metodologia de la investigacion...
TRANSCRIPT
METODOLOGIA DE LA
INVESTIGACION CIENTIFICA.
Dr. Carlos Valencia Calderón, MD, PhD.
Neurólogo - Neurocirujano
Investigador del Proyecto PROMETEO, SENESCYT
Servicio de Neurocirugía. Hospital Baca Ortiz
21 de Abril de 2014
¿POR QUÉ CONTINUAR CON
ESTE CURSO DE METODOLOGÍA
DE LA INVESTIGACIÓN
CIENTÍFICA?
1
TEMA: NOSOTROS
•La mitad de lo que les hemos enseñado no
será verdad dentro de 5 años (Sackett 1997)
•Son nuestros pacientes quienes pagan el
precio de nuestra obsolescencia , y es
conveniente recordar que estos también son
nuestros padres, hermanos, amigos y
nosotros mismos.
2
TEMA: UNIVERSIDADES
De las 60 universidades que
existen en el Ecuador, a partir del
2017 solo quedarán aquellas que
tengan en su plantilla a docentes
con títulos de maestrías y de PhD.
3
TEMA: DOCENTES
Aquellos docentes con títulos de
maestrías y de PhD deberán
conocer el reglamento de carrera y
escalafón de las universidades….
4
TEMA: HOSPITALES
Aquellos hospitales que busquen la
acreditación internacional deberán
esforzarse en todos los campos
posibles….
5
TEMA: NUESTRO HOSPITAL
TEMA HBO
SOLO EL:
• 9,5% tenía publicaciones en revistas
internacionales.
• 4,05% tenía conocimientos completos sobre
herramientas metodológicas.
• 2,7% tenía un nivel avanzado de inglés.
6
TEMA: LEGAL
La entrada en vigor de la ley de
mala práctica..
CUÁL DEBE SER NUESTRA
RESPUESTA.
1. Protocolos
2. Clasificación funcional
3. Zapatero a tu zapato: tema
consulta externa.
CUÁL DEBE SER NUESTRA
RESPUESTA.
1. Protocolos
2. Clasificación funcional
3. Zapatero a tu zapato: tema
consulta externa.
CUÁL DEBE SER NUESTRA
RESPUESTA.
1. Protocolos
2. Clasificación funcional
3. Zapatero a tu zapato: tema
consulta externa.
CUÁL DEBE SER NUESTRA
RESPUESTA?
1. Protocolos
2. Clasificación funcional
3. Zapatero a tu zapato: tema
consulta externa.
4. Renuncia en masa
Metodología de la Investigación Científica
Lo más práctico y urgente para nuestra
necesidad actual
Contenido de la capacitación.
1. Resumen de Medicina Basada en la Evidencia
2. Método científico: hipótesis
3. Variables: definición, clasificación, representación
4. Pruebas de asociación estadística entre dos variables
5. Índices estadísticos o parámetros estadísticos (NNT, RR..
6. Resumen y clasificación de los estudios epidemiológicos
7. Evaluación e interpretación de estudios publicados (MBE)
1
Contenido de la capacitación.
1. Resumen de Medicina Basada en la Evidencia
2. Método científico: hipótesis
3. Variables: definición, clasificación, representación
4. Pruebas de asociación estadística entre dos variables
5. Índices estadísticos o parámetros estadísticos (NNT, RR..
6. Resumen y clasificación de los estudios epidemiológicos
7. Evaluación e interpretación de estudios publicados (MBE)
MEDICINA BASADA EN LA EVIDENCIA
• Definición: La MBE es
la utilización
consciente, explicita y
juiciosa de la mejor
evidencia científica
clínica disponible para
tomar decisiones sobre
el cuidado de pacientes
individuales.
Mejor evidencia clínica disponible:
» Iinvestigación clínicamente relevante, a menudo procedente
de las ciencias básicas de la medicina, pero especialmente de la
investigación clínica centrada en los pacientes y que se realiza
sobre la exactitud y precisión de las pruebas diagnósticas
(incluida la exploración física), el poder de los marcadores
pronósticos y la eficacia y la seguridad de los regímenes
terapéuticos, rehabilitadores o preventivos.
Mejor evidencia clínica disponible:
» Iinvestigación clínicamente relevante, a menudo procedente
de las ciencias básicas de la medicina, pero especialmente de la
investigación clínica centrada en los pacientes y que se realiza
sobre la exactitud y precisión de las pruebas diagnósticas
(incluida la exploración física), el poder de los marcadores
pronósticos y la eficacia y la seguridad de los regímenes
terapéuticos, rehabilitadores o preventivos.
Mejor evidencia clínica disponible:
» Iinvestigación clínicamente relevante, a menudo procedente
de las ciencias básicas de la medicina, pero especialmente de la
investigación clínica centrada en los pacientes y que se realiza
sobre la exactitud y precisión de las pruebas diagnósticas
(incluida la exploración física), el poder de los marcadores
pronósticos y la eficacia y la seguridad de los regímenes
terapéuticos, rehabilitadores o preventivos.
Mejor evidencia clínica disponible:
» Iinvestigación clínicamente relevante, a menudo procedente
de las ciencias básicas de la medicina, pero especialmente de la
investigación clínica centrada en los pacientes y que se realiza
sobre la exactitud y precisión de las pruebas diagnósticas
(incluida la exploración física), el poder de los marcadores
pronósticos y la eficacia y la seguridad de los regímenes
terapéuticos, rehabilitadores o preventivos.
Mejor evidencia clínica disponible:
» Iinvestigación clínicamente relevante, a menudo procedente
de las ciencias básicas de la medicina, pero especialmente de la
investigación clínica centrada en los pacientes y que se realiza
sobre la exactitud y precisión de las pruebas diagnósticas
(incluida la exploración física), el poder de los marcadores
pronósticos y la eficacia y la seguridad de los regímenes
terapéuticos, rehabilitadores o preventivos.
Necesidades/Preferencias
del paciente Experiencia clinica
Mejor evidencia clínica
MEDICINA BASADA EN LA EVIDENCIA
• En el fondo, se trata de una estrategia de análisis
crítico de la literatura médica que implica el
aprendizaje de los distintos diseños de
investigación clínica, su pertinencia, validez y
utilidad en cada caso o circunstancia, y la
interpretación cabal de sus datos y resultados.
• www.cebm.net
¿POR QUÉ MEDICINA
BASADA EN LA EVIDENCIA?
•La mitad de lo que les hemos enseñado no será
verdad dentro de 5 años (Sackett 1997)
•Son nuestros pacientes quienes pagan el precio de
nuestra obsolescencia , y es conveniente recordar
que estos también son nuestros padres, hermanos,
amigos y nosotros mismos.
En la práctica el ejercicio de la MBE consiste en
cuatro pasos:
1. Formular de manera precisa una pregunta a partir del problema
clínico del paciente: cuatro elementos.
2. Localizar de forma exhaustiva las evidencias o pruebas
disponibles en la literatura.
3. Evaluación crítica de las evidencias o pruebas disponibles, para
establecer su validez (proximidad a la realidad) y utilidad
(aplicabilidad clínica).
4. Aplicación de las conclusiones de la evaluación a la práctica
clínica. Este último paso debe ir acompañado de la experiencia
clínica necesaria para poder contraponer los riesgos y beneficios.
¿QUÉ ES HACER MEDICINA BASADA EN LA
EVIDENCIA?
2. Acceder a la
información
científica
3. Evaluar
críticamente su
validez y
aplicabilidad
4. Incorporarla a la
práctica clínica
cotidiana
1. Pregunta
• … pero:
• si anualmente se publican unas 25.000 revistas
biomédicas en el mundo, con unos 2 a 4 millones de
artículos, ¿quién podría estar actualizado?
• Aproximadamente se habrían de leer unos 17 artículos
cada uno de los 365 días del año, para llegar a la
conclusión de que:
– el 95% de ellos no pueden ser considerados información
científica relevante.
BASES DE DATOS:
MEDLINE
EMBASE
LILACS
COCHRANE LIBRARY
REVISTAS:
Best Evidence
JAMA
BMJ
NEJM
Pediatrics
¿DÓNDE BUSCAR LA INFORMACIÓN CIENTÍFICA?
• Página web del Centre for Evidence Based Medicine de Oxford (Reino
Unido):http://www.cebm.net/
• Página web del Health Information Research Unit (HIRU) de la Universidad de
Mc Master (Canadá): http://hiru.mcmaster.ca/hiru/
• Página en castellano de la MBE: www.infodoctor.org/rafabravo/
• Página web del NHS Centre for Reviews and Dissemination de la
• Universidad de York (Reino Unido): www.york.ac.uk/inst/crd/
• Guía de la Evidencia de la School of Health and Related Research (ScHARR) de
la Universidad de Scheffield:http://www.infodoctor.org/rafabravo/netting.htm
• Página web de Canadian Centres for Health Evidence:www.cche.net/principles/.
Seleccionar la opción: “Content”. Contiene una interesante serie de documentos
denominados "Users' Guides to Evidence-Based Practice".
Búsqueda de información:
Búsqueda de información:
1. Búsqueda de evidencia de primer nivel:
– www.clinicaltrials.gov
– www.uptodate.com
– www.cochrane.es
Búsqueda de información:
2. Búsqueda de bibliografía:
– Formulación de la pregunta de búsqueda
– Selección de recursos para la búsqueda: www.pubmed.gov
– Traducción de la pregunta al lenguaje documental
– Estrategias de búsqueda
– Recuperación de los trabajos localizados.
En la práctica el ejercicio de la MBE consiste
en cuatro pasos:
1. Formular de manera precisa una pregunta a partir del
problema clínico del paciente: cuatro elementos.
2. Localizar de forma exhaustiva las evidencias o pruebas
disponibles en la literatura.
3. Evaluación crítica de las evidencias o pruebas
disponibles, para establecer su validez (proximidad a la
realidad) y utilidad (aplicabilidad clínica).
En la práctica el ejercicio de la MBE consiste
en cuatro pasos:
1. Formular de manera precisa una pregunta a partir del
problema clínico del paciente: cuatro elementos.
2. Localizar de forma exhaustiva las evidencias o pruebas
disponibles en la literatura.
3. Evaluación crítica de las evidencias o pruebas
disponibles, para establecer su validez (proximidad a la
realidad) y utilidad (aplicabilidad clínica). • ECCA: son en la actualidad los máximos niveles de evidencia para juzgar la
efectividad de un tratamiento debido a que su diseño es el más confiable y sólido en
el área de la investigación clínica.
¿CÓMO INCORPORAR LA MBE A LA PRÁCTICA
PROFESIONAL?
No confiar
ciegamente en el
“criterio de
autoridad”
No abusar del
razonamiento
fisiopatológico
Sí utilizar
la mejor
evidencia
disponible
Sí tomar la mejor
decisión posible
en caso de
incertidumbre
No practicar
una “medicina
empírica”
Sí considerar
las preferencias
de los pacientes
La mejor evidencia depende del tipo de pregunta
Si la pregunta es sobre: El estudio que usa es:
Diagnóstico Transversal
Pronóstico Cohortes
Terapia Aleatorios y meta-análisis
Contenido de la capacitación:
1. Resumen de Medicina Basada en la Evidencia
2. Método científico
3. Variables: definición, clasificación, representación
4. Pruebas de asociación estadística entre dos variables
5. Índices estadísticos o parámetros estadísticos (NNT, RR..
6. Resumen y clasificación de los estudios epidemiológicos
7. Evaluación e interpretación de estudios publicados (MBE)
¿TODA LA INFORMACIÓN CIENTÍFICA “PESA” LO MISMO?
NIVELES DE EVIDENCIA (Canadian Task Force)
– Ia. Metaanálisis de ensayos clínicos controlados aleatorizados (ECCA).
– Ib. Al menos un ensayo clínico controlado, bien diseñado y aleatorizado.
– IIa. Al menos un ensayo clínico controlado, bien diseñado, no aleatorizado.
– IIb. Al menos un estudio experimental bien diseñado.
– III. Estudio descriptivo no experimental.
– IV. Informes de comités de expertos y opiniones o experiencia de expertos.
Estudios sobre Terapia, Prevención, Etiología y Daño
Recomendac. Nivel de evidencia Estudios sobre los que se basa
A
Nivel
1
1a Rev.Sist. C/homogeneización de estudios aleatorios controlados de alta calidad
1b Estudio controlado individual c/I.C. estrecho
1c Estudio “todo o nada”
B
Nivel 2 2a Rev.Sist. De estudios de cohortes
2b Estudio individual de cohortes, incluido EAC
2c Investigación de desenlaces
Nivel
3
3a Revisión Sist. De estudios de casos y controles
3b Estudio individual de casos y controles
C Nivel 4 Series de casos o estudios de cohortes o estudios de casos y controles de mala calidad
D Nivel
5
Opinión de expertos sin evaluación crítica explícita o basada en fisiología o “primeros principios”
Estudios sobre Pronóstico
Recomendación
Nivel de evidencia
Estudios sobre los que se basa
A Nivel
1
1a Revisión sist. C/ homogeneidad de cohortes de inicio o Guías de practica Cl validadas por test-set
1b Estudio individual de cohortes de “inicio” c/seguimiento mayor al 80%
1c Series de casos “todo o nada”
B Nivel
2
2a Rev.Sistemática c/homogeneidad de studios de cohortes retrospectivas o de EAC c/ controles no tratados
2b Cohorte retrospectiva o seguimiento de controles no tratados en una EAC o guía de práctica clínica no validada por test-set
2c Investigación de “desenlaces”
C Nivel 4 Series de casos y cohortes de mala calidad
D Nivel
5
Opinión de expertos sin evaluación crítica explícita, o basada en fisiología o “primeros Principios”
METODOLOGIA DE LA
INVESTIGACION CIENTIFICA.
