Guia Practica Bioestadistica

Gua Prctica del Curso
de Bioestadstica Aplicada
a las Ciencias de la Salud
Dr. Jacobo Daz Portillo
Edita: Instituto Nacional de Gestin Sanitaria
Subdireccin General de Gestin Econmica y Recursos Humanos
Servicio de Recursos Documentales y Apoyo Institucional
Alcal, 56 28014 Madrid
El copyright y otros derechos de propiedad intelectual pertenecen
al Instituto Nacional de Gestin Sanitaria.
Se autoriza la reproduccin total o parcial para uso no comercial,
siempre que se cite explcitamente su procedencia.
Depsito Legal: M-33564-2011
NIPO: 865-11-010-6
Coleccin Editorial de Publicaciones del INGESA: 1.921
Coordinador de Formacin Continuada
Hospital Universitario de Ceuta
Direccin Territorial de Ceuta
Urb. Loma Colmenar, s/n
51003 Ceuta
La medicina es una ciencia de probabilidades y el arte de manejar la incertidumbre...
La estadstica es la ciencia que permite tomar decisiones en situaciones
de incertidumbre.
Bailar JC III. Some uses of statistical thinking. En: Bailar JC III,
Mostoller F, editors. Medical uses of statistics. Boston: N Engl
J Med Books, 1992; p. 25-57.
ndice
Gua Prctica del Curso de Bioestadstica Aplicada
Captulo 1
Pgina 10
Publicacin Bioestadstica: Introduccin.
Captulo 2
Pgina 72
Publicacin Bioestadstica: Variables y grfcos.
Captulo 3
Pgina 161
Publicacin Bioestadstica: Tamao muestral, Error y .
Captulo 4
Pgina 214
Publicacin Bioestadstica: Error y . Evaluacin de pruebas
diagnsticas.
Captulo 5
Pgina 355
Publicacin Bioestadstica: Anlisis bivariante. Test de
contraste de hiptesis. Cualitativa versus cualitativa.
Captulo 6
Pgina 450
contraste de hiptesis. Cualitativa versus cualitativa. Medidas
de asociacin.
Captulo 7
Pgina 640
contraste de hiptesis. Cuantitativa versus cuantitativa.
Captulo 8
Pgina 727
contraste de hiptesis. Cualitativa dicotmica versus
cuantitativa.
Captulo 9
Pgina 874
contraste de hiptesis. Cualitativa policotmica versus
cuantitativa.
Captulo 10
Pgina 992
Publicacin Bioestadstica:
Medidas de concordancia. Variables cualitativas.
Captulo 11
Pgina 1021
Publicacin Bioestadstica: Medidas de concordancia.
Variables cuantitativas.
Captulo 12
Pgina 1158
Publicacin Bioestadstica: Anlisis multivariante.
Captulo 13
Pgina 1337
Publicacin Bioestadstica: Bibliografa.
Es una verdad muy cierta que, cuando no est a nuestro alcance determinar
lo que es verdad, deberemos buscar lo que es ms probable.
No existe ni el negro ni el blanco, solo existe una completa escala de grises...
La respuesta est dibujada en el aire...
Discurso del Mtodo. Ren Descartes.
(*) Montaigne M. Les essais [libro en internet]. Versin HTML daprs ldition de 1595 [acceso 31 de
octubre de 2008]. Disponible en: http://www.bribes.org/trismegiste/montable.htm
(**) F. Antoja Rib. Revisores. Revista del laboratorio clnico. 2009; 2: 63.
Si, segn Montaigne, para juzgar cosas grandes y nobles, es necesario
poseer un alma igual de grande y noble(*), para juzgar un artculo cientfco
escrito por un colega es necesario poseer, adems, conocimientos,
experiencia, imparcialidad, confdencialidad, diligencia, una cierta dosis de
pedagoga y otra no menos esencial de compaerismo (**).

Captulo 1
pgina 10
Publicacin Bioestadstica: Introduccin.
Captulo 1
Captulo 1
pgina 11
La Estadstica es la ciencia que se ocupa de los mtodos y procedimientos
para recoger, clasifcar, resumir, hallar regularidades y analizar los datos,
siempre y cuando la variabilidad e incertidumbre sea una causa intrnseca de
los mismos; as como de realizar inferencias a partir de ellos, con la fnalidad
de ayudar a la toma de decisiones y en su caso formular predicciones.
Defnicin
Bioestadstica aplicada a las Ciencias de la Salud
Captulo 1
pgina 12
Describe, analiza y representa un grupo de datos utilizando mtodos
numricos y grfcos que resumen y presentan la informacin contenida en
ellos.
Estadstica descriptiva
Captulo 1
pgina 13
Apoyndose en el clculo de probabilidades y a partir de datos de una
muestra (procedente de una poblacin), efecta estimaciones, decisiones,
predicciones u otras generalizaciones sobre un conjunto mayor de datos.
Permite generalizar los datos obtenidos a partir de una muestra a la poblacin
de la que proceden. Se basa en la teora de las probabilidades y trabaja con
los datos que le proporciona la estadstica descriptiva.
Estadstica inferencial
Captulo 1
pgina 14
La medicina es una ciencia estadstica, pues siempre se trabaja con la
probabilidad de enfermar y con la oportunidad incierta del diagnstico y del
tratamiento. El mdico debe adecuar el conocimiento cientfco y tecnolgico
a la situacin clnica personal y social del paciente del que se ocupa en ese
momento, ya que no existen enfermedades sino enfermos. El buen juicio
mdico logra un equilibrio entre el riesgo que comporta toda intervencin
diagnstica y/o teraputica y el benefcio esperable de dicha intervencin
en el paciente concreto, lo que obliga a combinar ciencia y arte, pues no
es fcil trabajar con la incertidumbre, y slo la estadstica nos proporciona
el instrumento adecuado que nos permite convivir con el azar, y con las
limitaciones del conocimiento mdico.
Estadstica en Medicina
Captulo 1
pgina 15
Hay verdades que por sabidas no se dicen, y por no decirlas se olvidan...
Hay mentiras (mitos o leyendas) que por decirlas pueden terminar siendo
pseudorealidades o realidades virtuales.
Coordinador de Formacin Continuada.
Hospital Universitario de Ceuta.
Captulo 1
pgina 16
Bobenrieth Astete M.A . Mitos y realidades en torno a la publicacin
cientfca. Med Clin (Barc) 2000; 114: 339-341.
Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud.
Medicina de Familia (And) 2001; 2: 81-90.
Profesor Bobenrieth Astete M.A.
Profesor de Metodologa de Investigacin y Escritura Cientfca.
Escuela Andaluza de Salud Pblica.

Mitos y Leyendas en Bioestadstica
Captulo 1
pgina 17
MITO 1: La sonrisa de la esfnge.
Cul es el ser que por la maana anda con cuatro patas, luego por la
tarde con dos, y despus por la noche con tres patas, y que se vuelve
ms dbil cuanto ms patas tiene?
Hay dos hermanas una de las cuales engendra a la otra, y sta a su vez
engendra a la primera Quines son?

Mitos y Realidades en Bioestadstica
Captulo 1
pgina 18
REALIDAD 1: Respuesta de Edipo.
Cul es el ser que por la maana anda con cuatro patas, luego por la tarde
con dos, y despus por la noche con tres patas, y que se vuelve ms dbil
cuanto ms patas tiene?
Edipo respondi correctamente y dijo: el HOMBRE, porque la maana, la
tarde y la noche traducen las etapas de la vida. El da o comienzo de la vida
muestra al beb gateando en cuatro pies o patas, la tarde o mitad de la vida
es la adultez del ser humano caminando en dos pies y la noche o fnal de la
vida muestra al anciano con un bastn o sea en tres pies.
Hay dos hermanas una de las cuales engendra a la otra, y sta a su vez
engendra a la primera Quines son?
Edipo contest: el DA y la NOCHE.
Furiosa, la Esfnge se suicida lanzndose al vaco y Edipo fue aclamado como
el salvador de Tebas, y como premio, Edipo fue nombrado rey de Tebas.
Captulo 1
pgina 19
MITO 1: La sonrisa de la esfnge.
Cmo voy a ser capaz de presentar y defender una comunicacin cientfca
en cualquier foro pblico o mandar a publicar un artculo original a una revista
sanitaria ante tan docto auditorio?
Qu me van a preguntar? Qu me van a decir si no respondo o no lo hago
adecuadamente? Seguro que hago el ridculo
Seguro que me rechazan el artculo original cuando lo mande a publicar a la
revista...
Si lo publican seguro que alguien me lo critica con una carta al director
que se publica en el nmero siguiente, y todo el mundo va a conocer mis
defciencias

Hospital Universitario INGESA de Ceuta
Captulo 1
pgina 20
Realidad 1: Respuesta de Edipo
METODOLOGA DE INVESTIGACIN
BIOESTADSTICA
ESCRITURA CIENTFICA
FORMACIN CONTINUADA
PRESENTACIONES CIENTFICAS EN POWER POINT
BSQUEDA DE BIBLIOGRFICA SEGN CRITERIOS
DE MEDICINA BASADA EN LA EVIDENCIA
Captulo 1
pgina 21
La bioestadstica es la punta visible del iceberg de la metodologa de
investigacin.

Bioestadstica
Captulo 1
pgina 22
REALIDAD 1: Muchos investigadores tienen bien defnido su estudio y
manejan correctamente las variables (datos), pero no aciertan cuando
escogen las pruebas estadsticas pertinentes, y llegan a la presentacin
oral (comunicacin) o a la redaccin de las revistas cientfcas (artculo
original) trabajos que adolecen de una manifesta mala sincrona entre los
datos obtenidos y su posterior anlisis estadstico.
Antoja Rib F. The innocence of the storks.
Rev Lab Clin 2010; 3 (2): 51.
Captulo 1
pgina 23
REALIDAD 1: Los auditores de los congresos sanitarios y los revisores
de las revistas cientfcas suelen ser colegas con un alto perfl profesional,
aceptable formacin en Metodologa de Investigacin, pero quizs sin un
alto nivel de conocimientos de anlisis estadstico de datos.
Rev Lab Clin 2010; 3 (2): 51.
Captulo 1
pgina 24
REALIDAD 1: El Comit Cientfco de los congresos y los editores de las
revistas ante trabajos de difcil evaluacin metodolgica incorporan un
tercer revisor especialista en Bioestadstica que dictamina defnitivamente
sobre la idoneidad de las herramientas metodolgicas empleadas por los
autores.
Rev Lab Clin 2010; 3 (2): 51.
Captulo 1
pgina 25
MITO 2: Enseanza de la investigacin clnica.

Antonio Fraguas de Pablo (Forges).
Qu le pasa, Doctor?Eh?. Ediciones Doyma 1988 (Barcelona).
Enseanza de la Bioestadstica Aplicada
Captulo 1
pgina 26
REALIDAD 2: La educacin autodidacta en Bioestadstica es el conjunto de
procesos que realizamos para incorporar nuevos conocimientos necesarios
para cada momento, donde uno mismo selecciona la informacin que
necesita y se evala a s mismo con el mtodo ensayo-error.
La educacin autodidacta es, creo frmemente, el nico tipo de educacin
que existe.
Isaac Asimov.
Enseanza autodidacta de la Bioestadstica aplicada
Captulo 1
pgina 27
MITO 3: Una publicacin sobre las ventajas de un nuevo tratamiento con
otro vigente que demuestra signifcacin estadstica (p < 0,05) posee, en
consecuencia, importancia y signifcacin clnica.

Captulo 1
pgina 28
REALIDAD 3: Mediciones y afrmaciones de probabilidad pueden ser
de gran ayuda en la prctica mdica, pero nunca deben reemplazar en
muchos casos a
- La experiencia.
- La perceptividad.
- El sentido comn.
- Y la intuicin.
Dr. Manuel Bobenrieth Astete
Profesor de Metodologa de Investigacin y Escritura Cientfca
Escuela Andaluza de Salud Pblica.
Captulo 1
pgina 29
REALIDAD 3: El valor de p, debe ser valorado con precaucin y teniendo
en cuenta el contexto del estudio, su diseo, las caractersticas de la
muestra o la poblacin analizada, de los potenciales sesgos, etc. Y NUNCA
como una cifra mgica que nos seduzca tanto, que nos invite o autorice a
tomar decisiones o cambiar conductas relacionadas con la prctica clnica
cotidiana.
REALIDAD 3: Antes de tomar decisiones o cambiar conductas clnicas
basadas en un valor de p, se ha de considerar tambin la VALIDEZ
EXTERNA (generalizacin de los resultados obtenidos en ese estudio
respecto de la poblacin inicial y, si esas conclusiones pueden ser
extrapoladas a nuestros pacientes o nuestra realidad laboral (que pueden
ser distinta a la descrita en el estudio publicado y valorado por nosotros.
Mitos y Realidades en las publicaciones cientfcas
Captulo 1
pgina 30
...de lo estadsticamente signifcativo a lo clnicamente relevante
Realidad 3
Hallazgos estadsticos
1. Refejan la infuencia del azar en el
resultado
2. Derivan de grupos de individuos
3. Requieren cantidades adecuadas de
datos para ser vlidas
4. Las respuestas estadsticas son
probabilsticas
5. El anlisis estadstico siempre requiere
medicin.
Hallazgos clnicos
1. Refejan el valor biolgico del resultado
2. Se practica en individuos especfcos
3. Las decisiones clnicas deben tomarse a
menudo con datos insufcientes
4. Los tratamientos mdicos requieren
decisiones oportunas comprometidas
5. La prctica clnica no puede medir
fcilmente cada funcin, cada sistema,
cada signo o sntoma clnico
Captulo 1
pgina 31
Realidad 3
Por todo ello, es ms apropiado que hablar de SIGNIFICACIN
ESTADSTICA es ms correcto utilizar el concepto de RELEVANCIA
CLNICA; porque la relevancia clnica de un fenmeno va ms all de
clculos matemticos y depende de
1. La gravedad del problema,
2. La morbilidad y mortalidad generada por el mismo,
3. La magnitud de la diferencia,
4. La vulnerabilidad,
5. Los costes involucrados, etc.
Captulo 1
pgina 32
Realidad 3
Realidad 3: ...de lo
estadsticamente signifcativo a lo
clnicamente relevante.
Es clnicamente relevante?
Es estadsticamente signifcativo? S (xito) No (fracaso)
S (p < 0,05) Clnicamente relevante
Estadsticamente signifcativo
Clnicamente irrelevante (p < 0,05)
Error Alfa?
No (p > 0,1) Clnicamente relevante
Estadsticamente NO
signifcativo
Error Beta?
Clnicamente irrelevante
Estadsticamente NO signifcativo
Captulo 1
pgina 33
REALIDAD 3: Un resultado estadsticamente signifcativo (p<0,05) sin
relevancia clnica no deja de ser una ANCDOTA; un hallazgo clnicamente
importante sin signifcacin clnica (p>0,1) no puede ser asumido como
concluyente, ya que no podemos atribuir con seguridad el hallazgo clnico a
la intervencin realizada (no podemos descartar la infuencia del AZAR).
Captulo 1
pgina 34
REALIDAD 3: Una prueba estadstica NO es una prueba de relevancia
cientfca. Bajo ningn concepto la relevancia del dato se encuentra en la
tcnica de anlisis, sino en la repercusin del mismo en el conocimiento
del objeto de estudio. Es perfectamente compatible encontrar diferencias
estadsticamente signifcativas que no suponen relevancia clnica, y
viceversa.
Guttman . What is not what statistics (1977).
Captulo 1
pgina 35
MITO 4: La ausencia de evidencia es evidencia de ausencia.
REALIDAD 4: La ausencia de evidencia NO es evidencia de ausencia.
Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ 1995;311:485.
Captulo 1
pgina 36
MITO 4: La ausencia de signifcacin estadstica (p > 0,05) implica que
dos tratamientos comparados tienen la misma efcacia y por tanto pueden
prescribirse indistintamente.
Captulo 1
pgina 37
REALIDAD 4: Altman y Bland alertaron sobre un error comn en la
bibliografa biomdica: interpretar un resultado estadsticamente no
signifcativo, cuando se comparan dos tratamientos, como sinnimo de su
equivalencia teraputica.
Argimon JM. La ausencia de signifcacin estadstica en un ensayo clnico no signifca equivalencia
teraputica. Med Clin (Barc) 2002; 118: 701-3.
Captulo 1
pgina 38
REALIDAD 4: Un valor de signifcacin estadstica mayor p > 0,05 se
etiqueta como no signifcativo. Estos estudios se les denomina negativos,
un trmino que implica errneamente que los tratamientos son iguales,
cuando lo nico que sucede es que no se ha podido demostrar una
diferencia. Ambos conceptos son distintos. Un resultado que no alcance
signifcacin estadstica quiere decir que (si en realidad no existe esa
diferencia), es probable que la observada en el estudio pueda haberse
producido simplemente por el AZAR (variabilidad aleatoria). No debe
interpretarse como indicativo de que no existe una diferencia en la realidad,
sino tan slo de que no puede descartarse esta posibilidad, en especial en
los estudios que han incluido a pocos sujetos.
Captulo 1
pgina 39
MITO 5: La estadstica es una religin que conduce a la salvacin a travs
del mgico ritual de la bsqueda de valores signifcativos de la p (p<0,05),
alcanzando entonces los autores la verdad absoluta y el paraso prometido
de la publicacin del trabajo en una revista de alto ndice de impacto.
Captulo 1
pgina 40
REALIDAD 5: En la bibliografa cientfca se est abusando del trmino
signifcacin estadstica. Numerosos investigadores dan por supuesto que
si en un estudio hallan una probabilidad (p) inferior a 0,05, ello certifca
la existencia tanto de la validez cientfca de su observacin como de la
relevancia clnica de la misma. Y ello est lejos de ser cierto. Su fe ciega en
el valor de la p contrasta con los detractores de su signifcado (ateos de la
estadstica).
Captulo 1
pgina 41
REALIDAD 5: La estadstica es una herramienta til para el diseo
y realizacin de estudios sanitarios siempre que sea utilizada
adecuadamente.
Salsburg DS. The religion of statistics as practiced
in medical journals. Am Statistician 1985; 39: 220-223.
Captulo 1
pgina 42
REALIDAD 5: Los mtodos estadsticos NO son un sustituto del sentido
comn y la objetividad. Nunca deberan estar dirigidos a impresionar o
confundir al lector, sino que deben ser una contribucin importante a la
claridad de los conocimientos cientfcos.
Pocock SJ. The role of statistics in medical research. Br J Psychiat 1980; 137: 188-190.
Captulo 1
pgina 43
REALIDAD 5: Es fundamental hacer buenas preguntas de investigacin, lo
cual nos llevar a trabajos interesantes y respuestas con sentido comn, no
habr necesidad de SALIR DE PESCA para presentar al editor muchas
p menores de 0.05. Todo, con mesura y utilizado racionalmente, es bueno,
y la estadstica es un instrumento indispensable pero, como todo en la
vida, con SENTIDO COMN (y este sentido estadsticamente hablando no
parece ser a veces muy frecuente).
Dr. Juan M. Garca Torrecillas
Mdico de Especialista en Medicina Familiar y Comunitaria
Experto en Epidemiologa y Nuevas Tecnologas
Captulo 1
pgina 44
Utiliza la estadstica como un borracho usa una farola, para aguantarse
en lugar de para iluminarse

Andrew Lang
El Borracho
Captulo 1
pgina 45
- Una p < 0,05 indica que en menos de 5 veces de cada 100 que
repitiramos el mismo estudio, nuestro resultado se debera al AZAR.
- Cuanto mayor sea la p (p > 0,1) ms fuerte y segura ser la evidencia a
favor de la hiptesis nula (igualdad).
- El valor de la p no es un indicador de fuerza de asociacin, ni tampoco
de su importancia clnica.

Cul es la probabilidad de que la diferencia observada en el estudio
se deba al AZAR?
Objetivo principal de la estadstica:
Captulo 1
pgina 46
La estadstica no es la llave dorada que abre la puerta de la verdad
absoluta e infnita
La verdad absoluta e infnita tiene una sonrisa diablica. Si consigo la llave dorada podr
abrir la puerta , y as podr conocer la verdad absoluta e infnita.

