UNIVERSIDAD NACIONAL DEL CENTRO DEL PERU

Anlisis de Datos

Dr. Walter Caldern Gerstein.

Pdte Comit de Investigacin
Red Asistencial Junn - ESSALUD
Servicio de Medicina
Hospital Nacional Ramiro Prial

Contenido:

Mtodos paramtricos y no
paramtricos

Medias, varianza y correlacin

Pruebas para variables continuas

Prueba estadstica y naturaleza de

los datos
Datos de escala

Prueba estadstica

Nominal
Ordinal

Prueba
no-paramtrica

De intervalo
De razn

Prueba no-paramtrica y
paramtrica

Estadsticos para diseos de dos

grupos
Grupos
Independientes

Relacionados

paramtricos

t Student
muestras
no relacionadas

t Student
muestras
relacionadas

ordinales

U Mann-Whitney

nominales

Probabilidad exacta
de Fisher

Datos

T Wilcoxon
McNemar

Pruebas no-paramtricas
Pruebas estadsticas que no requieren muchas
asunciones acerca de la naturaleza de la
poblacin de donde proceden las muestras. Son
referidos como pruebas de distribucin libre.
Pueden usarse con datos de escala nominal y
ordinal.
Muestreo independiente o aleatorio.

Pruebas paramtricas
Pruebas estadsticas que asumen una
serie
de
propiedades
sobre
los
parmetros de la poblacin de donde
proceden
la
muestras: datos
de
distribucin normal y de igual variancia en
la poblacin.
Datos de escala de intervalo y razn.
Muestreo independiente o aleatorio.

Anlisis : tests estadsticos,

ajuste de
curvas , A. multivariante.

Exploracin de datos
Obtencin datos, calibrados, etc.
Diseo de experimentos
Antecedentes Bibliogrficos

Especificar poblacin y muestra

Poblacin

Conjunto todos los individuos

Muestra

Subconjunto individuos

Inferencia estadstica

Media ()

Media

Desviacin Estndar ()

Desviacin Estndar (s)

Especificar poblacin y muestra

Poblacin

Conjunto todos los individuos

Muestra

Subconjunto individuos

Inferencia estadstica

Media ()

Media

Desviacin Estndar ()

Desviacin Estndar (s)

Pasos en tests de contraste de hiptesis

1) Decidir hiptesis nula y alternativa a comparar, por ej. con 2 medias:
H0= Las 2 medias poblacionales son iguales
H1= Las 2 medias son diferentes

( 1 2 )

( 1 2 )
(test bilateral o de 2 colas)

H1= La media 1 es mayor que la 2

( 1 2 )

(test unilateral 1 cola superior)

H1= La media 1 es menor que la 2

( 1 2 )

(test unilateral 1 cola inferior)

2) Decidir el test a usar:

Paramtrico (test t Student)

No Paramtrico (test U de Mann Whitney)

3) Fijar un nivel de probabilidad de equivocarse:

Riesgo de equivocarse del 5 1 %

4) Aplicar el test y aceptar el resultado

riesgo 0.05 0.01

Tests paramtricos y no paramtricos

Requisitos de los tests paramtricos:
La muestra pertenece a una poblacin cuya distribucin de probabilidad es
conocida (por ej. distribucin normal).
Comparan los grupos a travs de un parmetro de la distribucin (por ej: la
media en la distribucin normal).
Se utilizan con muestras no muy pequeas en las que es posible comprobar la
distribucin que siguen los datos.

Tests no paramtricos:
No se presupone que los datos sigan una distribucin determinada.
Se realizan con procedimientos de ordenacin (rangos) y recuento.
Se usan con muestras pequeas (n < 10) en las que se desconoce la distribucin que
siguen los datos, tambin para corroborar los resultados obtenidos a partir de los
tests paramtricos.

Tests paramtricos: La
distribucin normal
Normal:

1
2

f ( x)

x 2

2 2

Normal estandarizada:
valores estandariz ados :
zi

( xi )

f ( z)

1
2

z2
2

Ejemplo: comparacin de 2 medias por el test

paramtrico t de Student
Se quiere determinar si la presin sistlica en hombres y mujeres de Salamanca es la misma
Hombres

Mujeres

15.2, 16.3, 17.2, 16.1,...........15.7

Distribuciones normales
Misma varianza

14.1, 13.3, 14.2, 13.1,...........12.7

Test t-Student de datos independientes bilateral

t

Si...