Dr. Carlos Valencia Calderón, MD, PhD.
Neurólogo - Neurocirujano
Investigador del Proyecto PROMETEO, SENESCYT
Servicio de Neurocirugía. Hospital Baca Ortiz
21 de Abril de 2014
2
Método: • La palabra método deriva etimológicamente de las
raíces griegas metas que significa movimiento y odos
que significa camino, senda, dirección. Por tanto
método quiere decir camino hacia algo, ósea esfuerzo
para alcanzar un fin o realizar una búsqueda.
Método Científico.
Es el procedimiento para descubrir las
condiciones en que se presentan sucesos
específicos, caracterizado por ser tentativo,
verificable, de razonamiento riguroso y
observación empírica.
Es el conjunto de conocimientos que ha acumulado el hombre a lo largo de la historia
Observación Formular una
hipótesis
Experimento Conclusiones Generalización y
comunicación de
resultados
Es descubrir el
fenómeno y
formular el
problema a
investigar
Es buscar
explicaciones al
fenómeno
observado; estas
pueden ser
verdaderas o
falsas
Reproducir el
fenómeno
controlando
diferentes
variables
Es contrastar o
poner a juicio las
hipótesis
Dar una ley y
comunicar los
resultados a la
comunidad
científica
Observación de un fenómeno
Fleming fue un microbiólogo
que "accidentalmente" descubrió
la penicilina.
En 1928, mientras estudia
cultivos de estafilococos áureos
-bacterias responsables de la
formación del pus- uno de sus
cultivos bacterianos se
contaminó con un moho llamado
Penicillium. Un ejemplo de
observación
Son ejemplos de aparatos de
observación:
• Gafas
• Microscopios
• Telescopios
• Altavoces
• Lupa
• Cámara fotográfica
• Cámara de video
Formular una HIPÓTESIS
Hipótesis
• Son enunciados formulados
como respuestas tentativas a
preguntas de investigación.
• Pregunta de investigación
Hipótesis
Las dos hipótesis Hipótesis nula, H0
Hipótesis de no diferencia o no asociación, es planteada en forma opuesta a la pregunta de investigación de interés, definida para ser rechazada: “la tasa de resistencia a ambos antimaláricos es similar”
Hipótesis alternativa o alterna, H1
Es la pregunta científica de interés. Aceptaremos que H1 es verdadera si los datos sugieren que H0 es falsa: “la tasa de resistencia difiere entre ambos antimaláricos”
Las hipótesis se plantean
como: – De existencia del EFECTO (de un
tratamiento).
– De una DIFERENCIA (de las medias del
peso al nacer ó las proporciones del bajo
peso al nacer entre dos poblaciones).
– De la ASOCIACIÓN (entre el tipo de
construcción de las casas y la
distribución del dengue).
– La Altura produce incremento en la frecuencia de
nacimientos prematuros: Existe DIFERENCIA entre las
edades gestacionales de neonatos en la altura vs. a
nivel del mar.
– La sustancia X incrementa la posibilidad de
malformaciones congénitas: Existe DIFERENCIA en la
prevalencia de malformaciones congénitas entre
gestantes expuestas a X vs. no expuestas.
• Ejemplos adicionales:
Formulación de Hipótesis (continuación)
• Hipótesis Nula (Ho) :
– Enunciado formal para el contraste de hipótesis con métodos estadísticos: No hay asociación, No hay diferencia, No hay efecto.
• Hipótesis alternativa (H1):
– Hipótesis complementaria a Ho: Si hay asociación, Si hay diferencia, Si hay efecto.
• La Hipótesis nula y la Hipótesis alternativa
habitualmente (p. ej. en Epidemiología) se
plantean en función de una Medida del
Efecto.
• Medidas del efecto son:
– Diferencias de medias,
– Diferencias de prevalencias
– Razones de riesgo (Riesgos relativos)
– Razones de chances („Odds ratios‟)
¿Cuál hipótesis es verdadera (o
falsa)?
Con los datos de la muestra se calcula un valor (llamado estadístico de prueba) que sirve para decidir
si Ho es falsa y debe ser rechazada (única y exclusivamente para eso)
Si los resultados sugieren que se debe rechazar Ho, entonces automáticamente se acepta que H1 es
verdadera
Si los resultados no indican que se rechaze Ho tampoco se puede concluir nada sobre H1
Las hipótesis deben ser probadas de forma
rigurosa por la observación experimental.
Las que no superen las pruebas observadas
deberán ser eliminadas y reemplazadas por
otras.
EXPERIMENTACIÓN
Si los datos no están de
acuerdo con la hipótesis, se
rechaza y se realiza otro
experimento para contrastar
otra.
Si los datos están de
acuerdo con la hipótesis,
ésta se confirma y
obtenemos una
LEY FÍSICA
El científico intenta explicar
la ley obtenida junto a otras
leyes y otros fenómenos.
Es lo que constituye una
TEORÍA
Una buena teoría permite
al científico PREDECIR
nuevos fenómenos que
hay que buscar y estudiar.
OBSERVACIÓN
HIPÓTESIS
EXPERIMENTO
DATOS LEYES
TEORÍAS
OTRAS LEYES
Y FENÓMENOS
PREDICCIÓN
NUEVOS
FENÓMENOS
SI NO
Método Científico
Cómo funciona la Ciencia:
1. Se formula una hipótesis.
2. Se obtienen datos (variables)
3. La hipótesis es contrastada con la evidencia de
la muestra.
4. Conclusión
VARIABLES
1. Concepto
2. Clasificación
3. Descripción
4. Representación gráfica
5. Pruebas de asociación entre variables
VARIABLES
1. Concepto
2. Clasificación
3. Descripción
4. Representación gráfica
5. Pruebas de asociación entre variables
VARIABLES
NORMAS DE CONSENSO INTERNACIONALMENTE
ACEPTADAS EN LAS PUBLICACIONES DE
LITERATURA EN CIENCIAS DE LA SALUD
VARIABLES SON CADA UNO DE LOS CARACTERES
QUE SE REGISTRAN EN SUJETOS DE UN ESTUDIO
Y QUE PUEDEN TOMAR DISTINTOS VALORES
VARIABLES
1. Concepto
2. Clasificación
3. Descripción
4. Representación gráfica
5. Pruebas de asociación entre variables
BINARIAS
NO BINARIAS
SIGUEN UN ORDEN
RECUENTOS
MEDIDAS
INTERVALOS
Variables
Cualitativas
Dicotómicas
No dicotom. (>2)
Ordinales
Cuantitativas
Discretas
Continuas
Categorizadas
SEXO, ENFERMO
RAZA, EST. CIVIL
RANGO, NIVEL
Nº DE CRISIS, ETC
PESO, TALLA, SODIO
<1a, 1-5a, >5a.
Variables
Cualitativas
Dicotómicas
No dicotom. (>2)
Ordinales
Cuantitativas
Discretas
Continuas
Categorizadas
Ejemplos de variables:
1. Sexo o género: masculino, femenino
2. Grupo sanguíneo: A, B, AB, O
3. Nombres de alumnos: Roberto, José, María, Irma, etc
4. Actividades preferidas: cine, TV, lectura, etc.
5. Profesiones: médicos, ingenieros, maestros, militar
6. Tipo de actividad económica: vendedor, pintor, etc
7. Calidad del desempeño entre residentes: excelente, bueno, malo.
Insistamos..
Servicios que han presentado sus primeros
trabajos de investigación.
Anestesiología
Cirugía Pediátrica
Neurocirugía
Neurología
Odontología
Oncohematología
Otorrinolaringología
Servicio de Medicina Transfusional
Terapia Intensiva
http://www.salud.gob.ec/direccion-de-inteligencia-de-la-salud/
Pregunta.
El colesterol sérico es una variable:
1. Cuantitativa discreta
2. Cuantitativa continua
3. Cualitativa dicotómica
4. Cualitativa ordinal
5. Puede ser cualquiera
continua
Pregunta.
El número de arterias coronarias con estenosis es una
variable:
1. Cuantitativa discreta
2. Cuantitativa continua
3. Cualitativa dicotómica
4. Cualitativa ordinal
5. Puede ser cualquiera
discreta
Pregunta.
El número de camas ocupadas en un hospital, es una
variable de tipo:
1. Cuantitativa discreta
2. Cuantitativa continua
3. Cualitativa dicotómica
4. Cualitativa ordinal
5. Puede ser cualquiera
discreta
Pregunta.
Para estudiar la influencia que puede tener la dieta
en la prevalencia de la hipertensión infantil, se
estudian dos tipos de dietas contrarios en dos
regiones del país, y se seleccionan dos muestras de
niños en dos provincias, una de cada región, para
comparar el porcentaje de niños hipertensos en estas
provincias. En una de ellas hay el doble de niños
hipertensos que en otra….
Pregunta.
¿Qué tipo de variable es, en este estudio, el tipo de dieta?
1. Cuantitativa discreta
2. Cuantitativa continua
3. Cualitativa dicotómica
4. Cualitativa ordinal
5. Puede ser cualquiera
dicotómica
Pregunta.
Señale cuál de las siguientes es una variable cuantitativa
discreta:
1. Glucemia basal en la población general.
2. Sexo.
3. Número de camas.
4. Color del pelo.
5. Respuesta al tratamiento analgésico en un grupo de
personas con dolor lumbar crónico inespecífico.
3
Pregunta.
Un nuevo fármaco presenta entre sus efectos secundarios la
aparición de cefalea. En un estudio clasificamos a los
pacientes tratados con este fármaco en tres grupos: sin
cefalea, con cefalea leve, con cefalea intensa. Es una
variable
1. Dicotómica
2. Cuantitativa discreta
3. Cualitativa ordinal
4. Cuantitativa continua
5. Cualitativa no dicotómica
3
Pregunta. ¿Cuál de las siguientes opciones se corresponde con una
variable dicotómica?
1. Supervivencia medida en meses en pacientes con
metástasis óseas diseminadas.
2. Colesterolemia en pacientes diabéticos de más de 10 años
de evolución.
3. Ácido úrico en un grupo de personas escogidas al azar de
una zona rural.
4. Antecedente de consumo de cannabis en personas con
demencia senil.
5. Raza de personas con índice de masa corporal superior al
percentil 95.
4
VARIABLES
1. Concepto
2. Clasificación
3. Descripción
4. Representación gráfica
5. Pruebas de asociación entre variables
Variables
Cualitativas
Óptica transversal
Óptica de seguimiento
Cuantitativas
Basados en momentos
Basados en ordenaciones
INDICES DE
DISTRIBUCIONES
SIMÉTRICAS
Medias, variancias, ..
INDICES ESTÁTICOS
No incluyen el tiempo
Prevalencia o proporciones
Razones o cocientes, odds
INDICES DINÁMICOS
Si incluyen el tiempo
Incidencia: riesgo y tasas
DESCRIPCION DE DATOS. Medidas de frecuencia de un evento
INDICES DE
DISTRIBUCIONES
ASIMÉTRICAS
Medianas, cuartiles, …
Variables
Cualitativas
Óptica transversal
Óptica de seguimiento
Cuantitativas
Basados en momentos
Basados en ordenaciones
DESCRIPCION DE DATOS. Medidas de frecuencia de un evento
INDICES ESTÁTICOS:
Razones o cocientes:
r = n/d (0 a ∞)
Ej:
IPR= PR/PI
IPR=90/75 = 1,2 (20% de
exceso)
Prevalencias o Proporciones:
p = a/a+b (0 a 1)
Se pueden multiplicar por 100,
1000, 10000
Frecuencia relativa = D/D+nD
Odds: O=p/(1-p); (0 a ∞)
2;17-18,41
0= evento que nunca ocurre
1= evento que ocurre siempre
0= evento que nunca ocurre
∞= evento que ocurre siempre
Hemos aprendido lo que es una proporción?
• En cierta ocasión le preguntaron a un vendedor
que como podía vender tan baratos sus
sándwiches de pavo, a lo que respondió:
• “bueno, debo admitir que hay un poco de carne
de burro…
• … pero la mezcla es solo 50:50;
• uso el mismo número de pavos que de burros”
Variables
Cualitativas
Óptica transversal
Óptica de seguimiento
Cuantitativas
Basados en momentos
Basados en ordenaciones
DESCRIPCION DE DATOS. Medidas de frecuencia de un evento
INDICES DINÁMICOS:
1. Riesgo: probabilidad de
que un sujeto expuesto
presente el evento durante
un determinado periodo de
seguimiento.