La Llave Dorada
Captulo 1
pgina 47
MITO 6 (signifcantitis): Si p es mayor que el 5%, el resultado del estudio
no vale para nada; slo si es menor de 0,05, hemos hecho un gran
descubrimiento.
Chia KS. Signifcant-itis: an obsession with the P value. Scand J Work Environ Health. 1997; 23:152-4.
Christenson P. To p or not to p. J Child Adolesc Psychiatr Nurs. 1995; 8:42.
Captulo 1
pgina 48
REALIDAD 6: Algunos, de forma irnica, a esta postura tan drstica y
que pocas veces est realmente justifcada la consideran una autntica
enfermedad llamada signifcantitis o es como un problema de conciencia:
to p or not to p. Neyman et al. al considerar que haba que establecer un
lmite claro en el valor p para aplicar los razonamientos anteriores de forma
absoluta. Este valor crtico de p es el famoso 0,05 y marca el mtico lmite
de la signifcacin estadstica.
Neyman J, Pearson E. On the problem of the most effcient tests of statistical hypothesis. Philosophical trans
of the Royal Society of London (A) 1933;231:289-337.
Captulo 1
pgina 49
REALIDAD 6: Neyman et al lanzaron este lema exclusivamente bajo
el punto de vista de la toma de decisin ante un problema que fuera
trascendente y en el que, urgiera tal toma de decisin: rechazar o no la
hiptesis nula con sus consecuencias derivadas. Lo que ocurre es que se
ha universalizado demasiado y se lo ha sacado de su contexto, ya que se
aplica a cualquier inferencia estadstica, aunque el fn de la investigacin no
suponga obligacin alguna de tomar una decisin tan drstica, basada en la
ley del todo o nada.
Neyman J, Pearson E. On the problem of the most effcient tests of statistical hypothesis. Philosophical trans
of the Royal Society of London (A) 1933;231:289-337.
Captulo 1
pgina 50
MITO 7 (adoradores de la p): La esencia de la estadstica es la bsqueda
de los valores ms bajos de la p, (una p < 0,001 es mejor que una p < 0,01,
y sta superior a una p <0,05) ya que cuanto ms pequea sea esta p
mayor intensidad de asociacin y causalidad existir entre las variables y
mayor credibilidad tendrn las conclusiones de mi estudio.
Captulo 1
pgina 51
El cual los tom de las manos, y formlo con buril, e hizo de ello un
becerro de fundicin. Entonces dijeron: Israel, estos son tus dioses, que
te sacaron de la tierra de Egipto

xodo 32, 1-6
Mito 7: Adoradores de la p
Captulo 1
pgina 52
REALIDAD 7: La utilidad de la p es una medida de la infuencia del AZAR
en la posible asociacin entre las variables analizadas, este azar debe ser
siempre contemplado, evaluado y cuantifcado mediante el valor de la p. La
p NO es un indicador de fuerza de la asociacin entre variables, ni de su
importancia. Los valores de la p deben ser considerados solo como una
gua y no como base de conclusiones defnitivas e irrevocables.
Captulo 1
pgina 53
MITO 8: Hace poco le en la prensa mdica la siguiente frase: Yo no
creo en la estadstica, (ATEOS de la estadstica) porque est claro que la
estadstica, como religin que es, es solo una cuestin de fe, que como tal
debe ser respetada (segn dice el artculo 16 de la Constitucin Espaola
sobre la libertad religiosa).
Captulo 1
pgina 54
REALIDAD 8: La estadstica constituye un instrumento cientfco que
requiere el cumplimiento de NUMEROSAS CONDICIONES para producir
resultados vlidos.
1. Es preciso que los experimentos tengan un diseo muy escrupuloso.
2. Es inexcusable aplicar en cada circunstancia aquellos mtodos que en
ella son idneos y controlar rigurosamente su validez.
3. NUNCA es legtimo deducir que un resultado signifcativo es clnicamente
relevante.
4. Una correlacin entre dos variables acabar siendo siempre signifcativa
(p < 0,05) si la muestra es lo sufcientemente grande.
5. Por eso en algunos casos, se dice que: La estadstica es un
instrumento, que si no se usa adecuadamente, puede demostrar cualquier
MENTIRA.
Captulo 1
pgina 55
REALIDAD 8: Aplicando los mtodos estadsticos de forma abusiva (como
lo haca la Santa Inquisicin), si torturamos sufcientemente a nuestros
datos, acabaran por confesarnos lo que nosotros queramos. El fn nunca
justifca los medios.
Ars A. Tmese una antes de acostarse. 1 edicin. Barcelona: Planeta; 1998.
Captulo 1
pgina 56
La estadstica es un instrumento, que si no se usa adecuadamente, puede
demostrar cualquier mentira.
En Bioestadstica el fn nunca justifca los medios.
Captulo 1
pgina 57
REALIDAD 8: Si los datos de un estudio se analizan con muchos enfoques
distintos y con la sufciente intensidad hasta TORTURARLOS, acaban
dando los resultados que al investigador le hubiese gustado obtener,
aunque tales resultados suelen ser cientfcamente NEFASTOS.
Mills JL. Data torturing. N Engl J Med. 1993; 329: 1196-9.
Captulo 1
pgina 58
MITO 9: La inocencia de las cigeas
Una buena correlacin estadstica (coefciente de correlacin r elevado)
(p < 0,05) siempre signifca que existe una relacin entre las variables
evaluadas y, por tanto, existe una relacin causa - efecto.

Captulo 1
pgina 59
Captulo 1
pgina 60
REALIDAD 9:
- Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre
signifca que exista una relacin entres las variables evaluadas y, por
tanto, NO implica una relacin causa-efecto.
- El trabajo estara mal planteado, aunque se hubiera aplicado un
tratamiento estadstico aparentemente correcto.
- Los autores de un estudio deben ser muy cautos en la aplicacin y
posterior interpretacin del anlisis estadstico.
Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.
Captulo 1
pgina 61
Estudio ecolgico
Variable PREDICTORA
Factor de exposicin (F)
Variable RESULTADO
Efecto o Enfermedad (E)
CIGEAS NATALIDAD HUMANA
Nmero de ejemplares de
cigeas
Tasa de natalidad de la
poblacin humana
Captulo 1
pgina 62
Estudio de Bartels (Alemania)
Variable PREDICTORA-EXPOSICIN-posible CAUSA
Nmero de ejemplares de cigeas
Variable cuantitativa continua
V
a
r
i
a
b
l
e

R
E
S
U
L
T
A
D
O
-
R
E
S
P
U
E
S
T
A
-
p
o
s
i
b
l
e

E
F
E
C
T
O
T
a
s
a

d
e

n
a
c
i
m
i
e
n
t
o
s

e
n

l
a

p
o
b
l
a
c
i
n

h
u
m
a
n
a
V
a
r
i
a
b
l
e

c
u
a
n
t
i
t
a
t
i
v
a

c
o
n
t
i
n
u
a
Enero
Febrero
Marzo
Abril
Mayo
Junio
Julio
Agosto
Septiembre
Octubre
Noviembre
Diciembre
Captulo 1
pgina 63
Estudio de Bartels (Alemania)
RESULTADOS: En Alemania, en un mismo ao, descendieron, de forma
signifcativa, la tasa de nacimientos de la poblacin humana y el nmero
de ejemplares de cigeas. La correlacin entre ambas variables era alta,
lo que demostraba cientfcamente su relacin.
CONCLUSIN: La baja natalidad alemana en el ao de estudio se explica
por la disminucin del nmero de cigeas repartidoras de bebs. La
culpa era de las cigeas.
Captulo 1
pgina 64
Comentarios
- Es muy saludable encontrar detalles de humor.
- Si leyramos un supuesto artculo cientfco con esa conclusin tan extravagante
pensaramos, sin duda, que se trata de una parodia y como tal la aceptaramos.
- Es fcil entender el error porque sabemos que las cigeas no tienen nada que ver
con la reproduccin humana y, por tanto, se ha buscado errneamente una relacin
entre dos variables sin plausibilidad biolgica.
- El trabajo est mal planteado, y aunque se hubiera aplicado un tratamiento
estadstico aparentemente correcto.
- Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre signifca que
existe una relacin entres las variables evaluadas, y por tanto NO implica una relacin
causa efecto.
Captulo 1
pgina 65
Refexiones
Qu ocurre cuando el estudio se lleva a cabo con variables (datos) menos
conocidos, de poblaciones que nos son menos familiares, obtenidos en estudios
complejos?
Cmo sabemos si el autor sabe certeramente entre qu grupos se puede establecer
relaciones y entre cules no tiene sentido hacerlas?
Esto slo es posible si el investigador conoce muy bien lo que est estudiando y ha
partido de un planteamiento y el diseo del estudio bien estructurado.
Las conclusiones que se obtienen al aplicar las pruebas estadsticas slo tienen
sentido cuando las variables (datos) estn bien defnidas y tienen plausibilidad
biolgica.
Captulo 1
pgina 66
Estos tipos de errores se originan cuando los autores NO tienen claros
algunos conceptos bsicos de METODOLOGA de INVESTIGACIN
pero disponen de programas estadsticos potentes, en los que slo
se necesita sealar y aceptar con el ratn entre un amplio abanico de
pruebas estadsticas.

Captulo 1
pgina 67
Parafraseando a Sneca , debemos convenir que
todo lo honesto es difcil
y la investigacin clnica no es una excepcin.

Sneca LA. De los benefcios. En: Lucio Anneo Sneca: Obras completas. Madrid: Aguilar, 1961.
Captulo 1
pgina 68
1. Introduccin a la bioestadstica.
2. Estadstica descriptiva. Variables y grfcos.
3. Tamao muestral: Error alfa y error beta.
4. Evaluacin de pruebas diagnsticas.
5. Test de contraste de hiptesis: variable cualitativa versus cualitativa.
6. Test de contraste de hiptesis: variable cuantitativa versus cuantitativa.
7. Test de contraste de hiptesis: variable cuantitativa versus cualitativa.
8. Anlisis estadstico multivariante.
9. Utilidad de la bioestadstica en los resultados y discusin del estudio.

Curso de Bioestadstica Aplicada
Captulo 1
pgina 69
Salir de nuestra cueva de BENZ, de nuestro nicho ecolgico
Comunicar nuestra experiencia a los dems
Utilizando la bioestadstica como herramienta de trabajo.

Captulo 1
pgina 70
Etapas del proceso de investigacin
Fase conceptual
INTRODUCCIN
Fase planificacin
MATERIAL y
MTODOS
Fase emprica
RESULTADOS
Fase interpretativa
DISCUSIN
1. Problema
(Preguntas)
3. Marco
terico
4. Definicin
Variables
5. HIPTESIS
OBJETIVOS
14. ANLISIS
6. Seleccin del
diseo
7. Identificacin de
la poblacin
9. Estudio
piloto
10. Fuentes de
informacin
12. Procesamiento
de datos
13. Presentacin
de datos
15. Validez interna y
externa
16. Importancia
Novedad
17. Alcance
y limitaciones
18. Conclusin
(Respuestas)
11. Recoleccin
de datos
2. Revisin
bibliogrfica
8. Determinacin
Casos/muestra
TEORIA
HECHOS
DATOS
I
N
D
U
C
C
I
N
D
E
D
U
C
C
I
N
TEMA A INVESTIGAR
Campo de investigacin
12. Procesamiento
estadstico de datos
Captulo 1
pgina 71
La bioestadstica y el mtodo epidemiolgico aportan ms ciencia al arte de la
medicina y enfermera y es por ello que la colaboracin conjunta de expertos en
metodologa, bioestadsticos y los clnicos deben trabajar en equipo en colaboracin
para en un esfuerzo conjunto reducir la variabilidad que rodea al ejercicio de la
medicina y enfermera que ser siempre una ciencia de probabilidades y un arte de
manejar la incertidumbre.
Pita Fernndez S. Difcultades de los mdicos para la realizacin de estudios clnico-epidemiolgicos.
Congreso Galego de Estadstica e Investigacin de Operacins. Santiago de Compostela, A Corua
(Espaa). 11-13 Novembre-1999.
Bioestadsticos
Expertos en
metodologa
Personal
sanitario
Captulo 2
pgina 72
Publicacin Bioestadstica: Variables y grfcos.
Captulo 2
Captulo 2
pgina 73
Materiales
1. Criterios de seleccin de la muestra (inclusin y exclusin).
2. Procedencia.
3. Tcnica de reclutamiento utilizada.
4. Tiempo empleado para reunir a todos los participantes.
5. Principales caractersticas de los pacientes.
- Edad
- Sexo
- Procedencia
- Gravedad
- Aos de evolucin de la enfermedad
- Patologas asociadas...
6. Clculo de tamao muestral.
Pacientes
Captulo 2
pgina 74
Tipos de variables
- Variables cualitativas
- Categricas nominales
- Dicotmicas o Binarias
- Policotmicas
- Categricas ordinales
- Variables cuantitativas
- Discretas
- Continuas
Categorizacin
Captulo 2
pgina 75
Tipos de variables
- Variables CUALITATIVAS: Representan una cualidad o atributo que clasifca a cada
individuo en una de varias categoras. Pueden ser de dos tipos:
- Dicotmicas o binarias: La situacin ms sencilla es aquella en la que se clasifca cada
individuo en uno de dos grupos (hombre/mujer, enfermo/sano, fumador/no fumador).
- Policotmicas: Es necesario un mayor nmero de categoras (color de los ojos, grupo
sanguneo, profesin, etctera).
- Variables CUANTITATIVAS: Son aquellas que pueden medirse, cuantifcarse o
expresarse numricamente. Pueden ser de dos tipos:
- Continuas: Son aquellas que si admiten tomar cualquier valor dentro de un rango
numrico determinado, con uno o varios decimales (peso, talla, edad).
- Discretas: Son aquellas que NO admiten todos los valores intermedios en un rango.
Suelen tomar solamente valores enteros (nmero de hijos, abortos, partos, hermanos).
Captulo 2
pgina 76
Tipos de variables segn la escala de medida
Escalas nominales: Variables NOMINALES: sta es una forma de observar o medir en la
que los datos se ajustan por categoras que no mantienen una relacin de orden entre s.
- Sexo.
- Grupo sanguneo.
- Presencia o ausencia de una enfermedad.
- Presencia o ausencia de un factor de riesgo.
Escalas ordinales: Variables ORDINALES: En las escalas utilizadas para medirlas existe un
cierto orden, grado o jerarqua entre las categoras.
- Grado de disnea.
- Grado de dolor.
- Intensidad del hbito tabquico.
- Tipo de fumador.
Captulo 2
pgina 77
Variables cualitativas categricas ordinales
- Grado de disnea.
- Grado de dolor.
- Intensidad del hbito tabquico.
- 1-9 cigarrillos/da.
- 10-20 cigarrillos/da.
- > 20 cigarrillos/da.
- Tipo de fumador.
- Exfumador.
- Fumador pasivo.
- Fumador activo.
Captulo 2
pgina 78
Categorizacin de variables cuantitativas
Triglicridos
Test de APGAR
Categorizacin
Categorizacin
Hipertriglicridemia
Normotriglicridemia
Patolgico < 7
Dudoso = 7
Fisiolgico > 7
Variable
Cuantitativa continua
Variable
Cuantitativa discreta
Variable
Cualitativa dicotmica
Variable
Cualitativa ordinal
Captulo 2
pgina 79
Tipos de variables
Ejemplos
Variables cualitativas
- Binarias
- Policotmicas
- Ordinales
Variables cuantitativas
- Discretas
- Continuas
- Sexo
- Credo religioso en Ceuta
- Hipertensin
- Tipo de fumador
- Colesterolemia
- Nmero de abortos
- Nivel de instruccin
- Edad gestacional
- Frecuencia cardiaca
- Test de apgar
Captulo 2
pgina 80
Tipos de variables
Ejemplos
- Binarias
- Policotmicas
- Ordinales
- Discretas
- Continuas
- Antecedentes de IAM
- Grupo sanguneo
- Hipertensin
- Tipo de fumador
- Colesterolemia
- N intentos de dejar fumar
- Nivel econmico
- Edad
- Peso
- Test de apgar
Captulo 2
pgina 81
Tipos de variables
Ejemplos
- Binarias
- Policotmicas
- Ordinales
- Discretas
- Continuas
- Desenlace
- Estado civil
- Inmunizacin toxoplasma
- Intensidad del hbito tabquico
- LDL colesterol
- Nmero de cigarrillos
- Grado de disnea
- Aos de evolucin
- Hemoglobina
- Nmero de hijos
Captulo 2
pgina 82
Tipos de variables
Variable independiente (X) Variable dependiente (Y)
Controlada por el investigador Respuesta que no se controla
Informacin disponible Informacin que se desea conseguir
Variable predictora Variable desenlace
Variable previa Variable criterio
Exposicin (F) Resultado (E)
Posible causa Posible efecto
Factor Consecuencia
Regreso Regresando
Captulo 2
pgina 83
Pruebas estadsticas de contraste de hiptesis ms
aplicables a cada situacin
Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
Pruebas de contraste de
hiptesis
Observaciones y/o limitaciones del test
Cualitativa Cualitativa Ji cuadrado
Prueba exacta de Fisher
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA
Si el tamao muestral es grande
Si el tamao muestral es pequeo
Dos grupos de muestras repetidas o apareadas
Ms de dos grupos de muestras repetidas o apareadas
Varias variables predictoras cualitativas
Cualitativa Cuantitativa t de Student
Anlisis de la Varianza
Test de Mann-Whitney
Test de Wilcoxon
Test de Kruskall-Wallis
Test de Friedman
Compara medias entre dos grupos independientes
Compara medias entre ms de dos grupos independientes
Dos grupos independientes No paramtricos
Dos grupos medidas repetidas No paramtrico
Ms de dos grupos No paramtrico, grupos indendientes
Ms de dos grupos No paramtrico medidas repetidas
Cuantitativa Cualitativa Regresin logstica simple
Regresin logstica multivariante
Una sola variable predictora cuantitativa
Varias variable predictoras cuantitativa o cualitativas
Cuantitativa Cuantitativa Regresin lineal simple
Correlacin de Pearson
Correlacin de Sperman
REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Varias variables predictoras cuantitativas
Cualitativa Superviviencia Kaplan-Meier
Long-Rank
Regresin de COX
Curvas de supervivencia
Compara curvas de superviviencia
Anlisis Multivariante
Captulo 2
pgina 84
Fases del anlisis estadstico
1.- ANLISIS DESCRIPTIVO
2.-ANLISIS BIVARIANTE
3.- ANLISIS MULTIVARIANTE
Captulo 2
pgina 85
Estadsticos descriptivos
Medidas de tendencia central
- Media aritmtica
- Media geomtrica
- Media armnica
- Media ponderada
- Mediana
- Moda
Medidas de forma
- Asimetra
- Curtosis o apuntamiento
Medidas de dispersin
- Varianza
- Desviacin estndar
- Coefciente de variacin
- Error estndar de la media
Medidas de posicin
- Cuantiles
- Percentiles
Captulo 2
pgina 86
- Media aritmtica [x]
- Media geomtrica
- Media armnica
- Media ponderada
- Mediana (P50)
- Moda
Captulo 2
pgina 87
Media aritmtica
- Principal medida de tendencia central, pero menos robusta que la media geomtrica o
media armnica.
- Se deja infuir mucho por los valores extremos de la distribucin.
- Se suman todos los valores y se divide por el nmero total de individuos.
- Expresin con pocos decimales.
Captulo 2
pgina 88
Ejemplo: Cul es la nota de un alumno del curso de
metodologa de investigacin que ha obtenido las siguientes
califcaciones?
Media ponderada = 6,7
xi valor Peso valor
Asistencia a clase (X1) 7,5 W1 20%
Tesina (prcticas) (X2) 5,5 W2 20%
Examen inicial (X3) 3/14 (2,1) W3 10%
Examen fnal (X4) 11/14 (7,8) W4 20%
Incremento en sus conocimientos (X4 - X3) 8 W5 30%
Captulo 2
pgina 89
Mediana P
50
- Medida de tendencia central robusta, de clculo fcil.
- No se deja infuir mucho por los valores extremos de la distribucin.
- Coincide con el valor central del conjunto ordenado de observaciones que deja por
debajo y por encima a la mitad de las observaciones realizadas.
- Se debe utilizar siempre en dos casos:
- Bajo tamao muestral (para muestras pequeas) y/o
- Cuando existen observaciones extremas (perifricos)
Captulo 2
pgina 90
Medidas de dispersin
- Varianza [s
2
]
- Desviacin tpica o estndar [s]
- Coefciente de variacin [CV]
- Error estndar de la media [EE]
Captulo 2
pgina 91
Cul de las siguientes
distribuciones presenta un
mayor valor de la media?
distribuciones presenta una
mayor dispersin?
distribuciones presenta una
mayor dispersin?
distribuciones presenta un
mayor valor de la media?
Captulo 2
pgina 92
Desviacin estndar (s)
- Medida de dispersin que nos suministra mucha informacin sobre la naturaleza de
una variable.
- Cuanto ms separados estn los valores de la media mayor ser su dispersin, y
mayor ser su desviacin estndar.
- Se debe representar como media (desviacin estndar), y NO como media
desviacin estndar.
- Su magnitud SI depende de las unidades de medida de la variable. NO permite la
comparacin directa de la dispersin de varias variables.
Captulo 2
pgina 93
Coefciente de variacin (CV)
- Medida de dispersin que relaciona que proporcin porcentual de la media representa
la desviacin estndar.
- Representa la desviacin estndar medida en unidades de magnitud relativas a la
media.
- Permite la comparacin directa de la dispersin de varias variables.
- Su magnitud NO depende de las unidades de medida de la variable.
Captulo 2
pgina 94
Cul de las siguientes variables presenta un mayor grado de
dispersin?
Cul de las siguientes variables presenta un menor grado de
dispersin?
Repetibilidad interdiaria de los procedimientos de anlisis del metabolismo frrico
Componente N Media Desviacin
estndar
Coefciente de
variacin (CV %)
Hemoglobina 20 121,70 0,64 0,53
Hierro 20 0,99 0,01 1,20
Ferritina 20 94,50 4,24 4,49
Transferrina 20 3,25 0,094 2,89
Receptor soluble de la transferrina 20 2,39 0,13 5,44
Captulo 2
pgina 95
Error Estndar de la Media EEM: Mide el grado de dispersin de las medias de todas las posibles muestras
que pudieran extraerse de la poblacin. Mide el grado de dispersin de las medias muestrales respecto a la
media poblacional (desconocida).
Desviacin estndar: Mide el grado de
dispersin de todos los individuos que
forman la muestra (s) o la poblacin ().
Sigma : desviacin
estndar de los individuos
de la poblacin general
DISTRIBUCIN
DE LAS MEDIAS
MUESTRALES
Distribucin de los valores de una variable x
medidos en los individuos de una poblacin
Distribucin de las medias X observadas en las infinitas muestras
de tamao n que pueden obtenerse de una poblacin de media
y de desviacin estndar
Media poblacional desconocida de la que
proceden todas las muestras extradas
Captulo 2
pgina 96
Medidas de forma
Asimetra (coeficiente de asimetra
1
de Fisher)
Simtrica (coeficiente de asimetra
1
= 0)
Asimtrica (coeficiente de asimetra
1
0)
Asimetra positiva (coeficiente de asimetra
1
> 0)
Asimetra negativa (coeficiente de asimetra
1
< 0)
Curtosis o apuntamiento (coeficiente
2
curtosis de Fisher)
Mesocrtica (
2
= 0)
Platicrtica (
2
< 0)
Leptocrtica (
2
> 0)
3
1
1 3
i
n
i
R
=
=

4
1
2 4
3
i
n
i
R
=
=
Coeficiente
2
mide el grado de
APLASTAMIENTO de una curva
Captulo 2
pgina 97
Asimetra
Medidas de forma
Histograma de frecuencias de una variable cuantitativa
con distribucin simtrica (coeficiente de asimetra
1
= 0)
3
1
1
3
i
n
i
R
=
=

