponible procedente de investigacin vlida y fiable.

(Sackett et al., BMJ 1996; 312: 71-72)

C aptulo 1

pgina 26

GERENCIA DEL HOSPITAL UNIVERSITARIO DEL INGESA DE CEUTA. PROGRAMA DE FORMACIN CONTINUADA DEL 2010. TTULO DEL CURSO:

Objetivos: Introducir los conceptos y mtodos propios de la Medicina Basada en la Evidencia (MBE) utlizando los recursos de Internet para la bsqueda, filtrado, lectura crtica y priorizacin de los artculos cientficos publicados. Perfil de los participantes: Diplomados en Enfermera de INGESA interesados en aplicar los recursos de internet a trabajos de investigacin. Duracin: Veinte horas presenciales y seis online. Fechas de las clases presenciales: Mircoles 2, Jueves 3 y Martes 15 de Junio de 2010 Horario: de 9:00 a 14:00 (da 2 y 3) y de 17:00 a 20:00 (da 2, 3 y 15). Lugar de las clases presenciales: Aula de Formacin Continuada (DOCENCIA HUCE). Profesorado: Dr. Jos Enrique Roviralta Arango. Mdico. Facultativo Especialista de rea en Otorrinolaringologa del Hospital de INGESA de Ceuta. Inscripcin: Cumplimentar la solicitud adjunta y enviar al Coordinador de FORMACIN CONTINUADA antes del 26 de MAYO. Lista de ADMITIDOS: El listado definitivo de admitidos al curso se publicar en el tabln de anuncios de FORMACIN CONTINUADA en el momento en que se cubran las plazas asignadas al curso (mximo 15) o expire el plazo de inscripcin. Actividad Formativa acreditada con 3,1 crditos por la Comisin de Formacin Continuada (CFC) del Sistema Nacional de Salud Nmero de expediente: 99-0013-10/0002-A

C aptulo 1

pgina 27

Mitos y Leyendas en las publicaciones cientficas

MITO 2: El hecho de que los autores tengan prestigio por su prctica profesional es garanta de validez y de calidad de su publicacin.

C aptulo 1

pgina 28

Mitos y Realidades en las publicaciones cientficas

REALIDAD 2: El proceso de investigacin requiere de una preparacin especializada que incluye tanto la clara comprensin de sus fundamentos como un manejo bsico de su metodologa. La buena experiencia de prctica profesional en Ciencias de la Salud NO es garanta de rigor metodolgico de un estudio de investigacin clnica.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 29

Medicina Basada en la Evidencia


Efecto Halo

C aptulo 1

pgina 30

Mitos y Leyendas en las publicaciones cientficas

MITO 3: El hecho de que un autor haya publicado con anterioridad otro trabajo de investigacin de buen nivel conceptual y metodolgico es garanta suficiente de calidad (validez cientfica de su nueva publicacin).

C aptulo 1

pgina 31

Mitos y Realidades en las publicaciones cientficas

REALIDAD 3: No existe tal garanta; en el mejor de los casos podr esperarse una mayor probabilidad de calidad cientfica.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 32

Mitos y Realidades en las publicaciones cientficas

REALIDAD 4: El prestigio y las posibilidades de ascenso de los profesionales sanitarios se basan en gran medida en el nmero de artculos cientficos publicados. El renombre suele lograrse por la publicacin en revistas del mximo prestigio, pero en general la cantidad suele ser mucho ms importan te que la calidad.

J. Benach de Rovira y J.A. Tapia Granados. Mitos o realidades: a propsito de la publicacin de trabajos cientficos Mundo Cientfico, 1995; 15 (154): 124-30.

C aptulo 1

pgina 33

Mitos y Leyendas en las publicaciones cientficas

MITO 4: El investigador cientfico, por la misma naturaleza objetiva de su quehacer, est libre de prejuicios y de sesgos. Un prejuicio del investigador -si lo hubiera- no afecta el proceso de la investigacin ni su comunicacin, en el supuesto de que la metodologa haya sido adecuada y correcta.

C aptulo 1

pgina 34

Mitos y Realidades en las publicaciones cientficas

REALIDAD 4: El compromiso intelectual y emocional hacia un conjunto particular de resultados anticipados puede conducir a errores graves. Cualquier ser humano est sujeto a juicios y opiniones que se forman de antemano (prejuicios), antes de disponer de los resultados del estudio.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 35

Mitos y Realidades en las publicaciones cientficas


REALIDAD 4: El libro Traidores a la verdad, publicado en 1982, dio un buen golpe a esa mitologa cientfica. Sus autores pusieron de manifiesto que los cientficos forman parte de la sociedad, que no son de ningn modo distintos al resto de la poblacin en cuanto a honradez y que en su trabajo, igual que en el de las dems personas, influyen los conflictos de intereses, los prejuicios y las ambiciones. La ciencia ha llegado a convertirse en una carrera en la que el objetivo social del cientfico es obtener prestigio y posibilidades de ascenso que se basan en buena medida en el nmero de publicaciones. Muchos de lo que se investiga y se publica a menudo no se conoce o no se lee por razones diversas, entre las que cabe citar la especializacin del conocimiento en la actual investigacin cientfica, las dificultades para entender la jerga del especialista y, sobre todo, la enormidad de la bibliografa existente.
J. Benach de Rovira y J.A. Tapia Granados. Mitos o realidades: a propsito de la publicacin de trabajos cientficos Mundo Cientfico, 1995; 15 (154): 124-30.

C aptulo 1

pgina 36

Mitos y Realidades en las publicaciones cientficas


REALIDAD 4: La propensin del personal implicado en la investigacin de una tcnica nueva tiende a sobrevalorar la eficacia o la efectividad de esa tcnica y a minusvalorar sus efectos negativos y desventajas. Todos tendemos a ver la realidad de manera que nuestra labor parezca til y positiva. Un caso extremo de autoengao es aqul en el que la lgica tendencia a presentar como positiva la labor propia lleva al investigador a ocultar en su publicacin los inconvenientes de la tcnica nueva que propone, o a publicar nicamente los resultados favorables a su tcnica.

J. Benach de Rovira y J.A. Tapia Granados. Mitos o realidades: a propsito de la publicacin de trabajos cientficos Mundo Cientfico, 1995; 15 (154): 124-30.

C aptulo 1

pgina 37

Mitos y Leyendas en las publicaciones cientficas

MITO 5: La investigacin se dedica a problemas importantes y muy complejos, y utiliza conceptos, metodologa tan complicados que est reservada para una elite profesional. Por ello, y aunque a veces tengo buenas preguntas de investigacin, no me atrevo a embarcarme en un proyecto de investigacin.

C aptulo 1

pgina 38

Mitos y Realidades en las publicaciones cientficas


REALIDAD 5: Hay muchos problemas de salud cuya formulacin y realizacin es simple y cuyo estudio es factible por profesionales serios, comprometidos, con una formacin metodolgica bsica.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 39

Mitos y Leyendas en las publicaciones cientficas

MITO 6: La investigacin requiere de una inversin tan grande de conocimiento y tan mantenida de inters, esfuerzo, motivacin, tiempo y recursos materiales, que resulta incompatible con el oficio de la prctica profesional diaria.

C aptulo 1

pgina 40

Mitos y Realidades en las publicaciones cientficas

REALIDAD 6:
PROFESIN (presin asistencial)

INVESTIGACIN
Debo medir mis fuerzas y mi tiempo antes de iniciar un proyecto de investigacin.

OBLIGACIONES FAMILIARES

C aptulo 1

pgina 41

Dificultades en relacin a la viabilidad y pertinencia de un estudio


VIABILIDAD 1. Disponibilidad de tiempo 2. Conocimiento bsico de metodologa de investigacin 3. Disposicin de grupos de apoyo en el rea de la metodologa de investigacin, bioestadstica, manejo de programas informticos. 4. Disponibilidad de nmero de pacientes suficientes 5. Utilizacin de variables que puedan medirse y cuantificarse con facilidad 6. Colaboracin con otros profesionales, equipos o centros de mayor experiencia 7. Disponibilidad de recursos econmicos para costear el proyecto de investigacin 8. Consideraciones tico-legales de la investigacin 9. Experiencia del investigador

C aptulo 1

pgina 42

Dificultades en relacin a la viabilidad y pertinencia de un estudio


PERTINENCIA 1. La pregunta de investigacin planteada no ha sido an contestada, lo ha sido de forma contradictoria o se requiere adecuarla a la propia prctica actual o en nuestro medio 2. Importancia del problema: 1. Frecuencia (del evento o enfermedad en estudio) 2. Gravedad 3. Inters social 4. Beneficios que pueden derivarse de los resultados 5. Importancia de su valor terico 3. Los resultados esperados compensan el esfuerzo humano, tiempo dedicado y los recursos materiales utilizados

Pita Fernndez S. Dificultades de los mdicos para la realizacin de estudios clnico-epidemiolgicos. Congreso Galego de Estadstica e Investigacin de Operacins. Santiago de Compostela, A Corua (Espaa). 11-13 Noviembre 1999.

C aptulo 1

pgina 43

Mitos y Leyendas en las publicaciones cientficas

MITO 7: El nmero de publicaciones cientficas biomdicas y de la salud es demasiado grande para mantenerse al da dado el escaso tiempo disponible.

C aptulo 1

pgina 44

Mitos y Realidades en las publicaciones cientficas


REALIDAD 7: El acceso informatizado a las grandes bases de datos bibliogrficos (MEDLINE) permite actualmente una rpida, fcil y completa bsqueda bibliogrfica actualizada.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 45

Mitos y Leyendas en las publicaciones cientficas


MITO 8: El contenido de una publicacin original es vlido porque la informacin procede de una fuente solvente o autorizada. Lo que se lee en el peridico, lo que se ve en la televisin, lo que se escucha en la radio, lo que dice el mdico, lo que publica una revista profesional, todo es siempre cierto.

C aptulo 1

pgina 46

Mitos y Realidades en las publicaciones cientficas


REALIDAD 8: El inters de muchas investigaciones cientficas es escaso, muy limitado o nulo; que la tergiversacin de datos o el fraude total o parcial en las publicaciones cientficas es ms frecuente de lo que se piensa; que una buena parte de lo publicado es cientficamente errneo o metodolgicamente invlido; y que determinados trabajos cientficos de gran inters no se publican, o se publican tras superar grandes dificultades, o se publican en revistas de escaso ndice de impacto.

J. Benach de Rovira y J.A. Tapia Granados. Mitos o realidades: a propsito de la publicacin de trabajos cientficos Mundo Cientfico, 1995; 15 (154): 124-30.

C aptulo 1

pgina 47

Mitos y Realidades en las publicaciones cientficas


REALIDAD 8: Segn una revisin de la literatura mdica citada por Sheehan, dos terceras partes de los estudios que aparecen en las revistas mdicas ms exigentes tienen fallos de diseo o interpretacin lo suficientemente graves para invalidar sus conclusiones. Segn Douglas Altman se publican demasiadas investigaciones mdicas de baja calidad, con mtodos de investigacin equivocados, aplicacin incorrecta de procedimientos tcnicos o de anlisis estadstico, citas bibliogrficas sesgadas de publicaciones previas y deduccin de conclusiones injustificadas.

C aptulo 1

pgina 48

Mitos y Leyendas en las publicaciones cientficas


MITO 9: El hecho de que la investigacin publicada utilice un diseo experimental (estudio controlado aleatorio) constituye garanta de su validez cientfica.

C aptulo 1

pgina 49

Mitos y Realidades en las publicaciones cientficas


REALIDAD 9: La realizacin de un estudio controlado aleatorio presenta importantes dificultades metodolgicas que lo hacen siempre difcil, muchas veces limitado y en ocasiones imposible. No todos estos estudios controlados aleatorios prospectivos y doble ciego son lo que pretenden ser. Diversos sesgos, errores y argumentos ticos terminan debilitndolos e incluso invalidndolos.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 50

Mitos y Leyendas en las publicaciones cientficas


MITO 10: El advenimiento de los artculos de revisin (informacin secundaria) y su creciente popularidad hacen innecesario que el profesional sanitario emplee muchas horas en la lectura de artculos originales (informacin primaria) para actualizarse.

C aptulo 1

pgina 51

Mitos y Realidades en las publicaciones cientficas


REALIDAD 10: Las revisiones bibliogrficas son muy a menudo subjetivas, sesgadas, cientficamente inconsistentes, tcnicamente ineficientes y prcticamente intiles.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 52

Mitos y Leyendas en las publicaciones cientficas


MITO 11: El buen escritor cientfico nace, no se hace.

C aptulo 1

pgina 53

Mitos y Realidades en las publicaciones cientficas


REALIDAD 11: Es posible desarrollar, mediante diversos tipos de enseanza, habilidades conceptuales y tcnicas necesarias para redactar el informe de una investigacin o de un artculo cientfico con un nivel bsico de comprensin.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 54

Mitos y Leyendas en las publicaciones cientficas


MITO 12: La sonrisa de la esfinge. Cual es el ser que anda primero con cuatro, luego con dos, y despus con tres patas y que se vuelve ms dbil cuanto ms patas tiene? Hay dos hermanas una de las cuales engendra a la otra, y sta a su vez engendra a la primera Quines son?

C aptulo 1

pgina 55

Mitos y Leyendas en las publicaciones cientficas


MITO 12: La sonrisa de la esfinge. Cmo voy a ser capaz de presentar y defender una comunicacin cientfica en cualquier foro pblico o mandar a publicar un artculo original a una revista sanitaria ante tan docto auditorio? Qu me van a preguntar? Qu me van a decir si no respondo o no lo hago adecuadamente? Seguro que hago el ridculo Seguro que me rechazan el artculo original cuando lo mande a publicar a la revista...

C aptulo 1

pgina 56

Bioestadstica
Metodologa de la Investigacin
La bioestadstica es la punta visible del iceberg de la metodologa de investigacin.

Dr. Jacobo Daz Portillo Coordinador de Formacin Continuada Hospital Universitario de Ceuta

C aptulo 1

pgina 57

Mitos y Realidades en las publicaciones cientficas


REALIDAD 12: Muchos investigadores tienen bien definido su estudio y manejan correctamente las variables (datos), pero no aciertan cuando escogen las pruebas estadsticas pertinentes, y llegan a la presentacin oral (comunicacin) o a la redaccin de las revistas cientficas (artculo original) trabajos que adolecen de una manifiesta mala sincrona entre los datos obtenidos y su posterior anlisis estadstico.

Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.

C aptulo 1

pgina 58

Mitos y Realidades en las publicaciones cientficas


REALIDAD 12: Los auditores de los congresos sanitarios y los revisores de las revistas cientficas suelen ser colegas con un alto perfil profesional, aceptable formacin en Metodologa de Investigacin, pero quizs sin un alto nivel de conocimientos de anlisis estadstico de datos.

Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.

C aptulo 1

pgina 59

Mitos y Realidades en las publicaciones cientficas


REALIDAD 12: El Comit Cientfico de los congresos y los editores de las revistas ante trabajos de difcil evaluacin metodolgica incorporan un tercer revisor especialista en Bioestadstica que dictamina definitivamente sobre la idoneidad de las herramientas metodolgicas empleadas por los autores.

Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.

C aptulo 1

pgina 60

Mitos y Leyendas en las publicaciones cientficas


MITO 13: Enseanza de la investigacin clnica.

Antonio Fraguas de Pablo (Forges). Qu le pasa, Doctor?Eh?. Ediciones Doyma 1988 (Barcelona).

C aptulo 1

pgina 61

Mitos y Leyendas en las publicaciones cientficas


MITO 14:

C aptulo 1

pgina 62

Mitos y Realidades en las publicaciones cientficas


REALIDAD 14: La presin que sufren los cientficos para que publiquen el mximo nmero de artculos, ocasiona a veces fenmenos tales como el denominado mnima unidad publicable o publicacin salami, la cual permite obtener el mximo posible de artculos (como rodajas de salchichn) de un determinado trabajo cientfico, adems de que un enorme nmero de publicaciones tiene una calidad y/o utilidad clnica ms que cuestionable.

J. Benach de Rovira y J.A. Tapia Granados. Mitos o realidades: a propsito de la publicacin de trabajos cientficos Mundo Cientfico, 1995; 15 (154): 124-30.

C aptulo 1

pgina 63

Mitos y Leyendas en las publicaciones cientficas


MITO 15: Una publicacin sobre las ventajas de un nuevo tratamiento con otro vigente que demuestra significacin estadstica (p < 0,05) posee, en consecuencia, importancia y significacin clnica.

C aptulo 1

pgina 64

Mitos y Realidades en las publicaciones cientficas


REALIDAD 15: Mediciones y afirmaciones de probabilidad pueden ser de gran ayuda en la prctica mdica, pero nunca deben reemplazar en muchos casos a - la experiencia, - la perceptividad, - el sentido comn - y la intuicin.

Dr. Manuel Bobenrieth Astete Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 65

Mitos y Realidades en las publicaciones cientficas


1. El valor de p, debe ser valorado con precaucin y teniendo en cuenta el contexto del estudio, su diseo, las caractersticas de la muestra o la poblacin analizada, de los potenciales sesgos, etc. Y NUNCA como una cifra mgica que nos seduzca tanto, que nos invite o autorice a tomar decisiones o cambiar conductas relacionadas con la prctica clnica cotidiana. 2. Antes de tomar decisiones o cambiar conductas clnicas basadas en un valor de p, se ha de considerar tambin la VALIDEZ EXTERNA (generalizacin de los resultados obtenidos en ese estudio respecto de la poblacin inicial y, si esas conclusiones pueden ser extrapoladas a nuestros pacientes o nuestra realidad laboral (que pueden ser distinta a la descrita en el estudio publicado y valorado por nosotros.

C aptulo 1

pgina 66

Realidad 15
...de lo estadsticamente significativo a lo clnicamente relevante
Hallazgos estadsticos 1. Reflejan la influencia del azar en el resultado 2. Derivan de grupos de individuos 3. Requieren cantidades adecuadas de datos para ser vlidas 4. Las respuestas estadsticas son probabilsticas 5. El anlisis estadstico siempre requiere medicin. Hallazgos clnicos 1. Reflejan el valor biolgico del resultado 2. Se practica en individuos especficos 3. Las decisiones clnicas deben tomarse a menudo con datos insuficientes 4. Los tratamientos mdicos requieren decisiones oportunas comprometidas 5. La prctica clnica no puede medir fcilmente cada funcin, cada sistema, cada signo o sntoma clnico

C aptulo 1

pgina 67

Realidad 15
...de lo estadsticamente significativo a lo clnicamente relevante
Por todo ello, es ms apropiado que hablar de SIGNIFICACIN ESTADSTICA es mas correcto utilizar el concepto de RELEVANCIA CLNICA; porque la relevancia clnica de un fenmeno va ms all de clculos matemticos y depende de 1. La gravedad del problema, 2. La morbilidad y mortalidad generada por el mismo, 3. La magnitud de la diferencia, 4. La vulnerabilidad, 5. Los costes involucrados, etc.

C aptulo 1

pgina 68

Realidad 15
...de lo estadsticamente significativo a lo clnicamente relevante
Realidad 15: ...de lo estadsticamente significativo a lo clnicamente relevante. Es estadsticamente significativo? S (p < 0,05) Es clnicamente relevante?

S (xito)
Estadsticamente significativo Clnicamente relevante

No (fracaso)
Estadsticamente significativo Clnicamente irrelevante (p < 0,05)

Error Alfa?
No (p > 0,1) Estadsticamente NO significativo Clnicamente relevante Estadsticamente NO significativo Clnicamente irrelevante

Error Beta?

C aptulo 1

pgina 69

Realidad 15
...de lo estadsticamente significativo a lo clnicamente relevante
Por todo ello, es ms apropiado que hablar de SIGNIFICACIN ESTADSTICA es mas correcto utilizar el concepto de RELEVANCIA CLNICA; porque la relevancia clnica de un fenmeno va ms all de clculos matemticos y depende de 1. La gravedad del problema, 2. La morbilidad y mortalidad generada por el mismo, 3. La magnitud de la diferencia, 4. La vulnerabilidad, 5. Los costes involucrados, etc.

C aptulo 1

pgina 70

Mitos y Realidades en las publicaciones cientficas


REALIDAD 15: Un resultado estadsticamente significativo (p<0,05) sin relevancia clnica no deja de ser una ancdota; un hallazgo clnicamente importante sin significacin clnica (p>0,1) no puede ser asumido como concluyente, ya que no podemos atribuir con seguridad el hallazgo clnico a la intervencin realizada (no podemos descartar la influencia del azar).

C aptulo 1

pgina 71

Mitos y Realidades en las publicaciones cientficas


REALIDAD 15: Una prueba estadstica NO es una prueba de relevancia cientfica. Bajo ningn concepto la relevancia del dato se encuentra en la tcnica de anlisis, sino en la repercusin del mismo en el conocimiento del objeto de estudio. Es perfectamente compatible encontrar diferencias estadsticamente significativas que no suponen relevancia clnica, y viceversa.

Guttman . What is not what statistics (1977).

C aptulo 1

pgina 72

Mitos y Leyendas en las publicaciones cientficas


MITO 16: La estadstica es una religin que conduce a la salvacin a travs del mgico ritual de la bsqueda de valores significativos de la p (p<0,05), alcanzando entonces los autores la verdad absoluta y el paraso prometido de la publicacin del trabajo en una revista de alto ndice de impacto.

C aptulo 1

pgina 73

Mitos y Realidades en las publicaciones cientficas


REALIDAD 16: En la bibliografa cientfica se est abusando del trmino significacin estadstica. Numerosos investigadores dan por supuesto que si en un estudio o experimento hallan una probabilidad (p) inferior a 0,05, ello certifica la existencia tanto de la validez cientfica de su observacin como de la relevancia clnica de la misma. Y ello est lejos de ser cierto. Su fe ciega en el valor de la p contrasta con los detractores de su significado (ateos de la estadstica).

C aptulo 1

pgina 74

Mitos y Realidades en las publicaciones cientficas


REALIDAD 16: La estadstica es una herramienta til para el diseo y realizacin de estudios sanitarios siempre que sea utilizada adecuadamente.

Salsburg DS. The religion of statistics as practiced in medical journals. Am Statistician 1985; 39: 220-223.

C aptulo 1

pgina 75

Mitos y Realidades en las publicaciones cientficas


REALIDAD 16: Los mtodos estadsticos NO son un sustituto del sentido comn y la objetividad. Nunca deberan estar dirigidos a impresionar o confundir al lector, sino que deben ser una contribucin importante a la claridad de los conocimientos cientficos.

Pocock SJ. The role of statistics in medical research. Br J Psychiat 1980; 137: 188-190.

C aptulo 1

pgina 76

Mitos y Realidades en las publicaciones cientficas


REALIDAD 16: Es fundamental hacer buenas preguntas de investigacin, lo cual nos llevar a trabajos interesantes y respuestas con sentido comn, no habr necesidad de salir de pesca para presentar al editor muchas p menores de 0.05. Todo, con mesura y utilizado racionalmente, es bueno, y la estadstica es un instrumento indispensable pero, como todo en la vida, con sentido comn (y este sentido estadsticamente hablando no parece ser a veces muy frecuente).

Dr. Juan M. Garca Torrecillas Mdico de Especialista en Medicina Familiar y Comunitaria Experto en Epidemiologa y Nuevas Tecnologas

C aptulo 1

pgina 77

El Borracho
Utiliza la estadstica como un borracho usa una farola, para aguantarse en lugar de para iluminarse

Andrew Lang

C aptulo 1

pgina 78

La Llave Dorada
La estadstica no es la llave dorada que abre la puerta de la verdad absoluta e infinita
La verdad absoluta e infinita tiene una sonrisa diablica. Si consigo la llave dorada podr abrir la puerta , y as podr conocer la verdad absoluta e infinita.

Dr. Jacobo Daz Portillo Coordinador de Formacin Continuada Hospital Universitario de Ceuta

C aptulo 1

pgina 79

Mitos y Leyendas en las publicaciones cientficas


MITO 17 (adoradores de la p): La esencia de estadstica es la bsqueda de los valores mas bajos de la p, (una p < 0,001 es mejor que una p < 0,01, y esta superior a una p <0,05) ya que cuanto ms pequea sea esta p mayor intensidad de asociacin y causalidad existir entre las variables y mayor credibilidad tendrn las conclusiones de mi estudio.

C aptulo 1

pgina 80

Mito 17: Adoradores de la p


El cual los tom de las manos, y formlo con buril, e hizo de ello un becerro de fundicin. Entonces dijeron: Israel, estos son tus dioses, que te sacaron de la tierra de Egipto

xodo 32, 1-6

C aptulo 1

pgina 81

Mitos y Realidades en las publicaciones cientficas


REALIDAD 17: La utilidad de la p es una medida de la influencia del AZAR en la posible asociacin entre las variable analizadas, este azar debe ser siempre contemplado, evaluado y cuantificado mediante el valor de la p. La p NO es un indicador de fuerza de la asociacin entre variables, ni de su importancia. En los valores de la p deben ser considerados solo como una gua y no como base de conclusiones definitivas e irrevocables.

C aptulo 1

pgina 82

Objetivo principal de la estadstica:


Cul es la probabilidad de que la diferencia observada en el estudio se deba al AZAR?
- Una p < 0,05 indica que en menos de 5 veces de cada 100 que repitiramos el mismo estudio, nuestro resultado se debera al AZAR. - Cuanto mayor sea la p (p > 0,1) mas fuerte y segura ser la evidencia a favor de la hiptesis nula (igualdad). - El valor de la p no es un indicador de fuerza de asociacin, ni tampoco de su importancia clnica.

C aptulo 1

pgina 83

Mitos y Leyendas en las publicaciones cientficas


MITO 18: Hace poco le en la prensa mdica la siguiente frase: Yo no creo en la estadstica, (ATEOS de la estadstica) porque est claro que la estadstica, como religin que es, es solo una cuestin de fe, que como tal debe ser respetada (segn dice la constitucin espaola sobre nuestras creencia religiosas).

C aptulo 1

pgina 84

Mitos y Realidades en las publicaciones cientficas


REALIDAD 18: La estadstica constituye un instrumento cientfico que requiere el cumplimiento de numerosas condiciones para producir resultados vlidos. Por un lado, es preciso que los experimentos tengan un diseo muy escrupuloso. Y por otro, es inexcusable aplicar en cada circunstancia aquellos mtodos que en ella son idneos y controlar rigurosamente su validez. Pero ni an as es legtimo deducir que un resultado significativo es clnicamente relevante. Cabe recordar que una correlacin entre dos variables acabar siendo siempre significativa (p < 0,05) si la muestra es lo suficientemente grande. Por eso en algunos casos, en este contexto, alguien coment: La estadstica es un instrumento, que si no se usa adecuadamente, puede demostrar cualquier mentira.

C aptulo 1

pgina 85

Mitos y Realidades en las publicaciones cientficas


REALIDAD 18: Aplicando los mtodos estadsticos de forma abusiva como lo haca la Santa Inquisicin, si torturamos suficientemente a nuestros datos, acabaran por confesarnos lo que nosotros queramos.

Ars A. Tmese una antes de acostarse. 1 edicin. Barcelona: Planeta; 1998.

C aptulo 1

pgina 86

La estadstica es un instrumento, que si no se usa adecuadamente, puede demostrar cualquier mentira. En bioestadstica el fin nunca justifica los medios.

C aptulo 1

pgina 87

Mitos y Leyendas en las publicaciones cientficas


MITO 19: La inocencia de las cigeas Una buena correlacin estadstica (coeficiente de correlacin r elevado) (p < 0,05) siempre significa que existe una relacin entres las variables evaluadas, y por tanto existe una relacin causa - efecto.

C aptulo 1

pgina 88

Mitos y Realidades en las publicaciones cientficas


REALIDAD 19: - Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre significa que existe una relacin entres las variables evaluadas, y por tanto NO implica una relacin causa efecto. - El trabajo estara mal planteado, aunque se hubiera aplicado un tratamiento estadstico aparentemente correcto. - Los autores de un estudio deben ser muy cautos en la aplicacin y posterior interpretacin del anlisis estadstico.

Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.

C aptulo 1

pgina 89

Estudio ecolgico

Variable PREDICTORA Factor de exposicin (F)


CIGEAS

Variable RESULTADO Efecto o Enfermedad (E)


NATALIDAD HUMANA

Nmero de ejemplares de cigeas

Tasa de natalidad de la poblacin humana

C aptulo 1

pgina 90

Estudio de Bartels (Alemania)


Variable RESULTADO-RESPUESTA-posible EFECTO

Tasa de nacimientos en la poblacin humana

Enero Mayo Junio Agosto Octubre Julio Septiembre Marzo Abril Febrero

Variable cuantitativa continua

Noviembre

Diciembre

Variable PREDICTORA-EXPOSICIN-posible CAUSA

Nmero de ejemplares de cigeas


Variable cuantitativa continua

C aptulo 1

pgina 91

Estudio de Bartels (Alemania)


RESULTADOS: En Alemania, en un mismo ao, descendieron, de forma significativa, la tasa de nacimientos de la poblacin humana y el nmero de ejemplares de cigeas. La correlacin entre ambas variables era alta, lo que demostraba cientficamente su relacin. CONCLUSIN: La baja natalidad alemana en el ao de estudio se explica por la disminucin del nmero de cigeas repartidoras de bebs. La culpa era de las cigeas.

C aptulo 1

pgina 92

Comentarios
- Es muy saludable encontrar detalles de humor. - Si leyramos un supuesto artculo cientfico con esa conclusin tan extravagante, pensaramos sin duda, que se trata de una parodia y como tal la aceptaramos. - Es fcil entender el error porque sabemos que las cigeas no tiene nada que ver con la reproduccin humana, y por tanto se ha buscado errneamente una relacin entre dos variables sin plausibilidad biolgica. - El trabajo est mal planteado, y aunque se hubiera aplicado un tratamiento estadstico aparentemente correcto. - Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre significa que existe una relacin entres las variables evaluadas, y por tanto NO implica una relacin causa efecto.

C aptulo 1

pgina 93

Reflexiones
Qu ocurre cuando el estudio se lleva a cabo con variables (datos) menos conocidos, de poblaciones que nos son menos familiares, obtenidos en estudios complejos? Cmo sabemos si el autor sabe certeramente entre qu grupos se puede establecer relaciones y entre cuales no tiene sentido hacerlas? Esto solo es posible si el investigador conoce muy bien lo que est estudiando y ha partido de un planteamiento y el diseo del estudio bien estructurado. Las conclusiones que se obtiene al aplicar las pruebas estadsticas slo tienen sentido cuando las variables (datos) estn bien definidas y tienen plausibilidad biolgica.

C aptulo 1

pgina 94

Estos tipos de errores se originan cuando los autores NO tiene claros algunos conceptos bsicos de METODOLOGA de INVESTIGACIN pero disponen de programas estadsticos potentes, en los que solo se necesita sealar y aceptar con el ratn entre un amplio abanico de pruebas estadsticas.

C aptulo 1

pgina 95

Tcnicas estadsticas ms utilizadas


1. Estadstica descriptiva - Frecuencias absolutas y relativas - Medidas de tendencia central - Medidas de dispersin 2. Prueba de la t de Student 3. Anlisis de la Varianza (ANOVA) 4. Prueba del ji-cuadrado 5. Regresin lineal simple: Correlacin de Pearson 6. Pruebas no paramtricas 7. Regresin logstica multivariante 8. Anlisis de la supervivencia

C aptulo 1

pgina 96

Mitos y Leyendas en las publicaciones cientficas


MITO 20: Un poster DIVULGATIVO (que contiene informacin sanitaria) es un poster CIENTFICO, es decir, es como una COMUNICACIN cientfica original, y como tal debe ser admitido en cualquier tipo de Jornadas Cientfica de mi mbito sanitario, y ser vlido como mrito en mi carrera profesional.
Pster DIVULGATIVO Pster CIENTFICO

C aptulo 1

pgina 97

Qu es un pster?
El pster es un cartel que se coloca en las paredes como decoracin.

Qu es un pster divulgativo (sanitario)?


El pster divulgativo se define como un cartel en el que se describe informacin sanitaria destinada a un receptor. La informacin que contiene no es original, y no se basa en los resultados de un estudio de investigacin, sino en una revisin bibliogrfica del tema.

C aptulo 1

pgina 98

Qu es un pster cientfico?
El pster cientfico se define como un cartel que describe el resumen de los principales resultados originales de una investigacin. Su contenido ha sido admitido por un comit de expertos en metodologa de investigacin para su presentacin pblica en un evento cientfico. Se escribe para comunicar un mensaje nuevo y objetivo a terceras personas. La redaccin del pster cientfico es el fruto de un trabajo de investigacin realizado por profesionales sanitarios en su entorno de trabajo. Para su realizacin es imprescindible efectuar una revisin bibliogrfica previa para asegurar que el estudio que se lleva a cabo es indito y til. Por ser el fruto de un trabajo de investigacin, su conclusin ha de responder a una hiptesis de trabajo previamente elaborada y a un objetivo concreto (pregunta de investigacin).

C aptulo 1

pgina 99

C aptulo 1

pgina 100

Estructura de un pster cientfico


Fase preliminar TTULO AUTORES Fase conceptual OBJETIVOS Fase planificacin MATERIAL y MTODOS Fase emprica RESULTADOS

Fase interpretativa CONCLUSIONES

C aptulo 1

pgina 101

Realidad tica de los trabajos cientficos


Peso-PC * f >> Peso-PD * F

Pster DIVULG ATIVO ( PD) Pster CIENTF ICO (PC)

Facilidad (F)

Facilidad (F)

C aptulo 1

pgina 102

Parafraseando a Sneca , debemos convenir que todo lo honesto es difcil y la investigacin clnica no es una excepcin.

Seneca LA. De los beneficios. En: Lucio Anneo Sneca: Obras completas. Madrid: Aguilar, 1961.

C aptulo 1

pgina 103

C aptulo 1

pgina 104

C aptulo 1

pgina 105

C aptulo 1

pgina 106

C aptulo 1

pgina 107

C aptulo 1

pgina 108

Salir de nuestra cueva de BENZ, de nuestro nicho ecolgico Comunicar nuestra experiencia a los dems Utilizando la metodologa de investigacin como herramienta de trabajo.

C aptulo 1

pgina 109

Tipos de publicaciones
ESCRITAS - Editorial - Artculo original - Revisin - Nota clnica - Carta al director ORALES / ESCRITAS - Comunicacin a congreso - Ponencia - Tesina - Tesis doctoral

C aptulo 1

pgina 110

Etapas del proceso de investigacin


TEORIA 18. Conclusin (Respuestas) 1. Problema (Preguntas)

Fase interpretativa DISCUSIN

17. Alcance y limitaciones 16. Importancia Novedad

2. Revisin bibliogrfica

Fase conceptual INTRODUCCIN

3. Marco terico 4. Definicin Variables

15. Validez interna y externa

DEDUCCIN

INDUCCIN

14. ANLISIS

5. HIPTESIS OBJETIVOS

13. Presentacin de datos

6. Seleccin del diseo

12. Procesamiento de datos

TEMA A INVESTIGAR Campo de investigacin

7. Identificacin de la poblacin

Fase emprica RESULTADOS

11. Recoleccin de datos

8. Determinacin Casos/muestra

Fase planificacin MATERIAL y MTODOS

10. Fuentes de informacin HECHOS DATOS

9. Estudio piloto

C aptulo 1

pgina 111

Etapas de la investigacin
El artculo original es un documento escrito que contiene la descripcin completa, clara y concisa de una investigacin. Cada una de las partes del artculo original corresponde con una etapa del PROCESO de INVESTIGACIN.
I. ETAPA CONCEPTUAL II. ETAPA DE PLANIFICACIN (DISEO) III. ETAPA EMPRICA (PRCTICA)

ELEMENTOS DEL ARTCULO ORIGINAL 1.TTULO 2. AUTORES 3. RESUMEN

PARTES PRELIMINARES

PARTES DEL CUERPO DEL ESTUDIO

4. INTRODUCCION 5. MATERIAL Y MTODOS 6. RESULTADOS 7. DISCUSIN 8. CONCLUSIONES

IV. ETAPA INTERPRETATIVA (SIGNIFICADO)

9. AGRADECIMIENTOS 10. BIBLIOGRAFA 11. APENDICES

PARTES FINALES

V. ETAPA DE DISEMINACIN (PUBLICACIN)

PUBLICACIN EN CONGRESOS O REVISTAS

Las etapas de la investigacin dentro de la estructura del artculo originalE

Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud. Medicina de Familia (And) 2001; 2: 81-90. Profesor Bobenrieth Astete M.A. Profesor de Metodologa de Investigacin y Escritura Cientfica Escuela Andaluza de Salud Pblica.

C aptulo 1

pgina 112

Criterios para la formulacin de la pregunta de investigacin


FACTIBLE Nmero adecuado de individuos Experiencia tcnica adecuada Abordable en cuanto a tiempo y dinero Manejable en cuanto al alcance INTERESANTE PARA EL INVESTIGADOR. NOVEDOSA TICA Y RELEVANTE Confirma o refuta hallazgos previos Amplia hallazgos previos Proporciona nuevos resultados Para el conocimiento cientfico Para la poltica clnica sanitaria Para lneas de investigacin futuras

Stephen B. Hulley, Steven R. Cummings. Diseo de la investigacin clnica. Un enfoque epidemiolgico. Barcelona: Doyma; 1993.

C aptulo 1

pgina 113

Causas de DENEGACIN de comunicaciones a congresos

Inferencia estadstica incorrecta Tamao de la muestra inadecuado No cumple las normas de aceptacin Seleccin de la muestra inadecuada

4% 4% 6% 6% 9% 10% 12% 13% 17% 27% 27% 28% 38%

Anlisis estadstico inadecuado o incorrecto Presentacin inadecuada de los resultados

Resultados no cuantificados Objetivos del estudio mal definidos

Presencia de SESGOS que invalidan el estudio

El diseo del estudio (tipo) no es adecuado para los objetivos Las conclusiones no se apoyan en los resultados obtenidos Resumen mal estructurado que no aporta elementos de juicio Tema reiteradamente expuesto (escasa originalidad)

Pita Fernndez S. Evaluacin de comunicaciones del XIII Congreso de Medicina Familiar y Comunitaria (La Corua). Aten Primaria 1994; 13: 150-152.

C aptulo 1

pgina 114

La bioestadstica y el mtodo epidemiolgico aportan ms ciencia al arte de la medicina y enfermera y es por ello que la colaboracin conjunta de expertos en metodologa, bioestadsticos y los clnicos deben trabajar en equipo en colaboracin para en un esfuerzo conjunto reducir la variabilidad que rodea al ejercicio de la medicina y enfermera que ser siempre una ciencia de probabilidades y un arte de manejar la incertidumbre.

Bioestadsticos

Expertos en metodologa

Personal sanitario

Pita Fernndez S. Dificultades de los mdicos para la realizacin de estudios clnico-epidemiolgicos. Congreso Galego de Estadstica e Investigacin de Operacins. Santiago de Compostela, A Corua (Espaa). 11-13 Novembre-1999.

C aptulo 1

pgina 115

Caractersticas del ttulo


- Encabezamiento del artculo - Identificar con precisin el tema principal del artculo - Estructura sencilla: - Atractivo, indicativo del problema investigado - 15 palabras redactadas en tono afirmativo - Descriptores del contenido del artculo - Informacin sobre... - Sujetos (grupos) que se estudian - Caractersticas de los sujetos bajo estudio - mbito donde se realiz la investigacin - nico prrafo sin puntuaciones, claro, conciso y preciso sobre los contenidos del artculo

C aptulo 1

pgina 116

Defectos en la redaccin del ttulo


- Incompletos, crpticos o enigmticos - Largos con informacin redundante y confusa - Partidos (ttulo/subttulo) - Empleo de siglas, abreviaturas o nombre comerciales de frmacos o tecnologa - Efectistas, con conclusiones - Empleo del lenguaje popular no cientfico (jerga) - Terminologa inslita o que solo tienen uso en un rea restringida

C aptulo 1

pgina 117

Ejemplos de errores en la redaccin del ttulo


Estudio sobre..... Estudio preliminar de... Nuevo estudio sobre... Investigacin acerca de... Informe de... Situacin de... Observacin acerca de... Conceptualizacin de... Nuestra experiencia de... Resultados de un estudio sobre... Aportacin sobre... Contribucin al estudio de... Anlisis de los resultados de... Anlisis de la situacin de... Comportamiento de... Controversia ante... Notas sobre... Consideraciones acerca de... A propsito de... Una aproximacin a... Reflexin sobre... Valoracin del... Un tratamiento nuevo para...

C aptulo 1

pgina 118

C aptulo 1

pgina 119

Autores
Requisitos necesarios y suficientes
1. Haber hecho una contribucin intelectual sustancial al proceso de la investigacin. 2. Estar capacitado para presentar y defender pblicamente la totalidad del informe (responsabilidad pblica del contenido total del artculo). 3. Haber participado en la redaccin o revisin del informe final de investigacin.

C aptulo 1

pgina 120

Autor principal
Funciones
- El autor principal debe convocar reuniones de todo el equipo para la reflexin y puesta en comn de las ideas que se han de plasmar en el artculo. - Elaborar una lista de tareas exhaustiva, que abarque desde los aspectos ms principales hasta los detalles aparentemente ms insignificantes. - Como no todas las personas estamos dotadas para efectuar las mismas tareas, el autor principal ha de tener la habilidad de distribuir esas tareas entre los dems autores, en funcin de sus capacidades personales. As, entre todos los firmantes se atiende a cada uno de los aspectos del manuscrito y el autor principal vela para que no quede ningn detalle sin tratar. - No se lleva el manuscrito a la editorial hasta que todas las tareas se han concluido satisfactoriamente.

C aptulo 1

pgina 121

Lista de Comprobacin (LC) (checklist)


Ejemplo
Tareas
Escoger el material Identificar a los lectores Componer el guin y darle forma Ttulo Autores: nombres y orden Introduccin Material y mtodos Resultados Discusin Sintaxis, ortografa, puntuacin Estadstica Grficos Tablas Palabras clave Resumen en espaol Resumen en ingles

Autor responsable

Fecha lmite

C aptulo 1

pgina 122

NO son autores
- Financiadores - Directores docentes - Catedrticos o Jefes de Departamento - Personas que proporcionaron ayudas tcnicas puntuales - Recolectores de datos - Analistas estadsticos

C aptulo 1

pgina 123

Autores
Faltas ms frecuentes
AUTORA MLTIPLE: Incluir un nmero desproporcionadamente alto de autores. No se admiten ms de 6 autores en cada artculo original. AUTORA INJUSTIFICADA: Incluir personas que no han hecho una contribucin sustancial a la investigacin y que no pueden defender pblicamente el contenido del artculo. AUTORA INCOMPLETA: Excluir verdaderos autores. AUTORA INVERTIDA: No respetar el criterio de magnitud de la contribucin al decidir el orden de aparicin de los autores Usar iniciales en lugar de nombres completos de los autores Incluir grados acadmicos o posiciones jerrquicas No incluir la direccin postal/electrnica completa del autor principal.

C aptulo 1

pgina 124

Normas generales de escritura:


El ndice de niebla
Robert Gunning cre el NDICE DE NIEBLA (1952) para medir la claridad o la dificultad de un texto. Objetivo: definir la claridad y legibilidad de un texto. Se fundamenta en dos cuestiones bsicas: 1. Longitud de las frases. 2. Longitud de las palabras. NDICE DE NIEBLA = [ ( n medio de palabras por frase + % de palabras con 3 slabas) * 0,4 ]. En esta escala 16 es un nivel de dificultad que corresponde a textos de lectura difcil y el nivel 11 es propio de textos lebles por cualquier pblico. La puntuacin ideal es 7 u 8 y por encima de 12 es muy complicado de leer. La Biblia, Shakespeare y Mark Twain tiene ndices de Gunning en torno a 6.

C aptulo 1

pgina 125

Normas generales de escritura:


El ndice de niebla
1. Longitud de las frases
Una persona, mientras lee, va memorizando automticamente el texto con el fin de captar correctamente su significado. En los artculos cientficos que comunican novedades, esta accin es ms intensa porque pueden aparecer palabras desconocidas que obligan a un mayor esfuerzo de concentracin. Est demostrado que la memoria suele fallar a partir de la palabra 15. ste debera ser el lmite del nmero mximo de palabras en una frase: el que marca la capacidad de retencin inmediata que tiene el lector medio. Al leer una frase de ms de 20 palabras, este lmite se supera y al final el lector empieza a perder el significado de las primeras palabras que ha ledo. Entonces, ha de volver a leer la frase, y esta es la prueba inequvoca de su longitud excesiva.

C aptulo 1

pgina 126

Normas generales de escritura:


El ndice de niebla
2. Longitud de las palabras
Se entiende que las palabras con ms de dos slabas son de lectura ms incmoda. A mayor longitud de frases y palabras, ms niebla. A ms niebla, menos claridad, es decir, legibilidad. Hay dos sumandos: - nmero medio de palabras por frases - nmero medio de palabras trislabas por frase. Esta suma se multiplica por un factor arbitrario (0,4) para que el resultado sea un nmero sencillo. NDICE DE NIEBLA = [ ( n medio de palabras por frase + % de palabras con 3 slabas) * 0,4 ].

C aptulo 1

pgina 127

Clculo del ndice de niebla


1. Escoger un fragmento de texto de alrededor de 100 palabras (sin omitir ninguna frase). Calcula la media palabras por lnea. Esto se hace dividiendo las palabras del fragmento por el nmero de lneas del fragmento (resultado A). Es decir, calcular el promedio de la longitud de las frases (dividir el nmero de palabras totales por el nmero de frases en el fragmento). 2. Cuenta las palabras que tiene 3 slabas o mas, elimina los nombre propios y los verbos conjugados pero incluye los infinitivos, participios y gerundios (resultado B). 3. ndice de niebla = ( A + B ) x 0,4 4. Recomendaciones: 1. Ser un buen texto si obtienes un nmero inferior a 15. 2. El texto es regular si estamos entre 15 y 20. 3. El texto es ilegible o mejor dicho difcil de leer si es superior a 20.

C aptulo 1

pgina 128

Clculo del ndice de niebla


- Grado de dificultad en la comprensin de un texto. Robert Gunning estableci el siguiente ndice de niebla, que mide la dificultad de los textos en el que: - IN es el ndice de niebla. - NPO es el nmero de palabras por cada oracin. - NP3S es el nmero de palabras de tres o ms slabas por cada 100 palabras.

IN = (NPO + NP3S) * 0,4

C aptulo 1

pgina 129

Clculo del ndice de niebla


Ejemplo
38 palabras

33 palabras

35 palabras

IN = (NPO + NP3S) * 0,4


Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75: 501-558.

C aptulo 1

pgina 130

Caractersticas del resumen


- Definicin: Expresin abreviada reducida a trminos sucintos, precisos y esenciales de las ideas y conceptos ms importantes del artculo. - Tarjeta de presentacin del artculo al lector. - Independiente - Autoexplicativo - Autnomo - Finalidad: Identificar el contenido del documento de forma rpida y exacta. - Extensin: 150-250 palabras (MEDLINE). - Estilo: Claro, preciso, conciso, sencillo e impersonal.

C aptulo 1

pgina 131

Estructura del resumen


1. Fundamentos/objetivos principales del estudio. 2. Metodologa. - Diseo o tipo de estudio. - Contexto: lugar, tiempo, mbito. - Sujetos participantes o pacientes. - Intervenciones (variable predictora o independiente introducida por el investigador, y la variable resultado o dependiente). - Tipo de anlisis estadstico previsto. 3. Resultados o hallazgos principales con valores numricos precisos. 4. Conclusiones principales del estudio.

C aptulo 1

pgina 132

RESUMEN

1.- Fundamentos/objetivos principales del estudio 2.- Metodologa


Diseo o tipo de estudio Contexto: lugar, tiempo, mbito Sujetos participantes o pacientes Variables Predictora o independiente introducida por el investigador Resultado o dependiente Tipo de anlisis estadstico previsto

3.- Resultados o hallazgos principales con valores numricos precisos

4.- Conclusiones principales del estudio

Fundamento: La tuberculosis es la enfermedad infecciosa ms extendida en el mundo. Los objetivos de este estudio fueron conocer la prevalencia de infeccin tuberculosa en los inmigrantes que durante 1998 estuvieron en el campamento de Calamocarro en Ceuta y analizar si existen diferencias segn pas o regin geogrfica de procedencia. Mtodos: Estudio descriptivo transversal sobre la poblacin total de inmigrantes en el campamento de Calamocarro en 1998. Se practic la intradermorreaccin segn la tcnica de Mantoux segn protocolo ya establecido, a los 2.223 inmigrantes (1979 varones y 244 mujeres) procedentes de distintos pases africanos (Nigeria, Mali, Guinea Bissau, Camern, Ghana, Sierra Leona, Rep Dem Congo, y Liberia, principalmente) en el campamento de refugiados de Calamocarro de Ceuta. Los resultados se presentan para tres puntos de corte de la induracin: <5mm; entre 5 y 10mm; e igual o superior a 10mm. Resultados: Los inmigrantes procedan de 36 pases africanos, el 89,0% eran varones y el 11,0% mujeres (p < 0,001) con una edad media de 24,9 4,3 y 23,4 4,1 aos respectivamente. El 32,6% presentaron una respuesta al test de Mantoux igual o superior a 10 mm, 33,2% en varones y 27,9% en mujeres (p = 0,09). Slo hubo un 1,1% con induracin 5-10 mm de probable origen vacunal. Por zonas geogrficas, las tasas ms altas se presentaron en inmigrantes procedentes de la Repblica Democrtica del Congo (65,1%) y de Camern (48,4%), seguidos a distancia por Nigeria (34,0%), Liberia (32,7%), Mauritania (29,1%), Sierra Leona (28,8%), Costa de Marfil (27,8%), Guinea Bissau (27,4%), Ghana (26,3%), Argelia (25,6%), Mali (24,1%) y R.Guinea (20,9%) (p<0,0001). Conclusiones: La poblacin inmigrante procedente de pases centroafricanos presenta una alta prevalencia de infeccin tuberculosa, constituyendo un grupo de riesgo de padecer la enfermedad. Por tanto, es fundamental la implantacin de programas especficos de bsqueda activa de infeccin tuberculosa durante su estancia en nuestra ciudad, aprovechando su concentracin a la entrada en nuestro pas, antes de su emigracin definitiva a localidades peninsulares y posterior dilucin en la poblacin de acogida.

Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75: 501-558.

C aptulo 1

pgina 133

Introduccin
- Describe los elementos de la fase conceptual de la investigacin. - Describe los conceptos bsicos necesarios para la comprensin del artculo original (MARCO TERICO). - Sistema de ideas procedentes de experiencias y conocimientos anteriores, que proveen los fundamentos del estudio. - Es el soporte conceptual de la investigacin. - Sirve de transicin entre el mundo del lector al mundo del autor, preparando al lector para que lea con atencin y reflexin. - Responde al qu y al por qu de la investigacin. - Justificacin de las medidas que se van a realizar a lo largo de la investigacin. - Conocer el estado actual del problema, sus antecedentes y los conocimientos ms recientes existentes sobre el mismo (revisin bibliogrfica). - Despertar el inters del lector en conocer el resto del artculo.

C aptulo 1

pgina 134

Estructura secuencial de la introduccin


1. Enumeracin de los temas generales que abarcan el problema (marco terico). 2. Revisin de los antecedentes del problema. 3. Definicin del problema (pregunta) de investigacin. 4. Enunciacin y ubicacin de las variables (predictora y resultado) a considerar en relacin al problema. 5. Formulacin de los objetivos del estudio. 6. Importancia y alcance del estudio. 7. Limitaciones del estudio.

C aptulo 1

pgina 135

Ejemplo de marco terico dentro de la introduccin

Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75: 501-558.

C aptulo 1

pgina 136

Definicin del problema e importancia y alcance del estudio

Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75: 501-558.

C aptulo 1

pgina 137

Caractersticas de los objetivos del estudio en la introduccin


Un objetivo es un resultado concreto y previsto que se desea conocer mediante una investigacin de tipo descriptivo. - Enuncia un resultado unvoco, preciso, factible y medible que se obtendr al finalizar el estudio. - Define un estado o situacin cuantificable en un lugar y tiempo determinados. - El objetivo/s corresponde/n a la pregunta/s de investigacin cuya respuesta/s ser la conclusin/es del estudio.

C aptulo 1

pgina 138

Ejemplo de los objetivos del estudio en la introduccin

Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75: 501-558.

C aptulo 1

pgina 139

Estilo de la introduccin
- Narrativo. - Conversacional (no erudito). - Objetivo (no sesgado). - Tener la fuerza de la lgica (no la insistencia o la exageracin). - Crear en el lector una sensacin creciente de descubrimiento e inters. - Tiempo verbal PRESENTE (relata la situacin actual de los conocimientos sobre el problema). - Los objetivos se redactan en INFINITIVO utilizando verbos activos de interpretacin unvoca (no desorienten o engaen posteriormente al lector).

C aptulo 1

pgina 140

Referencias bibliogrficas de la introduccin


- Ser pertinentes al tema y al problema de investigacin. - Ser suficientemente actualizadas (5-10 ltimos aos). - Centrarse en publicaciones de tipo primario (artculos cientficos originales). - Ser suficientes para apoyar la fase inicial de la investigacin sin llegar a ser exhaustivos. - Ser riguroso en la citacin.

C aptulo 1

pgina 141

Errores ms frecuentes en la introduccin


1. Inexactitud en la identificacin del campo general de investigacin (marco terico). 2. Imprecisin en la definicin del problema de investigacin (pregunta de investigacin). 3. Insuficiencia o mala calidad del apoyo bibliogrfico. 4. Falta de enunciacin y ubicacin de las variables. 5. Objetivos excesivamente generales, vagos o ambiguos o mal formulados.

C aptulo 2

pgina 142

Captulo 2
Metodologa de Investigacin 2010: Diseo del estudio.
Material y mtodos.

Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

C aptulo 2

pgina 143

Materiales y mtodos

Cmo se plane la investigacin? Cmo, cuando y donde se realiz la investigacin? Qu, a quin y cmo se hizo? Describir el proceso con el detalle suficiente que permita al lector la clara comprensin del proceso de investigacin y que haga posible reproducir el estudio adaptndolo a su mbito. Diseo del estudio

C aptulo 2

pgina 144

Materiales y mtodos
Caractersticas del diseo
- Adecuacin a la pregunta de investigacin concretada en los objetivos. - Precisin, que aumenta al disminuir la variabilidad inducida por covariables extraas (factores de confusin). - Poder (capacidad de un diseo de investigacin para describir las relaciones entre variables). - Ausencia de sesgos que produzcan distorsiones en los resultados. - Consideracin de las limitaciones (diseos observacionales) y los aspectos ticos del plan de investigacin (diseos experimentales).

C aptulo 2

pgina 145

Materiales y mtodos
Estructura
1. Tipo de diseo (estudio) 2. Sujetos incluidos (criterios de seleccin de la muestra) 3. Fuentes de informacin 4. Descripcin de la intervencin y definicin del punto final de la investigacin (estudios experimetales) 5. Instrumentos y procedimientos de medida (cuestionarios) 6. Definicin de las variables y covariables incluidas en el estudio (factor de estudio y criterio de evaluacin) 7. Limitaciones y consideraciones ticas de la investigacin 8. Pruebas estadsticas a utilizar (programa estadstico)

C aptulo 2

pgina 146

Tipos de diseo / estudios


1. Estudios EXPERIMENTALES - Ensayo clnico aleatorio - Ensayo clnico cruzado 2. Estudios de COHORTES 3. Estudio de CASOS y CONTROLES 4. Estudios DESCRIPTIVOS - Estudios TRANSVERSALES - Series de CASOS CLNICOS - Estudios ECOLGICOS

C aptulo 2

pgina 147

Estructura bsica de un ensayo clnico aleatorio


Prdidas No cumplidores

A
Criterios de seleccin No participantes Poblacin experimental Participantes

Grupo 1 Intervencin A

Respuesta A1

Reacciones adversas Interpretacin Seguimiento Comparacin de resultados Conclusiones

Poblacin

Prdidas No cumplidores

B
Los investigadores controlan la exposicin

Grupo 2 Intervencin B Placebo No intervencin

Respuesta B2

Reacciones adversas

C aptulo 2

pgina 148

Estructura bsica de un ensayo clnico cruzado


Poblacin experimental Consentimiento Asignacin aleatoria Participantes Asignacin aleatoria

Grupo 1 Intervencin A

A
Respuesta A1

Grupo 2 Intervencin B
Seguimiento

Ho : A = B Ha : A < B
Grupo 2 Intervencin B
Seguimiento Respuesta A2 Comparacin de los resultados Periodo de blanqueo

Respuesta B2

Grupo 1 Intervencin A

Respuesta B1

B1

Hiptesis nula Ho: A1 + A2 = B1 + B2

Hiptesis alternativa Ha: A1 + A2 < B1 + B2

C aptulo 2

pgina 149

Poblacin experimental Consentimiento Participantes

Grupo 1 Intervencin A
Seguimiento

Grupo 2 Intervencin B

CT

Respuesta A1

Respuesta B2

CT

Periodo de blanqueo

Grupo 2 Intervencin B
Seguimiento

Grupo 1 Intervencin A

CT

Respuesta A2 Comparacin de los resultados

Respuesta B1

Hiptesis nula Ho: A1 + A2 = B1 + B2

A1 = A2 B1 = B2

A1 < B1 B2 > A2

B1 B1

CT

Hiptesis alternativa Ha: A1 + A2 < B1 + B2

C aptulo 2

pgina 150

Ventajas del ensayo clnico


1. Mximo control en el diseo. 2. Menos posibilidad de SESGOS debido a la seleccin aleatoria de los grupos. 3. Repetibles y comparables con otras experiencias. 4. Mayor potencia metodolgica.

Limitaciones de los ensayos clnicos


1. Coste elevado. 2. Limitaciones de tipo tico y responsabilidad en la manipulacin de la exposicin 3. Dificultades en la generalizacin debido a la seleccin y/o a la propia rigidez de la intervencin.

C aptulo 2

pgina 151

Estudios de seguimiento
Cohortes
- Estudios de seguimiento - Estudios de incidencia - Estudios panel - Estudios prospectivos - Estudios longitudinales

C aptulo 2

pgina 152

Estructura bsica de un estudio de cohortes


Los investigadores NO controlan la exposicin
Prdidas de seguimiento Expuestos al TABACO
Riesgo Relativo (RR)=

Muertos por otras causas Seguimiento

Enfermos con Cncer de Pulmn No enfermos de Cncer de Pulmn Enfermos con Cncer de Pulmn No enfermos de Cncer de Pulmn

Tasa de Incidencia en expuestos Tasa de Incidencia en NO expuestos

RR =

I Io

No expuestos al TABACO

Seguimiento

Prdidas de seguimiento

Muertos por otras causas

C aptulo 2

pgina 153

Tipos de estudios de cohortes segn la temporalidad


PASADO
Exposicin Incgnitas Estudio PROSPECTIVO Cohorte clsica

PRESENTE
Efecto/enfermedad Observacin

FUTURO
Estudio RETROSPECTIVO Cohorte histrica

Exposicin Observacin

Efecto/enfermedad Incgnitas

C aptulo 2

pgina 154

Ventajas de un estudio de cohortes


1. La medicin de la exposicin (F) es exacta y completa ya que no depende de la memoria de los pacientes (cohorte clsica). 2. Al ser longitudinal en el tiempo, permite el clculo directo de las tasas de incidencia en ambos grupos (expuestos I y no expuestos Io), as como el riesgo de enfermar entre los expuestos en relacin a los no expuestos, es decir el RIESGO RELATIVO (RR).

RR=

I Io

3. Asegura una adecuada secuencia temporal, en la que el factor de riesgo (o exposicin F) o variable predictora siempre precede a la enfermedad (al inicio del estudio se excluye las personas que presentan la enfermedad) variable resultado.

C aptulo 2

pgina 155

Limitaciones de un estudio de cohortes


1. No es un diseo eficiente para el estudio de problemas poco frecuentes. Se necesitara una muestra muy grande para completar el estudio. 2. Cuando la enfermedad en estudio presenta un largo periodo de latencia es necesario realizar un largo periodo de seguimiento, lo que complica mucho la organizacin del estudio.

C aptulo 2

pgina 156

Estructura de un estudio de casos y controles


Los investigadores NO controlan la exposicin

Expuestos A Casos: Enfermos con Cncer de Pulmn Odds Ratio (OR)= Controles: No enfermos de Cncer de Pulmn A/C A/C (casos) B/D (controles) B/D No expuestos C Expuestos B No expuestos D

C aptulo 2

pgina 157

Ventajas de un estudio de casos y controles


1. Ofrecen mucha informacin ya que se pueden estudiar un alto nmero de casos de una enfermedad (til para enfermedades poco frecuentes). 2. Ofrecen un alto grado de eficiencia, ya que se realizan en mucho menos tiempo y con menor coste al no tener que seguir a los pacientes a lo largo del periodo de latencia de la enfermedad. 3. Permiten estudiar exposiciones (F) que son raras en la poblacin general, siempre y cuando estn fuertemente asociadas a la enfermedad (E) en estudio.

C aptulo 2

pgina 158

Limitaciones de un estudio caso - control


1. Son muy susceptibles de la introduccin de SESGOS. 2. No permiten calcular la incidencia ni de la prevalencia de la enfermedad, ya que la proporcin de participantes expuestos en el estudio viene determinada por el investigador y no por la proporcin real de expuestos que existe en la comunidad. 3. No se puede estudiar ms de una enfermedad simultneamente.

C aptulo 2

pgina 159

Estructura de un estudio transversal

No enfermos No enfermos

No enfermos Enfermos Cncer pulmn

Estratificacin en funcin del Factor de exposicin (F)

Enfermos Cncer pulmn

Enfermos Cncer pulmn

Poblacin

Fumadores

NO Fumadores

C aptulo 2

pgina 160

Ventajas de un estudio de transversal


1. Se pueden estudiar simultneamente en un solo estudio varias: - enfermedades (E) (variables resultado). - factores de riesgo (F) (variables predictoras). 2. Se realizan en un corto periodo de tiempo. 3. Permiten calcular la prevalencia. 4. Permiten realizar posteriormente otros tipos de estudios. - Estudios de seguimiento (COHORTES). - Estudios de casos y controles.

C aptulo 2

pgina 161

Limitaciones de un estudio transversal


Principio de Incertidumbre
No enfermos Factor de exposicin (F): OBESIDAD Dificultad en la interpretacin de una posible relacin causa-efecto

No enfermos

No enfermos Enfermos diabticos DIABETES tipo 2

Estratificacin en funcin del Factor de exposicin (F)

Enfermos diabticos

Enfermos diabticos

Poblacin

Obesos

NO obesos

C aptulo 2

pgina 162

Limitaciones de un estudio transversal


Principio de Incertidumbre

Variable PREDICTORA Factor de exposicin (F)


OBESIDAD

Variable RESULTADO Efecto o Enfermedad (E)


DIABETES tipo2

C aptulo 2

pgina 163

Limitaciones de un estudio transversal


Principio de Incertidumbre
No enfermos

Variable PREDICTORA
Factor de exposicin (F): OBESIDAD No enfermos No enfermos

Enfermos con ARTROSIS de rodilla


Efecto o enfermedad: ARTROSIS DE RODILLA

Estratificacin en funcin del Factor de exposicin (F)

Enfermos con ARTROSIS


Obesos

Enfermos ARTROSIS
NO obesos

Variable RESULTADO

C aptulo 2

pgina 164

Limitaciones de un estudio transversal


Principio de Incertidumbre

Variable PREDICTORA Factor de exposicin (F)


OBESIDAD

Variable RESULTADO Efecto o Enfermedad (E)


ARTROSIS DE RODILLA

C aptulo 2

pgina 165

Utilidades de un estudio transversal


Enfermos Cncer pulmn

PRESENTE
Sanos
Fumadores No fumadores

FUTURO
Enfermos Cncer pulmn

CASOS PREVALENTES

Enfermos Cncer pulmn

Corte transversal previo al seguimiento (cohorte) Proporciona informacin basal para estudios de cohortes posteriores y permiten eliminar del seguimiento a los casos prevalentes.