Estudios de cohortes
RR >1FR, 1indiferente, <1 protector
Ejemplo:
Un grupo de 2000 mineros sanos al iniciar su trabajo, fue
seguido a lo largo de 10 años (N0=2000 son los sujetos que
inicialmente están en riesgo).
En este periodo de observación se presentaron 400 casos de
silicosis; los N1=1600 restantes finalizaron los 10 años sin
este problema.
Riesgo=proporción acumulada=incidencia acumulada=
R= N0-N1/N0 = 2000-1600/2000 = 400/2000 = 0,2 (20%)
Variables
Cualitativas
Óptica transversal
Óptica de seguimiento
Cuantitativas
Basados en momentos
Basados en ordenaciones
DESCRIPCION DE DATOS. Medidas de frecuencia de un evento
INDICES DINÁMICOS:
1. Riesgo: probabilidad de
que un sujeto expuesto
presente el evento durante
un determinado periodo de
seguimiento.
2. Tasa: es un indicador de
cambio entre dos
magnitudes, e incorporan
el tiempo en su fórmula
(como el cambio de la
glucemia de un diabético
por cada unidad de insulina
administrada)
Ejemplo:
Un grupo de 2000 mineros sanos al iniciar su trabajo, fue
seguido a lo largo de 10 años (N0=2000 son los sujetos que
inicialmente están en riesgo).
En este periodo de observación se presentaron 400 casos de
silicosis; los N1=1600 restantes finalizaron los 10 años sin
este problema.
Tasa= N0-N1/t = 2000-1600/10 = 400/10 = 40 casos x año
(las tasas expresan la velocidad de presentación de los eventos).
Pregunta 1.
Se desea evaluar la eficacia del tratamiento
farmacológico con tricíclicos en la enuresis. Para
ello se administró imipramina a una muestra de 150
niños con diagnóstico de enuresis. Los datos de este
estudio indican que al cabo de 4 meses la enuresis
ha desaparecido en 24 niños.
¿Cuál es el riesgo de curarse a los 4 meses?, ¿Cuál
es la tasa de curación?
24/150 = 0,16
24/4 = 6 casos*mes
2;23
993
3/1000 = 0,003
4/999 = 0,004
2/997 = 0,002
4/997
2/997
2/995
Prevalencia e incidencia de un evento
Prevalencia e incidencia de un evento
Caso 1
Caso 2
Caso 3
Caso 4
Caso 5
Caso 6
Caso 7
Casos 8 a 1000
1-01-2012 1-07-2012 31-12-2012
D
C
C
D
D
2;29
Durante este periodo, ¿cuántos sujetos han
permanecido libres de la enfermedad?
• r =
Calcule la prevalencia de la enfermedad el:
a. 1-01-2012:
b. 1-07-2012:
c. 31-12-2012:
Cuál es el riesgo de la enfermedad en el
año 2012?
• r =
Calcule el riesgo:
a. En el primer semestre del 2012
• r =
b. En el segundo semestre del 2012
• r =
993
3/1000 = 0,003
4/999 = 0,004
2/997 = 0,002
4/997
2/997
2/995
Prevalencia e incidencia de un evento
Caso 1
Caso 2
Caso 3
Caso 4
Caso 5
Caso 6
Caso 7
Casos 8 a 1000
1-01-2012 1-07-2012 31-12-2012
D
C
C
D
D
2;29
Prevalencia e incidencia de un evento
Caso 1
Caso 2
Caso 3
Caso 4
Caso 5
Caso 6
Caso 7
Casos 8 a 1000
1-01-2012 1-07-2012 31-12-2012
D
C
C
D
D
2;29
Caso 1 *
Caso 2 *
Caso 3 *
Caso 4 *
Caso 5 *
Caso 6 *
Caso 7 *
Caso 8 *
Caso 9 *
Caso 10*
Grupo A
Grupo B
2;33
Vamos a estudiar 2 grupos de 5
pacientes con lesiones cutáneas
Caso 1 *
Caso 2 *
Caso 3 *
Caso 4 *
Caso 5 *
Caso 6 *
Caso 7 *
Caso 8 *
Caso 9 *
Caso 10*
Días 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Fármaco A
Fármaco B
Inicio del
tratamiento
Fin del
tratamiento
2;33
Aplicamos x 14d los fármacos A y
B a los grupos. Objetivos: al final
del periodo las lesiones han
desaparecido en tantos..
Caso 1 * * *
Caso 2 * * * *
Caso 3 * * * * * * * * * * * * * * * …
Caso 4 * * * *
Caso 5 * * *
Caso 6 *
Caso 7 *
Caso 8 *
Caso 9 *
Caso 10*
Días 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Fármaco A
Fármaco B
Inicio del
tratamiento
Fin del
tratamiento
Caso 1 * * *
Caso 2 * * * *
Caso 3 * * * * * * * * * * * * * * * …
Caso 4 * * * *
Caso 5 * * *
Caso 6 * * * * * * * *
Caso 7 * * * * * * * * * * * * * * * …
Caso 8 * * * * * * * * *
Caso 9 * * * * * * * * * *
Caso 10* * * * * * *
Días 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Fármaco A
Fármaco B
Inicio del
tratamiento
Fin del
tratamiento
Calcule el riesgo de curaciones a los 14 días
en los grupos A y B:
• A =
• B =
Calcule el cociente o la razón entre los dos
riesgos = riesgo relativo:
• RR = RA / RB
Este resultado (RR=1) indica que el riesgo de
estar curado a los 14 días es el mismo con ambos
tratamientos, pero… ¿esta información es correcta,
es suficiente?
4/5
4/5
1
Necesitamos conocer:
• La tasa media de incidencia de curaciones
o Hazard rate, y
• El cociente entre estas dos tasas o razón
de tasas o Hazard ratio
RR >1FR, 1indiferente, <1 protector
La tasa media de incidencia de curaciones o Hazard rate (I):
Nº de nuevos casos en un momento dado
I = -----------------------------------------------------------
Suma de unidades de tiempo que los sujetos de la
población han estado en riesgo
Hazard rate (IA):
4
I = ---------------- = 0,17
2+3+14+3+2
Hazard rate (IB):
4
I = ---------------- = 0,09
7+14+8+9+6
El cociente entre las dos tasas o razón de tasas o Hazard ratio (HR)
HR = IA / IB = (4/24) / (4/44) = 0,17 / 0,09 = 1,8
Este resultado 1,8 indica que
si se administra el fármaco
A, en lugar del B, la tasa de
curaciones se multiplica por
1,8 (velocidad media de
desaparicion de las lesiones.
Variables
Cualitativas
Óptica transversal
Óptica de seguimiento
Cuantitativas
Basados en momentos
Basados en ordenaciones
INDICES DE
DISTRIBUCIONES
SIMÉTRICAS
INDICES ESTÁTICOS
No incluyen el tiempo
Momento temporal. Prevalencia
INDICES DINÁMICOS
Si incluyen el tiempo
Periodo temporal. Incidencia
DESCRIPCION DE DATOS. Medidas de frecuencia de un evento
INDICES DE
DISTRIBUCIONES
ASIMÉTRICAS
Variables
Cualitativas
Óptica transversal
Óptica de seguimiento
Cuantitativas
Basados en momentos
Basados en ordenaciones
INDICES DE
DISTRIBUCIONES
SIMÉTRICAS
DESCRIPCION DE DATOS. Medidas de frecuencia de un evento
Tendencia central: medias
Dispersión: variancia, SD*, CV
Asimetría: coef. de asimetría (+/-)
Apuntamiento: coef. apuntamiento
*Dispersión = variabilidad; SD=
raíz cuadrada positiva de la
variancia; 1:30-7
Dist.simétrica =0; asimetría
positiva/der >0 ; asimetría
negativa/izq <0
Mesocúrtica 2=0; leptocúrtica
2>0; platicúrtica 2<0
INDICES DE DISTRIBUCIONES
SIMÉTRICAS: Tendencia central
-3 -2 -1 0 1 2 3
z
68%
99%
95%
68,0 %
2 95,0 %
3 99,7 %
Probabilidades de la curva N (0,1):
INDICES DE DISTRIBUCIONES
SIMÉTRICAS: Tendencia central
• Ejemplo 1:
• Cuál es la edad promedio de aparición de los
principales eventos vasculares isquémicos?
INDICES DE DISTRIBUCIONES
SIMÉTRICAS: Tendencia central
• Ejemplo 1:
• Cuál es la edad promedio de aparición de los
principales eventos vasculares isquémicos?
IAM
60 años
EVC
70 años
INDICES DE DISTRIBUCIONES
SIMÉTRICAS: Tendencia central
• Ejemplo 2:
• Se desea conocer la estatura promedio de los
alumnos de 10º curso del colegio Mejía.
INDICES DE DISTRIBUCIONES
SIMÉTRICAS: Tendencia central
• Ejemplo 2:
• Se desea conocer la estatura promedio de los
alumnos de 10º curso del colegio Mejía.
Mujeres
164 cm
Hombres
172 cm
INDICES DE DISTRIBUCIONES SIMÉTRICAS:
Tendencia central y Dispersión
• Promedio o media
• Desviación estándar
• Ejemplo 3:
• Se desea comparar la estatura promedio entre los
alumnos del 10º A y el 10º B.
INDICES DE DISTRIBUCIONES SIMÉTRICAS:
Tendencia central y Dispersión
• Ejemplo 3:
• Se desea comparar la estatura promedio entre los
alumnos del 10º A y el 10º B.
10º A = 172 cm (SD 17,5)
10º B = 172 cm (SD 25,3)
La talla de la población A está más agrupada alrededor dela media
La talla de la población B presenta mayor variabilidad
INDICES DE DISTRIBUCIONES SIMÉTRICAS:
Tendencia central y Dispersión
• Ejemplo 4:
• Se desea …..
INDICES DE DISTRIBUCIONES SIMÉTRICAS:
Tendencia central, Dispersión y Asimetría
Positiva = una cola de la distribución se aleja por la derecha = valores anormalmente altos respecto a la media
Negativa = una cola de la distribución se aleja por la izquierda = valores anormalmente bajos respecto a la media
• Ejemplo 4:
• Se desea valorar parámetros analíticos en la IRC
1< 0
Positiva = una cola de la distribución se aleja por la derecha = valores anormalmente altos respecto a la media
Negativa = una cola de la distribución se aleja por la izquierda = valores anormalmente bajos respecto a la media
INDICES DE DISTRIBUCIONES SIMÉTRICAS:
Tendencia central, Dispersión y Asimetría
1 = 0 1 > 0
Ejemplo de curtosis (dist. Mesocúrtica)
NORMAL
4.253.75
3.252.75
2.251.75
1.25.75
.25-.25
-.75-1.25
-1.75-2.25
-2.75
-3.25-3.75
1200
1000
800
600
400
200
0
Desv. típ. = 1.01
Media = -.00
N = 10000.00
• Ejemplo 4:
• Se desea valorar parámetros analíticos en la IRC
2 > 0
Positiva = una cola de la distribución se aleja por la derecha = valores anormalmente altos respecto a la media
Negativa = una cola de la distribución se aleja por la izquierda = valores anormalmente bajos respecto a la media
INDICES DE DISTRIBUCIONES SIMÉTRICAS:
Tendencia central, Dispersión y Asimetría
2 = 0 2 < 0
Ejemplos
• Se desea conocer los niveles de glucemia de los
pacientes ingresados en el HBO.
• Se toma una muestra de sangre de 10 pacientes.
• Se calcula la media (promedio) y la desviación
estándar de los valores obtenidos.
Niveles de glucemia 70
80
90
100
110
75
85
95
195
100
Voluntarios?
= 100
= 35,6
Estimación puntual:
La glucemia promedio de la población
es de 100 mg/dl (SD 35,6)
Estimación de intervalo:
IC = ± Z(/√n)
100 ± 1,96 (35,6 / √10)
93, 107 IC: es el intervalo que, con un grado
específico de confianza, incluye al
parámetro poblacional que se desea
estimar Interpretación:
Con una confianza del 95% podemos
decir que el verdadero valor de la
glucemia promedio de los ingresados
se halla entre 93 y 107 mg/dl
Variables
Cualitativas
Óptica transversal
Óptica de seguimiento
Cuantitativas
Basados en momentos
Basados en ordenaciones
INDICES DE
DISTRIBUCIONES
ASIMÉTRICAS
DESCRIPCION DE DATOS. Medidas de frecuencia de un evento
Tendencia central: mediana
Dispersión: Cuartiles, IQR, QD, CV
Asimetría: índice de simetría
Moda y amplitud
• Ejemplo 4:
• Se desea valorar parámetros analíticos en la IRC
Positiva = una cola de la distribución se aleja por la derecha = valores anormalmente altos respecto a la media
Negativa = una cola de la distribución se aleja por la izquierda = valores anormalmente bajos respecto a la media
INDICES DE DISTRIBUCIONES SIMÉTRICAS
Y ASIMÉTRICAS
> Md ≥ Mo < Md ≤ Mo = Md ≈ Mo
Pregunta.