Distribucin normal
[Asimetra] < 2 EE
asimetra
1
< 2 EE
1
Captulo 2
pgina 98
Asimetra
Medidas de forma
con distribucin Asimtrica Positiva (coeficiente de asimetra
1
> 0)
Captulo 2
pgina 99
Mediana Mediana
Media
%
X
Moda
* Coeficiente de asimetra
1
> 0 (VALOR POSITIVO)
* La Mediana es un valor ms pequeo que la Media
* La cola de la distribucin se aleja por la derecha
con distribucin Asimtrica positiva (coeficiente de asimetra
1
> 0)
Captulo 2
pgina 100
Asimetra
Medidas de forma
con distribucin Asimtrica Negativa (coeficiente de asimetra
1
< 0)
Captulo 2
pgina 101
Mediana Mediana
Media
%
X
Moda
* Coeficiente de asimetra
1
< 0 (VALOR NEGATIVO)
* La Mediana es un valor ms grande que la Media
* La cola de la distribucin se aleja por la izquierda
Histograma de frecuencias de una variable cuantitativa con
distribucin Asimtrica negativa (coeficiente de asimetra
1
< 0)
Captulo 2
pgina 102
Curtosis o apuntamiento
Medidas de forma
Distribucin normal
[curtosis] < 2 EE
curtois
Coeficientes
2
de apuntamiento o curtosis de Fisher
Mesocrtica (
2
= 0)
Platicrtica (
2
< 0)
Leptocrtica (
2
> 0)
2
< 2 EE
2
Captulo 2
pgina 103
Segn las medidas de forma Cmo puede clasifcarse esta
variable?
Asimetra
1
= 0,01
Curtosis
2
= 0,02
Simtrica (
1
0)
Mesocrtica (
2
0)
Coeficientes de asimetra
1
y de apuntamiento o curtosis
2
en diversos tipos de distribuciones
Distribucin
NORMAL
Captulo 2
pgina 104
variable?
Asimtrica (
1
>0)(+)
Leptocrtica (
2
>0)
Asimetra
1
= + 2,98
Curtosis
2
= +11,53
1
2
Distribucin
ANORMAL
Captulo 2
pgina 105
variable?
1
2
Asimetra
1
= -1,59
Curtosis
2
= +1,97
Asimetra
1
= -1,59
Curtosis
2
= +1,97
Asimtrica (
1
<0)(-)
Leptocrtica (
2
>0)
Distribucin
ANORMAL
Captulo 2
pgina 106
variable?
Asimetra
1
= - 0,04
Curtosis
2
= - 1,37
Asimetra
1
= - 0,04
Curtosis
2
= - 1,37
Simtrica (
1
0)
Platicrtica (
2
<0)
1
2
Captulo 2
pgina 107
Segn las medidas de forma Como puede clasifcarse esta
variable?
Peso en adultos (Kg)
F
r
e
c
u
e
n
c
i
a
Peso en adultos (Kg)
F
r
e
c
u
e
n
c
i
a
Asimetra
1
= + 0,135
Curtosis
2
= + 0,320
Distribucin
NORMAL
Sigue una Distribucin Normal?
Simtrica (
1
0)
Mesocrtica (
2
0)
Test de Kolmogorov - Smirnov = 0,705
p = 0,702
Captulo 2
pgina 108
variable?
Test de Kolmogorov - Smirnov = 1,498
p = 0,022
Asimetra
1
= + 0,713
Curtosis
2
= + 3,660
F
r
e
c
u
e
n
c
i
a
Edad
F
r
e
c
u
e
n
c
i
a
Edad
Distribucin ANORMAL
Asimtrica (
1
>0)(+)
Leptocrtica (
2
>0)
Captulo 2
pgina 109
Cuartiles y percentiles
Medidas de posicin:
Representacin esquemtica de la Mediana P50
(percentil 50) y de los cuartiles P75 y P25
Mediana P50 Mediana P50
RIC: Rango intercuartlico
Cuartil 3 = P75
Cuartil 1 = P25
Cuartil 2 = P50
RIC
Cuartil 3 = P75
Cuartil 1 = P25
Cuartil 2 = P50
RIC
120
110
110
95
92
91
90
88
85
76
76
73
72
6 datos
6 datos
120
110
110
95
92
91
90
88
85
76
76
73
72
6 datos
6 datos
Captulo 2
pgina 110
Grfcos de caja (box-plot)
Diagrama de caja (box & whister plot)
Tercer cuartil
Rango intercuartlico (RI)
Tercer cuartil Primer cuartil
P
75 Tercer cuartil
Rango intercuartlico (RI)
Tercer cuartil Primer cuartil
P
75
Mediana P
50
Mediana P
50
Bigote inferior
= P
25
[1,5 * RI ]
Bigote inferior
= P
25
[1,5 * RI ]
Primer cuartil P
25
Primer cuartil P
25
Bigote superior
=[1,5 * RI ] + P
75
Bigote superior
=[1,5 * RI ] + P
75
Consumo de Cigarrillos / da
80
0
10
70
60
50
40
30
20
Consumo de Cigarrillos / da
80 80
0 0
10 10
70 70
60 60
50 50
40 40
30 30
20 20
Captulo 2
pgina 111
P
75
= 158
P
25
= 125
220
Bigote superior = 180
Diagrama de cajas con un individuo perifrico
Tensin arterial sistlica (mm Hg)
Mediana = 140
Bigote inferior
RIC = 33
Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid:
Ediciones Daz de Santos; 2001.
Es legtimo un dato
puntual cuyo valor
es excepcionalmente
grande o pequeo?
Es 220 un valor mal
registrado?
Es el resultado de un
error o accidente en la
experimentacin?
Perifrico o Outlier
Captulo 2
pgina 112
Tcnicas de deteccin de Outlier
outlier?
V
a
r
i
a
b
l
e

r
e
s
u
l
t
a
d
o

Variable predictora
Captulo 2
pgina 113
Tcnicas de deteccin de Outlier
Coefciente de determinacin R
2
V
a
r
i
a
b
l
e

r
e
s
u
l
t
a
d
o

Variable predictora
Captulo 2
pgina 114
Sigue el sTfR una Distribucin Normal?
Distribucin de los valores de sTfR en el grupo de referencia
Receptor soluble
de la transferrina
en suero (sTfR)
Tamao muestral N = 121
sTfR (mg/L)
6
1
5
4
3
2
Perifrico o Outlier
Captulo 2
pgina 115
V
a
r
i
a
b
l
e

r
e
s
u
l
t
a
d
o
Grupos de estudio
Mediana
Media
Perifrico o Outlier
Captulo 2
pgina 116
Grfcos de histograma
Asimetra positiva
1
>0
Mesocrtica
2
=0
Histograma de frecuencias de distribucin del sTfR en una poblacin sana
Distribucin
ANORMAL
Concentraciones del Receptor srico de la transferrina (sTfR) (mg/L)
F
r
e
c
u
e
n
c
i
a

(
%
)
20
10
30
3,00 5,25 1,50 2,00 4,00 4,50 3,50 2,50 4,25 5,00 3,25 3,75 2,75 2,25
Concentraciones del Receptor srico de la transferrina (sTfR) (mg/L)
F
r
e
c
u
e
n
c
i
a

(
%
)
20
10
30
3,00 5,25 1,50 2,00 4,00 4,50 3,50 2,50 4,25 5,00 3,25 3,75 2,75 2,25
Perifricos o Outlier
Captulo 2
pgina 117
Asimetra positiva
1
>0
Mesocrtica
2
=0
Histograma de distribucin de la tensin arterial diastlica en el estudio de Venecia N= 1002
N
m
e
r
o

t
o
t
a
l

d
e

o
b
s
e
r
v
a
c
i
o
n
e
s
Tensin arterial diastlica (mm Hg)
195
180
165
150
135
120
105
90
75
60
45
30
15
0
55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 140 45
Distribucin ANORMAL
Grfcos de histograma
Captulo 2
pgina 118
Distribucin uniforme discreta
Cul es el nmero que sale con ms frecuencia?
120
100
80
60
40
20
0
1 2 3 4 5 6
F
r
e
c
u
e
n
c
i
a
Nmero de caras
120
100
80
60
40
20
0
1 2 3 4 5 6
F
r
e
c
u
e
n
c
i
a
Nmero de caras
Resultados empricos obtenidos en la realidad
despus de lanzar un dado 600 veces
Captulo 2
pgina 119
120
100
80
60
40
20
0
1 2 3 4 5 6
F
r
e
c
u
e
n
c
i
a
Nmero de caras
120
100
80
60
40
20
0
1 2 3 4 5 6
F
r
e
c
u
e
n
c
i
a
Nmero de caras
Resultados empricos obtenidos en la realidad
despus de lanzar un dado 600 veces
1200
1000
800
600
400
200
0
1 2 3 4 5 6
F
r
e
c
u
e
n
c
i
a
Nmero de caras
1200
1000
800
600
400
200
0
1 2 3 4 5 6
F
r
e
c
u
e
n
c
i
a
Nmero de caras
Captulo 2
pgina 120
Distribucin normal
7 = 3+ 4, 4+ 3, 6+1, 1+ 6, 2+ 5, 5+ 2
12 = 6 + 6
2 = 1 + 1
12 = 6 + 6
2 = 1 + 1
Resultados empricos (sumatorio) obtenidos
en la realidad despus de lanzar dos dados 1000 veces
Sumas
F
r
e
c
u
e
n
c
i
a
2 3 4 5 6 7 8 9 10 11 12
200
180
160
140
120
100
80
60
40
20
0
Sumas
F
r
e
c
u
e
n
c
i
a
2 3 4 5 6 7 8 9 10 11 12
200
180
160
140
120
100
80
60
40
20
0
Captulo 2
pgina 121
Distribucin normal
Cul es el nmero que sale con MENOS frecuencia?
Resultados empricos (sumatorio) obtenidos en la realidad despus de lanzar 5 dados 1000 veces
6 7 8 9 10 11 12 13 14
Sumas
F
r
e
c
u
e
n
c
i
a
15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 6 7 8 9 10 11 12 13 14
Sumas
F
r
e
c
u
e
n
c
i
a
15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Captulo 2
pgina 122
Distribucin normal
Cambios que se van produciendo en la distribucin de frecuencias
al aumentar el nmero de factores independientes
y las repeticiones de la experiencia
Cambios que se van produciendo en la distribucin de frecuencias
al aumentar el nmero de factores independientes
y las repeticiones de la experiencia
Nmero de factores independientes: Nmero de dados
Repeticiones de la experiencia: Nmero de tiradas
Captulo 2
pgina 123
1. De la altura del padre
2. De la altura de la madre
3. De su nutricin en la infancia y adolescencia
4. De la velocidad de maduracin de su esqueleto
5. Del aporte que reciba de vitamina D
6. Del aporte de calcio
7. Del ejercicio fsico
8. De sus niveles de hormona del crecimiento
9. Otras variables (algunos de ellas desconocidas)
La altura de las personas sigue una distribucin normal?
De qu depende la altura de una persona?
Captulo 2
pgina 124
Caractersticas de la distribucin normal
1. Tener forma de campana.
2. Ser simtrica.
3. Mesocrtica (no excesivamente plana ni muy picuda).
4. Coincidir la media, mediana y moda.
5. Tener aproximadamente el 95% de sus valores dentro del intervalo media 2
desviaciones estndar.
Captulo 2
pgina 125
Distribucin normal
- El 100% de los valores deben estar por encima y por debajo
de 3 veces la desviacin estndar (s)
(valores entre X 3 s)
- La distribucin debe ser SIMTRICA. La asimetra en valor
absoluto
1
debe ser menor que 2 veces su error estndar
[Asimetra] < 2 EE
asimetra

1
< 2 EE
1
- La distribucin debe ser MESOCRTICA. La curtois en valor
absoluto
2
debe ser menor que 2 veces su error estndar
[curtois] < 2 EE
curtois

2
< 2 EE
2
Captulo 2
pgina 126
( )
2
2
2
2
1
) (

|
.
|
\
|
=
x
e x f
Propiedades de la distribucin normal
Z
Captulo 2
pgina 127
Propiedades de la curva de Gauss
Media D.E. 68% del rea total
Media 2 D.E. 95% del rea total
Media D.E. 68% del rea total

Captulo 2
pgina 128
Distribucin de la t de Student
s
x
t
) (
:

= " t " valores
1 = n
Grados de libertad = n - 1
Captulo 2
pgina 129
Distribucin de la F de Snedecor
Grados de libertad
1
y
2
1 1
2 2 1 1
= = n n
2
2
2
2
2
1
2
1
:
s
s
F = " F " valores
Captulo 2
pgina 130
Qu variables biolgicas siguen una distribucin normal?
En qu circunstancias y en qu poblaciones?
- Colesterol srico poblacin sana
- Consumo de alcohol
- Peso corporal
- Bilirrubina en pacientes cirrticos
- Urea en sangre en poblacin sana
- Urea en sangre en pacientes con insufciencia renal
- Troponina I en poblacin sana
- Excrecin urinaria de sodio en orina de 24 horas
Asimtrica
1
> 0 (+)
Leptocrtica
2
> 0 (+)
Distribucin ANORMAL
Captulo 2
pgina 131
Histograma de la uremia en 504 individuos
N = 504
Media (x) = 64,8
Desviacin estndar (s) = 44,69
F
r
e
c
u
e
n
c
i
a

(
%
)
Uremia (mg/dl)
80
60
0
20
40
90 250 150 10 30 50 70 110 170 190 210
N = 504
Media (x) = 64,8
F
r
e
c
u
e
n
c
i
a

(
%
)
Uremia (mg/dl)
80
60
0
20
40
90 250 150 10 30 50 70 110 170 190 210
s <
x
2
s <
x
2
S (desviacin tpica) > X (media aritmtica)/2 (CV>50%)
44,69 > 64,8/2 (32,4) (CV=69%)
Distribucin ANORMAL
Criterio de normalidad
S (desviacin tpica) < X (media aritmtica) /2 (CV<50%)
> s
X
2
> s
X
2
Captulo 2
pgina 132
Histograma de la urea en sangre en 94 pacientes con
insufciencia renal
Sigue una distribucin normal?
20
10
0
F
r
e
c
u
e
n
c
i
a

(
%
)
Uremia (mg/dl) en 94 pacientes con IR
105 225 185 145 65 20
20
10
0
F
r
e
c
u
e
n
c
i
a

(
%
)
Uremia (mg/dl) en 94 pacientes con IR
105 225 185 145 65 20
N = 94
Media (x) = 126
s <
x
2
s <
x
2
S (desviacin tpica) < X (media aritmtica)/2 (CV<50%)
46,8 < 126/2 (63) (CV=37%)
Distribucin NORMAL
> s
X
2
> s
X
2
Captulo 2
pgina 133
Histograma de la urea en sangre en 410 individuos sin
insufciencia renal
Sigue una distribucin normal?
F
r
e
c
u
e
n
c
i
a

a
b
s
o
l
u
t
a
Uremia (mg/dl) en 410 individuos sin IR
140
120
100
80
60
40
20
0
180 10 45 80 110 145
F
r
e
c
u
e
n
c
i
a

a
b
s
o
l
u
t
a
Uremia (mg/dl) en 410 individuos sin IR
140
120
100
80
60
40
20
0
180 10 45 80 110 145
N = 410
Media (x) = 51
s <
x
2
s <
x
2
S (desviacin tpica) > X (media aritmtica)/2 (CV>50%)
29,9 > 51/2 (25,5) (CV=59%)
Distribucin ANORMAL
> s
X
2
> s
X
2
Captulo 2
pgina 134
Medidas de dispersin o variabilidad
S (desviacin tpica) < X (media aritmtica)/2 (CV<50%)
82.5 < 183.9/2 (91.9) (CV=45%)
Distribucin
ANORMAL
Valores entre X 3 s (< 431,4) Valores entre X 3 s (< 431,4)
X 3 s
Excrecin urinaria de sodio en orina de 24 horas (Na24 h mEq/24)
F
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a

(
%
)
40
30
20
10
0
180 420 460 20 60 140 220 300 380 100 340 260
Media = 183,9
Desviacin estndar = 82,5
N = 293
> s
X
2
> s
X
2
Captulo 2
pgina 135
Condiciones y pruebas de normalidad
CV > 50% CV > 50%
Distribucin de frecuencias de los niveles de bilirrubina en pacientes cirrticos.
(Distribucin Anormal con asimetra positiva)
Bilirrubinemia (mg/dl)
F
r
e
c
u
e
n
c
i
a

(
%
)
90
50
80
0
30
70
60
40
20
10
Asimtrica (+) (
1
> 0)
Leptocrtica (+) (
2
> 0)
Distribucin ANORMAL
> s
X
2
> s
X
2
Captulo 2
pgina 136
Condiciones y pruebas de normalidad
Transformacin logartmica
Distribucin de frecuencias de los logaritmos de los niveles
de bilirrubina en pacientes cirrticos.
Con esta transformacin matemtica se corrige la asimetra positiva anterior
Logaritmos de las concentraciones de bilirrubina srica
F
r
e
c
u
e
n
c
i
a
Logaritmos de las concentraciones de bilirrubina srica
F
r
e
c
u
e
n
c
i
a
Captulo 2
pgina 137
5
cTnI g/L
0%
10%
20%
30%
40%
50%
0%
10%
20%
30%
40%
50%
0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14 0,16 0,18 0,20
T
o
t
a
l

I
m
p
r
e
c
i
s
i
o
n

(
C
V
%
)
F
r
e
q
u
e
n
c
y

o
f

n
o
r
m
a
l

p
o
p
u
l
a
t
i
o
n
97.5% URL
99% URL
0.03
ng/mL
0.06
ng/mL
5
cTnI g/L
0%
10%
20%
30%
40%
50%
0%
10%
20%
30%
40%
50%
0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14 0,16 0,18 0,20
T
o
t
a
l

I
m
p
r
e
c
i
s
i
o
n

(
C
V
%
)
F
r
e
q
u
e
n
c
y

o
f

n
o
r
m
a
l

p
o
p
u
l
a
t
i
o
n
97.5% URL
99% URL
0.03
ng/mL
0.06
ng/mL
Troponina I en poblacin sana
0.03
ng/mL
0.06
ng/mL
F
r
e
q
u
e
n
C
y

o
F

n
o
r
m
a
l

p
o
p
u
l
a
t
i
o
n
t
o
t
a
l

i
m
p
r
e
C
i
s
i
o
n

(
C
V
%
)
Captulo 2
pgina 138
La amilasemia sigue una Distribucin Normal?
Asimtrica (+) (
1
> 0)
Leptocrtica (+) (
2
> 0)
Distribucin ANORMAL
F
r
e
c
u
e
n
c
i
a

a
b
s
o
l
u
t
a
Amilasemia (UI/l)
Captulo 2
pgina 139
Estadsticos descriptivos de la amilasemia
N Media Desviacin tpica Asimetra Curtosis
1
EE
1

2
EE
2
Amilasa 549 90,86 135,043 11,359 0,104 170,89 0,208
Asimetra Curtosis
1
EE
1

1
/ EE
1

2
EE
2

2
/ EE
2
Amilasa 11,359 0,104 109,22 170,89 0,208 821,6
[Asimetra] > 2 EE
asimetra
2
> 2 EE
2
[Curtosis] > 2 EE
curtois
2
> 2 EE
2
Distribucin ANORMAL
Distribucin ANORMAL
Captulo 2
pgina 140
- Test de Kolmogoroff-Smirnoff-Lilliefors (test ms potente para muestra > 30 casos).
- Test de Shapiro-Wilk (la prueba ms potente para muestra < 30 casos).
- Test de DAgostino.
- Test de Anderson-Darling.
- Test chi-cuadrado de bondad de ajuste.
- Test de Contraste de asimetra: Sirve para contrastar la hiptesis de que el coefciente de
asimetra de Fisher
1
es cero. Propiedad que verifca la distribucin normal (
1
= 0).
- Test de Curtosis: Contraste de apuntamiento, sirve para contrastar la hiptesis de que
el coefciente
2
curtosis de Fisher (coefciente de apuntamiento) es cero. Propiedad que
verifca la distribucin normal (
2
= 0).
- Test de Jarque-Bera.
Test de normalidad
Captulo 2
pgina 141
- Es el test de normalidad ms difundido en los programas estadsticos.
- Otorga un MENOR PESO a las observaciones extremas (perifricos o OUTLIER) y por
ello es menos tolerante a las desviaciones que normalmente se producen en estos tramos
distales.
- Cuando se dispone de un nmero sufciente de datos (amplio volumen muestral), los
dems tests de normalidad sern capaces de detectar diferencias pequeas an cuando
estas no sean relevantes para la mayor parte de los objetivos, por eso se recomienda el
test de Kolmogorov-Smirnov (se considera uno de los tests ms potentes para muestras
mayores de 30 casos).
- Se basa en la idea de comparar la funcin de distribucin acumulada de los datos
observados con la de una DISTRIBUCIN NORMAL, midiendo la mxima distancia entre
ambas curvas.
- Como en todos los tests de contraste de hiptesis, la hiptesis nula (H
o
) se rechaza
cuando el valor del estadstico calculado supera un cierto valor crtico (tabulado) que se
obtiene de una tabla de clculo de probabilidades.
- p > 0,05 se acepta la H
o
(se cumple la normalidad), se pueden usar test paramtricos.
- p < 0,05 se acepta la H
a
(no se cumple la normalidad), se deben usar test NO paramtricos.
Test de Kolmogorov-Smirnov
Captulo 2
pgina 142
Los valores analticos de ambas tcnicas siguen una
distribucin normal?
Pregunta de investigacin
Amilasa (srica)
Tcnica 1
Amilasa (srica)
Tcnica 2
Cul es el test estadstico ms acertado?
Objetivo: Evaluacin de la amilasa tcnica 1 frente a la tcnica 2.
Captulo 2
pgina 143
Como la signifcacin p < 0,05 se rechaza la hiptesis nula H
o
(normalidad) y se acepta la
hiptesis alternativa H
a
(no se cumple la normalidad), se deben usar test NO paramtricos.
Resultados del test Tcnica 1 Tcnica 2
N 548 548
Parmetros normales Media 91,03 79,29
Desviacin tpica 135,11 120,52
Diferencias ms extremas Absoluta 0,289 0,301
Positiva 0,289 0,301
Negativa - 0,280 - 0,299
Z de Kolmogorov-Smirnov 6,763 7,034
Signifcacin bilateral 0,000 0,000
Captulo 2
pgina 144
- El test de Jarque-Bera se realiza para contrastar:
H
0
:
1
=
2
= 0, lo que signifca simetra y curtsis exactas ( = 0)
H
1
:
1
0 o
2
0 lo que signifca que existe curtsis ( 0) o asimetra.
- La consecuencia es que si existe asimetra o curtsis falla la normalidad.
H
0
: p > 0,05 simetra y curtsis exactas ( = 0) test paramtricos
H
1
: p < 0,05 curtsis ( 0) o asimetra test NO paramtricos
- Al contrastarlo conjuntamente (curtsis y asimetra) exige un fallo mayor de alguna de
ellas o de ambas para rechazarse.
Test de Jarque-Bera
3
1
1
3
i
n
i
R
=
=