C aptulo 2

pgina 166

Utilidades de un estudio transversal


Anlisis de un estudio transversal como futuro estudio caso-control
PRESENTE
Fumadores NO Fumadores Sanos Sanos Enfermos Cncer pulmn
Fumadores No fumadores

Enfermos Cncer pulmn

CASOS Estudio caso-control


Enfermos Cncer pulmn

Fumadores No fumadores

CONTROLES

C aptulo 2

pgina 167

Ventajas e inconvenientes del estudio transversal


Ventajas: 1. Se pueden estudiar varias enfermedades (E) o factores de riesgo (F) en un solo estudio 2. Se realizan en un corto periodo de tiempo 3. Permitan calcular la prevalencia 4. Es el primer paso en la realizacin de posteriores estudios... - Estudios de seguimiento (cohortes) - Estudio casos-controles Inconvenientes: 1. Falta de una secuencia temporal 2. No son tiles en enfermedades poco frecuentes ni de corta duracin 3. Sesgo de informacin, seleccin y supervivencia 4. Sesgo de NO respuestas

C aptulo 2

pgina 168

Serie de casos
Ventajas
1. Describen la experiencia de un paciente ( a propsito de un caso) o un grupo de pacientes con un diagnstico similar. 2. Se describe una caracterstica de una enfermedad o de un paciente, que sirven para generar nuevas hiptesis. 3. Con frecuencia se utilizan estos estudios para describir nuevas enfermedades o efectos adversos y por tanto. 4. Son interesantes para mantener una vigilancia epidemiolgica eficiente de la nueva enfermedad o del efecto adverso. 5. Son muy vlidos para formular nuevas preguntas de investigacin sobre el tema (generacin y propuesta de nuevas hiptesis de trabajo).

C aptulo 2

pgina 169

Serie de casos
Limitaciones
1. No sirven para evaluar o testar la presencia de una asociacin estadstica mediante un test de contraste de hiptesis. 2. La presencia de una asociacin puede ser un hecho fortuito. 3. La gran limitacin de este tipo de estudios es en definitiva la ausencia de un grupo control.

Pita Fernndez S. Tipos de estudios clnico epidemiolgicos. Epidemiologa. Conceptos bsicos. En: Tratado de Epidemiologa Clnica. Madrid; DuPont Pharma, S.A.; Unidad de epidemiologa Clnica, Departamento de Medicina y Psiquiatra. Universidad de Alicante: 1995. p. 25-47.

C aptulo 2

pgina 170

Estudios ecolgicos
- La unidad de anlisis no es el individuo sino una agregacin de los mismos (grupos de individuos), basado en reas geogrficas. - Se realiza en la mesa de trabajo de investigador. - Recopilacin de los datos. - Realizacin del clculo estadstico. - Rpidos, econmicos, y fciles de realizar. - tiles cuando no se dispone de informacin a nivel individual (no hay datos individuales solo grupales). - Son el primer paso en muchas ocasiones en la investigacin de una posible relacin entre una enfermedad y una exposicin determinada.

C aptulo 2

pgina 171

Estudio ecolgico

Variable PREDICTORA Factor de exposicin (F)


TABACO

Variable RESULTADO Efecto o Enfermedad (E)


CNCER DE PULMN

Consumo de cigarrillos per capita

Tasa de mortalidad por cncer de pulmn

C aptulo 2

pgina 172

Estudios ecolgicos
EE.UU Ferroviarios

Seven Countries Study


FINLANDIA

HOLANDA Zutphen

ITALIA Crevalcore GRECIA Montegiorgio Creta Roma Corfu

YUGOSLAVIA Belgrado Dalmacia Eslavonia Velika Krsna Zrenjanin

JAPON Tanushimaru Ushibuka

C aptulo 2

pgina 173

Estudio ecolgico

Variable PREDICTORA Factor de exposicin (F)


GRASAS SATURADAS

Variable RESULTADO Efecto o Enfermedad (E)


CARDIOPATA CORONARIA

cidos grasos saturados de la dieta (% de aporte calrico)

Tasas de mortalidad por cardiopata coronaria

C aptulo 2

pgina 174

Estudio ecolgico

Variable PREDICTORA Factor de exposicin (F)


GRASAS SATURADAS

Variable RESULTADO Efecto o Enfermedad (E)


COLESTEROLEMIA

cidos grasos saturados de la dieta (% de aporte calrico)

Tasas de colesterol en sangre (mg/dl)

C aptulo 2

pgina 175

Estudios ecolgicos
5 4 3 2 1 0

E U G V MC DB K Z S N W r = 0,84

5 10 15 20 25 cidos grasos saturados en la dieta (% de aporte calrico)

Tasa de mortalidad por cardiopata coronaria en funcin del contenido en cidos grasos saturados de la dieta (% del aporte calrico). Ambas variables estn significativamente correlacionadas segn un amplio estudio (Seven Countries Study) llevado a cabo en diferentes grupos de poblacin. B = Belgrado, C= Crevalcore, D= Dalmacia, E = este de Finlandia, G = Corf, K = Creta, N = Zutphen, M = Montegiorgio, S = Eslavonia, T = Tanushimaru, U = empleados de ferrocarriles de EEUU, V = Velika Krsna, W = oeste de Finlandia, Z = Zrenjarin.

C aptulo 2

pgina 176

Estudios ecolgicos
280 260

W E B K Z S MC D V
0 5 10 15 20 25 cidos grasos saturados en la dieta (% de aporte calrico)

Colesterolemia (mg/dl)

240 220 200 180 160 140

U N r = 0,89

G T

Valores de colesterol en sangre en relacin con el contenido en cidos grasos saturados de la dieta (% del aporte calrico). Ambas variables estn significativamente correlacionadas segn un amplio estudio (Seven Countries Study) llevado a cabo en diferentes grupos de poblacin. B = Belgrado, C= Crevalcore, D= Dalmacia, E = este de Finlandia, G = Corf, K = Creta, N = Zutphen, M = Montegiorgio, S = Eslavonia, T = Tanushimaru, U = empleados de ferrocarriles de EEUU, V = Velika Krsna, W = oeste de Finlandia, Z = Zrenjarin.

C aptulo 2

pgina 177

Estudios ecolgicos
ESTUDIOS ECOLGICOS

Prevalencia de Enfermedad Heptica Grasa No Alcohlica (EHGNA) en Obesos


Ultrasonographic evaluation
IMC > 30

Semin Liver Dis 2008

NAFLD: Enfermedad Heptica Grasa No alcohlica

C aptulo 2

pgina 178

Estudio ecolgico

Variable PREDICTORA Factor de exposicin (F)


CIGEAS

Variable RESULTADO Efecto o Enfermedad (E)


NATALIDAD HUMANA

Nmero de ejemplares de cigeas

Tasa de natalidad de la poblacin humana

C aptulo 2

pgina 179

Estudio de Bartels (Alemania)


Variable RESULTADO-RESPUESTA-posible EFECTO

Tasa de nacimientos en la poblacin humana

Enero Mayo Junio Agosto Octubre Julio Septiembre Marzo Abril Febrero

Variable cuantitativa continua

Noviembre

Diciembre

Variable PREDICTORA-EXPOSICIN-posible CAUSA

Nmero de ejemplares de cigeas


Variable cuantitativa continua

C aptulo 2

pgina 180

Estudio de Bartels (Alemania)


RESULTADOS: En Alemania, en un mismo ao, descendieron, de forma significativa, la tasa de nacimientos de la poblacin humana y el nmero de ejemplares de cigeas. La correlacin entre ambas variables era alta, lo que demostraba cientficamente su relacin. CONCLUSIN: La baja natalidad alemana en el ao de estudio se explica por la disminucin del nmero de cigeas repartidoras de bebs. La culpa era de las cigeas.

C aptulo 2

pgina 181

Comentarios
- Es muy saludable encontrar detalles de humor. - Si leyramos un supuesto artculo cientfico con esa conclusin tan extravagante, pensaramos sin duda, que se trata de una parodia y como tal la aceptaramos. - Es fcil entender el error porque sabemos que las cigeas no tiene nada que ver con la reproduccin humana, y por tanto se ha buscado errneamente una relacin entre dos variables sin plausibilidad biolgica. - El trabajo est mal planteado, y aunque se hubiera aplicado un tratamiento estadstico aparentemente correcto. - Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre significa que existe una relacin entres las variables evaluadas, y por tanto NO implica una relacin causa efecto.

C aptulo 2

pgina 182

Ventajas e inconvenientes del estudio ecolgico


Ventajas: 1. Se realizan en un corto periodo de tiempo 2. Prcticamente sin coste 3. La informacin necesaria para el estudio est fcilmente disponible 4. Es el primer paso en la realizacin de posteriores estudios... - Estudios de prevalencia - Estudios de seguimiento (cohortes) - Estudio casos-controles Inconvenientes: 1. No pueden determinar si existe una asociacin entre una exposicin y una enfermedad a nivel individual. La falacia ecolgica consiste en obtener conclusiones inadecuadas a nivel individual basados en datos poblacionales. 2. La incapacidad para controlar por variables potencialmente confusoras. La asociacin o correlacin que encontremos entre dos variables puede ser debida a una tercera variable que a su vez est asociada con la enfermedad y la exposicin objeto de estudio

C aptulo 2

pgina 183

Materiales y mtodos (ejemplo)


Estructura
- Tipo de diseo (tipo de estudio) - Sujetos incluidos (criterios de seleccin de la muestra)

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 2

pgina 184

Materiales y mtodos
Estructura
1. Tipo de diseo (estudio) 2. Sujetos incluidos (criterios de seleccin de la muestra) 3. Fuentes de informacin 4. Descripcin de la intervencin y definicin del punto final de la investigacin (estudios experimetales) 5. Instrumentos y procedimientos de medida (cuestionarios) 6. Definicin de las variables y covariables incluidas en el estudio (factor de estudio y criterio de evaluacin) 7. Limitaciones y consideraciones ticas de la investigacin 8. Pruebas estadsticas a utilizar (programa estadstico)

C aptulo 2

pgina 185

Materiales y mtodos (ejemplo)


Estructura
- Fuentes de informacin - Descripcin de la intervencin y definicin del punto final de la investigacin - Instrumentos y procedimientos de medida

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 2

pgina 186

Inmigrantes residentes en el CETI

Prueba de Mantoux

Induracin > 10 mm

Sintomatologa

Radiografa sospechosa

Baciloscopia

Cultivo Lwenstein

C aptulo 3

pgina 187

Captulo 3
Metodologa de Investigacin 2010: Bioestadstica: Variables y Grficos.
Material y mtodos.
Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

C aptulo 3

pgina 188

Materiales
Pacientes
1. Criterios de seleccin de la muestra (inclusin y exclusin). 2. Procedencia. 3. Tcnica de reclutamiento utilizada. 4. Tiempo empleado para reunir a los todos los participantes. 5. Principales caractersticas de los pacientes. - Edad - Sexo - Procedencia - Gravedad - Aos de evolucin de la enfermedad - Patologas asociadas... 6. Clculo de tamao muestral.

C aptulo 3

pgina 189

Tipos de variables

- Variables cualitativas - Categricas nominales - Dicotmicas o Binarias - Policotmicas - Categricas ordinales - Variables cuantitativas - Discretas - Continuas

Categorizacin

C aptulo 3

pgina 190

Tipos de variables

- Variables CUALITATIVAS: Representan una cualidad o atributo que clasifica a cada individuo en una de varias categoras. Pueden ser de dos tipos: - Dicotmicas o binarias: La situacin ms sencilla es aquella en la que se clasifica cada individuo en uno de dos grupos (hombre/mujer, enfermo/sano, fumador/no fumador). - Policotmicas: Es necesario un mayor nmero de categoras (color de los ojos, grupo sanguneo, profesin, etctera). - Variables CUANTITATIVAS: Son aquellas que pueden medirse, cuantificarse o expresarse numricamente. Pueden ser de dos tipos: - Continuas: Son aquellas que si admiten tomar cualquier valor dentro de un rango numrico determinado, con uno o varios decimales (peso, talla, edad). - Discretas: Son aquellas que NO admiten todos los valores intermedios en un rango. Suelen tomar solamente valores enteros (nmero de hijos, abortos, partos, hermanos).

C aptulo 3

pgina 191

Tipos de variables segn la escala de medida

Escalas nominales: Variables NOMINALES: sta es una forma de observar o medir en la que los datos se ajustan por categoras que no mantienen una relacin de orden entre s. - Sexo - Grupo sanguneo - Presencia o ausencia de una enfermedad - Presencia o ausencia de un factor de riesgo. Escalas ordinales: Variables ORDINALES: En las escalas utilizadas para mediarlas existe un cierto orden, grado o jerarqua entre las categoras. - Grado de disnea - Grado de dolor - Intensidad del hbito tabquico - Tipo de fumador

C aptulo 3

pgina 192

Variables cualitativas categricas ordinales

- Grado de disnea - Grado de dolor - Intensidad del hbito tabquico - 1-9 cigarrillos/da - 10-20 cigarrillos/da - > 20 cigarrillos/da - Tipo de fumador - Exfumador - Fumador pasivo - Fumador activo

C aptulo 3

pgina 193

Categorizacin de variables cuantitativas


Variable Cuantitativa continua
Triglicridos

Variable Cualitativa dicotmica


Hipertriglicridemia Normotriglicridemia Categorizacin

Variable Cuantitativa discreta


Test de APGAR

Variable Cualitativa ordinal


Patolgico < 7 Dudoso = 7 Fisiolgico > 7 Categorizacin

C aptulo 3

pgina 194

Tipos de variables
Ejemplos
Variables cualitativas - Categricas nominales - Binarias - Policotmicas - Ordinales Variables cuantitativas - Discretas - Continuas - Sexo - Grupo sanguneo - Hipertensin - Tipo de fumador - Colesterolemia - Nmero de hijos - Nivel econmico - Edad - Peso - Test de apgar

C aptulo 3

pgina 195

Tipos de variables
Ejemplos
Variables cualitativas - Categricas nominales - Binarias - Policotmicas - Ordinales Variables cuantitativas - Discretas - Continuas - Desenlace - Estado civil - Inmunizacin toxoplasma - Intensidad del hbito tabquico - LDL colesterol - Nmero de cigarrillos - Grado de disnea - Aos de evolucin - Hemoglobina - Nmero de hijos

C aptulo 3

pgina 196

Tipos de variables
Variable independiente (X) Controlada por el investigador Informacin disponible Variable predictora Variable previa Exposicin (F) Posible causa Factor Regreso Variable dependiente (Y) Respuesta que no se controla Informacin que se desea conseguir Variable desenlace Variable criterio Resultado (E) Posible efecto Consecuencia Regresando

C aptulo 3

pgina 197

Pruebas estadsticas de contraste de hiptesis ms aplicables a cada situacin


Variable Independiente o PREDICTORA
Cualitativa

Variable Dependiente o RESULTADO


Cualitativa

Pruebas de contraste de hiptesis


Chi cuadrado Prueba exacta de Fisher Test de McNemar REGRESIN LOGSTICA t de Student Anlisis de la Varianza Test de Mann-Whitney Test de Wilcoxon Test de Kruskall-Wallis Test de Friedman Regresin lineal simple Correlacin de Pearson Correlacin de Sperman REGRESIN MLTIPLE Kaplan-Meier Long-Rank Regresin de COX

Observaciones y/o limitaciones del test

Si el tamao muestral es grande Si el tamao muestral es pequeo Muestras repetidas o apareadas Varias variables predictoras cualitativas Compara medias entre dos grupos independientes Compara medias entre mas de dos grupos independientes Dos grupos independientes No paramtricos Dos grupos medidas repetidas No paramtrico Mas de dos grupos No paramtrico, medidas repetidas Mas de dos grupos No paramtrico medidas repetidas Paramtrico Paramtrico No paramtrico Varias variables predictoras cuantitativas Curvas de superviviencia Compara curvas de superviviencia Anlisis Multivariante

Cualitativa

Cuantitativa

Cuantitativa

Cuantitativa

Cualitativa

Superviviencia

C aptulo 3

pgina 198

Fases del anlisis estadstico


1.- ANLISIS DESCRIPTIVO

2.-ANLISIS BIVARIANTE

3.- ANLISIS MULTIVARIANTE

C aptulo 3

pgina 199

Estadsticos descriptivos

Medidas de tendencia central - Media aritmtica - Media geomtrica - Media armnica - Media ponderada - Mediana - Moda Medidas de forma - Asimetra - Curtosis o apuntamiento

Medidas de dispersin - Varianza - Desviacin estndar - Coeficiente de variacin - Error estndar de la media Medidas de posicin - Cuantiles - Percentiles

C aptulo 3

pgina 200

Medidas de tendencia central

- Media aritmtica [x] - Media geomtrica - Media armnica - Media ponderada - Mediana (P50) - Moda

C aptulo 3

pgina 201

Media aritmtica

- Principal medida de tendencia central, pero menos robusta que la media geomtrica o media armnica. - Se deja influir mucho por los valores extremos de la distribucin. - Se suman todos los valores y se divide por el nmero total de individuos. - Expresin con pocos decimales.

C aptulo 3

pgina 202

Ejemplo: Cul es la nota de un alumno del curso de metodologa de investigacin que ha obtenido las siguientes calificaciones?
xi Asistencia a clase (X1) Tesina (prcticas) (X2) Examen inicial (X3) Examen final (X4) Incremento en sus conocimientos (X4 - X3) valor 7,5 5,5 3/14 (2,1) 11/14 (7,8) 8 Peso W1 W2 W3 W4 W5 valor 20% 20% 10% 20% 30%

Media ponderada = 6,7

C aptulo 3

pgina 203

Mediana P50

- Medida de tendencia central robusta, de clculo fcil. - No se deja influir mucho por los valores extremos de la distribucin. - Coincide con el valor central del conjunto ordenado de observaciones que deja por debajo y por encima a la mitad de las observaciones realizadas. - Se debe utilizar siempre en dos casos: - Bajo tamao muestral (para muestras pequeas) y/o - Cuando existen observaciones extremas (perifricos)

C aptulo 3

pgina 204

Medidas de dispersin
- Varianza [s2]

- Desviacin tpica o estndar [s]

- Coeficiente de variacin [CV]

- Error estndar de la media [EE]

C aptulo 3

pgina 205

Cul de las siguientes distribuciones presenta un mayor valor de la media? Cul de las siguientes distribuciones presenta una mayor dispersin?

Cul de las siguientes distribuciones presenta una mayor dispersin? Cul de las siguientes distribuciones presenta un mayor valor de la media?

C aptulo 3

pgina 206

Desviacin estndar (s)


- Medida de dispersin que nos suministra mucha informacin sobre la naturaleza de una variable. - Cuanto ms separados estn los valores de la media mayor ser su dispersin, y mayor ser su desviacin estndar. - Se debe representar como media (desviacin estndar), y NO como media desviacin estndar. - Su magnitud SI depende de las unidades de medida de la variable. NO permite la comparacin directa de la dispersin de varias variables.

C aptulo 3

pgina 207

Coeficiente de variacin (CV)


- Medida de dispersin que relaciona que proporcin porcentual de la media representa la desviacin estndar. - Representa la desviacin estndar medida en unidades de magnitud relativas a la media. - Permite la comparacin directa de la dispersin de varias variables. - Su magnitud NO depende de las unidades de medida de la variable.

C aptulo 3

pgina 208

Cul de las siguientes variables presenta un mayor grado de dispersin?


Repetibilidad interdiaria de los procedimientos de anlisis del metabolismo frrico Componente Hemoglobina Hierro Ferritina Transferrina N 20 20 20 20 Media 121,70 0,99 94,50 3,25 2,39 Desviacin estndar 0,64 0,01 4,24 0,094 0,13 Coeficiente de variacin (CV %) 0,53 1,20 4,49 2,89 5,44

Receptor soluble de la transferina 20

Cul de las siguientes variables presenta un menor grado de dispersin?

C aptulo 3

pgina 209

Distribucin de los valores de una variable x medidos en los individuos de una poblacin

Desviacin estndar: Mide el grado de dispersin de todos los individuos que forman la muestra (s) o la poblacin ().

Sigma : desviacin estndar de los individuos de la poblacin general

Media poblacional desconocida de la que proceden todas las muestras extradas

Distribucin de las medias X observadas en las infinitas muestras de tamao n que pueden obtenerse de una poblacin de media y de desviacin estndar DISTRIBUCIN DE LAS MEDIAS MUESTRALES

Error Estndar de la Media EEM: Mide el grado de dispersin de las medias de todas las posibles muestras que pudieran extraerse de la poblacin. Mide el grado de dispersin de las medias muestrales respecto a la media poblacional (desconocida).

C aptulo 3

pgina 210

Medidas de forma
Asimetra (coeficiente de asimetra 1 de Fisher)
Simtrica (coeficiente de asimetra 1 = 0) Asimtrica (coeficiente de asimetra 1 0)
1 =

i =1 3 R

3
i

Curtosis o apuntamiento (coeficiente 2 curtosis de Fisher)


Mesocrtica (2 = 0) Platicrtica (2 < 0) Leptocrtica (2 > 0)
Coeficiente 2 mide el grado de APLASTAMIENTO de una curva
2 =

Asimetra positiva (coeficiente de asimetra 1 > 0) Asimetra negativa (coeficiente de asimetra 1 < 0)

i =1 4 R

4
i

C aptulo 3

pgina 211

Medidas de forma
Asimetra

1 =
Histograma de frecuencias de una variable cuantitativa con distribucin simtrica (coeficiente de asimetra 1 = 0)
Distribucin normal

3
i =1
i

3 R

[Asimetra] < 2 EEasimetra

C aptulo 3

pgina 212

Medidas de forma
Asimetra

Histograma de frecuencias de una variable cuantitativa con distribucin Asimtrica Positiva (coeficiente de asimetra 1 > 0)

C aptulo 3

pgina 213

Histograma de frecuencias de una variable cuantitativa con distribucin Asimtrica positiva (coeficiente de asimetra 1 > 0)

Moda
%

Mediana Media

* Coeficiente de asimetra 1 > 0 (VALOR POSITIVO) * La Mediana es un valor ms pequeo que la Media * La cola de la distribucin se aleja por la derecha

C aptulo 3

pgina 214

Medidas de forma
Asimetra

Histograma de frecuencias de una variable cuantitativa con distribucin Asimtrica Negativa (coeficiente de asimetra 1 < 0)

C aptulo 3

pgina 215

Histograma de frecuencias de una variable cuantitativa con distribucin Asimtrica negativa (coeficiente de asimetra 1 < 0)

Mediana Media

Moda

* Coeficiente de asimetra 1 < 0 (VALOR NEGATIVO) * La Mediana es un valor ms grande que la Media * La cola de la distribucin se aleja por la izquierda

C aptulo 3

pgina 216

Medidas de forma
Curtosis o apuntamiento Coeficientes 2 de apuntamiento o curtosis de Fisher Mesocrtica (2 = 0) Platicrtica (2 < 0) Leptocrtica (2 > 0)

Distribucin normal

[curtosis] < 2 EEcurtois

C aptulo 3

pgina 217

Segn las medidas de forma Cmo puede clasificarse esta variable?


Asimetra 1 = 0,01 Curtosis 2 = 0,02

Simtrica (1 0) Mesocrtica (2 0)

Distribucin NORMAL

Coeficientes de asimetra 1 y de apuntamiento o curtosis 2 en diversos tipos de distribuciones

C aptulo 3

pgina 218

Segn las medidas de forma Cmo puede clasificarse esta variable?


Asimetra 1 = + 2,98 Curtosis 2 = +11,53

Asimtrica (1 >0)(+) Leptocrtica (2 >0)

Distribucin ANORMAL

Coeficientes de asimetra 1 y de apuntamiento o curtosis 2 en diversos tipos de distribuciones

C aptulo 3

pgina 219

Segn las medidas de forma Cmo puede clasificarse esta variable?


Asimetra 1 = -1,59 Curtosis 2 = +1,97

Asimtrica (1 <0)(-) Leptocrtica (2 >0)

Distribucin ANORMAL

Coeficientes de asimetra 1 y de apuntamiento o curtosis 2 en diversos tipos de distribuciones

C aptulo 3

pgina 220

Segn las medidas de forma Cmo puede clasificarse esta variable?


Asimetra 1 = - 0,04 Curtosis 2 = - 1,37

Simtrica (1 0) Platicrtica (2 <0)

Coeficientes de asimetra 1 y de apuntamiento o curtosis 2 en diversos tipos de distribuciones

C aptulo 3

pgina 221

Segn las medidas de forma Como puede clasificarse esta variable?


Asimetra 1= + 0,135 Curtosis 2 = + 0,320
Simtrica (1 0) Mesocrtica (2 0)

Frecuencia

Sigue una Distribucin Normal?


Distribucin NORMAL

Peso en adultos (Kg)

Test de Kolmogorov - Smirnov = 0,705

p = 0,702

C aptulo 3

pgina 222

Segn las medidas de forma Cmo puede clasificarse esta variable?


Asimetra 1 = + 0,713 Curtosis 2 = + 3,660 Sigue una Distribucin Normal?
Frecuencia
Distribucin ANORMAL

Asimtrica (1 >0)(+) Leptocrtica (2 >0)

Edad

Test de Kolmogorov - Smirnov = 1,498

p = 0,022

C aptulo 3

pgina 223

Medidas de posicin:
Cuartiles y percentiles
120 110 110 95 92 91 90 88 85 76 76 73 72

6 datos

Cuartil 3 = P75 Cuartil 2 = P50 Cuartil 1 = P25

Mediana P50
6 datos

RIC

RIC: Rango intercuartlico

Representacin esquemtica de la Mediana P50 (percentil 50) y de los cuartiles P75 y P25

C aptulo 3

pgina 224

Grficos de caja (box-plot)


Bigote superior
80 70 60 50 40 30 20 10 0

=[1,5 * RI ] + P75 P75

Tercer cuartil

Rango intercuartlico (RI) Tercer cuartil Primer cuartil

Mediana
Primer cuartil
Consumo de Cigarrillos / da

P50 P25

Bigote inferior

= P25 [1,5 * RI ]

Diagrama de caja (box & whister plot)

C aptulo 3

pgina 225

Grficos de caja (box-plot)


Es legtimo un dato puntual cuyo valor es excepcionalmente grande o pequeo? Es 220 un valor mal registrado? Es el resultado de un error o accidente en la experimentacin?
Mediana = 140

220 Bigote superior = 180 P75 = 158

Perifrico o Outlier

RIC = 33 P25 = 125 Bigote inferior

Tensin arterial sistlica (mm Hg)

Diagrama de cajas con un individuo perifrico


Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 3

pgina 226

Grficos de caja (box-plot)


6

Perifricos o Outlier
5

Sigue el sTfR una Distribucin Normal?

sTfR (mg/L)
Receptor soluble de la transferrina en suero (sTfR) 4 3

Tamao muestral N = 121 Distribucin de los valores de sTfR en el grupo de referencia

C aptulo 3

pgina 227

Grficos de caja (box-plot)

Mediana

Variable resultado

Media

Perifrico o Outlier

Grupos de estudio

C aptulo 3

pgina 228

Grficos de histograma
30

Asimetra positiva 1 >0 Mesocrtica 2 =0

Distribucin ANORMAL

Frecuencia (%)

20

10

Perifricos o Outlier

1,50

2,00 2,25 2,50 2,75 3,00 3,25 3,50 3,75 4,00

4,25 4,50

5,00 5,25

Concentraciones del Receptor srico de la transferrina (sTfR) (mg/L)

Histograma de frecuencias de distribucin del sTfR en una poblacin sana

C aptulo 3

pgina 229

Grficos de histograma
195 180 165 150 135 120 105 90 75 60 45 30 15 0 45 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 140

Nmero total de observaciones

Asimetra positiva 1 >0 Mesocrtica 2 =0


Distribucin ANORMAL

Perifricos o Outlier

Tensin arterial diastlica (mm Hg) Histograma de distribucin de la tensin arterial diastlica en el estudio de Venecia N= 1002

C aptulo 3

pgina 230

Distribucin uniforme discreta


120 100

Distribucin uniforme discreta

Frecuencia

80 60 40 20 0 1 2

Nmero de caras

Resultados empricos obtenidos en la realidad despus de lanzar un dado 600 veces


Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 3

pgina 231

Distribucin normal
200 180 160 140

7 = 3+ 4, 4+ 3, 6+1, 1+ 6, 2+ 5, 5+ 2 12 = 6 + 6 2=1+1

Frecuencia

120 100 80 60 40 20 0

Sumas

10

11

12

Resultados empricos (sumatorio) obtenidos en la realidad despus de lanzar dos dados 1000 veces

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 3

pgina 232

Distribucin normal

Frecuencia
6 7

10 11 12 13 14 15 16 17 18 19 20

21 22 23 24 25 26 27

28 29

Sumas
Resultados empricos (sumatorio) obtenidos en la realidad despus de lanzar 5 dados 1000 veces

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 3

pgina 233

Distribucin normal

Cambios que se van produciendo en la distribucin de frecuencias al aumentar el nmero de factores independientes y las repeticiones de la experiencia

Nmero de factores independientes: Nmero de dados Repeticiones de la experiencia: Nmero de tiradas

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 3

pgina 234

La altura de las personas sigue una distribucin normal? De qu depende la altura de una persona?
1. De la altura del padre 2. De la altura de la madre 3. De su nutricin en la infancia y adolescencia 4. De la velocidad de maduracin de su esqueleto 5. Del aporte que reciba de vitamina D 6. Del aporte de calcio 7. Del ejercicio fsico 8. De sus niveles de hormona del crecimiento 9. Otras variables (algunos de ellas desconocidas)

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 3

pgina 235

Caractersticas de la distribucin normal

1. Tener forma de campana. 2. Ser simtrica. 3. Mesocrtica ( no excesivamente plana ni muy picuda). 4. Coincidir la media, mediana y moda. 5. Tener aproximadamente el 95% de sus valores dentro del intervalo media 2 desviaciones estndar.

C aptulo 3

pgina 236

Distribucin normal
- El 100% de los valores deben estar por encima y por debajo de 3 veces la desviacin estndar (s) (valores entre X 3 s) - La distribucin debe ser SIMTRICA. La asimetra en valor absoluto 1 debe ser menor que 2 veces su error estndar [Asimetra] < 2 EEasimetra 1 < 2 EE1 - La distribucin debe ser MESOCRTICA. La curtois en valor absoluto 2 debe ser menor que 2 veces su error estndar [curtois] < 2 EEcurtois 2 < 2 EE2

C aptulo 3

pgina 237

Propiedades de la curva de Gauss

Media D.E. 68% del rea total Media D.E. 68% del rea total Media 2 D.E. 95% del rea total Media 2 D.E. 99% del rea total Media 3 D.E. 95% del rea total
Media 3 D.E. 99% del rea total

C aptulo 3

pgina 238

Qu variables biolgicas siguen una distribucin normal? En qu circunstancias y en qu poblaciones?


- Colesterol srico poblacin sana - Consumo de alcohol - Peso corporal - Bilirrubina en pacientes cirrticos - Urea en sangre en poblacin sana - Urea en sangre en pacientes con insuficiencia renal - Troponina I en poblacin sana - Excrecin urinaria de sodio en orina de 24 horas Asimtrica 1 > 0 (+) Leptocrtica 2 > 0 (+) Distribucin ANORMAL

C aptulo 3

pgina 239

Histograma de la uremia en 504 individuos


Sigue una Distribucin Normal?
80

60

N = 504 Media (x) = 64,8 Desviacin estndar (s) = 44,69

Criterio de normalidad s< x 2

Frecuencia (%)

S (desviacin tpica) < X (media aritmtica) /2 (CV<50%)


40

S (desviacin tpica) > X (media aritmtica)/2 (CV>50%)


20

44,69 > 64,8/2 (32,4) (CV=69%)

0
10 30 50 70 90 110 150 170 190 210 250

Uremia (mg/dl)

Distribucin ANORMAL

C aptulo 3

pgina 240

Histograma de la urea en sangre en 94 pacientes con insuficiencia renal


Sigue una distribucin normal?
20

N = 94 Media (x) = 126 Desviacin estndar (s) = 46,8

s<

x 2

Frecuencia (%)

S (desviacin tpica) < X (media aritmtica)/2 (CV<50%)


10

46,8 < 126/2 (63) (CV=37%)

0
20 65 105 145 185 225

Uremia (mg/dl) en 94 pacientes con IR

Distribucin NORMAL

C aptulo 3

pgina 241

Histograma de la urea en sangre en 410 individuos sin insuficiencia renal


Sigue una distribucin normal?
140 120

Frecuencia absoluta

100 80 60 40 20 0
10 45 80

N = 410 Media (x) = 51 Desviacin estndar (s) = 29,9

s<

x 2

S (desviacin tpica) > X (media aritmtica)/2 (CV>50%) 29,9 > 51/2 (25,5) (CV=59%) Distribucin ANORMAL

110

145

180

Uremia (mg/dl) en 410 individuos sin IR

C aptulo 3

pgina 242

Medidas de tendencia central Medidas de dispersin o variabilidad


Media = 183,9 Desviacin estndar = 82,5 N = 293

40

Valores entre X 3 s (< 431,4)

Distribucin ANORMAL

Frecuencia relativa (%)

S (desviacin tpica) < X (media aritmtica)/2 (CV<50%) 82.5 < 183.9/2 (91.9) (CV=45%) Sigue una Distribucin Normal? X3s

30 20

10 0
20 60 100 140 180 220 260 300 340 380

420

460

Excrecin urinaria de sodio en orina de 24 horas (Na24 h mEq/24)

C aptulo 3

pgina 243

Condiciones y pruebas de normalidad

90 80 70 60 50 40 30 20 10 0

Asimtrica (+) Leptocrtica (2 > 0) s> x 2 CV > 50%

Distribucin ANORMAL

Frecuencia (%)

Perifricos o Outlier

Bilirrubinemia (mg/dl) Distribucin de frecuencias de los niveles de bilirrubina en pacientes cirrticos. (Distribucin Anormal con asimetra positiva)

C aptulo 3

pgina 244

Condiciones y pruebas de normalidad


Transformacin logartmica

Frecuencia

Logaritmos de las concentraciones de bilirrubina srica Distribucin de frecuencias de los logaritmos de los niveles de bilirrubina en pacientes cirrticos. Con esta transformacin matemtica se corrige la asimetra positiva anterior

C aptulo 3

pgina 245

Troponina I en poblacin sana


50% 50 %

40%

40%

97.5% URL
30% 30%

99% URL
20 % 20%

) % V C ( n s i c e r p m I l a t o T

i t p l a m f o y c n u q e r F

10%

10%

0% 0,00 0,02 0,04 0,06 0,08 0,10 cTnI g/L 0,12 0,14 0,16 0 ,18 0,20

0% 5

0.03 ng/mL

0.06 ng/mL

C aptulo 3

pgina 246

Test de Normalidad

- Test de Kolmogoroff-Smirnoff-Lilliefors - Test de Shapiro-Wilk - Test de DAgostino - Test de Anderson-Darling - Test chi-cuadrado de bondad de ajuste - Contraste de asimetra - Test de Curtosis: Contraste de apuntamiento, sirve para contrastar la hiptesis de que el coeficiente de apuntamiento (CAp ) es cero. Propiedad que verifica la distribucin normal - Test de Jarque-Bera

C aptulo 3

pgina 247

Test de Kolmogorov-Smirnov
- Es el test de normalidad ms difundido en los programas estadsticos de uso frecuente. - Otorga un peso menor a las observaciones extremas (perifricos o outlier) y por ello es menos tolerante a las desviaciones que normalmente se producen en estos tramos distales. - Cuando se dispone de un nmero suficiente de datos (amplio volumen muestral), los dems test de normalidad sern capaces de detectar diferencias pequeas an cuando estas no sean relevantes para la mayor parte de los objetivos, por eso se recomienda el test de Kolmogorov-Smirnov . - Se basa en la idea de comparar la funcin de distribucin acumulada de los datos observados con la de una distribucin normal, midiendo la mxima distancia entre ambas curvas. - Como en todos los test de contraste de hiptesis, la hiptesis nula (Ho) se rechaza cuando el valor del estadstico calculado supera un cierto valor crtico (tabulado) que se obtiene de una tabla de clculo de probabilidades p > 0,05 se acepta la Ho (se cumple la normalidad), se pueden usar test paramtricos p < 0,05 se acepta la Ha (no se cumple la normalidad), se deben usar test NO paramtricos

C aptulo 3

pgina 248

Test de Jarque-Bera
El test de Jarque-Bera se realiza para contrastar:
- H0: 1= 2=0, lo que significa simetra y curtsis exactas (k=0) - H1: 1 0 2 0 lo que significa que existe curtsis (k0) o asimetra.

La consecuencia es que si existe asimetra o curtsis falla la normalidad.


- H0: p > 0,05 - H1: p < 0,05
simetra y curtsis exactas (k=0)

curtsis (k0) o asimetra

test paramtricos test NO paramtricos

Al contrastarlo conjuntamente (curtsis y asimetra) exige un fallo mayor de alguna de ellas o de ambas para rechazarse.

1 =

i =1 3 R

3
i

2 =

4
i =1
i

4 R

12 22 JB = t + t = T + 3 6 24
2 1 2 2

C aptulo 3

pgina 249

Test de Jarque-Bera
Asimetra positiva Asimetra negativa: casi nula: mediana mediana mayor que menor que la media la media Forma terica de la normal

JARQUE-BERA NORMALITY TESTCHI-SQUARE = 1.54 P-VALUE = 0.463 (p > 0,05)

Se acepta la H0
H0: 1= 2=0, lo que significa simetra y curtsis exactas. DISTRIBUCIN NORMAL
Forma terica de la distribucin emprica

Curtsis negativa: mas apuntamiento que la normal

C aptulo 3

pgina 250

Estadstica descriptiva

TIPO DE DISTRIBUCIN ndice de tendencia central ndice de dispersin Peso de valores extremos (outlier o perifricos) Fiabilidad del estadstico

SIMTRICA Media EEM Importante Mucha

ASIMTRICA Mediana Rango intercuartil Escaso o nulo Poca

C aptulo 4

pgina 251

Captulo 4
Metodologa de Investigacin 2010: Bioestadstica: Clculo del Tamao Muestral, Error y .
Material y mtodos.
Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

C aptulo 4

pgina 252

Materiales y mtodos
Estructura
1. Tipo de diseo (estudio) 2. Sujetos incluidos (criterios de seleccin de la muestra) 3. Fuentes de informacin 4. Descripcin de la intervencin y definicin del punto final de la investigacin (estudios experimentales) 5. Instrumentos y procedimientos de medida (cuestionarios) 6. Definicin de las variables y covariables incluidas en el estudio (factor de estudio y criterio de evaluacin) 7. Limitaciones y consideraciones ticas de la investigacin 8. Pruebas estadsticas a utilizar (programa estadstico)

C aptulo 4

pgina 253

Material
Pacientes
- Criterios de seleccin de la muestra (inclusin y exclusin) - Procedencia - Tcnica de reclutamiento utilizada - Tiempo empleado para reunir a los todos los participantes - Principales caractersticas de los pacientes Edad Sexo Procedencia Gravedad Aos de evolucin de la enfermedad Patologas asociadas... - Clculo de tamao muestral

C aptulo 4

pgina 254

Seleccin de la muestra

Poblacin

Seleccin aleatoria TCNICAS DE MUESTREO ERROR ALEATORIO

Muestra

Parmetro Media poblacional

Inferencia

Estadstico X Media muestral

Estructura del proceso de la INFERENCIA ESTADSTICA

C aptulo 4

pgina 255

INFERENCIA ESTADSTICA: Es el conjunto de procedimientos estadsticos que permiten pasar de lo particular (la muestra) a lo general (la poblacin). TCNICAS DE MUESTREO: Es el conjunto de procedimientos que permiten elegir muestras que sean representativas de la poblacin (de todos los individuos de la poblacin). ERROR ALEATORIO: Es el error que se comete al estudiar un problema en base a una muestra elegida al azar (es siempre un error inevitable). La imposibilidad de estudiar a todos los individuos de la poblacin obliga al investigador a trabajar con muestras, lo que supone siempre cometer un error aleatorio.

C aptulo 4

pgina 256

Proceso de seleccin de individuos para el estudio


Poblacin diana: Conjunto de individuos al que hace referencia la pregunta principal del objetivo del estudio. Es la poblacin a la que se deseara generalizar los resultados obtenidos. Se define principalmente sobre la base de caractersticas demogrficas y clnicas generales. Criterios de seleccin Validez externa

Poblacin de estudio: Es un subconjunto de la poblacin diana definida por criterios de seleccin establecidos en un protocolo. Esta poblacin presenta determinadas caractersticas geogrficas y temporales que la hacen accesible al estudio. Muestreo Validez interna

Muestra: Es un conjunto de individuos que pueden ser estudiados en el momento de realizar el estudio y que cumplen con los criterios definidos en el protocolo de estudio.

C aptulo 4

pgina 257

Poblacin diana: Pacientes con HTA esencial del rea sanitaria de Ceuta. Criterios de seleccin Validez externa

Poblacin de estudio: Pacientes con HTA esencial leve-moderada de edad comprendida 40-60 aos del rea sanitaria de Ceuta.

Muestreo

Validez interna

Muestra: Pacientes con HTA esencial leve-moderada de edad comprendida 40-60 aos registrados en los ficheros del Centro de Salud 1 que incluyen la edad y el sexo.

C aptulo 4

pgina 258

Poblacin diana: Poblacin peditrica de Ceuta. Criterios de seleccin Validez externa?

Poblacin de estudio: Nios que acuden a la consulta de Atencin al nio sano de Atencin Primaria de edad comprendida 12-14 aos. Muestreo Validez interna?

Muestra: Nios que acuden al Programa de Atencin al nio sano de los centros de Salud de Atencin Primaria de edades comprendida entre 12-14 aos que sus madres demandan la realizacin de una analtica rutinaria completa.

C aptulo 4

pgina 259

Poblacin diana: Poblacin gestante de Ceuta. Criterios de seleccin Validez externa

Poblacin de estudio: Mujeres gestantes del rea sanitaria que acuden a la consulta de Obstetricia del INGESA de Ceuta.

Muestreo

Validez interna

Muestra: Mujeres gestantes del rea sanitaria de Ceuta que acuden a la consulta de Obstetricia del INGESA embarazo controlado- con cartilla de embarazo completa, que incluyen las variables predictoras (etnia, nivel cultural, edad, etc) y la variable resultado (determinacin de anticuerpos frente al virus de la rubeola en el primer trimestre) incluidas en el estudio.

C aptulo 4

pgina 260

Proceso de seleccin de individuos para el estudio


Poblacin diana: Poblacin inmigrante de Ceuta. Criterios de seleccin Validez externa

Poblacin de estudio: Individuos inmigrante residentes en el campamento de Calamocarro de Ceuta atendidos por el personal sanitario.

Muestreo

Validez interna

Muestra: Individuos inmigrante residentes en el momento del estudio en el campamento de Calamocarro de Ceuta atendidos por el personal sanitario, y en cuya ficha se haban recogido las variables predictoras (filiacin, pas de origen, edad, as como el resultado de todas las pruebas complementarias (incluido la Variable resultado: prueba de la tuberculina) incluidas en el estudio.

C aptulo 4

pgina 261

Material
Pacientes
- Criterios de seleccin de la muestra (inclusin y exclusin) - Procedencia - Tcnica de reclutamiento utilizada - Tiempo empleado para reunir a los todos los participantes - Principales caractersticas de los pacientes Edad Sexo Procedencia Gravedad Aos de evolucin de la enfermedad Patologas asociadas... - Clculo de tamao muestral

C aptulo 4

pgina 262

Qu error alfa y que error beta estoy dispuesto a asumir? Cuntos pacientes debo elegir para que mi estudio sea correcto?

C aptulo 4

pgina 263

Concepto e importancia y utilidad prctica del error alfa () y error beta ()


- Determinacin del tamao muestral - Estudios para determinar parmetros poblacionales (solo error alfa) Estimacin de una proporcin Estimacin de una media - Estudios para contraste de hiptesis (error alfa y beta) Comparacin de dos proporciones Comparacin de dos medias Correlacin entre dos variables cuantitativas - Rentabilidad diagnstico de una prueba-test - Exactitud Sensibilidad Especificidad - Seguridad Valor predictivo positivo (VPP) Valor predictivo negativo (VPN).

C aptulo 4

pgina 264

Riesgos al tomar decisiones


Ejemplo: Se juzga a un individuo por la presunta comisin de un delito
H0: Hiptesis nula - Es inocente (no se encuentra indicios de culpabilidad) Los datos pueden refutarla Es la hiptesis que se acepta si las pruebas no indican lo contrario Rechazarla por error tiene graves consecuencias (condenar a un inocente)

H1: Hiptesis alternativa - Es culpable (se encuentra indicios de culpabilidad)

No debera ser aceptada sin una gran evidencia a favor. Rechazarla por error tiene consecuencias consideradas menos graves que la anterior (liberar a un delincuente)

C aptulo 4

pgina 265

Tipos de error al tomar una decisin


Tipos de error al tomar una decisin Culpable Veredicto Resultado de la prueba Sentencia del juez Culpable OK Hiptesis ALTERNATIVA No error aceptada VP Ha Inocente Hiptesis NULA aceptada Ho Error FN Menos grave: Liberar un culpable Realidad Inocente Error Muy grave FP Encarcelar a un inocente OK No error VN

C aptulo 4

pgina 266

Hiptesis nula (Ho): No existen diferencias significativas en la eficacia clnica de dos frmacos A y B (A=B) Hiptesis alternativa (Ha): Existen diferencias en la eficacia clnica de dos frmacos A y B (A B) A>BA<B
Tipos de ERROR ALEATORIO en una prueba estadstica de contraste de hiptesis

A B Ha AB Ha A=B Ho VP FN FP VN

Ho

A=B

Error tipo I (alfa): El investigador rechaza la Ho siendo esta verdadera en la poblacin (el investigador concluye que existe diferencia cuando en realidad no la hay). Error tipo II (beta): El investigador no rechaza la Ho siendo esta falsa en la poblacin (el investigador concluye que ha sido incapaz de encontrar una diferencia que existe en la realidad).

C aptulo 4

pgina 267

Tipos de error al contrastar hiptesis


Realidad H0 Falsa AB Rechazo H0 Acepto H1 AB Correcto El tratamiento nuevo B tiene mayor efecto que A y el experimento lo confirma. VP No Rechazo H0 Acepto H0 A=B Error de tipo II El tratamiento nuevo B realmente si tiene mayor efecto que el antiguo A pero no lo percibimos en nuestro estudio. Probabilidad FN H0 Cierta A=B Error de tipo I El tratamiento nuevo B realmente no es mejor que el antiguo A pero se decide errneamente que s. Probabilidad FP Correcto El tratamiento nuevo B no tiene mayor efecto que el antiguo A y as se decide. VN

C aptulo 4

pgina 268

Tipos de error al contrastar hiptesis


Realidad H0 Falsa AB Rechazo H0 Acepto H1 AB Encuentro pruebas (+) p < 0,05 Correcto Se rechaza la hiptesis nula (H0) (se dice que los resultados son estadsticamente significativos y es verdad. VP No Rechazo H0 Acepto H0 A=B No encuentro pruebas (-) p > 0,05 Error de tipo II No se rechaza la hiptesis nula (H0) (se dice que no hay diferencias significativas) pero nos equivocamos. Probabilidad FN H0 Cierta A=B Error de tipo I Se rechaza la H0 (se dice que los resultados son estadsticamente significativos) pero nos equivocamos. Probabilidad FP

Error ALFA

Correcto No se rechaza la hiptesis nula H0 (el azar puede explicar las diferencias observadas en los datos), y es verdad. VN

Error BETA

C aptulo 4

pgina 269

Tipos de error al contrastar hiptesis


Realidad H1 H1 Encuentro pruebas (+) p < 0,05 Acierto (1- ) POTENCIA ESTADISTICA VP H0 Error de tipo II No encuentro pruebas (-) p > 0,05 FN Acierto (1- ) H0 Error de tipo I FP

Error ALFA

Error BETA

VN

POTENCIA ESTADSTICA: Es la capacidad del estudio para detectar una diferencia si sta existe realmente.

C aptulo 4

pgina 270

El error tipo I (error alfa)

- En nuestro estudio se concluye diciendo que hay diferencias cuando realmente no las hay. - Se detecta significacin estadstica (p < 0,05) y se rechaza H0, cuando en realidad sta es verdadera. - La probabilidad de cometer este error es lo que mide la p. FALSOS POSITIVOS

C aptulo 4

pgina 271

El error tipo II (error beta)

- Cuando los resultados de nuestro estudio NO son significativos (p>0,05) se concluye diciendo que no hay diferencias (estudio negativo) cuando realmente SI las hay, pero nosotros no hemos sido capaces de detectarlas - La probabilidad de tomar esta decisin (y aceptar la H0) siendo incorrecta se llama error beta. - En realidad existen diferencias pero el estudio ha sido incapaz de detectarlas! - Son los falsos negativos. FALSOS NEGATIVOS

C aptulo 4

pgina 272

Recomendaciones para disminuir el error alfa () tipo I


- Disponer de una teora que gue la investigacin, evitando el salir de pesca con el ordenador buscando asociaciones entre variables. - Disminuir el nmero de test estadsticos llevados a cabo en el estudio. - Depurar la base de datos para evitar errores de valores extremos que puedan producir hallazgos significativos. - Utilizar valores de alfa ms reducidos (0,01 0,001). - Reproducir el estudio. Si al reproducir el estudio se obtienen resultados similares, estaremos ms seguros de no estar cometiendo el error de tipo I.

Pita Fernndez S, Prtega Daz S. Significancia estadstica y relevancia clnica. Cad Aten Primaria 2001; 8: 191-195.

C aptulo 4

pgina 273

Recomendaciones para disminuir el error beta () tipo II


- Incrementar el tamao de la muestra. - Estimar el poder estadstico del estudio (1 ). - Incrementar el tamao del efecto a detectar. - Incrementar el valor de alfa. - Utilizar test paramtricos (ms potentes) en lugar de test no paramtricos

Pita Fernndez S, Prtega Daz S. Significancia estadstica y relevancia clnica. Cad Aten Primaria 2001; 8: 191-195.

C aptulo 4

pgina 274

Importancia del error alfa y error beta


- Determinacin del tamao muestral - Estudios para determinar parmetros poblacionales (solo error alfa) - Estimacin de una proporcin. - Estimacin de una media. - Estudios para contraste de hiptesis (error alfa y beta). - Comparacin de dos proporciones. - Comparacin de dos medias. - Correlacin entre dos variables cuantitativas. - Rentabilidad diagnstico de una prueba-test. - Sensibilidad. - Especificidad. - Valor predictivo positivo (VPP). - Valor predictivo negativo (VPN).

C aptulo 4

pgina 275

Clculo del tamao muestral de un parmetro


1. VARIABILIDAD del parmetro que se desea estimar - Variables cuantitativas: varianza - Variables cualitativas: 1-P
1. Variabilidad del parmetro Cuando esta variabilidad es desconocida - Bibliografa - Datos propios previos - Estudio piloto

2. PRECISIN (i) con la que se desea obtener la estimacin (amplitud deseada del IC). Se fija i previo al estudio. Cuanto ms precisin mas estrecho ser el IC, y mayor deber ser el volumen muestral.
2. Precisin

3. NIVEL DE CONFIANZA deseado (generalmente 95%), que corresponde a un valor de alfa de 0,05. Este valor indica el grado de confianza de que el verdadero valor poblacional desconocido del parmetro en estudio se site en el intervalo obtenido.
3. Nivel de confianza 95%

C aptulo 4

pgina 276

Frmulas para el clculo del nmero de sujetos necesarios para la realizacin de un estudio cuyo objetivo es la estimacin de un parmetro Estimacin de una variable CUALITATIVA (proporcin - prevalencia)

N=

Z2 * P * (1- P) i2

Estimacin de una variable CUANTITATIVA (MEDIA)

N=

Z2 * s2 i2

N = nmero de sujetos necesarios Z 2 = Valor del estadstico Z correspondiente al riesgo alfa fijado ( = 0,05) P = Valor de la proporcin (prevalencia) que se supone que existe en la poblacin S2 = Varianza de la distribucin de la variable cuantitativa que se supone que existe en la poblacin i: Precisin con que se desea estimar el parmetro

C aptulo 4

pgina 277

Influencia del valor supuesto de la proporcin (P) o prevalencia (variabilidad del Parmetro que se desea estimar sobre el nmero de sujetos necesarios N (tamao muestral mnimo necesario). INFLUENCIA DE LA PROPORCIN
1. Variabilidad del parmetro Prevalencia 0,10 0,20 0,30 0,40 0,50 2. Precisin (i = 0,05) Precisin (i = cte) 0,05 (5%) 0,05 (5%) 0,05 (5%) 0,05 (5%) 0,05 (5%) Postura de mxima indeterminacin 3. Nivel de confianza 95% = 0,05 Tamao muestral (N) 138 246 323 369 384

Todos los clculos han sido realizados con un nivel de confianza del 95% P = valor supuesto de la proporcin que se desea estimar. i = precisin de la estimacin, que corresponde a la mitad del intervalo de confianza (P i) N = nmero de sujetos necesarios para realizar la estimacin de P con la precisin deseada y el 95% de confianza

i = Z P (1 P) / N

C aptulo 4

pgina 278

Influencia de la precisin (i) de la estimacin sobre el nmero de sujetos necesarios N (tamao muestral mnimo necesario).

INFLUENCIA DE LA PRECISIN
1. Variabilidad del parmetro (P=cte) Prevalencia 0,40 0,40 0,40 0,40 0,40 2. Precisin (i = 0,05) Precisin (i = cte) 0,1 (10%) 0,075 (7,5% 0,050 (5%) 0,025 (2,5%) 0,01 (1%) 3. Nivel de confianza 95% = 0,05 Tamao muestral (N) 92 164 369 1475 9220

i = Z P (1 P) / N
Todos los clculos han sido realizados con un nivel de confianza del 95% ( = 0,05) P = valor supuesto de la proporcin que se desea estimar. i = precisin de la estimacin, que corresponde a la mitad del intervalo de confianza (P i) N = nmero de sujetos necesarios para realizar la estimacin de P con la precisin deseada y el 95% de confianza

C aptulo 4

pgina 279

C aptulo 4

pgina 280

Cul es el tamao muestral necesario para conocer la prevalencia de inmunizacin toxoplsmica en la ciudad de Ceuta?

Postura de mxima indeterminacin

Precisin 5% i = 0,05 Tamao muestral necesario (n) para conocer la prevalencia de inmunizacin frente a Toxoplasma gondii en la poblacin de la ciudad de Ceuta

C aptulo 4

pgina 281

Variabilidad Precisin 5% i = 0,05 Nivel de confianza 95% = 0,05

i = 0,05 Precisin 5%

Tamao muestral necesario (n) para conocer la prevalencia de inmunizacin frente a Toxoplasma gondii en la poblacin de la ciudad de Ceuta

C aptulo 4

pgina 282

Cul es el tamao muestral necesario para conocer la prevalencia de rasgo beta-talasmico en la ciudad de Ceuta?

i = 0,005 Precisin 0,5%

C aptulo 4

pgina 283

Variabilidad Precisin i = 0,5%

i = 0,005 Precisin 0,5%

Nivel de confianza 95% = 0,05

C aptulo 4

pgina 284

Cuntas personas tenemos que estudiar para conocer la prevalencia de diabetes tipo 2 en el distrito de salud X de Ceuta que atiende a una poblacin de 15.000 habitantes?
1. 2. 3. Proporcin esperada: asumamos que puede ser prxima al 5% Precisin (i)(d): 3% Nivel del confianza (seguridad): 95%

n = 203 personas del distrito de salud X 4. Tamao de la poblacin de origen (poblacin atendida por el distrito de salud X)

n = 200 personas del distrito de salud X


Pita Fernndez S. Determinacin del tamao muestral. Cad Aten Primaria 1996; 3: 138-144.

Pita Fernndez S. Determinacin del tamao muestral. Cad Aten Primaria 1996; 3: 138-144.

C aptulo 4

pgina 285

Clculo del tamao muestral para contraste de hiptesis


1. Magnitud de la diferencia a detectar que tenga inters clnico. - Comparacin de dos medias. - Comparacin de dos proporciones: P1 y P2. 2. Aproximacin de los parmetros de la variable que se estudia (bibliografa o estudios previos). 3. NIVEL DE CONFIANZA deseado o seguridad del estudio (generalmente 95%), que corresponde a un valor de de 0,05 (riesgo de cometer un error alfa). 4. PODER ESTADSTICO (1- )(riesgo de cometer un error ). 5. Definir si la hiptesis va a ser unilateral o bilateral. - Bilateral: cualquiera de los dos parmetros a comparar puede ser mayor o menor que el otro (no hay direccin) (A B). - Unilateral: cuando se considera que uno debe ser mayor que el otro (direccin de las diferencias) (A < B).

C aptulo 4

pgina 286

Prueba UNILATERAL: Se utiliza cuando se pretende determinar si el frmaco nuevo B es ms eficaz que el clsico A, es decir, tan solo interesa una de las direcciones de la comparacin (B > A), interesa demostrar que B sea ms efectivo que A. DISTRIBUCIN NORMAL TIPIFICADA (Z)
Valores de la distribucin normal tipificada (Z) correspondientes al valor del 5% en las pruebas estadsticas unilaterales y bilaterales. Las pruebas unilaterales especifica la direccin de la diferencia. Las pruebas bilaterales NO especifica la direccin de la diferencia. Ho: hiptesis nula Ha: hiptesis alternativa : valor de la diferencia en la poblacin o: valor de la diferencia observada en el estudio Las pruebas UNILATERALES especifica la direccin de la diferencia. Ho: o Ha: o >

Una sola cola

Z 1-

= 0,05

B>A
Las pruebas BILATERALES NO especifica la direccin de la diferencia. Ho: o = Ha: o

Z = 1.645 Dos colas

Z 1- /2

AB

Z = - 1.96

Z = 1.96

Prueba BILATERAL: Se utiliza cuando se pretende determinar si dos frmacos A y B difieren en su efectividad clnica (A B)

C aptulo 4

pgina 287

Pruebas de contraste unilateral:


Riesgo en la toma de decisiones
Se utiliza cuando se pretende determinar si el frmaco nuevo B es ms eficaz que el clsico A, es decir, tan solo interesa una de las direcciones de la comparacin (B > A)

Ho

Ha

Una sola cola B>A Riesgo alfa = 0,05 Z = 1,645

Riesgo beta error

1 - = Nivel de confianza Probabilidad de Ho cuando esta es cierta

1 - = Potencia estadstica Probabilidad de Ha cuando esta es cierta

C aptulo 4

pgina 288

Pruebas de contraste bilateral:


Riesgo en la toma de decisiones
Se utiliza cuando se pretende determinar si dos frmacos A y B difieren en su eficacia clnica (A B)
Riesgo beta error

Dos colas

Riesgo beta error

B<A
/2 = 0,025

B>A
/2 = 0,025

Z = - 1.96

Z = 1.96

Riesgo alfa = 0,05 se distribuye simtricamente a cada lado 0,025

C aptulo 4

pgina 289

Ejemplo de comparacin de clculo del tamao muestral para comparacin de dos proporciones a una sola cola
Deseamos evaluar si el nuevo frmaco B es mejor que el tratamiento clsico A para el alivio del dolor, para lo que diseamos un ensayo clnico. Sabemos por datos previos (bibliografa) que la eficacia del frmaco A es prxima al 70% y consideramos clnicamente relevante si el nuevo frmaco B alivia el dolor en un 90%. Nuestro nivel de riesgo alfa lo fijamos en 0.05 (error =5%) y deseamos un poder estadstico (1- ) de un 80% (error =20%). Cul es el volumen muestral?

B>A

Una sola cola Z = 1.645

n = 48 pacientes En cada grupo (A y B) precisamos 48 pacientes.


Pita Fernndez S. Determinacin del tamao muestral. Cad Aten Primaria 1996; 3: 138-144.

C aptulo 4

pgina 290

Ejemplo de comparacin de clculo del tamao muestral para comparacin de dos proporciones a dos colas.
Sabemos por datos previos (bibliografa) que la mortalidad del frmaco A es prxima al 31% comparada con el frmaco B que tiene una tasa de mortalidad del 40%. Nuestro nivel de riesgo alfa lo fijamos en 0.05 (error =5%) y deseamos un poder estadstico (1- ) de un 90% (error =10%). Cul es el volumen muestral?

Dos colas

Z = 1.96

BA

Necesitamos un total de 1184 pacientes, 592 para cada grupo (A y B).

C aptulo 4

pgina 291

Clculo del tamao de la muestra por software (ejemplo)


El clculo resulta an ms fcil, cuando se utiliza un software. Por ejemplo utilizando el software gratuito PS: Power and Sample Size Program, tenemos que introducir los valores correspondientes a: 1. Las tasa de mortalidad en los grupos que recibieron el tratamiento A y B (0.31 y 0.40). 2. El nivel de significacin estadstica (ERROR ALFA del 5%) (p < 0.05) . 3. El poder estadstico del estudio (ERROR BETA del 10%) (0.90) asumido para obtener el tamao muestral por cada grupo.

C aptulo 4

pgina 292

C aptulo 4

pgina 293

Ejemplo del clculo del tamao muestral para el clculo del coeficiente de correlacin entre dos variables cuantitativas
Supongamos que se desea estudiar la asociacin entre la edad y el nivel de colesterol entre los pacientes de un centro de salud. Se disea un estudio piloto en el que se determinar mediante una analtica el colesterol en una muestra aleatoria de los pacientes durante un periodo de tiempo prefijado, de los que tambin se registrar su edad. Se obtiene un valor del coeficiente de correlacin lineal de Pearson entre la edad y el colesterol de r=0,3. Aplicando las frmulas, con un NIVEL DE CONFIANZA del 95% (error =5%) y un PODER ESTADSTICO del 80% (error =20%), se obtiene:
En este caso, se necesitara incluir a 85 pacientes para llevar a cabo el estudio.

Si, adems, en este ltimo caso se prev un 20% de posibles prdidas de informacin durante la ejecucin del estudio, el tamao muestral se recalcula segn la expresin:
Es decir, se necesitara una muestra de 107 pacientes para llevar a cabo la investigacin. Prtegas Daz S , Pita Fernndez S. Determinacin del tamao muestral para calcular la significacin del coeficiente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211.

C aptulo 4

pgina 294

Frmulas para el clculo del poder estadstico (1) en funcin del tipo de diseo del estudio.

Clculo del poder estadstico de un estudio.


Prtegas Daz S, Pita Fernndez S. Unidad de Epidemiologa Clnica y Bioestadstica. Complexo Hospitalario-Universitario Juan Canalejo. La Corua

C aptulo 4

pgina 295

Valores de los estadsticos Z ms frecuentemente utilizados en el clculo del tamao muestral considerando el error y Error Seguridad (1 - ) Test unilateral Z 1- 1,645 2,326 0,10 0,20 Test bilateral Z 1- /2 1,96 2,576 Z 1- 1,282 0,842

0,05 0,01 Error 0,10 0,20

95% 99% Poder estadstico (1 ) 90% 80%

C aptulo 4

pgina 296

Asociacin observada p < 0,05 Estadsticamente significativa p > 0,1 Estadsticamente NO significativa

AB VP FP
Verdadera

A=B VN
(no existe asociacin)

Verdadera

FN

Falsa
Error
Sesgo

Falsa
Comparacin poco sensible

Utilidad clnica Sin inters prctico

Error

Nmero insuficiente de sujetos Sesgo

Interpretacin de una asociacin (o diferencia) observada en un estudio

C aptulo 4

pgina 297

Interpretacin de una asociacin (o diferencia) observada en un estudio error alfa ()


La probabilidad de encontrar resultados FALSOS POSITIVOS FP (error alfa ) aumenta notablemente con el nmero de comparaciones injustificadas realizadas entre las distintas variables durante el anlisis (ir de pesca). Estudios que sin apoyarse en ninguna hiptesis a PRIORI (estrategia de anlisis), consideran todas las variables de igual importancia (hiptesis a POSTERIORI), analizndolas unos contra otras (sin criterio), esperando a ver que se encuentra

C aptulo 4

pgina 298

Decisiones que se pueden tomar en un test de contraste de hiptesis despus de conocer el valor de significacin estadstica p
p < 0,05 AB p 0,10 A=B Se rechaza la hiptesis nula No parece que el azar pueda explicarlo todo El EFECTO observado es mayor que el ERROR Hay diferencias estadsticamente significativas Existen evidencias a favor de la hiptesis alternativa Ha, y por tanto rechazamos la hiptesis nula Ho No se puede rechazar la hiptesis nula No se puede descartar que el azar lo explique todo El EFECTO observado es similar que el ERROR NO hay diferencias estadsticamente significativas NO existen evidencias a favor de la hiptesis alternativa Ha, y por tanto aceptamos la hiptesis nula Ho

Los lmites de 0,05 y 0,1 pueden ser considerados en cierto modo arbitrarios y aproximados

C aptulo 4

pgina 299

Bioestadstica: Error y
Influencia de los errores y en la rentabilidad clnica de las pruebas diagnsticas Evaluacin de las pruebas diagnsticas

C aptulo 4

pgina 300

Evaluacin de las pruebas diagnsticas

- Exactitud (validez, efectividad o rentabilidad). - Sensibilidad. - Especificidad. - Seguridad: valores predictivos. - Valor predictivo positivo (VPP). - Valor predictivo negativo (VPN). - Razn de verosimilitud. - Curvas roc. - Reproductivilidad. - Invasividad. - Coste econmico (URV).