En relación con la mediana, es cierto:
1. Es un parámetro de dispersión
2. En una muestra homogénea puede haber más de una
mediana
3. Su valor siempre coincide con alguno de los datos de la
muestra
4. En muestras homogéneas coincide con la media
5. En muestras no homogéneas coincide con la moda
4
Pregunta.
Con respecto a la campana de Gauss, una de las siguientes
afirmaciones es FALSA:
1. Es una curva simétrica alrededor de la media.
2. Tiene forma acampanada, haciéndose la base más ancha
cuanto más homogénea sea la variable estudiada.
3. El área bajo la curva es 100%
4. El 68% de las observaciones se encuentra dentro del
intervalo media +/- desviación típica
5. Va desde – infinito a + infinito.
2
Pregunta.
¿Qué medida utilizaría para describir la tendencia central de
los valores: 46, 49, 52, 53, 54, 98?
1. Desviación estándar
2. Media
3. Mediana
4. Moda
5. Coeficiente de variación
mediana
Pregunta.
La diferencia entre el mayor de los valores observados y el
menor, en una muestra, se denomina:
1. Desviación estándar
2. Media
3. Mediana
4. Moda
5. Rango
rango
Pregunta.
¿Cuál es la medida de dispersión más empleada en una
distribución homogénea?
1. Desviación estándar
2. Media
3. Mediana
4. Moda
5. Coeficiente de variación
desviación
Pregunta.
Medimos la altura de los profesionales del HBO. Una vez
obtenido los datos, si no hay observaciones atípicas, el
mejor parámetro de centralización es:
1. Desviación estándar
2. Media
3. Mediana
4. Moda
5. Coeficiente de variación
media
Pregunta.
Deseamos conocer la cifra media de eritropoyetina en la
población de enfermos renales. Para estimar dicho
parámetro, necesitamos:
1. Media muestral y rango
2. Desviación estandar y mediana
3. Coeficiente de variación y moda
4. Tamaño de la muestra
5. Media, desviación estandar y tamaño de la muestra
5
Pregunta.
¿Qué le sugeriría hallar en un estudio estadístico una media
y una mediana muy distintas?
1. Error de selección
2. Existencia de valores atípicos en los datos recogidos
3. Hay que calcular la desviación estándar
4. Error de cálculo
5. Necesidad de emplear otras medidas
2
Variables
Cualitativas
Óptica transversal
Óptica de seguimiento
Cuantitativas
Basados en momentos
Basados en ordenaciones
INDICES DE
DISTRIBUCIONES
SIMÉTRICAS
Medias, variancias, ..
INDICES ESTÁTICOS
No incluyen el tiempo
Prevalencia o proporciones
Razones o cocientes, odds
INDICES DINÁMICOS
Si incluyen el tiempo
Incidencia: riesgo y tasas
DESCRIPCION DE DATOS. Medidas de frecuencia de un evento
INDICES DE
DISTRIBUCIONES
ASIMÉTRICAS
Medianas, cuartiles, …
VARIABLES
1. Concepto
2. Clasificación
3. Descripción
4. Representación gráfica
5. Pruebas de asociación entre variables
• Tablas resumen
• Gráficos
Representación de los resultados
descriptivos
Características de las Tablas Resumen
• Tablas resumen
1. Simplificación
2. Clarificación
3. autoexplicación
• Tablas resumen
1. Grupos por columnas
2. Índices descriptivos por filas
Características de las Tablas Resumen
No presentar porcentajes en muestras muy
reducidas.
Por ejemplo, decir que el 75% de los sujetos
responden bien a un tratamiento aporta información
«tendenciosa» si lo que se observa son 6 mejoras en
una muestra total de 8 pacientes.
Estudio descriptivo sobre práctica de actividad física en niños
Tabla 1. Por sexo
Masc. Femen. TOTAL
SI 290
(60,3%)
160
(34,5%)
450
(47,6%)
NO 191
(39,7%)
304
(65,5%)
495
(52,4%)
TOTAL 481
(50,9%)
464
(49,1%)
945
(100%)
Tabla 2. Por edad
8 a 12 A 13 a 16 A TOTAL
SI 232
(48,9%)
218
(46,3%)
450
(47,6%)
NO 242
(51,1%)
253
(53,7%)
495
(52,4%)
TOTAL 474
(50,2%)
471
(49,8%)
945
(100%)
Act
ivid
ad f
ísic
a
Act
ivid
ad f
ísic
a p =
0,603 0,345
p =
0,489 0,463
Estudio de la diabetes mellitus en adolescentes
Diabéticos Controles
Número de sujetos 60 84
Sexo
Masculino
Femenino
26 (43,3%)
34 (56,7%)
40 (47,6%)
44 (52,4%)
Peso (kg) Media (SD) 56,3 (8,2) 52,7 (7,8)
Edad (años) Moda (amplitud) 15 (12 a 18) 14 (12 a 17)
Glucosa en sangre (mg/dl) Mediana (amplitud intercuartil)
130 (112 a 131)
80 (75 a 92)
Variables
Cualitativas
Dicotómicas
No dicotom. (>2)
Ordinales
Cuantitativas
Discretas
Continuas
Categorizadas
BARRAS
SECTORES / PASTEL
BARRAS
SECTORES / PASTEL
BARRAS / LINEAS
BARRAS* / LINEAS*
AREAS* / BOXPLOT
HISTOGRAMAS
POLIG. DE FREC. BOXPLOT, SCATTERPLOT
REPR. GRÁFICA
HISTOGRAMAS
POLIG. DE FREC.
BOXPLOT
Características de las representaciones
gráficas
1. Simplificación
2. Clarificación
3. autoexplicación
Lateralidad del Lenguaje.
Hemisferio Izquierdo: 98%
Hemisferio derecho: 2%
Hemisferio Izquierdo: 70%
Hemisferio derecho: 15%
Bilateral: 15%
DICOTÓMICAS
NACIONALIDAD
NO DICOTÓMICAS
Abscisas X
O
r
d
e
n
a
d
a
s
Y
0
5
10
15
20
25
H1 H2 H3 HOSPITALES
TA
SA
X 1
,00
0
EG
RE
SO
S
0
5
10
15
20
25
H1 H2 H3 HOSPITALES
TA
SA
X 1
,00
0
EG
RE
SO
S
TASA BRUTA DE
INFECCIONES
NOSOCOMIALES
DE 2012
NO DICOTÓMICAS
0
5
10
15
20
25
H1 H2 H3 HOSPITALES
TA
SA
X 1
,00
0
EG
RE
SO
S
0
5
10
15
20
25
H1 H2 H3 HOSPITALES
TA
SA
X 1
,00
0
EG
RE
SO
S
0
5
10
15
20
25
30
H1 H2 H3 HOSPITALES
TA
SA
X 1
,000
EG
RE
SO
S
0
5
10
15
20
25
30
H1 H2 H3 HOSPITALES
TA
SA
X 1
,000
EG
RE
SO
S TASA AJUSTADA
DE MORTALIDAD
DE 2012
NO DICOTÓMICAS
TASA BRUTA DE
INFECCIONES
NOSOCOMIALES
DE 2012
• Aterotrombosis La principal causa de muerte a nivel mundial
Aterotrombosis
(enfermedad vascular)
Enfermedades
infecciosas
Enfermedad
pulmonar
Cancer
Muertes
violentas
SIDA
Número de muertes (x 106)
Murray et al. Lancet 1997;349:1269-1276.
0 2 4 6 8 10 12 14 16
NO DICOTÓMICAS
Mala calidad 44%
Falta de recursos 30%
Ninguno 2%
Otros/No sabe 4%
Poca accesibilidad 11%
Altos costos de pago múltiple 9%
Fuente: Encuesta Nacional de Satisfacción con los Servicios de Salud, Fundación Mexicana para la Salud. 2012.
La insatisfacción de la
población se refiere
fundamentalmente a la mala
calidad de los servicios que
recibe .
PRINCIPAL PROBLEMA DE LOS SERVICIOS DE SALUD EN LATINOAMERICA
NO DICOTÓMICAS
DISCRETAS
ORDINALES
DISCRETAS
PERCEPCION DE CALIDAD DE LOS SERVICIOS PÚBLICOS
agosto, 2013
Buena Excelente
42% 2%
42% 1%
36% 2%
53% 2%
18% 1%
35% 2%
0% 10% 20% 30% 40% 50% 60%
Agua y drenaje
Teléfonos
Transporte Público
Escuelas Públicas
Policía
Servicios de salud
44%
43%
38%
55%
19%
37%
1,304 entrevistas
Para la población de nuestro país, sólo los servicios policiacos son
percibidos de menor calidad que los servicios de salud.
DISCRETAS
DISCRETAS MINISTERIO DE SALUD PÚBLICA
HOSPITAL BACA ORTIZ
SERVICIOS QUIRURGICOS
SERVICIO
CIRUGIAS REALIZADAS 2013
ENERO FEBRERO MARZO ABRIL
CARDIOTORACICA 23 22 17 19
CIRUGIA PEDIATRICA 188 198 193 214
CIRUGIA PLASTICA 22 44 40 50
ESTOMATOLOGIA 63 50 72 72
NEUROCIRUGIA 52 59 44 50
OFTALMOLOGIA 68 66 77 85
OTORRINOLARINGOLOGIA 42 37 30 42
TRAUMATOLOGIA 164 155 154 184
UROLOGIA 54 45 43 65
TOTAL 676 676 670 781
Hagamos
un
ejercicio:
Líneas y
l.múltiples
Algún
voluntario
?
CATEGORIZADAS
• Se desea comparar la distribución de frecuencias de las
edades de los varones muertos por leucemia con un
histograma (cuántas variables estamos estudiando?)
Edad/años Muertes/año
0-9 0,8
10-19 0,6
20-29 0,9
30-39 1,0
40-49 1,4
50-59 1,3
60-69 0,4
70-79 0,1
80-89 0
90-99 0,1
CATEGORIZADAS
“Si oigo algo, lo olvido. Si lo veo, lo entiendo.
Si lo hago, lo aprendo”. Confucio (551-478 A.C)
Scatter Plot
CONTINUAS
• Denota fuerza de relación
entre variables continuas R=+1
R=?
R=-1
R=0
Pregunta.
Un coeficiente de correlación de Pearson de -1 indica:
1. No hay correlación
2. Existe una débil correlación
3. Existe una fuerte correlación
4. Al aumentar los valores de la variable X, aumentan los
valores de la variable Y
5. Al disminuir los valores de la variable X, disminuyen
los valores de la variable Y
3
Scatter Plot
CONTINUAS
Ren
dim
iento
esc
ola
r
Número de horas frente al televisor
Scatter Plot
CONTINUAS
Boxplot o Diagrama de caja y bigotes
• Es una gráfica que describe características
importante tanto de la dispersión como la simetría
de una distribución.
• La forma más simple de su realización incorpora
al gráfico cinco valores: mínimo, Q1, Q2, Q3 y
máximo, además de los valores atípicos y la
simetría de la distribución.
• Está compuesto por un rectángulo (la caja), y los
dos brazos (los bigotes).
CONTINUAS
Boxplot o Diagrama de caja y bigotes
○○ ○○
Mínimo
Máximo
Q1
Mediana
Q3
Valores
Atípicos
mínimos
Valores
Atípicos
máximos
Boxplot o Diagrama de caja y bigotes
Ejemplo: realizar un boxplot a partir de la siguiente distribución de valores
de glucemia:
60, 75, 62, 102, 63, 110, 68, 98, 74, 82, 65, 66, 94, 69, 100, 74, 92, 87, 150,
70, 93, 85, 35
MIN= 35
Q1= 67
Q2= 75
Q3= 93,5
MAX= 150
0 25 50 75 100 125 150 175
Boxplot o Diagrama de caja y bigotes
0 25 50 75 100 125 150 175
Ejemplo: realizar un boxplot a partir de la siguiente distribución de valores
de glucemia:
60, 75, 62, 102, 63, 110, 68, 98, 74, 82, 65, 66, 94, 69, 100, 74, 92, 87, 150,
70, 93, 85, 35
MIN= 35
Q1= 67
Q2= 75
Q3= 93,5
MAX= 150
73253N =
País de origen
EuropaEE.UU.