X1 X 2
2

(n1 - 1)s1 (n 2 - 1)s 2

n1 n 2 2

t t c ( , 0.05)
(Las medias en las poblaciones de
hombres y mujeres son iguales)

1 1

n1 n 2

Si...
t t c ( , 0.05)
(Las medias en las poblaciones de
hombres y mujeres no son iguales)

(p<0.05)

Test bilateral (2 colas) o unilateral (1 cola)

Test t-student bilateral con riesgo = 0.05

( 1 2 )

Curva distribucin t

X1 X 2
2
1

(n 1 - 1)s (n 2 - 1)s 2
n1 n 2 2

1 1

n1 n 2

- tc
Test unilateral cola superior con = 0.05

( 1 2 )

t t c ( , 0.05)
tc
Test unilateral cola inferior con = 0.05

( 1 2 )

t t c ( , 0.05)

t t c ( , 0.05)

tc

- tc

Porqu usamos pruebas no

paramtricas?:
Porque no siempre se cumplen todos los
supuestos requeridos por las pruebas de
hiptesis tradicionales (paramtricas):
Distribucin normal
Tamao de muestra grande
Varianzas iguales (?)
Si la distribucion de la poblacion es sesgada
(Por lo que la media no es buen indicador de
tendencia central)

Cmo se aplican estas pruebas:

Aplicar una transformacin a los datos originales,

convertindolos en rangos, valores positivo o
negativo, etc.

Con los datos transformados, calcular un

estadstico en base a los datos (a veces tambin
se calcula su promedio y error estndar)

Con el estadstico y los parmetros calculados,

realizar una prueba de hiptesis de acuerdo a
una cierta distribucin paramtrica (Normal, Jicuadrado, Binomial, etc.)

Transformaciones de datos

Si los datos tienen una distribucin

sesgada, en ocasiones pueden
transformarse para eliminar los sesgos

En algunos casos se puede emplear un

test paramtrico despus de la
transformacin

Ejemplo:
Si trabajamos con parasitemia, con
frecuencia tendremos que aplicar una
transformacin

Log

Bioestadstica Aplicada

Comando gladder:

Anlisis con variables numricas:

Anlisis

Paramtrico

No paramtrico

Describir un grupo

, 2

Mediana, rango
intercuartil

Comparar un grupo T Student de una

a un valor
muestra

Prueba Wilcoxon

Comparar medias
en 2 grupos

T Student de dos
muestras

Mann-Whitney

Comparar medias
en 2 grupos
apareados
Comparar medias
en 3 o mas grupos

T Student
apareada

Prueba Wilcoxon

ANOVA

Kruskal-Wallis

Correlacin entre
dos variables

Pearson (lineal)

Spearman
(monotnica)

Comparacin de una muestra

contra una constante

Se piensa que la edad de inicio del consumo

de cigarrillos es la adolescencia

Puntualmente se plantea que el consumo se

inicia a los 15 aos

Si la distribucin es sesgada o la muestra es

pequea, una prueba paramtrica sobre la
media puede ser poco relevante

.05

Fraction
.1

.15

.2

histogram p59, fraction

20
40
qu edad tena ud. cuando fum cigarrillos por primera vez?

60

Prueba T Student de una muestra

Aunque no es necesario,
hagamos la prueba no
paramtrica:

Prueba signrank (Wilcoxon):

Ho: Mediana de la diferencia = 0

p59 15 = 0

p59 = 0

Asume una distribucin uniforme

alrededor de cero

Compara puntajes esperados con

observados

Comparacin entre dos muestras

independientes

Se piensa que la edad de inicio del consumo

de cigarrillos vara entre varones y mujeres

Si la distribucin es sesgada, una prueba

paramtrica sobre la media puede ser poco
relevante

Si los tamaos de muestra son pequeos (n

< 30), el TLC no se cumplir y la prueba T
podra llevar a conclusiones errneas

Prueba T Student (paramtrica):

Ho: varones = mujeres

Ha: varones mujeres

Igualdad de varianzas:

La prueba T de Student de grupos

independientes difiere si las varianzas
difieren entre los grupos, debiendo
agregarse la opcin unequal

Para evaluar si las varianzas son

comparables o no se utiliza el comando
sdtest

Prueba de Varianzas (sdtest)

Ho: 2varones = 2mujeres Ha: 2varones 2mujeres

T Student con varianzas

diferentes:

Prueba de Mann-Whitney:

Equivalente no paramtrico a una prueba de

hiptesis de promedios para dos muestras

Determina si una variable tiene valores mas

altos en una poblacin que en otra. NO
COMPARA LOS PROMEDIOS!!!