C aptulo 4

pgina 301

Hiptesis nula (Ho): No existen diferencias significativas en la eficacia clnica de dos frmacos A y B (A = B) Hiptesis alternativa (Ha): Existen diferencias en la eficacia clnica de dos frmacos A y B (A B) A>B A<B
Realidad Existe diferencia (Ha verdadera) Se produce un cierto solapamiento en las distribuciones de probabilidad de la Ho y de la Ha, en este solapamiento siempre aparece el error y asumido, el cual ser mayor o menor en funcin del resultado o diferencia observada en nuestro estudio Resultado de la prueba estadstica p < 0,05 Acepto la Ha p > 0,05 Acepto la Ho No error VP (1-) No existe diferencia (Ho verdadera) Error tipo I FP ( )

Error tipo II No error FN () VN

Resultados de una prueba de significacin estadstica Ho: hiptesis nula (no hay diferencias significativas) X: distribucin de la diferencia cuando Ho es cierta Y: distribucin de la diferencia cuando Ha es cierta R: resultado (diferencia) observado en nuestro estudio

C aptulo 4

pgina 302

Riesgo alfa y riesgo beta


Se produce un cierto de la Ho y de la Ha, en este solapamiento siempre aparece el error y asumido, el cual ser mayor o menor en funcin del resultado o diferencia observada en nuestro estudio

Ho

Ha

Riesgo beta error


Se acepta Ho Se rechaza Ha Se acepta Ha Se rechaza Ho

Riesgo alfa error 0,05 Significacin estadstica

C aptulo 4

pgina 303

Tipos de error en las pruebas diagnsticas


Tipos de error al tomar una decisin Enfermos Test de laboratorio Positivo (+) Hiptesis alternativa VERDADEROS POSITIVOS VP (1- ) FALSO NEGATIVO error Error Menos grave Realidad Sanos FALSO POSITIVO error Error Muy grave

Negativo (-) Hiptesis nula

VERDADEROS NEGATIVOS VN

C aptulo 4

pgina 304

Tipos de error en las pruebas diagnsticas


Tipos de error al tomar una decisin Enfermos Test de laboratorio PSA Positivo (+) VERDADEROS POSITIVOS VP FALSO NEGATIVO FN Realidad Sanos FALSO POSITIVO FP VERDADEROS NEGATIVOS VN

Negativo (-)

C aptulo 4

pgina 305

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Enfermos Resultados de la prueba diagnstica PSA Positivo (+) VERDADEROS POSITIVOS VP Evento o enfermedad estudiada Sanos FALSO POSITIVO FP VERDADEROS NEGATIVOS VN Total VP + FP

Negativo (-)

FALSO NEGATIVO FN

FN + VN

Total

VP + FN

FP + VN

SENSIBILIDAD =

VP VP + FN

SENSIBILIDAD

Enfermos positivos Total de ENFERMOS

C aptulo 4

pgina 306

La sensibilidad de la prueba diagnstica

- Es la probabilidad de clasificar correctamente a un individuo enfermo. - Es la probabilidad de que para un sujeto enfermo se obtenga en la prueba un resultado positivo. - Es la capacidad del test para detectar la enfermedad. - Probabilidad de obtener un resultado positivo cuando el individuo tiene la enfermedad. - Mide su capacidad para detectar la enfermedad cuando est presente. - Su valor depende del error BETA ().

C aptulo 4

pgina 307

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Enfermos Resultados de la prueba diagnstica Positivo (+) VERDADEROS POSITIVOS VP Evento o enfermedad estudiada Sanos FALSO POSITIVO FP VERDADEROS NEGATIVOS VN Total VP + FP

Negativo (-)

FALSO NEGATIVO FN

FN + VN

Total

VP + FN

FP + VN

ESPECIFICIDAD

= =

Sanos negativos Total de SANOS

ESPECIFICIDAD =

VN VN + FP

C aptulo 4

pgina 308

La especificidad de la prueba diagnstica

- Es la probabilidad de clasificar correctamente a un individuo sano. - Es la probabilidad de que para un sujeto sano se obtenga un resultado negativo. - Es la capacidad del test para detectar a los sanos - Es la probabilidad de obtener un resultado negativo cuando el individuo no tiene la enfermedad. - Mide la capacidad para descartar la enfermedad cuando no est presente. - Su valor depende del error ALFA ().

C aptulo 4

pgina 309

Exactitud en las pruebas diagnsticas


- Es la principal cualidad clnica de una prueba diagnstica. - Es la capacidad de una prueba diagnstica para clasificar correctamente a los pacientes. - Es la capacidad de una prueba diagnstica para clasificar correctamente a los individuos en subgrupos clnicamente relevantes (enfermos y NO enfermos). - En su forma ms simple es la capacidad para distinguir entre dos estados de salud (enfermos y NO enfermos).

EXACTITUD =

VP

VN

VP + FN + FP + VN

C aptulo 4

pgina 310

Exactitud en las pruebas diagnsticas


VP + VN

EXACTITUD =

VP + FN + FP + VN

SENSIBILIDAD

ESPECIFICIDAD

EXACTITUD =

ACIERTOS ACIERTOS + FALLOS

C aptulo 4

pgina 311

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Enfermos Resultados de la prueba diagnstica Positivo (+) VERDADEROS POSITIVOS VP Evento o enfermedad estudiada Sanos FALSO POSITIVO FP VERDADEROS NEGATIVOS VN Total VP + FP (total de positivos)

Negativo (-)

FALSO NEGATIVO FN

FN + VN

Total

VP + FN

FP + VN

VPP =

VP Total de POSITIVOS

VPP =

VP VP + FP

C aptulo 4

pgina 312

Valor Predictivo Positivo (VPP) de la prueba diagnstica

- Es la probabilidad de padecer la enfermedad si se obtiene un resultado positivo en el test. - Se puede definir el VPP como la proporcin de resultados vlidos (VP) entre todos resultados positivos de la prueba (VP + FP). - Su valor depende del error ALFA () y de la POTENCIA ESTADSTICA. - Su valor depende de la prevalencia (P) de la enfermedad; cuanto menor sea la prevalencia menor ser el VPP y cuanto mayor sea la prevalencia mayor ser el VPP.

C aptulo 4

pgina 313

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Enfermos Resultados de la prueba diagnstica Positivo (+) VERDADEROS POSITIVOS VP Evento o enfermedad estudiada Sanos FALSO POSITIVO FP VERDADEROS NEGATIVOS VN Total VP + FP (total de positivos)

Negativo (-)

FALSO NEGATIVO FN

FN + VN

Total

VP + FN

FP + VN

VPN =

VN Total de NEGATIVOS

VPN =

VN VN + FN

C aptulo 4

pgina 314

Valor Predictivo Negativo (VPN) de la prueba diagnstica

- Es la probabilidad de que un sujeto con un resultado negativo en la prueba est realmente sano. - El VPN es la proporcin de resultados vlidos (VN) entre todos los resultados negativos (VN + FN). - Su valor depende del error BETA (). - Su valor depende de la prevalencia (P) de la enfermedad en estudio Cuanto menor sea la prevalencia, mayor ser el VPN, y cuanto mayor sea la prevalencia, menor ser el VPN.

C aptulo 4

pgina 315

Prevalencia de la enfermedad

Es la frecuencia con la que se presenta una determina enfermedad en una poblacin definida en un momento dado.

PREVALENCIA =

VP

FN

VP + FP + FN + VN ENFERMOS ENFERMOS + SANOS

PREVALENCIA =

C aptulo 4

pgina 316

Prevalencia de la enfermedad
VP + FN

PREVALENCIA =

VP + FP + FN + VN ENFERMOS +
VALOR PREDICTIVO SANOS NEGATIVO (VPN)

PREVALENCIA = VALOR

PREDICTIVO ENFERMOS POSITIVO (VPP)

Los valores predictivos (VPP y VPN) dependen de la prevalencia de la enfermedad en estudio.

C aptulo 4

pgina 317

EXACTITUD

SENSIBILIDAD
VALOR PREDICTIVO NEGATIVO (VPN)

ESPECIFICIDAD
VALOR PREDICTIVO POSITIVO (VPP)

PREVALENCIA

C aptulo 4

pgina 318

Relacin entre la prevalencia y el valor predictivo positivo (VPP)


Prevalencia de la enfermedad 1% Resultado prueba diagnstica + Total 5% + Total Enfermos Sanos (No enfermos) 495 9404 9900 475 9025 9500 Total VPP

99 1 100 495 5 500

594 9406 10000 970 9030 10000

15% (99/595) 51% (495/970)

SENSIBILIDAD DIAGNSTICA = 99%

ESPECIFICIDAD DIAGNSTICA = 95%

C aptulo 4

pgina 319

Relacin entre la prevalencia y el valor predictivo


VALOR PREDICTIVO POSITIVO (VPP)

Valor predictivo (%)

VALOR PREDICTIVO NEGATIVO (VPN)

Prevalencia de la enfermedad

C aptulo 4

pgina 320

Razn de verosimilitud
SENSIBILIDAD 1 - ESPECIFICIDAD

RV + =

RV + =

Tasa de VP (%) Tasa de FP (%)

C aptulo 4

pgina 321

Cul es la probabilidad de que un paciente que acude a la consulta tenga un carcinoma de prstata si el PSA (+) ([PSA]s > 4 ng/ml)?
Variable PREDICTORA
PSA (+)

Variable RESULTADO
Carcinoma de prstata

VALOR PREDICTIVO POSITIVO (VPP)

Es la probabilidad de que un paciente tenga un carcinoma de prstata (CP) una vez que el test (PSA) ha dado positivo ([PSA] > 4 ng/ml).

C aptulo 4

pgina 322

Cul es la probabilidad de que un paciente que acude a la consulta NO tenga un carcinoma de prstata si el PSA (-) ([PSA] < 4 ng/ml)?

VALOR PREDICTIVO NEGATIVO (VPN)

Es la probabilidad de que un individuo sano NO tenga un carcinoma de prstata (CP) una vez que el test (PSA) ha dado negativo ([PSA] < 4 ng/ml).

C aptulo 4

pgina 323

Cul es la probabilidad de que un paciente diagnosticado de carcinoma de prstata presente un PSA (+) ([PSA] > 4 ng/ml)?
Variable PREDICTORA
Carcinoma de prstata

Variable RESULTADO
PSA (+) ([PSA] > 4 ng/ml)

SENSIBILIDAD DIAGNSTICA

Es la probabilidad de que el test (PSA) sea positivo entre los individuos realmente enfermos (carcinoma de prstata).

C aptulo 4

pgina 324

Cul es la probabilidad de que un paciente sin carcinoma de prstata (CP) presente un PSA (-) ([PSA] < 4 ng/ml)?

ESPECIFICIDAD DIAGNSTICA

Es la probabilidad de que el test (PSA) sea negativo entre los individuos realmente no enfermos (sin cncer de prstata).

C aptulo 4

pgina 325

Cul es la probabilidad de que un valor de PSA patolgico ([PSA] > 4 ng/ml)? sea X veces mas probable en un paciente con carcinoma de prstata (CP) que en otro sujeto sin cncer?

RAZN DE VEROSIMILITUD (RV+)

Es la probabilidad de que un resultado elevado del test (PSA) aparezca en los pacientes con carcinoma de prstata frente a los individuos realmente no enfermos (sin cncer de prstata).

C aptulo 4

pgina 326

Pregunta de investigacin
Qu utilidad clnica tiene el tacto rectal en el diagnstico del carcinoma de prstata (CP) en una muestra de pacientes con sospecha de CP que acuden a una consulta de Urologa?
Objetivo: Evaluacin del tacto rectal en el diagnstico del CP en una consulta de urologa. Tcnica analtica a valuar
TACTO RECTAL

Tcnica de referencia (patrn de oro)


BIOPSIA PROSTTICA mediante ecografa transrectal

Cul es el test estadstico ms acertado?

C aptulo 4

pgina 327

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Tcnica de referencia (BIOPSIA transrectal ecodirigida) POSITIVA TACTO RECTAL Positivo (+) VERDADEROS POSITIVOS VP NEGATIVA FALSO POSITIVO FP

Negativo (-)

FALSO NEGATIVO FN

VERDADEROS NEGATIVOS VN

C aptulo 4

pgina 328

Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal) TACTO RECTAL Positivo (+) Negativo (-) Total positiva (+) 634 487 1121 negativa (-) 269 1251 1520 Total 903 1738 2641

SENSIBILIDAD =

VP VP + FN 634 634 + 487

SENSIBILIDAD =

= 56,5%

C aptulo 4

pgina 329

Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal) TACTO RECTAL Positivo (+) Negativo (-) Total positiva (+) 634 487 1121 negativa (-) 269 1251 1520 Total 903 1738 2641

ESPECIFICIDAD =

VN VN + FP 1251 1251 + 269

ESPECIFICIDAD =

= 82,3%

C aptulo 4

pgina 330

Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal) TACTO RECTAL Positivo (+) Negativo (-) Total positiva (+) 634 487 1121 negativa (-) 269 1251 1520 Total 903 1738 2641

EXACTITUD =

VP + VN VP + FN + FP + VN 634 + 1251

EXACTITUD =

634 + 487 + 269 + 1251

= 71,4 %

C aptulo 4

pgina 331

Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal) TACTO RECTAL Positivo (+) Negativo (-) Total positiva (+) 634 487 1121 negativa (-) 269 1251 1520 Total 903 1738 2641

VPP =

VP VP + FP

VPP =

634 634 + 269

= 70,2%

La probabilidad de tener un CP es del 70% cuando el tacto rectal es positivo.

C aptulo 4

pgina 332

Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal) TACTO RECTAL Positivo (+) Negativo (-) Total positiva (+) 634 487 1121 negativa (-) 269 1251 1520 Total 903 1738 2641

VPN =

VN VN + FN

VPN =

1251 1251 + 487

= 72,0%

La probabilidad de NO tener un CP es de tan solo el 72% cuando el tacto rectal es negativo. Como la prueba tiene un VPN bajo, un resultado negativo del tacto rectal solo permite descartar el diagnstico de CP con una probabilidad del 72%.

C aptulo 4

pgina 333

Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal) TACTO RECTAL Positivo (+) Negativo (-) Total positiva (+) 634 487 1121 negativa (-) 269 1251 1520 Total 903 1738 2641

PREVALENCIA =

VP + FN VP + FP + FN + VN 634 + 487

PREVALENCIA =

634 + 269 + 487 + 1251

= 42,4 %

C aptulo 4

pgina 334

Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal) TACTO RECTAL Positivo (+) Negativo (-) Total positiva (+) 634 487 1121 negativa (-) 269 1251 1520 Total 903 1738 2641

RV + =

SENSIBILIDAD 1

ESPECIFICIDAD

RV + =

0,565 1

0,823

= 3,2

Un tacto rectal anormal (+) es 3 veces ms probable en un paciente con CP que en otro sujeto sin cncer.

C aptulo 4

pgina 335

Pregunta de investigacin
Qu utilidad clnica tiene la tira reactiva en orina en el diagnstico de la infeccin del tracto urinario (ITU)?
Objetivo: Evaluacin de la TIRA REACTIVA en el diagnstico de la ITU. Tcnica analtica a valuar
TIRA REACTIVA (orina)

Tcnica de referencia (patrn de oro)


CULTIVO (orina)

Cul es el test estadstico ms acertado?

Latorre C, Noguero M, Mira A. Evaluacin de la tira reactiva para el diagnstico de infeccin urinaria en nios y adultos. Med Clin (Barc) 2001; 116: 286-289.

C aptulo 4

pgina 336

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Tcnica de referencia (CULTIVO) POSITIVO Test de laboratorio TIRA REACTIVA orina Positiva (+) VERDADEROS POSITIVOS VP NEGATIVO FALSO POSITIVO FP

Negativa (-)

FALSO NEGATIVO FN

VERDADEROS NEGATIVOS VN

C aptulo 4

pgina 337

INFECCIN DEL TRACTO URINARIO (ITU) Tira reactiva Positva (+) Negativa (-) Total SI 86 20 106 NO 433 548 981 Total 519 568 1087

SENSIBILIDAD =

VP VP + FN 86 86 + 20

SENSIBILIDAD =

= 81,1%

C aptulo 4

pgina 338

INFECCIN DEL TRACTO URINARIO (ITU) Tira reactiva Positva (+) Negativa (-) Total SI 86 20 106 NO 433 548 981 Total 519 568 1087

ESPECIFICIDAD =

VN VN + FP 548 548 + 433

ESPECIFICIDAD =

= 55,9%

C aptulo 4

pgina 339

INFECCIN DEL TRACTO URINARIO (ITU) Tira reactiva Positva (+) Negativa (-) Total SI 86 20 106 NO 433 548 981 Total 519 568 1087

EXACTITUD =

VP + VN VP + FN + FP + VN 86 + 548

EXACTITUD =

86 + 20 + 433 + 548

= 58,3%

C aptulo 4

pgina 340

INFECCIN DEL TRACTO URINARIO (ITU) Tira reactiva Positva (+) Negativa (-) Total SI 86 20 106 NO 433 548 981 Total 519 568 1087

VPP =

VP VP + FP

VPP =

86 86 + 433

= 16,6%

La probabilidad de tener una ITU es de tan solo el 17% cuando la tira reactiva es positiva.

C aptulo 4

pgina 341

INFECCIN DEL TRACTO URINARIO (ITU) Tira reactiva Positva (+) Negativa (-) Total SI 86 20 106 NO 433 548 981 Total 519 568 1087

VPN =

VN VN + FN

VPN =

548 548 + 20

= 96,5%

La probabilidad de NO tener una ITU es del 96,5% cuando la tira reactiva es negativa. Como la prueba tiene un VPN alto, un resultado negativo de la tira urinaria descarta el diagnstico de ITU con una probabilidad del 96,5%.

C aptulo 4

pgina 342

INFECCIN DEL TRACTO URINARIO (ITU) Tira reactiva Positva (+) Negativa (-) Total SI 86 20 106 NO 433 548 981 Total 519 568 1087

PREVALENCIA =

VP + FN VP + FP + FN + VN 86 + 20

PREVALENCIA =

86 + 433 + 20 + 548

= 9,7 %

C aptulo 4

pgina 343

INFECCIN DEL TRACTO URINARIO (ITU) Tira reactiva Positva (+) Negativa (-) Total SI 86 20 106 NO 433 548 981 Total 519 568 1087

RV + =

SENSIBILIDAD 1

ESPECIFICIDAD

RV + =

0,811 1 0,559

= 1,84

Una tira reactiva anormal (+) es casi 2 veces ms probable en un paciente con ITU que en otro sujeto sin infeccin.

C aptulo 4

pgina 344

Pregunta de investigacin
Qu utilidad clnica tiene los niveles de ferritina srica en el diagnstico de la anemia ferropnica?
Objetivo: Evaluacin de la FERRITINA en el diagnstico de la anemia ferropnica. Tcnica analtica a valuar
FERRITINA (srica)

Tcnica de referencia (patrn de oro)


ANEMIA FERROPNICA

Cul es el test estadstico ms acertado?

DL Sackett. Epidemiologa clnica. Buenos Aires, Editorial Mdica Panamericana, 1994.

C aptulo 4

pgina 345

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Anemia ferropnica Test de laboratorio FERRITINA srica Positivo (+) FERRITINA BAJA VERDADEROS POSITIVOS VP Realidad Sanos FALSO POSITIVO FP

Negativo (-) FERRITINA NORMAL

FALSO NEGATIVO FN

VERDADEROS NEGATIVOS VN

C aptulo 4

pgina 346

ANEMIA FERROPNICA FERRIRINA BAJA (+) NORMAL (-) Total SI 731 78 809 NO 270 1500 1770 Total 1001 1578 2579

SENSIBILIDAD =

VP VP + 731 731 + 78 FN

SENSIBILIDAD =

= 90,3%

Si una prueba tiene una sensibilidad alta, un resultado negativo descarta el diagnstico.

C aptulo 4

pgina 347

ANEMIA FERROPNICA FERRIRINA BAJA (+) NORMAL (-) Total SI 731 78 809 NO 270 1500 1770 Total 1001 1578 2579

ESPECIFICIDAD =

VN VN + FP 1500 1500 + 270

ESPECIFICIDAD =

= 84,7%

Si una prueba tiene una especificidad alta, un resultado positivo confirma el diagnstico.

C aptulo 4

pgina 348

ANEMIA FERROPNICA FERRIRINA BAJA (+) NORMAL (-) Total SI 731 78 809 NO 270 1500 1770 Total 1001 1578 2579

EXACTITUD =

VP + VN VP + FN + FP + VN 731 + 1500 731 + 78 + 270 + 1500

EXACTITUD =

= 86,5%

Una exactitud elevada permite distinguir con un mnimo error entre dos estados de salud.

C aptulo 4

pgina 349

ANEMIA FERROPNICA FERRIRINA BAJA (+) NORMAL (-) Total SI 731 78 809 NO 270 1500 1770 Total 1001 1578 2579

VPP =

VP VP + FP

VPP =

731 731 + 270

= 73%

La probabilidad de tener una anemia ferropnica es del 73% cuando la ferritina srica es baja.

C aptulo 4

pgina 350

ANEMIA FERROPNICA FERRIRINA BAJA (+) NORMAL (-) Total SI 731 78 809 NO 270 1500 1770 Total 1001 1578 2579

VPN =

VN VN + FN

VPN =

1500 1500 + 78

= 95,1%

La probabilidad de NO tener una anemia ferropnica es del 95,1% cuando la ferritina srica es normal. Como la prueba tiene un VPN alto, una ferritina normal descarta el diagnstico de anemia ferropnica con una probabilidad del 95,1%.

C aptulo 4

pgina 351

ANEMIA FERROPNICA FERRIRINA BAJA (+) NORMAL (-) Total SI 731 78 809 NO 270 1500 1770 Total 1001 1578 2579

PREVALENCIA =

VP + FN VP + FP + FN + VN 731 + 78

PREVALENCIA =

731 + 270 + 78 + 1500

= 31%

C aptulo 4

pgina 352

ANEMIA FERROPNICA FERRIRINA BAJA (+) NORMAL (-) Total SI 731 78 809 NO 270 1500 1770 Total 1001 1578 2579

RV + =

SENSIBILIDAD 1

ESPECIFICIDAD

RV + =

0,903 1 0,847

= 5,9

Una ferritina baja es casi 6 veces ms probable en un paciente con anemia ferropnica que en otro sujeto sin anemia ferropnica.

C aptulo 4

pgina 353

Pruebas diagnsticas en el cncer de prstata

FAP PSA Cociente PSA libre/ PSA total Tacto rectal Citologa aspiracin Biopsia prosttica mediante ecografa transrectal

C aptulo 4

pgina 354

Pruebas diagnsticas:
Mala rentabilidad diagnstica. Baja sensibilidad y especificidad (FAP)
Sanos Enfermos

HPB

Cncer Prstata

FN

FP Niveles de FAP

error

error

C aptulo 4

pgina 355

Pruebas diagnsticas:
Buena rentabilidad diagnstica. Equilibrio entre sensibilidad y especificidad (PSA)

HPB
Cncer Prstata

Niveles de PSA (ng/ml)

error

error

C aptulo 4

pgina 356

Pruebas diagnsticas:
Excelente rentabilidad diagnstica. Mxima sensibilidad y especificidad (Cociente PSAlibre/total)
Sanos
HPB

Enfermos
Cncer Prstata

error

error

Cociente PSAlibre/total

C aptulo 4

pgina 357

Situacin ideal de las pruebas diagnsticas:


Mxima sensibilidad y especificidad

Frecuencia

HPB
Sanos

Cncer Prstata Enfermos

Su Negatividad indican siempre la ausencia de la enfermedad Especificidad ~ 100%

Su Positividad indican siempre la presencia de la enfermedad Sensibilidad ~ 100%

C aptulo 4

pgina 358

Situacin real de las pruebas diagnsticas:


PSA - Buen equilibrio entre sensibilidad y especificidad

Frecuencia

Sanos

HPB

Cncer Prstata Enfermos

Concentracin PSA (ng/ml)

Sensibilidad ~ 61% Especificidad ~ 90%


Zona gris / Zona indeterminada

C aptulo 4

pgina 359

Pruebas diagnsticas a evitar:


Fosfatasa cida prosttica Mal equilibrio entre sensibilidad y especificidad
Baja Especificidad

Frecuencia

HPB
sanos

Cncer Prstata enfermos

Concentracin FAP

Sensibilidad ~ 60-70% Especificidad ~ 40-50%


Zona gris / Zona indeterminada

C aptulo 4

pgina 360

Eleccin del punto de corte


Punto de corte ideal

Frecuencia

HPB
Sanos

Cncer Prstata Enfermos

Especificidad = 100%

Xideal

Sensibilidad = 100%

Su Negatividad indican siempre la ausencia de la enfermedad

Su Positividad indican siempre la presencia de la enfermedad

C aptulo 4

pgina 361

Eleccin del punto de corte


Punto de corte real

Frecuencia

HPB
Sanos

Cncer Prstata Enfermos

Concentracin PSA (ng/ml)

Las pruebas diagnosticas no tienen un solo par sensibilidad/especificidad (S/E), sino muchos, uno por cada nivel de decisin o punto de corte que se adopte

Sensibilidad ~ 61% Especificidad ~ 90%

Zona gris Zona indeterminada

C aptulo 4

pgina 362

Aumento del valor del punto de corte


Aumentar la especificidad
Frecuencia

HPB
sanos enfermos Cncer Prstata

Concentracin PSA (ng/ml)

10

Sensibilidad ~ 30% Especificidad 99%

Para cualquier prueba en la que la distribucin de los resultados de los grupos sano y enfermo se solapen, existe un equilibrio entre sensibilidad y especificidad. Ambas varan en direcciones opuestas: si se AUMENTA el punto de corte disminuye la sensibilidad, y aumenta la especificidad.

C aptulo 4

pgina 363

Disminucin del valor del punto de corte


Aumentar la sensibilidad

Frecuencia

HPB
sanos

Cncer Prstata enfermos

1,0 4.0

Concentracin PSA (ng/ml)

Sensibilidad 92% Especificidad ~ 35%

Para cualquier prueba en la que la distribucin de los resultados de los grupos sano y enfermo se solapen, existe un equilibrio entre sensibilidad y especificidad. Ambas varan en direcciones opuestas: si se DISMINUYE el punto de corte aumenta la sensibilidad, y disminuye la especificidad.

C aptulo 4

pgina 364

PSA: ejemplo de error alfa (FP) y error beta (FN)

Error

Error

PUNTO DE CORTE = 4 ng/ml - Buena sensibilidad a la hora de detectar los CP - Pero existe un nmero elevado de falsos positivos (HBP) > baja especificidad

C aptulo 4

pgina 365

Sensibilidad y especificidad diagnstica:


Pruebas en el Cncer de Prstata
Prueba S E Patrn de oro (tcnica de referencia) Biopsia de la prstata mediante Ecografa transrectal

FAP PSA PSA libre/PSA total Examen rectal Citologa aspiracin

56% 61% 69% 56% 55%

94% 90% 95% 82% 91%

C aptulo 4

pgina 366

Construccin de la curva ROC para cada prueba diagnstica


En el eje Y de coordenadas se sita la sensibilidad o fraccin de verdaderos positivos, calculada en los enfermos

1
SENSIBILIDAD DIAGNSTICA

La curva ROC es un grfico que muestra todos los pares posibles sensibilidad/especificidad resultantes de la variacin continua de los puntos de corte en todo el rango de resultados observados. La diagonal muestra por tanto la peor situacin posible.

0 0
1 ESPECIFICIDAD (Falsos positivos)

En el eje X se sita la fraccin de FP o 1 - especificidad, definida como 1 E = FP/VN + FP y calculada en los no enfermos (sanos).

C aptulo 4

pgina 367

Diagrama de la curva ROC de la prueba diagnstica A


1
SENSIBILIDAD DIAGNSTICA

A
Las curvas ROC son los mejores ndices de la efectividad, rentabilidad o exactitud diagnstica y proporcionan un criterio unificador en el proceso de evaluacin de una prueba, y de comparacin simultnea de varias pruebas diagnsticas.

0 0
1 ESPECIFICIDAD (Falsos positivos)

C aptulo 4

pgina 368

Diagrama de la curva ROC de la prueba diagnstica B


1
SENSIBILIDAD DIAGNSTICA

La diagonal muestra la peor situacin posible. El rea bajo la curva ROC es un ndice de la EXACTITUD o valor global de la prueba: la exactitud mxima correspondera a un valor del rea de 1 y la mnima de 0.5

0 0

1 ESPECIFICIDAD (Falsos positivos)

C aptulo 4

pgina 369

Diagrama de la curva ROC del PSA

Gann PH, Hennekens CH, Stampfer MJ. A prospective evaluation of plasma prostate.specific antigen for detection of prostatic cancer. JAMA. 1995; 273: 289-294.

C aptulo 4

pgina 370

Interpretacin de Hanley y McNeil del rea bajo la curva ROC


- El rea bajo la curva (ABC) ROC es una medida global de la exactitud de una prueba diagnstica. - Se define como la probabilidad de clasificar correctamente un par de individuos sano y enfermo, seleccionados al azar de la poblacin, mediante los resultados obtenidos al aplicarles la prueba diagnstica. - Es la probabilidad de que el resultado de la prueba se presente ms elevado en el paciente enfermo rea bajo la curva ROC = Probabilidad (X enfermo > X sano) - En el ejemplo del PSA anterior un rea de 0,83 significa que un individuo seleccionado a azar del grupo de enfermos tendr el 83% de las veces un valor de PSA cuantitativamente mayor que el PSA de un individuo elegido al azar del grupo no enfermo (sanos).

Hanley JA, McNeil BJ. The meaning and use of the area under a Receiver Operating Characteristic (ROC) Curve. Radiology 1982; 143: 29-36.

C aptulo 4

pgina 371

Interpretacin de Swets del rea bajo la curva ROC


- El rea bajo la curva ROC es siempre mayor o igual que 0,5. Toma valores comprendidos entre 0,5, si no existen diferencias en la distribucin de resultados de la prueba entre los grupos enfermo y sano, y 1,0, cuando existe separacin perfecta entre las dos distribuciones. - Swets interpreta el valor del rea de la siguiente manera: Entre 0,5 y 0,7 indican baja exactitud Entre 0,7 y 0,9 pueden ser tiles para algunos propsitos Valores mayor de 0,9 indica alta exactitud. - La capacidad de discriminacin de la prueba diagnstica puede evaluarse estimando el intervalo de confianza del rea de la curva ROC. Si el intervalo no incluye el valor 0,5 la prueba es capaz de discernir entre enfermos y sanos. - En el ejemplo del PSA anterior el rea de 0,83 debe ser interpretado que la prueba puede ser til en algunas situaciones clnicas, pero no es til por ejemplo, para realizar programas de screening de la poblacin en bsqueda del cncer de prstata en la poblacin general.

Swets JA. Measuring the accuracy of diagnostic systems. Science 1988; 240: 1.285-1.293.

C aptulo 4

pgina 372

Comparacin del rea bajo la curva:


Prueba A versus prueba B
1
SENSIBILIDAD DIAGNSTICA

El rea de la curva ROC es la probabilidad de clasificar correctamente un par de individuos sano y enfermo, seleccionados al azar de la poblacin en estudio, mediante los resultados obtenidos al aplicarles la prueba diagnstica.

0 0

El rea bajo la curva ROC es el mejor indicador de la capacidad predictiva del la prueba, y permite la comparacin entre diferentes pruebas diagnsticas.

1 ESPECIFICIDAD (Falsos positivos)

C aptulo 4

pgina 373

Comparacin del rea bajo la curva:


Prueba A versus prueba B
1
SENSIBILIDAD DIAGNSTICA

A = REA de la curva A A B B = REA de la curva B Qu prueba diagnstica (A versus B) presenta una mayor rentabilidad, efectividad, exactitud o valor global? Estadstico Z de Hanley y McNeil (1983) 0 0
1 ESPECIFICIDAD (fraccin de Falsos positivos)

C aptulo 4

pgina 374

Comparacin del rea de las curvas ROC en muestras independientes


Z= ( A 1 A 2) ( EEA 1 )2 + (EEA 2 )2

A1 = rea bajo la curva ROC de la tcnica 1 A 2 = rea bajo la curva ROC de la tcnica 2 EEA 1 = error estndar del rea bajo la curva ROC de la tcnica 1 EEA 2 = error estndar del rea bajo la curva ROC de la tcnica 2
Si el estudio se realiza en grupos INDEPENDIENTES, la comparacin de reas mediante mtodos estadsticos es directa. Si se utilizan datos APAREADOS o dependientes es necesario calcular previamente la correlacin r entre las pruebas coeficiente de correlacin entre ambas tcnicas para muestras independientes vale cero (r = 0).

C aptulo 4

pgina 375

Comparacin del rea de las curvas ROC en muestras apareadas


Z= ( A 1 A 2) ( EEA 1 )2 + (EEA 2 )2
-

2 r * EEA 1 * EEA 2

A1 = rea bajo la curva ROC de la tcnica 1 A 2 = rea bajo la curva ROC de la tcnica 2 EEA 1 = error estndar del rea bajo la curva ROC de la tcnica 1 EEA 2 = error estndar del rea bajo la curva ROC de la tcnica 2 r = coeficiente de correlacin entre las reas de ambas tcnicas para muestras dependientes

C aptulo 4

pgina 376

Pregunta de investigacin
Qu utilidad clnica tiene los niveles de urea en sangre en el diagnstico de la insuficiencia renal?
Objetivo: Evaluacin de la uremia en el diagnstico de la insuficiencia renal. Tcnica analtica a valuar
Uremia (mg/dl)

Tcnica de referencia (patrn de oro)


Insuficiencia renal

Cul es el test estadstico ms acertado?

C aptulo 4

pgina 377

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Valor del punto de corte 90 mg/dl Test de laboratorio uremia Positivo (+) Uremia > 90 mg/dl Enfermedad en estudio Insuficiencia renal VERDADEROS POSITIVOS VP No enfermos FALSO POSITIVO FP

Negativo (-) Uremia 90 mg/dl

FALSO NEGATIVO FN

VERDADEROS NEGATIVOS VN

C aptulo 4

pgina 378

VN Individuos SIN Insuficiencia renal Uremia mg/dl Pacientes Insuficiencia renal FN 0

FP

300 mg/dl

VP Punto de corte optimo 90 mg/dl

C aptulo 4

pgina 379

Individuos SIN Insuficiencia renal Pacientes con Insuficiencia renal


Frecuencia
0

50

100

150

Uremia mg/dl

200

250

300 mg/dl

Punto de corte optimo 90 mg/dl

C aptulo 4

pgina 380

1,00

SENSIBILIDAD DIAGNSTICA (fraccin de verdaderos positivos)

0,75

Curva ROC de la uremia

0,50

0,25

Las curvas ROC son ndices de la exactitud diagnostica y proporcionan el mejor criterio unificador en el proceso de evaluacin de una prueba.

0,00 0,00 0,25

1 ESPECIFICIDAD (fraccin de Falsos positivos)

0,50

0,75

1,00

C aptulo 4

pgina 381

Pregunta de investigacin
Qu tcnica analtica presenta una mayor exactitud, valor global, rentabilidad, o efectividad clnica la urea o la creatinina srica en el diagnstico de la insuficiencia renal?
Objetivo: Evaluacin de la urea frente a la creatinina en el diagnstico de la insuficiencia renal.

Urea (srica)

Creatinina (srica)

Cul es el test estadstico ms acertado? Comparacin del rea bajo la curva ROC

C aptulo 4

pgina 382

1,00

Curva ROC de la creatinemia


SENSIBILIDAD DIAGNSTICA (fraccin de Verdaderos Positivos) 0,75

Curva ROC de la uremia

0,50
Cuanto ms prxima se sita una curva ROC a la esquina superior izquierda, ms alta es la exactitud diagnstica de la prueba. Si comparamos en el mismo grfico las curvas obtenidas con la urea y la creatinina, sta ltima por estar situada ms hacia arriba y hacia la izquierda tendr la mayor exactitud.

0,25

0,00 0,00 0,25

1 ESPECIFICIDAD (fraccin de Falsos Positivos)

0,50

0,75

1,00

C aptulo 4

pgina 383

Pregunta de investigacin
Qu prueba diagnstica (uremia versus creatinemia) presenta una mayor rentabilidad, exactitud o valor global en el diagnstico de la insuficiencia renal?
Variables contrastadas rea bajo la curva Error estndar del Lmite inferior ROC rea del intervalo de confianza al 95% 0,930 0,984 0,012 0,005 0,906 0,974 Lmite superior del intervalo de confianza al 95% 0,955 0,994

Uremia Creatinemia

Cul es el test estadstico ms acertado?

C aptulo 4

pgina 384

Comparacin del rea de las curvas ROC en muestras dependientes


Z= ( A 1 A 2) ( EEA 1 )2 + (EEA 2 )2
-

2 r * EEA 1 * EEA 2

A1 = rea bajo la curva ROC de la tcnica 1 A 2 = rea bajo la curva ROC de la tcnica 2 EEA 1 = error estndar del rea bajo la curva ROC de la tcnica 1 EEA 2 = error estndar del rea bajo la curva ROC de la tcnica 2 r = coeficiente de correlacin entre las reas de ambas tcnicas para muestras dependientes

C aptulo 4

pgina 385

Z=

( A 1 A 2) ( EEA 1 )2 + (EEA 2 )2
-

2 r * EEA 1 * EEA 2

A 1 (creatinina) = 0,984 A 2 (urea) = 0,930

EEA1 (creatinina) = 0,005. EEA2 (urea) = 0,012.

Hiptesis nula Ho: A1 A 2 = 0 . Hiptesis alternativa Ha: A1 A 2 0 . Resultado: El estadstico para la comparacin de ambas curvas Z de Hanley y McNeil vale 4,15 que como es mayor que Z95% = 1,96 . Conclusin: Ambas pruebas tienen un rendimiento significativamente distinto.

C aptulo 4

pgina 386

Pregunta de investigacin
Qu utilidad clnica tiene los niveles de VCM en el diagnstico de la anemia ferropnica?
Objetivo: Evaluacin del VCM en el diagnstico de la anemia ferropnica. Tcnica analtica a valuar
VCM (hemograma)

Tcnica de referencia (patrn de oro)


Depsitos de Fe en mdula sea

Cul es el test estadstico ms acertado?

C aptulo 4

pgina 387

Tipos de error en las pruebas diagnsticas


Tipos de error en las pruebas diagnsticas Examen de los depsitos de hierro en mdula sea Dficit de Fe Test de laboratorio VCM (hemograma) Positivo (+) VCM BAJO (microcitosis) VERDADEROS POSITIVOS VP Presencia de Fe FALSO POSITIVO FP

Negativo (-) VCM NORMAL

FALSO NEGATIVO FN

VERDADEROS NEGATIVOS VN

C aptulo 4

pgina 388

VCM en 100 pacientes con diagnstico de anemia ferropnica


Tcnica de referencia: Examen de los depsitos de hierro en mdula sea Ausencia de Hierro (n= 33) Volumen corpuscular medio (VCM)

52, 58, 62, 65, 67, 68, 70, 72, 72, 73, 73, 74,75, 77, 77, 77, 78, 78, 80, 80, 81, 81, 81, 81, 84, 84, 85, 85, 87, 88, 88, 92, 92 60, 66, 68, 69, 71, 71, 71, 73, 74, 74, 74, 76,76, 77, 77, 77, 78, 79, 79, 79, 80, 80, 81, 81,82, 82, 82, 83, 83, 83, 83, 83, 83, 83, 83, 84,84, 84, 85, 85, 86, 86, 86, 86, 88, 88, 88, 89,89, 89, 90, 90, 90, 91, 91, 93, 93, 93, 94, 94,94, 94, 96, 97, 98, 100, 103

Presencia de hierro (n=67)

Beck JR, Shultz EK. The use of relative operating characteristic (ROC) curves in test performance evaluation. Arch Pathol Lab Med 1986; 110:13-20.

C aptulo 4

pgina 389

110 100 Tcnica analtica a evaluar 90 80 70 60 50

VCM (hemograma)

FN

VN

FP

VP

VCM < 80 Sensibilidad = 55,9% Especificidad = 71,2%

Hierro normal

Hierro BAJO

Examen de los depsitos de hierro en mdula sea


Tcnica de referencia (patrn de oro)

C aptulo 4

pgina 390

110 100 Tcnica analtica a evaluar 90 80 70 60 50

VCM (hemograma)

FN

VN

FP

VP

VCM < 65 Sensibilidad = 8,8% Especificidad = 98,5%

Hierro normal

Hierro BAJO

Examen de los depsitos de hierro en mdula sea


Tcnica de referencia (patrn de oro)

C aptulo 4

pgina 391

110 100 Tcnica analtica a evaluar 90 80 70 60 50

FN

VN

VCM (hemograma)

FP

VP

VCM < 90 Sensibilidad = 94,1% Especificidad = 25,8%

Hierro normal

Hierro BAJO

Examen de los depsitos de hierro en mdula sea


Tcnica de referencia (patrn de oro)

C aptulo 4

pgina 392

100 80 60 40 20 0 0 20 Cul ser el par que describa la exactitud de la prueba?

SENSIBILIDAD DIAGNSTICA (fraccin de Verdaderos Positivos)

VCM < 81

La pruebas diagnosticas no tienen un solo par sensibilidad/especificidad (S/E), sino muchos, uno por cada nivel de decisin o punto de corte que se adopte.

Punto de corte ideal para el VCM es de < 81, valor lmite que permite resumir los resultados de una escala continua en dos categoras: positivo y negativo con una mayor exactitud o rentabilidad diagnstica.

1 ESPECIFICIDAD (fraccin de Falsos Positivos)

40

60

80

100

VCM < 81 Sensibilidad = 61% Fraccin de FP = 30% Especificidad = 70%

El clculo del rea bajo la curva es de 0,717 con un EE de 0,05, es decir, el VCM es una prueba diagnstica de baja rentabilidad, y por tanto no se aconseja, como prueba nica, en el diagnstico de la anemia ferropnica.

C aptulo 4

pgina 393

Pregunta de investigacin
Qu tcnica analtica presenta una mayor rentabilidad, el VCM o la ferritina en el diagnstico de la anemia ferropnica?
Objetivo: Evaluacin del VCM frente a la ferritina en el diagnstico de la anemia ferropnica.

VCM (hemograma)

Ferritina (srica)

Cul es el test estadstico ms acertado? Comparacin del rea bajo la curva ROC

C aptulo 4

pgina 394

Punto Corte VCM

Sensibilidad (%) 8,8 20,6 38,2 55,9 79,4 94,1 97,1

Especificidad (%) 98,5 93,9 84,8 71,2 43,9 25,8 19,7

100 especificidad (%) 1,5 6,1 15,2 28,8 56,1 74,2 80,3

65 70 75 80 85 90 92

Construccin de la curva ROC: Es un grfico que muestra todos los pares sensibilidad/especificidad resultantes de la variacin continua de los puntos de corte en todo el rango de resultados observados.

C aptulo 4

pgina 395

Comparacin del rea bajo la curva: ferritina srica versus VCM


100 Ferritina
SENSIBILIDAD DIAGNSTICA

VCM Para comparar el VCM con los niveles sricos de ferritina, se construye para ella otra curva y se calculara su rea. Se comparan las reas mediante el estadstico Z de Hanley y McNeil (1983). 0 0
1 ESPECIFICIDAD (Falsos positivos)

100

Hanley JA, McNeil BJ. A method of comparing the areas under receiver operating characteristic curves derived from the same cases. Radiology 1983; 148: 839-843.

C aptulo 4

pgina 396

Comparacin del rea de las curvas ROC en muestras dependientes


Z= ( A 1 A 2) ( EEA 1 )2 + (EEA 2 )2
-

2 r * EEA 1 * EEA 2

A1 = rea bajo la curva ROC de la tcnica 1 A 2 = rea bajo la curva ROC de la tcnica 2 EEA 1 = error estndar del rea bajo la curva ROC de la tcnica 1 EEA 2 = error estndar del rea bajo la curva ROC de la tcnica 2 r = coeficiente de correlacin entre las reas de ambas tcnicas para muestras dependientes
Hanley JA, McNeil BJ. A method of comparing the areas under receiver operating characteristic curves derived from the same cases. Radiology 1983; 148: 839-843.

C aptulo 4

pgina 397

Z=

( A 1 A 2) ( EEA 1 )2 + (EEA 2 )2
-

2 r * EEA 1 * EEA 2

A 1 (creatinina) = 0,984 A 2 (urea) = 0,930

EEA1 (creatinina) = 0,005. EEA2 (urea) = 0,012.

Hiptesis nula Ho: A1 A 2 = 0 . Hiptesis alternativa Ha: A1 A 2 0 . Resultado: El estadstico para la comparacin de ambas curvas Z de Hanley y McNeil vale 4,15 que como es mayor que Z95% = 1,96 . Conclusin: Ambas pruebas tienen un rendimiento significativamente distinto.

C aptulo 4

pgina 398

Eleccin del punto de corte:


Criterio basado en el equilibrio de riesgos y beneficios de las decisiones mdicas
Es un enfoque prctico que se basa en el cociente entre los costes de un resultado falso positivo (FP) frente a un falso negativo (FN), en funcin de la prevalencia (P) de la enfermedad. El valor de corte ptimo se determina hallando el punto de la curva ROC cuya tangente a la curva tiene de pendiente el valor de m.

m =

Coste de FP Coste de FN

1-P P

Zweig MH, Campbell G. Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in clinical medicine. Clin Chem 1993; 39: 561-577. McNeil BJ, Keeler E, Adelstein SJ. Primer on certain elements of medical decision making. N Engl J Med 1975; 293: 211-215.

C aptulo 4

pgina 399

Eleccin del punto de corte:


Postulados de Galen y Gambino
1. Criterio de mxima SENSIBILIDAD DIAGNSTICA

Se elige la mayor sensibilidad posible cuando: 1. La enfermedad sea grave y no pueda pasar inadvertida. 2. La enfermedad sea tratable, y 3. Los resultados falsos positivos no supongan un traumatismo psicolgico o econmico en los individuos examinados. Ejemplo: Mamografas en programas de deteccin precoz del cncer de mama

Galen RS, Gambino SR. Beyond normality: The predictive value and efficiency of medical diagnoses. Nueva York: J Wiley and Sons, lnc., 1975.

C aptulo 4

pgina 400

Eleccin del punto de corte:


Postulados de Galen y Gambino
2. Criterio de mxima ESPECIFICIDAD DIAGNSTICA

Se elige la mayor especificidad posible cuando: 1. La enfermedad sea importante pero difcil de curar o incurable, y 2. El hecho de conocer que no se padezca la enfermedad tiene una importante carga sanitaria y psicolgica.

Galen RS, Gambino SR. Beyond normality: The predictive value and efficiency of medical diagnoses. Nueva York: J Wiley and Sons, lnc., 1975.

C aptulo 4

pgina 401

Eleccin del punto de corte:


Postulados de Galen y Gambino
3.- Criterio de alto VALOR PREDICTIVO POSITIVO

Se elige un alto VPP cuando: El tratamiento de los falsos positivos (FP) pueda tener consecuencias graves en personas que NO tienen la enfermedad.

VPP =

VP VP + FP

Galen RS, Gambino SR. Beyond normality: The predictive value and efficiency of medical diagnoses. Nueva York: J Wiley and Sons, lnc., 1975.

C aptulo 4

pgina 402

Eleccin del punto de corte:


Postulados de Galen y Gambino
4. Criterio de mxima EXACTITUD DIAGNSTICA

Se desea una elevada exactitud (efectividad, valor global o rentabilidad diagnstica) cuando: 1. La enfermedad sea importante pero curable, y 2. Tanto los falsos positivos (FP) como los falsos negativos (FN) supongan un traumatismo y conlleven consecuencias graves.

Galen RS, Gambino SR. Beyond normality: The predictive value and efficiency of medical diagnoses. Nueva York: J Wiley and Sons, lnc., 1975.

C aptulo 4

pgina 403

Ventajas de las curvas ROC en la evaluacin de pruebas diagnsticas


1. Son una representacin grfica fcilmente comprensible de la capacidad de discriminacin de la prueba diagnstica en todo el rango de puntos de corte. 2. Son simples, grficas y fciles de interpretar visualmente. 3. No requieren un nivel de decisin particular porque est incluido todo el espectro de puntos de corte. 4. Son independientes de la prevalencia, ya que ni la sensibilidad ni la especificidad dependen de ella. 5. Proporcionan una comparacin visual directa entre distintas pruebas en una escala comn, mientras que otro tipo de grficos, como los diagramas de puntos o los histogramas de frecuencias requieren diferentes grficos cuando difieren las escalas. 6. La especificidad y la sensibilidad son fcilmente accesibles en el grfico, en contraste con los diagramas de puntos y los histogramas.
Zweig MH, Campbell G. Receiver-Operating Characteristic (ROC) Plots: fundamental evaluation tool in clinical medicine. Clin Chem 1993; 39: 561-577. Burgueo MJ, J.L. Garca-Bastos JL, Gonzlez-Buitrago JM. Las curvas ROC en la evaluacin de las pruebas diagnsticas. Med Clin (Barc) 1995: 104: 661-670.

C aptulo 4

pgina 404

Material
Pacientes
- Criterios de seleccin de la muestra (inclusin y exclusin). - Procedencia. - Tcnica de reclutamiento utilizada. - Tiempo empleado para reunir a los todos los participantes. - Principales caractersticas de los pacientes. Edad Sexo Procedencia Gravedad Aos de evolucin de la enfermedad Patologas asociadas... - Clculo de tamao muestral.

C aptulo 5

pgina 405

Captulo 5
Metodologa de Investigacin 2010: Bioestadstica: Test de Contraste de Hiptesis. Variables Cualitativas.
Material y mtodos.
Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

C aptulo 5

pgina 406

Materiales y mtodos
Estructura
1. Tipo de diseo (estudio) 2. Sujetos incluidos (criterios de seleccin de la muestra) 3. Fuentes de informacin 4. Descripcin de la intervencin y definicin del punto final de la investigacin (estudios experimentales) 5. Instrumentos y procedimientos de medida (cuestionarios) 6. Definicin de las variables y covariables incluidas en el estudio (factor de estudio y criterio de evaluacin) 7. Limitaciones y consideraciones ticas de la investigacin 8. Pruebas estadsticas a utilizar (programa estadstico)

C aptulo 5

pgina 407

Fases del anlisis estadstico


1. ANLISIS DESCRIPTIVO

2. ANLISIS BIVARIANTE

3. ANLISIS MULTIVARIANTE

C aptulo 5

pgina 408

Decisiones que se pueden tomar en un test de contraste de hiptesis despus de conocer el valor de significacin estadstica p
p < 0,05 AB p 0,10 A=B Se rechaza la hiptesis nula No parece que el azar pueda explicarlo todo El EFECTO observado es mayor que el ERROR Hay diferencias estadsticamente significativas Existen evidencias a favor de la hiptesis alternativa Ha, y por tanto rechazamos la hiptesis nula Ho No se puede rechazar la hiptesis nula No se puede descartar que el azar lo explique todo El EFECTO observado es similar que el ERROR NO hay diferencias estadsticamente significativas NO existen evidencias a favor de la hiptesis alternativa Ha, y por tanto aceptamos la hiptesis nula Ho

Los lmites de 0,05 y 0,1 pueden ser considerados en cierto modo arbitrarios y aproximados

C aptulo 5

pgina 409

Anlisis estadstico
Tipos de test analticos estadsticos de contraste de hiptesis segn el tipo de variables implicadas en el estudio Variable dependiente Variable resultado
Dicotmica Variable Predictora Variable Independiente Dicotmica Continua Continua

Test de 2 Regresin logstica

t de Student Regresin lineal

C aptulo 5

pgina 410

Tipos de test analticos estadsticos bivariantes de contraste de hiptesis ms frecuentes


Variable PREDICTORA o Independiente (factor de estudio) Cualitativa dos grupos independientes Variable RESULTADO o Dependiente (Criterio de evaluacin) Cualitativa nominal dos categoras Chi cuadrado Z comparacin de proporciones Test exacto de Fisher Test de McNemar Cualitativa nominal >2 categoras Chi cuadrado Cualitativa ordinal o Cuantitativa NO paramtrica U de Mann-Whitney Cuantitativa paramtrica T de Student (prueba de Welch)

Cualitativa dos grupos apareados Cualitativa > 2 grupos independientes Cualitativa > 2 grupos apareados Cuantitativa

Q de Cochran

Prueba de los rangos de Wilcoxon Prueba de KruskalWallis Prueba de Friedman Correlacin de Sperman Tau de Kendall

T de Student para datos emparejados Anlisis de la Varianza (ANOVA) Anlisis de la Varianza de dos vas Regresin lineal Correlacin de Pearson

Chi cuadrado Q de Cochran Regresin logstica

Chi cuadrado Q de Cochran Regresin logstica

C aptulo 5

pgina 411

Datos categricos:
Cualitativa versus cualitativa
- Test de 2 de Pearson - Relacin entre dos variables cualitativas nominales - Comparacin de proporciones - Test exacto de Fisher - Valores esperados menores de 5 - Test de 2 de McNemar - Datos apareados o emparejados - Test de 2 de tendencia lineal - Variables cualitativas ordinales

C aptulo 5

pgina 412

Test de 2 de Pearson
Variable RESULTADO Variable PREDICTORA Si No Total (+) a c a+c (-) b d b+d Total a+b c+d n

n ( a d b c )2 (a + b) (c + d) (a + c) (b + d)

C aptulo 5

pgina 413

Test de 2 de Pearson
Condiciones necesarias y suficientes de aplicacin
1. Ambas variables deben ser cualitativas en escala NOMINAL. 2. Nmero de sujetos estudiados igual o superior a 40 (n>40) 3. Ninguno de los valores esperados en cada casilla debe ser menor de 5 4. No se debe aplicar cuando la variable dependiente o resultado es ORDINAL 5. Es un test no dirigido (test de planteamiento bilateral), que nos indica si existe o no relacin entre dos variables cualitativas pero no en qu sentido se produce tal, ni cuantifica la intensidad de dicha asociacin.

La prueba permite comprobar si dos variables cualitativas estn o no asociadas. Si al final del estudio concluimos que las variables no estn relacionadas podremos decir que ambas variables son independientes, con un determinado nivel de confianza, generalmente del 95%.

C aptulo 5

pgina 414

Pregunta de investigacin
Qu tcnica quirrgica es preferible en pacientes que deben ser intervenidos de colecistectoma va laparoscpica?
Variable PREDICTORA Cualitativa dicotmica
- KTP/532 laser - Electrociruga monopolar

Variable RESULTADO Cualitativa dicotmica


Desarrollo de complicaciones graves postquirrgicas

Cul es el test estadstico ms adecuado?


Lane GE, Lathrop JC. Comparison of results of KTP/532 laser versus monopolar electrosurgical dissection in laparoscopic cholecystectomy. J Laparoendosc Surg 1993; 3: 209-214.

C aptulo 5

pgina 415

Existe diferencia significativa respecto del porcentaje de complicaciones graves entre ambas tcnicas de diseccin?
Ho (hiptesis nula) = No hay diferencia entre ambas tcnicas de diseccin. Ha (hiptesis alternativa) = S existe diferencia entre ambas tcnicas de diseccin.

KTP/532 lser

Electrociruga monopolar

Lane GE, Lathrop JC. Comparison of results of KTP/532 laser versus monopolar electrosurgical dissection in laparoscopic cholecystectomy. J Laparoendosc Surg 1993; 3: 209-214.

C aptulo 5

pgina 416

Test de 2 de Pearson
Variable resultado Complicaciones postquirrgicas graves Variable predictora Tipo de ciruga KTP/532 lser Electrociruga monopolar SI (+) 16 (8%) P1 11 (2,6%) P2 NO (-) 183 411 Total 199 422

2Pearson = 9,60

p = 0,0019

Existe asociacin

C aptulo 5

pgina 417

Si [P1 - P2] es mayor que el producto de 1,96 (Z95% error = 0,05) multiplicado por el error estndar, concluimos que la diferencia es significativa. Por lo tanto, hemos de calcular el error estndar para luego compararlo con la diferencia observada en los grupos en estudio. [P1 - P2] = [0,080 - 0,026] = 0,054 P= [P1 - P2] / 2 = [0,080 + 0,026] / 2 = 0,053 El error estndar se calcula de la siguiente forma: Error estndar (EE) = p (1-p) (1/n1+ 1/n2) Error estndar (EE) = 0,053 (1-0,053) (1/199+ 1/422)= 0,00035 Error estndar (EE) multiplicado por Z95% = 0,00035 * 1,96 = 0,00069

[ P1 - P2 ] Z95% X EE

Z95%= 1,96

Si la diferencia de [P1 - P2] ( 0,054) > EE * Z95% (0,00069) concluimos que existe una diferencia estadsticamente significativa entre los grupos en estudio (p< 0,05); razn por la cual rechazamos Ho, por ende, aceptamos la Ha.

[ P1 - P2 ] < Z95% [ P1 - P2 ] > Z95%

X X

EE EE

p > 0,1

Ho (hiptesis nula) Ha (hiptesis alternativa

p < 0,05

C aptulo 5

pgina 418

Figura 1. Frecuencia de complicaciones graves en 641 pacientes colecistectomizados por va laparoscpica. Distribucin por tcnicas de diseccin.
p = 0,0019

KTP/532 lser

Electrociruga monopolar

Test de 2 de Pearson
Lane GE, Lathrop JC. Comparison of results of KTP/532 laser versus monopolar electrosurgical dissection in laparoscopic cholecystectomy. J Laparoendosc Surg 1993; 3: 209-214.

C aptulo 5

pgina 419

Test de 2 de Pearson
Resultados de un estudio imaginario que estudia la eficacia de dos tratamientos A y B en dos grupos de 30 pacientes Variable predictora Tipo de tratamiento A B Variable resultado Porcentaje de respuestas a cada tratamiento

SI (+) 16 (8%) P1 11 (2,6%) P2

NO (-) 183 411

Total 199 422

2Pearson = 2,5

p = 0,12

No existe asociacin

C aptulo 5

pgina 420

Comparacin de proporciones:
Importancia del intervalo de confianza
Resultados de un estudio imaginario que estudia la eficacia de dos tratamientos A y B en dos grupos de 30 pacientes

Diferencia [ P1 - P2 ] = 0,70 - 0,50 = 0,20

IC95% = 0,20 024


- 4% a + 44%
A 50%

20%

B 70%

C aptulo 5

pgina 421

Test de 2 de Pearson
Resultados de un estudio imaginario que estudia la eficacia de dos tratamientos A y B en dos grupos de 800 pacientes Variable predictora Tipo de tratamiento A B Variable resultado Porcentaje de respuestas a cada tratamiento

SI (+) 480 (60%) P1 520 (65%) P2

NO (-) 320 280

Total 800 800

2Pearson = 4,2

p = 0,04

Existe asociacin

C aptulo 5

pgina 422

Comparacin de proporciones:
Importancia del intervalo de confianza
Resultados de un estudio imaginario que estudia la eficacia de dos tratamientos A y B en dos grupos de 800 pacientes

Diferencia [ P1 - P2 ] = 0,65 - 0,60 = 0,05

IC95% = 0,05 0,047


+ 0,3% a + 9,7%
A 60%

5%

B 65%

C aptulo 5

pgina 423

Importancia del intervalo de confianza


Cul de los siguientes tratamientos es estadsticamente significativo?
Ho
A= B

Ha
BA= 10%

Diferencia con INTERS CLNICO AB B A = 20%


Tratamiento A
A B C D E

B - A = 0 A B

Diferencia observada 20% 30% 10% 10% 25%

Significacin estadstica p < 0,05 p < 0,05 p < 0,05 NS p < 0,05

IC95% +10 a +30% +25 a +35% +5 a +15% -5 a +25% +15 a +35%

Ho

RC

B C D E

-10

-5

0% 5 10 15 20% 25 30

35 40

Resultados hipotticos de un estudio que compara un tratamiento activo frente a un placebo y utiliza como medidas del efecto la diferencia entre los porcentajes de curacin observados. Se considera que la mnima diferencia con relevancia clnica es del 20%. RC: Diferencia con relevancia clnica.

C aptulo 5

pgina 424

Importancia del intervalo de confianza


Tratamiento A Diferencia observada 20% Significacin estadstica p < 0,05 IC95% +10 a +30% Interpretacin No concluyente Potencialmente importante (observado = relevante) Importante No concluyente No concluyente No concluyente Potencialmente importante (observado > relevante)

B C D E

30% 10% 10% 25%

p < 0,05 p < 0,05 NS p < 0,05

+25 a +35% +5 a +15% -5 a +25% +15 a +35%

Resultados hipotticos de un estudio que compara un tratamiento activo frente a un placebo y utiliza como medidas del efecto la diferencia entre los porcentajes de curacin observados. Se considera que la mnima diferencia con relevancia clnica es del 20%. RC: Diferencia con relevancia clnica.

C aptulo 5

pgina 425

Pregunta de investigacin
Qu relacin existe entre el grupo cultural/religioso de la ciudad de Ceuta y la prevalencia de inmunizacin frente al virus de la Rubeola en la poblacin gestante?
Variable PREDICTORA Cualitativa dicotmica
- Cristianas - Musulmanas

Variable RESULTADO Cualitativa dicotmica


Virus de la Rubeola

Cul es el test estadstico ms adecuado?


Daz Portillo J, Torres E, Vadillo Andrade J, Laroca C.PREVALENCIA DE ANTICUERPOS FRENTE AL VIRUS DE LA RUBOLA EN UNA POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico 1995, 44: 114-119.

C aptulo 5

pgina 426

Test de 2 de Pearson
Rubeola Variable resultado Inmunizacin (+) (-) Variable predictora Religin Cristiana 279 41 Musulmana 372 60

2Pearson = 0,18; p=0,668

No existe asociacin

C aptulo 5

pgina 427

Pregunta de investigacin
Qu relacin existe entre el hbito tabquico y el cncer de mama?

Variable PREDICTORA Cualitativa dicotmica


Hbito tabquico

Variable RESULTADO Cualitativa dicotmica


Cncer de mama

Cul es la prueba estadstica ms adecuada?

C aptulo 5

pgina 428

Tabla de contingencia cncer de mama versus tabaquismo Variable PREDICTORA Fumadora No fumadora Total Clculos del programa estadstico tabla 2x2 2Pearson Correccin de Yates Razn de verosimilitud Test exacto de Fisher N Casos vlidos 85 Valor

Variable RESULTADO Cncer de mama Si 15 10 25 No 20 40 60 Total 35 50 85

Grados de libertad Contraste bilateral Contraste unilateral

5,18 4,14 5,14

1 1

0,023 0,042 0,023

0,030

0,021

C aptulo 5

pgina 429

Test de 2 de Pearson

2Pearson calculado = 5,18 > 2Pearson tabulado


AZAR

Ho Ha
AZAR

2 = 5,18

2 tabulado

Ha (hiptesis alternativa) = El hbito tabquico est asociado al cncer de mama en las mujeres de mi estudio.

C aptulo 5

pgina 430

Pregunta de investigacin
El hbito tabquico de los 61 alumnos del I curso de metodologa de investigacin depende del sexo?
Variable PREDICTORA Cualitativa dicotmica
Sexo de los alumnos

Variable RESULTADO Cualitativa dicotmica


Hbito tabquico

Cul es la prueba estadstica ms adecuada?