Peso
tota
l (kg
)
1800
1600
1400
1200
1000
800
600
400
Boxplot o Diagrama de caja y bigotes
Boxplot o Diagrama de caja y bigotes
RANGO INTERCUARTILICO (RI) Y VALORES ATÍPICOS
RI = Q3 – Q1
Q1= 67
Q3= 93,5
RI = 93,5 – 67
RI =
VALORES ATÍPICOS:
1. LEVES:
• Min: Q1 – 1,5(RI)
• Max: Q3 + 1,5(RI)
2. EXTREMOS
• Min: Q1 – 3(RI)
• Max: Q3 + 3(RI)
Boxplot o Diagrama de caja y bigotes
RANGO INTERCUARTILICO (RI) Y VALORES ATÍPICOS
VALORES ATÍPICOS:
1. LEVES:
• Min: Q1 – 1,5(RI)
• Max: Q3 + 1,5(RI)
2. EXTREMOS
• Min: Q1 – 3(RI)
• Max: Q3 + 3(RI)
DISPERSIÓN DE LAS CALIFICACIONES POR CAPITULO EN LOS HOSPITALES
EVALUADOS EN LA CERTIFICACIÓN
n = 492
ESTRUCTURA
FUNCIONES DE ATENCIÓN AL
PACIENTE
FUNCIONES DE APOYO A LA
ATENCIÓN DEL PACIENTE
INDICADORES
70
75
80
85
90
65
Po
rcen
taje
SS 165
IMSS 185
ISSSTE 22
PEMEX 20
PRIV. 88
SSDF 12
Pregunta.
Se mide la glucemia basal en un grupo de personas
diabéticas. ¿Qué gráfico le parece adecuado para
representar esta variable?
1. Diagrama sectorial
2. Diagrama de rectángulos
3. Diagrama de barras
4. Histograma
5. Pastel.
histograma
Pregunta.
¿Cuál de las siguientes representaciones gráficas NO es
adecuada para variables cualitativas?
1. Diagrama sectorial
2. Diagrama de rectángulos
3. Diagrama de barras
4. Histograma
5. Pastel.
histograma
VARIABLES
1. Concepto
2. Clasificación
3. Descripción
4. Representación gráfica
5. Pruebas de asociación entre variables
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
• Mnemotecnia:
GRUPOS V.I V.D N>30 N<30
≥ 2 cualitativa cualitativa Chi cuadrado Rango
cuali-dicot. cuantitativa t de Student W, MW, KW*
cuali-no-di cuantitativa ANOVA W, MW, KW*
cuantitativa cuantitativa Correlación
Regresión
Rho Spearman
Tabaco y PA
Tabaco y PA
Tabaco y PA
Tabaco y PA
Wilcoxon, Mann-Whitney, Kruskal-Wallis
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
• Mnemotecnia:
GRUPOS V.I V.D N>30 N<30
1 cualitativa cualitativa T. De McNemar
cualitativa cuantitativa t. Student apar. Wilcoxon
cuantitativa cuantitativa ANOVA apar. Friedman
Tabaco y PA
Tabaco y PA
Tabaco y PA
Tabaco y PA
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
Son técnicas que se
utilizan para rechazar o
no una hipótesis
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
• Ejemplo:
• Deseo saber si el nivel educativo de los padres
influye en el rendimiento académico de los hijos.
• Cuál es la hipótesis?
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
• Ejemplo:
• Deseo saber si el nivel educativo de los padres
influye en el rendimiento académico de los hijos.
• Cuál es la hipótesis?
– A mayor nivel educativo de los padres, mayor
rendimiento académico de los alumnos.
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
Qué variables estamos manejando?
• Nivel educativo de los padres
• Rendimiento académico de los hijos
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
Qué variables estamos manejando?
• Nivel educativo de los padres (VI)
• Rendimiento académico de los hijos
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
Qué variables estamos manejando?
• Nivel educativo de los padres (VI)
• Rendimiento académico de los hijos (VD)
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES (paso 2)
Pruebas paramétricas y no
paramétricas
• Paramétricas: método donde la distribución de
muestreo es conocida (n ≥ 30).
• No paramétrica: método que no requiere
conocimiento de la distribución del muestreo
estadístico (<30).
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
• Mnemotecnia:
GRUPOS V.I V.D N>30 N<30
≥ 2 cualitativa cualitativa Chi cuadrado Rango
cuali-dicot. cuantitativa t de Student W, MW, KW*
cuali-no-di cuantitativa ANOVA W, MW, KW*
cuantitativa cuantitativa Correlación
Regresión
Rho Spearman
Tabaco y PA
Tabaco y PA
Tabaco y PA
Tabaco y PA
Wilcoxon, Mann-Whitney, Kruskal-Wallis
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
• Mnemotecnia:
GRUPOS V.I V.D N>30 N<30
1 cualitativa cualitativa T. De McNemar
cualitativa cuantitativa t. Student apar. Wilcoxon
cuantitativa cuantitativa ANOVA apar. Friedman
Tabaco y PA
Tabaco y PA
Tabaco y PA
Tabaco y PA
PRUEBAS DE SIGNIFICACION ESTADISTICA
ENTRE DOS VARIABLES
• Usada para probar la fuerza de asociación entre dos
variables cualitativas
Actividad super práctica.
Participemos de forma animada y
aprenderemos más
Cinco grupos y cinco preguntas
Pregunta 1.
Un ensayo clínico evalúa tres pautas terapéuticas en niños
con insuficiencia renal. Para comparar las cifras de
creatinina observadas en los tres grupos a los 6 meses de
tratamiento, ¿qué prueba estadística les parece más
adecuada?:
1. Anova
2. t de Student para datos independientes
3. Coeficiente de correlación
4. Chi-cuadrado
5. Correlación de Spearman.
Anova
Pregunta 2.
Un ensayo clínico evalúa dos pautas terapéuticas en niños
con hipertensión arterial. Para comparar los porcentajes de
niños controlados observadas en cada grupo a los 3 meses
de tratamiento, ¿qué prueba estadística les parece más
adecuada?:
1. Anova
2. t de Student para datos independientes
3. t de Student para datos apareados
4. Chi-cuadrado
5. Correlación de Spearman.
Chi-cuadrado
Pregunta 3. Para contrastar la hipótesis, en un estudio de casos y
controles, de que la media de creatinina (medida en mg/dl)
es diferente en los pacientes con insuficiencia renal (80
casos), que en los pacientes que no presentan esta
enfermedad (100 controles), ¿qué prueba estadística les
parece más adecuada?:
1. Prueba de Fisher
2. t de Student para datos independientes
3. Correlación de Pearson
4. Chi-cuadrado
5. Correlación de Spearman.
t de Student
TIPOS DE DISEÑO
VARIABLE
DEPENDIENTE
VARIABLE
INDEPENDIENTE TEST
Cualitativa
dicotómica
Cualitativa no
dicotómica
Cuantitativa
Cuantitativa
T-Student
ANOVA
Pregunta 4.
Se está realizando un estudio para conocer el efecto de un
nuevo analgésico. La variable principal de respuesta es una
escala de dolor con los siguientes valores: 1 (no dolor), 2
(dolor leve), 3 (dolor moderado) y 4 (dolor intenso). ¿De
qué tipo de variable se trata?:
1. Variable dicotómica.
2. Variable continua.
3. Variable discreta.
4. Variable ordinal.
5. Variable cuantitativa
ordinal
Pregunta 5.
De acuerdo a su respuesta anterior, ¿Cómo representaría
gráficamente esta variable?
1. En diagrama de sectores (pastel).
2. En diagrama de barras/líneas.
3. En forma de polígonos de frecuencia.
4. En forma de histograma.
5. Cualquier gráfico es válido.
barras
Pregunta 6.
Qué prueba estadística emplearía para evaluar la diferente
eficacia (porcentaje de respuestas positivas) entre dos
fármacos?
1. Anova
2. t de Student para datos independientes
3. t de Student para datos apareados
4. Chi-cuadrado
5. Correlación de Spearman.
Chi-cuadrado
Pregunta 7.
Qué test utilizarías para comparar la relación existente entre
la tensión arterial y la frecuencia cardíaca?
1. Anova
2. t de Student para datos independientes
3. Coeficiente de correlación de Pearson
4. Chi-cuadrado
5. Correlación de Spearman.
Coeficiente
Respuestas.
1. 1
2. 4
3. 2
4. 4
5. 2
barras
Auto-calificación rotacional:
Por cada acierto = suman 3 puntos
Por cada fallo = restan 1 punto
Puntuación máxima: 15 puntos
Puntuación mínima: - 5 puntos
Equipo ganador: el que tenga mayor puntuación
PRUEBAS DIAGNÓSTICAS
FALSO POSITIVO
FALSO NEGATIVO
ERROR ALFA
ERROR BETA
SENSIBILIDAD
ESPECIFICIDAD
AREA BAJO LA CURVA (ROC)
VALOR PREDICTIVO POSITIVO
VALOR PREDICTIVO NEGATIVO
VALOR GLOBAL DEL TEST (Efficiency)
RAZÓN DE VEROSIMILITUD + (Likelihood ratio +)
Una etapa crucial en todo estudio epidemiológico es identificar los
casos (sujetos con la enfermedad o evento objeto de análisis).
Una prueba diagnóstica se considera un dato válido para el
diagnóstico de una enfermedad cuando clasifica (con pocos
errores) a los sujetos según presenten o no la enfermedad.
Por esta razón es importante determinar el grado de concordancia
entre el resultado de la prueba y el diagnóstico de referencia que es
un criterio fiable y aceptado como una medida válida de la
enfermedad.
PRUEBAS DIAGNÓSTICAS
INDICES DE DISTRIBUCIONES
SIMÉTRICAS: Tendencia central
-3 -2 -1 0 1 2 3
z
68%
99%
95%
68,0 %
2 95,0 %
3 99,7 %
Probabilidades de la curva N (0,1):
Suponga un diseño que aplica una prueba diagnóstica
cuantitativa (glucemia en ayunas) a dos muestras, una de
sujetos que no padecen la enfermedad (controles) y a otra
de sujetos que la padecen (casos).
PRUEBAS DIAGNÓSTICAS
Si se establece un punto de corte, los sujetos se pueden
clasificar en sanos o enfermos según el valor obtenido en la
prueba sea inferior o superior al punto de corte elegido, pero
esta clasificación comporta dos tipos de errores:
PRUEBAS DIAGNÓSTICAS
• Falsos positivos: sujetos sanos diagnosticados como enfermos.
La probabilidad de cometer este error se designa por .
• Falsos negativos: sujetos enfermos diagnosticados como sanos.
La probabilidad de cometer este error de designa por .
PRUEBAS DIAGNÓSTICAS
PRUEBAS DIAGNÓSTICAS Ejemplo:
Se ha registrado la glucemia (mg/dl) en ayunas en dos muestras, una de
50 niños no diabéticos y otra de 50 niños recién confirmada su diabetes
con pruebas de tolerancia a la glucosa (diagnóstico de referencia). La
tabla presenta los datos de glucemia para el punto de corte 100 mg/dl:
Sin diabetes Con diabetes TOTAL
Glucemia > 100 8 36 44
Glucemia < 100 42 14 56
TOTAL 50 50 100
PRUEBAS DIAGNÓSTICAS
Si tomamos en cuenta la siguiente tabla, podremos comprender
la sensibilidad y la especificidad:
PRUEBAS DIAGNÓSTICAS
Sensibilidad: Proporción de diagnósticos positivos obtenidos al
aplicar la prueba a una población de sujetos con la enfermedad.
Proporción de enfermos correctamente identificados por la
prueba.
Especificidad: Proporción de diagnósticos negativos obtenidos
al aplicar la prueba a una población de sujetos sin la
enfermedad. Proporción de sanos correctamente identificados
por la prueba.
Exactitud diagnóstica de una prueba
• La sensibilidad de la prueba es el índice de exactitud que
se calcula en los casos, puede depender del estadio de la
enfermedad.
• La especificidad de la prueba es el índice de exactitud
que se calcula en los controles que deben representar el
diagnóstico diferencial de la enfermedad.
PRUEBAS DIAGNÓSTICAS
Volviendo al ejemplo:
… la glucemia (mg/dl) en ayunas en dos muestras, una de 50 niños no
diabéticos y otra de 50 niños recién confirmada su diabetes con pruebas
de tolerancia a la glucosa (diagnóstico de referencia). La tabla presenta
los datos de glucemia para el punto de corte 100 mg/dl:
Sin diabetes Con diabetes TOTAL
Glucemia > 100 8 36 44
Glucemia < 100 42 14 56
TOTAL 50 50 100
PRUEBAS DIAGNÓSTICAS Efecto del punto de corte sobre los valores de la sensibilidad:
• Para puntos de corte bajos la prueba es muy sensible: la mayoría de
sujetos enfermos son correctamente clasificados por la prueba, pero a
costa de un incremento de sujetos sanos diagnosticados como
enfermos.
PRUEBAS DIAGNÓSTICAS
Efecto del punto de corte sobre los valores de la especificidad:
• Para puntos de corte altos la prueba es muy específica: la mayoría
de sujetos sanos son correctamente clasificados por la prueba, pero a
costa de un incremento de sujetos enfermos no identificados como
tales.
PRUEBAS DIAGNÓSTICAS
No es posible dar cifras de los niveles aceptables de estos
índices ya que dependen tanto de los objetivos de la prueba
como del tipo de patología. En general, se considera que la
prueba diagnóstica tiene una exactitud aceptable si su
sensibilidad y especificidad alcanzan el umbral 0,8.
Se aconseja elegir una prueba muy sensible cuando la
enfermedad es grave pero curable con un tratamiento (o para no
dejar escapar ningún caso), y una prueba muy específica
cuando la enfermedad es grave y casi incurable (o para descartar
los sanos).