4
1
2
4
3
i
n
i
R
=
=
1 2
2 2
2 2
1 2

6 24
JB t t T
(
= + = +
(
(

Captulo 2
pgina 145
Test de Jarque-Bera
TEST de normalidad de JARQUE-BERA
Estadstico
2
= 1.54
valor de p = 0.463 (p > 0,05)
Se acepta la H
0
Asimetra negativa:
mediana mayor que
la media
Asimetra positiva
casi nula: mediana
menor que la media
Forma terica de la
distribucin emprica
Curtsis negativa: mas
apuntamiento que la normal
H
0
:
1
=
2
= 0, lo que significa
simetra y curtsis exactas.
DISTRIBUCIN NORMAL
Forma terica de la
normal
Captulo 2
pgina 146
TIPO DE DISTRIBUCIN SIMTRICA ASIMTRICA
ndice de tendencia central Media Mediana
ndice de dispersin EEM Rango intercuartil
Peso de valores extremos
(outlier o perifricos)
Importante Escaso o nulo
Fiabilidad del estadstico Mucha Poca
Captulo 2
pgina 147
- Las variables cuantitativas tienen que ser continuas.
- Los datos siguen una distribucin normal.
- Los datos numricos se expresan con la media y la desviacin estndar o el EEM
- Homogeneidad de las varianzas muestrales.
- Tamao muestral > 30.
- Presentan un mayor poder de contraste que los tests no paramtricos, y pueden analizar
interacciones entre variables predictoras.
- Cuando se dan las condiciones de aplicacin, las pruebas paramtricas tienen ms
potencia que las no paramtricas, pero, cuando esto no es as, el riesgo alfa puede ser
mayor que el especifcado de antemano.
Pruebas paramtricas: Requisitos
Captulo 2
pgina 148
- Las variables cuantitativas pueden ser ordinales o discretas.
- Los datos siguen una distribucin libre (no necesariamente normal), uno de los grupos
puede tener una distribucin normal mientras que el otro no.
- Los datos numricos se expresan con la mediana y los intervalos intercuartlicos.
- Heterogeneidad de las varianzas muestrales (en uno o ms de un grupo).
- Tamao muestral < 30.
- Presentan un menor poder estadstico que los tests paramtricos.
- Trabajan con la simple ordenacin y recuento (asignando rankings) a los valores de la
variable sin importar el tipo distribucin.
Pruebas NO paramtricas: Requisitos
Captulo 2
pgina 149
- Chi cuadrado de Pearson.
- Test exacto de Fisher.
- Chi cuadrado de Mc Nemar.
- Q de Cochran.
- U de Mann Whitney.
- Wilcoxon.
- Kruskall Wallis.
- Friedman.
http://www.slideshare.net/freddygarcia/pruebas-no-parametricas-presentation
Principales pruebas NO paramtricas
Captulo 2
pgina 150
- Otra alternativa a los mtodos paramtricos; la utilizacin de los llamados mtodos
robustos. Estos mtodos son menos potentes que los paramtricos, pero se muestran
superiores a los no paramtricos clsicos.
- La principal de sus ventajas es que no se afectan por la existencia de datos anmalos.
- Los mtodos robustos pueden ser de utilidad para la realizacin de inferencias sin tener
que depurar los datos extremos.
- Como parmetros de localizacin (posicin central) se recomienda en primer lugar, el
estimador de Huber y, en segundo lugar, la media a-recortada muestral (con a = 0,2).
- Como medida de dispersin se utiliza la desviacin absoluta mediana estandarizada.
- Mtodos robustos para el contraste de hiptesis con los parmetros antes referidos, se
pueden construir intervalos de confanza robustos y realizar contrastes de hiptesis.
Pruebas robustas: Caractersticas
Captulo 2
pgina 151
Media -winsorizada muestral
Se sustituye un determinado porcentaje, , (20% Generalmente) de valores extremos a
cada lado de la muestra por el valor ms prximo no sustituido.
Media -recortada muestral
Se eliminan las k observaciones extremas de cada lado en lugar de winsorizarlas,
calculando la media aritmtica de las observaciones restantes.
Mediana muestral
Divide la distribucin en dos partes con el mismo nmero de elementos.
Estimador de Huber
Se encuentra dentro de los denominados M-estimadores, que generalizan al estimador de
mxima verosimilitud con buenas propiedades de robustez y efciencia. En este caso se
descartan las observaciones que sean mayores (o menores) a una constante.
Medidas robustas de tendencia central
Mtodos robustos para el clculo de medidas de posicin:
Captulo 2
pgina 152
Desviacin absoluta mediana estandarizada
Es la mediana de las desviaciones absolutas a la mediana.
Cuasi desviacin tpica -winsorizada muestral
En la que se sustituye un determinado porcentaje de valores extremos a cada lado de la
muestra por el valor ms prximo no sustituido.
Medidas robustas de dispersin
Mtodos robustos para el clculo de medidas de dispersin:
Captulo 2
pgina 153
- Mtodos robustos para el contraste de hiptesis con los parmetros antes referidos, se
pueden construir intervalos de confanza robustos y realizar contrastes de hiptesis.
- El test de Yuen es una alternativa a las pruebas de la t de Student y U de Mann-Whitney
para tamaos muestrales pequeos y distribuciones no normales.
- Para comparar ms de dos medias, cuando no puede utilizarse el ANOVA clsico,
deberamos recurrir a los clsicos no paramtricos de Kruskal-Wallis o, mejor, a mtodos
robustos como la generalizacin robusta del test Welch, que utiliza medias a-recortadas
muestrales.
- Deberamos recurrir a mtodos no paramtricos (Spearman) o, mejor, a mtodos robustos
como el coefciente de porcentaje ajustado poblacional y el estimador robusto de regresin
medio biponderado.
http://www.slideshare.net/freddygarcia/pruebas-no-parametricas-presentation
Pruebas Robustas de contraste de hiptesis
Captulo 2
pgina 154
Seleccin de la muestra
Estructura del proceso de la INFERENCIA ESTADSTICA
TCNICAS DE MUESTREO
ERROR ALEATORIO
Seleccin aleatoria
Inferencia
Poblacin Muestra
Parmetro
Media poblacional
Estadstico X
Media muestral
Captulo 2
pgina 155
- Sirve para determinar si una muestra de observaciones es o no aleatoria, es decir, si las
observaciones de una determinada secuencia son independientes entre si.
- En una serie temporal, las observaciones no son aleatorias: lo que ocurre con una
observacin cualquiera depende, de las caractersticas de una observacin anterior.
- En una muestra aleatoria, lo que ocurre con una observacin cualquiera sea
independiente de las caractersticas de la(s) observacion(es) anterior(es).
- Esta prueba permite determinar si el nmero de rachas (R), observado en una
determinada muestra de tamao n es lo sufcientemente grande o lo sufcientemente
pequea como para poder rechazar la hiptesis de independencia-aleatoriedad de las
observaciones.
Prueba de rachas
Captulo 2
pgina 156
El concepto de RACHA hace referencia a una secuencia de observaciones de un
mismo tipo.
Supongamos que lanzamos una moneda al aire 10 veces seguidas, repitiendo la
experiencia en tres ocasiones
Cmo garantizamos que el resultado obtenido es ALEATORIO?
Prueba de rachas
Captulo 2
pgina 157
1 EXPERIENCIA: Tenemos 5 RACHAS: CCC, X,CC, XXX, C
2 EXPERIENCIA: Tenemos 2 RACHAS: CCCCC, XXXXX
3 EXPERIENCIA: Tenemos 10 RACHAS: CX, CX, CX, CX, CX
En cul de las 3 experiencias podemos garantizar que el resultado obtenido es
ALEATORIO?
Prueba de rachas
C C C C C C
C C C C C
C C C C C
Captulo 2
pgina 158
Prueba de rachas
Prueba de RACHAS EXP 1 EXP 2 EXP 3
Valor de prueba 1 1 1
Casos < Valor de prueba 4 5 5
Casos Valor de prueba 6 5 5
Casos en total 10 10 10
Nmero total de rachas 5 2 10
Z - 0,211 - 2,348 2,348
Signifcacin bilateral 0,833 0,019 0,019
Como el nivel de signifcacin es mayor a 0,05 en la experiencia 1, podemos
aceptar la hiptesis de independencia (H
o
) y concluir que la secuencia de
observaciones estudiada es ALEATORIA.
Como el nivel de signifcacin es inferior a 0,05 en la experiencia 2 y 3,
podemos rechazar la hiptesis de independencia y concluir que la secuencia de
observaciones estudiada NO es aleatoria (H
a
).
Captulo 2
pgina 159
Los valores analticos de ambas tcnicas son aleatorias?
Amilasa (srica)
Tcnica 1
Amilasa (srica)
Tcnica 2
Prueba de RACHAS
Objetivo: Evaluacin de la amilasa tcnica 1 frente a la tcnica 2.
Captulo 2
pgina 160
Prueba de rachas
Tcnica 1 Tcnica 2
Valor de prueba (mediana) 70 61
Casos < Valor de prueba 267 267
Casos Valor de prueba 282 281
Casos en total 549 549
Nmero total de rachas 259 263
Z - 1,393 - 1,012
Signifcacin bilateral 0,164 0,312
Como el nivel de signifcacin es mayor a 0,05 en ambas tcnicas, podemos
aceptar la hiptesis de independencia (H
o
) y concluir que la secuencia de
observaciones estudiada es ALEATORIA.
Captulo 3
pgina 161
Publicacin Bioestadstica: Tamao muestral, Error y .
Captulo 3
Captulo 3
pgina 162
Materiales y mtodos
1. Tipo de diseo (estudio).
2. Sujetos incluidos (criterios de seleccin de la muestra).
3. Fuentes de informacin.
4. Descripcin de la intervencin y defnicin del punto fnal de la
investigacin (estudios experimentales).
5. Instrumentos y procedimientos de medida (cuestionarios).
6. Defnicin de las variables y covariables incluidas en el estudio (factor de
estudio y criterio de evaluacin).
7. Limitaciones y consideraciones ticas de la investigacin.
8. Pruebas estadsticas a utilizar (programa estadstico).
Estructura
Captulo 3
pgina 163
Materiales
2. Procedencia.
- Edad.
- Sexo.
- Procedencia.
- Gravedad.
- Aos de evolucin de la enfermedad.
Pacientes
Captulo 3
pgina 164
Seleccin de la muestra
Estructura del proceso de la INFERENCIA ESTADSTICA
TCNICAS DE MUESTREO
ERROR ALEATORIO
Seleccin aleatoria
Inferencia
Poblacin Muestra
Parmetro
Media poblacional
Estadstico X
Media muestral
Captulo 3
pgina 165
INFERENCIA ESTADSTICA: Es el conjunto de procedimientos estadsticos que
permiten pasar de lo particular (la muestra) a lo general (la poblacin).
TCNICAS DE MUESTREO: Es el conjunto de procedimientos que permiten elegir
muestras que sean representativas de la poblacin (de todos los individuos de la
poblacin).
ERROR ALEATORIO: Es el error que se comete al estudiar un problema en base a una
muestra elegida al azar (es siempre un error inevitable). La imposibilidad de estudiar a
todos los individuos de la poblacin obliga al investigador a trabajar con muestras, lo
que supone siempre cometer un error aleatorio.
Captulo 3
pgina 166
Muestra de la poblacin
Muestra
Poblacin en estudio
Poblacin diana
Captulo 3
pgina 167
Proceso de seleccin de individuos para el estudio
Poblacin diana: Conjunto de individuos al que hace referencia la pregunta principal
del objetivo del estudio. Es la poblacin a la que se deseara generalizar los resultados
obtenidos. Se defne principalmente sobre la base de caractersticas demogrfcas y
clnicas generales.
Poblacin de estudio: Es un subconjunto de la poblacin diana defnida por criterios
de seleccin establecidos en un protocolo. Esta poblacin presenta determinadas
caractersticas geogrfcas y temporales que la hacen accesible al estudio.
Muestra: Es un conjunto de individuos que pueden ser estudiados en el momento de
realizar el estudio y que cumplen con los criterios defnidos en el protocolo de estudio.
Criterios de seleccin
Muestreo
Validez externa
Validez interna
Captulo 3
pgina 168
Poblacin diana: Pacientes con HTA esencial del rea sanitaria de Ceuta.
Poblacin de estudio: Pacientes con HTA esencial leve-moderada de edad comprendida
40-60 aos del rea sanitaria de Ceuta.
Muestra: Pacientes con HTA esencial leve-moderada de edad comprendida 40-60 aos
registrados en los fcheros del Centro de Salud 1 que incluyen la edad y el sexo.
Muestreo
Validez externa
Validez interna
Captulo 3
pgina 169
Poblacin diana: Poblacin peditrica de Ceuta.
Poblacin de estudio: Nios que acuden a la consulta de Atencin al nio sano de Atencin
Primaria de edad comprendida 12-14 aos.
Muestra: Nios que acuden al Programa de Atencin al nio sano de los centros de Salud
de Atencin Primaria de edades comprendida entre 12-14 aos que sus madres demandan
la realizacin de una analtica rutinaria completa.
Muestreo
Validez externa?
Validez interna?
Captulo 3
pgina 170
Poblacin diana: Poblacin gestante de Ceuta.
Poblacin de estudio: Mujeres gestantes del rea sanitaria que acuden a la consulta de
Obstetricia del INGESA de Ceuta.
Muestra: Mujeres gestantes del rea sanitaria de Ceuta que acuden a la consulta de
Obstetricia del INGESA embarazo controlado- con cartilla de embarazo completa, que
incluyen las variables predictoras (etnia, nivel cultural, edad, etc) y la variable resultado
(determinacin de anticuerpos frente al virus de la rubeola en el primer trimestre) incluidas
en el estudio.
Muestreo
Validez externa
Validez interna
Captulo 3
pgina 171
Proceso de seleccin de individuos para el estudio
Poblacin diana: Poblacin inmigrante de Ceuta.
Poblacin de estudio: Individuos inmigrantes residentes en el campamento de Calamocarro
de Ceuta atendidos por el personal sanitario.
Muestra: Individuos inmigrantes residentes en el momento del estudio en el campamento
de Calamocarro de Ceuta, atendidos por el personal sanitario, y en cuya fcha se haban
recogido las variables predictoras (fliacin, pas de origen, edad), as como el resultado
de todas las pruebas complementarias (incluido la Variable resultado: prueba de la
tuberculina) incluidas en el estudio.

Muestreo
Validez externa
Validez interna
Captulo 3
pgina 172
Material
- Criterios de seleccin de la muestra (inclusin y exclusin).
- Procedencia.
- Tcnica de reclutamiento utilizada.
- Tiempo empleado para reunir a todos los participantes.
- Principales caractersticas de los pacientes.
Edad.
Sexo.
Procedencia.
Gravedad.
Aos de evolucin de la enfermedad.
Patologas asociadas...
- Clculo de tamao muestral.
Pacientes
Captulo 3
pgina 173
Qu error alfa y que error beta estoy dispuesto a asumir?
Cuntos pacientes debo elegir para que mi estudio sea correcto?
Captulo 3
pgina 174
Concepto e importancia y utilidad prctica del error alfa
() y error beta ()
- Determinacin del tamao muestral
- Estudios para determinar parmetros poblacionales (slo error alfa)
Estimacin de una proporcin
Estimacin de una media
- Estudios para contraste de hiptesis (error alfa y beta)
Comparacin de dos proporciones
Comparacin de dos medias
Correlacin entre dos variables cuantitativas
- Rentabilidad diagnstico de una prueba-test
- Exactitud
Sensibilidad
Especifcidad
- Seguridad
Valor predictivo positivo (VPP)
Valor predictivo negativo (VPN).
Captulo 3
pgina 175
Riesgos al tomar decisiones
Ejemplo: Se juzga a un individuo por la presunta comisin de un delito
H
0
: Hiptesis nula
- Es inocente (no se encuentran
indicios de culpabilidad)
Los datos pueden refutarla
Es la hiptesis que se acepta si las
pruebas no indican lo contrario
Rechazarla por error tiene graves
consecuencias (condenar a un
inocente)
H
1
: Hiptesis alternativa
- Es culpable (se encuentran
indicios de culpabilidad)
No debera ser aceptada sin
una gran evidencia a favor.
Rechazarla por error tiene
consecuencias consideradas
menos graves que la anterior
(liberar a un delincuente)
Captulo 3
pgina 176
Tipos de error al tomar una decisin Realidad
Culpable Inocente
Veredicto
Resultado de la prueba
Sentencia del juez
Culpable
Hiptesis ALTERNATIVA
aceptada
Ha
OK
No error
VP
Error
Muy grave
FP
Encarcelar a un inocente
Inocente
Hiptesis NULA
aceptada
Ho
Error
FN
Menos grave: Liberar un
culpable
OK
No error
VN
Tipos de error al tomar una decisin
Captulo 3
pgina 177
Hiptesis nula (Ho): No existen diferencias signifcativas en la efcacia clnica de dos
frmacos A y B (A=B)
Hiptesis alternativa (Ha): Existen diferencias en la efcacia clnica de dos frmacos A y B
(A B)
A > B A < B
Error tipo I (alfa): El investigador rechaza la Ho siendo esta verdadera en la poblacin (el
investigador concluye que existe diferencia cuando en realidad no la hay).
Error tipo II (beta): El investigador no rechaza la Ho siendo esta falsa en la poblacin (el
investigador concluye que ha sido incapaz de encontrar una diferencia que existe en la
realidad).
VP
VN FN
FP
A B
Ha
A=B
Ho
A B
Ha
A=B
Ho
Tipos de ERROR ALEATORIO en una prueba estadstica de contraste de hiptesis
Captulo 3
pgina 178
Tipos de error al contrastar hiptesis
Realidad
H
0
Falsa
A B
H
0
Cierta
A=B
Rechazo H
0
Acepto H
1
A B
Correcto
El tratamiento nuevo B tiene
mayor efecto que A y el
experimento lo confrma.
VP
Error de tipo I
El tratamiento nuevo B realmente no es
mejor que el antiguo A pero se decide
errneamente que s.
Probabilidad
FP
No Rechazo H
0
Acepto H
0

A=B
Error de tipo II
El tratamiento nuevo B
realmente si tiene mayor efecto
que el antiguo A pero no lo
percibimos en nuestro estudio.
Probabilidad
FN
Correcto
El tratamiento nuevo B no tiene mayor
efecto que el antiguo A y as se decide.
VN
Captulo 3
pgina 179
Realidad
H
0
Falsa
A B
H
0
Cierta
A=B
Rechazo H
0
Acepto H
1
A B
Encuentro pruebas (+)
p < 0,05
Correcto
Se rechaza la hiptesis nula (H
0
)
(se dice que los resultados son
estadsticamente signifcativos y
es verdad.
VP
Error de tipo I
Se rechaza la H
0
(se dice que los
resultados son estadsticamente
signifcativos) pero nos equivocamos.
Probabilidad
FP
No Rechazo H
0
Acepto H
0

A=B
No encuentro pruebas (-)
p > 0,05
Error de tipo II
No se rechaza la hiptesis
nula (H0) (se dice que no hay
diferencias signifcativas) pero
nos equivocamos. Probabilidad
FN
Correcto
No se rechaza la hiptesis nula H0 (el
azar puede explicar las diferencias
observadas en los datos), y es verdad.
VN
Error ALFA
Error BETA
Captulo 3
pgina 180
Realidad
H
a
H
0
H
a
p < 0,05
Acierto
(1- )
POTENCIA ESTADSTICA
VP
Error de tipo I
FP
H
0

p > 0,05
Error de tipo II

FN
Acierto
(1- )
VN
Error ALFA
Error BETA
POTENCIA ESTADSTICA: Es la capacidad del estudio para detectar una diferencia si sta existe realmente.
Captulo 3
pgina 181
Realidad
H
a
H
0
H
a
p < 0,05
Acierto
(1- )
POTENCIA ESTADSTICA
VP
Error de tipo I
FP
H
0