C aptulo 5

pgina 431

Test de 2 de Pearson
Alumnos del curso Variable PREDICTORA Masculino Femenino Total Variable RESULTADO Fumador 5 18 23 No fumador 28 10 38 Total 33 28 61

Ho (hiptesis nula) = El hbito tabquico es independiente de sexo del alumno del I curso de Metodologa de Investigacin. Ha (hiptesis alternativa) = El hbito tabquico depende del sexo del alumno del I curso de Metodologa de Investigacin.

C aptulo 5

pgina 432

Test de 2 de Pearson

2Pearson calculado = 15,57 > 2Pearson tabulado


AZAR

= 3,84

Ho
3,84

2 = 15,57 Ha

AZAR

Ha (hiptesis alternativa) = El hbito tabquico depende del sexo de alumno del I curso de Metodologa de Investigacin. Es decir hay diferencias en el hbito tabquico en funcin del sexo.

C aptulo 5

pgina 433

Test de 2 de Pearson
Clculos del programa estadstico 2Pearson (*) Correccin de Yates Razn de verosimilitud Test exacto de Fisher N Casos vlidos 61 Valor Grados de libertad Contraste bilateral Contraste unilateral 1 1 0,000 0,000 0,000 1 0,000 0,000

15,57 13,54 16,28

(*) 0 casillas (0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 10,56

Ha (hiptesis alternativa) = El hbito tabquico depende del sexo de alumno del I curso de Metodologa de Investigacin. Es decir hay diferencias en el hbito tabquico en funcin del sexo.

C aptulo 5

pgina 434

Test de 2 de Yates:
Correccin de continuidad
Variable RESULTADO Variable PREDICTORA Si No Total (+) a c a+c (-) b d b+d Total a+b c+d n

2 Y

n (ad bc)=

n
2

(a + b) (c + d) (a + c) (b + d)

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 5

pgina 435

Pregunta de investigacin
El hbito tabquico es homogneo en los 43 alumnos del II curso de metodologa de investigacin en funcin del sexo?
Variable PREDICTORA Cualitativa dicotmica
Sexo de los alumnos

Variable RESULTADO Cualitativa dicotmica


Hbito tabquico

Cul es la prueba estadstica ms adecuada?

C aptulo 5

pgina 436

Alumnos del curso Variable PREDICTORA Si No Total

Variable RESULTADO (+) 8 24 32 (-) 7 4 11 Total 15 28 43

Ho (hiptesis nula) = El hbito tabquico es homogneo en hombres y mejores del II curso de Metodologa de Investigacin. Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en hombres y mujeres del II curso de Metodologa de Investigacin.

Test de 2 de Pearson

C aptulo 5

pgina 437

Test de 2 de Pearson

2Pearson calculado = 5,38 > 2Pearson tabulado


AZAR

= 3,84

Ho
3,84

2 = 5,38 Ha

AZAR

Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en hombres y mujeres del II curso de Metodologa de Investigacin. Es decir hay diferencias en el hbito tabquico en funcin del sexo.

C aptulo 5

pgina 438

Mito 12: La sonrisa de la esfinge

Se cumplen todos lo requisitos para el uso del test de 2 Pearson? He observado que en uno de los casilleros el valor obtenido es inferior a 5 observaciones. Cmo justificas el empleo del test de 2 Pearson? La correccin de Yates permite analizar si dos variables dicotmicas estn asociadas cuando la muestra a estudiar es pequea y no se cumplen las condiciones necesarias para que la aplicacin del test 2 Pearson sea adecuada (uno de las casillas es inferior a 5). El test de 2Pearson exige que todos los valores esperados de las celdas en una tabla de contingencia sean mayores de 5.

C aptulo 5

pgina 439

Test de 2 de Yates:
Correccin de continuidad
En la frecuencia esperada en una de las cuatro celdas es menor de 5, por lo que NO resulta adecuado aplicar el test 2 Pearson , aunque s el test de Yates. Las variables sexo y tabaquismo son independientes, porque la probabilidad asociada a los datos del estudio (p = 0,051) es inferior a 0,05 (error alfa). Por tanto no podemos descartar la hiptesis nula (Ho). Ho (hiptesis nula) = El hbito tabquico es homogneo en hombres y mejores del II curso de Metodologa de Investigacin
Regla de Decisin: Frecuencias esperadas
3 5

Fisher

Yates

Pearson

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 5

pgina 440

Clculos del programa estadstico

Valor

Grados de libertad

Contraste bilateral

Contraste unilateral

2Pearson (*)

5,38 3,81 5,21

1 1

0,020 0,051 0,022

Correccin de Yates Razn de verosimilitud Test exacto de Fisher N Casos vlidos

1 43

0,031

0,027

(*) 1 casillas (25%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 3,84

Ho (hiptesis nula) = El hbito tabquico es homogneo en hombres y mujeres del II curso de Metodologa de Investigacin. Es decir NO hay diferencias en el hbito tabquico en funcin del sexo (p > 0,05).

C aptulo 5

pgina 441

Test exacto de Fisher

Variable RESULTADO Variable PREDICTORA Si No Total (+) a c a+c (-) b d b+d Total a+b c+d n

(a + b)! * (c + d)! * (a + c)! * (b + c)! n! * a! * b! * c! * d!

C aptulo 5

pgina 442

Pregunta de investigacin
El hbito tabquico es homogneo en los 17 alumnos del III curso de metodologa de investigacin en funcin del sexo?
Variable PREDICTORA Cualitativa dicotmica
Sexo de los alumnos

Variable RESULTADO Cualitativa dicotmica


Hbito tabquico

Cul es la prueba estadstica ms adecuada?

C aptulo 5

pgina 443

Alumnos del curso Variable PREDICTORA Si No Total

Variable RESULTADO (+) 2 8 10 (-) 5 2 7 Total 7 10 17

Ho (hiptesis nula) = El hbito tabquico es homogneo en hombres y mejores del III curso de Metodologa de Investigacin. Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en hombres y mujeres del III curso de Metodologa de Investigacin.

Correccin de continuidad de Yates Test de 2 de Pearson

C aptulo 5

pgina 444

Test de 2 de Pearson

2Pearson calculado = 4,49 > 2Pearson tabulado


AZAR

= 3,84

Ho
3,84

2 = 4,49 Ha

AZAR

Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en hombres y mujeres del III curso de Metodologa de Investigacin. Es decir hay diferencias en el hbito tabquico en funcin del sexo.

C aptulo 5

pgina 445

Mito 12: La sonrisa de la esfinge

Se cumplen todos lo requisitos para el uso del test de 2 Pearson? He observado que en varios casilleros el valores es igual o inferior a 5 observaciones. Cmo justificas el empleo del test de 2 Pearson? El test exacto de Fisher permite analizar si dos variables dicotmicas estn asociadas cuando la muestra a estudiar es demasiado pequea y no se cumplen las condiciones necesarias para que la aplicacin del test 2 Pearson sea adecuada. Estas condiciones exigen que los valores esperados de las celdas en una tabla de contingencia sean mayores de 5.

C aptulo 5

pgina 446

Test exacto de Fisher


En esta tabla a=2, b=5, c=8 y d=2. La frecuencia esperada en dos de las cuatro celdas es menor de 5, por lo que NO resulta adecuado aplicar el test 2 Pearson, ni la correccin de Yates, aunque s el test exacto de Fisher. Si las variables sexo y tabaquismo fuesen independientes, la probabilidad asociada a los datos que han sido observados vendra dada por p = 0,058 (bilateral). Ho (hiptesis nula) = El hbito tabquico es homogneo en hombres y mejores del III curso de Metodologa de Investigacin.
Regla de Decisin: Frecuencias esperadas
3 5

Fisher

Yates

Pearson

C aptulo 5

pgina 447

Clculos del programa estadstico 2Pearson Correccin de Yates Razn de verosimilitud Test exacto de Fisher N Casos vlidos

Valor

Grados de libertad Contraste bilateral Contraste unilateral 1 1 0,034 0,105 0,031 1 0,058 0,052

4,49 2,62 4,65

17

(*) 3 casillas (75%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 2,88. En ambos casos la Ho es la misma: la prevalencia de tabaquismo es igual en hombres y mujeres (Ho). En el contraste unilateral la hiptesis alternativa (Ha) dice de que la prevalencia es mayor en las mujeres que en los hombres (p=0,052). Cuando el planteamiento se hace con una perspectiva bilateral, la hiptesis alternativa (Ha) consiste en asumir que existen diferencias en la prevalencia de tabaquismo entre sexos, pero sin especificar de antemano en qu sentido se producen dichas diferencias, (p=0,058), que tampoco es significativo. Las dos formas de clculo nunca proporcionan los mismos resultados. El contraste unilateral (ms exigente) siempre resultar en un valor de p menor al contraste bilateral. En ambos casos, y a la vista de los resultados del programa estadstico, NO existe evidencia estadstica de asociacin entre el sexo y el hbito tabquico en los alumnos del curso de metodologa de investigacin de mi estudio.

C aptulo 5

pgina 448

Pregunta de investigacin
Qu relacin existe entre el pas de procedencia y la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes del campamento de Calamocarro de Ceuta?
Variable PREDICTORA Cualitativa policotmica
Pases africanos de origen

Variable RESULTADO Cualitativa dicotmica


Infeccin tuberculosa

Cul es el test estadstico mas adecuado?


Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75: 501-558.

C aptulo 5

pgina 449

Test de 2 de Pearson
Pas de procedencia Argelia Camern Costa de marfil Gambia Guinea Bissau Liberia Mali Mauritania Nigeria R.D. Congo R. Guinea Sierra Leona N 133 128 18 107 186 105 291 55 597 146 45 177 Prevalencia 25,6 48,4 27,8 11,2 26,3 27,4 32,7 24,1 29,1 34,0 65,1 20,8

2Pearson= 165; p<0,00001

Existe asociacin

C aptulo 5

pgina 450

Gambia

11% 20% 24% 25% 26% 27% 28% 29% 33% 34% 48% 65% R. Guinea Prevalencia de infeccin tuberculosa
Camern

Pas africano de procedencia del inmigrante

Sierra Leona Mauritania


Argelia

Guinea Bissau Liberia Costa de marfil Nigeria Mali R.D. Congo

Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75: 501-558.

C aptulo 5

pgina 451

Pregunta de investigacin
Existen diferencias en la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes segn la ciudad de destino (Ceuta, Barcelona, Toledo)?
Variable PREDICTORA Cualitativa policotmica
Destino - Ceuta - Barcelona - Toledo

Variable RESULTADO Cualitativa dicotmica


Infeccin tuberculosa

Cul es el test estadstico mas adecuado?

C aptulo 5

pgina 452

Test de 2 de Pearson
Variable RESULTADO Prueba de Mantoux Variable PREDICTORA Ceuta Barcelona Toledo (+) 722 (32,6%) 506 (34%) 75 (27,7%) (-) 1501 983 269 Total 2223 1489 344

2Pearson= 19,29; p = 0,000065

Ha: Existen diferencias en la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes segn la ciudad de destino (Ceuta, Barcelona, Toledo).

C aptulo 5

pgina 453

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558. Duran E, Cabezos J, Ros M, et al. Tuberculosa en los inmigrantes recin llegados a Barcelona. Med Clin (Barc) 1996; 106: 525-528. Alonso Moreno FJ, Garca Bajo MC, Lougedo Caldern MJ, et al. Prevalencia de infeccin tuberculosa en las personas inmigrantes del rea sur de Toledo. Rev Esp Salud Pblica 2004; 78: 593-600.

C aptulo 5

pgina 454

Pregunta de investigacin
Qu relacin y que grado de asociacin existe entre el grupo cultural/religioso de la ciudad de Ceuta y la prevalencia de inmunizacin frente a Toxoplasma goondi en la poblacin gestante?
Variable PREDICTORA Cualitativa policotmica
Grupo cultural: - Cristianas - Musulmanas

Variable RESULTADO Cualitativa dicotmica


Infeccin Toxoplasma goondi

Cul es el test estadstico mas adecuado?


Daz Portillo J, Torres E, Vadillo Andrade J. SEROEPIDEMIOLOGA DE LA TOXOPLASMOSIS EN UNA POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico 1998; 47: 106-116.

C aptulo 5

pgina 455

Test de 2 de Pearson
Variable predictora Religin Variable resultado Inmunizacin (+) (-) Cristiana 112 210 Musulmana 220 148

2Pearson= 43,99; p<0,0000001

Existe asociacin

No cuantifica el grado de intensidad de la asociacin.

C aptulo 5

pgina 456

Medidas de asociacin
Son indicadores estadsticos que miden la FUERZA o INTENSIDAD con la que una determinada enfermedad o evento de salud (VARIABLE RESULTADO) est asociada o relacionada con un determinado factor (que se presume como su causa, VARIABLE PREDICTORA).
Estadstico OR (Odds ratio) RR (Riesgo Relativo) Q de Yule Coeficiente PHI Coeficiente V de Cramer Coeficiente Lambda Coeficiente Gamma Coeficiente Tau Transversales limitaciones NO SI SI SI SI SI SI Cohortes NO SI SI SI SI SI SI SI Casos-controles SI NO SI SI SI SI SI SI

C aptulo 5

pgina 457

Test de 2 de independencia de Pearson


Test de la Q de Yule CONTRASTES A POSTERIORI Coeficiente PHI V de Cramer
No es un test de contraste de hiptesis (no calcula p) Tablas = 2 x 2 Nominales Tablas = 2 x 2 Nominales Tablas > 2 x 2 Nominales Tablas > 2 x 2 Nominales Tablas > 2 x 2 Ordinales Tablas > 2 x 2

Coeficiente Lambda

Coeficiente de incertidumbre Coeficiente Tau-b de Kendall Coeficiente Gamma D de Somers

Ordinales Tablas > 2 x 2 Ordinales Tablas > 2 x 2

C aptulo 5

pgina 458

Test de la Q de Yule
Variable predictora Religin Variable resultado Inmunizacin (+) (-) Cristiana A C Musulmana B D

Q =

[ (A * D) (B * C) ] [ (A * D) + (B * C) ]

C aptulo 5

pgina 459

Test de la Q de Yule
- Interpretacin: -Q=0 -Q>0 -Q<0 independencia asociacin positiva asociacin negativa

- Intervalo de Q: (-1, +1) - Informacin: - Medida de la intensidad de la asociacin - Sentido de la misma - Limitaciones: No es un test de contraste de hiptesis, no proporciona valor de p.

C aptulo 5

pgina 460

Caractersticas de la Q de Yule
- Medida de asociacin. - Valores mayores de 0 (asociacin positiva). - Valores menores de 0 (asociacin negativa). - Valor = 0 o prximos a 0 (es probable que no exista asociacin). - Vlida para cualquier tipo de Estudios (diseo). - Alcanza valores extremos (+1, -1) bajo condiciones de asociacin perfectas. - Es independiente de los cambios de ESCALA de filas y columnas. - Si se intercambian entre si las filas o las columnas se mantiene la magnitud de la INTENSIDAD de la asociacin, solo cambia la direccin de la misma, es decir el signo de la Q. - No es vlida sin un test previo de contraste de hiptesis que indique relacin entre ambas variables.

C aptulo 5

pgina 461

Test de la Q de Yule
Rubeola Variable resultado Inmunizacin (+) (-) Cristiana 279 41 Religin Musulmana 372 60

Q =

[ (279 * 60) (372 * 41) ] [ (279 * 60) + (372 * 41) ]

= 0,046

C aptulo 5

pgina 462

Mito 12: La sonrisa de la esfinge

La Q de Yule es un test que cuantifica la magnitud de la intensidad de la asociacin entre dos variables cualitativas, pero NO es un test de contraste de hiptesis, y por tanto, que para usarlo se debe cumplir previamente la asociacin estadstica entre ambas variables. Se cumple? He observado en tus resultados anteriores que el test de contraste de hiptesis de 2 Pearson tiene un valor de tan solo 0,18, con p = 0,67. Cmo justificas el empleo de la Q de Yule si NO existe asociacin estadstica entre ambas variables?

C aptulo 5

pgina 463

Test de la Q de Yule
Toxoplasma goondi Variable resultado Inmunizacin (+) (-) Cristiana 112 210 Religin Musulmana 220 148

Q =

[ (112 * 148) (220 * 210) ] [ (112 * 148) + (220 * 210) ]

= 0,47

C aptulo 5

pgina 464

Ejercicio: Qu grado de asociacin existe entre el infarto de miocardio y el sexo del paciente?
Q de Yule Sexo Hombre Mujer (+) 32 11 Acontecimiento de infarto (-) 10 27

Q =

[ (32 * 27) (11 * 10) ] [ (32 * 27) + (11 * 10) ]

= 0,74

El valor de 0,74 sugiere un grado de asociacin entre los factores sexo y acontecimiento del infarto bastante elevado, ya que 0,74 est prximo a 1, y adems indica que dicha asociacin es positiva, es decir los varones desarrollan con ms frecuencia el infarto que las mujeres.

C aptulo 5

pgina 465

Pregunta de investigacin
En qu grupo cultural/religioso es mayor la prevalencia de inmunizacin frente a Toxoplasma goondi en la poblacin gestante de Ceuta? Musulmanas o cristianas?
Variable PREDICTORA Cualitativa policotmica
Grupo cultural: - Cristianas - Musulmanas

Variable RESULTADO Cualitativa dicotmica


Infeccin Toxoplasma goondi

Cul es el test estadstico mas adecuado?


Daz Portillo J, Torres E, Vadillo Andrade J. SEROEPIDEMIOLOGA DE LA TOXOPLASMOSIS EN UNA POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico 1998; 47: 106-116.

C aptulo 5

pgina 466

Coeficiente PHI () Variable resultado Positiva (+) Negativa (-) Total Positiva (+) a c a+c b d

Variable predictora Negativa (-) Total a+b c+d n

b+d

Coeficiente PHI

(a * d) (b * c)

(a + c) (b + d) (a + b) (c + d)

C aptulo 5

pgina 467

Coeficiente PHI
Coeficiente PHI () Variable resultado Positiva (+) Negativa (-) Total Positiva (+) 112 (34,8%) 210 322 Variable predictora Negativa (-) 220 (59,8%) 148 368 Total 332 358 690

43,99 690

0,25

Coeficiente es un test de contraste de hiptesis

p < 0,01

C aptulo 5

pgina 468

Coeficiente PHI
Coeficiente PHI () Variable resultado Positiva (+) Negativa (-) Total Positiva (+) 112 (34,8%) 210 322 Variable predictora Negativa (-) 220 (59,8%) 148 368 Total 332 358 690

(112 * 148) (220 * 210)

(112 + 210) (220 + 148) (112 + 220) (210 + 148)

= - 0,25

Ha: La inmunizacin a Toxoplasma se encuentra asociada a la cultura musulmana.

C aptulo 5

pgina 469

Coeficiente PHI

- Condiciones: Tablas tetracricas (2 x 2). - Interpretacin: - =0 - >0 - <0 independencia. asociacin positiva. asociacin negativa.

- Intervalo de : entre -1 y 1. - Informacin: Es un test de contraste de hiptesis que mide la intensidad de la asociacin. Cuando se acercan a cero, indican independencia o asociacin muy dbil entre las variables. Cuando se acercan a uno, indican una relacin ms fuerte o intensa entre las variables estudiadas.

C aptulo 5

pgina 470

Odds Ratio (OR)


Enfermedad (Variable resultado) Exposicin (Variable predictora) (+) (-) Casos A C B D
Tasa de exposicin Tasa de en los CASOS observadaexposicin observada en los CASOS

Controles

A: Personas enfermas que estn expuestos B: Personas sanas que estn expuestas C: Personas enfermas que no estn expuestos D: Personas sanas que no estn expuestos

OR = Tasa de exposicin observada en OR = Tasa de exposicin observada en


los CONTROLES los CONTROLES

OR = OR =

[ [A / /C ] ] A C [ [B / /D ] ] B D [ [(A **D) ] ] (A D) [ [(B **C) ] ] (B C)

OR = OR =

C aptulo 5

pgina 471

Caractersticas de la Odds Ratio (OR)


- Medida de asociacin. - Valores mayores de 1 (asociacin positiva) (factor de riesgo). - Valores menores de 1 (asociacin negativa) (factor de proteccin). - Valor = 1 (no existe asociacin). - Estudios casos-controles. - OR: es la razn entre la probabilidad de que un suceso ocurra y la probabilidad de que no ocurra. - OR : cociente entre la tasa de exposicin observada en el grupo de casos (A/C) y la tasa de exposicin observada en el grupo control (B/D). - OR: refleja la probabilidad de que los casos (cncer de pulmn) estn expuestos al factor de estudio (tabaco) comparada con la probabilidad de que lo estn los controles.

C aptulo 5

pgina 472

Odds Ratio (OR)


Enfermedad Exposicin (Variable predictora) Tabaco (+) Tabaco (-) Casos A C B D
Tasa de TABAQUISMO Tasa de exposicin observada los CASOS observada enen los enfermos de CANCER de pulmn

Controles

A: Personas enfermas de cncer de pulmn fumadoras B: Personas sanas fumadoras C: Personas enfermas de cncer de pulmn no fumadores D: Personas sanas no fumadoras

OR = Tasa de exposicin observada en OR = Tasa de TABAQUISMO


los CONTROLESen SANOS observada

[A/C]

OR =

[B/D] [ (A * D) ] [ (B * C) ]

OR =

C aptulo 5

pgina 473

Pregunta de investigacin
Qu relacin y qu medida de asociacin existe entre la cloracin del agua y el cncer de vejiga?
Variable PREDICTORA CUALITATIVA dicotmica
Cloracin del agua

Variable RESULTADO CUALITATIVA dicotmica


Cncer de vejiga

Cul es el test estadstico ms acertado?

C aptulo 5

pgina 474

Odds Ratio (OR)


Cncer de vejiga Exposicin Cloracin (+) Cloracin (-) Casos A C B D
TasaTasa de exposicin de CLORACIN observada en los enfermos de CANCER de vejiga (casos) observada en los CASOS

Controles

A: Personas enfermas de cncer de vejiga expuestas al cloro B: Personas sanas expuestas al cloro C: Personas enfermas de cncer de vejiga no expuestas al cloro D: Personas sanas no expuestas al cloro

OR =Tasa dede exposicin observada en OR = Tasa CLORACIN observada


los en SANOS (controles) CONTROLES

[A/C]

OR =

[B/D] [ (A * D) ] [ (B * C) ]

OR =

C aptulo 5

pgina 475

Influencia de la metodologa de la evaluacin de la exposicin

C aptulo 5

pgina 476

Ejemplo de uso de la OR:


Estudio caso-control
- CASOS: Individuos con Strongiloides stercolaris en las heces ante la presencia de eosinofilias en el hemograma. - CONTROLES: Individuos de igual edad y sexo sin eosinofilia ni parsitos en heces

Rodrguez Calabuig D, Igual Adell R, Oltra Alcaraz C, Snchez Snchez P, Bustamante Balen M, Parra Godoy F y Nagore Enguidanos E. Actividad laboral agrcola y estrongiloidiasis. Estudio caso-control. Rev Cln Esp 2001; 201:81-84.

C aptulo 5

pgina 477

Odds Ratio (OR)


Ejemplo estudio caso-control

C aptulo 5

pgina 478

Odds Ratio (OR)


Ejemplo estudio caso-control

C aptulo 5

pgina 479

Actividad laboral agrcola y estrongiloidiasis Estudio caso-control


Discusin
Un gran nmero de personas trabajaban descalzas en la siembra, cuidando y recolectando el arroz, con los pies hundidos en el fango durante largos perodos de tiempo, lo que facilitara la entrada del nematodo. Los resultados obtenidos, especificando el tipo de actividad, muestran una asociacin de la estrongiloidiasis con el cultivo de arroz OR de 2,97 (IC 95%: 1,16-7,71), lo que representa un mayor riesgo de infestacin. En la limpieza de acequias se obtuvo tambin una tendencia casi significativa OR de 2,39 (IC 95%: 0,85-6,82), en cambio en el cultivo de ctricos y de hortalizas, que habitualmente no se realizaban descalzos ni en tierras fangosas, no se han encontrado estas diferencias.

Rodrguez Calabuig D, Igual Adell R, Oltra Alcaraz C, Snchez Snchez P, Bustamante Balen M, Parra Godoy F y Nagore Enguidanos E. Actividad laboral agrcola y estrongiloidiasis. Estudio caso-control. Rev Cln Esp 2001; 201:81-84.

C aptulo 5

pgina 480

Mito 12: La sonrisa de la esfinge


En las tablas 1 y 2 presentadas se han incluido solo el valor de la OR y su IC95%, pero no se ha incluido el valor del estadstico (test de contraste de hiptesis) ni la significacin estadstica p para cada variable predictora presuntamente significativa. Cul es el valor de la p? Porqu dices que la prctica de la limpieza de acequias est relacionada con la estrongiloidiasis cuando el valor del IC95% de la OR incluye a la unidad? Cul es el test de contraste de hiptesis que has empleado en cada asociacin? Test de 2 Pearson He calculado el valor del estadstico 2 Pearson NO hay la significacin estadstica. Ser un error beta ? Cul es la potencia estadstica del estudio (valor )?

Horbar JD, Onstad L, Wright E. Predicting mortality risk for infants weighing 501 to 1500 grams at birth: The National Institutes of Health Neonatal Research Network report. Crit Care Med 1993; 21:1218.

C aptulo 5

pgina 481

Qu relacin y qu medida de asociacin existe entre la prctica del cultivo de arroz y la estrongiloidiasis?
Test de 2 de Pearson Variable PREDICTORA Cultivo de arroz Si No Total Variable RESULTADO Estrongiloidiasis Casos 25 (53%) 22 47 Controles 13 (28%) 34 47 Total 38 56 94

2Pearson = 6,36;

p = 0,012

OR = 2,97 (1,16-7,71) Q de Yule = 0,50

C aptulo 5

pgina 482

Pregunta de investigacin
Qu relacin y qu medida de asociacin existe entre la prctica del cultivo del arroz y la estrongiloidiasis?
Variable PREDICTORA CUALITATIVA dicotmica
Cultivo de arroz

Variable RESULTADO CUALITATIVA dicotmica


Estrongiloidiasis

OR = 2,97 IC95% = 1,16 7,71

2Pearson = 6,36;

p = 0,012

Q de Yule = 0,50

C aptulo 5

pgina 483

Qu relacin y qu medida de asociacin existe entre la prctica de la limpieza de acequias y la estrongiloidiasis ?


Test de 2 de Pearson Variable PREDICTORA Limpieza de acequia Si No Total Variable RESULTADO Estrongiloidiasis Casos 17 (36%) 30 47 Controles 9 (19%) 38 47 Total 26 68 94

2 = 3,40 ;

p = 0,065

No existe asociacin

C aptulo 5

pgina 484

Pregunta de investigacin
Qu relacin y qu medida de asociacin existe entre la prctica de la limpieza de acequias y la estrongiloidiasis?
Variable PREDICTORA CUALITATIVA dicotmica
Limpieza de acequias

Variable RESULTADO CUALITATIVA dicotmica


Estrongiloidiasis

OR = 2,39

2 = 3,40 ;

IC95% = 0,85 - 6,82


p = 0,065

Q de Yule = 0,41

C aptulo 5

pgina 485

Riesgo Relativo (RR)


Enfermedad (E) Exposicin (F) Tabaco (+) Tabaco (-) Casos A C B D Controles

A: Personas enfermas de cncer de pulmn fumadoras B: Personas sanas fumadoras C: Personas enfermas de cncer de pulmn no fumadores D: Personas sanas no fumadoras

RR =

[ A / (A + B)] [ C / (C + D) ]
A<< B C<< D A+ B B C+D D

RR =
Es la probabilidad de que una enfermedad (E) se desarrolle en el grupo expuesto (F) en relacin a la del grupo no expuesto.

[ (A * D) ] [ (B * C) ]

C aptulo 5

pgina 486

Pregunta de investigacin
Qu relacin y qu medida de asociacin existe entre la exposicin al humo del tabaco durante la gestacin y el bajo peso al nacimiento del RN?
Variable PREDICTORA CUALITATIVA dicotmica
Exposicin al humo del tabaco

Variable RESULTADO CUALITATIVA dicotmica


Peso del RN

RR = 2,71 (1,38-5,34) Q de Yule = 0,47

2Pearson= 9.03;

p = 0.00265

Martn TR, Bracken MB. Association of low birth weight with passive smoke exposure in pregnancy. Am J. Epidemiol 1986; 124: 633-642.

C aptulo 5

pgina 487

Riesgo Relativo (RR)


Enfermedad (E) Exposicin (F) Tabaco (+) Tabaco (-) Casos A (20) C (14) Controles B (833) D (1606)

En la Tabla, exponemos los resultados de un estudio de seguimiento donde 853 mujeres estuvieron pasivamente expuestas al humo del tabaco durante la gestacin y 1620 no lo estuvieron, y su asociacin con el bajo peso al nacer.
2 = 9.03; p = 0.00265 95% IC (1.38;5.34)

A: RN de bajo peso de madres expuestas al tabaco B: RN normopeso de madres expuestas al tabaco C: RN de bajo paso de madres NO expuestas al tabaco D: RN normopeso de madres NO expuestas al tabaco

Q de Yule = 0,47

RR =

Ie Io

20/853 14/1620

= 2,713

El RR es 2.71, significa que las expuestas al factor F (exposicin pasiva al tabaco) tienen 2,71 veces ms probabilidades de tener nios de bajo peso que las no expuestas.

Martn TR, Bracken MB. Association of low birth weight with passive smoke exposure in pregnancy. Am J. Epidemiol 1986; 124: 633-642.

C aptulo 5

pgina 488

Pregunta de investigacin
Qu relacin y qu medida de asociacin existe entre el sedentarismo (factor de riesgo) y el desenlace (muerte) en pacientes que han sufrido un IAM?
Variable PREDICTORA CUALITATIVA dicotmica
Ejercicio moderado/ Sedentarismo

Variable RESULTADO CUALITATIVA dicotmica


Muerte / Supervivencia

100 pacientes con IAM

C aptulo 5

pgina 489

Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico realizado existe asociacin entre el factor de riesgo (SEDENTARISMO) y el desenlace (MUERTE)? Cul es la magnitud de dicha asociacin?

Sedentarios N = 40

Seguimiento 5 aos 100 pacientes con IAM

Fallecimientos A = 15 Sobrevivientes B = 25 Fallecimientos C = 10 Sobrevivientes D = 50

Ejercicio moderado N = 60

Seguimiento 5 aos

C aptulo 5

pgina 490

Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico Exposicin (F) Variable predictora Sedentarismo (+) Sedentarismo (-)

Desenlace (E) Variable resultado Muerte A = 15 C = 10 Sobreviviente B = 25 D = 50

Existe asociacin entre el factor de riesgo (SEDENTARISMO) y el desenlace (MUERTE)?

100 pacientes con IAM A: Fallecidos con sedentarismo B: Sobrevivientes sedentarios C: Fallecidos deportistas D: Sobrevivientes deportistas

Cul es la prueba estadstica ms adecuada?

Test de 2 de Pearson

C aptulo 5

pgina 491

Ho
3,84

2 = 5,56 Ha

AZAR

2 2Pearson calculado = 5,56 2PearsonPearson tabulado = 3,84 > = 43,99; p<0,0000001


Clculos del programa estadstico Valor Grados de libertad

Existe asociacin

p < 0,05

Contraste bilateral

Contraste unilateral

2Pearson (*)

5,56 4,50 5,47

1 1

0,018 0,034 0,019

Correccin de Yates Razn de verosimilitud Test exacto de Fisher N Casos vlidos

1 100

0,033

0,017

C aptulo 5

pgina 492

Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico Exposicin (F) Variable predictora Sedentarismo (+) Sedentarismo (-)

Desenlace (E) Variable resultado Muerte A = 15 C = 10 Sobreviviente B = 25 D = 50 Cul es la intensidad o magnitud de dicha asociacin?

100 pacientes con IAM A: Fallecidos con sedentarismo B: Sobrevivientes sedentarios C: Fallecidos deportistas D: Sobrevivientes deportistas

RR =

[ A / (A + B)] [ C / (C + D) ]

Es la probabilidad de morir (E) en el grupo de sedentarios (expuestos al factor de riesgo) en relacin con la probabilidad de muerte en deportistas (grupo no expuesto).

C aptulo 5

pgina 493

Riesgo Relativo (RR) =

Tasa de Incidencia de muertes en sedentarios (en expuestos) Tasa de Incidencia de muertes en deportistas ( NO expuestos )

RR =

Ie Io

RR =

[ A / (A + B)] [ C / (C + D) ]

RR =

[ 15 / (15 + 25)] [ 10 / (10 + 50) ]

= 2,25

RR = 2,25 Q de Yule = 0,50

2Pearson= 5,56;

p = 0,018

C aptulo 5

pgina 494

Pregunta de investigacin
Qu relacin y qu medida de asociacin existe entre el ejercicio fsico moderado (factor de riesgo) y el desenlace (muerte) en pacientes que han sufrido un IAM?
Variable PREDICTORA CUALITATIVA dicotmica
Ejercicio moderado/ Sedentarismo

Variable RESULTADO CUALITATIVA dicotmica


Muerte / Supervivencia

100 pacientes con IAM

C aptulo 5

pgina 495

Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico realizado existe asociacin entre el factor de riesgo (EJERCICIO FSICO) y el desenlace (MUERTE)? Cul es la magnitud de dicha asociacin?

Ejercicio moderado N = 60

Seguimiento 5 aos 100 pacientes con IAM Seguimiento 5 aos

Fallecimientos C = 10 Sobrevivientes D = 50 Fallecimientos A = 15 Sobrevivientes B = 25

Sedentarios N = 40

C aptulo 5

pgina 496

Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico Exposicin (F) Variable predictora Ejercicio fsico (+) Ejercicio fsico (-)

Desenlace (E) Variable resultado Muerte A = 10 C = 15 Sobreviviente B = 50 D = 25

100 pacientes con IAM A: Fallecidos con ejercicio fsico moderado B: Sobrevivientes con ejercicio fsico moderado C: Fallecidos sedentarios (NO deportistas) D: Sobrevivientes sedentario (NO deportistas)

RR =

[ A / (A + B)] [ C / (C + D) ]

Es la probabilidad de morir (E) en el grupo de deportistas (expuestos al factor de riesgo) en relacin con la probabilidad de muerte en sedentarios -NO deportistas- (grupo no expuesto).

C aptulo 5

pgina 497

Riesgo Relativo (RR) =

Tasa de Incidencia de muertes en deportistas moderados (en expuestos) Tasa de Incidencia de muertes en sedentarios ( NO expuestos )

RR =

Ie Io

RR =

[ A / (A + B)] [ C / (C + D) ]

RR =

[ 10 / (10 + 50)] [ 15 / (15 + 25) ]

= 0,44

RR = 0,44 Q de Yule = - 0,50

2Pearson= 5,56;

p = 0,018

C aptulo 5

pgina 498

Evolucin de 100 pacientes operados con una NUEVA tcnica quirrgica frente a 100 pacientes operados con la tcnica CLSICA.

Nueva tcnica quirrgica Grupo problema N= 100

Seguimiento

Complicaciones A = 15 Sin complicaciones B = 85 Complicaciones C = 20

Tcnica clsica Grupo Control N = 100

Seguimiento

Sin complicaciones D = 80

C aptulo 5

pgina 499

Riesgo Relativo (RR) =

Tasa de Incidencia de complicaciones con la NUEVA tcnica Tasa de Incidencia de complicaciones con la tcnica CLASICA

RR =

Ie Io

RR =

[ A / (A + B)] [ C / (C + D) ]

RR =

[ 15 / (15 + 85)] [ 20 / (20 + 80) ]

= 0,75

RR = 0,75 RRR = [ 1 RR ] * 100 RRA = [ IN IC ] * 100 RRR = 25% RRA = 5%

C aptulo 5

pgina 500

Evento en estudio Frmula Incidencia de complicaciones quirrgicas con la NUEVA tcnica Incidencia de complicaciones quirrgicas con la tcnica CLSICA RIESGO RELATIVO (RR)
RR =

Complicaciones quirrgicas 15%

I N = [ A / (A + B)] I C = [ C / (C + D) ]
[ A / (A + B)] [ C / (C + D) ]

20%

0,75

Reduccin del RIESGO RELATIVO (RRR) Reduccin ABSOLUTA del RIESGO (RAR) Nmero de pacientes que se necesita operar (NNT)

RRR = [ 1 RR ] * 100

25% 5% 20

RAR = [ IN IC ] * 100 NNT = [ 1 / RAR ] * 100

C aptulo 5

pgina 501

Escenario clnico: Un da muy ocupado en su centro y usted esta sentado con la piernas en alto, hojeando un nmero reciente de Mdicos en su tiempo libre. Se encuentra con un anuncio de PLAVIX que indica que este medicamento produce una reduccin del riesgo de eventos cardiovasculares en un 8% comparado con aspirina. Usted piensa si debera cambiar todos sus pacientes a Plavix .
Eventos resultantes del anlisis del estudio CAPRIE PLAVIX Pacientes ICTUS IAM Otras muertes vasculares Total de eventos vasculares 9599 4,6% 2,9% 2,4% 9,8% ASPIRINA 9586 4,8% 3,5% 2,4% 10,7%

Como se muestra en el cuadro PLAVIX se asoci con una menor incidencia de eventos resultantes de cualquier clase. La reduccin del Riesgo Relativo fue de 8,7% con un IC95% = 0,3-16,5% p=0,045. Sin embargo la reduccin del riesgo absoluto (9,8% contra 10,7%) fue de tan solo 0,9%.

C aptulo 5

pgina 502

Aparicin de eventos cardiovasculares despus de un periodo de seguimiento en pacientes tratados con PLAVIX (grupo problema) frente a los pacientes tratados con ASPIRINA (grupo control).

Grupo problema PLAVIX

Iplavix = 9,8 Seguimiento

Eventos cardiovasculares A Sin eventos B Eventos cardiovasculares C Sin eventos D

Grupo control ASPIRINA

Seguimiento Iaspirina = 10,7

C aptulo 5

pgina 503

Riesgo Relativo (RR) =

Tasa de Incidencia de eventos cardiovasculares con el PLAVIX Tasa de Incidencia de eventos cardiovasculares con ASPIRINA

RR =

IP IA

RR =

IP IA

9,8 10,7

= 0,916

RR = 0,916 RRR = 8,7%

RRR = [ 1 RR ] * 100

IC95% = 0,3-16,5% p = 0,045

RAR = [ IP IA ] * 100 NNT = [ 1 / RAR ] * 100

RAR = 0,9% NNT = 111


pacientes

C aptulo 5

pgina 504

Evento en estudio Frmula Incidencia de eventos cardiovasculares con el PLAVIX Incidencia de eventos cardiovasculares con la ASPIRINA RIESGO RELATIVO (RR) Complicaciones quirrgicas 9,8% 10,7%

I Plavix= [ A / (A + B)] I Aspirina = [ C / (C + D) ]


RR = [ A / (A + B)] [ C / (C + D) ]

0,916

Reduccin del RIESGO RELATIVO (RRR) Reduccin ABSOLUTA del RIESGO (RAR) Nmero de pacientes que se necesita operar (NNT) Aumento del coste mensual del Plavix respecto a la aspirina

RRR = [ 1 RR ] * 100 RAR = [ IN IC ] * 100 NNT = [ 1 / RAR ] * 100

8,7% 0,9% 111 + 112 $ (94 )

Ensayo CAPRIE (Lancet)

C aptulo 5

pgina 505

Resolucin del escenario

El 8,7% de reduccin del riego que publica el artculo es la Reduccin del Riesgo Relativo (RRR). La Reduccin Absoluta del Riesgo (RAR) fue un ridculo 0,9%, con un NNT muy elevado (111), con un amplio IC95% (de 57 a 2500). El resultado fue estadsticamente significativo casi marginalmente, p = 0,045, donde el IC95% de la RRR fue del 0.3% al 16.5%, que ni siquiera apareca en el texto (solo a pie de tabla). Aunque es estadsticamente significativo, sin embargo la significacin CLNICA es muy cuestionable. La RRR del 8,7% de Plavix frente a aspirina se dibuja en un grfico con una rea que es casi igual que la del 25% del RRR de la aspirina frente al placebo, violando claramente de la ley de Tufte (factor mentiroso de Tufte = Tamao del efecto mostrado en el grfico / Tamao del efecto en los datos 1). La publicacin es un estudio real, el ensayo CAPRIE publicado en Lancet, y sin embargo, despus de todo usted lgicamente decide, ahorrarles a sus pacientes y a la Seguridad Social los 112 dlares (94) al mes que cuesta Plavix y seguir tratando a sus pacientes con aspirina.

C aptulo 5

pgina 506

Objetivo: Evaluar la eficacia de la disminucin de colesterol con simvastatina en la reduccin de la mortalidad y morbilidad en pacientes con enfermedad coronaria (EC). Diseo: Ensayo clnico controlado, aleatorizado en dos ramas, a doble ciego con placebo y un seguimiento medio de 5,4 aos. mbito: Pacientes procedentes de 95 centros mdicos de Escandinavia. Sujetos de estudio: 4.444 pacientes de entre 35 y 70 aos, 81% hombres, 51% mayores de 60 aos, con antecedentes de infarto de miocardio previo a angina de pecho, colesterol srico de 5,5 a 8,8 mmol/l, concentraciones medias de HDL de 1,18 mmol/l, LDL 4,87 mmol/l, triglicridos 1,50 mmol/l y dieta hipolipemiante concurrente. Intervencin: 2.223 sujetos se les administraron 20 mgr de simvastatina y a 2.221 el correspondiente placebo. Parmetros principales de eficacia: Mortalidad total, mortalidad de causa coronaria, infarto de miocardio no letal probable o definitivo verificado. Resultados principales: Durante los 5,4 aos en promedio de seguimiento la simvastatina produjo unos cambios medios de colesterol total, LDL colesterol y HDL colesterol de 25%, -35% y +8%, respectivamente. 256 (12%) sujetos en el grupo de placebo murieron en comparacin con 182 (8%) en el grupo de simvastatina. Hubo 189 muertes de origen coronario en el grupo de placebo y 111 en el de simvastatina y 49 y 46 muertes de origen no cardiovascular en dichos grupos, respectivamente. 622 sujetos (28%) en el grupo con placebo y 431 (19%) en el de simvastatina tuvieron uno o ms incidentes coronarios mayores. Conclusiones: La disminucin de la concentracin de colesterol con simvastatina reduce la mortalidad total y la incidencia de incidentes cardiovasculares mayores.

Randomised trial of cholesterol lowering in 4444 patients with coronary heart disease: the Scandivarian Simvastatin Survival Study (4S). Lancet 1994; 334: 1383-1389.

C aptulo 5

pgina 507

Grupo problema SIMVASTATINA N = 2223 Grupo control PLACEBO N = 2221

ISimvastatina = 19% Seguimiento medio 5,4 aos

Incidentes coronarios mayores A = 431 Sin eventos B Incidentes coronarios mayores C = 622 Sin eventos D

IPlacebo = 28%

Randomised trial of cholesterol lowering in 4444 patients with coronary heart disease: the Scandivarian Simvastatin Survival Study (4S). Lancet 1994; 334: 1383-1389.

C aptulo 5

pgina 508

Muertes de origen NO cardiovascular 46

Grupo problema SIMVASTATINA N = 2223 Grupo control PLACEBO N = 2221

Muertes de origen cardiovascular A = 111 Sin eventos B Muertes de origen cardiovascular C = 189 Sin eventos D

ISimvastatina = 8%
Muertes de origen NO cardiovascular 49

IPlacebo = 12% Seguimiento medio 5,4 aos

Randomised trial of cholesterol lowering in 4444 patients with coronary heart disease: the Scandivarian Simvastatin Survival Study (4S). Lancet 1994; 334: 1383-1389.

C aptulo 5

pgina 509

Simvastatina Placebo Incidencia en tratados con Simvastatina IS Incidencia en tratados con placebo IP

RR

RRR
[ 1 RR ] * 100

RAR IS IP

NNT
[ 1 / RAR ] * 100

RR =

IS IA

Incidentes cardiovasculares mayores

19%

28%

0,68

32%

9%

11

Mortalidad

8%

12%

0,66

33%

4%

25

Randomised trial of cholesterol lowering in 4444 patients with coronary heart disease: the Scandivarian Simvastatin Survival Study (4S). Lancet 1994; 334: 1383-1389.

C aptulo 5

pgina 510

Odds Ratio (OR) versus Riesgo Relativo (RR)


Enfermedad (E) Exposicin (F) Tabaco (+) Tabaco (-) Total Cncer de pncreas (+) A (10) C (10) 20 No enfermos (-) Total B (9990) D (19990) 29980 10000 20000 30000

OR = [ A / (A + B)] RR = Tasa de exposicin observada en los CONTROLES


[ C / (C + D) ]

Tasa de exposicin observada en los CASOS

[ 10 / (10000)] RR = [ 10 / (20000) ] [ 10/10 ] OR = [ 9990 /19990 ]

[A/C]
OR = 2,001 RR = 2,000

OR =

[B/D] [ (A * D) ]

La OR solo se aproxima al RR cuando el suceso es raro y ocurre en menos del 10% de los sujetos, en OR = estos casos ambos estimadores son intercambiables ] [ (B * C)

C aptulo 5

pgina 511

Importancia del intervalo de confianza en el RR


- Risk Factors for Future Cardiovascular Events: WHS Lipoprotein(a) Homocysteine IL-6 Colesterol total (CT) Colesterol-LDL (cLDL) sICAM-1 SAA Apo B Cociente CT/cHDL PCR ultrasensible PCR + CT/cHDL

1.0

2.0

4.0

6.0

Relative Risk of Future Cardiovascular Events

Ridker PM et al. N Engl J Med 2000;342:836-843.

C aptulo 5

pgina 512

Pregunta de investigacin
Existe relacin entre el nivel cultural y el hbito tabquico?

Variable PREDICTORA CUALITATIVA ordinal


Nivel cultural

Variable RESULTADO CUALITATIVA dicotmica


Hbito tabquico

Cul es el test estadstico ms acertado?

C aptulo 5

pgina 513

Existe relacin entre el nivel socioeconmico y el hbito tabquico?


Tabla de contingencia que representa el nivel de estudios alcanzado frente al hbito tabquico actual Fumador actual ESTUDIOS <Primarios Primarios Secundarios Universitarios TOTAL NO 7 30 20 75 132 SI 13 20 10 25 68 Total 20 50 30 100 200 Porcentaje 65% 40% 33% 25% 34%

Test de 2 de tendencia lineal


2 tendencia lineal = 11,56 p=0,001

C aptulo 5

pgina 514

Pregunta de investigacin
La hipertrigliceridemia en sangre de cordn umbilical puede ser indicativa de episodios de sufrimiento fetal?
Variable PREDICTORA SFA
Test de APGAR

Variable RESULTADO Hipertrigliceridemia


Triglicridos (sangre de cordn)

C aptulo 5

pgina 515

Test de 2 de tendencia lineal


Categorizacin

Variable RESULTADO Cuantitativa continua Variable PREDICTORA Cuantitativa discreta


TEST DE APGAR Mayor de 7 Igual a 7 Menor de 7 Hipertrigliceridemia (n=36)
27 (2,1%) 4 (11,1%) 5 (15,6%)

Variable RESULTADO Cualitativa nominal


Norm otrigliceridemia (n=636)
1253 (97,9%) 81 (88,9%) 27 (84,4%) 1,00 2,29 8,57

Tabla 4.- Relacin entre la presencia de hipertrigliceridemia neonatal y el indice de apgar al minuto.

OR

Variable PREDICTORA Cualitativa ordinal

OR: Odds Ratio


2 Test de ji al cuadrado de tendencia () = 20,85 ; p<0,0001

Daz Portillo J. Influencia del grupo tnico en el patrn lipoproteico de una determinada poblacin peditrica de Ceuta. Tesis doctoral . Facultad de Medicina. Universidad de Cdiz . Noviembre 1997.

C aptulo 5

pgina 516

Resultados
La tabla 4 relaciona la presencia de hipertrigliceridemia neonatal con el ndice de Apgar al minuto. Se observ una relacin estadsticamente significativa con tendencia lineal entre ambas variables categricas, con una asociacin creciente entre la hipertrigliceridemia y la disminucin del ndice de Apgar. La probabilidad de detectar hipertrigliceridemia en neonatos con ndices de Apgar inferiores a 7 fue ocho veces superior que en RN con Apgar fisiolgico.

Daz Portillo J. Influencia del grupo tnico en el patrn lipoproteico de una determinada poblacin peditrica de Ceuta. Tesis doctoral . Facultad de Medicina. Universidad de Cdiz . Noviembre 1997.

C aptulo 5

pgina 517

Discusin
Nuestros resultados apoyan los obtenidos por Tsang et al. (12) y Andersen y Friis-Hansen (13), e indican una fuerte asociacin entre los episodios de sufrimiento fetal y la hipertrigliceridemia neonatal. Del mismo modo, la frecuencia de hipertrigliceridemia va aumentando conforme disminuye el ndice de Apgar. Exposicin
SFA

Desenlace o efecto
Hipertrigliceridemia

OR = 7,23 p=0,003
Daz Portillo J. Influencia del grupo tnico en el patrn lipoproteico de una determinada poblacin peditrica de Ceuta. Tesis doctoral . Facultad de Medicina. Universidad de Cdiz . Noviembre 1997.

C aptulo 5

pgina 518

Pregunta de investigacin
La hipertrigliceridemia en sangre de cordn umbilical puede ser debida al consumo de tabaco durante la gestacin?
Variable PREDICTORA
Consumo de tabaco

Variable RESULTADO
Hipertrigliceridemia Triglicridos (sangre de cordn)

C aptulo 5

pgina 519

Test de 2 de tendencia lineal


Categorizacin

Variable RESULTADO Cuantitativa continua


Influencia del tabaco No fumadoras Fumadoras moderadas Grandes fumadoras Hipertrigliceridemia neonatal 1,7% 5,3% 5,4%

Variable RESULTADO Cualitativa nominal


Normotrigliceridemia neonatal 98,3% 94,7% 94,6% OR 1,00 3,20 3,27

2 tendencia lineal = 5,68

p=0,017

Utiliza la estadstica como un borracho usa una farola, para aguantarse en lugar de para iluminarse Andrew Lang
Daz Portillo J. Influencia del grupo tnico en el patrn lipoproteico de una determinada poblacin peditrica de Ceuta. Tesis doctoral . Facultad de Medicina. Universidad de Cdiz . Noviembre 1997.

C aptulo 5

pgina 520

Pregunta de investigacin
Existen diferencias en la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes residentes en el campamento de Calamocarro en Ceuta segn la edad?
Variable PREDICTORA CUALITATIVA policotmica
Inmigrantes < 25 aos 25-35 aos >35

Variable RESULTADO CUALITATIVA dicotmica


Tuberculosis

Cul es el test estadstico ms adecuado?

C aptulo 5

pgina 521

Anlisis del texto en el MATERIAL y MTODOS Empleamos el test de chi2 para comparacin de porcentajes, y la prueba de la t de Student para variables cuantitativas. La evaluacin de las tendencias se realiz con la prueba de chi2 de tendencia lineal. Anlisis del texto en los RESULTADOS Con independencia del punto de corte seleccionado, se observ mayor positividad en el sexo masculino que en el femenino, y la positividad tambin present una ligera tendencia a aumentar con la edad (p = 0,07). Anlisis del texto en la DISCUSIN ?

Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.

C aptulo 5

pgina 522

Test de 2 de tendencia lineal


Categorizacin

Variable RESULTADO Cuantitativa continua


Grupo etario Menos de 25 aos 25 - 35 aos > 35 aos Mantoux (+) 221 242 15 Mantoux (-) 721 482 38

Variable RESULTADO Cualitativa nominal policotmica


N 942 724 53 Prevalencia 28,2% 33,5% 27,8%

2 tendencia lineal = 5,2

p = 0,07

Utiliza la estadstica como un borracho usa una farola, para aguantarse en lugar de para iluminarse Andrew Lang

C aptulo 5

pgina 523

Test de 2 de independencia
Categorizacin

Variable RESULTADO Cuantitativa continua


Grupo etario Menos de 25 aos 25 - 35 aos Mantoux (+) 221 242 Mantoux (-) 721 482

Variable RESULTADO Cualitativa nominal dicotmica


N 942 777 Prevalencia 28,2% 33,1%

2 = 26,07

p=0,0000003

Utiliza la estadstica como un borracho usa una farola, para aguantarse en lugar de para iluminarse Andrew Lang

C aptulo 5

pgina 524

Pregunta de investigacin
Existen diferencias en la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes residentes en Toledo segn la edad?
Variable PREDICTORA CUALITATIVA policotmica
Inmigrantes < 20 aos 25-29 aos 30-39 aos

Variable RESULTADO CUALITATIVA dicotmica


Tuberculosis

Cul es el test estadstico ms adecuado?


Alonso Moreno FJ, Garca Bajo MC, Lougedo Caldern MJ, et al. Prevalencia de infeccin tuberculosa en las personas inmigrantes del rea sur de Toledo. Rev Esp Salud Pblica 2004; 78: 593-600.

C aptulo 5

pgina 525

Anlisis del texto en el MATERIAL y MTODOS En el anlisis se emplearon los tests de la 2 de Pearson, para comparacin de porcentajes, y la t de Student y anlisis de varianza (ANOVA), para comparacin de medias y varianzas. Se realiz tambin una regresin logstica no condicional por el mtodo stepwise backward (LR). Las variables independientes incluidas en el modelo fueron la edad, sexo, peso y origen subsahariano, mientras que la variable dependiente fue la IDRM positiva. Anlisis del texto en los RESULTADOS La prevalencia de infeccin tuberculosa por grupos de edad se muestra en la tabla 2, en la que puede apreciarse cmo la mayor frecuencia (38,7%) apareci en el grupo de edad 30-39 aos.. Anlisis del texto en la DISCUSIN En sta ltima la prevalencia encontrada tanto en el grupo de edad de 20 a 29 aos (12,1%), como en el de 30 a 39 aos (22,7%), est en ambos casos por debajo de los resultados de nuestro estudio. Los resultados de nuestro trabajo aportan valores en la misma lnea que los obtenidos por Durn y colaboradores13 en inmigrantes recin llegados a Barcelona.
Alonso Moreno FJ, Garca Bajo MC, Lougedo Caldern MJ, et al. Prevalencia de infeccin tuberculosa en las personas inmigrantes del rea sur de Toledo. Rev Esp Salud Pblica 2004; 78: 593-600.

C aptulo 5

pgina 526

Test de 2 de independencia
Categorizacin

Variable RESULTADO Cuantitativa continua


Grupo etario Menos de 25 aos 25 - 35 aos > 35 aos Mantoux (+) 5 21 36 Mantoux (-) 61 41 57

Variable RESULTADO Cualitativa nominal dicotmica


N 64 62 93 Prevalencia 7,8% 33,9% 38,7%

2 tendencia lineal = 17,4

p = 0,0003

C aptulo 5

pgina 527

Test de McNemar para datos apareados


(Prueba de la significacin de los cambios)
McNemar ANTES XITO (+) FRACASO (-) XITO (+) A C DESPUS FRACASO (-) B D

2McMemar

[ ( B C ) 1 ]2

B+C

C aptulo 5

pgina 528

Existen evidencias de un mejor efecto analgsico en los dos frmacos protocolizados para el clico nefrtico?
- Diseo APAREADO - Un solo grupo de pacientes (n=20) con clico nefrtico recidivante (dos episodios de clico nefrtico). - Dos mediciones repetidas (antes y despus). - Gran potencia estadstica (mnima variabilidad aleatoria). - Hiptesis nula Ho: la eficacia de ambos analgsicos es la misma Metamizol = Ketorolaco Test de McNemar

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 5

pgina 529

Test de McNemar para datos apareados


McNemar KETOROLACO XITO = 1 FRACASO = 0 XITO = 1 A C METAMIZOL FRACASO = 0 B D

2McMemar

[ ( B C ) 1 ]2

B+C
(B C)1

Z McNemar =

B+C

C aptulo 5

pgina 530

Test de McNemar para datos apareados


McNemar KETOROLACO XITO = 1 FRACASO = 0 XITO = 1 11 1 METAMIZOL FRACASO = 0 6 2

2McMemar

[ ( 6 1 ) 1 ]2

6+1

= 2,29 p > 0,1

Hiptesis nula Ho: la eficacia de ambos analgsicos es la misma Metamizol = Ketorolaco

C aptulo 5

pgina 531

Pregunta de investigacin
Existen evidencias de una mejora en los conocimientos tericos de Metodologa de investigacin en los 8 alumnos despus del curso?
Examen de 14 preguntas a los 8 alumnos antes y despus de realizar el curso Aprobado: > 7 respuestas correctas de 14 Suspenso: < 8 respuestas correctas de 14
DESPUS del curso ANTES del curso APROBADO (< 7) SUSPENSO (< 8) APROBADO (< 7) A C SUSPENSO (< 8) B D

C aptulo 5

pgina 532

Test de McNemar para datos apareados


(Prueba de la significacin de los cambios)
McNemar ANTES del curso APROBADO (< 7) SUSPENSO (< 8) APROBADO (< 7) A C DESPUS del curso SUSPENSO (< 8) B D

2McMemar

[ ( B C ) 1 ]2

B+C
(B C)1

Z McNemar =

B+C

C aptulo 5

pgina 533

Existen evidencias de una mejora en los conocimientos tericos de metodologa de investigacin en los alumnos despus del curso?
N del Alumno 1 2 3 4 5 6 7 8 Evaluacin ANTES del curso APROBADO (10) SUSPENSO (7) SUSPENSO (7) SUSPENSO (5) SUSPENSO (4) SUSPENSO (3) SUSPENSO (2) SUSPENSO (2) Evaluacin DESPUS del curso APROBADO (14) APROBADO (14) APROBADO (14) APROBADO (14) APROBADO (13) APROBADO (13) APROBADO (13) APROBADO (11)

Cul es el test estadstico ms acertado?

C aptulo 5

pgina 534

Test de McNemar para datos apareados


(Prueba de la significacin de los cambios)
McNemar ANTES del curso APROBADO (< 7) SUSPENSO (< 8) APROBADO (< 7) 1 7 DESPUS del curso SUSPENSO (< 8) 0 0

McMemar =

[ ( 0 7 ) 1 ]2

0+7

= 9,14

C aptulo 5

pgina 535

Anlisis de regresin logstica simple


Z Z95% Z98% Valor 1,96 2,32 2,56 3,29 0,05 0,02 0,01 0,005

Z McNemar =

(B C)1

Z99%

B+C
(0 7)1

Z99,5%

Z McNemar =

0+7

= 3,03

Conclusin: Como el estadstico Z calculado 3,03 es superior a Z tabulado para un error alfa de 0,01 (2,56), podemos decir que las dos variables evaluadas NO son independientes, sino que estn asociadas (p<0,01), es decir la accin formadora mejora los conocimientos de los alumnos.

C aptulo 6

pgina 536

Captulo 6
Metodologa de Investigacin 2010: Bioestadstica: Test de Contraste de Hiptesis. Variables Cuantititativas.
Material y mtodos.
Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

C aptulo 6

pgina 537

Materiales y mtodos
Estructura
1. Tipo de diseo (estudio) 2. Sujetos incluidos (criterios de seleccin de la muestra) 3. Fuentes de informacin 4. Descripcin de la intervencin y definicin del punto final de la investigacin (estudios experimentales) 5. Instrumentos y procedimientos de medida (cuestionarios) 6. Definicin de las variables y covariables incluidas en el estudio (factor de estudio y criterio de evaluacin) 7. Limitaciones y consideraciones ticas de la investigacin 8. Pruebas estadsticas a utilizar (programa estadstico)

C aptulo 6

pgina 538

Fases del anlisis estadstico


1. ANLISIS DESCRIPTIVO

2. ANLISIS BIVARIANTE

3. ANLISIS MULTIVARIANTE

C aptulo 6

pgina 539

Decisiones que se pueden tomar en un test de contraste de hiptesis despus de conocer el valor de significacin estadstica p
p < 0,05 AB p 0,10 A=B Se rechaza la hiptesis nula No parece que el azar pueda explicarlo todo El EFECTO observado es mayor que el ERROR Hay diferencias estadsticamente significativas Existen evidencias a favor de la hiptesis alternativa Ha, y por tanto rechazamos la hiptesis nula Ho No se puede rechazar la hiptesis nula No se puede descartar que el azar lo explique todo El EFECTO observado es similar que el ERROR NO hay diferencias estadsticamente significativas NO existen evidencias a favor de la hiptesis alternativa Ha, y por tanto aceptamos la hiptesis nula Ho

Los lmites de 0,05 y 0,1 pueden ser considerados en cierto modo arbitrarios y aproximados

C aptulo 6

pgina 540

Anlisis estadstico
Tipos de test analticos estadsticos de contraste de hiptesis segn el tipo de variables implicadas en el estudio Variable dependiente Variable resultado
Dicotmica Variable Predictora Variable Independiente Dicotmica Continua Continua

Test de 2 Regresin logstica

t de Student Regresin lineal

C aptulo 6

pgina 541

Tipos de test analticos estadsticos bivariantes de contraste de hiptesis ms frecuentes


Variable PREDICTORA o Independiente (factor de estudio) Cualitativa dos grupos independientes Variable RESULTADO o Dependiente (Criterio de evaluacin) Cualitativa nominal dos categoras Chi cuadrado Z comparacin de proporciones Test exacto de Fisher Test de McNemar Cualitativa nominal >2 categoras Chi cuadrado Cualitativa ordinal o Cuantitativa NO paramtrica U de Mann-Whitney Cuantitativa paramtrica T de Student (prueba de Welch)

Cualitativa dos grupos apareados Cualitativa > 2 grupos independientes Cualitativa > 2 grupos apareados Cuantitativa

Q de Cochran

Prueba de los rangos de Wilcoxon Prueba de KruskalWallis Prueba de Friedman Correlacin de Sperman Tau de Kendall

T de Student para datos emparejados Anlisis de la Varianza (ANOVA) Anlisis de la Varianza de dos vas Regresin lineal Correlacin de Pearson

Chi cuadrado Q de Cochran Regresin logstica

Chi cuadrado Q de Cochran Regresin logstica

C aptulo 6

pgina 542

Cualitativa versus cuantitativa


Cules son las pruebas estadsticas que tenemos que emplear?

Variable PREDICTORA CUALITATIVA dicotmica

Variable RESULTADO CUANTITATIVA

C aptulo 6

pgina 543

Cualitativa versus cuantitativa


PARAMTRICOS NO PARAMTRICOS

Independientes Aparejados

T de Student para muestras independientes T de Student para muestras apareadas

U de Mann-Whitney

Wilcoxon

Variable predictora Cualitativa versus variable resultado Cuantitativa.

C aptulo 6

pgina 544

Test de la T de Student para dos muestras independientes Condiciones de aplicacin (1)


- n1 y n2 >= 30 - Normalidad (Requisitos necesarios) - Comprobar que el mximo y el mnimo quedan dentro del intervalo definido por 3 DE por encima y por debajo de la media (media 3 DE) - Que la asimetra (en valor absoluto) sea menor que dos veces el error estndar [asimetra] < 2 EE de asimetra - Que la curtois (en valor absoluto) sea menor que 2 veces su EE [Curtois] < 2 EE de curtois

Test de Kolmogorov-Smirnov Test de Shapiro-Wilks

C aptulo 6

pgina 545

Test de la T de Student para dos muestras independientes Condiciones de aplicacin (2)


Homogeneidad de varianzas (homoscedasticidad) - Prueba F de Snedecor - Test de Barttlet Varianza mayor - Test de Levene F= Varianza menor Ho: Las varianzas de ambos grupos son iguales Ha: Existen diferencias entre las varianzas Fcalculada < Ftabulada Fcalculada > Ftabulada p>0,05 (aceptamos la Ho) p<0,05 (rechazamos la hiptesis nula) Test T de Student Test de Welch

C aptulo 6

pgina 546

Pregunta de investigacin
El peso al nacer de los varones difiere del peso al nacer de las mujeres?
Variable PREDICTORA CUALITATIVA dicotmica
Sexo

Variable RESULTADO CUANTITATIVA continua


Peso (Kg)

Cul es al prueba estadstica ms adecuada?