Estudio de la exactitud diagnóstica
global con curvas ROC • La sensibilidad y la especificidad dan una medida de la exactitud de la
prueba diagnóstica para un determinado punto de corte cuyo valor
depende del contexto en el cual se aplica la prueba.
• Una medida global de la exactitud de la prueba para el conjunto de
todos los datos posible de puntos de corte se obtiene mediante una
curva ROC (receiver operating characteristic) o curva de rendimiento
diagnóstico.
• Para construir una curva ROC, la sensibilidad se sitúa en el eje de las
ordenadas (Y) y el complemento de la especificidad (1-E) se sitúa en el
eje de las abscisas (X).
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
• Una prueba con discriminación diagnóstica perfecta (S=1;
E=1), que tiene probabilidad 1 de diagnosticar correctamente
tanto a un sujeto enfermo como a uno no enfermo, da una curva
ROC representada por los lados izquierdo y superior del
gráfico.
• Una prueba sin discriminación diagnóstica, es decir que tiene
probabilidad 0,5 de diagnosticar correctamente tanto a un sujeto
enfermo como a uno no enfermo (S=0,5; E=O,5), da una curva
ROC representada por la diagonal del gráfico precedente.
Exactitud diagnóstica global con curvas ROC
• De estas dos situaciones se deduce que el área bajo la curva
ROC es un valor comprendido entre 0,5 y 1 que puede ser
utilizado como medida de exactitud global: un área igual a 1
indica una prueba diagnóstica perfecta (S=E=1), mientras que
una prueba sin poder diagnóstico le corresponde un área igual a
0,5 (S=E=0,5).
• La curva ROC, es un modelo matemático que mide la
capacidad global de una prueba para todos los posibles puntos
de corte.
• Esta curva se puede calcular con los estadísticos de Wilcoxon o
con la U de Mann-Whitney.
Exactitud diagnóstica global con curvas ROC
Veamos un ejemplo.
• Supongamos que se ha determinado la glucemia en ayunas en
una muestra de sujetos sin diabetes y en otra de diabéticos y la
curva ROC estimada tiene un AUC = 0,9.
• Este valor indica que la glucemia de un diabético extraído al
azar de la población estudiada tiene una probabilidad del 90%
de ser superior a la glucemia de un sujeto extraído al azar de
la población de no diabéticos.
Exactitud diagnóstica global con curvas ROC
Ejercicio:
• Se desea evaluar la exactitud diagnóstica de la glucemia como
prueba diagnóstica de la diabetes a través de una curva ROC
Exactitud diagnóstica global con curvas ROC
Ejercicio:
• Se desea evaluar la exactitud diagnóstica de la glucemia como
prueba diagnóstica de la diabetes a través de una curva ROC.
• Calcule la S y E a diferentes puntos de corte: 80, 90, 100, 110,
120, 130 y 140 mg/dl.
Sin diabetes Con diabetes TOTAL
Glucemia ≥ 80 31 50 81
Glucemia < 80 19 0 19
TOTAL 50 50 100
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
Ejercicio:
• Se desea evaluar la exactitud diagnóstica de la glucemia como
prueba diagnóstica de la diabetes a través de una curva ROC.
• Calcule la S y E a diferentes puntos de corte: 80, 90, 100, 110,
120, 130 y 140 mg/dl.
Sin diabetes Con diabetes TOTAL
Glucemia ≥ 90 17 49 66
Glucemia < 90 33 1 34
TOTAL 50 50 100
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
Ejercicio:
• Se desea evaluar la exactitud diagnóstica de la glucemia como
prueba diagnóstica de la diabetes a través de una curva ROC.
• Calcule la S y E a diferentes puntos de corte: 80, 90, 100, 110,
120, 130 y 140 mg/dl.
Sin diabetes Con diabetes TOTAL
Glucemia ≥ 100 8 36 44
Glucemia < 100 42 14 56
TOTAL 50 50 100
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
Ejercicio:
• Se desea evaluar la exactitud diagnóstica de la glucemia como
prueba diagnóstica de la diabetes a través de una curva ROC.
• Calcule la S y E a diferentes puntos de corte: 80, 90, 100, 110,
120, 130 y 140 mg/dl.
Sin diabetes Con diabetes TOTAL
Glucemia ≥ 110 5 35 40
Glucemia < 110 45 15 60
TOTAL 50 50 100
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
Ejercicio:
• Se desea evaluar la exactitud diagnóstica de la glucemia como
prueba diagnóstica de la diabetes a través de una curva ROC.
• Calcule la S y E a diferentes puntos de corte: 80, 90, 100, 110,
120, 130 y 140 mg/dl.
Sin diabetes Con diabetes TOTAL
Glucemia ≥ 120 3 32 35
Glucemia < 120 47 18 65
TOTAL 50 50 100
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
Ejercicio:
• Se desea evaluar la exactitud diagnóstica de la glucemia como
prueba diagnóstica de la diabetes a través de una curva ROC.
• Calcule la S y E a diferentes puntos de corte: 80, 90, 100, 110,
120, 130 y 140 mg/dl.
Sin diabetes Con diabetes TOTAL
Glucemia ≥ 130 1 28 29
Glucemia < 130 49 22 71
TOTAL 50 50 100
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
Ejercicio:
• Se desea evaluar la exactitud diagnóstica de la glucemia como
prueba diagnóstica de la diabetes a través de una curva ROC.
• Calcule la S y E a diferentes puntos de corte: 80, 90, 100, 110,
120, 130 y 140 mg/dl.
Sin diabetes Con diabetes TOTAL
Glucemia ≥ 140 0 21 21
Glucemia < 140 50 29 79
TOTAL 50 50 100
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
Exactitud diagnóstica global con curvas ROC
La curva ROC se
calcula con la
computadora y se
obtiene un AUC = 0,92.
Interpretación: el valor
0,92 indica que la
glucemia de un
diabético extraído al
azar de la población
estudiada tiene una
probabilidad del 92% de
ser superior a la
glucemia de un sujeto
extraído al azar de la
población de no
diabéticos.
PRUEBAS DIAGNÓSTICAS
Si tomamos en cuenta la siguiente tabla, podremos comprender
la sensibilidad y la especificidad:
PRUEBAS DIAGNÓSTICAS Si tomamos en cuenta la siguiente tabla, podremos comprender los valores
predictivos positivos y negativos cuando los datos proceden de un diseño transversal
Los valores predictivos son dependientes de la prevalencia de la enfermedad.
Valor global (Efficiency): proporción total de sujetos clasificados correctamente por
la prueba: (B+C) / A+B+C+D
VP+= B/(A+B)
VP-= C/(C+D)
Ejercicio 1
Se realiza un estudio epidemiológico para determinar la prevalencia de
la infección por VIH y el comportamiento de diferentes pruebas
diagnósticas de la infección. La tabla presenta el resultado de la prueba
ELISA en una muestra aleatoria de 1000 reclusos de una cárcel
sudamericana. Comprobar cuál es el comportamiento de las pruebas:
Sin VIH Con VIH TOTAL
Elisa + 16 198 214
Elisa - 784 2 786
TOTAL 800 200 1000
S =
E =
VP+ =
VP- =
VG =
P =
Ejercicio 1
Se realiza un estudio epidemiológico para determinar la prevalencia de
la infección por VIH y el comportamiento de diferentes pruebas
diagnósticas de la infección. La tabla presenta el resultado de la prueba
ELISA en una muestra aleatoria de 1000 reclusos de una cárcel
sudamericana. Comprobar cuál es el comportamiento de las pruebas:
Sin VIH Con VIH TOTAL
Elisa + 16 198 214
Elisa - 784 2 786
TOTAL 800 200 1000
S = 0,99
E = 0,98
VP+ = 0,93
VP- = 0,997
VG = 0,98
P = 0,2
Ejercicio 2
La siguiente tabla presenta el resultado de la misma prueba aplicada a
una hipotética muestra aleatoria de 100000 sujetos de la población
general sudamericana. Comprobar cuál es el comportamiento de la
pruebas en este nuevo contexto:
Sin VIH Con VIH TOTAL
Elisa + 1998 99 2097
Elisa - 97902 1 97903
TOTAL 99900 100 100000
S =
E =
VP+ =
VP- =
VG =
P =
Ejercicio 2
La siguiente tabla presenta el resultado de la misma prueba aplicada a
una hipotética muestra aleatoria de 100000 sujetos de la población
general sudamericana. Comprobar cuál es el comportamiento de la
pruebas en este nuevo contexto:
Sin VIH Con VIH TOTAL
Elisa + 1998 99 2097
Elisa - 97902 1 97903
TOTAL 99900 100 100000
S = 0,99
E = 0,98
VP+ = 0,05
VP- = 0,99
VG = 0,98
P = 0,001
Formulemos comentarios cualificados de estos
ejercicios.
1. La S y la E dan valores
muy próximos a 1, lo que
indica que la prueba se
comporta casi como el
diagnóstico de referencia.
Ejercicio 1:
S = 0,99
E = 0,98
VP+ = 0,93
VP- = 0,997
VG = 0,98
P = 0,2
Formulemos comentarios cualificados de estos
ejercicios.
1. La muestra de reclusos
presenta una probabilidad
previa de infección por VIH
alta (P=20%), por lo que tendrá
un buen comportamiento
diagnóstico (valores
predictivos próximos a 1)
Ejercicio 1:
S = 0,99
E = 0,98
VP+ = 0,93
VP- = 0,997
VG = 0,98
P = 0,2
Formulemos comentarios cualificados de estos
ejercicios.
3. En la población general, con una
P muy baja (P=0,001) se
producen una gran cantidad de
falsos positivos que se traduce en
una importante disminución de su
poder predictivo: solo 5 de cada
100 positivos están infectados
(VP+=4,7%)
Ejercicio 2:
S = 0,99
E = 0,98
VP+ = 0,047
VP- = 0,99
VG = 0,98
P = 0,001
Formulemos comentarios cualificados de estos
ejercicios.
4. En general, el VP+ disminuye
a medida que la prueba se
aplica a poblaciones con
menor prevalencia de
enfermedad.
Ejercicio 2:
S = 0,99
E = 0,98
VP+ = 0,047
VP- = 0,99
VG = 0,98
P = 0,001
Pruebas diagnósticas
• Los índices de Sensibilidad y especificidad son dos
probabilidades condicionadas que miden la exactitud o
capacidad diagnóstica de una prueba para un determinado
punto de corte. Estos índices no dependen de la
prevalencia.
• Los valores predictivos evalúan el comportamiento de las
pruebas diagnósticas en la práctica clínica.
PRUEBAS DIAGNÓSTICAS
Razón de verosimilitud (likelihood ratio)
para positivos = S/ 1-E:
Ejercicio 1
Se realiza un estudio epidemiológico para determinar la prevalencia de
la infección por VIH y el comportamiento de diferentes pruebas
diagnósticas de la infección. La tabla presenta el resultado de la prueba
ELISA en una muestra aleatoria de 1000 reclusos de una cárcel
sudamericana. Comprobar cuál es el comportamiento de las pruebas:
Sin VIH Con VIH TOTAL
Elisa + 16 198 214
Elisa - 784 2 786
TOTAL 800 200 1000
LR+ = 49,5
Ejercicio 1
Se realiza un estudio epidemiológico para determinar la prevalencia de
la infección por VIH y el comportamiento de diferentes pruebas
diagnósticas de la infección. La tabla presenta el resultado de la prueba
ELISA en una muestra aleatoria de 1000 reclusos de una cárcel
sudamericana. Comprobar cuál es el comportamiento de las pruebas:
Sin VIH Con VIH TOTAL
Elisa + 16 198 214
Elisa - 784 2 786
TOTAL 800 200 1000
LR+ = 49,5
PRUEBAS DIAGNÓSTICAS
Razón de verosimilitud (likelihood ratio)
para positivos = S/ 1-E:
Ejemplo: una LR+ igual a 49,5 indica que en
el grupo de sujetos enfermos la probabilidad
de encontrar un resultado positivo en la
prueba es 49,5 veces superior que en el
grupo de sujetos no enfermos.
PRUEBAS DIAGNÓSTICAS
Razón de verosimilitud (likelihood ratio)
para positivos = S/ 1-E:
Dicho de otro modo: si un sujeto ha dado
positivo en la prueba diagnóstica, es 49,5
veces más probable que este resultado se
obtenga en presencia de la enfermedad que
en su ausencia.
Presentación de resultados
de múltiples pruebas diagnósticas
1. De forma aislada mediante tablas de
2x2 de cada una de las pruebas.
2. De forma simultánea mediante
modelos multivariantes.
Descripción de datos
de supervivencia
CURVA DE SOBREVIDA: % de
sobrevida
100%
0%
Tiempo al evento
50%
Con FP
1año 2años 3años 4años 5años
Sin FP
ESTUDIO DE SEGUIMIENTO / PRONÓSTICO
Ajuste para factores pronósticos
Análisis de supervivencia
• Técnicas apropiadas para estudios en los que
cada sujeto es seguido durante un período y
se registra el intervalo de tiempo
transcurrido desde el inicio de un suceso
hasta el evento terminal o hasta el final del
seguimiento si no ocurre el evento.