p > 0,05
Error de tipo II

FN
Acierto
(1- )
VN
Error ALFA
Error BETA
NIVEL DE CONFIANZA (1 - ): Es la probabilidad a priori de que el intervalo de confanza (IC) a calcular
contenga al verdadero valor del parmetro
Captulo 3
pgina 182
- En nuestro estudio se concluye diciendo que hay diferencias cuando
realmente no las hay.
- Se detecta signifcacin estadstica (p < 0,05) y se rechaza H
0
, cuando en
realidad sta es verdadera.
- La probabilidad de cometer este error es lo que mide la p.
FALSOS POSITIVOS
El error tipo I (error alfa)
Captulo 3
pgina 183
El error tipo II (error beta)
- Cuando los resultados de nuestro estudio NO son signifcativos (p>0,05)
se concluye diciendo que no hay diferencias (estudio negativo) cuando
realmente SI las hay, pero nosotros no hemos sido capaces de detectarlas
- La probabilidad de tomar esta decisin (y aceptar la H0) siendo
incorrecta se llama error beta.
- En realidad existen diferencias pero el estudio ha sido incapaz de
detectarlas!
- Son los falsos negativos.
FALSOS NEGATIVOS
Captulo 3
pgina 184
Recomendaciones para disminuir el error alfa () tipo I
- Disponer de una teora que gue la investigacin, evitando el salir de pesca
con el ordenador buscando asociaciones entre variables.
- Disminuir el nmero de test estadsticos llevados a cabo en el estudio.
- Depurar la base de datos para evitar errores de valores extremos que
puedan producir hallazgos signifcativos.
- Utilizar valores de alfa ms reducidos (0,01 0,001).
- Reproducir el estudio. Si al reproducir el estudio se obtienen resultados
similares, estaremos ms seguros de no estar cometiendo el error de tipo I.
Pita Fernndez S, Prtega Daz S. Signifcancia estadstica y relevancia clnica.
Cad Aten Primaria 2001; 8: 191-195.
Captulo 3
pgina 185
Recomendaciones para disminuir el error beta () tipo II
- Incrementar el tamao de la muestra.
- Estimar el poder estadstico del estudio (1 ).
- Incrementar el tamao del efecto a detectar.
- Incrementar el valor de alfa.
- Utilizar test paramtricos (ms potentes) en lugar de test no paramtricos
Pita Fernndez S, Prtega Daz S. Signifcancia estadstica y relevancia clnica.
Captulo 3
pgina 186
Importancia del error alfa y error beta
- Determinacin del tamao muestral
- Estudios para determinar parmetros poblacionales (slo error alfa)
- Estimacin de una proporcin.
- Estimacin de una media.
- Estudios para contraste de hiptesis (error alfa y beta).
- Comparacin de dos proporciones.
- Comparacin de dos medias.
- Correlacin entre dos variables cuantitativas.
- Rentabilidad diagnstico de una prueba-test.
- Sensibilidad.
- Especifcidad.
- Valor predictivo positivo (VPP).
- Valor predictivo negativo (VPN).
Captulo 3
pgina 187
Clculo del tamao muestral de un parmetro
1. VARIABILIDAD del parmetro que se desea estimar
- Variables cuantitativas: varianza
- Variables cualitativas: 1-P
1. Variabilidad del parmetro
Cuando esta variabilidad es desconocida
- Bibliografa
- Datos propios previos
- Estudio piloto
2. PRECISIN (i) con la que se desea obtener la estimacin (amplitud deseada del IC). Se
fja i previo al estudio. Cuanto ms precisin ms estrecho ser el IC, y mayor deber ser
el volumen muestral.
2. Precisin
3. NIVEL DE CONFIANZA deseado (generalmente 95%), que corresponde a un valor de
alfa de 0,05. Este valor indica el grado de confanza de que el verdadero valor poblacional
desconocido del parmetro en estudio se site en el intervalo obtenido.
3. Nivel de confanza 95%
Captulo 3
pgina 188
Frmulas para el clculo del nmero de sujetos necesarios para la realizacin de un estudio
cuyo objetivo es la estimacin de un parmetro
Estimacin de una variable CUALITATIVA (proporcin - prevalencia)
Estimacin de una variable CUANTITATIVA (MEDIA)
N = nmero de sujetos necesarios
Z
2
= Valor del estadstico Z correspondiente al riesgo alfa fjado ( = 0,05)
P = Valor de la proporcin (prevalencia) que se supone que existe en la poblacin
S
2
= Varianza de la distribucin de la variable cuantitativa que se supone que existe en la poblacin
i: Precisin con que se desea estimar el parmetro
N =
Z
2
*
i
2
s
2
N =
Z
2
*
i
2
N =
Z
2
*
i
2
s
2
N =
Z
2
P (1- P) * *
i
2
N =
Z
2
P (1- P) * *
i
2
Captulo 3
pgina 189
Infuencia del valor supuesto de la proporcin (P) o prevalencia (variabilidad del Parmetro
que se desea estimar sobre el nmero de sujetos necesarios N (tamao muestral mnimo
necesario).
INFLUENCIA DE LA PROPORCIN
1. Variabilidad del parmetro 2. Precisin (i = 0,05) 3. Nivel de confanza 95% = 0,05
Prevalencia Precisin (i = cte) Tamao muestral (N)
0,10 0,05 (5%) 138
0,20 0,05 (5%) 246
0,30 0,05 (5%) 323
0,40 0,05 (5%) 369
0,50 0,05 (5%) 384
Postura de mxima indeterminacin
Todos los clculos han sido realizados con un nivel de confanza del 95%
P = valor supuesto de la proporcin que se desea estimar.
i = precisin de la estimacin, que corresponde a la mitad del intervalo de confanza (P i)
N = nmero de sujetos necesarios para realizar la estimacin de P con la precisin deseada y el 95%
de confanza
i = Z
P (1 P) / N
Captulo 3
pgina 190
Infuencia de la precisin (i) de la estimacin sobre el nmero de sujetos necesarios N
(tamao muestral mnimo necesario).
INFLUENCIA DE LA PRECISIN
1. Variabilidad del parmetro (P=cte) 2. Precisin (i = 0,05) 3. Nivel de confanza 95% = 0,05
Prevalencia Precisin (i = cte) Tamao muestral (N)
0,40 0,1 (10%) 92
0,40 0,075 (7,5% 164
0,40 0,050 (5%) 369
0,40 0,025 (2,5%) 1475
0,40 0,01 (1%) 9220
Todos los clculos han sido realizados con un nivel de confanza del 95% ( = 0,05)
P = valor supuesto de la proporcin que se desea estimar.
i = precisin de la estimacin, que corresponde a la mitad del intervalo de confanza (P i)
N = nmero de sujetos necesarios para realizar la estimacin de P con la precisin deseada y el 95%
de confanza
i = Z
P (1 P) / N
Captulo 3
pgina 191
Cul es el tamao muestral necesario para conocer la prevalencia de
inmunizacin toxoplsmica en la ciudad de Ceuta?
Tamao muestral necesario (n) para conocer la prevalencia
de inmunizacin frente a Toxoplasma gondii en la poblacin
de la ciudad de Ceuta
Precisin 5%
i = 0,05
Postura de mxima
indeterminacin
Captulo 3
pgina 192
Tamao muestral necesario (n) para conocer la prevalencia
de inmunizacin frente a Toxoplasma gondii en la poblacin
de la ciudad de Ceuta
i = 0,05
Precisin 5%
Variabilidad
Precisin 5%
i = 0,05
Nivel de confianza
95%
= 0,05
Captulo 3
pgina 193
Cul es el tamao muestral necesario para conocer la prevalencia de rasgo
beta-talasmico en la ciudad de Ceuta?
i = 0,005
Precisin 0,5%
Captulo 3
pgina 194
i = 0,005
Precisin 0,5%
Variabilidad
Precisin i = 0,5%
Nivel de confianza
95%
= 0,05
Captulo 3
pgina 195
Pita Fernndez S. Determinacin del tamao muestral. Cad Aten Primaria 1996; 3: 138-144.
Cuntas personas tenemos que estudiar para conocer la
prevalencia de diabetes tipo 2 en el distrito de salud X de
Ceuta que atiende a una poblacin de 15.000 habitantes?
1. Proporcin esperada: asumamos que puede ser prxima al 5%
2. Precisin (i)(d): 3%
3. Nivel del confianza (seguridad): 95%
n = 200 personas del distrito de salud X
4. Tamao de la poblacin de origen (poblacin atendida por el distrito de salud X)
n = 203 personas del distrito de salud X
Captulo 3
pgina 196
1. Magnitud de la diferencia a detectar que tenga inters clnico.
- Comparacin de dos medias.
- Comparacin de dos proporciones: P1 y P2.
2. Aproximacin de los parmetros de la variable que se estudia (bibliografa o estudios
previos).
3. NIVEL DE CONFIANZA deseado o seguridad del estudio (generalmente 95%), que
corresponde a un valor de de 0,05 (riesgo de cometer un error alfa).
4. PODER ESTADSTICO (1- )(riesgo de cometer un error ).
5. Defnir si la hiptesis va a ser unilateral o bilateral.
- Bilateral: cualquiera de los dos parmetros a comparar puede ser mayor o menor
que el otro (no hay direccin) (A B).
- Unilateral: cuando se considera que uno debe ser mayor que el otro (direccin de
las diferencias) (A < B).
Clculo del tamao muestral para contraste de hiptesis
Captulo 3
pgina 197
Prueba UNILATERAL: Se utiliza cuando se pretende determinar si el frmaco nuevo B
es ms efcaz que el clsico A, es decir, tan slo interesa una de las direcciones de la
comparacin (B > A), interesa demostrar que B sea ms efectivo que A.
Prueba BILATERAL: Se utiliza cuando se pretende determinar si dos frmacos A y B
diferen en su efectividad clnica (A B).
Prueba UNILATERAL: Se utiliza cuando se pretende determinar si el frmaco nuevo
B es ms eficaz que el clsico A, es decir, tan solo interesa una de las direcciones de
la comparacin (B > A), interesa demostrar que B sea ms efectivo que A.
Prueba BILATERAL: Se utiliza cuando se pretende determinar si dos frmacos
A y B difieren en su efectividad clnica (A B)
B > A
A B
Una sola cola
DISTRIBUCIN
NORMAL
TIPIFICADA (Z)
Valores de la distribucin normal
tipificada (Z) correspondientes al
valor del 5% en las pruebas
estadsticas unilaterales y bilaterales.
Dos colas
Z = 1.645
Z = 1.96 Z = - 1.96
= 0,05
Las pruebas unilaterales especifica
la direccin de la diferencia.
Las pruebas bilaterales NO especifica
Z 1- /2
Z 1-
Ho: o =
Ha: o
Ho: o
Ha: o >
Prueba UNILATERAL: Se utiliza cuando se pretende determinar si el frmaco nuevo
B es ms eficaz que el clsico A, es decir, tan solo interesa una de las direcciones de
la comparacin (B > A), interesa demostrar que B sea ms efectivo que A.
Prueba BILATERAL: Se utiliza cuando se pretende determinar si dos frmacos
A y B difieren en su efectividad clnica (A B)
B > A
A B
Una sola cola
DISTRIBUCIN
NORMAL
TIPIFICADA (Z)
Valores de la distribucin normal
tipificada (Z) correspondientes al
valor del 5% en las pruebas
estadsticas unilaterales y bilaterales.
Dos colas
Z = 1.645
Z = 1.96 Z = - 1.96
= 0,05
Las pruebas unilaterales especifica
Las pruebas bilaterales NO especifica
Z 1- /2
Z 1-
Ho: o =
Ha: o
Ho: o
Ha: o >
Captulo 3
pgina 198
Pruebas de contraste unilateral:
Riesgo en la toma de decisiones
Ho
Ha
Riesgo alfa
= 0,05
Z = 1,645 Riesgo beta
error |
1 - = Nivel de confianza
Se utiliza cuando se pretende
determinar si el frmaco nuevo
B es ms eficaz que el clsico
A, es decir, tan solo interesa
una de las direcciones de la
comparacin (B > A)
1 - | = Potencia estadstica
Probabilidad de Ho cuando esta es cierta Probabilidad de Ha cuando esta es cierta
Una sola cola
B > A
Captulo 3
pgina 199
Pruebas de contraste bilateral:
Riesgo en la toma de decisiones
Se utiliza cuando se pretende determinar si dos frmacos A y B difieren en su
eficacia clnica (A B)
B > A
B < A
Z = 1.96 Z = - 1.96
/2 = 0,025 /2 = 0,025
Dos colas
Riesgo beta
error |
Riesgo beta
error |
Riesgo alfa = 0,05 se distribuye simtricamente a cada lado 0,025
B > A
B < A
Z = 1.96 Z = - 1.96
/2 = 0,025 /2 = 0,025
Dos colas
B > A
B < A
Z = 1.96 Z = - 1.96
/2 = 0,025 /2 = 0,025
Dos colas
Riesgo beta
error |
Riesgo beta
error |
Riesgo alfa = 0,05 se distribuye simtricamente a cada lado 0,025
Captulo 3
pgina 200
Ejemplo de comparacin de clculo del tamao muestral para comparacin
de dos proporciones a una sola cola
Deseamos evaluar si el nuevo frmaco B es mejor que el tratamiento clsico A para el
alivio del dolor, para lo que diseamos un ensayo clnico. Sabemos por datos previos
(bibliografa) que la efcacia del frmaco A es prxima al 70% y consideramos clnicamente
relevante si el nuevo frmaco B alivia el dolor en un 90%. Nuestro nivel de riesgo alfa lo
fjamos en 0.05 (error =5%) y deseamos un poder estadstico (1- ) de un 80% (error
=20%). Cul es el volumen muestral?
n = 48 pacientes
En cada grupo (A y B) precisamos 48 pacientes.
B > A
Z = 1.645
Una sola cola
Captulo 3
pgina 201
Ejemplo de comparacin de clculo del tamao muestral para comparacin
de dos proporciones a dos colas.
Sabemos por datos previos (bibliografa) que la mortalidad del frmaco A es prxima al
31% comparada con el frmaco B que tiene una tasa de mortalidad del 40%. Nuestro nivel
de riesgo alfa lo fjamos en 0.05 (error =5%) y deseamos un poder estadstico (1- ) de
un 90% (error =10%). Cul es el volumen muestral?
Necesitamos un total de 1184 pacientes, 592 para cada grupo (A y B).
Dos colas
Z = 1.96
B A
Captulo 3
pgina 202
Influencia de la magnitud del efecto a detectar y del poder estadstico en la
determinacin del tamao muestral (n
1
y n
2
).
Comparacin de dos Prevalencias (proporciones) P
1
y P
2
.
P
1
= 40%
= 10%
P
2
= 50%
P
1
= 40%
= 15%
P
2
= 55%
P
1
= 40%
= 20%
P
2
= 60%
50 150 350 450 500 100 200 250 300 400 0
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Nmero de casos por grupo
P
o
d
e
r

e
s
t
a
d
s
t
i
c
o

(
1

)
P
1
= 40%
= 10%
P
2
= 50%
P
1
= 40%
= 15%
P
2
= 55%
P
1
= 40%
= 20%
P
2
= 60%
50 150 350 450 500 100 200 250 300 400 0
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
Nmero de casos por grupo
P
o
d
e
r

e
s
t
a
d
s
t
i
c
o

(
1

)
Captulo 3
pgina 203
El clculo resulta an ms fcil, cuando se utiliza un software. Por ejemplo
utilizando el software gratuito PS: Power and Sample Size Program, tenemos
que introducir los valores correspondientes a:
1. Las tasa de mortalidad en los grupos que recibieron el tratamiento A y B
(0.31 y 0.40).
2. El nivel de signifcacin estadstica (ERROR ALFA del 5%) (p < 0.05) .
3. El poder estadstico del estudio (ERROR BETA del 10%) (0.90) asumido
para obtener el tamao muestral por cada grupo.
Clculo del tamao de la muestra por software (ejemplo)
Captulo 3
pgina 204
Captulo 3
pgina 205
Ejemplo del clculo del tamao muestral para el clculo del coefciente de
correlacin entre dos variables cuantitativas
Supongamos que se desea estudiar la asociacin entre la edad y el nivel de colesterol
entre los pacientes de un centro de salud. Se disea un estudio piloto en el que se
determinar mediante una analtica el colesterol en una muestra aleatoria de los pacientes
durante un periodo de tiempo prefjado, de los que tambin se registrar su edad. Se
obtiene un valor del coefciente de correlacin lineal de Pearson entre la edad y el
colesterol de r=0,3. Aplicando las frmulas, con un NIVEL DE CONFIANZA del 95% (error
=5%) y un PODER ESTADSTICO del 80% (error =20%), se obtiene:
Si, adems, en este ltimo caso se prev un 20% de posibles prdidas de informacin
durante la ejecucin del estudio, el tamao muestral se recalcula segn la expresin:
Prtegas Daz S , Pita Fernndez S. Determinacin del tamao muestral para calcular la signifcacin del
coefciente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211.
En este caso, se necesitara
incluir a 85 pacientes para
llevar a cabo el estudio.
Es decir, se necesitara una
muestra de 107 pacientes para
llevar a cabo la investigacin.
Captulo 3
pgina 206
Clculo del poder estadstico
de un estudio.
Prtegas Daz S, Pita Fernndez S.
Unidad de Epidemiologa Clnica
y Bioestadstica. Complexo
Hospitalario-Universitario Juan
Canalejo. La Corua
Frmulas para el clculo
del poder estadstico (1-
) en funcin del tipo de
diseo del estudio.
Captulo 3
pgina 207
Clculo del poder estadstico de un estudio.
Prtegas Daz S, Pita Fernndez S.
Unidad de Epidemiologa Clnica y Bioestadstica. Complexo Hospitalario-Universitario Juan Canalejo.
La Corua
Frmulas para el clculo del poder estadstico (1-) en funcin del tipo de
diseo del estudio.
Captulo 3
pgina 208
n = Tamao muestral. En un estudio de casos y controles, n es el nmero de casos.
P
1
= En un estudio transversal o de cohortes, proporcin de expuestos que
desarrollan la enfermedad. En un estudio de casos y controles, proporcin de casos
expuestos
P
2
= En un estudio transversal o de cohortes, proporcin de NO expuestos que
desarrollan la enfermedad. En un estudio de casos y controles, proporcin de
controles expuestos
d = Valor mnimo de la diferencia a detectar entre dos medias
s
2
= Varianza en el grupo control o de referencia
c = Nmero de controles por caso, en estudios caso-control
m = En un estudio de casos y controles, nmero de controles
OR = Valor aproximado del odds ratio a detectar
RR = Valor aproximado del riesgo relativo a detectar
r = Magnitud del coefciente de correlacin a detectar
Captulo 3
pgina 209
Valores de los estadsticos Z ms frecuentemente utilizados en el clculo del tamao muestral
considerando el error y
Error Seguridad (1 - ) Test unilateral
Z 1-
Test bilateral
Z 1- /2
0,05 95% 1,645 1,96
0,01 99% 2,326 2,576
Error Poder estadstico (1 ) Z 1-
0,10 90% 0,10 1,282
0,20 80% 0,20 0,842
Captulo 3
pgina 210
p < 0,05 p > 0,1
VP VN
FN
FP
A B A = B
Interpretacin de una asociacin (o diferencia) observada en un estudio
Asociacin observada
Estadsticamente significativa Estadsticamente NO significativa
Falsa
Falsa
Verdadera Verdadera
(no existe asociacin)
Sesgo
Sesgo
Error
Error
Comparacin
poco sensible
Nmero insuficiente de sujetos
Sin inters prctico
Utilidad clnica
Captulo 3
pgina 211
Interpretacin de una asociacin (o diferencia)
observada en un estudio ERROR ALFA
La probabilidad de encontrar resultados FALSOS POSITIVOS FP (error alfa )
aumenta notablemente con el nmero de comparaciones injustifcadas realizadas
entre las distintas variables durante el anlisis (ir de pesca).
Estudios que sin apoyarse en ninguna hiptesis a PRIORI (estrategia de anlisis),
consideran todas las variables de igual importancia (hiptesis a POSTERIORI),
analizndolas unos contra otras (sin criterio), esperando a ver que se encuentra
Expedicin de pesca
Captulo 3
pgina 212
Decisiones que se pueden tomar en un test de contraste
de hiptesis despus de conocer el valor de signifcacin
estadstica p
Los lmites de 0,05 y 0,1 pueden ser considerados en cierto modo
arbitrarios y aproximados
p < 0,05 A B p 0,10 A = B
Se rechaza la hiptesis nula No se puede rechazar la hiptesis nula
No parece que el azar pueda
explicarlo todo
No se puede descartar que el azar lo
explique todo
El EFECTO observado es mayor que
el ERROR
El EFECTO observado es similar que el
ERROR
Hay diferencias estadsticamente
signifcativas
NO hay diferencias estadsticamente
signifcativas
Existen evidencias a favor de la
hiptesis alternativa Ha, y por tanto
rechazamos la hiptesis nula Ho
NO existen evidencias a favor de la
aceptamos la hiptesis nula Ho
Captulo 3
pgina 213
Materiales
2. Procedencia.
- Edad.
- Sexo.
- Procedencia.
- Gravedad.
- Aos de evolucin de la enfermedad.
Pacientes
Captulo 4
pgina 214
Publicacin Bioestadstica: Error y .
Evaluacin de pruebas diagnsticas.
Captulo 4
Captulo 4
pgina 215
Infuencia de los errores y en la rentabilidad clnica de las
pruebas diagnsticas
Evaluacin de las pruebas diagnsticas
Bioestadstica: Error y
Captulo 4
pgina 216
- Exactitud (validez, efectividad o rentabilidad).
- Sensibilidad.
- Especifcidad.
- Seguridad: valores predictivos.
- Valor predictivo positivo (VPP).
- Valor predictivo negativo (VPN).
- Razn de verosimilitud.
- Curvas roc.
- Reproductivilidad.
- Invasividad.
- Coste econmico (URV).
Evaluacin de las pruebas diagnsticas
Captulo 4
pgina 217
Se produce un cierto solapamiento en las
distribuciones de probabilidad de la H
o
y de
la H
a
, en este solapamiento siempre aparece
el error y asumido, el cual ser mayor o
menor en funcin del resultado o diferencia
observada en nuestro estudio
Hiptesis nula (H
o
): No existen diferencias signifcativas en la efcacia clnica
de dos frmacos A y B (A = B)
Hiptesis alternativa (H
a
): Existen diferencias en la efcacia clnica de dos
frmacos A y B (A B) A>B A<B
Resultados de una prueba de signifcacin estadstica
H
o
: hiptesis nula (no hay diferencias signifcativas)
X: distribucin de la diferencia cuando H
o
es cierta
Y: distribucin de la diferencia cuando H
a
es cierta
R: resultado (diferencia) observado en nuestro estudio
Realidad
Existe
diferencia
(H
a

verdadera)
No existe
diferencia
(H
o

verdadera)
Resultado
de la prueba
estadstica
p < 0,05
Acepto la H
a
No error
VP (1-)
Error tipo I
FP ( )
p > 0,05
Acepto la H
o
Error tipo II
FN ()
No error
VN
Captulo 4
pgina 218
Error tipo I (riesgo ) y tipo II (riesgo |)
Relacin de los riesgos asociados a un test de hiptesis
unilateral (estadstico valor de la media):
|

x
Regin de aceptacin H
0
Regin de rechazo H
0
Regin de rechazo H
1
1
cae en esta lnea:
x
x
0
Regin de rechazo H
a
Regin de rechazo H
0
a
cae en esta lnea: Muestra:
|

x
0
Regin de rechazo H
0
Regin de rechazo H
1
1
cae en esta lnea:
x
x
|

x
0
Regin de rechazo H
0
Regin de rechazo H
1
1
cae en esta lnea:
x
x
cae en esta lnea:
x
x
0
Regin de rechazo H
a
Regin de rechazo H
0
a
cae en esta lnea: Muestra:
Riesgo beta
error |
Riesgo alfa
error 0,05
Significacin
estadstica
Captulo 4
pgina 219
Riesgo alfa y riesgo beta
Ho
Ha
Riesgo alfa
error 0,05
Significacin
estadstica
Se produce un cierto de la
Ho y de la Ha, en este
solapamiento siempre
aparece el error y
asumido, el cual ser
mayor o menor en funcin
del resultado o diferencia
observada en nuestro
estudio
Riesgo beta
error |
Se acepta Ho Se acepta Ha
Se rechaza Ha
Se rechaza Ho
Captulo 4
pgina 220
No se puede tener todo
Error alfa versus error beta:
FALSOS NEGATIVOS
FALSOS POSITIVOS
|
ERROR BETA
ERROR ALFA
Captulo 4
pgina 221
FALSOS NEGATIVOS
FALSOS POSITIVOS
| 1020
ERROR BETA
15
ERROR ALFA
Captulo 4
pgina 222
Hay que buscar un equilibrio entre los FALSOS POSITIVOS (error ) y los FALSOS
NEGATIVOS (error |).