Util si el tamao de muestra es pequeo o la

distribucin es demasiado sesgada

qu edad tena ud. cuando fum cigarrillos por primera vez?

0
20
40
60

Qu son los puntajes correlativos?

.5

Varones
1

1.5
inf_sexo

Mujeres
2
2.5

Prueba de Mann-Whitney:
Ho: Fumarvarones = Fumarmujeres

Bioestadstica Aplicada

Ha: Fumarvarones Fumarmujeres

Interpretacin

Se estn comparando valores o la

distribucin, no los promedios

Si en un grupo los puntajes observados

son mayores a los esperados, ese
grupo tiene mayores valores

Comparacin de dos grupos

apareados

Es una sola muestra, en verdad, en la que se

han medido dos valores

Se puede calcular la diferencia entre los

valores y sera una prueba de una sola
muestra

Qu comienza primero, alcohol o tabaco?

Prueba no paramtrica til si es muestra

pequea o distribucin muy sesgada

Prueba T Student apareada:

Ho: fumar = tomar Ha: fumar tomar

Prueba signrank (Wilcoxon):

Anlisis de Varianza:
Prueba paramtrica para determinar si hay
diferencias en el promedio de una variable
cuantitativa (inicio fumar) entre tres o ms
poblaciones (estratos sociales). Supuestos:

Distribucin normal en todas las poblaciones (no

es necesario si el tamao de muestra es
grande)

Varianzas comparables entre poblaciones

Observaciones (muestras) independientes

Comparacin de Varianzas:

Se usa en el ANOVA para determinar si hay

diferencias entre promedios de varias
muestras

Tambin se usa ANOVA en el anlisis de

regresin, siendo un caso particular del
ANOVA

Utiliza la prueba estadstica F

Las hiptesis:

Hiptesis nula, Ho:

X-inicioAlto = X-inicioMedio = X-inicioBajo

Hiptesis alternativa, Ha:

Existen diferencias en la edad de inicio
de fumar promedios de al menos dos
estratos sociales

Bioestadstica Aplicada

Prueba de Kruskal-Wallis:

Extensin de la prueba de Mann-Whitney a

mas de dos poblaciones

Equivalente no paramtrico del anlisis de

varianza

TAMPOCO COMPARA PROMEDIOS:

determina si una poblacin tiene valores
diferentes (mas altos o mas bajos) que las
otras poblaciones

qu edad tena ud. cuando fum cigarrillos por prim era vez ?
0
20
40
60

Los puntajes correlativos:

.5
1
1.5
2
estrato social
2.5
3
3.5

En Stata:

Determinando pares diferentes:

Correlacin r de Pearson

Mide el grado de asociacin lineal entre dos

variables numricas

-1 <= r <= 1, r = 0 indica independencia

Se calcula en stata con el comando pwcorr

Requiere muestras grandes, distribuciones

cruzadas no sesgadas

Las hiptesis:

Hiptesis nula (Ho):

rfumar - tomar = 0

Hiptesis alternativa (Ha):

rfumar - tomar 0

20

p59b

40

60

scatter p59 p89

10

20

p89b

30

40

50

Resultados:

Correlacin de puntajes
(Spearman):

Equivalente no paramtrico a la prueba de

correlacin lineal de Pearson. Se aplica cuando
la correlacin no es lineal, la muestra es
pequea o existen valores muy extremos

Determina si dos variables cuantitativa u

cualitativa-ordinal estn correlacionadas positiva
(una crece y la otra tambin) o negativamente
(una crece y la otra disminuye)

Al igual que las pruebas de Mann-Whitney y

Kruskal-Wallis, tambin utiliza datos por rangos

Las hiptesis:

Hiptesis nula, Ho:

-puntajesfumar - tomar = 0

Hiptesis alternativa, Ha:

- puntajesfumar - tomar 0

Resultados:

Eligiendo el Test estadstico

Variables de tipo cuantitativo
Qu tests se pueden hacer con 1 muestra?:

15.2, 16.3, 17.2, 16.1,...........15.7

Test de Kolmogorov-Smirnov para probar si datos siguen una distribucin (NP)

Test de SW para probar si datos siguen una distribucin normal (NP)
Test t de comparacin de la media de los datos con una media terica (P)
Qu tests se pueden hacer con 2 muestras?:

15.2, 16.3, 17.2, 16.1,...........15.7

14.1, 13.3, 14.2, 13.1,...........12.7

Test t de comparacin de 2 medias con datos independientes (P)

Test t de comparacin de 2 medias con datos apareados (P)
Test U de Mann-Whitney comparacin 2 grupos datos independientes (NP)
Test de rangos con signos de Wilconxon 2 grupos apareados (NP)
Test F o Test de Levene de comparacin de 2 varianzas (P)

Ejemplo: Comparacin de 2 medias con datos

independientes
Test t de datos independientes:
15.2, 16.3, 17.2, 16.1,...........15.7

14.1, 13.3, 14.2, 13.1,...........12.7

Si

X1 X2
2

(n1 - 1)s1 (n2 - 1)s2

n1 n2 2

Normalidad

1
1

n
n
2
1

Misma varianza

t t c ( ,

Si t t( ,

0.05)

no hay diferencia

si hay diferencia
(p<0.05)

0.05)

Test U de Mann-Whitney (no paramtrico):

16, 11,14, 21, 18, 34, 22, 7,12,12

12, 14, 11, 30,10

No normalidad

1) Se ordenan conjuntamente todos los valores de menor a mayor.

2) Se asigna un n de orden a cada uno (rango).
3) Con estos rangos se calculan uno estadstico final U :

U = min (U12, U21)

Si U Uc (n1 ,n 2 , 0.05) no hay diferencia

Si U Uc(n1 ,n 2 , 0.05) si hay diferencia

Otros tests estadsticos (SIMFIT)

Eligiendo el Test estadstico

Qu tests se pueden hacer con n muestras?:

15.2, 16.3, 17.2, 16.1,...........15.7
14.1, 13.3, 14.2, 13.1,...........12.7
11.1, 12.3, 17.2, 16.1,...........19.7

ANOVA para comparacin de n medias (P)

Test de Kruskal-Wallis para comparacin de n medias (NP)

Comparando n medias (ANOVA de 1 factor)

Planteamiento
Dieta

Dieta 1

s12

[colesterol total]

Carbohidratos

115, 130, 20,..

Dieta 2

Grasas

180, 194, 199,.

Proteinas

125, 136, 134,

H0= Las 3 medias son iguales

H1= Al menos 2 medias son distintas

Razonamiento
H0=Las 3 dietas producen el mismo colesterol.
Si H0 fuese verdad, entonces la varianza sb2
entre las dietas (mezclados) habra de ser
aproximadamente igual a la varianza sw2
dentro de las dietas (dietas 1, 2 y 3) .

Dieta 3

n
mezclados
N=3n

s22

x1

s32

x2
x3

s x2

x 1 x3 x

x2

Luego el cociente entre y sb2 y sw2 debera ser

aproximadamente 1:
2

sb
1
sw2

Clculos y tabla final de un ANOVA de 1 factor

Las varianzas entre y
dentro se calculan as:
2
2
b
x

s ns

sw2

1 2 2 2

s1 s2 s3
3

Este estadstico F se compara

con la distribucin F de
Snedecor y se determina su p
valor.

2
b
2
w

s
F
s

(Cuanto ms se separe F de 1 (mayor sea F), ms

probabilidad tiene la hiptesis alternativa)

La costumbre es mostrar estos clculos con la siguiente tabla que es equivalente:

Fuente de variacin

Entre Grupos (b)

Dentro grupos(w)
Total

SSQ
3.898E+04
3.203E+03
4.219E+04

SSQ(b) N ( x j x x ) 2

(Suma cuadrados)

NDOF
2
21
23

NDOF (b) k 1
(N grados libertad)

SSQ ( w) ( xi x 1 )2 ( xi x 2 ) 2 ( xi x 3 ) 2

MSQ
1.949E+04
1.525E+02

MSQ (b)
MSQ ( w)

F
1.278E+02

p
0.0000

MSQ (b) sb2

SSQ (b)
k 1

(Cuadrado medio)

NDOF ( w) N k

MSQ ( w) sw2

SSQ ( w)
N k

Ejemplo de ANOVA de 1 factor

Dieta

[colesterol total]

Carbohidratos

115, 130, 20,..