C aptulo 6

pgina 547

Test de la T de Student:
Muestras independientes
Hiptesis nula Ho: El peso al nacer de los varones NO difiere del peso al nacer de las mujeres Hiptesis alternativa Ha: El peso al nacer de los varones difiere del peso al nacer de las mujeres
Peso al nacer del RN Varones Media Desviacin estndar (S) n 3380,3 417,3 833 Mujeres 3246,8 388,0 789

t calculada =

X1 X2
(n 1) S12 + (m 1) S22 (n + m 2)

1 n

1 m

tcalculada= 6,666

C aptulo 6

pgina 548

Test de la T de Student:
Grados de libertad (g.l) = n + m - 2
Peso del RN n Media Desviacin estndar EEM t calculada Grados de libertad Significacin (bilateral) t calculada= 6,666 > t tabulado = 1,96;

gl = 883 + 789 - 2 = 1620


Mujeres 789 3246,79 388,0 13,81 6,666 1620 0,000 p < 0,001

Varones 883 3380,34 417,28 14,46

Ha: El peso al nacer de los varones difiere del peso al nacer de las mujeres

C aptulo 6

pgina 549

Distribucin normal tipificada (Z)


El test de la T de Student para muestras de mas de 30 individuos presenta una distribucin muy similar a la distribucin normal tipificada Z. El test de la T de Student es una pruebas BILATERALES, y por tanto NO especifica la direccin de la diferencia ( A B).

Nivel de significacin estadstica = 0,05

t calculada = 6,666

Z 1- /2

Z 1- /2

- 1,96

1,96

t tabulado = 1,96 para los grados de libertad de la muestra (1620)

C aptulo 6

pgina 550

Interpretacin del valor de la t de Student (t=6,666)

- La diferencia observada (t calculada= 6,666) es muy grande en relacin a la variabilidad aleatoria esperada (t tabulada) , y por tanto existen diferencias significativas (p<0,001) - El efecto observado (diferencia entre el peso de los dos sexos) es muy superior a la variabilidad biolgica esperada. - El efecto observado (diferencia entre el peso de los dos sexos) es importante, es decir mucho mayor de lo esperado por el azar. - El valor de la t tabulada para un error alfa del 5% es muy inferior al encontrado t tabulado < t calculada - El valor de la p (p < 0,001) indica que existe una probabilidad muy baja (<0,1%) de observar al menos estas diferencias en los pesos por efecto del AZAR y no porque los varones tengan distinto peso que las mujeres.

C aptulo 6

pgina 551

Pregunta de investigacin
Tiene influencia el tipo de dieta (pescado/huevos) seguida en el peso del individuo?
Variable PREDICTORA CUALITATIVA dicotmica
Tipo de dieta

Variable RESULTADO CUANTITATIVA continua


Peso (Kg)

C aptulo 6

pgina 552

Test de la T de Student:
Muestras independientes
Hiptesis nula Ho Hiptesis alternativa H1 (ambas dietas tienen igual efecto) (las dietas tienen distinto efecto)

Variable PREDICTORA Cualitativa discreta y dicotmica: TIPO DE DIETA (pescado o huevos) Variable RESULTADO Cuantitativa continua: Kg adelgazados durante los 3 meses que dur la dieta Personas que siguen la dieta P a base de pescado n=19 Personas que siguen la dieta H a base de huevo n=10 Variable PREDICTORA Cualitativa discreta y dicotmica: TIPO DE DIETA 3 meses Variacin en el peso (kg) Variacin en el peso (kg)

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 6

pgina 553

Personas que siguen la dieta P a base de pescado n=19


ID 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 Media Desviacin estndar Varianza DIETA PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO PESCADO REDUCCION PESO (Kg) 19 28 17 15 16 21 27 18 15 10 10 2 12 13 19 9 29 35 38 18,579 9,26 85,8

Personas que siguen la dieta H a base de huevo n=10


ID 20 21 22 23 24 25 26 27 28 29 30 Media Desviacin estndar Varianza DIETA HUEVOS HUEVOS HUEVOS HUEVOS HUEVOS HUEVOS HUEVOS HUEVOS HUEVOS HUEVOS HUEVOS REDUCCION PESO (Kg) 23 23 5 14 22 20 4 12 18 33 19 17,545 8,43 71,1

Variable RESULTADO Cuantitativa continua

t calculada =

X1 X2
(n 1) S12 + (m 1) S22 (n + m 2)

t calculada = 0,3

1 n

1 m

t calculada= 0,3 < t tabulado p = 0,76

Variable RESULTADO Cuantitativa continua

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 6

pgina 554

Test de la T de Student:
Muestras independientes
Test de la t de Student
t
calculada < t tabulada p > 0,05

calculada > t tabulada p < 0,05

Hiptesis nula H0
Las medias de la reduccin del peso en los dos grupos comparados es independiente de la intervencin diettica

Hiptesis alternativa Ha
Las medias de la reduccin del peso en los dos grupos comparados son diferentes entre s, es decir NO pueden considerarse iguales

t calculada = 0,3 < t tabulado

p = 0,76

Tienen el mismo efecto las dietas ensayadas para reducir el peso corporal? S

C aptulo 6

pgina 555

Interpretacin del valor de la t de Student (t=0,30)

- La diferencia observada (t calculada= 0,3) es pequea en relacin a la variabilidad aleatoria esperada (t tabulada) , y por tanto no existen diferencias significativas (p>0,05) - El efecto observado (diferencia entre las dos dietas) es solo del 30% de la variabilidad biolgica esperada. - El efecto observado (diferencia entra las dos dietas) es insignificante, es decir mucho menor de lo esperado por el azar. - El valor de la t tabulada para un error alfa del 5% es superior al encontrado t tabulado > t calculada - El valor de la p (p = 0,76) indica que existe una probabilidad muy alta (76%) de observar al menos estas diferencias en la reduccin del peso si la muestra procediese de una poblacin donde las dos dietas tienen el mismo efecto (las diferencias observadas son producidas por el AZAR y no porque las dietas tengan distinto efecto).

C aptulo 6

pgina 556

Test de la T de Student para dos muestras independientes Condiciones de aplicacin (1)


- n1 y n2 >= 30 - Normalidad (Requisitos necesarios) - Comprobar que el mximo y el mnimo quedan dentro del intervalo definido por 3 DE por encima y por debajo de la media (media 3 DE) - Que la asimetra (en valor absoluto) sea menor que dos veces el error estndar [asimetra] < 2 EE de asimetra - Que la curtois (en valor absoluto) sea menor que 2 veces su EE [Curtois] < 2 EE de curtois

Test de Kolmogorov-Smirnov Test de Shapiro-Wilks

C aptulo 6

pgina 557

Test de la T de Student para dos muestras independientes Condiciones de aplicacin (2)


Homogeneidad de varianzas (homoscedasticidad) - Prueba F de Snedecor - Test de Barttlet Varianza mayor - Test de Levene F= Varianza menor Ho: Las varianzas de ambos grupos son iguales Ha: Existen diferencias entre las varianzas Fcalculada < Ftabulada Fcalculada > Ftabulada p>0,05 (aceptamos la Ho) p<0,05 (rechazamos la hiptesis nula) Test T de Student Test de Welch

C aptulo 6

pgina 558

Mito 12: La sonrisa de la esfinge


La t de Student es un test paramtrico, es decir para usarlo se debe cumplir la normalidad de la variable cuantitativa. Se cumple?Como lo has comprobado? He observado que en los dos grupos de estudio comparados solo tienen 19 y 11 sujetos respectivamente. Ante tan bajo volumen muestral (n < 30), Cmo justificas esa supuesta normalidad?Que test has empleado para comprobar esa normalidad de la reduccin del peso? Ests seguro que se cumplen los criterios para poder usar la t de Student ? Se cumplen todos los requisitos para su utilizacin?

C aptulo 6

pgina 559

Pregunta de investigacin
Qu relacin existe entre el grupo cultural/religioso y los niveles de anticuerpos frente al virus de la Rubeola en la poblacin gestante inmunizada de Ceuta?
Variable PREDICTORA Cualitativa dicotmica Variable RESULTADO Cuantitativa continua

Cristianas inmunizadas Musulmanas inmunizadas

Cul es el test estadstico ms adecuado?

C aptulo 6

pgina 560

Figura 1.- Ttulos de anticuerpos frente al virus de la Rubeola en gestantes inmunizadas de Ceuta. Distribucin por grupos culturales.
P < 0,001

C aptulo 6

pgina 561

Mito 12: La sonrisa de la esfinge


La t de Student para muestras independientes es un test paramtrico, es decir para usarlo se debe cumplir la normalidad de la variable cuantitativa. La variable cuantitativa niveles de anticuerpos (UI/ml) en la poblacin gestante inmunizada de Ceuta sigue una distribucin normal? No encuentro datos estadsticos de dispersin (desviacin tpica) Cmo justificas esa supuesta normalidad? Qu test has empleado para comprobar que se cumple la normalidad (campana de Gauss)?

C aptulo 6

pgina 562

Cualitativa versus cuantitativa


PARAMTRICOS NO PARAMTRICOS

Independientes Aparejados

T de Student para muestras independientes T de Student para muestras apareadas

U de Mann-Whitney

Wilcoxon

Variable predictora Cualitativa versus variable resultado Cuantitativa.

C aptulo 6

pgina 563

Test de la U de Mann-Whitney
Condiciones de aplicacin: - Si alguna de las dos muestras contiene menos de 30 observaciones y No se puede asumir la normalidad - Variable medida en escala ORDINAL - Si la muestra es de muy pequeo tamao (<10 observaciones en alguno de los dos grupos) Inconvenientes: - Se pierde potencia para detectar diferencias significativas (para una comparacin que resulte significativa con 95 individuos en la t de Student, se necesitaran 100 individuos para que la misma comparacin resulte significativa con el test de Mann-Whitney) - No permite construir intervalos de confianza

Horbar JD, Onstad L, Wright E. Predicting mortality risk for infants weighing 501 to 1500 grams at birth: The National Institutes of Health Neonatal Research Network report. Crit Care Med 1993; 21:1218.

C aptulo 6

pgina 564

Cualitativa versus cuantitativa


PARAMTRICOS NO PARAMTRICOS

Independientes Aparejados

T de Student para muestras independientes T de Student para muestras apareadas

U de Mann-Whitney

Wilcoxon

Variable predictora Cualitativa versus variable resultado Cuantitativa.

C aptulo 6

pgina 565

Variables cuantitativas:
Muestras independientes Tipos de dieta Pescado Pescado Pescado Pescado Pescado Pescado Pescado Pescado . Huevos Huevos Huevos Huevos Huevos Huevos Huevos Huevos Huevos . 21 22 26 25 2 28 17 4 12 Peso (Kg) 23 19 28 23 5 17 14 13

Comparacin de la media entre dos grupos


Muestras relacionadas Peso inicial 23 19 28 23 5 17 14 13 .. Peso final (Kg) 21 22 26 25 2 28 17 4 DIF -2 +3 -2 +2 -3 + 11 +3 -9

Se compara cada individuo consigo mismo antes y despus de un tratamiento con una determinada dieta.

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 6

pgina 566

Test de la t de Student para datos apareados (muestras relacionadas)


Caractersticas del test: - Se realizan mediciones repetidas en un mismo individuo. - Se aplican dos frmacos consecutivos a un mismo paciente. - Se desea evaluar el cambio de una variable cuantitativa tras aplicar un tratamiento (cambio entre antes y despus). - Calcular una nueva variable que es la diferencia entre los valores antes y despus de cada individuo. - Cuando el tamao muestral es inferior al 30, se debe probar si la nueva variable sigue una distribucin normal. - En las muestras relacionadas la variabilidad ALEATORIA es menor que en las muestras independientes.

C aptulo 6

pgina 567

Test de la t de Student para datos apareados (muestras relacionadas)


Ejemplo
Estudio sobre la forma fsica de un grupo de 30 individuos antes y despus de un programa de entrenamiento deportivo (PED). Pregunta de investigacin: Ha mejorado la forma fsica del grupo durante las sesiones del PED? Reduce el PED la frecuencia cardiaca media? Variable PREDICTORA Cualitativa dicotmica
PED

Variable RESULTADO Cuantitativa continua


Frecuencia Cardaca Media

C aptulo 6

pgina 568

Objetivo: Conocer si el entrenamiento deportivo (PED) mejora la forma fsica de un grupo de individuos. Material: Grupo de 30 individuos antes y despus de un programa de entrenamiento deportivo (PED) Mtodo: Se evala la frecuencia cardiaca antes (FRECPRE) y despus del PED (FRECPOST). Se define una nueva variable DIF = FRECPRE FRECPOST.
Hiptesis nula Ho X antes = X despus ( DIF = FRECPRE FRECPOST = Hiptesis alternativa H1 X antes X despus (DIF = FRECPRE FRECPOST 0)

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 6

pgina 569

Resultados
Variables FRECPRE FRECPOST Variables FRECPRE versus FRECPOST Variables Diferencias relacionadas Media FRECPRE FRECPOST 9,13 s EEM Media 79,53 70,40 N 30 30 N 30 Intervalo de confianza de la diferencia Inferior 4,98 Superior 13,29 Desviacin estndar (s) 19,15 12,95 Correlacin (r) 0,828 t calculada 4,49 gl Error estndar de la media (EEM) 3,50 2,36 Significacin 0,000 Significacin bilateral 0,000

29

11,12 2,031

t calculada < t tabulada t calculada > t tabulada

p>0,05 (aceptamos la Ho) p<0,05 (rechazamos la hiptesis nula)

C aptulo 6

pgina 570

Test de la t de Student para datos apareados (muestras relacionadas)


Ejemplo - Conclusiones
1. Puede concluirse que ha existido un descenso significativo (p<0,001) de la frecuencia cardiaca despus del PED. Existen evidencias, con una confianza del 95%, para afirmar que el PED se ha acompaado de un descenso de la frecuencia cardaca . 2. El descenso medio estimado fue de 9 latidos por minuto despus del PED.

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 6

pgina 571

Mito 12: La sonrisa de la esfinge


La t de Student de datos apareados es un test paramtrico, es decir para usarlo se debe cumplir la normalidad de la variable cuantitativa. Se cumple? La nueva variable DIF = FRECPRE FRECPOST sigue una distribucin normal? He observado en tus resultados de DIF un valor de la desviacin tpica (11,1) muy superior a la media (9,1), Cmo justificas esa supuesta normalidad? Qu test has empleado para comprobar esa supuesta normalidad?

C aptulo 6

pgina 572

Objetivo: Comprobar si la reduccin ponderal conseguida tras intervencin diettica en los pacientes con obesidad mrbida disminuye los factores de riesgo cardiovascular. Prueba de la t de Student para datos apareados Prueba de Shapiro-Wilk (test de normalidad) IMC > 40
Inicio Peso (Kg) IMC (Kg/m2) Cintura (cm) Cadera (cm) Indice C/c 149,1 (22) 49,2 (7,7) 144,4 (17,3) 143,3 (17,5) 1,01 (0,12) Final 115 (18) 38,8 (5) 119,6 (12,1) 127,7 (14,6) 0,94 (0,08) p < 0,001 < 0,001 < 0,001 0,02 0,02 IC (95%) 26,9-39,8 7,8-13,2 18,4-36,5 9,1-24,1 0,017-0,16

Los valores se expresan como media (desviacin estndar); p nivel de significacin; IC intervalo de confianza; IMC: ndice de masa corporal; C/c cintura-cadera.

C aptulo 6

pgina 573

Objetivo: Comprobar si la reduccin ponderal conseguida tras intervencin diettica en los pacientes con obesidad mrbida disminuye los factores de riesgo cardiovascular. Prueba de la t de Student para datos apareados IMC > 40

Inicio Peso (Kg) IMC (Kg/m2) Cintura (cm) Cadera (cm) Indice C/c 126 (19) 48,7 (5,8) 129,8 (17,7) 142,5 (15,6) 0,92 (0,11)

Final 107 (18) 42,5 (6,2) 118,7 (15,4) 132,8 (13) 0,89 (0,09)

p < 0,001 < 0,001 < 0,001 0,003 0,04

IC (95%) 13,5-20,3 4,5-7,5 9,1-21,6 3,6-15,9 0,017-0,16

Los valores se expresan como media (desviacin estndar); p nivel de significacin; IC intervalo de confianza; IMC: ndice de masa corporal; C/c cintura-cadera

C aptulo 6

pgina 574

La reduccin ponderal se acompa de una mejora del perfil lipdico (triglicridos, cHDL y apoprotena B100 principalmente en los varones.
Varones Triglicridos (mg/dl) cLDL (mg/dl) cHDL (mg/dl) cVLDL (mg/dl) Apo B100 (mg/dl) Apo A1 (mg/dl) Inicio 162,4 (73,6) 124,1 (38,5) 35,4 (86,3) 32,5 (14,7) 122,1 (31,3) 117,8 (13,2) Final 179,7 (34,5) 107,7 (33,7) 115 (30,4) 43,5 (8,5) 21,9 (6,8) 100,7 (19,6) 126 (18,8) p 0,16 0,001 0,12 < 0,001 0,002 0,01 0,24 IC (95%) -5,1 a 29,6 25,4 - 90,0 -12,9 a 5,7 5,7 12,6 4,8 18,5 6,5 40,5 - 17,5 a 4,9 Colesterol total (mg/dl) 192 (49,7)

Los valores se expresan como media (desviacin estndar); p nivel de significacin; IC intervalo de confianza;

C aptulo 6

pgina 575

La reduccin ponderal se acompa de una mejora del perfil lipdico (triglicridos, cHDL y apoprotena B100 principalmente en los varones.
Mujeres Triglicridos (mg/dl) cLDL (mg/dl) cHDL (mg/dl) cVLDL (mg/dl) Apo B100 (mg/dl) Apo A1 (mg/dl) Inicio 137 (60,8) 117,8 (13,2) 41,9 (15,6) 32,3 (15,9) 110 (30,6) 124,1 (23,2) Final 183,6 (32) 109,5 (43,7) 115,6 (26,4) 45,6 (13.1) 22 (8,4) 106,1 (20,6) 129 (21,4) p 0,32 0,22 0,07 0,03 0,2 0,7 0,052 IC (95%) -5,7 a 16,5 -5,8 a 23,5 -0,8 a 18,5 0,4 6,6 -1,1 a 4,8 -11,4 a 15,9 -0,07 a 19,4 Colesterol total (mg/dl) 189 (29,2)

Los valores se expresan como media (desviacin estndar); p nivel de significacin; IC intervalo de confianza;

C aptulo 6

pgina 576

Discusin - Conclusiones
- Los varones presentaron una mayor reduccin ponderal que las mujeres. - Con la intervencin diettica empleada conseguimos una mejora en el perfil aterognico, principalmente en los triglicridos, VLDL y HDL. - Los varones presentaron una mejora mas importante que las mujeres en el perfil lipdico. - La reduccin ponderal ha conseguido una reduccin de algunos de los factores de riesgo cardiovascular (FRCV) analizados. - El sexo masculino presenta una mejor respuesta global con reduccin de los FRCV y mejora de la distribucin grasa.

C aptulo 6

pgina 577

Mito 12: La sonrisa de la esfinge

La t de Student de datos apareados es un test paramtrico, es decir para usarlo se debe cumplir la normalidad de las variables cuantitativas. Se cumple en todas las variables? Las nuevas variables DIF = FRECPRE FRECPOST siguen una distribucin normal? Cmo justificas esa supuesta normalidad?Que test has empleado? He observado que en tus resultados NO aparece las nuevas variables DIF ni su desviacin tpica. Porqu no se ha incluido en los resultados?

C aptulo 6

pgina 578

Cualitativa versus cuantitativa


PARAMTRICOS NO PARAMTRICOS

Independientes Aparejados

T de Student para muestras independientes T de Student para muestras apareadas

U de Mann-Whitney

Wilcoxon

Variable predictora Cualitativa versus variable resultado Cuantitativa.

C aptulo 6

pgina 579

Test de Wilcoxon

Prueba NO PARAMTRICA o de libre distribucin - No se basa en la media, desviacin estndar, etc. Condiciones de aplicacin: - Diseo emparejado o de medidas repetidas - Datos a comparar son ORDINALES o Cuantitativos con BAJO tamao muestral (n < 30) y NO siguen una distribucin NORMAL

C aptulo 6

pgina 580

Ejemplo (muestras relacionadas)


Test de Wilcoxon para datos apareados
Estudio sobre la mejora clnica del dolor en pacientes con artrosis tratados con un infiltracin de corticoides. Pregunta de investigacin: Ha mejorado el grado de bienestar de los pacientes con artrosis tras el tratamiento con infiltraciones? Existen evidencias de una mejora en el nivel de dolor en los pacientes con artrosis despus del tratamiento con infiltraciones intrarticulares?
Nivel de dolor ANTES del tratamiento Nivel de dolor DESPUS del tratamiento

Infiltracin

C aptulo 6

pgina 581

Objetivo: Conocer si la infiltracin con corticoides mejora el bienestar clnico de en un grupo de los pacientes con artrosis de rodilla... Material: Grupo de pacientes con artrosis de rodilla del Hospital X seleccionados para el ensayo. Mtodo: Se evala el nivel de dolor en los pacientes mediante un test estandarizado antes (NDA) y despus del tratamiento infiltrativo (NDD). Se define una nueva variable DIF = NDA NDD. Hiptesis nula Ho X antes = X despus ( DIF = NDA NDD = 0)

Ho (hiptesis nula) = La infiltracin con corticoides NO mejora el bienestar clnico de los pacientes con artrosis de rodilla. Hiptesis alternativa H1 X antes X despus (DIF = NDA NDD 0) Ha (hiptesis alternativa) = La infiltracin con corticoides SI mejora el bienestar clnico de los pacientes con artrosis de rodilla.

C aptulo 6

pgina 582

Test de Wilcoxon para datos apareados


Ejercicio: Realizamos un estudio de cohortes recogiendo datos sobre la actividad deportiva que practicaban en su juventud 9 pareja de gemelos de Ceuta, donde despus de un seguimiento de 20 aos, uno de los gemelos ha muerto y el otro sobrevive.
Variable predictora: Actividad deportiva Variable cuantitativa ordinal 0 = sedentarios 1= deporte espordico 2= deporte regular 3= deporte competitivo-entrenamiento Variable resultado:
Pareja 1 2 3 4 5 6 7 8 Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001. 9 Gemelo vivo 0 1 2 2 1 2 1 1 3 Gemelo muerto 0 0 1 1 0 1 2 2 1

C aptulo 6

pgina 583

Ho = La prctica deportiva en la juventud NO reduce la mortalidad Ha = La prctica deportiva en la juventud REDUCE la mortalidad
n(n + 1) 4 ~ N (0,1) n(n + 1)(2n + 1) 24 W
z= n(n + 1) 4 ~ N (0,1) n(n + 1)(2n + 1) g t i3 t i 24 2 i =1 W

z=

1. Calculo del estadstico z: Zcalculado= 1,4 2. Comparacin del Zcalculado con el Ztabulado de las tablas de la normal. Zcalculado= 1,4 < Ztabulado = 1,96 para p < 0,05 a dos colas. La significacin estadstica p = 0,16 3. No se dispone de evidencias para rechazar la Ho de igualdad de medias entre el gemelo que sobrevivi y el que muri. La probabilidad de hallar unas diferencias al menos como las encontradas es de slo el 16%. Las diferencias encontradas pueden ser debidas al AZAR. 4. No se puede rechazar Ho, ya que el valor de p es superior a 0,05. Estos datos NO proporcionan evidencias que indiquen que la prctica deportiva era superior en los gemelos supervivientes respecto a sus hermanos gemelos fallecidos. El estudio NO apoya que el deporte en la juventud reduzca la mortalidad en el futuro. 5. ERROR de DISEO: falta de potencia estadstica por su escaso tamao muestral. ERROR BETA

C aptulo 6

pgina 584

Desenlace (E) Variable resultado Exposicin (F) Variable predictora Sedentarismo (+) Sedentarismo (-) Muerte A C Sobreviviente B D

A: Fallecidos con sedentarismo B: Sobrevivientes sedentarios C: Fallecidos deportistas D: Sobrevivientes deportistas

RR =

[ A / (A + B)] [ C / (C + D) ]

Es la probabilidad de morir (E) en el grupo de sedentarios (expuestos al factor de riesgo) en relacin con la probabilidad de muerte en deportistas (grupo no expuesto).

C aptulo 6

pgina 585

RR = 1.41 IC95%=1.23-1.61 de los sedentarios frente a los para los ocasionalmente activos RR = 1.52 IC95%=1.06-2.17 de los sedentarios frente a los entrenados Prdidas de seguimiento EXPUESTOS al factor de riesgo (sedentarismo)

Fallecimientos Sobrevivientes Fallecimientos Sobrevivientes

Seguimiento 20 aos

RIESGO RELATIVO

NO expuestos al factor de riesgo (sedentarismo)

Prdidas de seguimiento

Kumala et al. Relationship of leisure-time physical activity and mortality: the Finnish twin cohort. JAMA 1998; 11; 279: 440-4.

C aptulo 6

pgina 586

Desenlace (E) Variable resultado Exposicin (F) Variable predictora Deporte (+) Deporte (-) Muerte A C Sobreviviente B D

A: Fallecidos con sedentarismo B: Sobrevivientes sedentarios C: Fallecidos deportistas D: Sobrevivientes deportistas

RR =

[ A / (A + B)] [ C / (C + D) ]

Es la probabilidad de morir (E) en el grupo de deportistas (expuestos al factor de proteccin) en relacin con la probabilidad de muerte en sedentarios (grupo no expuestos).

C aptulo 6

pgina 587

RR = 0.71 IC95%=0.62-0.81 para los ocasionalmente activos RR = 0.66 IC95%=0.46-0.94 para los entrenados Prdidas de seguimiento EXPUESTOS al factor de riesgo (sedentarismo)

Fallecimientos Sobrevivientes Fallecimientos Sobrevivientes

Seguimiento 20 aos

RIESGO RELATIVO

NO expuestos al factor de riesgo (sedentarismo)

Prdidas de seguimiento

Kumala et al. Relationship of leisure-time physical activity and mortality: the Finnish twin cohort. JAMA 1998; 11; 279: 440-4.

C aptulo 6

pgina 588

- Diseo: estudio de COHORTES - 7925 varones gemelos - 7977 mujeres gemelas - Resultados: - RR = 0.71: Se encontr una reduccin del 29% en la mortalidad para los ocasionalmente activos comparados con los sedentarios. - RR = 0.66: Se encontr una reduccin del 34% en la mortalidad para los entrenados comparados con los sedentarios. - Conclusiones: Este estudio es importante porque deja claro que la mejor superviviencia de los ms activos NO se debe a una predisposicin gentica (controlada por el emparejamiento entre gemelos), sino al efecto real del ejercicio fsico sobre la superviviencia.

Kumala et al. Relationship of leisure-time physical activity and mortality: the Finnish twin cohort. JAMA 1998; 11; 279: 440-4.

C aptulo 6

pgina 589

C aptulo 6

pgina 590

Ejemplo (muestras relacionadas)


Estudio sobre los conocimientos adquiridos en Metodologa de Investigacin en Ciencias de la Salud (MICS) en los alumnos del curso de Sevilla. Pregunta de investigacin: Han mejorado los conocimientos adquiridos en Metodologa de Investigacin en los alumnos del curso de Sevilla? Aumenta el curso el nivel de conocimientos sobre la materia impartida? Existen evidencias de una mejora en los conocimientos tericos de Metodologa de investigacin en los alumnos despus del curso?

Conocimientos de MICS previos al curso

Curso

Conocimientos de MICS despus del curso

C aptulo 6

pgina 591

Objetivo: Conocer si el curso de Metodologa de Investigacin (CMI) realizado en Sevilla mejora los conocimientos sobre dicha materia en un grupo de alumnos (licenciados en Ciencias de la Salud). Material: Grupo de 8 individuos FEA y residentes del Hospital Universitario de Valme (Sevilla ) antes y despus de realizar el curso de Metodologa de Investigacin en Ciencias de la Salud (CMICS) Mtodo: Se evala los conocimientos mediante un test (examen) antes (RCAC) y despus del CMICS (RCDC). Se define una nueva variable DIF = RCDC RCAC.

Hiptesis nula Ho

X antes = X despus

(DIF = RCDC RCAC = 0)

Ho (hiptesis nula) = La accin formativa (CMICS) no mejora los conocimientos sobre metodologa de investigacin en los alumnos.

Hiptesis alternativa H1 X antes X despus (DIF = RCDC RCAC 0)


Ha (hiptesis alternativa) = La infiltracin con corticoides SI mejora el bienestar clnico de los pacientes con artrosis de rodilla.

C aptulo 6

pgina 592

Existen evidencias de una mejora en los conocimientos tericos de metodologa de investigacin en los alumnos despus del curso?
N del Alumno 1 2 3 4 5 6 7 8 N respuestas correctas ANTES del curso (RCAC) 10 7 7 5 4 3 2 2 N respuestas correctas Diferencia de respuestas DESPUS del curso (RCDC) acertadas DESPUS ANTES (RCDC- RCAC) 14 14 14 14 13 13 13 11 4 7 7 9 9 10 11 9

Cul es el test estadstico mas acertado?

C aptulo 6

pgina 593

Prueba de los rangos con signo de Wilcoxon


N DIF = RCDC RCAC Rangos negativos Rangos positivos Empates Total 0 (a) 8 (b) 0 (c) 8 Rango promedio 0,00 4,50 Suma de rangos 0,00 36,00

Rangos a Puntuacin al final del curso (RCDC) < Puntuacin al comienzo del curso (RCAC) b Puntuacin al final del curso (RCDC) > Puntuacin al comienzo del curso (RCAC) c Puntuacin al final del curso (RCDC) = Puntuacin al comienzo del curso (RCAC)

C aptulo 6

pgina 594

Prueba de los rangos con signo de Wilcoxon


Estadsticos de contraste de hiptesis (b) N Puntuacin al comienzo del curso RCAC 8 0 5,00 4,50 2 10 Puntuacin al final del curso RCDC 8 0 13,25 13,50 11 14

Vlidos Perdidos Media Mediana Mnimo Mximo

(b) Prueba de los rangos con signo de Wilcoxon

Estadsticos descriptivos Z Sig. asintt. (contraste bilateral)

Puntuacin al final del curso Puntuacin al comienzo del curso -2,536 (a) 0,011

(a) Basado en los rangos negativos.

C aptulo 6

pgina 595

RESULTADOS: Se realiz la comparacin del Zcalculado con el Ztabulado de las tablas de la normal mediante el programa estadstico SPSS. El valor del estadstico Zcalculado = 2,536 fue superior al Ztabulado = 1,96 para p < 0,05 a dos colas (test de contraste bilateral). La significacin estadstica encontrada fue de p = 0,011. Estos datos permiten rechazar Ho, ya que el valor de p es inferior a 0,05. CONCLUSIONES: Estos datos proporcionan evidencias que indican una mejora objetiva y significativa en los conocimientos terico-prcticos de Metodologa de investigacin en los alumnos despus del curso (hiptesis alternativa). Por tanto, puede concluirse que ha existido un aumento significativo (p<0,05) del nmero de respuestas acertadas despus del curso. Existen evidencias, con una confianza del 95% (error alfa del 5%), para afirmar que la accin formativa ha producido una mejora en los conocimientos.

C aptulo 6

pgina 596

MUESTRAS INDEPENDIENTES n1 y n2 30 n1 o n2 30 Test de normalidad


Test de levene
Homogeneidad de las varianzas

APAREADAS n 30 n 30

Test de normalidad NO SI NO

SI

Heterogeneidad de las varianzas

Test de la t de Student para muestras independientes

Test de Welch

Test de la U de MannWhitney

Test de la t de Student para datos apareados

Test de Wilcoxon

C aptulo 6

pgina 597

Cualitativa versus cuantitativa


Cules son las pruebas estadsticas que tenemos que emplear?

Variable PREDICTORA CUANTITATIVA


- Continua - Discreta

Variable RESULTADO CUANTITATIVA


- Continua - Discreta

C aptulo 6

pgina 598

Datos cuantitativos:
Cuantitativa versus cuantitativa
Regresin lineal simple: - Describe como es la relacin entre la variable predictora (X) y la variable resultado (Y) - Busca la lnea que mejor se ajusta a los puntos (x, y), y por tanto busca la mejor prediccin de Y a partir de X Correlacin: - Mide el grado o fuerza de asociacin entre dos variables cuantitativas (X, Y).

C aptulo 6

pgina 599

Datos cuantitativos:
Cuantitativa versus cuantitativa
Regresin lineal simple. - Coeficiente de regresin - Covarianza Correlacin paramtrica - Coeficiente de correlacin de Pearson (r) - Coeficiente de determinacin r2 Correlacin NO paramtrica - Coeficiente de correlacin de Spearman () Concordancia - Coeficiente de correlacin intraclase

C aptulo 6

pgina 600

Datos cuantitativos:
Cuantitativa versus cuantitativa
Comparacin de mtodos analticos Regresin paramtrica - Regresin lineal simple - Coeficiente de regresin - Coeficiente de correlacin intraclase Regresiones NO paramtricas - Regresin de Theil - Regresin de Passing - Bablok - Regresin de Bland - Altman - Regresin de Tholen - Ludbrook

C aptulo 6

pgina 601

Relacin directa e inversa


330 280 230 180 130 80 30 140 150 160 170 180 190 200

100

Incorrelacin

90 80 70 60 50 40 30

Fuerte relacin directa.

80 70 60 50 40 30 20 10 0

Cierta relacin inversa

140

150

160

170

180

190

200

140

150

160

170

180

190

200

Para valores de X por encima de la media tenemos valores de Y por encima y por debajo en proporciones similares. Incorrelacin.

Para los valores de X mayores que la media le corresponden valores de Y mayores tambin. Para los valores de X menores que la media le corresponden valores de Y menores tambin. Esto se llama relacin directa.

Para los valores de X mayores que la media le corresponden valores de Y menores. Esto es relacin inversa o decreciente.

C aptulo 6

pgina 602

Pregunta de investigacin
Qu relacin existe entre el grado de IRC y el grado de anemizacin del enfermo?
Variable PREDICTORA (X) Cuantitativa continua
IRC

Variable RESULTADO (Y) Cuantitativa continua


Anemia

Creatinemia

Hemoglobinemia

C aptulo 6

pgina 603

Relacin entre variables cuantitativas continuas


Variable RESULTADO-RESPUESTA-posible EFECTO Variable dependiente Variable cuantitativa continua
Hemoglobina (g/dl)
11

10

7 2 3 4 5 6 7 8 Creatinina (mg/dl)

Representacin grfica de los niveles de creatinina y hemoglobina en 50 pacientes con fallo renal crnico
Variable PREDICTORA-EXPOSICIN-posible CAUSA Variable independiente, fija controlada por el investigador Variable cuantitativa continua

C aptulo 6

pgina 604

Regresin lineal simple. Coeficiente de regresin


0
Hemoglobina (g/dl)

Estimaciones de los parmetros y sus errores estndar para en la relacin de los niveles de creatinina y hemoglobina en 50 pacientes con fallo renal crnico Variable Estimacin Error estndar 0,2984 0,05312 Constante 12,25 Creatinina - 0,5708

Representacin grfica de los niveles de creatinina y hemoglobina en 50 pacientes con fallo renal crnico

E(Y) = 0 + 1 * X

Coeficiente de regresin 1 Hb (Y) = 12,25 0,5708 * [Creatinina]

C aptulo 6

pgina 605

Regresin Lineal Simple. Coeficiente de regresin


El valor de 1 es estadsticamente distinto de cero y por tanto podemos decir que existe dependencia lineal entre los niveles de Hb y los de Cr en los pacientes con IRC?
Z Z90% Z95% Z99% Valor 1,64 1,96 2,56 3,29 90% 95% 99% 99,5% Error 10% 5% 1% 0,5% Estimaciones de los parmetros y sus errores estndar para en la relacin de los niveles de creatinina y hemoglobina en 50 pacientes con fallo renal crnico Variable Estimacin Error estndar 0,2984 0,05312 Constante 12,25 Creatinina - 0,5708

Z99,5%

1 EE1

0,5708 0,05312

10,74 > Z95%

Podemos decir con error inferior al 5% que el nivel de Hb est asociado o depende del nivel de Cr.

C aptulo 6

pgina 606

Clculo del Intervalo de Confianza (IC) del coeficiente de regresin


Cul es el IC al 95% de confianza para el cambio en el nivel de Hb por unidad de aumento en el nivel de Cr en los pacientes con IRC?
Z Z95% Z99% Valor 1,96 2,56 3,29 95% 99% 99,5%

Z99,5%

Z95%

EE1

- 0,5708 (1,96) X 0,05312 = (- 0,67, -0,47)


Podemos decir con error inferior al 5% , es decir con una confianza del 95%, que el descenso medio del nivel de Hb ser como mnimo 0,47 g/dl y como mximo 0,67 g/dl por aumento en 1 mg/dl en el nivel de Cr. El hecho de que el IC95% no contenga al cero esta de acuerdo con el resultado del contraste de hiptesis realizado (p<0,05).

C aptulo 6

pgina 607

Covarianza de dos variables X e Y

- La covarianza entre dos variables, Sxy, nos indica si la posible relacin entre dos variables es directa o inversa. Directa: Sxy >0 1 S xy = ( xi x )( yi y ) Inversa: Sxy <0 n i Incorreladas: Sxy =0

- El signo de la covarianza nos dice si el aspecto de la nube de puntos es creciente o no, pero no nos dice nada sobre el grado de relacin entre las variables.

C aptulo 6

pgina 608

Regresin lineal simple: Covarianza


Covarianza positiva > 0 Covarianza negativa < 0

sxy =

( X
i =1

X )(Yi Y ) n

Valores de la COVARIANZA dependiendo de la variacin al unsono de x e y


100

rxy =
90 80

( X
i =1

X )(Yi Y )

n sx s y

70

60 10 20

Covarianza nula = 0
30 40 50

rxy =

sxy sx s y

El valor de la COVARIANZA es cero cuando no hay variacin al unsono de x e y

C aptulo 6

pgina 609

Covarianza y coeficiente de correlacin de Pearson (r)

rxy =

( X
i =1

X )(Yi Y )

n sx s y

rxy =

sxy sx s y

C aptulo 6

pgina 610

Coeficiente de correlacin lineal de Pearson

r=

S xy SxS y

- La coeficiente de correlacin lineal de Pearson de dos variables, r, nos indica si los puntos tienen una tendencia a disponerse alineadamente. - El coeficiente tiene el mismo signo que la covarianza Sxy por tanto su signo nos informa del tipo de relacin, directa o inversa. r es til para determinar si hay relacin lineal entre dos variables, pero no servir para otro tipo de relaciones (cuadrtica, logartmica, ...) - El coeficiente de correlacin no se debe extrapolar ms all del rango de valores observado de las variables en estudio ya que la relacin existente entre X e Y puede cambiar fuera de dicho rango. - La correlacin no implica causalidad. La causalidad es un juicio de valor que requiere ms informacin que un simple valor cuantitativo de un coeficiente de correlacin (*). - No debe utilizarse para comparar dos mtodos que intentan medir el mismo evento (variable), como por ejemplo dos instrumentos que miden la tensin arterial. El coeficiente r mide el grado de asociacin entre dos cantidades pero no mira el nivel de acuerdo o concordancia. Si los instrumentos de medida miden sistemticamente cantidades diferentes uno del otro, la correlacin puede ser r 1 y su concordancia ser nula (**).
(*) Pita Fernndez S. Correlacin frente a causalidad JANO 1996; (1174): 59-60. (**) Bland JM, Altman DG. Statistical methods for assesing agreement between two methods of clinical measurement. Lancet 1986; 1: 307-310.

C aptulo 6

pgina 611

Propiedades de r
- Es adimensional - Slo toma valores en [-1,1] - Las variables son incorreladas r=0 - Relacin lineal perfecta entre dos variables r=+1 o r=-1 - Excluimos los casos de puntos alineados horiz. o verticalmente. - Cuanto ms cerca est r de +1 o -1 mejor ser el grado de relacin lineal. - Siempre que no existan observaciones anmalas.

Relacin inversa perfecta


-1

Variables incorreladas

Relacin directa casi perfecta


+1

Horbar JD, Onstad L, Wright E. Predicting mortality risk for infants weighing 501 to 1500 grams at birth: The National Institutes of Health Neonatal Research Network report. Crit Care Med 1993; 21:1218.

C aptulo 6

pgina 612

Hb (Y) = 12,25 0,5708 * [Creatinina]


12

Hb (Y) = 12,25 0,5708 * [Creatinina]


12

1 = - 0,5708

1 = - 0,5708

10

10

10

10

Nube de puntos con distinta fuerza de asociacin pero con la misma regresin 1

C aptulo 6

pgina 613

Coeficiente de correlacin de Pearson


Y
12

1 =1- 0,5708 = - 0,5708

Y
12

1 = - 0,5708

10

10

0,72 r = - 0,98
2 4 6 8 10

r = - 0,72
2 4 6 8 10

Alta fuerza de asociacin Alto valor de r

Menor fuerza de asociacin Menor valor de r

C aptulo 6

pgina 614

Coeficiente de correlacin de Pearson


Y
12

10

- El valor absoluto de r es una medida de la fuerza de asociacin entre dos variables cuantitativas distintas. r > 0,70: magnitud intensa 0,3 < r < 0,7: magnitud moderada r < 0,3: magnitud dbil - Valores: -1 y 1 - Clculo del tamao muestral - Mide la asociacin pero NO confundir la asociacin estadstica con una relacin CAUSA-EFECTO.

r = - 0,72
2 4 6 8 10

Valor de r indica FUERZA de asociacin

C aptulo 6

pgina 615

Coeficiente de correlacin de Pearson


Y
12

10

- El valor absoluto de r es una medida de la fuerza de asociacin entre dos variables cuantitativas distintas. r > 0,70: magnitud intensa 0,3 < r < 0,7: magnitud moderada r < 0,3: magnitud dbil - Valores: -1 y 1 - Clculo del tamao muestral - Mide la asociacin pero NO confundir la asociacin estadstica con una relacin CAUSA-EFECTO.

r = - 0,72
2 4 6 8 10

Valor de r indica FUERZA de asociacin

C aptulo 6

pgina 616

Coeficiente de correlacin de Pearson


r =r 0,136; p = 0,042 = -0,136; p = 0,048
Indice de Quetelet (IMC)

r = 0,178;0,1780,042 r=- p=

Edad

Excrecin de sodio (mEq) en orina de 24 horas

Bajo valor de r

Baja fuerza de asociacin

C aptulo 6

pgina 617

Ejemplo del clculo del tamao muestral para el clculo del coeficiente de correlacin entre dos variables cuantitativas
Supongamos que se desea estudiar la asociacin entre la edad y el nivel de colesterol entre los pacientes de un centro de salud. Se disea un estudio piloto en el que se determinar mediante una analtica el colesterol en una muestra aleatoria de los pacientes durante un periodo de tiempo prefijado, de los que tambin se registrar su edad. Se obtiene un valor del coeficiente de correlacin lineal de Pearson entre la edad y el colesterol de r=0,3. Aplicando las frmulas, con un NIVEL DE CONFIANZA del 95% (error =5%) y un PODER ESTADSTICO del 80% (error =20%), se obtiene:
En este caso, se necesitara incluir a 85 pacientes para llevar a cabo el estudio.

Si, adems, en este ltimo caso se prev un 20% de posibles prdidas de informacin durante la ejecucin del estudio, el tamao muestral se recalcular segn la expresin:
Es decir, se necesitara una muestra de 107 pacientes para llevar a cabo la investigacin. Prtegas Daz S, Pita Fernndez S. Determinacin del tamao muestral para calcular la significacin del coeficiente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211.

C aptulo 6

pgina 618

Regresin lineal simple. Coeficiente de determinacin


Variable RESULTADO-RESPUESTA-posible EFECTO Variable dependiente Variable cuantitativa continua
Hemoglobina (g/dl)

0 11
10

r = - 0,84 r2 = 0,71

Y = 12,25 0,5708 * X
7 2 3 4 5 6 7 8 Creatinina (mg/dl)

Representacin grfica de los niveles de creatinina y hemoglobina en 50 pacientes con fallo renal crnico
Variable PREDICTORA-EXPOSICIN-posible CAUSA Variable independiente, fija controlada por el investigador Variable cuantitativa continua

C aptulo 6

pgina 619

Coeficiente de determinacin r2
- Indica el porcentaje de la variabilidad total de la variable dependiente o resultado (Y) que puede ser explicada por la variable independiente o predictora (X)

- Se puede afirmar que el 71% de la variabilidad de las Hb (variable resultado) de los 50 pacientes con IRC puede ser explicada por la distinta Cr de ellos ( r 2 = 0,71 ), resta por explicar un 29% que es achacable a otras variables predictoras distintas de la Cr.

- Valores: -1 y 1

- El coeficiente de correlacin r de Pearson deca que la magnitud de la asociacin entre la Hb y la Cr es del 84% (r=0,84) de la mxima posible.

C aptulo 6

pgina 620

Tipos de correlaciones: positivas (r > 0)


330 280 230 180 130 80 30 140
100 90 80 70 60 50 40 30 140 150 160 170 180

r=0,1
150 160 170 180 190 200

130 120 110 100 90 80 70 60 50 40 30 140


100 90 80 70 60 50

r=0,4
150 160 170 180 190 200

r=0,8
190 200

40 30 140 150 160 170 180

r=0,99
190 200

1 = constante (+)

C aptulo 6

pgina 621

Tipos de correlaciones: negativas (r < 0)


90 80 70 60 50 40 30 20 10 0 140

80 70 60 50 40 30 20 10
160 170 180 190 200

r=-0,5
150

r=-0,7
150 160 170 180 190 200

0 140

80 70 60 50 40 30 20 10 0 140

80 70 60 50 40 30 20 10 160 170 180 190 200

r=-0,95
150

r=-0,999
150 160 170 180 190 200

0 140

1 = constante (-)

C aptulo 6

pgina 622

Limitaciones del coeficiente de correlacin de Pearson


Representacin grfica de la actividad de protrombina (INR) y la albmina srica en pacientes con hepatocarcinoma.
120

Protrombina (INR) = 25,1 + (14,4 * [Albmina])

PROTROMBINA Variable RESULTADO-RESPUESTA Variable dependiente Variable cuantitativa continua

100

= 14,4

(IC95%: 8,3-20,5)

80

60

40

20

R2 = 0,16
1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,2 3,4 3,6 3,8 4,0

ALBMINA Variable PREDICTORA Variable independiente, fija controlada por el investigador Variable cuantitativa continua

Solo con la variable predictora incluida en el modelo (ALBMINA srica) solo se puede explicar el 16% de la variabilidad de la variable resultado (PROTROMBINA), queda por explicar un 84% de la variabilidad que es achacable a otras variables predictoras distintas no incluidas. Sangro B, Herraiz M, Martnez-Gonzlez MA et al. Prognosis of hepatocellular carcinoma in relation to treatment: a multivariate analysis of 178 patiens from a single European institution, Surgery 1998; 124: 575-583.

C aptulo 6

pgina 623

Limitaciones del coeficiente de correlacin de Pearson


Variable RESULTADO-RESPUESTA-posible EFECTO Variable dependiente Variable cuantitativa continua
IMC (peso [Kg] / Talla 2 [m2])

El modelo (coeficiente ) indica que por cada 10 horas que pasa sentada una mujer a la semana aumenta su peso en unos 800 gr. Solo con la variable predictora incluida en el modelo (horas sentado) solo se puede explicar el 0,6% de la variabilidad de la variable resultado (IMC), queda por explicar un 99,4% de la variabilidad que es achacable a otras variables predictoras distintas no includas.

26,0

IMC = 23,5 + (0,03 * Horas sentada) R2 = 0,006

25,5

25,0 24,5 24,0 23,5 23,0 0


10 20 30 40 50 60 70 80

Horas sentado / semana (tiempo libre)

Relacin entre el ndice de masa corporal (IMC) y las horas de estar sentado a la semana en el tiempo libre. Muestra representativa (n=7.926) mujeres de la Unin Europea
Variable PREDICTORA-EXPOSICIN-posible CAUSA Variable independiente, fija controlada por el investigador Variable cuantitativa continua

C aptulo 6

pgina 624

Limitaciones del coeficiente de correlacin de Pearson


100 34

90

Indice de masa Corporal (IMC)

1 = 0

32 30 28 26 24 22 20

1 = 0

Glucemia (mg/dl)

80

70

60 10 20 30 40 50

10

20

30

40

50

60

70

80

Edad

Edad

Dos nubes de puntos con la misma pendiente 1 de valor cero que muestran dos situaciones muy diferentes. A la izquierda ausencia de relacin. A la derecha relacin NO lineal.

NO se puede emplear el coeficiente de correlacin de Pearson

C aptulo 6

pgina 625

Limitaciones del coeficiente de correlacin de Pearson


Relacin cuadrtica y = a + b x2 Relacin hiperblica y=a+b
1 X

NO se puede emplear el coeficiente de correlacin de Pearson Podemos encontrar cualquier tipo de funcin matemtica con claro apartamiento de la linealidad.
Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 6

pgina 626

Otros coeficientes de correlacin


- Cuando las variables en vez de ser numricas son ordinales, es posible preguntarse sobre si hay algn tipo de correlacin entre ellas?. - Disponemos para estos casos de tres test estadsticos: - (ro) de Spearman - (tau) de Kendall - Coeficiente de asociacin ordinal de Goodman-Kruscall (coefiente gamma) - Son estadsticos anlogos al coeficiente de correlacin lineal de Pearson r, que aparecen en estudios donde las variables cuantitativas no son continuas y/o no siguen una distribucin normal. - El coeficiente de correlacin de Spearman es recomendable utilizarlo cuando los datos presentan valores externos ya que dichos valores afectan mucho el coeficiente de correlacin de Pearson, o ante distribuciones NO normales.
rs = 1 6 di2 n ( n 2 1)
i =1 n

C aptulo 6

pgina 627

Coeficientes de correlacin
PEARSON - Ambas variables deben seguir la distribucin NORMAL - Slo detecta asociaciones lineales - Las observaciones han de ser independientes SPEARMAN - No requiere supuestos previos de normalidad - Detecta asociaciones distintas de la lineal - Es un mtodo no paramtrico pero permite la construccin de intervalos de confianza - Estima el grado de asociacin de cualquier tipo con independencia de la funcin matemtica que relaciona ambas variables

C aptulo 6

pgina 628

Coeficiente de correlacin de Spearman


Pregunta de investigacin: Existe relacin entre la intensidad del estudio y el rendimiento acadmico en el examen?
Nmero de respuestas correctas
N del Horas Alumno de estudio (X) 1 2 3 4 5 6 7 8 9 10 5 9 17 1 2 21 3 29 7 100 N respuestas correctas (Y) 6 16 18 1 3 21 7 20 15 22
10 30 50 70 90 20 15

r = 0.976 p< 0.001

10 5 0

Nmero de horas de estudio

Cul es el test estadstico mas acertado?

C aptulo 6

pgina 629

Mito 12: La sonrisa de la esfinge


He observado que el individuo n 20 se aparta bastante de la tendencia del grupo. De hecho si se eliminara se podra considerar una supuesta relacin lineal. Ests seguro que ese dato n 10 es correcto?Est bien tomado? Cmo ests seguro de que ese individuo ha estudiado 100 horas? Qu medidas has tomado para considerar la credibilidad de la variable predictora (horas de estudio)? No podra considerarse a ese individuo n 10 como un perifrico o OUTLIER?

C aptulo 6

pgina 630

Cualitativa versus cuantitativa


Cules son las pruebas estadsticas que tenemos que emplear?

Variable PREDICTORA CUALITATIVA policotmica

Variable RESULTADO CUANTITATIVA

C aptulo 6

pgina 631

Anlisis de la varianza para un factor (ANOVA):


Condiciones de aplicacin
- Tipos de variables - Variable resultado: Cuantitativa numrica - Variable predictora: Cualitativa policotmicas - Normalidad: Variable resultado siga una distribucin normal o de gauss. - Homogeneidad de las varianzas (homocedasticidad): Las varianzas de cada grupo deben ser iguales - Prueba F de Snedecor - Test de Barttlet - Test de Levene

C aptulo 6

pgina 632

Test de la t de Student
Anlisis de la varianza para un factor
Variables PREDICTORAS Variable RESULTADO

Sigue una Distribucin Normal? Distribucin ANORMAL

C aptulo 6

pgina 633

Pregunta de investigacin
Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
Variable PREDICTORA CUALITATIVA policotmica
Tipos de dieta - Dieta control - Dieta moderada - Dieta estricta

Variable RESULTADO CUANTITATIVA continua


LDL- colesterol

Cul es al prueba estadstica ms adecuada?

C aptulo 6

pgina 634

Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
Variaciones en los niveles de colesterol-LDL (mg/dl) a los 6 meses de seguimiento en 3 grupos de voluntarios asignados a diferentes medidas de intervencin diettica.
Grupo Control + 13 + 10 +2 -2 -8 N=5 Media = + 3 Dieta moderada -4 -8 -9 - 10 - 20 N=5 Media = - 10,2 N = 14 Media total = - 6 N=4 Media = - 12 Dieta estricta 0 - 12 - 15 - 21

C aptulo 6

pgina 635

Anlisis de la varianza para un factor


Hiptesis nula: 1
=

2 = 3 =

= n

Hiptesis alternativa: al menos una de las medias x es distinta EFECTO debido a la dieta Varianza entre grupos (EFECTO)

Dispersin debido a la dieta al AZAR (error) Varianza residual (ERROR)

F=

Varianza entre grupos (EFECTO) Varianza residual (ERROR)

318,6 61,0

= 5,2

Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001.

C aptulo 6

pgina 636

Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
15 10 5 0 Cambio de el LDL (mg/dl) -5 - 10 -15 - 20 - 25 Cambio en los niveles de colesterol-LDL (mg/dl) a los 6 meses de tratamiento de intervencin diettica en 3 grupos de voluntarios asignados a diferentes dietas

Control

Moderada

Estricta

Cul es la intervencin diettica que ms reduce los niveles de colesterol-LDL?

C aptulo 6

pgina 637

Anlisis de la varianza para un factor


Anlisis de la Varianza para un factor
t
calculada < t tabulada p > 0,05

F=

Varianza entre grupos (EFECTO) Varianza residual (ERROR)

318,6 61,0

= 5,2

calculada > t tabulada p < 0,05

Hiptesis nula H0
El cambio en el nivel de cLDL es independiente de la intervencin diettica

Hiptesis alternativa Ha
Las medias del cLDL de los distintos grupos son diferentes entre s, es decir NO pueden considerarse iguales

Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL? NO Cul es la intervencin diettica que ms reduce los niveles de colesterol-LDL? ?

C aptulo 6

pgina 638

Cul es la intervencin diettica que ms reduce los niveles de colesterol-LDL?


CONTRASTES A POSTERIORI Procedimiento de SCHEFFE Procedimiento de BONFERRONI Mtodo de DUNNET Mtodo de TUKEY Mtodo de DUCAN Mtodo de STUDENTNEWMAN-KEULS
Se comparan los grupos de 2 en 2 Se comparan los grupos de 2 en 2 Se comparan los grupos de 2 en 2 Se comparan los grupos de 2 en 2 Se comparan los grupos de 2 en 2 Se obtienen intervalos de medias

C aptulo 6

pgina 639

Mito 12: La sonrisa de la esfinge

ANOVA es un test paramtrico, es decir para usarlo se debe cumplir la normalidad de la variable cuantitativa. Se cumple? He observado que en los tres grupos de estudio solo tienen 5 sujetos. Ante tan bajo volumen muestral, Cmo justificas esa supuesta normalidad?Que test has empleado para comprobar esa normalidad de la reduccin del LDL? Ests seguro que se cumplen los criterios para poder usar ANOVA?

C aptulo 6

pgina 640

Anlisis de la varianza para un factor


El objetivo del ANOVA es comparar los diversos valores medios para determinar si alguno de ellos difiere significativamente del resto.

Como Fcal (10,30) > Ftab (2,79), en este caso se podra concluir que al menos uno de los laboratorios el resultado de su media difiere de forma estadsticamente significativa del resto de laboratorios. ANOVA no indica cuntos laboratorios difieren ni cules son.

C aptulo 6

pgina 641

Anlisis de la varianza para un factor:


Ejemplo
Comparacin de 5 laboratorios que analizan n veces con el mismo procedimiento la concentracin de Pb en una misma muestra de agua de ro.

Observando los valores medios todo parece indicar que existen diferencias entre los laboratorios. Ahora bien, son dichas diferencias significativas?

C aptulo 6

pgina 642

Pregunta de investigacin
El peso al nacer de los RN difiere segn la localidad de origen?
Variable PREDICTORA CUALITATIVA policotmica
Ciudad de origen 1. Ceuta 2. Algeciras 3. Tarifa 4. La Lnea

Variable RESULTADO CUANTITATIVA continua


Peso del RN

Cul es al prueba estadstica ms adecuada?

C aptulo 6

pgina 643

Anlisis de la varianza para un factor

Hiptesis nula Ho: El peso al nacer de los RN NO difiere segn la localidad de origen. Hiptesis alternativa Ha: El peso al nacer de los RN difiere segn la localidad de origen.
Estadsticos Localidad de origen Media Desviacin estndar (S) n Peso al nacer del RN Ceuta 3366,2 393,0 1146 Algeciras 3217,2 444,1 214 Tarifa 3188,4 471,5 80 La Lnea 3169,0 361,4 186

F=

Varianza entre grupos (EFECTO) Varianza residual (ERROR)

= 21,3

C aptulo 6

pgina 644

Distribucin normal tipificada (Z)


El ANOVA para un factor para poblaciones con alto tamao muestral presenta una distribucin muy similar a la distribucin normal tipificada Z. El test ANOVA es una pruebas BILATERALES, y por tanto NO especifica la direccin de la diferencia.

Nivel de significacin estadstica = 0,05

F calculada = 21,3

Z 1- /2

Z 1- /2

- 3,23

3,23

F tabulado = 3,23 para los grados de libertad de la muestra

C aptulo 6

pgina 645

Anlisis de la varianza para un factor


Peso del RN Inter-grupos Intra-grupos Total Suma de cuadrados 10290751 260596358 270887109 gl 3 1622 1625 Media cuadrtica 3430250,3 160663,599 F 21,351 Significacin 0,000

F calculada= 21,3 > F tabulado = 3,23;

p < 0,001

Hiptesis alternativa Ha: El peso al nacer de los RN difiere segn la localidad de origen.

C aptulo 6

pgina 646

Pregunta de investigacin
Cul es la ciudad donde los nios nacen con mayor peso?

Variable PREDICTORA CUALITATIVA policotmica


Ciudad de origen 1. Ceuta 2. Algeciras 3. Tarifa 4. La Lnea

Variable RESULTADO CUANTITATIVA continua


Peso del RN

Cul es al prueba estadstica ms adecuada?

C aptulo 6

pgina 647

Pruebas Post Hoc


Procedimiento de SCHEFFE Procedimiento de BONFERRONI Mtodo de DUNNET Mtodo de TUKEY Mtodo de DUCAN Mtodo de STUDENTNEWMAN-KEULS
Se comparan los grupos de 2 en 2 Se comparan los grupos de 2 en 2 Se comparan los grupos de 2 en 2 Se comparan los grupos de 2 en 2 Se comparan los grupos de 2 en 2 Se obtienen intervalos de medias

CONTRASTES A POSTERIORI

C aptulo 6

pgina 648

Pruebas Post Hoc


Hiptesis nula Ho: Los RN que nacen en Ceuta tiene un peso medio similar al resto de los RN de las otras ciudades. Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso medio que el resto de las ciudades.
Ciudades Ceuta Algeciras Tarifa La Lnea Ceuta Algeciras Ho = Ha Tarifa Ho = Ha Ho = Ha La Lnea Ho = Ha Ho = Ha Ho = Ha

C aptulo 6

pgina 649

Procedimiento de Scheffe
Ciudad (I) Ceuta Ciudad (J) Algeciras Tarifa La Lnea Algeciras Ceuta Tarifa La Lnea Tarifa Ceuta Algeciras La lnea La Lnea Ceuta Tarifa Diferencias de medias (I J) 148.92 177,79 197,13 - 148,92 28,87 48,21 - 177,79 - 28,87 19,34 - 197,13 - 48,21 - 19,92 Error estndar 29,85 46,35 31,69 29,85 52,53 40,18 46,35 52,53 53,59 31,69 40,18 53,59 Significacin 0,000 0,002 0,000 0,000 0,960 0,696 0,002 0,960 0,988 0,000 0,696 0,988

Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso medio que el resto de las ciudades.

C aptulo 6

pgina 650

Procedimiento de Bonferroni
Ciudad (I) Ceuta Ciudad (J) Algeciras Tarifa La Lnea Algeciras Ceuta Tarifa La Lnea Tarifa Ceuta Algeciras La lnea La Lnea Ceuta Tarifa Diferencias de medias (I J) 148.92 177,79 197,13 - 148,92 28,87 48,21 - 177,79 - 28,87 19,34 - 197,13 - 48,21 - 19,92 Error estndar 29,85 46,35 31,69 29,85 52,53 40,18 46,35 52,53 53,59 31,69 40,18 53,59 Significacin 0,000 0,001 0,000 0,000 1,000 1,000 0,001 1,000 1,000 0,000 1,000 1,000

Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso medio que el resto de las ciudades.

C aptulo 6

pgina 651

Procedimiento de Duncan
Procedencia Test de Duncan Ciudad La Lnea Tarifa Algeciras Ceuta Significacin N 186 80 214 1146 Subconjunto para alfa = 0,05 1 3169,03 3188,38 3217,24 3366,16 0,298 0,960 1,000 2 (Ceuta)

Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso medio que el resto de las ciudades.

C aptulo 6

pgina 652

La prueba de Kruskal-Wallis para comparar ms de dos grupos


- La prueba de Kruskal-Wallis, es una alternativa a la prueba F del anlisis de varianza (ANOVA) para diseos de clasificacin simple donde NO se cumple la normalidad de la variable cuantitativa. - En este caso se comparan varios grupos de la variable predictora (cualitativa POLICOTMICA) pero usando la MEDIANA de cada uno de ellos, en lugar de las medias. Ho: La mediana de las k poblaciones consideradas son iguales y Ha: Al menos una de las poblaciones tiene mediana distinta a las otras.
k Ri2 12 H= 3(n + 1) n(n + 1) i =1 ni

donde, n es el total de datos.

C aptulo 6

pgina 653

Test de Kruskal-Wallis

VENTAJAS Permite datos ordinales y cuantitativos discretos No es necesaria la normalidad (test no paramtrico) El tamao muestral puede ser pequeo

INCONVENIENTES Menor potencia estadstica Menor sensibilidad para detectar diferencias entre grupos No permite construir intervalos de confianza

C aptulo 6

pgina 654

Anova de 2 factores
Variable Predictora 1
Causa o Factor 1: Cualitativa

Variable RESULTADO Interaccin Variable Predictora 2


Causa o Factor 2: Cualitativa Desenlace o efecto: Cuantitativa

C aptulo 6

pgina 655

Anova de 2 factores
Factor 1: Variable predictora 1
Grupo cultural
F= 7,49 p<0,01

F= 1,09 p<0,01

Variable RESULTADO Cuantitativa


Desenlace o efecto: Peso del RN

Interaccin Factor 2: Variable predictora 2


Tabaquismo materno
F= 0,59 N.S

C aptulo 6

pgina 656

Anlisis de la varianza (ANOVA) de dos factores


Variable dependiente cuantitativa: Peso del RN Factor 1 cualitativa: Grupo cultural Factor 2 cualitativa: Tabaquismo materno
Estudio de la variable resultado peso del RN. Efecto de las variables predictoras grupo cultural y hbito de tabaquismo en las madres. Factor Grupo cultural Tabaquismo Interaccin (*) Varianza 3,2631 2,5776 4,7592 F 7,49 0,59 1,09 Significacin p < 0,01 N.S p < 0,01

(*) Test ANOVA de dos factores

Las diferencias en el peso de los RN se mantuvieron slo dependientes del grupo cultural o de la interaccin de ambos factores, pero no del hbito de fumar. A ello pudo contribuir el bajo nmero de madres musulmanas fumadoras.
Daz Portillo J. Influencia del grupo tnico en el patrn lipoproteico de una determinada poblacin peditrica de Ceuta. Tesis doctoral . Facultad de Medicina. Universidad de Cdiz . Noviembre 1997.