Análisis de supervivencia
• Su objetivo es describir las probabilidades
de ocurrencia y la evolución de la tasa de
incidencia de dicho evento (tasa de riesgo) a
lo largo del seguimiento.
http://doctorsmagazine.wordpress.com/2011/12/02/clasificacion-pronostica-fine/
Algunas reflexiones:
1. Varios ensayos clínicos han reportado una tasa de
supervivencia superior a 60% en pacientes operados, en
comparación al 30% de los tratados médicamente.
2. Estudiamos estas variables binarias con el parámetro NNT
3. NNT: 100 / RAR = 100 / 60%-30% = 3,3 pacientes
4. Esto es, necesitaríamos operar a 3,3 pacientes para salvar
a uno
Estudio sobre craniectomías descompresivas en los traumatismos craneoencefálicos pediátricos?
El NNT y el RAR son las variables que aportan una visión más global sobre una nueva medida terapéutica. En ellas,
debería fundamentarse la decisión de incluir o no las nuevas estrategias terapéuticas en la práctica clínica habitual.
¿CÓMO EVALUAR UN ESTUDIO?
DAÑO o ETIOLOGÍA DEFINIR
EL
TIPO
DE
PROBLEMA
DIAGNÓSTICO
TRATAMIENTO
o PREVENCIÓN
PRONÓSTICO
¿CÓMO EVALUAR UN
ESTUDIO DE DAÑO?
EXPOSICION
(Factor de Riesgo)
EVENTO
(Enfermedad)
EXPOSICION
(Factor de Riesgo)
EVENTO
(Enfermedad)
COHORTE
CASO -
CONTROL
¿CÓMO ANALIZAR UN
ESTUDIO DE COHORTE?
“Experimento natural”
Secuencia cronológica
Poco sesgo de selección
No sesgo de supervivencia
No sesgos en medición de
exposiciones
EXPOSICION
(Factor de Riesgo)
EVENTO
(Enfermedad) COHORTE
Estudios de baja eficiencia
No útiles para epidemias
Pérdida al seguimiento
Sesgo de vigilancia
Sesgo de diagnóstico
RIESGO RELATIVO
EJ. 9-5
¿CÓMO ANALIZAR UN
ESTUDIO DE CASO-CONTROL?
No respeta cronología
Sesgo de selección
Sesgo de supervivencia
Sesgo de recuerdo
Sesgo de entrevistador
EXPOSICION
(Factor de Riesgo)
EVENTO
(Enfermedad) CASO -
CONTROL
Estudios muy eficientes
Útiles para epidemias
No pérdida al seguimiento
No sesgo en la medición de los
eventos
ODDS RATIO
¿CÓMO ANALIZAR UN
ESTUDIO DE DIAGNOSTICO?
GOLD STANDARD
+ -
TEST
+
-
SANOS ENFERMOS
VP FP
VN FN
VALOR PREDICTIVO POSITIVO
VALOR PREDICTIVO NEGATIVO
SANOS ENFERMOS
COMPARACION CIEGA E
INDEPENDIENTE CON
UN STANDARD DE
REFERENCIA
SENSIBILIDAD ESPECIFICIDAD
¿CÓMO ANALIZAR UN
ESTUDIO DE TRATAMIENTO?
TRATAMIENTO Referencia
RESPUESTA
Éxito
SANOS ENFERMOS
VP FP
VN FN
SENSIBILIDAD
ESPECIFICIDAD
PODER PREDICTIVO POSITIVO
PODER PREDICTIVO NEGATIVO
SANOS ENFERMOS
COMPARACION CIEGA E
INDEPENDIENTE CON
UN STANDARD DE
REFERENCIA
Nuevo
Fracaso
ENSAYOS CLINICOS CONTROLADOS Y
ALEATORIZADOS
Resultados
en grupo tratado
GRUPO EXPERIMENTAL
(CON intervención)
Resultados
en grupo no tratado
GRUPO CONTROL
(SIN intervención)
POBLACION
DE INTERES
¿CÓMO ANALIZAR UN ESTUDIO DE
TRATAMIENTO O PREVENCION?
ASIGNACION
RANDOMIZADA
USO DE
PLACEBO
EVALUACION
CIEGA
PERDIDA AL
SEGUIMIENTO
INTENCION DE
TRATAR
Resultados
en Grupo CON ATB
GRUPO EXPERIMENTAL
(CON Amoxicilina)
Resultados
en Grupo SIN ATB
GRUPO CONTROL
(SIN Amoxicilina)
POBLACION
Niños < 2 años con OMA
ANALISIS DE UN ESTUDIO TERAPEUTICO:
Damoiseaux et al: Primary care based randomised, double blind trial of
amoxicillin versus placebo for acute otitis media in children aged under 2 years.
BMJ 2000; 320:350.
ASIGNACION
RANDOMIZADA
USO DE
PLACEBO
EVALUACION
CIEGA
PERDIDA AL
SEGUIMIENTO
INTENCION DE
TRATAR
DISEÑO:
VALIDEZ INTERNA
¿CÓMO EVALUAR UN
ESTUDIO DE PRONOSTICO?
EXPOSICION
(Factor Pronóstico)
EVENTO
(Complicación
o muerte)
EXPOSICION
(Factor
Pronóstico)
EVENTO
(Complicación
o muerte)
COHORTE
CASO -
CONTROL
TRES PREGUNTAS BÁSICAS:
? ¿Son válidos los resultados del estudio?
(VALIDEZ INTERNA)
? ¿Son importantes los resultados?
(MAGNITUD DEL EFECTO)
? ¿Son aplicables los resultados a mis pacientes?
(VALIDEZ EXTERNA)
¿CÓMO VALORAR LA INFORMACIÓN CIENTÍFICA?
Evaluación crítica de la literatura médica
¿CÓMO INTERPRETAR LOS RESULTADOS DEL
ESTUDIO?
MAGNITUD
DEL
EFECTO
En la
muestra En la
población
¿CÓMO ANALIZAR LOS RESULTADOS?
MAGNITUD DEL EFECTO RIESGO RELATIVO (RR):
Cociente entre las incidencias de los grupos
RIESGO ATRIBUIBLE o DIFERENCIA DE
RIESGO ABSOLUTO (RA):
Diferencia de incidencia entre los grupos
“ODDS RATIO” o RAZON DE PRODUCTOS
CRUZADOS (OR):
Riesgo relativo estimado
¿CÓMO ANALIZAR LOS RESULTADOS?
PRECISION DE
LA ESTIMACION
GRADO DE SIGNIFICACION
ESTADÍSTICA
(Valor de “p”): Debe ser < 0.05 (5%)
Ejemplos:
0.02: interpretación ?
0.5: interpretación ?
0.06: interpretación ?
INTERVALO DE CONFIANZA DEL 95%
(“margen de error”):
No debe abarcar la unidad neutra (0 ó 1).
Se utiliza en estudios comparativos
El grado de significación estadística es lo suficientemente pequeño para
Considerar que los resultados obtenidos se deban al azar, por lo tanto se descarta la hipótesis nula
0.5: estadísticamente no significativo.
0.06: casi significativo; si la muestra es pequeña, habrá que repetir el estudio con una muestra mayor.
Con una confianza del 95% podemos estimar que el efecto del tratamiento X se situa entre x y x
¿ Los pacientes del estudio son similares a los míos ?
Criterios de inclusión y exclusión
Tipo de centro asistencial
Severidad de la condición
Subgrupos de pacientes
Costos
Riesgos: NNT.
¿CÓMO VALORAR LA APLICABILIDAD DE LOS
RESULTADOS DE UN ESTUDIO? Validez externa.
¿HAY ALGÚN “ATAJO” EN EL CAMINO?
Revisiones sistemáticas y
metanálisis
Guías de práctica clínica
basadas en la evidencia
Por suerte, SÍ...!
Revisiones sistemáticas
Se trata de un examen sistematizado de TODOS los ensayos existentes, publicados y no publicados para seleccionar
aquellos que reúnen todos los requisitos de calidad. Una vez seleccionados, los artículos son sometidos a un
proceso de agrupación y resumen (Meta-análisis). Estas publicaciones, cuando son realizadas "con todas las de
la ley", constituyen la guía más exacta y más autorizada sobre un tema específico.
Uno de los más prestigiosos es la Colaboración Cochrane.
Publicaciones Secundarias
El ACP Journal Club (ACPJC) y Evidence Based Medicine (EBM) son ejemplos de publicaciones secundarias.
Estas revistas tienen un grupo de expertos que evalúan los artículos
publicados y seleccionan los que tengan relevancia científica y sentido clínico.
Aquellos artículos que reúnen los requisitos de calidad, son resumidos en forma estructurada para su publicación
A este resumen, se agrega un comentario de un clínico experto seleccionado por los editores.
Es decir, que nos ofrecen La mejor evidencia (el artículo) y la experiencia clínica (comentario).
REVISIONES:
Revisiones narrativas
(“actualizaciones”)
Revisiones sistemáticas
(“overviews”)
Cualitativas
Cuantitativas o
METANÁLISIS
¿QUÉ ES UN METANÁLISIS?
(+) (-)
“ESTUDIO DE ESTUDIOS”
Recomendaciones desarrolladas sistemáticamente
para asistir a pacientes y profesionales
en la toma de decisiones sobre cuidados de salud
apropiados en condiciones específicas
¿QUÉ SON LAS GUÍAS DE PRÁCTICA CLÍNICA?
NORMAS STANDARDS
OJO! NO son:
•Azar: ¿cómo se mide ? ¿qué es la P? ¿qué es el Intervalo de confianza?
Si la probabilidad de que el hallazgo del estudio sea por AZAR es < 5%, podemos confiar en que éste "es real".
En un artículo usted encuentra esto en los resultados, cuando el autor escribe p<0.05
•Sesgo: ¿qué es el error sistemático?
Como no se pueden descartar, asegúrese que se distribuyeron equitativamente entre los grupos.
Para ello CONSTATE que el estudio: a) Realizó una asignación aleatoria de los pacientes a los grupos y
b) Aseguró que los clínicos y los pacientes estuvieron "ciegos" al Tto.
•Variables de confusión:Tampoco se pueden descartar.
Asegure su control a través de: a) Asignación aleatoria,
b) Definición precisa de variables y sujetos, c) Análisis estratificado y/o
d) Análisis multivariado
EVALUAR LA EVIDENCIA
Recursos útiles para la toma de decisiones
• 7. Metabuscadores. Son motores de búsqueda que permiten realizar búsquedas simultáneas en varias sedes, bases de datos, revistas etc.
• TRIPDatabase: Realiza la búsqueda en unas 75 sedes de alta calidad relacionadas con la MBE (revistas con revisiones de pares, GPC, RS, libros electrónicos, TACs...). Dispone de opción de búsqueda básica, avanzada y por especialidades. Manual de uso en español.
• SUMSearch: Utiliza simultáneamente diversos recursos: Medline, Dare, N.G. Clearinghouse etc. Permite ajustar cada criterio de búsqueda a tratamiento, pronóstico, diagnóstico, etiología, examen físico, reacciones adversas. Presenta los resultados agrupándolos dentro de cada recurso. Es de acceso gratuito.
• Evidence Based Reviews: Metabuscador de recursos MBE de la Nacional Library for Health del NHS, que busca simultáneamente en Bandolier, Cochrane Library, Dare, NHS EED, ReFeR y HTA.
Evaluación de la calidad de la evidencia y graduación de la fuerza de las
recomendaciones
• En concreto, cuando se formulan recomendaciones el grupo elaborador
de una guía (GEG) se debe plantear hasta qué punto puede afirmarse
que el adherirse a una recomendación conllevará más beneficios que
daños.
• El grupo de trabajo GRADE (Grading of Recommendations
Assessment, Development and Evaluation) surgió en 2000 para
desarrollar un método común y razonable para deteminar la calidad de
la evidencia y la fuerza de las recomendaciones.
Variables de resultado de interés
• En primera instancia, el GEG define las variables de resultado de interés para las preguntas que abordará su guía, y luego califica la importancia de las mismas.
Se sugiere clasificar su importancia mediante la siguiente escala de nueve puntos (Guyatt G):
• 1 – 3: variable de resultado no importante. Estas variables no juegan un papel importante en la formulación de las recomendaciones y no se incluyen en la tabla de evaluación de la calidad o de los resultados.
• 4 – 6: variable de resultado importante pero no clave para la toma de decisiones.
• 7 – 9: variable de resultado clave para la toma de decisiones.
Fármacos de rescate
Fármaco Tipo Indicación de rescate
Dronedarona Antiarrítmico Arritmias ventriculares farmacorresistentes
Levetiracetam Antiepiléptico Epilepsias farmacorresistentes
Oxicodona Analgésico Dolor intratable
Resiste a amiodarona, atenolol, sotalol y flecainida
ESTUDIOS
EPIDEMIOLÓGICOS
E. DESCRIPTIVOS E. ANALÍTICOS
Objetivos:
Describir las características y frecuencia de un
problema de salud, en función de los parámetros de
personas, lugar y tiempo.