Grasas

180, 194, 199,.

Proteinas

125, 136, 134,

Fuente de variacin

Entre Grupos
Dentro grupos
Total

SSQ
NDOF
3.898E+04
2
3.203E+03
21
4.219E+04
23

H0= Las 3 medias son iguales

H1= Al menos 2 medias son distintas

MSQ
1.949E+04
1.525E+02

F
1.278E+02

Luego rechazamos H0 con riesgo p=0.0000 de equivocarnos (las 3 medias no

son iguales, hay diferencia significativa entre ellas).

p
0.0000

Anlisis de datos
(Tests estadsticos)

Ejemplo: ANOVA de 1 factor (2)

Representar medias

Ejemplo: test de Tukey en ANOVA de 1 factor

Test de Tukey para comparaciones 2 a 2 a posteriori

Test Q de Tukey para 3 medias y 3 comparaciones
Columnas

5%

1%

2.015E+01

0.0001

1.895E+01

0.0001

3 1
1.202E+00 0.6768
NS
NS
Hay diferencias significativas (p<0.01) entre las medias 2 y 1 y
2 y 3, pero no entre las medias 3 y 1.

Ejemplo de ANOVA de 1 factor (P) y

tambin por Kruskal-Wallis (NP)
Dieta

colesterol

Carbohidratos

115, 130, 20,..

Grasas

180, 194, 199,.

Proteinas

125, 136, 134,

Fuente
Entre Grupos
Intra grupos
Total

SSQ
3.898E+04
3.203E+03
4.219E+04

H0= Las 3 medias son iguales

H1= Al menos 2 medias son distintas

NDOF
2
21
23

MSQ
1.949E+04
1.525E+02

F
1.278E+02

ANOVA de 1-factor por Kruskal-Wallis no paramtrico

Test estadstico
1.561E+01

NDOF
p
2 0.0004

p
0.0000

Enfoque de un factor a la vez

Este mtodo consiste en variar sucesivamente cada factor en un
rango, pero manteniendo constantes los factores restantes.
Este enfoque desestima el efecto de la interaccin entre los factores,
que podra existir y ser importante.
Es ms interesante estudiar 2 3 factores simultneamente, con el
fin de investigar el efecto de los factores individuales (efectos principales)
as como tambin el efecto debido a las interacciones entre los factores
(efecto de interaccin).

Comparando medias con ms de un factor (ANOVA de 2

factores)
Imaginemos un tratamiento para disminuir el colesterol, donde la variable respuesta
que se mide es la concentracin de LDL-colesterol en plasma, pero ahora se quieren
estudiar 2 factores: Dieta con 2 niveles(carbohidratos, grasas) y Ejercicio con 2
niveles (poco, mucho).
Paciente

Factor dieta

Factor ejercicio

[LDL-Colesterol]

Carbohidratos

Poco

220

Carbohidratos

Poco

190

Carbohidratos

Mucho

145

Carbohidratos

Poco

192

Grasas

Poco

188

Grasas

Mucho

143

Grasas

Mucho

124

Grasas

Poco

210

Comparando medias con ms de un factor (ANOVA de 2

factores)

Dieta
Ejercicio
Dieta x ejercicio

Eligiendo el test estadstico

Variables de tipo cualitativo (categrico)
Qu tests se pueden hacer con tablas de contingencia y proporciones?:
Tablas de contingencia 2x2
Hipertensin

Tensin normal

Fuman

83

21

No fuman

37

69

Tablas de contingencia n x m
(Efecto luz UV)

Escozor

Eritrema

Sin reaccin

Ojos azules

25

28

Ojos verdes

Ojos castaos

10

15

Test Ji-cuadrado (o Fisher exacto) para tablas de contingencia.

Ejemplo de test Ji-cuadrado para tablas de contingencia

(Efecto luz UV)

Escozor

Eritrema

Sin reaccin

Ojos azules

25

28

Ojos verdes

Ojos castaos

10

15

Los efectos adversos oculares si dependen del color de los ojos

Revisin de los tipos de estudios en

Ciencias de la Salud
1. Comunicacin de un caso.
2. Series de casos.
3. Estudios transversales
4. Estudios epidemiolgicos de Casos y Controles.
5. Estudios epidemiolgicos de Cohortes.
6. Ensayos Clnicos.