C aptulo 6

pgina 657

Anova de 2 factores
Factor 1: Variable predictora 1
Grupo cultural
F= 3,67 p<0,01

F= 0,34 N.S

Variable RESULTADO Cuantitativa


Desenlace o efecto: VCM

Factor 2: Variable predictora 2


Tipo de lactancia
F= 1,03 p<0,01

C aptulo 6

pgina 658

Anlisis de la varianza (ANOVA) de dos factores


Variable dependiente o resultado cuantitativa: VCM Factor 1 cualitativa (variable predictora principal): Grupo cultural Factor 2 cualitativa (variable predictora secundaria): Tipo de lactancia
Estudio de la variable resultado VCM en lactantes. Efecto de las variables predictoras grupo cultural y tipo de lactancia. Factor Grupo cultural Lactancia Interaccin (*) Varianza 6,0017 1,6904 0,5579 F 3,673 1,034 0,341 Significacin p < 0,01 p < 0,01 N.S

(*) Test ANOVA de dos factores

Las diferencias en el VCM (microcitosis) se mantuvieron dependientes tanto del grupo cultural como del tipo de lactancia, pero no de la interaccin de ambas variables.

Daz Portillo J. Influencia del grupo tnico en el patrn lipoproteico de una determinada poblacin peditrica de Ceuta. Tesis doctoral . Facultad de Medicina. Universidad de Cdiz . Noviembre 1997.

C aptulo 6

pgina 659

Pregunta de investigacin
Qu relacin existe entre los niveles de colesterol-LDL en sangre y la probabilidad de padecer un IAM?
Variable PREDICTORA CUANTITATIVA continua
Niveles colesterol-LDL

Variable RESULTADO CUALITATIVA dicotmica


IAM

Cul es el test estadstico ms acertado?

C aptulo 6

pgina 660

Pregunta de investigacin
Qu relacin existe entre los niveles de alcoholemia y la probabilidad de tener un accidente de trfico?
Variable PREDICTORA CUANTITATIVA continua
Niveles de Alcoholemia

Variable RESULTADO CUALITATIVA dicotmica


Accidente de trfico

Cul es el test estadstico ms acertado?

C aptulo 6

pgina 661

Pregunta de investigacin
Qu relacin existe entre la ingesta crnica de alcohol y la probabilidad de desarrollar cncer de esfago?
Variable PREDICTORA CUANTITATIVA continua
Ingesta crnica de alcohol

Variable RESULTADO CUALITATIVA dicotmica


Cncer de esfago

Cul es el test estadstico ms acertado?

C aptulo 6

pgina 662

Pregunta de investigacin
Qu relacin existe entre la edad gestacional y la probabilidad de muerte del recin nacido?
Variable PREDICTORA CUANTITATIVA continua
Edad gestacional

Variable RESULTADO CUALITATIVA dicotmica


Muerte del RN

Cul es el test estadstico ms acertado?

C aptulo 6

pgina 663

Anlisis de regresin logstica simple


- Variable RESULTADO: Dicotmica - Variable PREDICTORA: Cuantitativa Categrica
Variables PREDICTORAS RESULTADO Alcoholemia Ingesta de alcohol Colesterolemia Edad gestacional Variable Menor potencia estadstica Accidente de trfico Cncer de esfago IAM Muerte del RN

C aptulo 6

pgina 664

Pregunta de investigacin
Qu relacin existe entre la edad gestacional y la probabilidad de muerte del recin nacido?
Estudio caso-control realizado por Brand et al con 410 RN de edad gestacional entre 24-29 semanas. Variable PREDICTORA CUANTITATIVA continua
Edad gestacional

Variable RESULTADO CUALITATIVA dicotmica


Probabilidad de morir

Anlisis de Regresin Logstica Simple

C aptulo 6

pgina 665

Anlisis de regresin logstica simple

C aptulo 6

pgina 666

Anlisis de regresin logstica simple


Qu relacin existe entre la edad gestacional y la probabilidad de muerte del recin nacido? Variable PREDICTORA Edad gestacional Variable RESULTADO Riesgo de muerte del RN
Edad gestacional Semanas Vivo Muerto 24 3 26 25 16 56 26 38 69 27 49 50 28 45 21 29 30 7 Total 181 229

Estimaciones de los parmetros del modelo logstico propuesto para los datos anteriores Variable Constante Creatinina Estimacin 18,36 - 0,6819 Error estndar 2,375 0,08908

P = probabilidad que muera un RN

C aptulo 6

pgina 667

Regresin logstica. Coeficiente de regresin logstica 1


Existe relacin entre la probabilidad de muerte neonatal (Variable Resultado) y la edad gestacional (Variable Predictora) en los RN de 24-29 semanas?
Z Z95% Z99% Valor 1,96 2,56 3,29 95% 99% 99,5% Estimaciones de los parmetros del modelo logstico propuesto para los datos anteriores Variable Estimacin Error estndar 2,375 0,08908

Z99,5%

Constante 18,36 Creatinina - 0,6819

1 EE1

0,6819 0,08908

7,65

>

Z95%

Podemos decir con error inferior al 5% que existe asociacin entre la mortalidad de los RN prematuros y su edad gestacional en el rango estudiado.

C aptulo 6

pgina 668

Anlisis de regresin logstica simple


Estimaciones de los parmetros del modelo logstico propuesto para los datos anteriores Variable Estimacin Error estndar 2,375 0,08908

Constante 18,36 Creatinina - 0,6819

1/OR = 1,98

Un RN presenta casi 2 veces mas riesgo de morir que otro RN con una semana ms

20

10

1 = - 0,6819

OR = 0,506

Logit

Es el riesgo de morir de un RN respecto a otro que tiene una semana menos Cul es el riesgo de morir de un RN con 25 semanas en relacin a otro de 29 semanas?

- 10

24

25

26

27

28

29

Edad gestacional (semanas)

Representacin grfica de los logits en las diferentes edades gestacionales estudiadas

OR = e1 (X1-X2) OR = e -0,6819 (25-29) = 15,30

C aptulo 6

pgina 669

Tipos de test analticos estadsticos bivariantes de contraste de hiptesis ms frecuentes


Variable PREDICTORA o Independiente (factor de estudio) Cualitativa dos grupos independientes Cualitativa dos grupos apareados Cualitativa > 2 grupos independientes Cualitativa > 2 grupos apareados Cuantitativa Variable RESULTADO o Dependiente (Criterio de evaluacin) Cualitativa nominal dos categoras Chi cuadrado Z comparacin de proporciones Test exacto de Fisher Test de McNemar Cualitativa nominal > 2 categoras Chi cuadrado Cualitativa ordinal o Cuantitativa NO paramtrica U de Mann-Whitney Cuantitativa paramtrica T de Student (prueba de Welch)

Q de Cochran

Prueba de los rangos de Wilcoxon Prueba de KruskalWallis Prueba de Friedman Correlacin de Sperman Tau de Kendall

T de Student para datos emparejados Anlisis de la Varianza (ANOVA) Anlisis de la Varianza de dos vas Regresin lineal Correlacin de Pearson

Chi cuadrado

Chi cuadrado

Q de Cochran Regresin logstica

Q de Cochran Regresin logstica

C aptulo 6

pgina 670

Bioestadstica. Medidas de concordancia


- Fiabilidad de los procedimientos de medida empleados. - Fleis: ni el mas elegante de los diseos seria capaz de paliar el dao causado por un sistema de medida poco fiable. - Error de medida: Variabilidad entre observadores. - Estudios de fiabilidad. - Sesgo entre observadores. - Concordancia entre observadores. - Indicadores del grado de variabilidad. - Coeficiente de correlacin intraclase (variables cuantitativas). - ndice de Kappa (variables cualitativas tipo categricos).

C aptulo 6

pgina 671

Anlisis de concordancia

- VARIABLES CUALITATIVAS - ndice kappa - VARIABLES CUANTITATIVAS - Coeficiente de correlacin intraclase - ANOVA - Anlisis de las diferencias individuales (Bland y Altman)

C aptulo 6

pgina 672

ndice Kappa (medida dicotmica)

OBSERVADOR A ( 1 medicin) Anormal (+) Normal (-) Total

OBSERVADOR B ( 2 medicin) Anormal (+) a c a+c Normal (-) b d b+d

TOTAL

a+b c+d N

C aptulo 6

pgina 673

Pregunta de investigacin
Tienen los dos radilogos de mi servicio el mismo criterio-juicio clnico para informar las radiografas?
Radilogo 2 Radilogo 1 Anormal Dudosa Normal Anormal 18 1 2 Dudosa 4 10 4 Normal 3 5 53

Se enfrenta ambos radilogos a la tarea de categorizar una misma muestra de 100 radiografas mediante la escala: anormal, dudosa, normal. Cul es el test estadstico ms acertado?
Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice Kappa. Cad Aten Primaria 1999; 6: 169-171.

C aptulo 6

pgina 674

ndice de Kappa
k = 0 cuando la concordancia observada es la que se espera a causa del azar k > 0 cuando la concordancia es mayor de la esperada solo por el azar
Valoracin del ndice Kappa Valor de k < 0,20 0,21 0,40 0,41 0,60 0,61 0,80 0,81 1,00 Fuerza de concordancia Pobre Dbil Moderada Buena Muy buena

Con los datos de la tabla se obtiene aplicando esta frmula un valor de k = 0.660 (IC95%: 0.527-0.793), que segn la clasificacin anterior calificaramos como una buena concordancia.

C aptulo 6

pgina 675

Pregunta de investigacin
Podemos sustituir en instrumento clsico analgico por el nuevo sistema digital para la medida de la tensin arterial?

Sistema analgico

Sistema digital

Cul es el test estadstico mas acertado?

Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis de concordancia para variables numricas. Cad Aten Primaria 2004.

C aptulo 6

pgina 676

Medidas de tensin arterial sistlica en un grupo de 30 pacientes mediante dos mtodos de medicin (tradicional y automatizado)

Mtodo digital

Mtodo analgico
Coeficiente de correlacin lineal de Pearson r = 0,997

Se representan los datos de un estudio en el que se tom la tensin arterial sistlica en 30 pacientes utilizando dos mtodos diferentes. Se representan grficamente estos datos, indicando el coeficiente de correlacin lineal de Peason r=0,997 una asociacin prcticamente lineal.
Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis de concordancia para variables numricas. Cad Aten Primaria 2004.

C aptulo 6

pgina 677

Coeficiente de correlacin intraclase


Medidas de tensin arterial sistlica en un grupo de 30 pacientes mediante dos mtodos de medicin (tradicional y automatizado)

Mtodo digital

Mtodo analgico
Coeficiente de correlacin lineal de Pearson r = 0,997

Para variables cuantitativas, es frecuente que el anlisis de la concordancia entre dos medidas de la misma variable se realice ERRNEAMENTE mediante el clculo del coeficiente de correlacin de lineal (r) de Pearson como ndice de concordancia.
Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis de concordancia para variables numricas. Cad Aten Primaria 2004.

C aptulo 6

pgina 678

Mito 12: La sonrisa de la esfinge

Porqu has elegido el coeficiente de correlacin de Pearson?.Se cumplen todos los requisitos para poder utilizarlo? Te permite ese test decir que los resultados son intercambiables entre ambos instrumentos de medida? El coeficiente de correlacin de lineal (r) de Pearson NO resulta una medida adecuada del grado de acuerdo o concordancia entre dos mediciones de un mismo parmetro (presin arterial), ya que si dos instrumentos miden sistemticamente cantidades diferentes uno del otro, la correlacin puede ser perfecta (r 1), a pesar de que la concordancia sea nula. El coeficiente de correlacin r de Pearson deca que la magnitud de la asociacin de la medida de la presin arterial entre el mtodo manual A y el mtodo digital B es del 99,7 (r=0,997) de la mxima posible.

C aptulo 6

pgina 679

Coeficiente de correlacin intraclase


- Los valores del CCI pueden oscilar entre 0 y 1, de modo que la mxima concordancia posible corresponde a un valor de CCI=1. - Cuando el valor CCI=0 se obtiene cuando la concordancia observada es igual a la que se esperara que ocurriera slo por AZAR. En este caso la variabilidad observada se explicara por las discrepancias entre los mtodos de medicin o de los diferentes criterios utilizados por los observadores en el experimento. CORRELACIN CONCORDANCIA

Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis de concordancia para variables numricas. Cad Aten Primaria 2004.

C aptulo 6

pgina 680

Coeficiente de correlacin intraclase


Ejemplo
- En este caso CCI=0.991, casi toda la variabilidad observada no depende de las diferencias en los mtodos de medicin empleados o los diferentes observadores (tan solo el 0,9%). - Es decir, solo el 0,9% de la variabilidad observada es debida a las discrepancias o diferencias entre los mtodos de medicin o por el diferente criterios utilizados por los observadores.
Sistema analgico Sistema digital

Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis de concordancia para variables numricas. Cad Aten Primaria 2004.

C aptulo 6

pgina 681

Valoracin del coeficiente de correlacin intraclase


- Presentar informacin esencial de tipo repetitivo en una forma fcilmente visible y comprensible. - Mostrar frecuencias, relaciones, contrastes, variaciones y tendencias mediante la presentacin ordenada de la informacin. - Complementar (no duplicar) lo descrito en el texto.
Valoracin de la concordancia segn los valores de Coeficiente de Correlacin Intraclase (CCI) CCI > 0,90 0,71 - 0,90 0,51 - 0,70 0,31 - 0,50 < 0,30 Fuerza de concordancia Muy buena Buena Moderada Mediocre Mala o nula

C aptulo 6

pgina 682

Limitaciones del coeficiente de correlacin intraclase


A pesar de ser la medida de concordancia ms adecuada para el caso de variables NUMRICAS, el CCI presenta ciertas limitaciones: 1. A la hora de interpretar los valores del CCI, la clasificacin de la tabla 5 es subjetiva. 2. Dificultad inherente a su clculo. 3. Se trata de una prueba PARAMTRICA, por lo que limita su uso a: - variables distribuidas segn una normal. - igualdad de varianzas. - independencia entre los errores de cada observador. 4. El CCI depende en gran medida de la variabilidad de los valores observados: cuanto ms homognea sea la muestra estudiada, ms bajo tender a ser el valor del CCI. 5. Lo que ms ha limitado la difusin del uso del CCI en la literatura mdica es la carencia de interpretacin clnica completamente objetiva.

C aptulo 7

pgina 683

Captulo 7
Metodologa de Investigacin 2010: Bioestadstica: Anlisis Multivariante.
Material y mtodos.
Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

C aptulo 7

pgina 684

Fases del anlisis estadstico


1. ANLISIS DESCRIPTIVO

2. ANLISIS BIVARIANTE

3. ANLISIS MULTIVARIANTE

C aptulo 7

pgina 685

Anlisis multivariante
Anlisis multivariante para la deteccin de potenciales factores de confusin
Variable Predictora 1 Variable Predictora 2 Variable Predictora 3 Variable Predictora 4 Variable Predictora 5 Variable Predictora n Variable Resultado

C aptulo 7

pgina 686

REGRESIN LINEAL MLTIPLE Variable RESULTADO Variables PREDICTORAS ECUACIN Cuantitativa

REGRESIN LOGSTICA MULTIVARIANTE Cualitativa (dicotmica) Cualitativa Cuantitativa

Cualitativa Cuantitativa

C aptulo 7

pgina 687

Regresin logstica multivariante

Es un modelo de regresin que permite estudiar si una variable resultado de tipo cualitativa nominal depende, o no, de otras variables predictoras. La naturaleza de las variable predictoras puede ser: - Categrica DICOTMICA, es decir, solo puede admitir dos posibles resultados. - CUANTITATIVA (discreta o continua).

C aptulo 7

pgina 688

Regresin logstica multivariante

Variable Predictora 1 Variable Predictora 2 Variable Predictora 3 Variable Predictora 4 Variable Predictora 5 Variable Predictora n Variable Resultado

Cualitativa dicotmica

C aptulo 7

pgina 689

Ejemplos de posibles modelos de regresin logstica


Variable RESULTADO Curacin (si/no) Variables PREDICTORAS tratamiento aplicado grado de cumplimiento gnero comorbilidad ingesta de sal antecedentes familiares edad grado del tumor edad tipo histolgico receptores hormonales HTA, edad, tabaquismo, peso materno, raza, complicaciones obsttricas

HTA (si/no)

Morir por cncer de mama

RN de bajo peso

C aptulo 7

pgina 690

Aplicacin de los modelos de regresin logstica

- En ENSAYOS CLNICOS en los que se evala un evento o resultado en relacin a uno o ms factores etiolgicos, predictores o asociados (RR). - En estudios de COHORTES en los que se evala un evento o resultado en relacin a uno o ms factores de riesgo (etiolgicos, predictores o asociados) (RR). - En estudios de CASOS Y CONTROLES en los que se evalan diferentes factores en cada grupo, para encontrar asociaciones entre ellos y la enfermedad o caso (OR). - En estudios TRANSVERSALES en los que se evalan diferentes variables predictoras (factores de riesgo), para encontrar asociaciones entre ellas y la enfermedad en estudio (variable resultado).

C aptulo 7

pgina 691

Objetivos de los modelos de regresin logstica

1. ESTIMAR la relacin entre una o mas variables predictoras con la variable resultado - Estudios etiolgicos - Confusin e interaccin 2. PREDECIR lo mejor posible la variable RESULTADO o respuesta, usando la combinacin ms eficiente de las variables PREDICTORAS incluidas en el estudio.

C aptulo 7

pgina 692

Caractersticas de los modelos de regresin logstica multivariante


- La variable RESULTADO es siempre cualitativa discreta Si = 1 No = 0 - Las variables PREDICTORAS del modelo puede ser Continuas Discretas - La ecuacin inicial del modelo NO es una funcin lineal, sino EXPONENCIAL, si bien una sencilla transformacin logartmica (LOGIT) la convierte finalmente en una funcin lineal, que sigue la ecuacin de la recta cuyas pendientes son los distintos coeficientes de regresin i

C aptulo 7

pgina 693

Anlisis de regresin logstica mltiple

C aptulo 7

pgina 694

Ventajas de los modelos de regresin logstica multivariante (1)


1. Es un modelo til en muchas circunstancias de investigacin en medicina... - En las que se quiere analizar o predecir una respuesta dicotmica de la variable resultado Enfermo / sano Vive / muere Presente / ausente Positivo / negativo - En funcin de su perfil de variables predictoras o factores de riesgo, que pueden ser cualitativas: gnero, sexo, grupo cultural, estado civil, nivel de estudios, nivel socioeconmico,... cuantitativas: edad, n de cigarrillos, IMC, colesterol, TAS,...

C aptulo 7

pgina 695

Ventajas de los modelos de regresin logstica multivariante (2)


2. Es la mejor aproximacin a la realidad biolgica, ya que la influencia de una variable predictora o factor de riesgo sobre la probabilidad de que aparezca una enfermedad (variable resultado) suele asemejarse ms a una curva sigmoidea (funcin exponencial) que a una recta. La curva sigmoidal es la representacin habitual de una respuesta a diferentes dosis de un estmulo.
Probabilidad de enfermedad coronaria

X1

Factor de riesgo: cLDL

C aptulo 7

pgina 696

Ventajas de los modelos de regresin logstica multivariante (3)


3. El modelo matemtico del modelo permite obtener directamente la ODDS RATIO (OR) o el RIESGO RELATIVO (RR) para cada factor de riesgo o variable PREDICTORA incluida en el modelo. El coeficiente i de cada variable predictora obtenido por regresin logstica es el logaritmo neperiano de la OR o del RR del factor de riesgo.

OR RR

OR1 = e 1 RR1 = e 1

C aptulo 7

pgina 697

Funciones de los modelos de regresin logstica multivariante


1. CUANTIFICAR la relacin existente entre las distintas variables predictoras incluidas en el modelo y la variable resultado (respuesta). 2. CONTROLAR Y AJUSTAR aquellas variables predictoras que actan como potenciales FACTORES MODIFICADORES de EFECTO, especialmente los FACTORES de CONFUSIN 3. PREDECIR LA RESPUESTA de la variable resultado en funcin de las variables predictoras o factores de riesgo, clasificando a los individuos en una de las dos posibles respuestas en funcin de la probabilidad que arroje su perfil de variables predictoras incluidas en el modelo de regresin logstica multivariante.

C aptulo 7

pgina 698

Variables explicativas o predictoras en el modelo de regresin logstica


Variables CUALITATIVAS El modelo asume estimaciones basadas en variables continuas Variables CUANTITATIVAS La OR y el RR son medidas que cuantifican el cambio en el riesgo cuando se pasa de un valor del factor a otro Este aumento o disminucin del riesgo es lineal y proporcional al cambio

Las variables cualitativas deben ser modeladas en 2 categoras (0,1) o transformadas en tantas variables dicotmicas como categoras (variables DUMMY)

C aptulo 7

pgina 699

Regresin logstica:
Estimacin de coeficientes i
0, 1, 2,.., n son los coeficientes de regresin logstica del modelo - 0 es el trmino independiente (o constant en SPSS) - El resto de las i son los coeficientes de regresin logstica para las diferentes variables predictoras incluidas en le modelo - La evidencia de relacin entre una variable predictora y la variable resultado es la existencia de un coeficiente de regresin logstica significativamente diferente a cero i 0 - El signo de i tiene un significado importante porque - Si es positivo (i > 0) significa que esa variable predictora AUMENTA la PROBABILIDAD del suceso (variable resultado o respuesta) que estamos analizando. - Si es negativo (i < 0) su clculo se lleva a cabo mediante la FUNCIN DE MXIMA VEROSIMILITUD.

C aptulo 7

pgina 700

Regresin logstica:
Definicin de las hiptesis nula Ho y alternativa Ha
- La hiptesis conceptual es que una o varias variables predictoras influyen significativamente en la probabilidad del suceso en estudio (que la variable predictora tome un valor u otro) - Las hiptesis operativas se reducen al contraste de los diferentes coeficientes i obtenidos en el anlisis de los datos como estimadores de las variables predictoras de inters As, cuando solo hay una variable predictora X1 H0 1 = 0 Ha 1 0 - Hay varios procedimientos para llevar a cabo este contraste.

C aptulo 7

pgina 701

Regresin logstica:
Procedimientos para evaluar el contraste de hiptesis
1. Evaluacin estadstica del coeficiente i 2. Evaluacin estadstica de WALD - El estadstico de WALD es el resultado de dividir el cuadrado del coeficiente de regresin logstica i por el cuadrado de su error estndar EEi 3. Evaluacin estadstica de la razn de verosimilitud (L0) 4. Evaluacin estadstica del cambio del estadstico -2LL0 - Este estadstico resulta ser menor de dos veces el logaritmo neperiano de la razn de verosimilitud (L0) 5. Evaluacin del estadstico Z2, (Goodness of Fit)

C aptulo 7

pgina 702

1. Evaluacin estadstica del coeficiente i


- El coeficiente de regresin logstica i de la variable predictora i debe ser estadsticamente distinto de cero i 0 para que esta tenga influencia significativa sobre la variable resultado. - La hiptesis H0 ser que... i = 0 - La hiptesis Ha ser que... i 0 - Para tener en cuenta el error aleatorio (EEi) con que el coeficiente i (obtenido en la regresin logstica) estima al coeficiente de regresin poblacional n se lleva a cabo un contraste a travs del estadstico t de Student con un nmero de grados de libertad igual al nmero de individuos de la muestra (N) menos el nmero de variables predictoras (n) introducidas en el modelo.

C aptulo 7

pgina 703

Interpretacin del coeficiente de regresin logstica i


- Si su signo es positivo (i > 0), la probabilidad de que se d o aparezca la caracterstica de la variable predictora aumentar segn aumente el valor de xn (la variable resultado a quien afecta) - Si i 0 es significativamente distinta de cero (test de contraste de hiptesis p < 0,05), la variable predictora i influye significativamente en la probabilidad de que se d o aparezca la caracterstica de la variable resultado, y el modelo logstico tiene sentido

C aptulo 7

pgina 704

2. Evaluacin estadstica de Wald

El estadstico de Wald (W) es tambin muy utilizado para evaluar la significacin estadstica del modelo de regresin logstica multivariante. El estadstico W se obtiene dividiendo el cuadrado de i por el cuadrado del error estndar de i

El estadstico de Wald se distribuye segn una CHI CUADRADO. La hiptesis a contrastar son las mismas que en el caso anterior La hiptesis H0 ser que... W = 0 La hiptesis Ha ser que... W 0

C aptulo 7

pgina 705

Evaluacin del modelo de Regresin logstica multivariante mediante el programa estadstico SPSS
ESTADSTICO HIPTESIS NULA
i = 0 i = 0

CONTRASTE t de Student CHI CUADRADO CHI CUADRADO con n-k-1 grados de libertad

SIGNIFICACIN p < 0,05 p < 0,05 Si rechaza la hiptesis nula (p < 0,05) significa que el modelo de regresin no es significativo p < 0,05

Wald (i)2 / (EEi)2

- 2 Log Likelihood (-2LL)

L=1

(-2LL) = 0 ajuste perfecto (-2LLK-1) - (-2LLK )

Improvement o cambio en la razn de verosimilitud en cada paso Z2 (Goodness of Fit)

CHI CUADRADO con k grados de libertad CHI CUADRADO

Z2 0

Si se rechaza la hiptesis nula (p < 0,05) significa que el modelo de regresin no es significativo p < 0,05

Model Chi- Square

(-2LL0) - (-2LLK )

CHI CUADRADO con k grados de libertad

C aptulo 7

pgina 706

Pregunta de investigacin
- Qu relacin existe entre diversas posibles variables predictoras y la probabilidad de muerte del recin nacido de bajo peso? - Estudio de COHORTES realizado por Horbar et al (1993) con 3603 RN de peso entre 501-1500 g (2 aos de seguimiento). Variable Predictora 1 Variable Predictora 2 Variable Predictora 3 Variable Predictora 4 Variable Predictora 5 Variable Predictora n
Horbar JD, Onstad L, Wright E. Predicting mortality risk for infants weighing 501 to 1500 grams at birth: The National Institutes of Health Neonatal Research Network report. Crit Care Med 1993; 21:1218.

Anlisis Multivariante

Variable Resultado Probabilidad de morir

C aptulo 7

pgina 707

Estudio de cohortes prospectivo de Recin Nacidos


Factores de Riesgo Variables predictoras
Muertos por otras causas Variable RESULTADORESPUESTA-posible EFECTO Variable dependiente Variable cualitativa dicotmica

Fallecimientos

3603 RN de peso comprendido entre 501 y 1500 g


Prdidas de seguimiento

Sobrevivientes

Seguimiento mediana 2 aos

Horbar JD, Onstad L, Wright E. Predicting mortality risk for infants weighing 501 to 1500 grams at birth: The National Institutes of Health Neonatal Research Network report. Crit Care Med 1993; 21:1218.

C aptulo 7

pgina 708

Estudio de cohortes prospectivo de Recin Nacidos


Objetivo: Evaluar el riesgo de muerte en RN de bajo peso (entre 501 1500 g) Variable resultado: Fallecimiento del RN (dicotmica) Variable predictora [1]: peso en gramos del RN Variable predictora [2]: Tamao segn edad gestacional Variable predictora [3]: Raza Variable predictora [4]: Sexo Variable predictora [5]: tipo de parto (vaginal/cesrea) Variable predictora [6]: presentacin del parto Variable predictora [7]: ndice del Apgar al minuto Variable predictora [8]: Presencia o no de complicaciones maternas (diabetes melitus, eclampsia, hipertensin o hemorragia) antes del parto

C aptulo 7

pgina 709

Anlisis de regresin logstica mltiple


Estimacin del modelo para predecir la mortalidad en recin nacidos con pesos entre 501 y 1500 gramos

Variables predictoras Constante Peso (en gr/100) BPSEG Raza Sexo Apgar

2,606 t de Student - 0,422 - 0,491 - 0,450 0,656 0,971 0,029 0,157 0,145 p < 0,05 0,131 0,131

C aptulo 7

pgina 710

Tipos de variables del estudio Horbar et al


Variable resultado (cualitativa dicotmica): - Muerte = 1 - Sobrevivi = 0 1. Variable predictora 1: Peso del RN (gramos/100) 2. Variable predictora 2: Bajo peso segn la edad gestacional (BPSEG). - Peso inferior al P10 para su edad gestacional = 1 - Peso igual o superior al P10 para su edad gestacional = 0 3. Variable predictora 3: RAZA - Raza negra = 1 - Raza blanca = 0 4. Variable predictora 4: SEXO - Hombre = 1 - Mujer = 0 5. Variable predictora 5: Indice de APGAR - Apgar =< 3 = 1 - Apgar > 3 = 0
Horbar JD, Onstad L, Wright E. Predicting mortality risk for infants weighing 501 to 1500 grams at birth: The National Institutes of Health Neonatal Research Network report. Crit Care Med 1993; 21:1218.

C aptulo 7

pgina 711

Qu diferencia promedio de riesgo de morir existe entre un RN A con 850 gramos y otro B con 1250 gramos iguales para el resto de las variables predictoras ensayadas?
Variables predictoras Peso en gramos/100

i
- 0,422

RN A 850 g [8,5]

RN B 1250 G [12,5]

RR
RR =

i (X a X b) (850/100 1250/100)

-0,422 RR = e

= 5.4

Un RN A de 850 g de peso al nacer presenta 5.4 veces ms riesgo de morir que otro RN B de 1250 g a igualdad del resto de las variables predictoras (Xi) incluidas en el modelo.

C aptulo 7

pgina 712

Qu diferencia promedio de riesgo de morir existe entre un RN A con SFA (Apgar < 3) con respecto a otro RN B sin SFA (Apgar > 3) con igualdad para el resto de las variables predictoras?
Variables predictoras APGAR (>3/<=3) [1/0]

i
0,971

RN A SFA (+) APGAR < 3 [1]

RN B SFA (-) APGAR > 3 [0]

RR
RR =

e e

i (X a X b) 0,971 (1 0)

RR =

= 2,62

Los RN con SFA presenta 2,62 veces ms riesgo de morir que los RN sin SFA a igualdad del resto de las variables predictoras (Xi) incluidas en el modelo.

C aptulo 7

pgina 713

Qu diferencia promedio de riesgo de morir existe entre un RN A nio con respecto a otro RN B nia con igualdad para el resto de las variables predictoras incluidas en el modelo?
Variables predictoras SEXO (hombre/ mujer) [1/0]

i
0,656

RN A nio hombre [1]

RN B nia mujer [0]

RR

e (X X ) 0,656 (1 0) RR = e = 1,93
RR =
i a b

Los RN varones presentan 1,93 veces ms riesgo de morir (un 93%) que los RN mujeres a igualdad del resto de las variables predictoras (Xi) incluidas en el modelo.

C aptulo 7

pgina 714

Qu diferencia promedio de riesgo de morir existe entre un RN N de raza negra con respecto a otro RN B de raza blanca con igualdad para el resto de las variables predictoras?
Variables predictoras Raza (>1/<=1) [1/0]

i
- 0,450

RN N Negra [1]

RN B Blanco [0]

RR
RR =

i (X n X b) (1 0)

RR =

e -0,450

= 0.64

Los RN de raza blanca estn a 1/0.64 = 1.56 veces (un 56%) ms riesgo de morir que los RN de raza negra a igualdad del resto de las variables predictoras.

Los RN de raza negra presenta 0.64 veces ms riesgo de morir que los RN de raza blanca a igualdad del resto de las variables predictoras incluidas en el modelo.

C aptulo 7

pgina 715

Qu diferencia promedio de riesgo de morir existe entre dos RN A y B con las siguientes caractersticas?
Variables predictoras Peso en gramos/100 Bajo peso para su edad gestacional BPSEG [1/ 0] Raza (>1/<=1) [1/0] Sexo (mujer/hombre) [1/ 0] Apgar (<=3/ >3) [1/ 0]

i
- 0,422 - 0,491 - 0,450 0,650 0,971

RN A 1150 g [11,5] BPPSEG [1] Negra [1] Nia [0] Apgar <=3 [1]

RN B 1400 g [14,0] [0] Blanco [0] Nio [1] Apgar >3 [0]

RR

El RN A (nia negra) presenta un 54% de riesgo de morir que el RN B (nio blanco) segn el valor de las variables predictoras incluidas en el modelo.

C aptulo 7

pgina 716

Clculo de la probabilidad (P) de muerte individual


Variables predictoras Peso en gramos/100 Bajo peso para su edad gestacional BPSEG [1/ 0] Raza (>1/<=1) [1/0] Sexo (mujer/hombre) [1/ 0] Apgar (<=3/ >3) [1/ 0]
RN A

RN A 1150 g [11,5] BPPSEG [1] Negra [1] Nia [0] Apgar <=3 [1]

RN C 750 g [7,5] [0] Blanco [0] Nio [1] Apgar >4 [1]

RN C

C aptulo 7

pgina 717

Estudio de Marshall et al (NEOCOSUR)


- Objetivo: Desarrollar una ecuacin que permita predecir el riesgo de mortalidad neonatal en RN de muy bajo peso de nacimiento basado en variables predictoras conocidas en el momento del nacimiento, antes del ingreso a la unidad de cuidado intensivo neonatal. - Mtodos: Fueron incluidos en este estudio 1801 RN con peso al nacimiento de 500 a 1500 gramos. - Variables Predictoras: edad materna, peso de nacimiento, edad gestacional, Apgar al 1 minuto, malformaciones congnitas mayores, sexo, gestacin mltiple, uso de esteroides prenatales y peso pequeo para su edad gestacional (BPSEG) (definida como ms bajo que Percentil 10 de peso para edad gestacional).
Marshall G, Tapia JL, DApremont I, Grandi C. Un nuevo score para predecir el riesgo de mortalidad neonatal del muy bajo peso de nacimiento en la red sudamericana NEOCOSUR. Journal of Perinatology 2005; 25:577582.

C aptulo 7

pgina 718

Estudio de Marshall et al (NEOCOSUR)


Objetivo: Predecir el riesgo de mortalidad neonatal en RN de muy bajo peso de nacimiento (entre 500 1500 g) Variable resultado: Fallecimiento del RN (dicotmica) Variable predictora [1]: Edad materna Variable predictora [2]: Peso de nacimiento Variable predictora [3]: Edad gestacional Variable predictora [4]: ndice del Apgar al minuto Variable predictora [5]: Malformaciones congnitas mayores Variable predictora [6]: Sexo Variable predictora [7]: Gestacin mltiple Variable predictora [8]: Uso de esteroides prenatales Variable predictora [9]: Peso pequeo para su edad gestacional (definida como ms bajo que Percentil 10 de peso para edad gestacional) (BPSEG)

C aptulo 7

pgina 719

1. Edad de la madre

5. Malformaciones congnitas

2. Peso

Riesgo de muerte

6. Sexo 7. Gestacin

3. Edad gestacional

8. Uso de esteroides prenatales

4. APGAR al 1 minuto 9. BPSEG

C aptulo 7

pgina 720

Estudio de Marshalll et al (NEOCOSUR)


APGAR al 1 minuto Malformaciones congnitas

Fallecimientos 1801 RN de peso comprendido entre 500 y 1500 g


Variable RESULTADO Variable cualitativa dicotmica

Sobrevivientes Peso del RN Edad gestacional Sexo Esteroides prenatales

Marshall G, Tapia JL, DApremont I, Grandi C. Un nuevo score para predecir el riesgo de mortalidad neonatal del muy bajo peso de nacimiento en la red sudamericana NEOCOSUR. Journal of Perinatology 2005; 25:577582.

C aptulo 7

pgina 721

Anlisis de Regresin Logstica Mltiple: Estimacin del modelo para predecir la mortalidad en recin nacidos con pesos entre 500 y 1500 gramos Variables predictoras Constante Peso del RN Edad gestacional Apgar al minuto Malformaciones congnitas (Si =1; No = 0) Uso de esteroides prenatales (Si =1; No = 0) Sexo (mujer =1; hombre = 0) Estimacin Coeficiente 8,378 - 0,331 - 0,132 0,265 3,419 Error estndar EE 0,99 0,04 0,04 0,03 0,64 8,27 3,3 8,83 5,32 0,72 0,88 0,77 30,55 0,64 0,79 0,80 0,95 0,71 0,82 8,74 106,77 Cociente / EE OR IC95%

- 0,302

0,08

3,77

0,74

0,58 0,89

- 0,474

0,16

2,96

0,62

0,30 0,93

Se ha utilizado el modelo de regresin logstica mltiple con un procedimiento paso a paso, descartndose 3 variables e incluyendo 6 variables predictoras que fueron estadsticamente significativos.

C aptulo 7

pgina 722

Interpretacin del modelo del estudio NEOCOSUR


La Tabla muestra los coeficientes del modelo de regresin logstica mltiple , el error estndar EE y los odds ratios (OR) asociados. Estos coeficientes para las 6 variables predictoras seleccionadas en el modelo logstico permite evaluar el score NEOCOSUR y puede ser usado para calcular el riesgo de mortalidad del RN con muy bajo peso al nacimiento. - Un aumento de 100 g en el peso de nacimiento redujo el riesgo de mortalidad intrahospitalaria en 28% (OR = 0,72). - La adicin de 1 punto en el score de Apgar al 1-minuto redujo el riesgo en 23% (OR = 0,77). - Una semana adicional de edad de gestacin redujo el riesgo en 12% (OR= 0,88). - La presencia de malformacin congnita tuvo el mayor efecto de entre todas las variables predictoras (factores de riesgo)(OR=30,55) aumentando notablemente el riesgo de mortalidad neonatal.

RRR = [ 1 RR ] * 100

C aptulo 7

pgina 723

REGRESIN LINEAL MLTIPLE Variable RESULTADO Variables PREDICTORAS ECUACIN Cuantitativa

REGRESIN LOGSTICA MULTIVARIANTE Cualitativa (dicotmica) Cualitativa Cuantitativa

Cualitativa Cuantitativa Y = 0 + 1X1 + ... + nXn

C aptulo 7

pgina 724

Regresin lineal mltiple


Se utiliza la regresin lineal mltiple cuando estudiamos la posible relacin entre varias variables predictoras Xi (independientes o explicativas) y una variable resultado (respuesta, dependiente, explicada ) que es siempre de tipo numrico (cuantitativa).

Y = 0 + 1X1 + ... + nXn

C aptulo 7

pgina 725

Regresin lineal mltiple

Y = 0 + 1X1 + ... + nXn


Variable Predictora 1 Variable Predictora 2 Variable Predictora 3 Variable Predictora 4 Variable Predictora 5 Variable Predictora n Variable Resultado

Cuantitativa

C aptulo 7

pgina 726

Utilidades de la regresin lineal mltiple

- Prediccin de respuestas (variable resultado) a partir de un conjunto de variables explicativas (predictoras). - Identificacin de variables predictoras y construccin del modelo de regresin lineal mltiple. - Deteccin de interacciones entre las distintas variables predictoras que afectan a la variable resultado. - Identificacin (y ajuste) de variables predictoras que actan como FACTORES de CONFUSIN.

C aptulo 7

pgina 727

Requisitos para el uso de la regresin lineal mltiple

1. Linealidad La variable RESULTADO depende linealmente de las variables PREDICTORAS. Si encontramos respuestas no-lineales, esas variables predictoras se pueden transformar en lineales. 2. Normalidad de las variables cuantitativas

C aptulo 7

pgina 728

Modelo de la regresin lineal mltiple


Y = 0 + 1X1 + ... + nXn
- Y es la variable resultado o dependiente (debe ser siempre numrica). - Los trminos Xi son las variables predictoras o independientes o explicativas, las cuales pueden ser Cuantitativas (discretas o continuas) Cualitativas (categricas); en este caso deben transformarse en cuantitativas ( 0, 1 ), son las variables dummy. - Los trminos i son los coeficientes de regresin del modelo y los calcula el programa estadstico.

C aptulo 7

pgina 729

Edad de la madre

Hbito tabquico materno durante el embarazo

HTA durante el embarazo

Peso del RN

Trabajo prematuro de parto N de visitas al gineclogo durante el embarazo ITU durante la gestacin

Raza materna

Peso de la madre

C aptulo 7

pgina 730

Interpretacin prctica de los resultados de la regresin lineal mltiple


Coefficientsa Unstandardized Coefficients B Std. Error 2975,284 315,998 -1,919 9,544 -338,413 106,977 -573,555 -488,353 -380,931 8,055 -11,248 -203,230 200,591 136,959 104,245 3,570 99,741 136,333 Standardized Coefficients Beta -,014 -,227 -,192 -,239 -,262 ,155 -,008 -,102 95% Confidence Interval for B Lower Bound Upper Bound 2351,748 3598,820 -20,752 16,914 -549,503 -127,322 -969,369 -758,604 -586,630 1,010 -208,059 -472,247 -177,742 -218,102 -175,232 15,100 185,563 65,787 Model 1 (Constant) Edad de la madre Hbito tabquico materno Hipertensin durante el embarazo Infeccion urinaria en la gestacin Raza materna (blanca vs otras) Peso de la madre en Kg N de visitas en el embarazo categorizada Trabajo prematuro de parto t 9,416 -,201 -3,163 -2,859 -3,566 -3,654 2,256 -,113 -1,491 Sig. ,000 ,841 ,002 ,005 ,000 ,000 ,025 ,910 ,138

a. Dependent Variable: Peso del RN


ANOVAb Model 1 Sum of Squares 24747080 75169973 99917053 df 8 180 188 Mean Square 3093384,997 417610,959 F 7,407 Sig. ,000a

Regression Residual Total

a. Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de la madre, Hbito tabquico materno b. Dependent Variable: Peso del RN

C aptulo 7

pgina 731

Interpretacin prctica de los resultados de la regresin lineal mltiple


- La aceptacin de la Ho (p > 0,05) implica que la variable resultado Y no est influenciada por las variables predictoras Xi incluidas en el modelo. - La aceptacin de la Ha (p < 0,05) supone que hay algn tipo de influencia de algunas de las variables predictoras Xi sobre la variable resultado. - La significacin estadstica se realiza mediante el test de contraste de hiptesis del anlisis de la varianza (ANOVA).
ANOVAb Model 1 Sum of Squares 24747080 75169973 99917053 df 8 180 188 Mean Square 3093384,997 417610,959 F 7,407 Sig. ,000a

Regression Residual Total

Significacin estadstica del modelo de regresin

a. Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de la madre, Hbito tabquico materno b. Dependent Variable: Peso del RN

C aptulo 7

pgina 732

Interpretacin prctica de los resultados de la regresin lineal mltiple


- Los programas estadsticos como el SPSS ofrecen una estimacin de los distintos coeficientes de regresin i , junto al: - Error estndar de los coeficientes de regresin EEi. - Significacin estadstica (valor de p) de i cada variable predictora. - Un intervalo de confianza (IC95%) de los coeficientes de regresin i. - Las variables predictoras con significacin estadstica (p < 0,05) deben quedar en el modelo multivariante y en la ecuacin que predice a la variable resultado - Las variables predictoras sin significacin estadstica (p > 0,1) deben ser excluidas del modelo final.

C aptulo 7

pgina 733

i
Model 1 (Constant) Edad de la madre Hbito tabquico materno Hipertensin durante el embarazo Infeccion urinaria en la gestacin Raza materna (blanca vs otras) Peso de la madre en Kg N de visitas en el embarazo categorizada Trabajo prematuro de parto

EEi
Unstandardized Coefficients Std. Error B 315,998 2975,284 9,544 -1,919 106,977 -338,413 -573,555 -488,353 -380,931 8,055 -11,248 -203,230 200,591 136,959 104,245 3,570 99,741 136,333

a Coefficients

IC95%i
t 9,416 -,201 -3,163 -2,859 -3,566 -3,654 2,256 -,113 -1,491 Sig. ,000 ,841 ,002 ,005 ,000 ,000 ,025 ,910 ,138 95% Confidence Interval for B Lower Bound Upper Bound 3598,820 2351,748 16,914 -20,752 -127,322 -549,503 -969,369 -758,604 -586,630 1,010 -208,059 -472,247 -177,742 -218,102 -175,232 15,100 185,563 65,787

Standardized Coefficients Beta -,014 -,227 -,192 -,239 -,262 ,155 -,008 -,102

a. Dependent Variable: Peso del RN

C aptulo 7

pgina 734

Interpretacin prctica de los resultados de la regresin lineal mltiple


- El trmino estadstico R cuadrado (R2) es el porcentaje de reduccin de la incertidumbre sobre la variabilidad de la variable RESULTADO (respuesta) cuando son conocidas las variables PREDICTORAS. Cuanto ms se acerque a 1 ms poder explicativo tiene el modelo. - La R cuadrado corregida es un resultado ajustado, que penaliza la introduccin de variables innecesarias en el modelo, es decir disminuye su valor cuando se introducen variables que no actan sobre la variable resultado.

R2 (R Square o bondad del ajuste)


Model 1

Model Summary Adjusted R Square ,214

R2 corregida (ajustada)
Std. Error of the Estimate 646,228

R R Square ,498a ,248

a. Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de la madre, Hbito tabquico materno

C aptulo 7

pgina 735

Interpretacin prctica de los resultados de la regresin lineal mltiple


- La tabla o matriz de correlaciones es de gran inters para identificar correlaciones lineales entre parejas de variables cuantitativas - Interesante si ocurre entre la variable resultado y alguna de las variables predictoras. - Problemtico si ocurre entre dos variables predictoras porque indica COLINEALIDAD. - La matriz est formada por todos los coeficientes de correlacin lineal de Pearson (r) para cada par de variables cuantitativas del estudio.
a Coefficient Correlations

Model 1

Correlations

Covariances

Trabajo prematuro de parto Hipertensin durante el embarazo Raza materna (blanca vs otras) N de visitas en el embarazo categorizada Infeccion urinaria en la gestacin Peso de la madre en Kg Edad de la madre Hbito tabquico materno Trabajo prematuro de parto Hipertensin durante el embarazo Raza materna (blanca vs otras) N de visitas en el embarazo categorizada Infeccion urinaria en la gestacin Peso de la madre en Kg Edad de la madre Hbito tabquico materno

Trabajo prematuro de parto 1,000 -,050 -,126 ,074 -,174 ,113 -,150 -,218 18586,737 -1365,589 -1791,262 1009,836 -3254,760 55,082 -195,718 -3181,035

Hipertensin durante el embarazo -,050 1,000 -,053 -,065 ,092 -,240 ,043 -,025 -1365,589 40236,901 -1118,575 -1306,095 2519,927 -171,932 81,982 -525,956

Raza materna (blanca vs otras) -,126 -,053 1,000 -,164 -,014 ,045 ,192 ,370 -1791,262 -1118,575 10866,947 -1707,605 -200,116 16,866 190,755 4124,674

N de visitas en el embarazo categorizada ,074 -,065 -,164 1,000 -,042 ,028 ,165 -,199 1009,836 -1306,095 -1707,605 9948,197 -574,052 9,929 156,628 -2124,941

Infeccion urinaria en la gestacin -,174 ,092 -,014 -,042 1,000 ,091 ,061 -,020 -3254,760 2519,927 -200,116 -574,052 18757,679 44,682 80,006 -292,270

Peso de la madre en Kg ,113 -,240 ,045 ,028 ,091 1,000 -,170 ,023 55,082 -171,932 16,866 9,929 44,682 12,745 -5,795 8,723

Edad de la madre -,150 ,043 ,192 ,165 ,061 -,170 1,000 ,094 -195,718 81,982 190,755 156,628 80,006 -5,795 91,092 95,883

Hbito tabquico materno -,218 -,025 ,370 -,199 -,020 ,023 ,094 1,000 -3181,035 -525,956 4124,674 -2124,941 -292,270 8,723 95,883 11444,113

a. Dependent Variable: Peso del RN

C aptulo 7

pgina 736

Mito 12: La sonrisa de la esfinge

En la regresin lineal mltiple realizado se han incluido inicialmente 8 posibles variables predictoras de la variable resultado (peso del RN). De ellas solo 5 han quedado en el modelo final. Estas seguro que se ha realizado una completa y actualizada revisin bibliogrfica? Porqu no se ha tenido en cuenta en el modelo de regresin la variable DIABETES GESTACIONAL que es ampliamente conocido que aumenta el peso del RN causando macrosomas?

C aptulo 7

pgina 737

Estudio transversal en pacientes con diabetes mellitus


Objetivo: Evaluar la influencia de determinadas variables en el control metablico de la diabetes mellitus tipo 2. Variable resultado: Niveles de hemoglobina glicosilada Variable predictora [1]: Tipo de tratamiento Variable predictora [2]: Sexo del paciente Variable predictora [3]: Aos desde el diagnstico de la enfermedad Variable predictora [4]: Nmero de enfermedades relacionadas con la diabetes Variable predictora [5]: Acceso al dietista Variable predictora [6]: Mdico interesado por la diabetes (actitud y conocimiento) Variable predictora [7]: Nivel socioeconmico Variable predictora [8]: Estilos de vida (tabaco, alcohol) Variable predictora [9]: Edad del mdico Variable predictora [10]: Sexo del mdico

Y = 0 + 1X1 + ... + nXn

C aptulo 7

pgina 738

Anlisis bivariante:
Existe relacin entre el tipo de tratamiento y los niveles de hemoglobina glicosilada?
Variable PREDICTORA 1 Cualitativa policotmica
Tipo de tratamiento - Dieta - Insulina - ADO

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? Anlisis de la Varianza para un factor (ANOVA) p < 0,05

C aptulo 7

pgina 739

Anlisis bivariante:
Existe relacin entre el sexo del paciente y los niveles de hemoglobina glicosilada?
Variable PREDICTORA 2 Cualitativa dicotmica
Sexo del paciente

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? T de Student para muestras independientes p < 0,05

C aptulo 7

pgina 740

Anlisis bivariante:
Existe relacin entre los aos desde el diagnstico de la enfermedad y los niveles de HbA1c?
Variable PREDICTORA 3 Cuantitativa continua
Aos desde el diagnstico de la enfermedad

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? Coeficiente de correlacin de Pearson p < 0,05

C aptulo 7

pgina 741

Anlisis bivariante:
Existe relacin entre los aos desde el diagnstico de la enfermedad y los niveles de HbA1c?
Variable PREDICTORA 3 Cualitativa dicotmica
Aos desde el diagnstico de la enfermedad > 7 aos < 7 aos

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? T de Student para muestras independientes p < 0,05

C aptulo 7

pgina 742

Anlisis bivariante:
Existe relacin entre el nmero de enfermedades relacionadas con la diabetes y los niveles de HbA1c?
Variable PREDICTORA 4 Cuantitativa discreta
Nmero de enfermedades relacionadas con la DM

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? Coeficiente de correlacin de Spearman p < 0,05

C aptulo 7

pgina 743

Anlisis bivariante:
Existe relacin entre el nmero de enfermedades relacionadas con la diabetes y los niveles de HbA1c?
Variable PREDICTORA 4 Cualitativa dicotmica
Nmero de enfermedades relacionadas con la DM - Ms de una - Una o menos de una

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? T de Student para muestras independientes p < 0,05

C aptulo 7

pgina 744

Anlisis bivariante:
Existe relacin entre el acceso al dietista y los niveles de hemoglobina glicosilada?
Variable PREDICTORA 5 Cualitativa dicotmica
Acceso al DIETISTA

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? T de Student para muestras independientes p < 0,05

C aptulo 7

pgina 745

Anlisis bivariante:
Existe relacin entre la actitud y conocimiento del mdico por la DM y los niveles de HbA1c?
Variable PREDICTORA 6 Cualitativa dicotmica
Mdico interesado por la DM - Si - No

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? T de Student para muestras independientes p < 0,05

C aptulo 7

pgina 746

Anlisis bivariante:
Existe relacin entre el nivel socioeconmico del paciente y los niveles de HbA1c?
Variable PREDICTORA 7 Cualitativa policotmica
Nivel socioeconmico

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? Anlisis de la Varianza para un factor (ANOVA) p > 0,1

C aptulo 7

pgina 747

Anlisis bivariante:
Existe relacin entre el estilo del vida del paciente y los niveles de hemoglobina glicosilada?
Variable PREDICTORA 8 Cualitativa dicotmica
Estilos de vida - Adecuados - Inadecuados (tabaco, alcohol, etc)

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? T de Student para muestras independientes p > 0,1

C aptulo 7

pgina 748

Anlisis Bivariante:
Existe relacin entre el sexo del mdico y los niveles de hemoglobina glicosilada?
Variable PREDICTORA 9 Cualitativa dicotmica
Sexo del Mdico

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? T de Student para muestras independientes p > 0,1

C aptulo 7

pgina 749

Anlisis Bivariante:
Existe relacin entre el tipo de tratamiento y los niveles de hemoglobina glicosilada?
Variable PREDICTORA 10 Cuantitativa continua
Edad del Mdico

Variable RESULTADO Cuantitativa continua


%HbA1c

Cul es el test estadstico mas acertado? Coeficiente de correlacin de Pearson p > 0,1

C aptulo 7

pgina 750

Tipo de tratamiento

Acceso al Dietista hospitalario

Sexo del paciente Aos desde el diagnstico de la enfermedad N de enfermedades relacionadas con la DM Nivel socioeconmico

%HbA1c

Actitud y conocimiento de la DM por parte del mdico Sexo del mdico Edad del mdico

Estilos de vida

C aptulo 7

pgina 751

Anlisis de regresin lineal mltiple


1. Tipo de tratamiento 5. Acceso al Dietista hospitalario

2. Sexo del paciente 3. Aos desde el diagnstico de la enfermedad 4. N de enfermedades relacionadas con la DM

%HbA1c

6. Actitud y conocimiento de la DM por parte del mdico

Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 + 5X5 + 6X6

C aptulo 7

pgina 752

Anlisis de regresin lineal mltiple


1.- Tipo de tratamiento Insulina Antidiabticos orales (ADO) Dieta 2.- Sexo del paciente (mujer [1]; hombre [0]) 3.- Aos desde el diagnstico de la enfermedad > 7 aos: [1] < 7 aos: [0] 4.- Nmero de enfermedades relacionadas con la diabetes - Ms de una: [1] - Una o menos de una: [0] 5.- Acceso al dietista (si [1]; no [0]) 6- Mdico interesado por la diabetes (si [1]; no [0]) Variables predictoras (X) Variable resultado (Y): HbA1c(%)

Y = 0 + 1X1 + ... + nXn


Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 + 5X5 + 6X6

C aptulo 7

pgina 753

Anlisis de regresin lineal mltiple


Variable resultado (Y): HbA1c(%) Variables PREDICTORAS que estaban relacionadas estadsticamente con la variable resultado HbA1c en el anlisis univariante

Y = 0 + 1X1 + ... + nXn


Variables predictoras Constante Antidiabticos orales / insulina Dieta / insulina N enfermedades relacionadas con la diabetes (> 1 / 1) Sexo (mujer/hombre) Aos desde el diagnstico (> 7 / 7) Acceso al dietista hospitalario (si/no) Mdico interesado en la diabetes (si/no)

Variables predictoras (X)

Variables asociadas al nivel de hemoglobina glicosilada Estimacin 10,51 0,29 -0,97 0,20 0,72 0,04 -1,06 - 0,86 Error estndar EE 0,59 0,37 0,46 0,08 0,28 0,02 0,43 0,38

sexo EE sexo

0,72 0,28

= 2,57

> Z95% (1,96)

p < 0,05

C aptulo 7

pgina 754

Mito 12: La sonrisa de la esfinge

En la tabla de la regresin lineal mltiple presentada se han incluido solo el valor de y su error estndar EE, pero no se ha incluido el IC95% de ni la significacin estadstica p de cada variable predictora. Tampoco veo la tabla donde se indica el R2 (R Square o bondad del ajuste del modelo multivariante). Estas seguro que las 6 variables predictoras incluidas en el modelo multivariante presentan significacin estadstica (p<0,05)? La variable ADO/insulina presenta un valor de (0,29) inferior a su error estndar EE, (0,37) por lo que su cociente vale 0,78, cifra muy inferior al 1,96 (Z95%) Por qu has incluido en el modelo de regresin la variable ADO/insulina?

C aptulo 7

pgina 755

Anlisis de regresin lineal mltiple


Variable resultado (Y): HbA1c(%) Cual de las distintas variables predictoras incluidas en el modelo parece afectar ms a la variable resultado (HbA1c)?

Y = 0 + 1X1 + ... + nXn


Variables predictoras Constante Antidiabticos orales / insulina Dieta / insulina N enfermedades relacionadas con la diabetes (> 1 / 1) Sexo (mujer/hombre) Aos desde el diagnstico (> 7 / 7) Acceso al dietista hospitalario (si/no) Mdico interesado en la diabetes (si/no)

Variables predictoras (X)

Variables asociadas al nivel de hemoglobina glicosilada Estimacin 10,51 0,29 -0,97 0,20 0,72 0,04 -1,06 - 0,86 Error estndar EE 0,59 0,37 0,46 0,08 0,28 0,02 0,43 0,38

C aptulo 7

pgina 756

Anlisis de regresin lineal mltiple


Variable resultado (Y): HbA1c(%)
Variables predictoras Constante Antidiabticos orales / insulina Dieta / insulina N enfermedades relacionadas con la diabetes (> 1 / 1) Sexo (mujer/hombre) Aos desde el diagnstico (> 7 / 7) Acceso al dietista hospitalario (si/no) Mdico interesado en la diabetes (si/no)

Y = 0 + 1X1 + ... + nXn

Variables predictoras (X)

Variables asociadas al nivel de hemoglobina glicosilada Estimacin 10,51 0,29 -0,97 0,20 0,72 0,04 -1,06 - 0,86 Error estndar EE 0,59 0,37 0,46 0,08 0,28 0,02 0,43 0,38 0,78 2,11 2,5 2,57 2,00 2,47 2,26 p > 0,1 p < 0,05 p < 0,05 p < 0,01 p < 0,05 p < 0,02 p < 0,05 Cociente / EE Significacin p

C aptulo 7

pgina 757

Qu diferencia promedio de HBA1c existe entre un paciente A mujer (sexo=1) y un paciente B hombre (sexo=0) y a igualdad del resto de las variables predictoras incluidas en el modelo?
Variables predictoras SEXO (hombre/ mujer) [1/0]

i
+0,72

Paciente A mujer [1]

Paciente B hombre [0]

Y = 0 + 1X1 + ... + nXn


Las mujeres presentan 0,72 unidades mas de HbA1c que los hombres a igualdad del resto de las variables predictoras incluidas en el modelo.

HbA1c (A)= 10,51 + 0,72 (1) = 11,23 HbA1c (B) = 10,51 + 0,72 (0) = 10,51

C aptulo 7

pgina 758

Qu diferencia promedio de HBA1c existe entre un paciente A con acceso al dietista hospitalario (1) de un paciente B sin acceso (0) y a igualdad del resto de las variables predictoras incluidas en el modelo?
Variables predictoras Acceso al dietista hospitalario (si =1, no =0)

i
-1,06

Paciente A SI [1]

Paciente B NO [0]

Y = 0 + 1X1 + ... + nXn


Los pacientes CON acceso al dietista por termino medio presentan 1,06 unidades menos de HbA1c que los pacientes SIN dietista hospitalario a igualdad del resto de las variables predictoras incluidas en el modelo.

HbA1c (A)= 10,51 1,06 (1) = 9,45 HbA1c (B) = 10,51 1,06 (0) = 10,51

C aptulo 7

pgina 759

Qu diferencia promedio de HBA1c existe entre un paciente A tratado con ADO (1) de un paciente N tratado con insulina (0) a igualdad del resto de las variables predictoras incluidas en el modelo?
Variables predictoras ADO/insulina (ADO=1, insulina=0)

i
+ 0,29

Paciente A ADO [1]

Paciente N insulina [0]

Y = 0 + 1X1 + ... + nXn


Los pacientes en tratamiento con ADO por termino medio presentan 0,29 unidades ms de HbA1c que los pacientes tratados con insulina a igualdad del resto de las variables predictoras incluidas en el modelo.

HbA1c (A)= 10,51 + 0,29 (1) = 10,8 HbA1c (N) = 10,51 + 0,29 (0) = 10,51

C aptulo 7

pgina 760

Qu diferencia promedio de HBA1c existe entre un paciente A tratado slo con DIETA (1) de un paciente B tratado con insulina (0) a igualdad del resto de las variables predictoras incluidas en el modelo?
Variables predictoras Dieta/insulina (dieta=1, insulina=0)

i
- 0,97

Paciente A dieta [1]

Paciente N insulina [0]

Y = 0 + 1X1 + ... + nXn


Los pacientes en tratamiento solo con dieta por termino medio presentan 0,97 unidades menos de HbA1c que los pacientes tratados con insulina a igualdad del resto de las variables predictoras incluidas en el modelo.

HbA1c (D)= 10,51 - 0,97 (1) = 9,54 HbA1c (N) = 10,51 - 0,97 (0) = 10,51

C aptulo 7

pgina 761

Qu diferencia promedio de HbA1c existe entre dos pacientes A y B con las siguientes caractersticas?
Variables predictoras Antidiabticos orales/insulina [1/ 0] Dieta/insulina [1/ 0] N enfermedades relacionadas con la diabetes (>1/<=1) [1/ 0] Sexo (mujer/hombre) Aos desde el diagnstico (> 7 / 7) Acceso al dietista hospitalario (si/no) [1/ 0] Mdico interesado en la diabetes (si/no) Paciente A ADO [1] Dieta [1] 3 [1] Hombre [0] 8 aos [1] Si [1] Si [1] Paciente B Insulina [0] Insulina [0] 1 [0] Mujer [1] 3 aos [0] No [0] Si [1]

HbA1c A = 10,51 + 0,29 (1) 0,97 (0) + 0,20 (1) + 0,72 (0) + 0,04 (1) 1,06 (1) 0,86 (1) = 9.12% HbA1c B = 10,51 + 0,29 (0) 0,97 (1) + 0,20 (0) + 0,72 (1) + 0,04 (0) 1,06 (0) 0,86 (1) = 9,40% Diferencia HbA1c (A-B) = - 0,28%

C aptulo 7

pgina 762

Interaccin o modificacin de efecto


Problema clnico: En Atencin Primaria la eficiencia de la determinacin de la excrecin urinaria de albmina en orina de 24 horas (EUA) para el diagnostico de la nefropata diabtica es baja. Objetivo del estudio: Introducir el cociente albmina/creatinina en una muestra de orina matinal (CAC) como alternativa a la EUA. Pregunta de investigacin: Podemos sustituir el cociente albmina/creatinina en orina matinal (CAC) por la excrecin urinaria de albmina (EUA) en orina de 24 horas en pacientes con sospecha de nefropata diabtica?Qu relacin existe entre el CAC y la EUA en orina de 24 horas en dichos pacientes? Cul es el test estadstico mas acertado?

C aptulo 7

pgina 763

Pregunta de investigacin
Qu relacin existe entre el cociente albmina/creatinina en orina matinal (CAC) y la excrecin urinaria de albmina (EUA) en orina de 24 horas?
Variable PREDICTORA Cuantitativa continua
CAC

Variable RESULTADO Cuantitativa continua


EUA

REGRESIN LINEAL SIMPLE Coeficiente de correlacin

Y = 0 + 1 * X r = 0,893 (89,3%)

C aptulo 7

pgina 764

Coeficiente de correlacin de Pearson


Correlacin global EUA versus CAC r = 0,893; R2= 0,806; p < 0,01

COEFICIENTE DE PEARSON: La magnitud de la asociacin entre la EUA y la CAC es del 89,3% de la posible. COEFICIENTE DE DETERMINACIN: El 80,6% de la variabilidad de la EUA puede ser explicada por la distinta CAC, resta por explicar un 19,4% que es achacable a otras variables PREDICTORAS distintas de la CAC. Cules son esas variables predictoras? Influencia del SEXO Correlacin global EUA versus CAC Sexo masculino r= 0,753 Sexo femenino r=0,979

C aptulo 7

pgina 765

Regresin lineal mltiple


Factor 1: Variable predictora 1
CAC
1 = 7.65 p=0,001

R2 = 0,806 (80,6%)

Factor 3: Variable predictora 3


Edad
3= -0.54 p=0,42

Variable RESULTADO Cuantitativa continua


EUA

Factor 2: Variable predictora 2


Sexo
2 = -30.26 p=0,01

Aplicacin del modelo de regresin mltiple a los datos de un estudio que usa como variables predictoras el cociente albmina/ creatinina en orina matinal (CAC), sexo y edad del individuo frente a la excrecin urinaria de albmina en orina 24 horas EUA (variable resultado).