Para un tamao muestral fjo (N= cte), no se pueden reducir a la vez ambos tipos de error.
Para reducir |, hay que aumentar el tamao muestral N.
Ho Ha
Ho
Ha
error |
20%
error |
10%
error
(0,05)
error
(0,01)
Captulo 4
pgina 223
Tipos de error en las pruebas diagnsticas
Realidad
Enfermos Sanos
Test de laboratorio Positivo
(+)
Hiptesis alternativa
VERDADEROS
POSITIVOS
VP
(1- )
FALSO POSITIVO
error
Error Muy grave
Negativo
(-)
Hiptesis nula
FALSO NEGATIVO
error
Error Menos grave
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 224
Tipos de error en las pruebas diagnsticas Realidad
Enfermos Sanos
Test de laboratorio
PSA
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 225
Tipos de error en las pruebas diagnsticas Evento o enfermedad estudiada
Enfermos Sanos Total
Resultados de la prueba
diagnstica
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO
POSITIVO
FP
VP + FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
FN + VN
Total VP + FN FP + VN
SENSIBILIDAD
=
VP
VP
FN
+
SENSIBILIDAD
=
Enfermos positivos
Total de ENFERMOS
Captulo 4
pgina 226
- Es la probabilidad de clasifcar correctamente a un individuo enfermo.
- Es la probabilidad de que para un sujeto enfermo se obtenga en la prueba
un resultado positivo.
- Es la capacidad del test para detectar la enfermedad.
- Probabilidad de obtener un resultado positivo cuando el individuo tiene la
enfermedad.
- Mide su capacidad para detectar la enfermedad cuando est presente.
- Su valor depende del error BETA (|).
La sensibilidad de la prueba diagnstica
Captulo 4
pgina 227
Tipos de error en las pruebas diagnsticas Evento o enfermedad estudiada
Resultados de la prueba
diagnstica
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO
POSITIVO
FP
VP + FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
FN + VN
= =
Total de SANOS
ESPECIFICIDAD
Sanos negativos
ESPECIFICIDAD =
VN
VN
FP
+
Captulo 4
pgina 228
- Es la probabilidad de clasifcar correctamente a un individuo sano.
- Es la probabilidad de que para un sujeto sano se obtenga un resultado
negativo.
- Es la capacidad del test para detectar a los sanos.
- Es la probabilidad de obtener un resultado negativo cuando el individuo no
tiene la enfermedad.
- Mide la capacidad para descartar la enfermedad cuando no est presente.
- Su valor depende del error ALFA ().
La especifcidad de la prueba diagnstica
Captulo 4
pgina 229
- Es la principal cualidad clnica de una prueba diagnstica.
- Es la capacidad de una prueba diagnstica para clasifcar correctamente a
los pacientes.
- Es la capacidad de una prueba diagnstica para clasifcar correctamente
a los individuos en subgrupos clnicamente relevantes (enfermos y NO
enfermos).
- En su forma ms simple es la capacidad para distinguir entre dos estados de
salud (enfermos y NO enfermos).
Exactitud en las pruebas diagnsticas
EXACTITUD =
VP VN +
VP VN FN FP + + +
Captulo 4
pgina 230
Exactitud en las pruebas diagnsticas
EXACTITUD =
VP VN +
VP VN FN FP + + +
EXACTITUD =
ACIERTOS
+ ACIERTOS FALLOS
SENSIBILIDAD ESPECIFICIDAD
Captulo 4
pgina 231
Tipos de error en las pruebas
diagnsticas
Evento o enfermedad estudiada
Resultados
de la prueba
diagnstica
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO
POSITIVO
FP
VP + FP
(total de positivos)
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
FN + VN
VPP =
VP
VP
FP
+
VPP =
VP
Total de POSITIVOS
Captulo 4
pgina 232
- Es la probabilidad de padecer la enfermedad si se obtiene un resultado
positivo en el test.
- Se puede defnir el VPP como la proporcin de resultados vlidos (VP) entre
todos resultados positivos de la prueba (VP + FP).
- Su valor depende del error ALFA () y de la POTENCIA ESTADSTICA.
- Su valor depende de la prevalencia (P) de la enfermedad; cuanto menor sea
la prevalencia menor ser el VPP y cuanto mayor sea la prevalencia mayor
ser el VPP.
Valor Predictivo Positivo (VPP) de la prueba diagnstica
Captulo 4
pgina 233
Tipos de error en las pruebas
diagnsticas
Evento o enfermedad estudiada
Resultados
de la prueba
diagnstica
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO
POSITIVO
FP
VP + FP
(total de positivos)
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
FN + VN
(total de
negativos)
VPN =
VN
VN
FN
+
VPN =
VN
Total de NEGATIVOS
Captulo 4
pgina 234
- Es la probabilidad de que un sujeto con un resultado negativo en la prueba
est realmente sano.
- El VPN es la proporcin de resultados vlidos (VN) entre todos los
resultados negativos (VN + FN).
- Su valor depende del error BETA (|).
- Su valor depende de la prevalencia (P) de la enfermedad en estudio
Cuanto menor sea la prevalencia, mayor ser el VPN, y cuanto mayor sea la
prevalencia, menor ser el VPN.
Valor Predictivo Negativo (VPN) de la prueba diagnstica
Captulo 4
pgina 235
Es la frecuencia con la que se presenta una determina enfermedad en una
poblacin defnida en un momento dado.
Prevalencia de la enfermedad
PREVALENCIA =
VP FN +
VP VN FN FP + + +
PREVALENCIA =
ENFERMOS
+ ENFERMOS SANOS
Captulo 4
pgina 236
VALOR
PREDICTIVO
POSITIVO (VPP)
VALOR
PREDICTIVO
NEGATIVO (VPN)
PREVALENCIA =
VP FN +
VP VN FN FP + + +
PREVALENCIA =
ENFERMOS
+ ENFERMOS SANOS
Los valores predictivos (VPP y VPN) dependen de la prevalencia de la
enfermedad en estudio.
Captulo 4
pgina 237
PREVALENCIA
VALOR PREDICTIVO
POSITIVO (VPP)
VALOR PREDICTIVO
NEGATIVO (VPN)
SENSIBILIDAD ESPECIFICIDAD
EXACTITUD
Captulo 4
pgina 238
Relacin entre la prevalencia y el valor predictivo positivo
(VPP)
Prevalencia
de la
enfermedad
Resultado
prueba
diagnstica
Enfermos Sanos
(No enfermos)
Total VPP
1% + 99 495 594 15%
(99/595)
- 1 9404 9406
Total 100 9900 10000
5% + 495 475 970 51%
(495/970)
- 5 9025 9030
Total 500 9500 10000
SENSIBILIDAD DIAGNSTICA = 99% ESPECIFICIDAD DIAGNSTICA = 95%
Captulo 4
pgina 239
Relacin entre la prevalencia y el valor predictivo
V
a
l
o
r

p
r
e
d
i
c
t
i
v
o
(
%
)
VALOR PREDICTIVO POSITIVO (VPP)
VALOR PREDICTIVO NEGATIVO (VPN)
Captulo 4
pgina 240
Razn de verosimilitud
RV + =
SENSIBILIDAD
1 ESPECIFICIDAD -
=
Tasa de VP (%)
Tasa de FP (%)
RV +
Captulo 4
pgina 241
Es la probabilidad de que un paciente tenga un carcinoma de prstata (CP) una vez que el test (PSA) ha
dado positivo ([PSA] > 4 ng/ml).
Cul es la probabilidad de que un paciente que acude a
la consulta tenga un carcinoma de prstata si el PSA (+)
([PSA]s > 4 ng/ml)?
Variable PREDICTORA Variable RESULTADO
PSA (+)
Carcinoma de prstata
VALOR PREDICTIVO POSITIVO (VPP)
Captulo 4
pgina 242
Es la probabilidad de que un individuo sano NO tenga un carcinoma de prstata (CP) una vez que el test
(PSA) ha dado negativo ([PSA] < 4 ng/ml).
Cul es la probabilidad de que un paciente que acude a la
consulta NO tenga un carcinoma de prstata si el PSA (-)
([PSA] < 4 ng/ml)?
VALOR PREDICTIVO NEGATIVO (VPN)
Captulo 4
pgina 243
Es la probabilidad de que el test (PSA) sea positivo entre los individuos realmente enfermos (carcinoma de
prstata).
Cul es la probabilidad de que un paciente diagnosticado
de carcinoma de prstata presente un PSA (+) ([PSA] > 4
ng/ml)?
Carcinoma de prstata
PSA (+) ([PSA] > 4 ng/ml)
SENSIBILIDAD DIAGNSTICA
Captulo 4
pgina 244
Es la probabilidad de que el test (PSA) sea negativo entre los individuos realmente no enfermos (sin cncer
de prstata).
Cul es la probabilidad de que un paciente sin carcinoma
de prstata (CP) presente un PSA (-) ([PSA] < 4 ng/ml)?
ESPECIFICIDAD DIAGNSTICA
Captulo 4
pgina 245
Es la probabilidad de que un resultado elevado del test (PSA) aparezca en los pacientes con carcinoma de
prstata frente a los individuos realmente no enfermos (sin cncer de prstata).
Cul es la probabilidad de que un valor de PSA patolgico
([PSA] > 4 ng/ml)? sea X veces ms probable en un paciente
con carcinoma de prstata (CP) que en otro sujeto sin cncer?
RAZN DE VEROSIMILITUD (RV+)
Captulo 4
pgina 246
Pita Fernndez S, Prtegas Daz S. Pruebas diagnsticas. Cad Aten Primaria 2003; 10: 120-124.
Qu utilidad clnica tiene el tacto rectal en el diagnstico del
carcinoma de prstata (CP) en una muestra de pacientes con
sospecha de CP que acuden a una consulta de Urologa?
Tcnica analtica a valuar Tcnica de referencia
(patrn de oro)
TACTO RECTAL
BIOPSIA PROSTTICA mediante
ecografa transrectal
Objetivo: Evaluacin del tacto rectal en el diagnstico del CP en una
consulta de urologa.
Captulo 4
pgina 247
Tipos de error en las pruebas diagnsticas Tcnica de referencia
(BIOPSIA transrectal ecodirigida)
POSITIVA NEGATIVA
TACTO RECTAL Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 248
Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal)
TACTO RECTAL positiva (+) negativa (-) Total
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
SENSIBILIDAD
=
VP
VP
FN
+
SENSIBILIDAD
=
634
634 487
+
= 56,5%
Captulo 4
pgina 249
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
ESPECIFICIDAD
=
VN
VN FP
+
ESPECIFICIDAD
=
1251
1251 269
+
= 82,3%
Captulo 4
pgina 250
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
EXACTITUD
=
VP VN
+
VP FN FP VN
+ +
+
EXACTITUD
=
634 1251
+
634 487 269 1251
+ + +
= 71,4 %
Captulo 4
pgina 251
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VPP =
VP
VP FP
+
VPP =
634
634 269
+
= 70,2%
La probabilidad de tener un CP es del 70% cuando el tacto rectal es positivo.
Captulo 4
pgina 252
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
La probabilidad de NO tener un CP es de tan slo el 72% cuando el tacto rectal es negativo.
Como la prueba tiene un VPN bajo, un resultado negativo del tacto rectal slo permite descartar el
diagnstico de CP con una probabilidad del 72%.
VPN =
1251
1251 487
+
= 72,0% VPN =
VN
VN FN
+
Captulo 4
pgina 253
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
PREVALENCIA
=
VP FN
+
VP FP FN VN
+ +
+
PREVALENCIA
=
634 487
+
634 269 487 1251
+ + +
= 42,4 %
Captulo 4
pgina 254
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
Un tacto rectal anormal (+) es 3 veces ms probable en un paciente con CP que en otro sujeto sin cncer.
RV + =
SENSIBILIDAD
1 ESPECIFICIDAD
-
RV +
=
0,565
1 0,823 -
=
3,2
Captulo 4
pgina 255
Latorre C, Noguero M, Mira A. Evaluacin de la tira reactiva para el diagnstico de infeccin urinaria en
nios y adultos. Med Clin (Barc) 2001; 116: 286-289.
Qu utilidad clnica tiene la tira reactiva en orina en el
diagnstico de la infeccin del tracto urinario (ITU)?
(patrn de oro)
TIRA REACTIVA
(orina)
CULTIVO
(orina)
Objetivo: Evaluacin de la TIRA REACTIVA en el diagnstico de la ITU.
Captulo 4
pgina 256
Tipos de error en las pruebas diagnsticas Tcnica de referencia
(CULTIVO)
POSITIVO NEGATIVO
Test de laboratorio
TIRA REACTIVA
orina
Positiva
(+)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativa
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 257
INFECCIN DEL TRACTO URINARIO (ITU)
Tira reactiva SI NO Total
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
SENSIBILIDAD
=
VP
VP
FN
+
SENSIBILIDAD
=
86
86 20
+
= 81,1%
Captulo 4
pgina 258
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
ESPECIFICIDAD
=
VN
VN FP
+
ESPECIFICIDAD
=
548
548 433
+
= 55,9%
Captulo 4
pgina 259
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
EXACTITUD
=
VP VN
+
VP FN FP VN
+ +
+
EXACTITUD
=
86 548
+
86 20 433 548
+ + +
= 58,3%
Captulo 4
pgina 260
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
La probabilidad de tener una ITU es de tan slo el 17% cuando la tira reactiva es positiva.
VPP =
VP
VP FP
+
VPP =
86
86 433
+
= 16,6%
Captulo 4
pgina 261
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
La probabilidad de NO tener una ITU es del 96,5% cuando la tira reactiva es negativa.
Como la prueba tiene un VPN alto, un resultado negativo de la tira urinaria descarta el diagnstico de ITU
con una probabilidad del 96,5%.
VPN =
548
548 20
+
= 96,5% VPN =
VN
VN FN
+
Captulo 4
pgina 262
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
PREVALENCIA
=
VP FN
+
VP FP FN VN
+ +
+
PREVALENCIA
=
86 20
+
86 433 20 548
+ + +
= 9,7 %
Captulo 4
pgina 263
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
Una tira reactiva anormal (+) es casi 2 veces ms probable en un paciente con ITU que en otro sujeto sin
infeccin.
RV + =
SENSIBILIDAD
1 ESPECIFICIDAD
-
RV +
=
0,811
1 0,559 -
=
1,84
Captulo 4
pgina 264
DL Sackett. Epidemiologa clnica. Buenos Aires, Editorial Mdica Panamericana, 1994.
Qu utilidad clnica tienen los niveles de ferritina srica
en el diagnstico de la anemia ferropnica?
(patrn de oro)
FERRITINA
(srica)
ANEMIA FERROPNICA
Objetivo: Evaluacin de la FERRITINA en el diagnstico de la anemia
ferropnica.
Captulo 4
pgina 265
Anemia ferropnica Sanos
Test de laboratorio
FERRITINA
srica
Positivo
(+)
FERRITINA
BAJA
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FERRITINA
NORMAL
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 266
ANEMIA FERROPNICA
FERRITINA SI NO Total
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
Si una prueba tiene una sensibilidad alta, un resultado negativo descarta el diagnstico.
SENSIBILIDAD
=
VP
VP
FN
+
SENSIBILIDAD
=
731
731 78
+
=
90,3%
Captulo 4
pgina 267
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
Si una prueba tiene una especifcidad alta, un resultado positivo confrma el diagnstico.
ESPECIFICIDAD
=
VN
VN FP
+
ESPECIFICIDAD
=
1500
1500 270
+
= 84,7%
Captulo 4
pgina 268
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
Una exactitud elevada permite distinguir con un mnimo error entre dos estados de salud.
EXACTITUD
=
VP VN
+
VP FN FP VN
+ +
+
EXACTITUD
=
731 1500
+
731 78 270 1500
+ + +
= 86,5%
Captulo 4
pgina 269
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
La probabilidad de tener una anemia ferropnica es del 73% cuando la ferritina srica es baja.
VPP =
VP
VP FP
+
VPP =
731
731 270
+
= 73%
Captulo 4
pgina 270
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
La probabilidad de NO tener una anemia ferropnica es del 95,1% cuando la ferritina srica es normal.
Como la prueba tiene un VPN alto, una ferritina normal descarta el diagnstico de anemia ferropnica con
una probabilidad del 95,1%.
VPN =
1500
1500 78
+
= 95,1% VPN =
VN
VN FN
+
Captulo 4
pgina 271
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
PREVALENCIA
=
VP FN
+
VP FP FN VN
+ +
+
PREVALENCIA
=
731 78
+
731 270 78 1500
+ + +
= 31%
Captulo 4
pgina 272
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
Una ferritina baja es casi 6 veces ms probable en un paciente con anemia ferropnica que en otro sujeto
sin anemia ferropnica.
RV + =
SENSIBILIDAD
1 ESPECIFICIDAD
-
RV +
=
0,903
1 0,847 -
=
5,9
Captulo 4
pgina 273
Qu utilidad clnica tiene el ttulo srico de anticuerpos
antinucleares en el diagnstico de enfermedades autoinmunes?
(patrn de oro)
ANA (IFI)
ENFERMEDADES
AUTOINMUNES
Objetivo: Evaluacin del ttulo de ANA en el diagnstico de diferentes
enfermedades autoinmunes.
Captulo 4
pgina 274
Enfermedad autoinmune Sanos
Test de laboratorio
ANA
(IFI)
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 275
Cocientes de probabilidades
RV + =
SENSIBILIDAD
1 ESPECIFICIDAD -
=
Tasa de VP (%)
Tasa de FP (%)
RV +
Captulo 4
pgina 276
Grupos de estudio Razn de verosimilitud (+) (cociente de probabilidades positivo)
Ttulo 1/40 Ttulo 1/80 Ttulo 1/160 Ttulo 1/320
LES (n= 38) 3,1 7,3 18,9 26,1
ESP (n= 37) 3,2 7,1 17,3 25,1
SS (n= 37) 2,7 5,7 14,7 21,3
AR (n= 38) 1,5 2,8 2,7 0,81
RPB (n= 37) 1,2 1,7 1,5 1,2
Sanos (n=120) 1,0 1,0 1,0 1,0
La razn de verosimilitud positivo (RV+) o cociente de probabilidad (CP)
positivo (sensibilidad dividida por el complementario de la especifcidad)
es una medida que calcula cunto ms probable es que un resultado
positivo de una prueba (ANA) se presente en un sujeto enfermo (EAI)
frente a uno sano.
La razn de verosimilitud negativo (RV-) o cociente de probabilidad (CP)
negativo (complementario de la sensibilidad dividida por la especifcidad)
relaciona la probabilidad de que un resultado negativo de una prueba se
presente en un enfermo frente a un sano.
Captulo 4
pgina 277
Cocientes de probabilidades
Camps Garca MT, Muoz Rocan N, Calvo de Mora A, De Ramn Garrido E. Los cocientes de probabilidad
como medida de la utilidad de la determinacin de anticuerpos antinucleares por inmunofuorescencia
indirecta en la clnica. Aplicacin de los resultados de la investigacin clnica. Med Clin (Barc) 1999;113: 476.
RV +
Ttulo 1/80
Ttulo 1/160
Ttulo 1/320
Ttulo 1/40
Ttulo 1/80
Ttulo 1/160
Ttulo 1/320
Ttulo 1/40
Captulo 4
pgina 278
Hemocromatosis Sanos
Test de laboratorio
FERRITINA
IST
Positivo
(+)
FERRITINA alta
IST alto
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FERRITINA normal
IST normal
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 279
Genotypic/phenotypic correlations in genetic hemochromatosis: evolution of diagnostic criteria.Adams PC,
Chakrabarti S. Gastroenterology. 1998 Feb;114(2):319-23.
90
96
97
91,3
86 88 90 92 94 96 98
M
u
t
a
c
i
n