Comunicacin de un caso
Se describe de forma completa la historia de un
paciente con una determinada enfermedad.
Son importantes en enfermedades raras o
intervenciones quirrgicas novedosas.
Al tratarse de un solo caso no suele ser posible la
elaboracin de hiptesis generales.

Series de casos
Son un resumen de los datos clnicos sobre un grupo de
pacientes atendidos en un servicio sanitario.
Los datos son recogidos a lo largo del tiempo, a veces durante
aos; no son representativos propiamente de ninguna poblacin
y, por lo tanto la estadstica a utilizar debe ser descriptiva sin
intervalos de confianza (+/-) .
Constituyen una fuente de informacin. Sirven para proponer
hiptesis sobre factores etiolgicos o teraputicos, pero no para
confirmarlas.

Estudios transversales
Se recogen los datos de sobre un grupo de enfermos (por ej.
diabticos salmantinos) en una fecha determinada (corte
transversal en el eje del tiempo).
Pretenden conocer la situacin sanitaria de una poblacin en una
fecha determinada.
Permiten el clculo de la prevalencia y en el caso de enfermedades
crnicas son tiles en la planificacin sanitaria.
No permiten conocer cuando enferm la persona y el factor de
riesgo relacionado con la enfermedad.

Estudios de Casos y Controles

En una fecha determinada se eligen una serie de casos (enfermos) y de
controles (sanos) y se averigua retrospectivamente si han estado
expuestos o no a un factor de riesgo.
Son ms fciles y baratos que los estudios de cohortes, pero son menos
fiables y pueden presentar sesgos.
Son muy tiles en epidemias (por ej. gastroenteritis alimentarias).
Como no proceden de una muestra al azar de una poblacin no es
aconsejable hacer un test Ji cuadrado de significancia de asociacin, ni
estimar intervalos de confianza.
No se puede cuantificar con exactitud los riesgos absolutos y relativos.
En su lugar se calculan las odds y las odds ratio (la odds ratio es una
aproximacin del riesgo relativo).

Anlisis de resultados en estudios de Casos y Controles

(tabla de contingencia 2 x 2)

Factor de
riesgo

Setas si
Setas no

Efecto
Casos
/ Controles
Intoxic. si Intoxic. no

a
c

b
d

Se analiza retrospectivamente un grupo de

personas con una enfermedad (casos) y
otro grupo sin la enfermedad (controles), y
se comparan respecto a un factor de riesgo
existente en el pasado, con el fin de aclarar
el papel que jug el factor de riesgo en la
enfermedad.

La hiptesis a probar sera que:

a
b

ac bd

es decir p1 p2

si el factor de riesgo es responsable de la

enfermedad habr mayor proporcin de
enfermos en los casos que en los controles

Odds (en casos):

Odds (en controles):
Odds ratio:

a
c
b
O2
d

O1

O1 a / c
OR

O2 b / d

debe ser > 1 si hay asociacin

Estudios de cohortes
Constan de un grupo de personas que en el momento de empezar el
estudio no padecen la enfermedad y que estn expuestos o no a un
factor de riesgo. Se les sigue a todos la pista (estudio prospectivo)
durante un tiempo para ver si desarrollan o no la enfermedad.
El objetivo es determinar si un factor de riesgo aumenta la probabilidad
de padecer una enfermedad (Habitantes de Chernobil frente a
habitantes de otra zona e incidencia de leucemias).
Los anlisis se basan en tablas de contingencia, test Ji cuadrado para la
asociacin factor-enfermedad, riesgos absolutos, diferencias de riego,
riesgos relativos, etc.

Anlisis de resultados en Estudios de Cohortes

(tabla de contingencia 2 x 2)
Efecto
Factor de
riesgo

Leucemia si

Leucemia no

Chernobil si

Chernobil no

Se analiza prospectivamente un grupo

de personas con un factor de riesgo
(cohorte expuesta) y otro grupo sin el
factor de riesgo (cohorte no expuesta), y
se va observando en cada una de ellas la
aparicin del efecto o enfermedad.

a
R1
ab

Riesgo leucemia (en

Chernobil):
Riesgo leucemia
otra zona):

(en

Diferencia de riesgos (o
riesgo atribuible al factor
de riesgo):

Riesgo relativo:

R2

c
cd

RD R1 R2

R1
RR
R2

Los estudios de Casos y Controles , Cohortes, etc., se analizan con

proporciones (riesgos, odds) y sus lmites de confianza
Grupo
Fuman Infarto (y) Total (N)
Diabticos
Si
126
226 Diabticos
No
35
96 Hipertensos Si
908
1596 Hipertensos No
497
1304
................... ....
Azheimer
Azheimer

---- ----

.........