C aptulo 7

pgina 766

Anlisis de regresin lineal mltiple


EUA: Excrecin urinaria de albmina en orina de 24 horas CAC: Cociente albmina/creatinina en una muestra de orina matinal EUA: Variable dependiente o resultado CAC: Variable Predictora 1 SEXO: Variable Predictora 2 EDAD: Variable Predictora 3
Modelo de Regresin Lineal Mltiple Coeficiente IC95% de Constante CAC Edad Sexo 110,85 7,65 - 0,54 - 30,26 13,88 a 187,84 7,13 a 8,16 - 1,86 a 0,78 p 0,02 0,001 0,42

- 53,93 a 6,58 0,01

Eua (Y) = 110,85 + 7,65 CaC - 0,54 EDaD 30,26 SEXo Eua (Y) = 110,85 + 7,65 CaC 30,26 SEXo

C aptulo 7

pgina 767

Qu variables predictoras se deben incluir en el anlisis de regresin lineal mltiple?


Con significacin estadstica (p<0,05) Edad Sexo Nivel cultural Tabaquismo Prxima a la significacin estadstica (0,05 < p < 0,1) - IMC - Hiperlipidemia

C aptulo 7

pgina 768

Anlisis de regresin lineal mltiple


Cual de las distintas variables predictoras con significacin estadstica (p<0,05) del anlisis univariante NO aparecen en el modelo multivariante? Nivel cultural Cual de las distintas variables predictoras prximas a la significacin estadstica (0,05 <p<0,1) del anlisis univariante SI aparecen en el modelo multivariante? Obesidad (IMC)
Resultados del anlisis de Regresin Lineal Mltiple Coeficiente IC95% de Constante Edad Sexo Tabaquismo IMC 96,67 - 1,17 28,71 29,22 4,15 19,2 a 174,15 4,65 a 52,78 3,83 a 54,6 2,00 a 6,29 p 0,015 0,020 0,024 0,000

- 1,89 a 0,44 0,002

La codificacin de las variables dicotmicas se realiz sexo: mujer = 0, hombre = 1, tabaquismo: no fumador 0, fumador 1). IMC = peso / (talla)2

En el anlisis de regresin lineal MLTIPLE se incluyeron las variables predictoras con Significacin estadstica en el anlisis de regresin lineal SIMPLE (edad, sexo, nivel cultural, tabaquismo; p<0,05) y aquellas prximas a la significacin (IMC y hiperlipidemia; p=0,1), identificndose como verdaderas variables predictoras o independientes solo la edad, sexo, IMC y el tabaco r=0,388 (p<0,05). El resto de las variables NO fueron incluidas en el modelo.

C aptulo 7

pgina 769

Pregunta de investigacin
Qu relacin existe entre los niveles de colesterol en sangre y la tensin arterial?
Variable PREDICTORA Cuantitativa continua
Colesterol

Variable RESULTADO Cuantitativa continua


Tensin arterial

REGRESIN LINEAL SIMPLE Coeficiente de correlacin

Y = 0 + 1 * X R2 = 0,691 (69,1%)

C aptulo 7

pgina 770

Modelo de regresin lineal simple para la variable resultado tensin arterial diastlica ajustado por la variable predictora colesterol
Variable Constante Colesterol Coeficiente 26,91 0,23 Suma de cuadrados Regresin Residual Total 4067,11 4459,01 8526,12 EE 7,15 0,03 g.l 1 65 66 IC95% 12,63 41,19 0,17 0,29 Media Cuadrtica 4067,11 68,60 29,22 t 3,76 7,70 F 59,29 p < 0,001 < 0,001 p < 0,001

Y = 0 + 1 * X TAD = 26.91 + 0.23 * Colesterol


Es el modelo de regresin simple que resulta de tomar como nica variable predictora el colesterol de un individuo. El valor del coeficiente de determinacin R2 es 0.691 (69.1%). Se puede mejorar el R2 incluyendo otra variable predictora?. R2 puede ser mejorado a 0.722 (72.2%) aplicando un modelo multivariante en el que se introduce el ndice de masa corporal (IMC) como nueva variable predictora.

C aptulo 7

pgina 771

Correlacin lineal de las variables predictoras edad, colesterol e ndice de masa corporal con la variable resultado tensin arterial diastlica

TAD NS

NS EDAD NS NS NS
Colesterol

NS

IMC

Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria 2000; 7: 173-176.

C aptulo 7

pgina 772

Regresin lineal mltiple


Variable Predictora 1
Causa o Factor 1: Cuantitativa

Variable RESULTADO Interaccin Variable Predictora 2


Causa o Factor 2: Cuantitativa Desenlace o efecto: Cuantitativa

Y = 0 + 1 * X1 + 2 * X2

C aptulo 7

pgina 773

Regresin lineal mltiple


R2 = 0,722 (72,2%)
Factor 1: Variable predictora 1
Colesterol
t= 5.26 p<0,001

Desenlace o efecto
Tensin arterial

Factor 2: Variable predictora 2


IMC
t= 2.45 p=0,017

Aplicacin del modelo de regresin mltiple a los datos de un estudio que usa como variables predictoras de la tensin diastlica (variable resultado) el colesterol y el ndice de masa corporal de un individuo.

C aptulo 7

pgina 774

Modelo de regresin lineal simple para la variable resultado tensin arterial diastlica ajustado por las variables predictoras colesterol e ndice de masa corporal
Variable Constante Colesterol IMC Coeficiente 19,42 0,18 0,73 Suma de cuadrados Regresin Residual Total 4449,72 4076,40 8526,12 EE 7,54 0,03 0,30 g.l 2 64 IC95% 4,37 34,48 0,11 0,25 0,14 1,33 Media Cuadrtica 2224,86 63,69 t 2,58 5,26 2,45 F 34,93 p 0,012 < 0,001 0,017 p < 0,001

TAD = 19,42 + 0.18 * Colesterol + 0,73 IMC


Los coeficientes de regresin para ambas variables predictoras fueron 0.18 (= 0.03) y 0.73 (=0.30) respectivamente, siendo ambos significativamente distintos de cero. Esto indica que por trmino medio la tensin arterial diastlica de un paciente se incrementa en 1.8 y 7.3 respectivamente por cada 10 unidades a mayores en su colesterol o ndice de masa corporal. El valor del coeficiente de determinacin R2=0.72 (72%) y la significacin del contraste F global de la regresin (p<0.001) sugieren que gran parte de la variabilidad de la respuesta (TAD) viene explicada por el modelo ajustado.

C aptulo 7

pgina 775

Regresin lineal mltiple


Factor 1: Variable predictora 1
Colesterol
t= 4.84 p<0,001

R2 = 0,52 (52%)

Factor 3: Variable predictora 3


Edad
t= 1.67 p=0.10

Desenlace o efecto
Tensin arterial

Factor 2: Variable predictora 2


IMC
t= 2.31 p=0,024

Aplicacin del modelo de regresin mltiple a los datos de un estudio que usa como variables predictoras de la tensin diastlica (variable resultado) el colesterol, ndice de masa corporal y edad de un individuo.

C aptulo 7

pgina 776

Modelo de regresin lineal simple para la variable resultado tensin arterial diastlica (TAD) ajustado por las variables predictoras colesterol, ndice de masa corporal y edad
Variable Constante Colesterol IMC Edad Coeficiente 10,55 0,17 0,68 0,24 Suma de cuadrados Regresin Residual Total 4622,52 3903,60 8526,12 EE 9,13 0,03 0,30 0,14 g.l 3 63 66 IC95% -7,70 a 28,81 0,1 0,24 0,09 1,28 - 0,05 a 0,53 Media Cuadrtica 1540,84 61,96 t 1,15 4,84 2,31 1,67 F 24,87 p 0,252 < 0,001 0,024 0,100 p < 0,001

Los coeficientes de regresin para el colesterol fue 0.17 (= 0.03) y de 0.68 (=0.30) para el IMC continuaran siendo distintos de cero (p<0.05). La introduccin de la nueva variable predictora EDAD en el modelo, proporciona un cambio en el coeficiente de determinacin R2 de tan solo 0.028 que NO mejora de forma significativa (p=0.059). La entrada de la variable edad NO produce una mejora del ajuste del modelo. El coeficiente de regresin de la EDAD (0.24) no es significativo (p=0.100).

C aptulo 7

pgina 777

Modelo de regresin lineal simple para la variable resultado tensin arterial diastlica (TAD) ajustado por las variables predictoras colesterol, ndice de masa corporal y edad
Variable Constante Colesterol IMC Edad Coeficiente 10,55 0,17 0,68 0,24 Suma de cuadrados Regresin Residual Total 4622,52 3903,60 8526,12 EE 9,13 0,03 0,30 0,14 g.l 3 63 66 IC95% -7,70 a 28,81 0,1 0,24 0,09 1,28 - 0,05 a 0,53 Media Cuadrtica 1540,84 61,96 t 1,15 4,84 2,31 1,67 F 24,87 p 0,252 < 0,001 0,024 0,100 p < 0,001

edad EE edad

0,24 0,14

= 1,71

< Z95% (1,96)

p = 0,100

Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria 2000; 7: 173-176.

C aptulo 7

pgina 778

REGRESIN LINEAL MLTIPLE Variable RESULTADO Variables PREDICTORAS ECUACIN Cuantitativa

REGRESIN LOGSTICA MULTIVARIANTE Cualitativa (dicotmica) Cualitativa Cuantitativa

Cualitativa Cuantitativa

Y = 0 + 1X1 + ... + nXn

C aptulo 7

pgina 779

Modelo de regresin mltiple de Cox


REGRESIN MLTIPLE de COX Variable RESULTADO Variables PREDICTORAS Cuantitativa Desenlace: supervivencia a tiempo t Cualitativa Cuantitativa (factores pronstico)

ECUACIN

C aptulo 7

pgina 780

Anlisis multivariante

Edad Estado civil Tiempo de alcoholismo Bilirrubina Presencia de ascitis Albmina Probabilidad de muerte

C aptulo 7

pgina 781

Estudio de cohortes prospectivo de pacientes alcohlicos


Variables predictoras Edad Estado civil Tiempo de alcoholismo Bilirrubina srica Presencia de ascitis Albmina srica Anlisis Univariante (p) p < 0,05 p < 0,05 p < 0,05 p < 0,05 p < 0,05 p < 0,05

C aptulo 7

pgina 782

Estudio de cohortes prospectivo de pacientes alcohlicos


Factores de Riesgo

Muertos por otras causas

162 pacientes alcohlicos hospitalizados


Prdidas de seguimiento

Fallecimientos 56

Sobrevivientes 59
Seguimiento mediana 8,7 aos

C aptulo 7

pgina 783

Estudio de cohortes prospectivo de pacientes alcohlicos


Edad Pacientes alcohlicos Bilirrubina Estado civil Ascitis Muerte

Variables predictoras con significado pronstico en pacientes alcohlicos Modelo de Regresin de Cox (mtodo paso a paso) Variable Edad Ascitis Bilirrubina Estado civil RR 1,0763 2,0940 1,4220 2,3922 IC95% del RR 1,0334-1,1209 1,0553-4,1551 1,2058-1,6769 1,1796-4,8515 Significacin 0,0004 0,0345 0,0000 0,0156

C aptulo 7

pgina 784

Pruebas estadsticas de contraste de hiptesis ms aplicables a cada situacin


Variable Independiente o PREDICTORA
Cualitativa

Variable Dependiente o RESULTADO


Cualitativa

Pruebas de contraste de hiptesis


Chi cuadrado Prueba exacta de Fisher Test de McNemar REGRESIN LOGSTICA t de Student Anlisis de la Varianza Test de Mann-Whitney Test de Wilcoxon Test de Kruskall-Wallis Test de Friedman Regresin lineal simple Correlacin de Pearson Correlacin de Sperman REGRESIN MULTIPLE Kaplan-Meier Long-Rank Regresin de COX

Observaciones y/o limitaciones del test

Si el tamao muestral es grande Si el tamao muestral es pequeo Muestras repetidas o apareadas Varias variables predictoras cualitativas Compara medias entre dos grupos independientes Compara medias entre mas de dos grupos independientes Dos grupos independientes No paramtricos Dos grupos medidas repetidas No paramtrico Mas de dos grupos No paramtrico, medidas repetidas Mas de dos grupos No paramtrico medidas repetidas Paramtrico Paramtrico No paramtrico Varias variables predictoras cuantitativas Curvas de superviviencia Compara curvas de superviviencia Anlisis Multivariante

Cualitativa

Cuantitativa

Cuantitativa

Cuantitativa

Cualitativa

Superviviencia

C aptulo 7

pgina 785

Errores ms frecuentes material y mtodos

- Diseo inapropiado - Sujetos a estudio no representativos de la poblacin diana - Ausencia de descripcin de la asignacin de los sujetos a los grupos (problema y control) - Imprecisin en la descripcin y caracterizacin de las variables - Insuficiente descripcin de las fuentes y/o mtodos para recoleccin de los datos - Ignorar las limitaciones o aspectos ticos de la investigacin - No describir pruebas estadsticas que posteriormente aparecen en los resultados - No se justifican los test estadsticos utilizados en los resultados - Inclusin anticipada de resultados de la investigacin

C aptulo 8

pgina 786

Captulo 8
Metodologa de Investigacin 2010: Resultados y Discusin

Escritura cientfica en clnica Bioestadstica aplicada en Ciencias de la Salud Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

C aptulo 8

pgina 787

Resultados
- Qu se encontr en la investigacin? - Cules son los hallazgos principales, producto de la metodologa utilizada? - Con que grado de detalle tcnico deben presentarse los hallazgos? Con el suficiente para que sean entendidos por el lector. - Seleccionar, ordenar y presentar sus hallazgos mediante formas estilsticas: - Primarias: Texto (forma estilstica ms eficiente en la presentacin de los resultados) - Secundarias: Auxiliares del texto Tablas Grficos Figuras Fotografas Diagramas

C aptulo 8

pgina 788

Texto en los resultados

- Claro, preciso y limitarse a lo estrictamente necesario - Utiliza una sucesin adecuada de prrafos - Utiliza ttulos y/o subttulos solamente para agregar claridad a la categorizacin - Citar todas las tablas y figuras - Citar todas las referencias bibliogrficas - Se expresa en tiempo pasado - No repite lo descrito en materiales y mtodos

C aptulo 8

pgina 789

Justificacin de las tablas en los resultados

- Presentar informacin esencial de tipo repetitivo en una forma fcilmente visible y comprensible. - Mostrar frecuencias, relaciones, contrastes, variaciones y tendencias mediante la presentacin ordenada de la informacin. - Complementar (no duplicar) lo descrito en el texto.

C aptulo 8

pgina 790

Caractersticas de las tablas

1. Autoexplicativas 2. Sencilla y de fcil comprensin 3. Ttulo breve y claro 4. Indicar la fuente de origen de la informacin (lugar y fecha) 5. Incluir las unidades de medida en el encabezamiento de cada columna 6. Indicar la base de las medidas relativas (porcentajes, tasas, ndices...) 7. Indicar llamadas a notas a pie de tabla mediante letras o smbolos colocadas como exponentes, en orden alfabtico. 8. Agregar informacin, no duplicarla

C aptulo 8

pgina 791

Ejemplo de presentacin de resultados por tablas

Objetivo principal del estudio: Determinar la asociacin entre los niveles sricos de cHDL y la edad Objetivo secundario: Conocer la influencia del tabaco en dicha relacin. Variable resultado: Niveles de cHDL Variable predictora principal: Edad Variable predictora secundaria: Tabaco

Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 1 Ed. Barcelona: Doyma; 1991.

C aptulo 8

pgina 792

Ejemplo de presentacin de resultados por tablas


Objetivo principal del estudio:
Determinar la asociacin entre los niveles sricos de cHDL y la edad

Variable predictora principal: Edad

Variable resultado: Niveles de cHDL

Objetivo secundario:
Conocer la influencia del tabaco en dicha relacin

Variable predictora secundaria: Tabaco

Variable resultado: Niveles de cHDL

C aptulo 8

pgina 793

Ejemplo de presentacin de resultados por tablas


Grupos de edad 35 44 50,0 61,12 45 54 44,04 60,04 55 40,13 54,91

Fumador No fumador

Grupos de edad (aos)

Hbito tabquico Fumador 50,0 44,9 40,1 45,0 No fumador 65,1 60,0 54,9 60,0

Total 57,5 52,5 47,5 52,5

35 44 45 54 55 Total

C aptulo 8

pgina 794

Ejemplo de presentacin de resultados por tablas


Niveles de colesterol-HDL segn edad y hbito tabquico
Grupos de edad 35 44 50,0 61,12 45 54 44,04 60,04 55 40,13 54,91

Fumador No fumador

La lectura de la tabla A es complicada, con demasiados dgitos en cada una de las casillas y adems NO contiene resultados globales

C aptulo 8

pgina 795

Ejemplo de presentacin de resultados por tablas


Niveles de colesterol-HDL segn edad y hbito tabquico
Grupos de edad (aos) Hbito tabquico Fumador 50,0 44,9 40,1 45,0 No fumador 65,1 60,0 54,9 60,0 57,5 52,5 47,5 52,5 Total

35 44 45 54 55 Total

Variable predictora principal

Variable predictora secundaria

Variable resultado

La expresin de los resultados totales en la fila inferior y en la columna de la derecha permite una rpida visin global del resumen de los resultados, tanto en cada uno de los grupos de edad como en la estratificacin segn la variable predictora secundaria hbito tabquico

C aptulo 8

pgina 796

Justificacin de las figuras en los resultados

- Aumentar la informacin escrita, aclarar conceptos y ofrecer una orientacin visual - Completar el texto sin reemplazarlo - Destacar tendencias - Hacer comparaciones claras y exactas

C aptulo 8

pgina 797

Caractersticas de las figuras

1. Autoexplicativas 2. Sencilla y de fcil comprensin 3. Ttulo breve y claro 4. Indicar la fuente de origen de la informacin (lugar y fecha) 5. Indicar las coordenadas, escalas y unidades de medida 6. Equilibrar la sencillez con la claridad y la funcionalidad 7. Agregar informacin, no duplicarla.

C aptulo 8

pgina 798

Leyes de Edward Tufte


Mienten los grficos?
1. El tamao del efecto es igual en los grficos que en los datos? 2. Se muestra solo un pequeo porcentaje de los posibles eventos? 3. Comienza el eje de las Y en cero? 4. Se alarga grfico mas all del periodo del estudio?

C aptulo 8

pgina 799

1 Ley de Tufte
El tamao del efecto es igual en los grficos que en los datos?
El factor mentiroso de Tufte = Tamao del efecto mostrado en el grfico Tamao del efecto en los datos

Un factor mentiroso >1,05 o <0,95 representa una tergiversacin importante. Un anuncio reciente de Quinapril utiliz inexplicablemente conos de diferentes tamaos para representar el tiempo de ejercicio, segn varias dosis de medicamento y con placebo. Un cono dos veces ms alto que otro (representando el doble de tiempo de ejercicio), tena un volumen cuatro veces mayor que el otro. El factor mentiroso este caso es de 2.2 (4.4/2). Sin embargo, en el mismo artculo se comparaban los efectos adversos, se utilizaron tringulos (menor volumen) en lugar de conos!

C aptulo 8

pgina 800

2 Ley de Tufte
Se muestra slo un pequeo porcentaje de los posibles eventos?
A menudo el eje de la y es, solo, levemente, mayor que el porcentaje de eventos de uno de los grupos, lo cual tiende a magnificar las cosas, parece como si uno de los grupos tuviera el mayor porcentaje de los posibles. Por ejemplo en un anuncio de pravastatina, refirindose al estudio WOS (West of Scotland Study), el eje de las y termina en el 8%. La tasa de Infartos de miocardio en el grupo placebo era de 7.9%. La diferencia del 2.4% entre el grupo de tratamiento y placebo queda con esta grfica muy amplificado. Cuando se describen grficamente los efectos secundarios, los anuncios por el contrario hacen que el eje de las y llegue al 100%, esto hace casi microscpico el bajo porcentaje de incidencia de efectos adversos.

C aptulo 8

pgina 801

Estudio WOS (West of Scotland Study)

Figura 1.- Reduccin de la incidencia de eventos cardiovasculares graves (IAM) de la pravastatina con respecto al placebo

C aptulo 8

pgina 802

3 Ley de Tufte
Comienza el eje de las Y en cero?
El eje y debe comenzar siempre en cero. Si no es as, alguien esta tratando de hacerle creer que uno de los grupos ha alcanzado menor proporcin o nmero cuando posiblemente no sea este el caso.

C aptulo 8

pgina 803

4 Ley de Tufte
Se alarga grfico ms all del periodo del estudio?
Aunque en las curvas de supervivencia de los estudios originales habitualmente indican el nmero de pacientes elegibles en cada ao del estudio desde el momento de la aleatorizacin, los anuncios solo hacen esto en contadas ocasiones. En otro estudio sobre simvastatina se dibuja una curva de supervivencia de unos 6 aos. El nmero de pacientes elegibles en cada ao desde la aleatorizacin no se muestra (aunque si aparece en el articulo original), de hecho solo un pequeo nmero de rezagados haba quedado (228 de 4444) en los seis aos. La diferencia a los seis aos aparece en el anuncio mayor que a los cinco aos.

C aptulo 8

pgina 804

Recomendaciones de Tufte

Tenga cuidado con: 1. Intervalos de tiempo incongruentes en el eje de las x: pueden hacer creer que los incrementos o reducciones se vean ms abruptos que lo que realmente son. 2. Grficos que son ms altos que anchos, los cuales exageran los incrementos y las reducciones. 3. Grficos que utilizan reas (o representacin de volumen) para dibujar un dato de una sola dimensin; el nmero de dimensiones representado no debera exceder el nmero de magnitudes en los datos.

C aptulo 8

pgina 805

Figura 1.- Ttulos de anticuerpos frente al virus de la Rubeola en gestantes inmunizadas de Ceuta. Distribucin por grupos culturales.

Daz Portillo J, Torres E, Vadillo Andrade J, Laroca C.PREVALENCIA DE ANTICUERPOS FRENTE AL VIRUS DE LA RUBOLA EN UNA POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico 1995, 44: 114-119.

C aptulo 8

pgina 806

Mito 12: La sonrisa de la esfinge


Edward Tufte dice que siempre el eje y de la variable resultado debe comenzar siempre en cero. Si no es as, se puede pensar que el autor esta tratando de hacerme creer que uno de los grupos ha alcanzado menor proporcin o nmero cuando posiblemente no sea este el caso. Porqu el eje Y no empieza con cero? Qu test de contraste de hiptesis has empleado? Porqu no aparece en la grfica?

C aptulo 8

pgina 807

Mito 12: La sonrisa de la esfinge

Veo que el eje de la y es, solo, levemente, mayor que el ttulo de anticuerpos de las gestantes cristianas, lo cual tiende a magnificar la diferencia real, parece como si el grupo cristiano tuviera el mayor porcentaje de los posibles. Parece que el autor esta intentado magnificar la diferencia real entre ambos grupos. Porqu eliges ese valor para el final del eje Y?

C aptulo 8

pgina 808

Figura 1.- Evolucin de la seroprevalencia de la toxoplasmosis en gestante de Ceuta (periodos 1990-94 versus 2004)

Q= 0.47 Q= 0.70

Daz Portillo J, Torres E, Vadillo Andrade J. SEROEPIDEMIOLOGA DE LA TOXOPLASMOSIS EN UNA POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico 1998; 47: 106-116.

C aptulo 8

pgina 809

Estructura bsica de los resultados

1. Datos descriptivos generales de la poblacin estudiada (tabla 1) 2. Datos principales que responden a los objetivos del estudio (datos crudos, anlisis bivariante) (tabla 2) 3. Datos secundarios derivados del anlisis estratificado o multivariante (datos estratificados) (tabla 3). 4. Descripcin de los datos negativos o inesperados (contrarios a los planteamientos iniciales).

C aptulo 8

pgina 810

Estructura bsica de los resultados


Ejemplo
De los 2.223 inmigrantes que pasaron por el campamento de Calamocarro en 1998, 1.979 (89,0%) eran varones y 244 (11,0%) mujeres (p<0,001), con una edad media de 25,4 4,6 y 23,3 5,0 aos respectivamente (p < 0,0001). Los inmigrantes eran originarios de 36 pases africanos, principalmente subsaharianos, localizados en el golfo de Guinea, en la zona central del continente. El pas de procedencia ms representado fue Nigeria con 597 individuos (27,4%) (tabla 1)

1. Datos descriptivos generales de la poblacin estudiada (tabla 1)

Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.

C aptulo 8

pgina 811

Estructura bsica de los resultados


Ejemplo
En la tabla 2 se presentan los datos de la prueba del Mantoux (PPD) para el total de individuos examinados, agrupados segn sexo, edad y pas de origen. De los 2.216 PPD ledos (sobre 2.223 realizados) 722 (32,6%) presentaron una respuesta al test de Mantoux igual o superior a 10 mm, de los cuales 494 (22,2%) presentaron una induracin mayor a 15 mm. Slo 24 casos (1,1%) presentaban induracin entre 5-10 mm. Con independencia del punto de corte seleccionado, se observ mayor positividad en el sexo masculino que en el femenino, y la positividad tambin present una ligera tendencia a aumentar con la edad (p = 0,07). La edad media de los sujetos con PPD positivo fue de 25,5 4,4 aos, con un dimetro medio de induracin de 18,7 6,2 mm. No se valor el estado vacunal de los sujetos ni se les realiz pruebas de deteccin del VIH a nivel colectivo.

2. Datos principales que responden a los objetivos del estudio (datos crudos, anlisis univariante) (tabla 2)

Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.

C aptulo 8

pgina 812

Estructura bsica de los resultados


Ejemplo
Por zonas geogrficas, las tasas ms altas se presentaron en inmigrantes procedentes de la Repblica Democrtica del Congo (65,1%) y del Camern (48,4%), seguidos a distancia por Nigeria (34,0%), Liberia (32,7%), Mauritania (29,1%), Sierra Leona (28,8%), Costa de Marfil (27,8%), Guinea Bissau (27,4%), Ghana (26,3%), Argelia (25,6%), Mali (24,1%) y R.Guinea (20,9%) (p < 0,0001) (tabla 2) No se descartaron previamente los casos de tuberculosis anterior. No obstante estos sujetos eran captados en los estudios que se realizaban posteriormente. En dichos estudios complementarios se detectaron 19 casos con imgenes radiolgicas pulmonares sugestivas de enfermedad tuberculosa, siendo finalmente hallados dos casos de baciloscopia positiva, a los que se les prescribi tratamiento con pauta 6RHZ. Asimismo aquellos que eran diagnosticados de infeccin tuberculosa latente eran tratados con una quimioprofilaxis de isoniazida 300 mg/24 horas en ayunas durante seis meses.

3. Datos secundarios derivados del anlisis estratificado (pas de origen) o multivariante.

Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.

C aptulo 8

pgina 813

Principales errores en los resultados

- No se describen las caractersticas de la poblacin (tabla 1) - No se localizan los resultados principales en respuesta a los objetivos del estudio (anlisis univariante) (tabla 2) - Se incluye informacin (datos) no anunciada en materiales y mtodos - Se emplean tablas y grficos inadecuados, confusos o repetitivos de la informacin contenida en el texto - Se mezclan datos con opiniones (discusin) Informacin sobre el anlisis estadstico incompleta, inadecuada o deficiente.

C aptulo 8

pgina 814

Ejemplo de presentacin de resultados por tablas


Objetivo principal del estudio:
Determinar la asociacin entre los niveles sricos de cHDL y la edad

Variable predictora principal: Edad

Variable resultado: Niveles de cHDL

Objetivo secundario:
Conocer la influencia del tabaco en dicha relacin

Variable predictora secundaria: Tabaco

Variable resultado: Niveles de cHDL

Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 1 Ed. Barcelona: Doyma; 1991.

C aptulo 8

pgina 815

Ejemplo de presentacin de resultados por tablas


Niveles de colesterol-HDL segn edad y hbito tabquico
Grupos de edad (aos) Hbito tabquico Fumador 50,0 44,9 40,1 45,0 No fumador 65,1 60,0 54,9 60,0 57,5 52,5 47,5 52,5 Total

35 44 45 54 55 Total

(2)

(1)

Qu test estadstico es el mas adecuado?

(1) Anlisis de la varianza

(2) T de Student

La tabla muestra que la edad est asociada con los niveles de cHDL, siendo ms bajos a medida que aumenta la edad. Igualmente, est asociado con el hbito tabquico, siendo menores en los fumadores

C aptulo 8

pgina 816

Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.

C aptulo 8

pgina 817

Discusin

- Cul es el significado de los hallazgos del estudio? - Destacar los aspectos nuevos y relevantes del estudio y las principales conclusiones. - Anlisis e interpretacin de los datos de la investigacin segn la metodologa empleada. - Concretar una respuesta (conclusin) a la pregunta (objetivo) de investigacin.

C aptulo 8

pgina 818

Discusin

1. Validez - Interna - Externa 2. Importancia 3. Novedad 4. Utilidad clnica

Ausencia de sesgos

Ratificar la ausencia de sesgos que puedan contaminar los resultados y conclusiones (validez externa). Convencer al lector de la fiabilidad y validez interna de los resultados.

C aptulo 8

pgina 819

Validez

Interna: Las diferencias observadas en la variable resultado en los individuos o grupos participantes en nuestro estudio son atribuibles a la variable predictora (causa) y no a otras variables extraas (factores de confusin) o al azar?. Externa: A que poblacin, y en qu medios y condiciones puede aplicarse los resultados del estudio?. Se puede generalizar o extrapolar los resultados obtenidos de la muestra estudiada a la poblacin de donde proviene?

C aptulo 8

pgina 820

Estructura de la discusin

1. Comentar los resultados propios 2. Corroborar la fiabilidad y validez de la investigacin 3. Interpretar los hallazgos no esperados 4. Confrontar los datos de la investigacin con otras similares 5. Reconocer las limitaciones del estudio y confirmar la ausencia de sesgos (autocrtica del estudio con honestidad). 6. Discutir las implicaciones tericas y/o prcticas del estudio (valorar el alcance de la investigacin). 7. Sugerir nuevos estudios concretos sobre el problema de investigacin. Marcar futuras lneas de investigacin.

C aptulo 8

pgina 821

1. Comentar los resultados propios

6. Discutir las implicaciones tericas y/o prcticas del estudio (valorar el alcance de la investigacin)

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 8

pgina 822

2. Corroborar o justificar la fiabilidad y validez de la investigacin

4. Confrontar los datos de la investigacin con otras similares

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 8

pgina 823

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558. Duran E, Cabezos J, Ros M, et al. Tuberculosa en los inmigrantes recin llegados a Barcelona. Med Clin (Barc) 1996; 106: 525-528 Alonso Moreno FJ, Garca Bajo MC, Lougedo Caldern MJ, et al. Prevalencia de infeccin tuberculosa en las personas inmigrantes del rea sur de Toledo. Rev Esp Salud Pblica 2004; 78: 593-600.

C aptulo 8

pgina 824

Test de 2 de Pearson
Variable resultado Prueba de Mantoux Variable PREDICTORA Ceuta Barcelona Toledo (+) 722 (32,6%) 506 (34%) 75 (27,7%) (-) 1501 983 269 Total 2223 1489 344

2 Pearson = 19,29; p = 0,000065

. Ha: Existen diferencias en la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes segn la ciudad de destino (Ceuta, Barcelona, Toledo)

C aptulo 8

pgina 825

Realidad 15: ...de lo estadsticamente significativo a lo clnicamente relevante. Es estadsticamente significativo? S (p < 0,05)

Es clnicamente relevante?

S (xito)
Estadsticamente significativo Clnicamente relevante

No (fracaso)
Estadsticamente significativo Clnicamente irrelevante (p < 0,05)

No (p > 0,1)

Estadsticamente NO significativo Clnicamente relevante

Estadsticamente NO significativo Clnicamente irrelevante

C aptulo 8

pgina 826

3. Interpretar y comentar los hallazgos no esperados

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 8

pgina 827

6. Discutir las implicaciones tericas y/o prcticas del estudio (valorar el alcance e importancia de la investigacin)

7. Sugerir nuevos estudios concretos sobre el problema de investigacin. Marcar futuras lneas de investigacin

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 8

pgina 828

C aptulo 8

pgina 829

RESUMEN Fundamento: El aumento en la frecuencia de tuberculosis (TB) se produce por varios factores: resistencias al tratamiento, la infeccin por el virus de la inmunodeficiencia humana, el paro, la pobreza y los movimientos migratorios. El objetivo del estudio fue conocer la prevalencia de infeccin tuberculosa en poblacin inmigrante del rea de Salud de Toledo. Mtodos: Estudio descriptivo, transversal y multicntrico con emplazamiento en Atencin Primaria. La captacin y reclutamiento de las personas inmigrantes se realiz sobre base de tarjeta sanitaria, entre diciembre de 2002 y septiembre de 2003. Se realiz intradermorreaccin de Mantoux (IDRM), con 0,1 ml (2UT) de PPD RT-23, previa firma del consentimiento informado. Otras variables recogidas fueron: edad, sexo, peso, pas de origen, situacin laboral, vacunacin BCG, nmero de convivientes, tiempo de residencia en Europa. Resultados: Fueron incluidos 344 inmigrantes, con una edad media de 28,812,7 aos. El 50% (172) eran mujeres. Llevaban un promedio de 3,43,7 aos de residencia en Europa. El 78,8% (271) de las personas inmigrantes completaron el estudio. La IDRM fue positiva en 75 de ellos [27,7% (IC 95%: 23,1-32,5)]. Los inmigrantes con Mantoux positivo tenan ms edad (32,5 8,5 aos) frente a (27,7 13,8 aos) en los que el resultado fue negativo, p=0,006. El origen subsahariano aumentaba la probabilidad de presentar IDRM positiva. Conclusiones: La poblacin inmigrante del rea de Salud de Toledo presenta una prevalencia alta de infeccin tuberculosa, superior a la poblacin general espaola. Existen diferencias segn el pas de origen. Estos resultados indican la importancia de considerar la prueba de Mantoux en las actividades preventivas dirigidas a la poblacin inmigrante.

C aptulo 8

pgina 830

C aptulo 8

pgina 831

4. Confrontar los datos de la investigacin con otras similares

La tasa de infeccin tuberculosa en personas inmigrantes vara mucho de unos estudios a otros, posiblemente por las diferentes caractersticas de los sujetos estudiados en cada uno de ellos. En los asentamientos de Ceuta, con inmigrantes procedentes principalmente de pases subsaharianos, la prevalencia de infeccin tuberculosa fue del 32,5%15. En colectivos de inmigrantes de procedencia norteafricana residentes en la Comunidad de Madrid16,17 fue superior al 70%. En nuestro estudio las personas inmigrantes subsaharianas presentaron cifras ms elevadas (45,1%), por el contrario en los inmigrantes marroques encontramos una menor frecuencia de infeccin tuberculosa (17,3%).

15. Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8. 16. Rivas Clemente FP, Nacher Conches M, Corrillero Martin J, Garca-Herreros Madueno MT. Prevalencia de infeccin tuberculosa en inmigrantes magrebes. Med Clin (Barc) 2000;114: 245-9. 17. Palomo ML, Rodrguez C, Ayerbe MT. Un estudio de contactos de tuberculosis en inmigrantes marroques. Rev Esp Salud Pblica 1996; 70: 345-8.

C aptulo 8

pgina 832

Sesgos
Aparecen cuando se introduce un error en el diseo del trabajo
- Sesgos de informacin: Es un error sistemtico en la medicin de la variable. Todas las variables (predictoras y resultado) deben medirse de la misma forma en todos los participantes del estudio. - Sesgos de seleccin: Es un error sistemtico en el proceso de seleccin de los individuos que limitan la comparacin de los grupos. Criterios de inclusin y de exclusin en la muestra. - Sesgos de confusin: Es un error debido a la presencia de otras variables (predictoras) con influencia sobre la variable dependiente (resultado) que no han sido estudiadas y/o controladas adecuadamente.

C aptulo 8

pgina 833

Ejemplo de sesgo de informacin:


Pregunta de investigacin
Qu grado de asociacin existe entre la endometriosis como causa de la infertilidad?
Variable predictora: Cualitativa dicotmica Variable resultado: Cualitativa dicotmica

Criterio de evaluacin - Laparoscopia

Endometriosis

Infertilidad

C aptulo 8

pgina 834

Sesgo de informacin
Ejemplo en un estudio caso-control
Bsqueda de endometriosis por laparoscopia
Casos: 100 mujeres diagnosticadas de INFERTILIDAD
OR = 21/79 4/196

Endometriosis 21

Sin endometriosis (No expuestos) 79 C


= 13

Bsqueda de endometriosis por laparoscopia


Controles: 200 mujeres frtiles que se les haba realizado laparoscopia para ligadura de trompas Endometriosis 4
B

Sin endometriosis (No expuestos) 196 D

OR de 13 refleja la probabilidad de que la infertilidad (enfermedad- variable resultado) est producida por la endometriosis (factor de estudio o variable predictora) comparada con la probabilidad de que lo estn los controles. Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 1 Ed. Barcelona: Doyma; 1991.

C aptulo 8

pgina 835

Sesgo de informacin
Sesgo del entrevistador
Los encuestadores pueden introducir errores de clasificacin diferencial si conocen las hiptesis del estudio y la condicin del entrevistado. Este tipo de problema se puede controlar por medio de: a. Desconocimiento del entrevistado. b. Desconocimiento de las hiptesis de estudio. c. Utilizacin de cuestionarios estructurados. d. Control de los tiempos de ejecucin de la entrevista definitiva e. Utilizacin de pocos entrevistadores (medidas de concordancia entre distintos entrevistadores).
Pita Fernndez S. Tipos de estudios clnico epidemiolgicos. Epidemiologa. Conceptos bsicos. En: Tratado de Epidemiologa Clnica. Madrid; DuPont Pharma, S.A.; Unidad de epidemiologa Clnica, Departamento de Medicina y Psiquiatra. Universidad de Alicante: 1995. p. 25-47.

C aptulo 8

pgina 836

Sesgo de seleccin
Ejemplo en un estudio caso-control
Casos: Enfermos con Cncer de Pulmn Expuestos 90% No expuestos

LCFA: Limitacin crnica del flujo areo


Controles: Pacientes ingresados en el mismo servicio la mayora de ellos con LCFA Expuestos 88% No expuestos

La seleccin del grupo control NO ha sido afortunada, ya que la LCFA est relacionada con el tabaco, lo que enmascara su asociacin con el cncer de pulmn Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 1 Ed. Barcelona: Doyma; 1991.

C aptulo 8

pgina 837

Sesgo de seleccin

Variable predictora Exposicin F o factor de riesgo TABACO

Variable resultado Enfermedad o efecto E CNCER DE PULMN

LCFA

Si se eligen como controles personas (pacientes) con enfermedades relacionadas positiva o negativamente con la exposicin aparece el sesgo de SELECCIN Departamento de Medicina y Psiquiatra. Universidad de Alicante: 1995. p. 25-47.

C aptulo 8

pgina 838

Sesgo de confusin

Variable predictora Exposicin F o factor de riesgo

Variable resultado Enfermedad o efecto E

Variable confundente

Es el nico sesgo que se puede controlar (evitar) en la fase de anlisis y no solo en la fase de diseo. Distorsin en las conclusiones del estudio, producida por la distribucin desigual, en los grupos de comparacin, de una tercera variable (confundente C).

C aptulo 8

pgina 839

Factores de confusin
- Es una variable (C) que distorsiona la verdadera medida de la asociacin entre otras dos variables (F) y (E). - Tipos variables de confusin - Confusin positiva (error alfa) - Confusin negativa (error beta) - Es el resultado de relaciones especficas entre las variables incluidas en la base de datos (muy difcil de prevenir o evitar) - Tpicas variables de confusin: sexo y edad - Se detecta cuando aparecen diferencias importantes entre las OR crudas de una asociacin y las ajustadas segn posibles factores de confusin - Mtodo de deteccin y control de Factores de Confusin - Anlisis ESTRATIFICADO - Anlisis MULTIVARIANTE (regresin lineal mltiple y regresin logstica multivariante)

C aptulo 8

pgina 840

Factores de confusin
Criterios
La variable fumador cumple los criterios para ser un factor de confusin: 1. El tabaco es un factor de riesgo del cncer de vejiga. 2. El tabaco esta relacionado con la variable objeto de estudio (caf), ya que los fumadores toman ms caf que los no fumadores.

C aptulo 8

pgina 841

Factores de confusin
Caf
Variable predictora Exposicin F o factor de riesgo

Cncer de Vejiga
Variable resultado Enfermedad o efecto E
1

Tabaquismo
Variable confundente

Si se eligen como controles personas (pacientes) con enfermedades relacionadas positiva o negativamente con la exposicin aparece el sesgo de SELECCIN Departamento de Medicina y Psiquiatra. Universidad de Alicante: 1995. p. 25-47.

C aptulo 8

pgina 842

Sesgo de confusin
Ejemplo
Entre el 30-70% de los casos de cncer de vejiga estn relacionados con el consumo de TABACO. Entre el 10-20% de los casos de cncer de vejiga estn relacionados con ciertas EXPOSICIONES LABORALES Industrias textiles Industrias mecnicas Industrias grficas. Influencia de la cloracin del agua

C aptulo 8

pgina 843

Factores de confusin
Dieta X
Variable predictora Exposicin F o factor de riesgo

Cncer de Vejiga
Variable resultado Enfermedad o efecto E

Exposicin laboral (industrias textiles)


Variable confundente

C aptulo 8

pgina 844

Factores de confusin
Dieta Y
Variable predictora Exposicin F o factor de riesgo

Cncer de Vejiga
Variable resultado Enfermedad o efecto E

Tabaquismo
Variable confundente

C aptulo 8

pgina 845

Control de factores de confusin


Anlisis estratificado
OR cruda (ORc)

OR ponderada (ORp) OR estratificada A (ORa) OR estratificada B (ORb)

Factor de confusin: Los datos crudos y estratificados difieren (ORc ORp) Interaccin o modificacin de efecto: Los datos difieren en cada uno de los estratos (ORc ORp y ORa ORb)

C aptulo 8

pgina 846

Factores de confusin

Alcohol

Coronariopatas

Tabaco

C aptulo 8

pgina 847

Factores de confusin
Ejemplo de FACTOR DE CONFUSIN. Resultados de un estudio hipottico de casos y controles sobre la asociacin entre consumo de alcohol y coronariopata, en funcin del hbito tabquico.

Consumo de ALCOHOL Si Casos Controles OR p 71 52 no 29 48 oR = 2,26 Total 100 100

2 Pearson = 7,62; p = 0,0058

C aptulo 8

pgina 848

Factores de confusin
Ejemplo de FACTOR DE CONFUSIN. Resultados de un estudio hipottico de casos y controles sobre la asociacin entre consumo de alcohol y coronariopata, en funcin del hbito tabquico.

Consumo de ALCOHOL FUMADORES Si no Total p NO fumadores Si no Total p

Casos 63 7 70 8 22 30

Controles 36 4 40 16 44 60

OR 1,0

2 Pearson = 0,00; p = 0.99


1,0

2 Pearson = 0,00; p = 0.99

Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 1 Ed. Barcelona: Doyma; 1991.

C aptulo 8

pgina 849

Factores de confusin
Positivos

Alcohol

Coronariopatas

Bebidas destiladas

La verdadera influencia del alcohol sobre las coronariopatas puede estar condicionado por el tipo de bebida alcohlica, ya que est bien documentado que las bebidas destiladas NO tienen efecto cardioprotector

C aptulo 8

pgina 850

Factores de confusin
Negativos

Alcohol

Coronariopatas

Vino tinto

La verdadera influencia del alcohol sobre las coronariopatas puede estar condicionado por el tipo de bebida alcohlica, ya que est bien documentado que el vino tinto puede tener un efecto cardioprotector

C aptulo 8

pgina 851

Factores de confusin

Caf

Cncer de laringe

Tabaco

El TABACO est fuertemente asociado al CAF la variable predictora principal del estudio, ya que la proporcin de fumadores que toman caf es mucho mayor que en el grupo de no fumadores. El TABACO es un conocido e importante factor de riesgo del cncer de laringe.

C aptulo 8

pgina 852

Factores de confusin
Control de FACTORES DE CONFUSIN. Resultados de un estudio hipottico que describe la posible relacin entre el consumo de caf y el carcinoma de laringe, teniendo en cuenta la influencia del hbito tabquico.

Caf Si Cncer de laringe Controles OR p 175 (58%) 125 (42%) no 125 (42%) 175 (58%) oR = 1,96 Total 300 300

2 Pearson = 16,67; p < 0.00014

Q de Yule = 0,32

C aptulo 8

pgina 853

Factores de confusin
CAF SI FuMaDoRES
Cncer de laringe Controles OR p NO fumadores Cncer de laringe Controles OR p

NO 50 (25%) 25 (25%) oR = 1,0

Total 200 100

150 (75%) 75 (75%)

2 Pearson = 0,00; p = 0.99


25 (25%) 50 (25%) 75 (75%) 150 (75%) oR = 1,0 200 100

Control de FACTORES DE CONFUSIN. Resultados de un estudio hipottico que describe la posible relacin entre el consumo de caf y el carcinoma de laringe, teniendo en cuenta la influencia del hbito tabquico.
La proporcin de controles fumadores que toman caf (75%) es mucho mayor que entre los controles no fumadores (25%)

2 Pearson = 0,00; p = 0.99

Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 1 Ed. Barcelona: Doyma; 1991.

C aptulo 8

pgina 854

Factores de confusin
OR = 2,3 p=0,003

Grupo cultural

Diabetes gestacional

OR = 2,8 p < 0,00001


Obesidad

OR = 4,8 p < 0,00001

La OBESIDAD est fuertemente asociado a la variable predictora principal del estudio (grupo cultural), ya que la proporcin de obesas es mucho mayor en las musulmanas que en las cristianas.

C aptulo 8

pgina 855

Tabla. Prevalencia de DMG segn obesidad. Distribucin por grupos culturales


Grupos Total Musulmanas Cristianas Obesas Musulmanas Cristianas No obesas Musulmanas Cristianas DMG (+) 41 (5,9%) 17 (2,6%) 17 (16,3%) 2 (5,4%) 24 (4,1%) 15 (2,4%) DMG (-) 655 633 87 35 568 598 Odds Ratio OR = 2,32 p= 0,003 Q = 0.40 OR = 3,44 NS (p > 0,05) Q = 0.55 NS (p > 0,05) Q = 0.25 OR cruda = 2,3 > OR ponderada de MantelHaenszel = 2,0

2 Resumen de Mantel-

Haenszel = 4,24 (p= 0,039) Test de Woolf de heterogeneidad de OR ( 2 de Woolf = 0,71 p>0,05)

OBESIDAD

FACTOR DE CONFUSIN

Test de Woolf de heterogeneidad de OR p > 0,05

NO interaccin multiplicativa

C aptulo 8

pgina 856

Figura .- Prevalencia de DMG segn obesidad (anlisis estratificado). Distribucin por grupos culturales

Q= 0.55

p > 0,05

Q= 0.25

p > 0,05

Daz Portillo J, Snchez Del Pino MJ, Navarro Arvalo A, Torres Milln E. PREVALENCIA DE DIABETES MELLITUS GESTACIONAL EN LA POBLACIN BIRRACIAL DE CEUTA. Ciencia Ginecolgika 1998; 2(4):169-178.

C aptulo 8

pgina 857

Regresin logstica multivariante


Variables Constante Grupo cultural Obesidad Coeficiente i EE IC95% Significacin

Log P/ 1- P = o + 1 Grupo CULTURAL + 2 OBESIDAD

Daz Portillo J, Snchez Del Pino MJ, Navarro Arvalo A, Torres Milln E. PREVALENCIA DE DIABETES MELLITUS GESTACIONAL EN LA POBLACIN BIRRACIAL DE CEUTA. Ciencia Ginecolgika 1998; 2(4):169-178.

C aptulo 8

pgina 858

Factores de confusin
Exposicin
SFA

OR = 7,23 p=0,003

Desenlace o efecto

Hipertrigliceridemia

Grupo Cultural

Daz Portillo J, Snchez Del Pino MJ, Navarro Arvalo A. EFECTO DEL ESTRS INTRAPARTO SOBRE EL METABOLISMO LIPOPROTEICO Y SOBRE EL GRADO DE PEROXIDACIN LIPDICA EN SANGRE DE CORDN. Anlisis Clnicos 1999; 24 (3): 104-116.

C aptulo 8

pgina 859

Tabla. Prevalencia de DMG segn obesidad. Distribucin por grupos culturales


Grupos Total Hipertrigliceridemia Normotrigliceridemia Cristianas Hipertrigliceridemia Normotrigliceridemia Musulmanas Hipertrigliceridemia Normotrigliceridemia 3 25 5 37 10 488 8 520 SFA (+) 11,3% SFA (-) 1,7% Odds Ratio OR= 7,23 p= 0,003 Q=0.76 OR= 5,86 p= 0,0039 Q=0.71 OR= 8,78 p= 0,00001 Q=0.80

OR cruda =7,23 OR ponderada de Mantel-Haenszel = 7,38

2 Resumen de Mantel-Haenszel

Test de Woolf de heterogeneidad de OR 2 de Woolf = 0,20 p>0,05)

= 22,7 (p= 0,0000002)

C aptulo 8

pgina 860

SFA

Hipertrigliceridemia (sangre de cordn)

Grupo cultural

NO FACTOR DE CONFUSIN

Test de Woolf de heterogeneidad de OR p > 0,05

NO interaccin multiplicativa

C aptulo 8

pgina 861

Interaccin o modificacin de efecto


OR = 1,8 Exposicin
HTA IAM
La INTERACCIN se presenta cuando la fuerza de la relacin entre dos variables es diferente en funcin de una tercera llamada MODIFICADOR DE EFECTO.

Desenlace o efecto

Cuando dos factores de exposicin actan conjuntamente, sus efectos no son necesariamente aditivos, a veces el riesgo resulta mayor del que se espera sumando los factores.

Edad

La EDAD es un posible factor de confusin ya que est relacionada con la TA y con el IAM.

- Factor de confusin: Los datos crudos y estratificados difieren. - Interaccin o modificacin de efecto: Los datos difieren en cada uno de los estratos.

C aptulo 8

pgina 862

OR cruda (ORc)

OR ponderada (ORp) OR estratificada A (ORa) OR estratificada B (ORb)

- Factor de confusin: Los datos crudos y estratificados difieren (ORc ORp) - Interaccin o modificacin de efecto: Los datos difieren en cada uno de los estratos (ORc ORp y ORa ORb)

C aptulo 8

pgina 863

Interaccin o modificacin de efecto


INTERACCIN o MODIFICACIN DE EFECTO. Resultados de un estudio que relaciona la tensin arterial con la presencia de infarto de miocardio.
IAM TA TA 140 TA < 140 Total oR p Si 28 27 55 oR = 1,8
p

no 540 960 1500 = 0,024

Total 568 1555 30

iC95%: 1,04 - 3,26

2 Pearson = 5,09; p = 0.024 Q de Yule = 0,30

C aptulo 8

pgina 864

Interaccin o modificacin de efecto


IAM ta EDAD 60
TA 140 TA < 140 Total OR EDAD < 60

SI 9 6 15 oR = 0,9
20

NO 110 70 180

Total 119 76 196

Infarto agudo de miocardio (variable resultado) segn la tensin arterial y la edad (variables predictoras).

2 Pearson = 0,01; p = 0.93


435 885 1320 455 1005 1460

oR ponderada = 1,75 20 40 oR = 2,0

TA 140
TA < 140 Total OR

2 Pearson = 5,07; p = 0.024

Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 1 Ed. Barcelona: Doyma; 1991.

C aptulo 8

pgina 865

Interaccin o modificacin de efecto


Infarto agudo de miocardio (variable resultado) segn la tensin arterial y la edad (variables predictoras).

Factor de confusin: EDAD Los datos crudos y estratificados difieren (ORc:1.8 ORp: 1.75) Interaccin o modificacin de efecto: EDAD Los datos difieren en cada uno de los estratos (ORa: 0.9 ORb: 2.0)

C aptulo 8

pgina 866

Interaccin o modificacin de efecto


Infarto agudo de miocardio (variable resultado) segn la tensin arterial y la edad (variables predictoras).

TENSIN

Coronariopatas

Factor de confusin: Los datos crudos y estratificados difieren. Interaccin o modificacin de efecto: Los datos difieren en cada uno de los estratos. EDAD La EDAD es un posible factor de confusin ya que est relacionada con la TA y con el IAM.

C aptulo 8

pgina 867

Sinergismo
Exposicin
HTA

OR cruda = 3,69 (IC95%: 1,4-9,8)

Desenlace o efecto

Cncer de Pulmn

OR cruda = 10,1 (IC95%: 3,5-29,1)

Tabaco

ORajustado=2,80 (IC95%:1,0-7.9) Modelo de regresin logstica


La relacin ASBESTO-CNCER PULMN persiste como estadsticamente. significativa al ajustar el modelo logstico para el TABACO como posible factor de confusin.

C aptulo 8

pgina 868

Sinergismo
OR cruda OR ajustado

OR cruda

X 100 > 10%

3,69

3,69

2,80

X 100 > 24%

C aptulo 8

pgina 869

Falsos factores de confusin:


Sobreajuste
Desenlace o efecto
Cncer de colon

Exposicin
Cerveza

Consumo de pizza

Marcador de la exposicin o producido por la exposicin

C aptulo 8

pgina 870

Factor de colisin
Exposicin
UDPV

Desenlace o efecto
Homosexualidad

Infeccin por VIH

Factor de colisin

El FACTOR de COLISIN (VIH) est asociado con la exposicin (UDPV) y con el desenlace (Homosexualidad). pero a diferencia de los FACTORES DE CONFUSIN NO distorsiona la medida de asociacin entre ambos.

C aptulo 8

pgina 871

Caso hipottico de variable de colisin


El VIH es un FACTOR de COLISIN porque ambos colectivos comparados tiene una mayor prevalencia de infeccin por VIH en comparacin con la poblacin general.
A UDPV No UDPV ViH (+) HMSX 8 60 No HMSX 60 10 UDPV No UDPV HMSX UDPV No UDPV 10 90 No HMSX 90 810

OR cruda = 1,00
Si consideramos a la INFECCIN por VIH como FACTOR DE CONFUSIN, y estratificamos estaramos introduciendo un SESGO de CONFUSIN all donde NO exista previamente.

OR p = 0.30 OR cruda OR p

ViH (-) HMSX 2 30 No HMSX 30 800

OR a = 0,02 (p < 0,00001)

OR a OR b

OR b = 1,78 (p > 0,05)

C aptulo 8

pgina 872

Anlisis multivariante
Anlisis Multivariante para la deteccin de potenciales factores de confusin
Variable Predictora 1 Variable Predictora 2 Variable Predictora 3 Variable Predictora 4 Variable Predictora 5 Variable Predictora n Variable Resultado

C aptulo 8

pgina 873

Portadores del Alelo 4

- Elevada prevalencia de enfermedad coronaria - Mayor extensin de la arteriosclerosis - Mayor tasa de IAM - Mayor mortalidad de causa coronaria
Alelo 4 Enfermedad coronaria

- ANLISIS UNIVARIANTE: El 15,7% de los portadores del alelo 4 presentaban CI frente al 6,9% en NO 4 (p<0,01) ORc = 2,49 IC95%: 1,19-5,22

C aptulo 8

pgina 874

Modelo de regresin logstica

Alelo 4

Enfermedad coronaria

Potenciales FACTORES DE CONFUSIN - Edad - Sexo - HTA - Tabaquismo - Obesidad (IMC) - Lpidos y lipoprotenas

C aptulo 8

pgina 875

Regresin logstica multivariante para la deteccin de potenciales factores de confusin


Alelo 4 Enfermedad coronaria

No corregido Corregido para la edad y el sexo


Corregido para la edad, el sexo y otros factores de riesgo cardiovascular (FRCV) Corregido para la edad, el sexo, otros factores de FRCV y perfil lipdico

OR (IC95%) 2,49 (1,19 - 5,22) 2,59 (1,15 - 5,83) 2,83 (1,18 - 6,81) 2,56 (1,03 - 6,39)

0,75

Asociacin entre la prevalencia de enfermedad coronaria y el tipo de apo E (4 frente a no 4) expresada como OR e IC95% en una poblacin de 386 pacientes con hipercolesterolemia. Se presenta la asociacin simple (anlisis univariante) (OR no corregido) y despus de corregir, de forma escalonada, para distintas variables predictoras potencialmente confundentes como la edad y el sexo, para estas variables ms la presencia de hipertensin arterial, tabaquismo e IMC y, por ltimo, todos los anteriores ms el perfil lipdico colesterol total, cHDL y triglicridos mediante anlisis multivariante.

C aptulo 8

pgina 876

Se ha cometido algn tipo de sesgo? Cul?


RESULTADOS
De las 458 personas inmigrantes contactadas, 114 no acudieron a la cita. Fueron incluidos en el estudio las 344 restantes. Su edad media era de 28,8 aos (DE=12,7; rango de 0 a 81 aos) y el 50,0 % (172) eran mujeres. La edad de los hombres (29,712,1 aos) fue ligeramente mayor que la de las mujeres (27,913,4 aos). Llevaban un promedio de 3,4 aos (DE=3,7) de residencia en Europa. De los 344 sujetos completaron el estudio 271 (78,8%); 44 (12,8%) no acudieron a la lectura y en 29 mujeres (8,4%) no se realiz la prueba por embarazo o lactancia. La IDRM fue positiva en 75 de ellos [27,7% (IC 95%; 23,1- 32,5)].

Alonso Moreno FJ, Garca Bajo MC, Lougedo Caldern MJ, et al. Prevalencia de infeccin tuberculosa en las personas inmigrantes del rea sur de Toledo. Rev Esp Salud Pblica 2004; 78: 593-600.

C aptulo 8

pgina 877

Sesgo de seleccin
Mito 12: La sonrisa de la esfinge
El 25% de los inmigrantes NO acudieron a la cita mdica. Esto supone un importante prdida de datos. Posteriormente un 13% no acudieron a la lectura del Mantoux. Qu garanta existe de que ese 25% de inmigrantes que no participaron en el estudio fuera por motivos relacionados directa o indirectamente con la infeccin tuberculosa? Puede ser que los que faltaron a la lectura fuese porque la prueba fue positiva y teman algn tipo de accin negativa sobre su futura permanencia en nuestro pas?

C aptulo 8

pgina 878

Reflexiones finales

Los distintos tipo de sesgos, la influencia del azar y la presencia de variables predictoras de CONFUSIN deben finalmente siempre, tenerse en cuenta, en todos los estudios como explicacin posible de cualquier asociacin estadstica ya sea esta positiva, negativa o no existente. Y como sealaba M. Susser en sus reflexiones sobre causalidad cuando hay minas por todas partes uno no debe aventurarse sin un detector de minas (ANLISIS MULTIVARIANTE)

Susser M. Conceptos y estrategias en epidemiologa. El pensamiento causal en ciencias de la salud. Mxico: Biblioteca de la Salud; 1991

C aptulo 8

pgina 879

Estructura de la discusin

1. Comentar los resultados propios 2. Corroborar la fiabilidad y validez de la investigacin 3. Interpretar los hallazgos no esperados 4. Confrontar los datos de la investigacin con otras similares 5. Reconocer las limitaciones y confirmar la ausencia de sesgos (autocrtica del estudio con honestidad). 6. Discutir las implicaciones tericas y/o prcticas del estudio (valorar el alcance de la investigacin). 7. Sugerir nuevos estudios concretos sobre el problema de investigacin. Marcar futuras lneas de investigacin.

C aptulo 8

pgina 880

1. Comentar los resultados propios

6. Discutir las implicaciones tericas y/o prcticas del estudio (valorar el alcance de la investigacin)

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 8

pgina 881

2. Corroborar o justificar la fiabilidad y validez de la investigacin

4. Confrontar los datos de la investigacin con otras similares

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 8

pgina 882

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558. Rivas FPJ, Ncher M, Corrillero J, Garca-Herreros T. Prevalencia de infeccin tuberculosa entre los inmigrantes magrebes. Med Clin (Barc) 2000; 114: 245-249. Alonso Moreno FJ, Garca Bajo MC, Lougedo Caldern MJ, et al. Prevalencia de infeccin tuberculosa en las personas inmigrantes del rea sur de Toledo. Rev Esp Salud Pblica 2004; 78: 593-600.

C aptulo 8

pgina 883

3. Interpretar y comentar los hallazgos no esperados

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 8

pgina 884

6. Discutir las implicaciones tericas y/o prcticas del estudio (valorar el alcance e importancia de la investigacin)

Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.

C aptulo 8

pgina 885

Objetivos de la discusin

1. Examinar e interpretar los resultados en funcin de su evidencia y de sus limitaciones 2. Determinar la relacin de coherencia o contradiccin entre los datos presentados 3. Sealar las similitudes y las diferencias entre los resultados 4. Determinar la validez interna de la investigacin 5. Determinar la validez externa de la investigacin 6. Destacar cualquier consecuencia terica de los resultados 7. Sugerir mejoras en la investigacin del tema 8. Sealar reas distintas que hace falta investigar sobre el tema en cuestin

C aptulo 8

pgina 886

Estilo de la discusin

1. Estilo argumentativo (debate y controversia) 2. Diferenciar lo cierto frente a lo probable y a lo meramente especulativo 3. Equilibrio: objetividad imaginacin ponderacin entusiasmo honestidad intelectual pura especulacin 4. Tono ponderado y sincero (huir del lenguaje triunfalista o pesimista). 5. Tiempo verbal: - PRESENTE para las referencias a otros autores - PASADO para aludir a la propia investigacin

C aptulo 8

pgina 887

Errores ms frecuentes en la discusin

- Reiteracin de la informacin dada en la introduccin. - Repeticin de los resultados de la investigacin - Hacer referencias a datos no publicados - No hay consideraciones sobre las limitaciones (estudios transversales) y validez del estudio (casos-controles, cohortes) - No se explican las similitudes o diferencias con estudios afines - No se hacen recomendaciones para mejorar los mtodos en futuras investigaciones (siempre hay algo que mejorar o que no se ha investigado en nuestro estudio). - Las interpretaciones sobre los resultados son excesivamente optimistas o pesimistas.

C aptulo 8

pgina 888

Conclusin

Representa la respuesta del investigador (apoyado en la interpretacin de los resultados obtenidos) a la pregunta de investigacin planteada en forma de objetivo. Errores ms frecuentes de las conclusiones - Discordancia numrica entre objetivos y conclusiones. - Las conclusiones no se justifican al no apoyarse en los resultados del estudio. - Las conclusiones no concuerdan con los objetivos (preguntas de investigacin, y por tanto dejan sin respuesta la pregunta) - Las conclusiones no se entienden.

C aptulo 8

pgina 889

Recomendaciones de Tufte
Financiacin Generacin de ideas

Eleccin del diseo

Ttulo Autores

Tratamiento estadstico

Recoleccin de datos

Resumen Introduccin

Acceso a fuentes de informacin

Utilizacin de equipos, materiales, frmacos o tecnologa especiales

Revisin del manuscrito

C aptulo 8

pgina 890

Agradecimientos

Reconocimiento de personas o instituciones que ayudaron en... 1. Forma intelectual o material al autor en su investigacin 2. La redaccin del artculo 3. La revisin del manuscrito tanto en aspectos de su contenido como de su estructura y de su estilo

C aptulo 8

pgina 891

Utilidades de la revisin bibliogrfica

- Fuente de ideas susceptibles de investigacin (objetivos) - Valoracin de los conocimientos actuales sobre el tema (introduccin) - Valoracin de la pertinencia y viabilidad del proyecto de investigacin - Provisin del marco conceptual para la investigacin (introduccin) - Ayuda en la delimitacin del objetivo especfico (introduccin) - Comparaciones de los propios resultados con estudios similares (discusin) - Contribucin a la valoracin de la validez externa (discusin) - Deteccin y control de potenciales variables de confusin (mtodos) - Informacin sobre aspectos concretos del diseo (material y mtodos) - Informacin sobre los mtodos estadsticos (material y mtodos)

C aptulo 8

pgina 892

Utilidades de la revisin blibliogrfica en el diseo del estudio

- Estrategias - Procedimientos - Pautas de seguimiento - Criterios de seleccin - Determinacin del tamao de muestra - Definicin de variables (predictoras y resultado) - Instrumentos de medida - Prevencin de potenciales problemas - Anlisis estadstico (test estadsticos ms adecuados)

C aptulo 8

pgina 893

Bibliografa
Revisiones bibliogrficas
1 Revisin bibliogrfica: Plantear y planear el estudio 2 Revisin bibliogrfica: - Interpretar los hallazgos del estudio (resultados) - Nueva informacin sobre el problema - Paso del tiempo (actualizacin)

C aptulo 8

pgina 894

Operaciones
Identificacin de trminos Bsqueda bibliogrfica

Tareas del investigador


Extraccin de palabras clave Consulta en obras de referencia Bsqueda en fuentes secundarias Identificacin de fuentes primarias

Recuperacin de la informacin

Extraccin de referencias Localizacin de referencias en catlogos Seleccin de fuentes primarias

C aptulo 8

pgina 895

Bibliografa

- Introduccin en el texto: Sistema Vancouver (orden de mencin en el texto) - Distribucin en el texto: 30-40% de las citas aparece apoyando la discusin (2 revisin bibliogrfica) - Cantidad: 25 citas/2.000 palabras de texto.