C
2
8
2
Y
IST > 55% Ferritina > 300 ng/ml varones Ferritina > 200 ng/ml mujeres IHH > 1,9
Captulo 4
pgina 280
Holman JR. Hereditary hemochromatosis. J Fam Pract 1997; 44: 304-308.
Valoracin conjunta del IST y ferritina en el screening de la
hemocromatosis
94
97
92 93 94 95 96 97
Sensibilidad valor predictivo negativo
IST (-) y Ferritina (-)
IST (+) y Ferritina (+)
Captulo 4
pgina 281
Pruebas diagnsticas en el cncer de prstata
FAP
PSA
Cociente
PSA libre/ PSA total
Citologa aspiracin
Tacto rectal
Biopsia prosttica mediante
ecografa transrectal
Captulo 4
pgina 282
Mala rentabilidad diagnstica.
Baja sensibilidad y especifcidad (FAP)
Pruebas diagnsticas:
HPB HPB
Cncer Prstata
Sanos Enfermos
error | error
FN FP
Niveles de FAP
Captulo 4
pgina 283
Buena rentabilidad diagnstica.
Equilibrio entre sensibilidad y especifcidad (PSA)
error |
error
HPB
Cncer Prstata
error |
error
error |
error
HPB HPB
Cncer Prstata Cncer Prstata
Niveles de PSA (ng/ml)
Captulo 4
pgina 284
Excelente rentabilidad diagnstica.
Mxima sensibilidad y especifcidad (Cociente PSAlibre/total)
HPB HPB
Cncer Prstata Cncer Prstata
error
Sanos
Enfermos
error |
Cociente PSAlibre/total
Captulo 4
pgina 285
Mxima sensibilidad y especifcidad
Situacin ideal de las pruebas diagnsticas:
Sanos
Enfermos
Especificidad ~ 100%
Su Positividad indican
siempre la presencia de la
enfermedad
Su Negatividad indican
siempre la ausencia de la
enfermedad
HPB
Cncer Prstata
F
r
e
c
u
e
n
c
i
a
Sensibilidad ~ 100%
Captulo 4
pgina 286
PSA - Buen equilibrio entre sensibilidad y especifcidad
Situacin real de las pruebas diagnsticas:
Zona gris / Zona indeterminada
Sensibilidad ~ 61%
Especificidad ~ 90%
Cncer Prstata HPB
F
r
e
c
u
e
n
c
i
a
Concentracin PSA (ng/ml)
Sanos Enfermos
Captulo 4
pgina 287
Fosfatasa cida prosttica
Mal equilibrio entre sensibilidad y especifcidad
Pruebas diagnsticas a evitar:
Sensibilidad ~ 60-70%
Especificidad ~ 40-50%
Zona gris / Zona indeterminada
Baja Especificidad
sanos enfermos
Cncer Prstata
HPB
F
r
e
c
u
e
n
c
i
a
Concentracin FAP
Captulo 4
pgina 288
Eleccin del punto de corte
Su Positividad indican
siempre la presencia de la
enfermedad
Su Negatividad indican
siempre la ausencia de la
enfermedad
Punto de corte ideal
0
Xideal
Sanos Enfermos
HPB
Cncer Prstata
F
r
e
c
u
e
n
c
i
a
Especificidad = 100% Sensibilidad = 100%
Captulo 4
pgina 289
Eleccin del punto de corte
Sensibilidad ~ 61%
Especificidad ~ 90%
Zona gris
Zona indeterminada
Las pruebas diagnosticas no tienen
un solo par sensibilidad/especificidad
(S/E), sino muchos, uno por cada
nivel de decisin o punto de corte
que se adopte
Sanos Enfermos
Punto de corte real
Cncer Prstata
HPB
4
F
r
e
c
u
e
n
c
i
a
Las pruebas diagnsticas no
tienen un solo par sensibilidad/
especifcidad (S/E), sino
muchos, uno por cada nivel de
decisin o punto de corte que
se adopte.
Captulo 4
pgina 290
Aumento del valor del punto de corte
4
sanos
enfermos
Sensibilidad ~ 30%
Especificidad 99%
10
Aumentar la especificidad
HPB
Cncer Prstata
Para cualquier prueba en la que la distribucin de los
resultados de los grupos sano y enfermo se solapen,
existe un equilibrio entre sensibilidad y especificidad.
Ambas varan en direcciones opuestas: si se
AUMENTA el punto de corte disminuye la sensibilidad,
y aumenta la especificidad.
F
r
e
c
u
e
n
c
i
a
Captulo 4
pgina 291
Disminucin del valor del punto de corte
sanos
enfermos
Sensibilidad 92%
Especificidad ~ 35%
1,0
Aumentar la sensibilidad
4.0
Cncer Prstata
HPB
Para cualquier prueba en la que la distribucin de los
resultados de los grupos sano y enfermo se solapen,
existe un equilibrio entre sensibilidad y especificidad.
Ambas varan en direcciones opuestas: si se
DISMINUYE el punto de corte aumenta la
sensibilidad, y disminuye la especificidad.
F
r
e
c
u
e
n
c
i
a
Captulo 4
pgina 292
PUNTO DE CORTE = 4 ng/ml
- Buena sensibilidad a la hora de detectar los CP
- Pero existe un nmero elevado de falsos positivos (HBP) > baja especifcidad
PSA: ejemplo de error alfa (FP) y error beta (FN)
Error | Error
Captulo 4
pgina 293
Prueba S E Patrn de oro
(tcnica de
referencia)
FAP 56% 94% Biopsia de la
prstata mediante
Ecografa
transrectal
PSA 61% 90%
PSA libre/PSA total 69% 95%
Examen rectal 56% 82%
Citologa aspiracin 55% 91%
Sensibilidad y especifcidad diagnstica:
Pruebas en el Cncer de Prstata
Captulo 4
pgina 294
En el eje X se sita la fraccin de FP o 1 - especifcidad, defnida como 1 E = FP/VN + FP y calculada en
los no enfermos (sanos).
Construccin de la curva ROC para cada prueba diagnstica
La diagonal muestra por tanto
la peor situacin posible.
0
1
1
0
1 ESPECIFICIDAD
(Falsos positivos)
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
La curva ROC es un
grfico que muestra todos
los pares posibles
sensibilidad/especificidad
resultantes de la variacin
continua de los puntos de
corte en todo el rango de
resultados observados.
En el eje Y de coordenadas se sita la sensibilidad o fraccin de verdaderos positivos, calculada en los enfermos
Captulo 4
pgina 295
Diagrama de la curva ROC de la prueba diagnstica A
0 1
1
0
1 ESPECIFICIDAD
(Falsos positivos)
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
A
Las curvas ROC son los mejores ndices
de la efectividad, rentabilidad o exactitud
diagnstica y proporcionan un criterio
unificador en el proceso de evaluacin de
una prueba, y de comparacin simultnea
de varias pruebas diagnsticas.
Captulo 4
pgina 296
Diagrama de la curva ROC de la prueba diagnstica B
0 1
1
0
1 ESPECIFICIDAD
(Falsos positivos)
La diagonal muestra la peor
situacin posible.
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
B
El rea bajo la curva ROC es un
ndice de la EXACTITUD o valor
global de la prueba: la exactitud
mxima correspondera a un valor
del rea de 1 y la mnima de 0.5
Captulo 4
pgina 297
Diagrama de la curva ROC del PSA
Gann PH, Hennekens CH, Stampfer MJ. A prospective evaluation of plasma prostate.specifc antigen for
detection of prostatic cancer. JAMA. 1995; 273: 289-294.
Captulo 4
pgina 298
Med Clin (Barc) 2006;127:41-6
Captulo 4
pgina 299
Captulo 4
pgina 300
El objetivo fundamental de este estudio es valorar la utilidad de la calprotectina fecal
(CPF) para predecir la presencia de una colonoscopia patolgica y, secundariamente,
analizar su uso para discriminar entre diferentes enfermedades orgnicas y correlacionar
sus valores con el grado de actividad clnica, endoscpica e histolgica en pacientes con
enfermedad infamatoria intestinal (EII).
Objetivos
Introduccin (fragmento del texto)
Captulo 4
pgina 301
Qu utilidad clnica tienen los niveles de calprotectina fecal de
la actividad de la enfermedad infamatoria intestinal?
(patrn de oro)
Calprotectina fecal
Colonoscopia: ndice de actividad
de la enfermedad infamatoria
intestinal
Captulo 4
pgina 302
La curva ROC mostr que el valor de CPF de 217 mg/kg fue el mejor punto de corte para
discriminar a los pacientes con enfermedad orgnica en colon. A partir de estos datos,
obtuvimos una sensibilidad de la medida de CPF del 85%, una especifcidad del 81%, un
valor predictivo positivo del 64% y un valor predictivo negativo del 93%, respectivamente
(p < 0,001).
Resultados (fragmento del texto)
Valor
Sensibilidad 85%
Especifcidad 81%
Valor predictivo positivo 64%
Valor predictivo negativo 93%
Captulo 4
pgina 303
En el presente estudio, la CPF ha mostrado ser una prueba altamente sensible para
detectar a pacientes con CCR y EII utilizando un punto de corte de 217 g/g.
La eleccin de un punto de corte ptimo debera realizarse a partir de un procedimiento
de referencia estndar, lo que en pacientes con dolor abdominal y diarrea implicar un
estudio gastrointestinal completo. De todas formas, siempre es aconsejable utilizar puntos
de corte ms bajos porque lo que debemos pretender con esta prueba es seleccionar a los
pacientes que requieren un estudio endoscpico posterior.
Discusin (fragmento del texto)
Captulo 4
pgina 304
Me parece acertada la eleccin de la curva ROC. Sin embargo
Por qu no has incluido el grfco de la curva?
Cul es el rea de la curva ROC y su IC95%?
En la bibliografa existen datos de curvas ROC que dan datos inferiores de rentabilidad
diagnstica, que no coinciden con lo presentados por Garca Snchez et al.
Cmo justifcas esas diferencias?
MITO 1: La sonrisa de la esfnge
Captulo 4
pgina 305
Diagrama de la curva ROC de la calprotectina fecal
Tibblea J et al. Faecal calprotectin and faecal occult blood tests in the diagnosis of colorectal carcinoma and
adenoma. Gut 2001;49:402-408.
E = 65%
S = 85%
E = 85%
S = 70%
Captulo 4
pgina 306
- El rea bajo la curva (ABC) ROC es una medida global de la exactitud de una prueba
diagnstica.
- Se defne como la probabilidad de clasifcar correctamente un par de individuos sano
y enfermo, seleccionados al azar de la poblacin, mediante los resultados obtenidos al
aplicarles la prueba diagnstica.
- Es la probabilidad de que el resultado de la prueba se presente ms elevado en el
paciente enfermo
rea bajo la curva ROC = Probabilidad (X enfermo > X sano)
- En el ejemplo del PSA anterior un rea de 0,83 signifca que un individuo seleccionado al
azar del grupo de enfermos tendr el 83% de las veces un valor de PSA cuantitativamente
mayor que el PSA de un individuo elegido al azar del grupo no enfermo (sanos).
Interpretacin de Hanley y McNeil del rea bajo la curva
ROC
Hanley JA, McNeil BJ. The meaning and use of the area under a Receiver Operating Characteristic (ROC)
Curve. Radiology 1982; 143: 29-36.
Captulo 4
pgina 307
- El rea bajo la curva ROC es siempre mayor o igual que 0,5. Toma valores comprendidos
entre 0,5, si no existen diferencias en la distribucin de resultados de la prueba entre
los grupos enfermo y sano, y 1,0, cuando existe separacin perfecta entre las dos
distribuciones.
- Swets interpreta el valor del rea de la siguiente manera:
- Entre 0,5 y 0,7 indican baja exactitud
- Entre 0,7 y 0,9 pueden ser tiles para algunos propsitos
- Valores mayor de 0,9 indica alta exactitud.
- La capacidad de discriminacin de la prueba diagnstica puede evaluarse estimando el
intervalo de confanza del rea de la curva ROC. Si el intervalo no incluye el valor 0,5 la
prueba es capaz de discernir entre enfermos y sanos.
- En el ejemplo del PSA anterior el rea de 0,83 debe ser interpretado que la prueba puede
ser til en algunas situaciones clnicas, pero no es til por ejemplo, para realizar programas
de screening de la poblacin en bsqueda del cncer de prstata en la poblacin general.
Interpretacin de Swets del rea bajo la curva ROC
Swets JA. Measuring the accuracy of diagnostic systems. Science 1988; 240: 1.285-1.293.
Captulo 4
pgina 308
Comparacin del rea bajo la curva:
Prueba A versus prueba B
El rea bajo la curva ROC es el mejor indicador de la
capacidad predictiva del la prueba, y permite la
comparacin entre diferentes pruebas diagnsticas.
0 1
1
0
1 ESPECIFICIDAD
(Falsos positivos)
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
A
B
El rea de la curva ROC es la probabilidad
de clasificar correctamente un par de
individuos sano y enfermo, seleccionados al
azar de la poblacin en estudio, mediante los
resultados obtenidos al aplicarles la prueba
diagnstica.
Captulo 4
pgina 309
Comparacin del rea bajo la curva:
Prueba A versus prueba B
0 1
1
0
1 ESPECIFICIDAD
(fraccin de Falsos positivos)
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
A
B
A = REA de la curva A
B = REA de la curva B
Qu prueba diagnstica (A versus
B) presenta una mayor rentabilidad,
efectividad, exactitud o valor global?
Estadstico Z de Hanley y McNeil (1983)
Captulo 4
pgina 310
Si el estudio se realiza en grupos INDEPENDIENTES, la comparacin de reas mediante mtodos
estadsticos es directa. Si se utilizan datos APAREADOS o dependientes es necesario calcular previamente
la correlacin r entre las pruebas coefciente de correlacin entre ambas tcnicas para muestras
independientes vale cero (r = 0).
Comparacin del rea de las curvas ROC en muestras
independientes
A
1
= rea bajo la curva ROC de la tcnica 1
A
2
EE
A 1
= error estndar del rea bajo la curva ROC de la tcnica 1
EE
A 2
( A 1 A 2 )
( EE
A
1
)
2
Z =
+ (EE
A
2
)
2
Captulo 4
pgina 311
apareadas
( A 1 A 2 )
( EE
A
1
)
2
Z =
+ (EE
A
2
)
2
-
2 r * EE
A
1
* EE
A
2
A
1
A
2
EE
A 1
EE
A 2
r = coefciente de correlacin entre las reas de ambas tcnicas para
muestras dependientes
Captulo 4
pgina 312
Comparacin del rea bajo la curva: prueba A
versus prueba B
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
1 ESPECIFICIDAD
0 1
0,5
0,5
0,9
0,8
0,7
0,6
0,4
0,3
0,2
0,1
0,1 0,9 0,2 0,3 0,4 0,6 0,7 0,8
Qu prueba diagnstica (A versus B)
presenta una mayor rentabilidad,
efectividad, exactitud o valor global?
A
B
Dos curvas ROC (A y B) con
igual rea. Sin embargo,
estas dos curvas ROC no
son idnticas. La prueba B
es superior a la prueba
A en el rango alto de falsos
positivos (o intervalo de
alta sensibilidad), mientras
que en la zona baja de
falsos negativos (intervalo
de baja sensibilidad) la
prueba A es superior a la B
Captulo 4
pgina 313
Qu utilidad clnica tienen los niveles de urea en sangre
en el diagnstico de la insufciencia renal?
(patrn de oro)
Uremia (mg/dl)
Insufciencia renal
Objetivo: Evaluacin de la uremia en el diagnstico de la insufciencia
renal.
Captulo 4
pgina 314
Valor del punto de corte 90 mg/dl
Enfermedad en estudio
Insufciencia renal No enfermos
Test de laboratorio
uremia
Positivo
(+)
Uremia > 90 mg/dl
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
Uremia 90 mg/dl
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 315
Uremia mg/dl 300 mg/dl
0
Pacientes
Insuficiencia renal
Individuos SIN
Insuficiencia renal
Punto de corte
optimo 90 mg/dl
VN FP
FN VP
Captulo 4
pgina 316
Punto de corte optimo 90 mg/dl
300 mg/dl 250 200 150 100 50 0
Pacientes con
Insuficiencia renal
Individuos SIN
Insuficiencia renal
F
r
e
c
u
e
n
c
i
a
Uremia mg/dl
Captulo 4
pgina 317
1 ESPECIFICIDAD
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
(
f
r
a
c
c
i
n

d
e

v
e
r
d
a
d
e
r
o
s

p
o
s
i
t
i
v
o
s
)
1,00 0,00
0,00
0,75 0,50 0,25
0,25
0,50
0,75
1,00
Curva ROC
de la uremia
Curva ROC
de la uremia
Las curvas ROC son ndices
de la exactitud diagnostica y
proporcionan el mejor criterio
unificador en el proceso de
evaluacin de una prueba.
Las curvas ROC
son ndices de la
exactitud diagnstica y
proporcionan el mejor
criterio unifcador en el
proceso de evaluacin de
una prueba.
Captulo 4
pgina 318
Qu tcnica analtica presenta una mayor exactitud, valor global,
rentabilidad, o efectividad clnica la urea o la creatinina srica en
el diagnstico de la insufciencia renal?
Urea (srica)
Creatinina (srica)
Comparacin del rea bajo la curva ROC
Objetivo: Evaluacin de la urea frente a la creatinina en el diagnstico de
la insufciencia renal.
Captulo 4
pgina 319
1 ESPECIFICIDAD
(fraccin de Falsos Positivos)
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
(
f
r
a
c
c
i
n

d
e

V
e
r
d
a
d
e
r
o
s

P
o
s
i
t
i
v
o
s
)
1,00 0,00
0,00
0,75 0,50 0,25
0,25
0,50
0,75
1,00
1 ESPECIFICIDAD
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
(
f
r
a
c
c
i
n

d
e

V
e
r
d
a
d
e
r
o
s

P
o
s
i
t
i
v
o
s
)
1,00 0,00
0,00
0,75 0,50 0,25
0,25
0,50
0,75
1,00
1 ESPECIFICIDAD
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
(
f
r
a
c
c
i
n

d
e

V
e
r
d
a
d
e
r
o
s

P
o
s
i
t
i
v
o
s
)
1,00 0,00
0,00
0,75 0,50 0,25
0,25
0,50
0,75
1,00
Curva ROC
de la uremia
Curva ROC
de la uremia
Curva ROC
de la creatinemia
Curva ROC
de la creatinemia
Cuanto ms prxima se sita una curva
ROC a la esquina superior izquierda,
ms alta es la exactitud diagnstica de la
prueba. Si comparamos en el mismo
grfico las curvas obtenidas con la urea y
la creatinina, sta ltima por estar
situada ms hacia arriba y hacia la
izquierda tendr la mayor exactitud.
Captulo 4
pgina 320
Qu prueba diagnstica (uremia versus creatinemia) presenta
una mayor rentabilidad, exactitud o valor global en el diagnstico
de la insufciencia renal?
Variables
contrastadas
rea bajo la curva
ROC
Error estndar del
rea
Lmite inferior
del intervalo de
confanza al 95%
Lmite superior
del intervalo de
confanza al 95%
Uremia 0,930 0,012 0,906 0,955
Creatinemia 0,984 0,005 0,974 0,994
Captulo 4
pgina 321
dependientes
( A 1 A 2 )
( EE
A
1
)
2
Z =
+ (EE
A
2
)
2
-
2 r * EE
A
1
* EE
A
2
A
1
A
2
EE
A 1
EE
A 2
Captulo 4
pgina 322
A
1
(creatinina) = 0,984 EE
A1 (creatinina)
= 0,005.
A
2
(urea) = 0,930 EE
A2 (urea)
= 0,012.
Hiptesis nula Ho: A
1
A
2
= 0 .
Hiptesis alternativa Ha: A
1
A
2
0 .
Resultado: El estadstico para la comparacin de ambas curvas Z de Hanley y
McNeil vale 4,15 que como es mayor que Z
95%
= 1,96 .
Conclusin: Ambas pruebas tienen un rendimiento signifcativamente distinto.
( A 1 A 2 )
( EE
A
1
)
2
Z =
+ (EE
A
2
)
2
-
2 r * EE
A
1
* EE
A
2
Captulo 4
pgina 323
Qu utilidad clnica tienen los niveles de VCM en el diagnsti-
co de la anemia ferropnica?
(patrn de oro)
VCM
(hemograma)
Depsitos de Fe en mdula sea
Objetivo: Evaluacin del VCM en el diagnstico de la anemia ferropnica.
Captulo 4
pgina 324
Tipos de error en las pruebas diagnsticas Examen de los depsitos de hierro en mdula sea
Dfcit de Fe Presencia de Fe
Test de laboratorio
VCM
(hemograma)
Positivo
(+)
VCM
BAJO
(microcitosis)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
VCM
NORMAL
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Captulo 4
pgina 325
Tcnica de referencia: Examen de los
depsitos de hierro en mdula sea
Volumen corpuscular medio (VCM)
Ausencia de Hierro (n= 33) 52, 58, 62, 65, 67, 68, 70, 72, 72, 73, 73, 74,75,
77, 77, 77, 78, 78, 80, 80, 81, 81, 81, 81, 84, 84,
85, 85, 87, 88, 88, 92, 92
Presencia de hierro (n=67) 60, 66, 68, 69, 71, 71, 71, 73, 74, 74, 74, 76,76,
77, 77, 77, 78, 79, 79, 79, 80, 80, 81, 81,82, 82,
82, 83, 83, 83, 83, 83, 83, 83, 83, 84,84, 84, 85,
85, 86, 86, 86, 86, 88, 88, 88, 89,89, 89, 90, 90,
90, 91, 91, 93, 93, 93, 94, 94,94, 94, 96, 97, 98,
100, 103
Beck JR, Shultz EK. The use of relative operating characteristic (ROC) curves in test performance
evaluation. Arch Pathol Lab Med 1986; 110:13-20.
VCM en 100 pacientes con diagnstico de
anemia ferropnica
Captulo 4
pgina 326
Tcnica de referencia (patrn de oro)
Examen de los depsitos de hierro en mdula sea
Hierro normal Hierro BAJO
Tcnica analtica a evaluar
VCM
(hemograma)
110
100
90
80
70
60
50
VCM < 80
Sensibilidad = 55,9%
Especificidad = 71,2%
VP
VN
FP
FN
Captulo 4
pgina 327
VCM
(hemograma)
110
100
90
80
70
60
50
VCM < 65
Sensibilidad = 8,8%
FN
VP
VN
FP
Captulo 4
pgina 328
VCM
(hemograma)
110
100
90
80
70
60
50
VCM < 90
Sensibilidad = 94,1%
FN VN
FP VP
Captulo 4
pgina 329
El clculo del rea bajo la curva es de 0,717 con un EE de 0,05, es decir, el VCM es una prueba diagnstica
de baja rentabilidad, y por tanto no se aconseja, como prueba nica, en el diagnstico de la anemia
ferropnica.
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
(
f
r
a
c
c
i
n

d
e

V
e
r
d
a
d
e
r
o
s

P
o
s
i
t
i
v
o
s
)
VCM < 81
100
80
60
40
20
0
20 0 40 60 80 100
1 ESPECIFICIDAD
Punto de corte ideal para el
VCM es de < 81, valor lmite que
permite resumir los resultados de
una escala continua en dos
categoras: positivo y negativo
con una mayor exactitud o
rentabilidad diagnstica.
VCM < 81
Sensibilidad = 61%
Fraccin de FP = 30%
Especificidad = 70%
La pruebas diagnosticas no tienen
un solo par sensibilidad/especificidad
(S/E), sino muchos, uno por cada
nivel de decisin o punto de corte
que se adopte.
Cul ser el par que describa
la exactitud de la prueba?
La pruebas diagnsticas
no tienen un solo par
sensibilidad/especifcidad
(S/E), sino muchos, uno
por cada nivel de decisin
o punto de corte que se
adopte.
Captulo 4
pgina 330
Captulo 4
pgina 331
Captulo 4
pgina 332
Captulo 4
pgina 333
Captulo 4
pgina 334
Qu tcnica analtica presenta una mayor rentabilidad, el VCM
o la ferritina en el diagnstico de la anemia ferropnica?
VCM
(hemograma)
Ferritina (srica)
Comparacin del rea bajo la curva ROC
Objetivo: Evaluacin del VCM frente a la ferritina en el diagnstico de la
anemia ferropnica.
Captulo 4
pgina 335
Construccin de la curva ROC: Es un grfco que muestra todos los pares sensibilidad/especifcidad
resultantes de la variacin continua de los puntos de corte en todo el rango de resultados observados.
Punto Corte VCM Sensibilidad
(%)
Especifcidad
(%)
100 especifcidad
(%)
65 8,8 98,5 1,5
70 20,6 93,9 6,1
75 38,2 84,8 15,2
80 55,9 71,2 28,8
85 79,4 43,9 56,1
90 94,1 25,8 74,2
92 97,1 19,7 80,3
Captulo 4
pgina 336
Hanley JA, McNeil BJ. A method of comparing the areas under receiver operating characteristic curves
derived from the same cases. Radiology 1983; 148: 839-843.
Comparacin del rea bajo la curva: ferritina srica versus
VCM
0 100
100
0
1 ESPECIFICIDAD
(Falsos positivos)
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
Ferritina
VCM
0 100
100
0
1 ESPECIFICIDAD
(Falsos positivos)
S
E
N
S
I
B
I
L
I
D
A
D