Sirven de base para estudios analíticos.
No permiten comprobar hipótesis de causalidad
ESTUDIOS
DESCRIPTIVOS
Series de casos clínicos Descript. de mortalidad
Descript. de morbilidad Estudios ecológicos
Estudios transversales (RP)
E. ANALITICOS
(analizan una
hipótesis - causa)
¿Existe asignación
controlada
del factor de estudio?
SI
E. con experimentos
NO
E. Observacionales
ESTUDIOS
ANALITICOS CON
EXPERIMENTOS
¿Existe asignación
aleatorizada
de los sujetos?
SI
Experimentales
NO
Cuasiexperimental
ESTUDIOS
EXPERIMENTALES
FASES:
I: sanos: toxicidad
II: enfermos: dosis /respuesta
III: comparativo con placebo
IV: postcomercialización
TIPOS:
Diseño clásico o en paralelo
Diseño cruzado o intrapaciente
Diseño secuencial / factorial
Ensayo de campo
Uso compasivo de medicamentos
MAGNITUD DEL EFECTO:
Riesgo relativo
Reducción absoluta del riesgo
Reducción relativa del riesgo
Número necesario de pac. trat.
ESTUDIOS
EXPERIMENTALES
Diseño clásico
o en paralelo
Diseño cruzado
o intrapaciente
Diseño secuencial
Diseño factorial
Ensayo de campo
Uso compasivo de
medicamentos
PARTICIPANTES
Asignación
aleatorizada
Grupo 1
Intervención A
Resultado 1
Grupo 2
Intervención B
Resultado 2
Comparación
ESTUDIOS
EXPERIMENTALES
Diseño clásico
o en paralelo
Diseño cruzado
o intrapaciente
Diseño secuencial
Diseño factorial
Ensayo de campo
Uso compasivo de
medicamentos
PARTICIPANTES
Asignación
aleatorizada
Grupo 1
Intervención A
Intervención B
Grupo 2
Intervención B
Intervención A
Comparación
Periodo de blanqueo
ESTUDIOS
EXPERIMENTALES
Diseño clásico
o en paralelo
Diseño cruzado
o intrapaciente
Diseño secuencial
Diseño factorial
Ensayo de campo
Uso compasivo de
medicamentos
ESTUDIOS CUASI-
EXPERIMENTALES
E. COMUNITARIOS DE
INTERVENCION E. ANTES - DESPUES
E. CONTROLADOS NO ALEATORIZADOS
E. ANALITICOS
(analizan una
hipótesis)
¿Existe asignación
controlada
del factor de estudio?
SI
E. con experimentos
NO
E. Observacionales
E. Observacionales
Elección de los sujetos
en función de:
Enfermedad (efecto)
¿Existe historia
previa de exposición?
SI
E. De casos y controles
OR
NO
E. de prevalencia –
transversal o corte
Exposición al factor
E. de cohortes:
expuestos si-no
RR 0-∞
•Con poblaciones fijas
o dinámicas
•De una o dos cohortes
E. de cohortes
históricas -
retrospectivas
RR >1FR, 1indiferente, <1 protector
ESTUDIOS EPIDEMIOLOGICOS
E. DESCRIPTIVOS
(describen una situación)
Series de casos clínicos
(longitudinales)
V: generan nuevas hipótesis
D: no tiene grupo control
E. Descriptivos de mortalidad
E. Descriptivos de morbilidad
E. Transversales, prevalencia,
corte: FR- E.crónicas
V: cortos, baratos, sin problemas
éticos D: no útil para enf.raras, ni para
conocer mecanism.
Analisis de medida: razón de
prevalencia
E. Ecológicos (transv, long):
grupos
V: diferencian poblaciones
D: los datos son promedios
E. ANALITICOS
(analizan una hipótesis)
¿Existe asignación controlada
del factor de estudio?
SI
¿Existe asignación aleatorizada
de los sujetos?
SI
Experimental (prevención-
intervenc.)
V: aportan > evidencia causa-
efecto D: problemas éticos
Ensayo Clínico aleatorio
(prospectivos)
EC pragmático: laxos,heterogeneo,
n>, v.e EC explicativo:
estrictos,homogeneo, n<, v.i
Aleatorización: simple, bloques,
estratificada
Enmascaramiento:
simple,doble,triple ciego Tipos: paralelo, cruzado,
secuencial, factorial
Ensayo de campo
V: valora eficacia medidas
preventivas en sanos
D: más caros, requieren > número de sujetos
NO
E. Cuasiexperimental
(sin grupo control)
Ensayo comunitario de
intervención
Igual que los de Campo, pero sin
aleatorización
Estudio antes-después (pre-post)
V: son más fáciles de hacer
D: no disponen de grupo control
Estudios controlados no
aleatorizados
Con controles históricos
NO
E. Observacional
Elección de los sujetos
en función de:
Enfermedad (efecto)
¿Existe historia
previa de exposición?
SI
E. de casos (incidentes) y controles
(enfermos-casos y no enferm-cont)
(longitudinal y retrospectivo).
Prevención
NO
E. de prevalencia – transversal o
corte
RR, razón de prevalencia
Malo para demostrar causalidad
Exposición al factor
E. de cohortes: expuestos y no
expuestos
(longit, prospect; incidencia). Fact.
Pronóst.
V: sesgo bajo. D: coste alto.
RR,DI,FAE.
Pueden ser (U7,p91)
•con poblaciones fijas o dinámicas
•De una o dos cohortes
Siempre se eliminan los casos prevalentes
E. de cohortes históricas -
retrospectivas
Actividad super práctica.
Participemos de forma animada y
aprenderemos más
Cinco grupos y seis preguntas
Pregunta 1.
El mejor tipo de estudio epidemiológico para evaluar la asociación
causal entre un factor de riesgo y una enfermedad determinada, es el:
1. Ecológico
2. Clínico aleatorio
3. Transversal
4. De cohortes
5. De casos y controles
2
Pregunta 2.
Dos mil enfermeras de Canadá entre 35 y 50 años y sin historia previa
de cáncer, llenaron un cuestionario dietético validado previamente y
diseñado para medir el consumo individual de nitrogenados totales.
Las enfermeras se clasificaron en cinco grupos de igual tamaño según
los niveles de ingesta de este factor. Se comparó la aparición de
nuevos casos de cáncer de estómago entre los grupos. El diseño del
estudio es:
1. Ecológico o de base poblacional
2. De prevalencia
3. Ensayo clínico
4. Cohortes prospectivo
5. Descriptivo de morbimortalidad
4
Pregunta 3.
De los siguientes diseños de ensayos clínicos, indique aquel en el que
el tamaño de la muestra no está predeterminado, sino que depende de
los resultados que se van obteniendo a lo largo de la experiencia:
1. Ensayo cruzado
2. Ensayo de diseño factorial
3. Ensayo enmascarado
4. Ensayo de grupos paralelos
5. Ensayo de diseño secuencial
5
Pregunta 4.
Un estudio publicado establece una asociación entre la «renta per
cápita» de diferentes países y la incidencia de accidentes de tráfico.
¿De qué tipo de diseño de estudio se trata?:
1. Estudio de casos y controles anidado
2. Estudio transversal
3. Estudio de cohortes
4. Estudio de prevalencia
5. Estudio ecológico
ordinal
Pregunta 5.
¿A qué tipo corresponde el más importante estudio epidemiológico
realizado hasta la fecha: el estudio de Framingham, que empezó en
1949 para identificar factores de riesgo de enfermedad coronaria, en
el que de entre 10.000 personas que vivían en Framingham de edades
entre 30 y 59 años, se seleccionó una muestra representativa de
ambos sexos, reexaminándose cada dos años en busca de señales de
enfermedad coronaria?
1. Ensayo clínico
2. Estudio de cohortes
3. Estudio de prevalencia
4. Estudio de casos y controles
5. Estudio cuasi-experimental
2
Pregunta 6.
De las siguientes características ¿cuál es la que mejor define a un
ensayo clínico?
1. Prospectivo
2. Experimental
3. Paralelo
4. Tamaño muestral predefinido
5. enmascarado
2
Respuestas.
1. 2
2. 4
3. 5
4. 5
5. 2
6. 2
barras
Auto-calificación rotacional:
Por cada acierto = suman 3 puntos
Por cada fallo = restan 1 punto
Puntuación máxima: 18 puntos
Puntuación mínima: - 6 puntos
Equipo ganador: el que tenga mayor puntuación
Pregunta 1.
El mejor tipo de estudio epidemiológico para evaluar la asociación
causal entre un factor de riesgo y una enfermedad determinada, es el:
1. Ecológico
2. Clínico aleatorio
3. Transversal
4. De cohortes
5. De casos y controles
Pregunta 2.
Dos mil enfermeras de Canadá entre 35 y 50 años y sin historia previa
de cáncer, llenaron un cuestionario dietético validado previamente y
diseñado para medir el consumo individual de nitrogenados totales.
Las enfermeras se clasificaron en cinco grupos de igual tamaño según
los niveles de ingesta de este factor. Se comparó la aparición de
nuevos casos de cáncer de estómago entre los grupos. El diseño del
estudio es:
1. Ecológico o de base poblacional
2. De prevalencia
3. Ensayo clínico
4. Cohortes prospectivo
5. Descriptivo de morbimortalidad
4
Pregunta 3.
De los siguientes diseños de ensayos clínicos, indique aquel en el que
el tamaño de la muestra no está predeterminado, sino que depende de
los resultados que se van obteniendo a lo largo de la experiencia:
1. Ensayo cruzado
2. Ensayo de diseño factorial
3. Ensayo enmascarado
4. Ensayo de grupos paralelos
5. Ensayo de diseño secuencial
Tamaño muestral es
predeterminado
Pregunta 4.
Un estudio publicado establece una asociación entre la «renta per
cápita» de diferentes países y la incidencia de accidentes de tráfico.
¿De qué tipo de diseño de estudio se trata?:
1. Estudio de casos y controles anidado
2. Estudio transversal
3. Estudio de cohortes
4. Estudio de casos y controles
5. Estudio ecológico
5 Son estudios en los
que la unidad de
análisis son los
grupos de individuos
Pregunta 5.
¿A qué tipo corresponde el más importante estudio epidemiológico
realizado hasta la fecha: el estudio de Framingham, que empezó en
1949 para identificar factores de riesgo de enfermedad coronaria, en
el que de entre 10.000 personas que vivían en Framingham de edades
entre 30 y 59 años, se seleccionó una muestra representativa de
ambos sexos, reexaminándose cada dos años en busca de señales de
enfermedad coronaria?
1. Ensayo clínico
2. Estudio de cohortes
3. Estudio de prevalencia
4. Estudio de casos y controles
5. Estudio cuasi-experimental
2
Pregunta 6.
De las siguientes características ¿cuál es la que mejor define a un
ensayo clínico?
1. Prospectivo
2. Experimental
3. Paralelo
4. Tamaño muestral predefinido
5. enmascarado
2
•Expresar el interrogante de la investigación como una hipótesis estadística:
H0: “No hay diferencia”
H1: “Hay diferencia”
PASO 1 PASO 2 PASO 3 PASO 4
4.1 CONTRASTE DE
HIPÓTESIS
4.2 MÉTODOS
PARAMÉTRICOS
4.3 TRANSFORMACIONES DE
DATOS
4.4 MÉTODOS NO
PARAMÉTRICOS
MÉTODO DE CONTRASTE DE HIPÓTESIS
•Decidir sobre la prueba estadística adecuada
PASO 1 PASO 2 PASO 3 PASO 4
4.1 CONTRASTE DE
HIPÓTESIS
4.2 MÉTODOS
PARAMÉTRICOS
4.3 TRANSFORMACIONES DE
DATOS
4.4 MÉTODOS NO
PARAMÉTRICOS
MÉTODO DE CONTRASTE DE HIPÓTESIS
¿CÓMO? Según la población y el tipo de variables
Seleccionar grado de significación para la prueba estadística.
Grado de significación = alfa = probabilidad de rechazar de
manera incorrecta H0 cuando sea cierta (normalmente 0.05, 0.01,
0.001)
PASO 1 PASO 2 PASO 3 PASO 4
4.1 CONTRASTE DE
HIPÓTESIS
4.2 MÉTODOS
PARAMÉTRICOS
4.3 TRANSFORMACIONES DE
DATOS
4.4 MÉTODOS NO
PARAMÉTRICOS
MÉTODO DE CONTRASTE DE HIPÓTESIS
• Realizar los cálculos y exponer conclusiones
PASO 1 PASO 2 PASO 3 PASO 4
4.1 CONTRASTE DE
HIPÓTESIS
4.2 MÉTODOS
PARAMÉTRICOS
4.3 TRANSFORMACIONES DE
DATOS
4.4 MÉTODOS NO
PARAMÉTRICOS
MÉTODO DE CONTRASTE DE HIPÓTESIS