C aptulo 8

pgina 896

Bibliografa gris o no localizable

- Datos no publicados - Informes internos - Libros de resmenes de Comunicaciones - Tesis doctorales - Conferencias no publicadas - Artculos o editoriales de peridicos

C aptulo 8

pgina 897

Ejemplo de bibliografa

Rev Esp Salud Pblica 2001; 75: 551-558 ORIGINAL

N. 6 - Noviembre-Diciembre 2001

PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA, ESPAA Mara Teresa Fernndez Sanfrancisco, Jacobo Daz Portillo, Jos Mara Snchez Romero, Aitana Prez Fernndez y Juan Vadillo Andrade. INTRODUCCIN La tuberculosis (TB) es una de las enfermedades infecciosas de mayor importancia en nuestro pas y en gran parte del mundo, constituyendo un importante problema de salud pblica, razn por la cual la Organizacin Mundial de la Salud (OMS) la declar emergencia global en 1993 (1). Se estima que se producen en torno a 8 millones de casos nuevos anualmente en todo el mundo que unidos a los 12 millones ya existentes arrojan un total de 20 millones de casos, lo que la convierte en la enfermedad infecciosa ms prevalente (2). Los pases en vas de desarrollo son los ms frecuentemente afectados, aportando ms del 95% de los casos, en especial los localizados en el frica Subsahariana, estimndose la incidencia de enfermedad tuberculosa en estos pases en 7 millones de personas/ao (3).

C aptulo 8

pgina 898

Bibliografa
Orden de mencin
1. TB. A Global Emergency. WHO Report on the TB Epidemic. WHO/TB/94.177. 2. Dye C, Scheele S, Dolin O, Pathania V, Raviglione M. For the WHO Global Surveillance and Monitoring Project. Global Burden of Tuberculosis. Estimated Incidence, Prevalence, and Mortality by Country. JAMA 1999; 282: 677-686. 3. CDC. Tuberculosis in developing countries. MMWR 1990; 33: 561-569.

C aptulo 8

pgina 899

Ventajas del orden de mencin

- Permite una lectura rpida que se puede interrumpir para consultar las referencias citadas. - Ahorra espacio en la revista - Concuerda con el sistema VANCOUVER adoptado por varios centenares de revistas biomdicas importantes de alcance internacional y elevado ndice de impacto

C aptulo 8

pgina 900

Ejemplo de bibliografa

Rev Esp Salud Pblica 2001; 75: 551-558 ORIGINAL

N. 6 - Noviembre-Diciembre 2001

PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA, ESPAA Mara Teresa Fernndez Sanfrancisco, Jacobo Daz Portillo, Jos Mara Snchez Romero, Aitana Prez Fernndez y Juan Vadillo Andrade. INTRODUCCIN La tuberculosis (TB) es una de las enfermedades infecciosas de mayor importancia en nuestro pas y en gran parte del mundo, constituyendo un importante problema de salud pblica, razn por la cual la Organizacin Mundial de la Salud (OMS) la declar emergencia global en 1993 (WHO/TB). Se estima que se producen en torno a 8 millones de casos nuevos anualmente en todo el mundo que unidos a los 12 millones ya existentes arrojan un total de 20 millones de casos, lo que la convierte en la enfermedad infecciosa ms prevalente (Dye C et al 1999). Los pases en vas de desarrollo son los ms frecuentemente afectados, aportando ms del 95% de los casos, en especial los localizados en el frica Subsahariana, estimndose la incidencia de enfermedad tuberculosa en estos pases en 7 millones de personas/ao (CDC).

C aptulo 8

pgina 901

Bibliografa
Nombre y ao, alfabtico
CDC. Tuberculosis in developing countries. MMWR 1990; 33: 561-569. Dye C, Scheele S, Dolin O, Pathania V, Raviglione M. For the WHO Global Surveillance and Monitoring Project. Global Burden of Tuberculosis. Estimated Incidence, Prevalence, and Mortality by Country. JAMA 1999; 282: 677-686. TB. A Global Emergency. WHO Report on the TB Epidemic. WHO/TB/94.177.

C aptulo 8

pgina 902

Ventajas del orden de nombre y ao


- Pueden aadirse o eliminar citas bibliogrficas fcilmente. - Permite relacionar inmediatamente a autores con los fenmenos relacionados.

Inconvenientes de nombre y ao
- Es dificultoso para la lectura, especialmente cuando se citan varias referencias en un solo prrafo. - Es mas costoso para la revista por cuanto desperdicia mucho espacio.

C aptulo 8

pgina 903

Bibliografa seleccionada segn criterios de Medicina Basada en la Evidencia


La medicina basada en la evidencia (MBE) es la utilizacin consciente, explcita y juiciosa de la mejor evidencia (prueba) cientfica disponible a la hora de tomar decisiones sobre el cuidado de los pacientes. La prctica de la MBE significa integrar en la maestra clnica individual la mejor evidencia (prueba) cientfica disponible procedente de una investigacin vlida y fiable.

Sackett et al., BMJ 1996; 312: 71-72

C aptulo 8

pgina 904

Bibliografa seleccionada segn criterios de Medicina Basada en la Evidencia


Efecto Halo

C aptulo 8

pgina 905

Errores ms frecuentes de la bibliografa

1. Citar todos los artculos indiscriminadamente (escoger los ms adecuados). 2. Copia de referencias incluidas en otros artculos sin haberlas ledo [Errores en la transcripcin de una referencia (citar sin error)]. 3. Apoyar conceptos ampliamente conocidos y aceptados. 4. Omitir las citas de mayor actualidad. - No se ha realizado una buena bsqueda. - Excesiva inspiracin en alguna de ellas. 5. Inclusin de citas desfasadas o antiguas. 6. Inexistencia o parquedad en las referencias. 7. No pertinencia con el problema de investigacin. 8. Ausencia de una segunda revisin bibliogrfica (para armar la discusin). 9. Referencia a documentos no recuperables por el lector (bibliografa gris o no recuperable).

C aptulo 8

pgina 906

Software disponible

Procesadores de texto - Microsoft WORD - Word Perfect Bases de datos - DBASE - ACCESS Gestores de GRFICOS - Harvard Graphiccs - Microsoft PowerPoint - Corel Presentations

Hojas de clculo - Quattro-Pro - Lotus 1-2-3 - Excell Paquetes estadsticos - RSIGMA - STATGRAPHICS - SPSS - EPIINFO

C aptulo 8

pgina 907

C aptulo 8

pgina 908

Bibliografa utilizada en el curso (1)

- Morell Ocaa M, Redondo Bautista M. Metodologa cientfica en ciencias de la salud. Grupo editorial 33 (Mlaga); 2002. - Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 2 ed. Barcelona: Mosby-Doyma; 1994. - Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz de Santos; 2001. - Sackett DL, Richarson WS, Rosenberg W, Hynes RB. Evidence-based medicine: how to practice and teach EBM. 2nd ed. London: Churchill-livingstone; 2000. - Silva Ayaguer LC. Cultura estadstica e investigacin cientfica en el campo de la salud: una mirada crtica. Madrid: Ediciones Daz de Santos; 1997.

C aptulo 8

pgina 909

Bibliografa utilizada en el curso (2)

- Martn Andrs A, Luna del Castillo JD. Bioestadstica para las ciencias de la salud. 4 ed. Madrid:NORMA; 1993. - Milton JS, Tsokos JO. Estadstica para biologa y ciencias de la salud. Madrid: Interamericana McGraw Hill; 2001. - Dawson-Saunders B, Trapp RG. Bioestadstica Mdica . 2 ed. Mxico: Editorial el Manual Moderno;1996. - Pita Fernndez, S. Uso de la estadstica y la epidemiologa en atencin primaria. En: Gil VF, Merino J, Orozco D, Quirce F. Manual de metodologa de trabajo en atencin primaria. Universidad de Alicante. Madrid, Jarpyo Editores, S.A. 1997; 115-161. - Pita Fernndez S. Tipos de estudios clnico epidemiolgicos. Epidemiologa. Conceptos bsicos. En: Tratado de Epidemiologa Clnica. Madrid; DuPont Pharma, S.A.; Unidad de epidemiologa Clnica, Departamento de Medicina y Psiquiatra.Universidad de Alicante: 1995. p. 25-47.

C aptulo 8

pgina 910

Bibliografa utilizada en el curso (3)

- Bobenrieth Astete M.A . Mitos y realidades en torno a la publicacin cientfica. Med Clin (Barc) 2000; 114: 339-341. - Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud. Medicina de Familia (And) 2001; 2: 81-90. - Salsburg DS. The religion of statistics as practiced in medical journals. Am Statistician 1985; 39: 220-223. - Pocock SJ. The role of statistics in medical research. Br J Psychiat 1980; 137: 188-190. - Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51. - Pita Fernndez S, Prtega Daz S. Significancia estadstica y relevancia clnica. Cad Aten Primaria 2001; 8: 191-195. - Pita Fernndez S. Elementos bsicos en el diseo de un estudio. Cad Aten Primaria 1996; 3: 83-85.

C aptulo 8

pgina 911

Bibliografa utilizada en el curso (4)

- Iraurgi I. Significancia estadstica y relevancia clnica. Norte de Salud Mental 2009; 94 108. - Rubio C. Diseo estadstico de ensayos clnicos. Med Clin (Barc) 1996; 107: 303-309. - Plasencia A, Porta Serra M. La calidad de la informacin clnica (II): significacin estadstica. Med Clin (Barc) 1988; 90: 122-126. - Carlos Manterola D, Viviana Pineda N. El valor de p y la significacin estadstica. Aspectos generales y su valor en la prctica clnica. Interpretation of medical statistics. Rev. Chilena de Ciruga 2008; 60: 86-89. - Henrquez Fiero E, Zepeda Gonzalez. Elaboracin de un artculo cientfico de investigacin. Ciencia y Enfermera X (1): 17-21, 2004.

C aptulo 8

pgina 912

Bibliografa utilizada en el curso (5)

- Benach de Rovira J , Tapia Granados JA. Mitos o realidades: a propsito de la publicacin de trabajos cientficos Mundo Cientfico, 1995; 15 (154): 124-30. - Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice Kappa. Cad Aten Primaria 1999; 6: 169-171. - Pita Fernndez S, Prtegas Daz S. Relacin entre variables cuantitativas. Cad Aten Primaria 1997; 4: 141-144. - Pita Fernndez S, Prtegas Daz S. Pruebas diagnsticas. Cad Aten Primaria 2003; 10: 120-124. - Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis de concordancia para variables numricas. Cad Aten Primaria 2004. - Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria 2000; 7: 173-176.

C aptulo 8

pgina 913

Bibliografa utilizada en el curso (6)

- Pita Fernndez S, Prtegas Daz S. Tcnicas de regresin: regresin lineal mltiple. Cad Aten Primaria 2000; 7: 91-94. - Pita Fernndez S. Correlacin frente a causalidad JANO 1996; (1174): 59-60. - Pita Fernndez S. Determinacin del tamao muestral. Cad Aten Primaria 1996; 3: 138144. - Prtegas Daz S , Pita Fernndez S. La distribucin normal. Cad Aten Primaria 2001; 8: 268-274. - Prtegas Daz S , Pita Fernndez S. Mtodos paramtricos para la comparacin de dos medias. t de Student. Cad Aten Primaria 2001; 8: 37-41.

C aptulo 8

pgina 914

Bibliografa utilizada en el curso (7)

- Prtegas Daz S , Pita Fernndez S. Determinacin del tamao muestral para calcular la significacin del coeficiente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211. - Burgueo MJ, Garca-Bastos JL y Gonzlez-Buitrago JM. Las curvas ROC en la evaluacin de las pruebas diagnsticas. Med Clin (Barc) 1995: 104: 661-670. - Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Curvas ROC. Cad Aten Primaria 1998; 5: 229-235. - Pita Fernndez S. Dificultades de los mdicos para la realizacin de estudios clnicoepidemiolgicos. Congreso Galego de Estadstica e Investigacin de Operacins. Santiago de Compostela, A Corua (Espaa). 11-13 Novembre-1999.

C aptulo 9

pgina 915

Captulo 9
Bsqueda bibliogrfica segn criterios de MBE electrnica: Internet; concepto, funcionamiento y bsqueda de informacin

Bsqueda bibliogrfica en Internet segn la Medicina Basada en la Evidencia

Dr. J. Enrique Roviralta Arango


Facultativo Especialista en ORL Hospital Universitario de Ceuta

C aptulo 9

pgina 916

Internet
Concepto
Internet es un conjunto de redes (net) de ordenadores conectadas entre s por todo el mundo.

C aptulo 9

pgina 917

Qu es una red de ordenadores?

Una red de ordenadores es un conjunto de tcnicas, conexiones fsicas y programas informticos empleados para conectar dos o ms computadoras para compartir su informacin y recursos.

C aptulo 9

pgina 918

Clasificacin segn la extensin de la red de ordenadores

Segn su extensin geogrfica, las redes se clasifican en: LAN (Redes de rea Local): Son redes de propiedad privada de extensin restringida. Ej.: Hospital. WAN (Redes de rea Amplia): Permiten conectar redes o equipos entre s a grandes distancias, dando servicio a un pas o un continente a travs de poderosos nodos de conmutacin.

C aptulo 9

pgina 919

Componentes de la red

Una red tiene tres tipos de componentes: - Hardware de red - Software de red - Software de aplicaciones

C aptulo 9

pgina 920

Hardware de red

El hardware de red est formado por los componentes fsicos que unen los ordenadores. Entre ellos encontramos: - Las tarjetas adaptadoras de red que permiten acceder al medio material (cables, fibras pticas o enlaces de radio) que conecta a los ordenadores. - Los medios de transmisin de las seales de los ordenadores (fibras pticas, cables telefnicos, cables coaxiales, haces de luz infrarroja, microondas o enlaces satlites). - Concentradores y controladores de red: Son dispositivos de hardware que controlan el trfico dentro de una red o bien sirven como conectores de una red a otra.

C aptulo 9

pgina 921

Software de red

El software de red son los programas informticos que establecen normas o mtodos para que los ordenadores se comuniquen entre s, a estas normas se les llama lenguajes. - NetBeui utilizado en las redes de Microsoft Windows - TCP/IP, ste ltimo de particular importancia es el que se utiliza en las conexiones de Internet

C aptulo 9

pgina 922

Protocolo TCP/IP

El Protocolo de Internet (IP) y el Protocolo de Control de Transmisin (TCP) fueron desarrollados en 1973 por el informtico estadounidense Vinton Cerf como parte de un proyecto patrocinado por el Departamento de Defensa de EEUU. La caracterstica fundamental del protocolo TCP/IP es que se envan mensajes empaquetados (packets) en una especie de envoltura digital, este mensaje es puesto en un paquete IP (Internet Protocol), es enviado por la computadora fuente y ella misma se encarga de hacer que el mensaje llegue en ptimas condiciones.

C aptulo 9

pgina 923

Protocolo TCP/IP

Protocolo TCP

Protocolo IP

Protocolo IP

Protocolo IP

INTERNET

Protocolo TCP

C aptulo 9

pgina 924

Software de aplicaciones

El software de aplicaciones est formado por programas informticos (navegador - browser) que se comunican con los usuarios de la red y permiten compartir informacin. - Internet Explorer un programa que permite navegar a travs del servicio de WWW (World Wide Web) que Internet ofrece. - Otros navegadores son Google Chrome, Mozilla Firefox, Netscape, ...

C aptulo 9

pgina 925

Software de aplicaciones
Navegadores (Web browser)
Programas que permiten visualizar la informacin contenida en una pgina web, interpretando el cdigo en que estn escritas (HTML generalmente), permitiendo al usuario interactuar con su contenido y navegar hacia otros lugares de la red mediante enlaces o hipervnculos.

C aptulo 9

pgina 926

Software de aplicaciones
Navegadores (Web browser)

C aptulo 9

pgina 927

Software de aplicaciones
Direcciones IP
Las direcciones IP son nmeros enteros de 32 bits, separados en conjuntos de 4 octetos, que sirven como identificador universal de un ordenador dentro de una red TCP/IP y que permite identificarlo. 192.168.122.275

C aptulo 9

pgina 928

Software de aplicaciones
Dominios
El propsito principal de los nombres de dominio en Internet y del sistema de nombres de dominio (DNS), es traducir las direcciones IP de cada nodo activo en la red, a trminos memorizables y fciles de encontrar. www.seorl.es

C aptulo 9

pgina 929

Software de aplicaciones
Dominios en Internet
- El formato standard es: nombre de mquina o servicio . nombre de dominio . tipo de dominio/pas - Ej.: www.seorl.es equivale a: www = servicio world wide web seorl = Sociedad Espaola de Otorrinolaringologa es = Espaa

C aptulo 9

pgina 930

Software de aplicaciones
Dominios en Internet
.es, pas .com, organizaciones de mbito comercial .gov, organizaciones de mbito gubernamental .edu, organizaciones de mbito educacional .net, organizaciones de Investigacin sobre redes .mil, organizaciones de mbito militar .int, organizacin de carcter internacional .org, organizaciones sin nimo de lucro

C aptulo 9

pgina 931

Internet
Bsqueda de Informacin en la Red
- Buscadores - Infranet

C aptulo 9

pgina 932

Buscadores en internet

Los buscadores se han convertido en la puerta de acceso a la red para la gran mayora de los usuarios que buscan informacin, y generan actualmente el 85 % del trfico en Internet.

C aptulo 9

pgina 933

Buscadores: Clasificacin
- Directorios temticos o ndices - Motores de bsqueda - Metabuscadores o buscador de buscadores

C aptulo 9

pgina 934

Directorios temticos o ndices

Los ndices o Buscadores temticos son sistemas creados con la finalidad de disear una bsqueda por temas o categoras clasificadas. Son bases de datos de direcciones Web elaboradas manualmente, es decir, hay personas encargadas de asignar cada pgina Web a una categora o tema determinado. La funcin de este tipo de sistemas es presentar algunos de los datos de las pginas ms importantes, desde el punto de vista del tema y no de lo que se contiene. Los resultados de la bsqueda de estos ndices pueden ser muy limitados ya que las bases de datos de direcciones son muy pequeas, adems de que puede ser posible que el contenido de las pginas no est completamente al da. Ej: Yahoo, Ol, Oz, etc...

C aptulo 9

pgina 935

Directorios temticos o ndices


Ozu

C aptulo 9

pgina 936

Motores de bsqueda

Este tipo de buscadores son los de uso ms comn, basados en aplicaciones llamadas spiders (araas ) o robots, que realizan una bsqueda automatizada en sus bases de datos, haciendo una recopilacin sobre el contenido de las pginas y mostrando como resultado aquellas que contengan la palabra o frase solicitada en alguna parte del texto. Ej.: Altavista, Google, Northem Light, FAST, Open Text, etc...

C aptulo 9

pgina 937

Motores de bsqueda
Google

C aptulo 9

pgina 938

Metabuscadores o buscador de buscadores

Los Metabuscadores son sistemas que localizan informacin en los motores de bsqueda ms utilizados, realizan un anlisis y seleccionan sus propios resultados. No tienen una base de datos, por lo que no almacenan pginas web y realizan una bsqueda automtica en las bases de datos de otros buscadores, tomando un determinado rango de registros con los resultados ms relevantes. Coprnico Dogpile Ixquick Mamma Metacrawler URL: http://www.copernico.com/ URL: http://www.dogpile.com/ URL: http://www.ixquick.com/ URL: http://www.mamma.com/ URL: http://www.metacrawler.com/

C aptulo 9

pgina 939

Metabuscadores o buscador de buscadores


Metacrawler

C aptulo 9

pgina 940

Bsqueda de informacin en Internet


Infranet
Existe tambin una ingente cantidad de informacin escondida en la Internet profunda o invisible. Como un iceberg, Internet slo deja ver a los motores de bsqueda tradicionales una nfima parte de lo que contiene. Constituyen la Internet invisible o infranet (en ingls deep web), el conjunto de fuentes y recursos de informacin sumamente valiosos, cuyo acceso es nicamente posible mediante algn tipo de pasarela (gateway) o formulario web.

C aptulo 9

pgina 941

Buscadores tiles para encontrar recursos en internet invisible o infranet


InvisibleWeb CompletePlanet URL: http://www.invisibleweb.com/ URL: http://www.completeplanet.com/

C aptulo 10

pgina 942

Captulo 10
Bsqueda bibliogrfica segn criterios de MBE electrnica: Internet y Ciencias de la Salud

Bsqueda bibliogrfica en Internet segn la Medicina Basada en la Evidencia

Dr. J. Enrique Roviralta Arango


Facultativo Especialista en ORL Hospital Universitario de Ceuta

C aptulo 10

pgina 943

Internet y Ciencias de la Salud

- Buscadores para profesionales sanitarios. - Criterios de calidad de la informacin en salud. - Requisitos de uniformidad para manuscritos presentados a revistas biomdicas (Normas de Vancouver).

C aptulo 10

pgina 944

Internet y Ciencias de la Salud


Buscadores para profesionales sanitarios

C aptulo 10

pgina 945

Motores de bsqueda en salud para profesionales

- La bsqueda de informacin sobre salud representa una importante parte del trfico en Internet. Sin embargo no es fcil encontrar informacin cientfica de calidad. - Por ello se han desarrollado buscadores especializados en salud para profesionales, que incorporan el criterio de expertos a la hora de seleccionar la informacin sobre salud en la red. - All HealthNet, BioResearch, Hardin Meta Directory, Medscape, SUMSearch, Medexplorer, ...

C aptulo 10

pgina 946

Motores de bsqueda en salud para profesionales


Allhealtnet
Directorio temtico y buscador de recursos mdicos. Proporciona informacin mdica especializada y actual. Posee una interfaz muy simple en la que el usuario puede acceder a distintos tipos de servicio como ayuda mdica por Internet y bibliotecas, as como enlaces con diversas organizaciones especializadas en distintas ramas de la medicina. Provee acceso a ms de 20 millones de pginas. Idioma: Ingls URL: http://www.allhealthnet.com/

C aptulo 10

pgina 947

Motores de bsqueda en salud para profesionales


Allhealtnet

C aptulo 10

pgina 948

Motores de bsqueda en salud para profesionales


Bioresearch
Presenta una gua de recursos en Internet con acceso libre, sobre las ciencias biolgicas y biomdicas. Tiene un catlogo de sitios y bases de datos importantes en medicina. Idioma: Ingls URL: http://bioresearch.ac.uk/

C aptulo 10

pgina 949

Motores de bsqueda en salud para profesionales


Bioresearch

C aptulo 10

pgina 950

Motores de bsqueda en salud para profesionales


Hardin Meta Directory
Excelente metabuscador de fuentes de informacin sobre salud en Internet. Presenta un gran directorio con temticas de salud. Idioma: Ingls URL: http://www.lib.uiowa.edu/hardin/md/index.html

C aptulo 10

pgina 951

Motores de bsqueda en salud para profesionales


Hardin MD

C aptulo 10

pgina 952

Motores de bsqueda en salud para profesionales


Medscape
Buscador muy interesante sobre salud. Tiene caractersticas de portal, con distintas temticas, a las que el usuario puede suscribirse para recibir boletines de noticias. Idioma: Ingls. URL: http://www.medscape.com/

C aptulo 10

pgina 953

Motores de bsqueda en salud para profesionales


Medscape

C aptulo 10

pgina 954

Motores de bsqueda en salud para profesionales


SUMSearch
Buscador especializado en el campo de la salud. Utiliza una interfaz muy parecida a la de Medline. Permite consultar los trminos MESH. Idiomas: Ingls, espaol y francs URL: http://sumsearch.uthscsa.edu/espanol.htm

C aptulo 10

pgina 955

Motores de bsqueda en salud para profesionales


SUMSearch

C aptulo 10

pgina 956

Motores de bsqueda en salud para profesionales


Medexplorer
Buscador tipo ndice. Presenta distintas categoras temticas relativas a la salud para delimitar la bsqueda, entre ellas: medicina alternativa, estomatologa, servicios de emergencia, enfermera, laboratorios y otras. Idioma: Ingls URL: http://www.medexplorer.com/

C aptulo 10

pgina 957

Motores de bsqueda en salud para profesionales


Medexplorer

C aptulo 10

pgina 958

Internet y Ciencias de la Salud


Criterios de Calidad de la Informacin en Salud

C aptulo 10

pgina 959

Informacin de calidad sobre salud en Internet

La Fundacin HON ( Health on Net Foundation) es un organizacin no gubernamental conocida internacionalmente por su cdigo tico, el HON code, que garantiza la fiabilidad y credibilidad de la informacin sobre salud publicada en los distintos sitios Web.

C aptulo 10

pgina 960

Informacin de calidad sobre salud en Internet


HONcode

C aptulo 10

pgina 961

Requisitos de uniformidad para manuscritos presentados a revistas biomdicas


Normas de Vancouver

C aptulo 10

pgina 962

Normas de Vancouver
- En 1978 un pequeo grupo de directores de revistas mdicas se reunieron informalmente en Vancouver (Columbia britnica) para establecer las pautas relativas al formato de los manuscritos enviados a sus revistas. Estos requisitos fueron publicados por primera vez en 1979. - El Grupo de Vancouver creci denominndose Comit Internacional de Directores de Revistas Mdicas (CIDRM). - A las revistas que estn de acuerdo con el uso de los Requisitos de Uniformidad (lo hacen ms de 500), se les pide que mencionen este documento (5 edicin de 1997) en sus instrucciones a los autores.

C aptulo 10

pgina 963

Normas de Vancouver
Estos Requisitos (Actualizacin 2003) se estructuran en los siguientes puntos: (Para ampliar informacin puede consultarse en http//fisterra.com/recursos_web/mbe/ vancouver.asp, Documento elaborado por la Biblioteca del Complexo Hospitalario Universitario de A Corua. 2006) 0. El Comit Internacional de Directores de Revistas Mdicas. 1. Cuestiones previas antes del envo de un original.

C aptulo 10

pgina 964

Normas de Vancouver
2. Requisitos para el envo de manuscritos. a) b) c) d) e) f) g) h) i) j) Resumen de los requisitos tcnicos. Referencias bibliogrficas Preparacin del original Artculos en disquete Pgina del ttulo bibliogrficas Autora Resumen y palabras clave Introduccin Mtodos tica k) l) m) n) ) o) p) q) r) Estadstica Resultados Discusin Agradecimientos Referencias Tablas Ilustraciones (Figuras) Unidades de medida Abreviaturas y smbolos

C aptulo 10

pgina 965

Normas de Vancouver
3. Envo del manuscrito a la revista. 4. Declaraciones adicionales. - Definicin de una revista con sistema de revisin por expertos (peer-review). - Libertad e integridad editoriales. 5. Conflicto de intereses. 6. Correcciones, retracciones o notas explicativas sobre los resultados de la investigacin. 7. Confidencialidad. 8. Las Revistas Mdicas y los Medios de Comunicacin.

C aptulo 10

pgina 966

Normas de Vancouver
9. Publicidad. 10. Suplementos. 11. El papel de la Seccin de correspondencia. 12. Manuscritos opuestos basados en el mismo estudio. 13. Acerca del ICMJE. 14. Ejemplos de Referencias Bibliogrficas. 15. Recomendaciones para escribir Referencias Bibliogrficas.

C aptulo 10

pgina 967

Recomendaciones para escribir Referencias Bibliogrficas


- Las Referencias o Citas Bibliogrficas constituyen una seccin destacada en un trabajo cientfico. La seleccin cuidadosa de documentos relevantes, es un elemento que da solidez a la exposicin terica del texto, a la vez que constituye una importante fuente de informacin para el lector. - Las referencias deben numerarse consecutivamente segn el orden en que se mencionen por primera vez en el texto. Algunas revistas en sus instrucciones para autores recomiendan que se utilicen nmeros arbigos en superndice y sin parntesis. - Cuando hay ms de una cita, estas deben separarse mediante comas, pero si fueran correlativas, se menciona la primera y la ltima separadas por un guin. - Cuando en el texto se menciona un autor, el nmero de la referencia se pone tras el nombre del autor. Si se tratase de un trabajo realizado por ms de dos autores, se cita el primero de ellos seguido de la abreviatura et al y su nmero de referencia. - Se incluirn slo aquellas referencias consultadas personalmente por los autores. - Se recomienda no incluir trabajos escritos en idiomas poco frecuentes. - Se recomienda no citar revistas traducidas al espaol. Es aconsejable recuperar la cita de la versin original.

C aptulo 10

pgina 968

Recomendaciones para escribir Referencias Bibliogrficas (2)


- Los documentos que se citen deben ser actuales. Algunas revistas sealan que no deben de tener ms de cinco aos y preferiblemente que sean de los dos ltimos. Recurriramos a citar documentos que tengan ms aos, por motivos histricos o si no encontrsemos referencias actualizadas como alternativa. - Los documentos, informes, memorias, protocolos etc. no publicados, se recomienda no incluirlos en la bibliografa, pero puede incluirlos en el texto como observaciones no publicadas. - Las referencias que se realicen de originales aceptados pero an no publicados se indicar con expresiones del tipo en prensa o prxima publicacin. - Debe evitarse citar resmenes. - Con respecto al nmero de citas a incluir en cada trabajo, las revistas suelen recomendar que los trabajos originales incluyan entre 20-30 referencias; los originales breves y notas clnicas, entre 10 y 20 referencias; las cartas al director un mximo de 10. Para otras secciones: Revisiones, Editoriales, se recomienda consultarlo en las Instrucciones para Autores o al Comit de Redaccin.

C aptulo 10

pgina 969

Recomendaciones para escribir Referencias Bibliogrficas (3)


- Con respecto al nmero de firmantes, se recomienda que los trabajos originales no excedan de seis. - Los ttulos de las revistas deben abreviarse segn el estilo que utiliza la National Library of Medicine (NLM). Puede consultarse el Journals Database de PubMed. - Una vez finalizada la bibliografa, tiene que asegurarse de la correspondencia de las citas en el texto y el nmero asignado en la bibliografa. - No todas las revistas comprueban la exactitud de las referencias bibliogrficas, que en muchas ocasiones contienen errores. Para evitar tales errores, se deben verificar las referencias con los documentos originales. PubMed, en el Single Citation Matcher permite comprobar de una manera sencilla los datos bibliogrficos de las revistas indizadas en Medline.

C aptulo 11

pgina 970

Captulo 11
Bsqueda bibliogrfica segn criterios de MBE electrnica: Medicina Basada en la Evidencia en Internet (e-MBE)

Bsqueda bibliogrfica en Internet segn la Medicina Basada en la Evidencia

Dr. J. Enrique Roviralta Arango


Facultativo Especialista en ORL Hospital Universitario de Ceuta

C aptulo 11

pgina 971

Internet y Medicina Basada en la Evidencia

C aptulo 11

pgina 972

Qu es la MBE?

Es la utilizacin concienzuda, juiciosa y explcita de las mejores pruebas disponibles, en la toma de decisiones sobre el cuidado de los pacientes. [*]

[*]. Sackett DL, Richardson WS, Rosenberg W, Haynes RB. Medicina Basada en la Evidencia. Cmo ejercer y ensear la MBE. Churchill Livingstone Espaa. C/ Almirante 16. 28004. Madrid.

C aptulo 11

pgina 973

Medicina Basada en la Evidencia

- El objetivo primordial de la MBE es que la actividad mdica cotidiana se fundamente en datos cientficos y no en suposiciones, creencias o la costumbre. - Herramientas bsicas sobre las que se asienta la metodologa de la MBE son la lectura crtica de la literatura biomdica y los mtodos racionales de toma de decisiones clnicas o teraputicas.

C aptulo 11

pgina 974

Medicina Basada en la Evidencia Electrnica(e-MBE)

- La idea fundamental de la e-MBE es que la Medicina Basada en la Evidencia puede realizarse desde un ordenador personal y que los conocimientos y habilidades necesarios para su prctica pueden adquirirse tambin a travs de los propios recursos del world wide web con mnimo coste [*].

[*] Phillips RS. Accessing electronic information for clinical decisions. Arch Dis Child 2000; 83(5):373-374

C aptulo 11

pgina 975

Ventajas de Internet en la bsqueda de informacin cientfica


Bsqueda clsica
Biblioteca Consulta de fichas Localizacin de artculo Nuevas referencias bibliogrficas Consulta de fichas Solicitud a otras bibliotecas Localizacin de artculos TIEMPO DINERO TIEMPO DINERO Lectura crtica de los resmenes Consulta On-Line de artculos

Bsqueda en Internet
Ordenador Medline

C aptulo 11

pgina 976

Los cuatro pasos de la prctica de la e-MBE


1. Problema clnico 2. Formular la pregunta

Internet
3. Buscar la evidencia 4. Valoracin crtica 5. Aplicarla a la prctica

*. Rosenberg W, Donald A. Evidence based medicine: an approach to clinical problem-solving. Br Med J 1995; 310: 1.122-1.126.

C aptulo 11

pgina 977

Estrategia prctica de la e-MBE


Formular la pregunta clnica Bsqueda de la mejor evidencia para responder a la pregunta planteada - Fuentes terciarias (guas clnicas): - National Guideline Clearinghouse - Fuentes secundarias (revisiones sistemticas): Biblioteca Cochrane Plus - Fuentes primarias (no filtradas): Pubmed Evaluacin crtica (validez y utilidad) Nivel de la evidencia Grado de recomendacin Aplicacin en la prctica diaria y evaluacin de decisiones

C aptulo 11

pgina 978

1. Problema clnico

La pregunta clnica, comienza siempre a partir del problema clnico a analizar y se debe construir de una manera que facilite la bsqueda de una respuesta precisa: P. I. R. P : Paciente (edad, sexo, patologa asociada,...) I : Intervencin ( prueba diagnstica, tratamiento, exposicin,...) R : Resultado ( eficacia teraputica, precisin diagnstica, supervivencia,...)

C aptulo 11

pgina 979

Ejemplo de problema clnico

Caso: Paciente de 25 aos con un peso de 129 Kg. y un altura de 1.68 m tras visitar una clnica de adelgazamiento, le han informado que si le ponen un baln intragstrico perder peso rpidamente y que tras su retirada no volver a recuperarlo porque el estmago reduce su tamao.

C aptulo 11

pgina 980

2. Formular la pregunta clnica

1. Definir el Paciente (mi paciente). P 2. Definir la Intervencin (la intervencin puede ser teraputica, diagnstica, preventiva, etc). I 3. Definir con que se compara la intervencin (la comparacin puede ser: con alternativas teraputicas, tratamiento estndar, placebo, no-exposicin al riesgo, etc). 4. Definir los Resultados de inters que me interesa evaluar (no siempre los resultados que reportan los artculos son los que me interesan como clnico). R

C aptulo 11

pgina 981

Ejemplo de formulacin de pregunta clnica

En respuesta a la cuestin debe contestarse a; En un paciente joven con obesidad mrbida (P), es efectivo el tratamiento con baln intragstrico (I) en la prdida de peso y en su mantenimiento (R) a largo plazo?.

C aptulo 11

pgina 982

3. Buscando la mejor evidencia

- Una vez que hemos formulado una pregunta clnica bien estructurada, se inicia la estrategia para buscar las mejores pruebas disponibles en la bibliografa para identificar los trabajos ms actuales y relevantes. - Recursos disponibles: Fuentes terciarias - Guas de prctica clnica Fuentes secundarias - Base de datos de la colaboracin Cochrane - Publicaciones secundarias: ACP Journal Club y Evidence Based Medicine Fuentes primarias - Base de datos: Medline como Pubmed (consulta on-line)

C aptulo 11

pgina 983

3.1. Fuentes terciarias


Guas de prctica clnica
- La Gua de prctica clnica es una coleccin de recomendaciones que ayuda a la toma de decisiones para situaciones especficas, que est basada en la evidencia disponible o en resultados de estudios de investigacin.

National Guideline Clearinghouse (www.guideline.gov)

C aptulo 11

pgina 984

Fuentes terciarias

Las Guas de prctica clnica surgen como respuesta a una seleccin de problemas clnicos u organizacionales, de acuerdo a algunos de los siguientes criterios: - Variabilidad en la prctica clnica (en cuanto a procesos diagnsticos y estrategias teraputicas para un mismo problema). - Problemas clnicos comunes (gran volumen asistencial). - Incertidumbre o controversia clnica generalizada. - Alto coste y/o consumo de recursos. - Problemas de alto riesgo o manejo de riesgo. - Introduccin de nuevas pruebas diagnsticas, procedimientos teraputicos o medicacin. - Cuestiones de calidad de la asistencia percibidas por los pacientes, los mdicos o los directivos. - Reclamaciones frecuentes.

C aptulo 11

pgina 985

National Guideline Clearinghouse


(www.guideline.gov)

C aptulo 11

pgina 986

National Guideline Clearinghouse


(www.guideline.gov)

C aptulo 11

pgina 987

3.2. Fuentes Secundarias

Son direcciones de sitios web que facilitan revisiones de los estudios ms relevantes relacionados con un tema. - The Cochrane Library (http://www.thecochranelibrary.com/view/0/index.ht ml?gclid=CNHp5sDSgqQCFZNo4wod8ntHHg) - Database of Abstracts of Reviews of Effectiveness (DARE) (http://www. brad.ac.uk/library/elecinfo/dare.php) - The Cochrane Central Controlled Trials Register (CCTR) - Bandolier(http://www.medicine.ox.ac.uk/bandolier/). Existe una versin espaola: revista Bandolera. - ACP Journal Club (http://www.acpjc.org/) - Evidence-Based Medicine (http://ebm.bmj.com/)

C aptulo 11

pgina 988

Revisin sistemtica

- Es una revisin acerca de una cuestin concreta hecha por expertos, mediante una exhaustiva bsqueda y seleccin de la bibliografa y estudios originales existentes, con la finalidad de emitir un informe sintetizado de resultados y conclusiones, empleando mtodos cientficos que permitan analizar la calidad y validez de las evidencias cientficas estudiadas. - Lo ms comn son las revisiones sistemticas de ensayos clnicos.

C aptulo 11

pgina 989

Fuentes secundarias
Colaboracin Cochrane:
- 50 Grupos de Revisin (internacionales y multidisciplinarios).

- 12 Centros Cochrane en el mundo. - Centro Cochrane Iberoamericano (Casa de Convalescencia del Hospital Santa Creu i Sant Pau Barcelona).

C aptulo 11

pgina 990

Biblioteca Cochrane plus


Es posible el acceso universal gratuito en todo el territorio espaol gracias a la suscripcin realizada por el Ministerio de Sanidad, Poltica Social e Igualdad. Se publica en Internet cuatro veces al ao: en febrero, mayo, agosto y noviembre. Ventajas: - Permite mantenerse actualizado en las evidencias ms relevantes dentro de cada especialidad. - Revisa la evidencia publicada y la no publicada ( que puede ser muy importante). - La mayor parte de las bases de datos bibliogrficas contienen menos de la mitad de la literatura mundial, desvindose claramente hacia publicaciones de habla inglesa. - Los libros de texto, las editoriales y las revisiones no sistemticas resultan poco fiables. - Traducida al espaol. Inconvenientes: - No todas las cuestiones clnicas que podamos plantearnos habrn sido revisadas. - Una revisin sistemtica estar siempre limitada por la calidad y cantidad de estudios incluidos.

C aptulo 11

pgina 991

Fuentes secundarias
Biblioteca Cochrane plus

C aptulo 11

pgina 992

Fuentes secundarias
Biblioteca Cochrane plus

C aptulo 11

pgina 993

3.3. Fuentes primarias

Si tras realizar una bsqueda en fuentes secundarias no se obtiene suficiente informacin, tendremos que repetir la bsqueda en fuentes no filtradas (primarias) como las bases de datos bibliogrficas que contienen las referencias y los resmenes de los artculos originales. - Medline. Es la primera base de datos biomdicos producida por la National Library of Medicine de Estados Unidos. Es la versin electrnica del Index Medicus, del International Nursng Index y del International Dental Literature. En Internet se permite su consulta online a travs de Pubmed (http://www.ncbi.nlm.nih.gov/pubmed). - Embase (http://www.embase.com). Es la principal base de datos alternativa a Medline. Es la versin electrnica de Excerpta Mdica (soporte en papel). - ndiceMdicoEspaol (http://www.bdcsic.csic.es:8084/IME/BASIS/ime/imewww/docu/SF): Es un ndice de artculos de las revistas de medicina que se publican en Espaa. - Otros: Current Concepts, Science Citation Index (SCI), Inside Science Plus,...

C aptulo 11

pgina 994

Fuentes primarias
Medline Pubmed

C aptulo 11

pgina 995

Pubmed: Estrategia de bsqueda


Cmo realizar una bsqueda en Pubmed?
1 Localizar las palabras claves de la pregunta clnica: Ej.: obesidad, baln intragstrico 2 Traduccin al ingls: Ej.: obesity, gastric balloon 3 Iniciar la bsqueda en la base de datos Mesh (Medical Subject Headings) que incluye Pubmed.

El MeSH (trmino descriptor) constituye la herramienta lingstica por excelencia para realizar bsquedas bibliogrficas de alta calidad en Medline. Se obtienen resultados ms precisos, reduciendo el nmero de trabajos irrelevantes a los intereses de los usuarios.

C aptulo 11

pgina 996

Pubmed: Estrategia de bsqueda (2)


Cmo realizar una bsqueda en Pubmed?
4 Pulsaremos el Link (en el margen derecho del trmino Mesh), seleccionamos Pubmed y nos realizar la bsqueda de aquellos artculos que contengan el Mesh seleccionado. 5 Operadores Booleanos (AND, OR, NOT). Nos permite dirigir la bsqueda combinndolos. Ejemplo: - obesity AND gastric balloon. Buscar slo aquellos artculos que traten sobre la obesidad y el uso de baln intragstrico. - obesity OR gastric balloon. Buscar aquellos artculos que traten de la obesidad o del baln intragstrico. - obesity NOT gastric balloon. Buscar aquellos artculos que traten de la obesidad excluyendo los que versen sobre el baln intragstrico.

C aptulo 11

pgina 997

Pubmed: Estrategia de bsqueda (3)


Cmo realizar una bsqueda en Pubmed?
6 Si obtenemos un nmero elevado de artculos podemos restringir la bsqueda utilizando los lmites (Limits). Es recomendable que seleccionemos al menos los siguientes items: - Published in the last 5 years. - Type of article Clinical Trial + Meta-Analysis. - Species Human. - Subsets / Journal Groups Core clinical journals. - Text options Abstracts 7 Finalmente marcaremos sobre el ttulo del artculo y nos remitir al resumen del mismo. En ocasiones tambin podremos acceder al artculo completo (versin Free Full Text).

C aptulo 11

pgina 998

Ejemplo

C aptulo 11

pgina 999

Fuentes primarias
Medline Pubmed (I)

C aptulo 11

pgina 1000

Fuentes primarias
Medline Pubmed (II)

C aptulo 11

pgina 1001

Fuentes primarias
Medline Pubmed (III)

C aptulo 11

pgina 1002

Fuentes primarias
Medline Pubmed (IV)

C aptulo 11

pgina 1003

Fuentes primarias
Medline Pubmed (V)

C aptulo 11

pgina 1004

Fuentes primarias
Medline Pubmed (VI)

C aptulo 11

pgina 1005

Fuentes primarias
Medline Pubmed (VII)

C aptulo 11

pgina 1006

4. Valoracin crtica de la evidencia

- Evaluacin crtica de la evidencia por su validez y utilidad. - Niveles de evidencia y grado de recomendaciones.

C aptulo 11

pgina 1007

Lectura crtica y filtrado de la bibliografa


Artculos encontrados

Primer filtro Titulo interesante? S Segundo filtro leer resumen: Estudio experimental? S

NO

NO

C aptulo 11

pgina 1008

Lectura crtica y filtrado de la bibliografa (2)


S Tercer filtro. Leer Resumen: Escenario clnico aplicable? S Cuarto filtro: Pregunta clave sobre el diseo del estudio NO NO

TERAPUTICA (Asignacin aleatoria)

DIAGNSTICO (Gold standard)

PRONSTICO (Cohorte-inicio) S

ETIOLOGA (Causalidad)

TABLA DE EVIDENCIA CIENTFICA

C aptulo 11

pgina 1009

Niveles de evidencia cientfica

- Las escalas de clasificacin de la evidencia cientfica diferencian de forma jerrquica los distintos niveles de la evidencia en funcin del rigor cientfico del diseo del estudio. - Los aspectos del diseo que estn asociados a un mayor rigor cientfico son: la asignacin aleatoria a los grupos experimental y control de la intervencin sanitaria a evaluar, la existencia de un grupo control concurrente en el tiempo, el sentido prospectivo del estudio, la tcnica de doble ciego y la inclusin en el estudio de un nmero de pacientes suficiente como para detectar diferencias estadsticamente significativas en la determinacin del efecto verdadero de la tecnologa o procedimiento que se evala. - Adems del tipo de diseo debe considerarse la calidad y el rigor cientfico del estudio, pues podra darse el caso de que un estudio de menor gradacin cientfica (ej.: casos y controles bien diseado) presentara una validez interna mayor que la de un ensayo . controlado no aleatorizado con un sesgo de seleccin.

C aptulo 11

pgina 1010

Fortaleza de la evidencia segn el tipo de estudio


EVIDENCIA FUERTE ENSAYO CLNICO ALEATORIZADO CONTROLADO ENSAYO CLNICO NO CONTROLADO ESTUDIO DE COHORTES ESTUDIO DE CASOS Y CONTROLES ESTUDIO DE CORTE TRANSVERSAL VIGILANCIA EPIDEMIOLGICA (BASES DE DATOS O REGISTROS) ESTUDIO DE SERIE CONSECUTIVO DE CASOS ESTUDIO DE UN CASO EVIDENCIA DBIL

C aptulo 11

pgina 1011

Escalas de evidencia cientfica

Hay diferentes Escalas de gradacin de la calidad de la Evidencia Cientfica, todas ellas similares entre s: - North of England Evidence Based Guideline Development Project. - U.S Preventive Services Task Force. - Scottish Intercollegiate Guidelines Network. - The Swedish Council on Technology Assesment in Health Care. - Agencia de Evaluacin de Tecnologa Mdica, del Servicio Cataln de Salud.

C aptulo 11

pgina 1012

Pubmed: Estrategia de bsqueda (2)


Cmo realizar una bsqueda en Pubmed?
4 Pulsaremos el Link (en el margen derecho del trmino Mesh), seleccionamos Pubmed y nos realizar la bsqueda de aquellos artculos que contengan el Mesh seleccionado. 5 Operadores Booleanos (AND, OR, NOT). Nos permite dirigir la bsqueda combinndolos. Ejemplo: - obesity AND gastric balloon. Buscar slo aquellos artculos que traten sobre la obesidad y el uso de baln intragstrico. - obesity OR gastric balloon. Buscar aquellos artculos que traten de la obesidad o del baln intragstrico. - obesity NOT gastric balloon. Buscar aquellos artculos que traten de la obesidad excluyendo los que versen sobre el baln intragstrico.

C aptulo 11

pgina 1013

ESCALA DE NIVELES DE EVIDENCIA DE LA NORTH OF ENGLAND EVIDENCE BASED GUIDELINE DEVELOPMENT PROJECT Categorizacin de la Evidencia: I Ensayos clnicos controlados, metaanlisis o revisiones sistemticas bien diseadas. II Estudios controlados no aleatorizados bien diseados (cohortes, casos y controles). III Estudios no controlados o consenso. Fuerza de las Recomendaciones: A Basadas directamente en evidencia de categora I. B Basadas directamente en evidencia de categora II o extrapoladas a partir de evidencia de categora I. C Basadas directamente en evidencia de categora III o extrapoladas a partir de evidencia de categora II.

C aptulo 11

pgina 1014

ESCALA DE NIVELES DE EVIDENCIA DE LA U.S. PREVENTIVE SERVICES TASK FORCE Categorizacin de la Evidencia: (a) I Evidencia obtenida a partir de al menos un ensayo aleatorizado y controlado, diseado de forma apropiada. II-1 Evidencia obtenida a partir de ensayos controlados no aleatorizados y bien diseados. II-2 Evidencia obtenida a partir de estudios de cohorte o caso-control bien diseados, realizados preferentemente en ms de un centro o por un grupo de investigacin. II-3 Evidencia obtenida a partir de mltiples series comparadas en el tiempo con o sin intervencin (b). III Opiniones basadas en experiencias clnicas, estudios descriptivos o informes de comits de expertos. (a) De mayor (I) a menor (III) calidad de diseo y rigor cientfico. (b) Este tipo de evidencia tambin incluye resultados dramticos producidos en experimentos incontrolados, como son los derivados de la introduccin de la penicilina en los aos cuarenta.

C aptulo 11

pgina 1015

CLASIFICACIN DE LA SWEDISH COUNCIL ON TECHNOLOGY ASSESMENT IN HEALTH CARE Categorizacin segn el rigor cientfico de los estudios: 1 Ensayo controlado y aleatorizado con una muestra grande. 2 Ensayo controlado y aleatorizado con una muestra pequea. 3 Ensayo no aleatorizado con controles coincidentes en el tiempo. 4 Ensayo no aleatorizado con controles histricos. 5 Estudio de cohorte. 6 Estudio de casos y controles. 7 Estudios transversales. 8 Vigilancia epidemiolgica (bases de datos o registros). 9 Serie consecutiva de casos. 10 Notificacin de un caso aislado (ancdota).

C aptulo 11

pgina 1016

ESCALA DE LA SCOTTISH INTERCOLLEGIATE GUIDELINES NETWORK Categorizacin de la evidencia: 1 ++ Meta-anlisis de alta calidad, revisiones sistemticas de ensayos controlados y aleatorizados (ECA) o ECA con riesgo de sesgos muy bajos. 1 + Meta-anlisis bien realizados, revisiones sistemticas de ECA, o ECA con riesgo de sesgos bajo. 1 Meta-anlisis, revisiones sistemticas de ECA, o ECA con riesgo de sesgos alto. 2 ++ Revisiones sistemticas de alta calidad de estudios de cohortes o casoscontroles. Estudios de cohortes o casos-controles con riesgo de sesgos muy bajo y alta probabilidad de que la relacin sea causal. 2 + Estudios de cohortes y casos-controles bien realizados y con riesgo de sesgos bajo y probabilidad moderada y probabilidad moderada de que la relacin sea causal. 2 Estudios de cohortes y casos-controles con riesgo de sesgos alto y riesgo significativo de que la relacin no sea causal. 3 Estudios no analticos. (Ej.. Serie de casos) 4 Opinin de expertos.

C aptulo 11

pgina 1017

ESCALA DE LA AGENCIA DE EVALUACIN DE TECNOLOGA MDICA, DEL SERVICIO CATALN DE SALUD


Niveles (del mayor I, a la evidencia menor IX) I* Calidad de la evidencia Buena Tipo de diseo del estudio Condiciones de rigor cientfico*

Meta-anlisis de ensayos controlados y aleatorizados

Anlisis de los datos del paciente Meta-regresin Diferentes tcnicas de anlisis Ausencia de heterogeneidad Calidad de los estudios Evaluacin del poder estadstico Multicntrico Calidad del estudio Evaluacin del poder estadstico Multicntrico Calidad del estudio Evaluacin del poder estadstico Multicntrico Calidad del estudio Controles histricos Evaluacin del poder estadstico Multicntrico Calidad del estudio

II*

Buena

Ensayos controlados y aleatorizados de muestra grande Ensayos controlados y aleatorizados de muestra pequea Ensayos prospectivos controlados no aleatorizados

III*

Buena a Regular

IV*

Buena a Regular

V* Vi* Vii*

Regular Regular

Ensayos prospectivos controlados no aleatorizados Estudios de cohorte Multicntrico Estudios casocontrol Series clnicas no controladas: Estudios descriptivos: seguimiento de la enfermedad, vigilancia epidemiolgica, registros, bases de datos. Comits de expertos, conferencias de consenso. Ancdotas o casos

Viii iX

Baja

C aptulo 11

pgina 1018

Fuerza de las recomendaciones


- Recomendaciones: son las conclusiones obtenidas ante las problemas clnicos planteados, basadas en la fuerza de la evidencia encontrada. - Se redactan en las Guas Clnicas, pueden recomendar o desaconsejar la adopcin de un determinado procedimiento mdico basndose en una fuerte evidencia cientfica o por el contrario encontrar slo una dbil evidencia que apoye dicha recomendacin. Igualmente pueden existir reas en las que no se encuentre ningn tipo de evidencia, ni a favor ni en contra. - Las Recomendaciones se pueden categorizar segn su fortaleza.

C aptulo 11

pgina 1019

Fuerza de las recomendaciones


GRADO A B C D FUERZA DE LAS RECOMENDACIONES Directamente basada en evidencia de categora I (en algunas versiones la categora I incluye la evidencia de al menos un ECA). Directamente basada en evidencia de categora II o recomendacin extrapolada a partir de categora I (en algunas versiones la categora II incluye diseos cuasi-experimentales). Directamente basada en evidencia de la categora III recomendacin extrapolada a partir de evidencia de la categora I II. Directamente basada en evidencia de la categora IV recomendacin extrapolada a partir de evidencia de la categora I II III.

C aptulo 11

pgina 1020

Fuerza de las recomendaciones (2)


GRADO A FUERZA DE LAS RECOMENDACIONES Al menos un meta-anlisis, revisin sistemtica de ECA, o ECA de nivel 1++ ,directamente aplicables a la poblacin diana, o evidencia suficiente derivada de estudios de nivel 1+, directamente aplicable a la poblacin diana y que demuestren consistencia global en los resultados. Evidencia suficiente derivada de estudios de nivel 2++, directamente aplicable a la poblacin diana y que demuestren consistencia global en los resultados. Evidencia extrapolada de estudios de nivel 1++ 1+. Evidencia suficiente derivada de estudios de nivel 2+, directamente aplicable a la poblacin diana y que demuestren consistencia global en los resultados. Evidencia extrapolada de estudios de nivel 2++. Evidencia de nivel 3 4. Evidencia extrapolada de estudios de nivel 2+.

C aptulo 11

pgina 1021

Recomendaciones: Ejemplo
Gua clnica valvulopatas

C aptulo 11

pgina 1022

Recomendaciones: Ejemplo
Gua clnica valvulopatas (2)

C aptulo 11

pgina 1023

Tabla de evidencia cientfica

C aptulo 11

pgina 1024

Tabla de evidencia cientfica


- Por ltimo, resumiremos en una Tabla la valoracin crtica de los distintos artculos encontrados, describiendo someramente los aspectos ms importantes del mismo segn los apartados que se detallan a continuacin. - De este modo podremos tener una visin rpida y global de los resultados de nuestra bsqueda bibliogrfica y estaremos en condiciones de aplicarlo a nuestra prctica clnica: fin ltimo de la MBE.

C aptulo 11

pgina 1025

Tabla de evidencia cientfica


- Autor: se escribir el apellido del primer firmante seguido de et al si hay ms autores. - PMID: es el acrnimo de PubMed Unique Identifier, es un nmero nico asignado a cada cita de un artculo de revista biomdica recogida en PubMed. Nos permite localizar rpidamente el artculo en cuestin. - Ao de publicacin: si no coincide con el ao de realizacin del estudio lo sealaremos con un asterisco (*). - Poblacin: se anotar el nmero de pacientes del estudio analizados en el estudio tras las prdidas en el seguimiento. Si en el artculo no se especifica este punto lo sealaremos con un asterisco (*). Una muestra es pequea si es < de 30, mediana entre 30 y 300; y grande cuando es > de 300. - Tipo de estudio: ensayo clnico controlado (ECA), meta-anlisis, revisiones sistemticas, estudio de cohortes, estudio de casos y controles, gua de prctica clnica.

C aptulo 11

pgina 1026

Tabla de evidencia cientfica


- Resultados (VP y VS): se detallar el nombre de la Variable/es Principal/es y Secundaria/s. - Magnitud efecto: especificaremos los valores de la/s Variable/es Principal/es y Secundaria/s mediante los estimadores ms relevantes para caracterizar los grupos ( intervalos de confianza, media, desviacin estndar y odds ratio ) as como el nivel de significacin estadstica inferencial en la comparacin. - Nivel de evidencia: representan los niveles de calidad de la evidencia cientfica segn la Escala utilizada. - Observaciones: aquellas anotaciones relacionadas con el artculo que nos parezcan oportunas.

C aptulo 11

pgina 1027

Tabla de evidencia cientfica: Ejemplo


AUTOR AO PMID N TIPO DE ESTUDIO VBLE. PRINCIPAL y SECUNDARIA (VP y VS) Van der Meer 2008 19168472 650 M ETAANLISIS VP1: HOSPITALIZACIN VP2: MORTALIDAD VP3: MORBILIDAD VP1: MENOR
HOSPITALIZACIN

MAGNITUDES

NIVEL DE EVIDENCIA

OBS

RR = 0.59; IC 95% (0.41 A 0.86);


P

= 0.006

VP2: IGUAL MORTALIDAD RR = 0.69; IC 95 % 0.39 A 1.23; P = 0.21 VP3: IGUAL


MORBILIDAD

NO APARECE ESTADSTICAMENTE SIGNIFICATIVO Parissis JT 2008+ 18371487 32 ECA VP: FEVI CON EPO VS
PLACEBO

VP: MAyOR FEVI EPO FRENTE A PLACEBO


P

< 0.001 1

Ghali, JK

2008+

18195176

319*

ECA

VP: TOLERANCIA AL
EjERCICIO

VP: IGUAL TOLERANCIA AL EjERCICIO. NO APARECE ESTADSTICAMENTE SIGNIFICATIVO VS: IGUAL CALIDAD DE
VIDA .

VS: CALIDAD DE VIDA

NO APARECE ESTADSTICAMENTE SIGNIFICATIVO Palazzuoli, A 2008+ 17892986 51 ECA VP: FEVI VP: mayor FEVI p <0.05 1

C aptulo 11

pgina 1028

5. Aplicacin a la prctica clnica


La decisin sobre si aplicar una determinada intervencin a nuestro(s) paciente(s) debera ser precedida de una respuesta afirmativa a tres aspectos fundamentales: - Validez - Importancia - Aplicabilidad

C aptulo 11

pgina 1029

Resumen e-M.B.E.:
1 Formular la Pregunta Clnica (P.I.R.) 2 Buscar la mejor evidencia: a) Fuentes terciarias - Guas Clnicas National Guideline Clearinghouse (www.guideline.gov) b) Fuentes secundarias - Biblioteca Cochrane Plus c) Fuentes primarias Pubmed 3 Evaluacin crtica ( Nivel de evidencia) 4 Tabla de evidencia cientfica 5 Aplicacin clnica

C aptulo 11

pgina 1030

Bibliografa
- Sackett DL, Richardson WS, Rosenberg W, Haynes RB. Medicina Basada en la Evidencia. Cmo ejercer y ensear la MBE. Churchill Livingstone Espaa. Madrid 1997. - Sackket DL, Rosenberg WMC, Muir Gray JA, et al. Evidence-based medicine. What it is and what it isn`t. BMJ 1996; 312:71-2. - Gonzlez de Dios J. De la medicina basada en la evidencia a la evidencia basada en la medicina. An Esp Pediatr 2001; 55:429-39. - Carrasco G. Medicina basada en la evidencia electrnica (e-MBE): metodologa, ventajas y limitaciones. Rev Calidad Asistencial 2002; 17(2):113-25. - Carrasco G., Pallars A. Manual de Gestin del conocimiento. Medicina basada en la evidencia cientfica e internet. Captulo 5. 51-80. Barcelona Grup Assistncia, 2006. - Rodrguez Camio R. Motores de bsqueda sobre salud en Internet. ACIMED 2003; 11(5). - Glasziou PP, Irwig LM. An evidence based approach to invidualising treatment. BMJ 1995;311:1356-1358. - Straus SE, Sackett DL Getting research findings into practice: using research findings in clinical practice. BMJ 1998; 317:339-342. - Haines A, Donald a. Getting research findings into practice: making better use of research findings. BMJ 1998; 317:72-75.

C aptulo 11

pgina 1031

Bibliografa (2)
- Sheldon TA, Guyatt GH, Haines A. Getting research findings into practice: when to act on the evidence. BMJ 1998; 317:139-142. - Antes G, Bassler D. Evidence-based medicine, dissemination of resarch information and the role of the medical journal. Dtsch Med Wochenschr 2000; 125 (38):1116-21. - Guyatt GH. Practitioners of evidence based care. Editorials. BMJ; 320; 954-5. - Mulrow CD, Cook DJ, Davidoff F. Systematic reviews: Critical links in the great chain of evidence. Ann Intern Med 1997; 126:389-91. - Rosenberg W, Donald A. Evidence based medicine: an approach to clinical problem-solving. Br Med J 1995; 310: 1.122-1.126. - Bero L: The Cochrane Collaboration. Preparing, maintaining and disseminating systematic reviews of the effects of health care. JAMA 1995: 1935-8. - Cook DJ, Mulrow CD, Haynes RB. Systematic reviews: Synthesis of best evidence for clinical decisions. Ann Intern Med 1997; 126:376-80. -Haynes B, Haynes A. Barriers and bridges to evidence-based clinical practice.BMJ 1998; 317:273-276. - Haynes RB, Sackett DL, Muir Gray JA, Cook DJ, Guyatt GH. Transferring evidence from research to clinical practice: 1. The role of clinical research evidence in clinical decisions. ACP J Club 1997; 126: A 14-16.

C aptulo 11

pgina 1032

Bibliografa (3)
- Gates PE. Think globally, act locally: An approach to implementation of clinical practice guidelines. J Qual Improve 1995; 21:71-85. - Comit Internacional de Editores de Revistas Mdicas. Requisitos de Uniformidad para los manuscritos enviados a revistas biomdicas: escritura y proceso editorial para la publicacin de trabajos biomdicos. Actualizado en Noviembre de 2003. Rev Esp Cardiol 2004;57(6):53856 - International Commitee of Medical Journal Editors. Uniform Requirement for Manuscript Submitted to Biomedical Journal. N Engl J Med 1997;336:309-315. - Phillips RS. Accessing electronic information for clinical decisions. Arch Dis Child 2000; 83(5):373-374. - http://www.fisterra.com/mbe/index.asp Medicina basada en la evidencia. Fisterra.com. Atencin Primaria en la Red. - http://www.guideline.gov/ National Guideline Clearing House - http://www.bibliotecacochrane.com/ Utilizacin de la Biblioteca Cochrane Plus. La Biblioteca Cochrane Plus. - http//www.ncbi.nlm.nih.gov/pubmed Using Pubmed. Pubmed Central. U.S. National Institutes of Health (NIH).

Gua Metodolgica de Investigacin en Ciencias de la Salud


Dr. Jacobo Daz Portillo
Coordinador de Formacin Continuada Hospital Universitario de Ceuta Profesor del contenido terico del curso

Dr. Toms Orgaz Morales

Facultativo Especialista en Anlisis Clnicos Hospital Universitario de Ceuta Profesor del contenido prctico del curso

Dr. J. Enrique Roviralta Arango


Facultativo Especialista en ORL Hospital Universitario de Ceuta Direccin Territorial de Ceuta Hospital Universitario de Ceuta Loma Colmenar, s/n 51003 Ceuta Edita: Instituto Nacional de Gestin Sanitaria Subdireccin General de Gestin Econmica y Recursos Humanos Servicio de Recursos Documentales y Apoyo Institucional Alcal, 56 28014 Madrid El copyright y otros derechos de propiedad intelectual pertenecen al Instituto Nacional de Gestin Sanitaria. Se autoriza la reproduccin total o parcial para uso no comercial, siempre que se cite explcitamente su procedencia. Depsito Legal: M-47507-2010 NIPO: 846-10-017-X Coleccin Editorial de Publicaciones del INGESA: 1.914

Gua Metodolgica de Investigacin en Ciencias de la Salud