Si
No

104
21

------

-----

.....
193
57

etc

Ensayos Clnicos
Los ms frecuentes son los llamados: Estudios clnicos de
intervencin, prospectivos, con control concurrente y asignacin
aleatoria. Pueden ser: En paralelo o cruzados.

Fases de estudio de una terapia

1.

Fase preclnica (en animales, evaluar toxicidad, farmacodinamia,

farmacocintica)

2.

Fase I (50 a 100 voluntarios sanos, evaluar tolerancia,

farmacodinamia, farmacocintica, toxicidad)

3.

Fase II (50 a 200 pacientes, evaluar efecto teraputico y ajustar

dosis)

4.

Fase III (2000 a 4000 pacientes, asignados aleatoriamente a dos

grupos (referencia y tratamiento))

5.

Fase IV (Farmacovigilancia postcomercializacin, efectos secundarios)

Variables que se miden en los

Ensayos Clnicos

Mortalidad (muere o sobrevive) (variable dicotmica)

Sntomas (dolor, angustia, etc.) (variables dicotmicas (si, no))

Efectos secundarios (se buscan frmacos con la misma eficacia pero

menos efectos adversos) (variables dicotmicas)

Parmetros clnicos: (tensin arterial, glucemia basal, concentracin

de colesterol, etc.) (variables cuantitativas)

Criterios de inclusin y exclusin en un

ensayo clnico
Criterios de Inclusin
(Caractersticas que deben cumplir los participantes)

1.

Sexo

2.

Edad, peso, etc.

3.

Hipertensos, etc.

Criterios de Exclusin
(Caractersticas de los que se excluyan aunque cumplan
los criterios de inclusin)
1.

Alergia a antibiticos.

2.

Consumo de alcohol

3.

Tabaquismo

Enmascaramiento
1. Etiqueta abierta (open label)
2. Ciego (blind)
3. Doble ciego (double blind)

Anlisis estadstico de
Ensayos Clnicos
Los contrastes estadsticos que pueden realizarse en los
ensayos clnicos son muy variados, por lo que nos
remitiremos a los libros de Estadstica y a los Paquetes
Estadsticos.
Algunos contrastes ms frecuentes son:

Comparacin de proporciones cuando los datos son

dicotmicos (SIMFIT, SPSS)

Comparacin de medias cuando los datos son

cuantitativos (SIMFIT, SPSS)

Anlisis de datos de un ensayo clnico para evaluar la eficacia de

un nuevo frmaco (resultado dicotmico)
Efecto
Tratamiento Curacin Curacin
SI
NO

Proporcin curan (frmaco):

Proporcin curan (Placebo):

(Llamado tambin Riesgo R2 )

Placebo

Diferencia de proporciones:

(o Riesgo Relativo (RR) )

Odds curan (frmaco):

Odds ratio (frmaco/placebo):

Ratio
a
O1
b
OR

P1
P2

a
ab

P2

c
cd

(Llamado tambin Riesgo R1 )

Frmaco

Razn de proporciones:

P1

D P1 P2

(o Diferencia de Riesgos (RD) )

Numero Necesario a Tratar:

Odds curan (Placebo):

O1 a / b

O2 c / d

O2

Ln de la Odds ratio

NNT

1
R1 R2

c
d

Ln OR

Ejemplo de un ensayo clnico en SIMFIT (resultado

dicotmico)

Anlisis de un ensayo clnico para evaluar la eficacia de un

nuevo frmaco (variable continua)
Efecto
Tratamiento

N
sujetos

Media

Frmaco

n1

Placebo

n2

X1
X2

Desviacin
estndar

s1
s2

Significancia por t de student o U de Mann Whitney:

t

Diferencia de medias:

X1 X2
2

(n1 - 1)s1 (n2 - 1)s2

n1 n2 2

1
1

n1 n2

MD X 1 X 2

Diferencia de medias estandarizada:

X1 X 2
SMD
sp

(n1 1) s12 ( n2 1) s22

sp
n1 n2 2