D
I
A
G
N
S
T
I
C
A
Ferritina
VCM
Para comparar el VCM con los niveles
sricos de ferritina, se construye para
ella otra curva y se calculara su rea.
Se comparan las reas mediante el
estadstico Z de Hanley y McNeil (1983).
Captulo 4
pgina 337
dependientes
A
1
A
2
EE
A 1
EE
A 2
( A 1 A 2 )
( EE
A
1
)
2
Z =
+ (EE
A
2
)
2
-
2 r * EE
A
1
* EE
A
2
Hanley JA, McNeil BJ. A method of comparing the areas under receiver operating characteristic curves
derived from the same cases. Radiology 1983; 148: 839-843.
Captulo 4
pgina 338
A
1
(creatinina) = 0,984 EE
A1 (creatinina)
= 0,005.
A
2
(urea) = 0,930 EE
A2 (urea)
= 0,012.
Hiptesis nula Ho: A
1
A
2
= 0 .
Hiptesis alternativa Ha: A
1
A
2
0 .
Resultado: El estadstico para la comparacin de ambas curvas Z de Hanley y
McNeil vale 4,15 que como es mayor que Z
95%
= 1,96 .
Conclusin: Ambas pruebas tienen un rendimiento signifcativamente distinto.
( A 1 A 2 )
( EE
A
1
)
2
Z =
+ (EE
A
2
)
2
-
2 r * EE
A
1
* EE
A
2
Captulo 4
pgina 339
Comparacin del rea bajo la curva: ferritina srica
versus VCM
Captulo 4
pgina 340
Es un enfoque prctico que se basa en el cociente entre los costes de un
resultado falso positivo (FP) frente a un falso negativo (FN), en funcin de
la prevalencia (P) de la enfermedad. El valor de corte ptimo se determina
hallando el punto de la curva ROC cuya tangente a la curva tiene de
pendiente el valor de m.
Criterio basado en el equilibrio de riesgos y benefcios de
las decisiones mdicas
Eleccin del punto de corte:
Zweig MH, Campbell G. Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in
clinical medicine. Clin Chem 1993; 39: 561-577.
McNeil BJ, Keeler E, Adelstein SJ. Primer on certain elements of medical decision making. N Engl J Med
1975; 293: 211-215.
m
=
Coste de FP 1 - P
*
Coste de FN
P
Captulo 4
pgina 341
Se elige la mayor sensibilidad posible cuando:
1. La enfermedad sea grave y no pueda pasar inadvertida.
2. La enfermedad sea tratable, y
3. Los resultados falsos positivos no supongan un traumatismo
psicolgico o econmico en los individuos examinados.
Podras poner algn ejemplo?
Postulados de Galen y Gambino
Galen RS, Gambino SR. Beyond normality: The predictive value and effciency of medical diagnoses. Nueva
York: J Wiley and Sons, lnc., 1975.
1. Criterio de mxima SENSIBILIDAD DIAGNSTICA
Captulo 4
pgina 342
Programa preventivo destinado a la deteccin precoz de CaM mediante la
realizacin de mamografa bilateral con periodicidad bienal en mujeres de 45
a 70 aos. La realizacin del screening permite la deteccin precoz de CaM
en un estadio menos avanzado que el que correspondera a un diagnstico
clnico, lo que supone una considerable mejora en cuanto a la afectacin,
pronstico de la enfermedad y reduccin de aos de vida perdidos.
Cribado poblacional de cncer de mama (CaM)
Mamografa bilateral
Cncer de mama
Variable PREDICTORA
Variable RESULTADO
Captulo 4
pgina 343
En Espaa se ha descrito que la tasa acumulada de falsos positivos en un
programa de cribado de mama es del 30% tras 10 determinaciones bianuales
(1). De hecho, diversos estudios han demostrado que, por cada muerte
prevenida a travs de un programa de cribado, han aparecido al menos 200
resultados falsos positivos (2). En respuesta a este hecho, la OMS ha incidido
en nuevos criterios para los programas de cribado, centrndose en aspectos
ticos, en las consecuencias psicolgicas de resultados falsos positivos y en
la necesidad del consentimiento informado (3).
1. Castells X, Molins E, Macia F. Cumulative false positive recall rate and association with participant
related factors in a population based breast cancer screening programme. J Epidemiol Community Health.
2006;60:316-21.
2. Raffe AE, Alden B, Quinn M, Babb PJ, Brett MT. Outcomes of screening to prevent cancer: analysis
of cumulative incidence of cervical abnormality and modelling of cases and deaths prevented. BMJ.
2003;326:901.
3. Brodersen J, McKenna SP, Doward LC, Thorsen H. Measuring the psychosocial consequences of
screening. Health Qual Life Outcomes. 2007;5:3.
Cumple los postulados de Galen y Gambino?
Captulo 4
pgina 344
Cribado poblacional del cncer de pulmn (CP)
mediante TC
Tomografa computarizada (TC)
Cncer de pulmn
Variable PREDICTORA
Variable RESULTADO
Captulo 4
pgina 345
Un estudio publicado por Bach et al (2007) acerca del cribado de cncer de
pulmn sealaba que el uso de la tomografa computarizada (TC) puede
aumentar la tasa de diagnstico y tratamiento de dicho cncer sin reducir el
riesgo de avance de la enfermedad o la mortalidad. Por lo tanto, concluan la
inutilidad del cribado en la prevencin del cncer de pulmn.
Bach PB, Jett JR, Pastorino U, Tockman MS, Swensen SJ, Begg CB. Computed tomography screening and
lung cancer outcgomes. JAMA. 2007;297:953-61.
Captulo 4
pgina 346
La sensibilidad de la prueba es tan slo de 5060% cuando se lo utiliza una
vez, pero puede ascender a 90% cuando se la utiliza cada 12 aos en un
perodo de tiempo prolongado (sensibilidad programtica).
Cribado poblacional de cncer de colon
Deteccin de SANGRE OCULTA en
heces (guayacol)
Cncer de colon
Variable PREDICTORA
Variable RESULTADO
Programa preventivo destinado a la deteccin precoz de colon
Sensibilidad = 40-80%
Especificidad = 90-99%
Captulo 4
pgina 347
El cncer de colon es el tipo de cncer con mayor posibilidad de deteccin
precoz y que responde mejor al tratamiento en estadios iniciales, por ello se
propone una prueba gentica a la poblacin diana: hombres y mujeres a partir
de los 50 aos..
Cribado poblacional de cncer de colon
Deteccin de la forma metilada del
gen Septina 9 (SEPT9).
Cncer de colon
Variable PREDICTORA
Variable RESULTADO
Programa preventivo destinado a la deteccin precoz de colon
Sensibilidad = 67%
Especificidad = 88%
Captulo 4
pgina 348
Los resultados FALSOS POSITIVOS causan ansiedad y pueden conducir
a un aumento de pruebas invasivas para determinar si hay enfermedad
realmente, en este caso una prueba positiva a la deteccin de sangre oculta
en heces ser seguida por una colonoscopia.
Captulo 4
pgina 349
1. Gravedad o importancia en salud pblica. Si la enfermedad puede ser tratada y
detectada evitando complicaciones posteriores han de utilizarse pruebas con alta
SENSIBILIDAD, es decir con baja tasa de FALSOS NEGATIVOS.
2. Si el coste del proceso asistencial (posibles pruebas invasivas complementarias,
exmenes y cuidados mdicos y de enfermera requeridos ) del enfermo es alto se deben
elegir pruebas con alta ESPECIFICIDAD, para reducir los falsos positivos.
3. Si la enfermedad diagnosticada conlleva consecuencias psicosociales graves, como
la infeccin por VIH, han de minimizarse los falsos positivos, eligiendo pruebas de alta
ESPECIFICIDAD.
4. Baja prevalencia de la enfermedad. En los programas de screening se eligen pruebas
de alta ESPECIFICIDAD, para reducir la tasa de falsos positivos y as garantizar la
efciencia del programa.
Falsos positivos versus Falsos negativos
Captulo 4
pgina 350
Las carencias metodolgicas en la investigacin evaluativa de pruebas diagnsticas
explican en parte la inadecuacin del uso de pruebas diagnsticas. Por otra parte, no se
ha considerado la potencial iatrogenia atribuible al uso de pruebas diagnsticas, y se hace
necesaria una monitorizacin de los posibles efectos adversos derivados de cualquier
tecnologa diagnstica, as como la informacin detallada a los pacientes de sus benefcios
y riesgos, tanto en el campo del cribado como en el del diagnstico clnico.
Captulo 4
pgina 351
Se elige la mayor especifcidad posible cuando:
1. La enfermedad sea importante pero difcil de curar o incurable, y
2. El hecho de conocer que no se padezca la enfermedad tiene una
importante carga sanitaria y psicolgica.
Podras poner algn ejemplo?
2. Criterio de mxima ESPECIFICIDAD DIAGNSTICA
Captulo 4
pgina 352
Se elige un alto VPP cuando:
El tratamiento de los falsos positivos (FP) pueda tener consecuencias
graves en personas que NO tienen la enfermedad.
3.- Criterio de alto VALOR PREDICTIVO POSITIVO
VPP =
VP
VP FP
+
Captulo 4
pgina 353
Se desea una elevada exactitud (efectividad, valor global o rentabilidad
diagnstica) cuando:
1. La enfermedad sea importante pero curable, y
2. Tanto los falsos positivos (FP) como los falsos negativos (FN)
supongan un traumatismo y conlleven consecuencias graves.
4. Criterio de mxima EXACTITUD DIAGNSTICA
Captulo 4
pgina 354
1. Son una representacin grfca fcilmente comprensible de la capacidad de
discriminacin de la prueba diagnstica en todo el rango de puntos de corte.
2. Son simples, grfcas y fciles de interpretar visualmente.
3. No requieren un nivel de decisin particular porque est incluido todo el espectro de
puntos de corte.
4. Son independientes de la prevalencia, ya que ni la sensibilidad ni la especifcidad
dependen de ella.
5. Proporcionan una comparacin visual directa entre distintas pruebas en una escala
comn, mientras que otro tipo de grfcos, como los diagramas de puntos o los
histogramas de frecuencias requieren diferentes grfcos cuando diferen las escalas.
6. La especifcidad y la sensibilidad son fcilmente accesibles en el grfco, en contraste
con los diagramas de puntos y los histogramas.
Ventajas de las curvas ROC en la evaluacin de pruebas
diagnsticas
Zweig MH, Campbell G. Receiver-Operating Characteristic (ROC) Plots: fundamental evaluation tool in
clinical medicine. Clin Chem 1993; 39: 561-577.
Burgueo MJ, J.L. Garca-Bastos JL, Gonzlez-Buitrago JM. Las curvas ROC en la evaluacin
de las pruebas diagnsticas. Med Clin (Barc) 1995: 104: 661-670.
Captulo 5
pgina 355
Publicacin Bioestadstica: Anlisis bivariante.
Test de contraste de hiptesis.
Cualitativa versus cualitativa.
Captulo 5
Captulo 5
pgina 356
Materiales y mtodos
1. Tipo de diseo (estudio)
2. Sujetos incluidos (criterios de seleccin de la muestra)
3. Fuentes de informacin
investigacin (estudios experimentales)
5. Instrumentos y procedimientos de medida (cuestionarios)
estudio y criterio de evaluacin)
7. Limitaciones y consideraciones ticas de la investigacin
8. Pruebas estadsticas a utilizar (programa estadstico)
Estructura
Captulo 5
pgina 357
1. ANLISIS DESCRIPTIVO
2. ANLISIS BIVARIANTE
3. ANLISIS MULTIVARIANTE
Captulo 5
pgina 358
estadstica p
p < 0,05 A B p 0,10 A = B
explicarlo todo
explique todo
el ERROR
ERROR
signifcativas
signifcativas
Captulo 5
pgina 359
Variable dependiente
Variable resultado
Anlisis estadstico
Dicotmica Continua
Variable
Predictora
Dicotmica
Test de 2 t de Student
Variable
Independiente
Continua
Regresin lo-
gstica
Regresin lineal
Tipos de test analticos estadsticos de contraste de hiptesis
segn el tipo de variables implicadas en el estudio
Captulo 5
pgina 360
Test de
2
ANLISIS ESTADSTICO
Variable resultado
Dicotmica Continua
Variable
Predictora
Dicotmica
Test de
2
t de Student
Variable
Independiente
Continua
Regresin lo-
gstica
Regresin lineal
Anlisis estadstico
Captulo 5
pgina 361
Tipos de test analticos estadsticos bivariantes de contraste
de hiptesis ms frecuentes
Variable
PREDICTORA o
Independiente (factor
de estudio)
Variable RESULTADO o Dependiente (Criterio de evaluacin)
Cualitativa nominal
dos
categoras
Cualitativa nominal
> 2
categoras
Cualitativa ordinal o
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica
Cualitativa dos grupos
independientes
Chi cuadrado
Z comparacin de
proporciones
Test exacto de
Fisher
Chi cuadrado U de Mann-Whitney T de Student
(prueba de Welch)
apareados
Test de McNemar Q de Cochran Prueba de los
rangos
de Wilcoxon
T de Student
para datos
emparejados
Cualitativa > 2 grupos
independientes
Chi cuadrado Chi cuadrado Prueba de Kruskal-
Wallis
(ANOVA)
apareados
Q de Cochran Q de Cochran Prueba de Friedman Anlisis de la Varianza
de dos vas
Cuantitativa Regresin logstica Regresin logstica Correlacin de
Sperman
Tau de Kendall
Regresin lineal
Captulo 5
pgina 362
Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA
Test de Wilcoxon
Test de Friedman
Ms de dos grupos No paramtrico, medidas repetidas
REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Long-Rank
Regresin de COX
Curvas de superviviencia
Captulo 5
pgina 363
Cualitativa versus cualitativa. Nominales
Datos categricos:
- Test de
2
de Pearson
- Relacin entre dos variables cualitativas nominales o policotmicas
- Comparacin de proporciones
- Correccin de Yates
- Test exacto de Fisher
- Valores esperados menores de 5
- Razn de verosimilitud
- Evaluacin de pruebas diagnsticas
- Test de
2
de McNemar
- Datos apareados o emparejados
- Coefciente PHI ()
- V de Cramer
- Coefciente de contingencia
- Coefciente de incertidumbre
- Tau de Goodman y Kruskal
- Lambda de Goodman y Kruskal (coefciente de predictibilidad de Guttman)
Captulo 5
pgina 364
Cualitativa versus cualitativa. Ordinales
Datos categricos:
- Test de
2
de tendencia lineal
- Tau-B de Kendall o Stuart
- Tau-C de Kendall
- Coefciente Gamma de Goodman y Kruskal
- D de Somers
- Correlacin de Spearman
Estos estadsticos NO se pueden
utilizar cuando alguna de las variables
sea NOMINAL
Captulo 5
pgina 365
Variable RESULTADO
Variable PREDICTORA (+) (-) Total
Si a b a + b
No c d c + d
Total a + c b + d n
Test de 2 de Pearson
2
=
n ( a d b c )
2
(a + b) (c + d) (a + c) (b + d)
Grados de libertad = [ K - 1] [F - 1]
2
fo fe
=
fo
-
=
fo
-
( )
2
Captulo 5
pgina 366
Grados de libertad = [K - 1] [F - 1]
K = n de columnas
F = n de flas
Tabla de valores crticos (tabulados) de
2
Grados de libertad Tabla 2 x F Valores crticos con un nivel de
confanza del 95%
1 2 3,84
2 3 5,99
3 4 7,81
4 5 9,49
5 6 11,07
6 7 12,59
100 99 124,34
Captulo 5
pgina 367
Infuencia de los Grados de libertad k en la distribucin de
probabilidades de 2 de Pearson
Grados de libertad (gl) = (K - 1) (F 1) Grados de libertad (gl) = (K - 1) (F 1)
2
de Pearson para gl=1
2
2
2
2
F
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a

e
s
p
e
r
a
d
a
2
F
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a

e
s
p
e
r
a
d
a
Captulo 5
pgina 368
2
F
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a

e
s
p
e
r
a
d
a
2
F
r
e
c
u
e
n
c
i
a

r
e
l
a
t
i
v
a

e
s
p
e
r
a
d
a
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
= frecuencia observada
fo
= frecuencia esperada
fe
fo
fo
fe
fe

2
=
fo
fo
fe
-
( )
2

2
=
fo
fo
fe
-
( )
2
Captulo 5
pgina 369
Infuencia de los Grados de libertad k en la distribucin de
probabilidades de 2 de Pearson
Grados de libertad (gl) = (K - 1) (F 1)
1 2
Grados de libertad
3 4 5 6
gl = 10 gl = 5
gl = 3
7 8 9 10 11 12 13 14
7,81
11,07
15 1 2
Grados de libertad
3 4 5 6
gl = 10 gl = 5
gl = 3
7 8 9 10 11 12 13 14
7,81
11,07
15
K = n de columnas
F = n de flas
Captulo 5
pgina 370
Condiciones necesarias y sufcientes de aplicacin
1. Ambas variables deben ser cualitativas en escala NOMINAL.
2. Nmero de sujetos estudiados igual o superior a 40 (n>40)
3. Ninguno de los valores esperados en cada casilla debe ser menor de 5
4. No se debe aplicar cuando la variable dependiente o resultado es
ORDINAL
5. Es un test no dirigido (test de planteamiento bilateral), que nos indica si
existe o no relacin entre dos variables cualitativas pero no en qu sentido
se produce tal, ni cuantifca la intensidad de dicha asociacin.
La prueba permite comprobar si dos variables cualitativas estn o no asociadas. Si al fnal del
estudio concluimos que las variables no estn relacionadas podremos decir que ambas variables son
independientes, con un determinado nivel de confanza, generalmente del 95%.
Captulo 5
pgina 371
Lane GE, Lathrop JC. Comparison of results of KTP/532 laser versus monopolar electrosurgical dissection
in laparoscopic cholecystectomy.
J Laparoendosc Surg 1993; 3: 209-214.
Qu tcnica quirrgica es preferible en pacientes que deben ser
intervenidos de colecistectoma va laparoscpica?
- KTP/532 lser
- Electrociruga monopolar
Desarrollo de complicaciones graves
postquirrgicas
Variable PREDICTORA
Variable RESULTADO
Cul es el test estadstico ms adecuado?
Captulo 5
pgina 372
in laparoscopic cholecystectomy.
J Laparoendosc Surg 1993; 3: 209-214.
Existe diferencia signifcativa respecto del porcentaje de
complicaciones graves entre ambas tcnicas de diseccin?
H
o
(hiptesis nula) = No hay diferencia entre ambas tcnicas de diseccin.
H
a
(hiptesis alternativa) = S existe diferencia entre ambas tcnicas de
diseccin.
KTP/532 lser
Electrociruga monopolar
Captulo 5
pgina 373
Variable resultado
Complicaciones postquirrgicas graves
Variable predictora
Tipo de ciruga
SI (+) NO (-) Total
KTP/532 lser 16 (8%) P
1
183 199
Electrociruga
monopolar
11 (2,6%) P
2
411 422
2
Pearson
= 9,60 p = 0,0019
2
Pearson
= 9,60 p = 0,0019 Existe asociacin
Captulo 5
pgina 374
Si [P1 - P2] es mayor que el producto de 1,96 (Z95% error = 0,05) multiplicado por el error estndar, concluimos que
la diferencia es significativa. Por lo tanto, hemos de calcular el error estndar para luego compararlo con la diferencia
observada en los grupos en estudio.
[P1 - P2] = [0,080 - 0,026] = 0,054
P= [P1 - P2] / 2 = [0,080 + 0,026] / 2 = 0,053
El error estndar se calcula de la siguiente forma:
Error estndar (EE) = p (1 p ) ( 1 / n
1
+ 1 / n
2
)
Error estndar (EE) = 0,053 (1-0,053) (1/199+ 1/422)= 0,00035
Error estndar (EE) multiplicado por Z95% = 0,00035 * 1,96 = 0,00069
Si la diferencia de [P1 - P2] ( 0,054) > EE * Z95% (0,00069) concluimos que existe una diferencia estadsticamente
significativa entre los grupos en estudio (p< 0,05); razn por la cual rechazamos Ho, por ende, aceptamos la Ha.
[ P1 - P2 ]
EE
X
Z
95%
> Ha (hiptesis alternativa)
p < 0,05
[ P1 - P2 ]
EE
X
Z
95%
<
[ P1 - P2 ]
EE
X
Z
95%
<
Ho (hiptesis nula) p > 0,1
Z
95%
= 1,96
EE
X Z
95%
EE = p (1 p ) ( 1 / n
1
+ 1 / n
2
)
[ P1 - P2 ]
Captulo 5
pgina 375
in laparoscopic cholecystectomy. J Laparoendosc Surg 1993; 3: 209-214.
Figura 1. Frecuencia de complicaciones graves en 641 pacientes colecistectomizados por va
laparoscpica. Distribucin por tcnicas de diseccin.
Test de
2
de Pearson
KTP/532 lser
Electrociruga
monopolar
p = 0,0019 p = 0,0019
Captulo 5
pgina 376
Resultados de un estudio
imaginario que estudia la
efcacia de dos tratamientos
A y B en dos grupos de 30
pacientes
Variable resultado
Porcentaje de respuestas a cada tratamiento
Variable predictora
Tipo de tratamiento
SI (+) NO (-) Total
A 16 (8%) P
1
183 199
B 11 (2,6%) P
2
411 422
2
Pearson
= 2,5 p = 0,12
2
Pearson
= 2,5 p = 0,12 No existe asociacin
Captulo 5
pgina 377
Importancia del intervalo de confanza
Comparacin de proporciones:
Resultados de un estudio imaginario que estudia la efcacia de dos
tratamientos A y B en dos grupos de 30 pacientes
20%
Diferencia [ P1 - P2 ]
IC
95%
= 0,70 - 0,50 = 0,20
= 0,20 024
- 4% a + 44%
IC
95%
= 0,70 - 0,50 = 0,20
= 0,20 024
- 4% a + 44%
A 50% B 70%
Captulo 5
pgina 378
S (p < 0,05) Estadsticamente signifcativo
Clnicamente relevante
No (p > 0,1) Estadsticamente NO
signifcativo
Clnicamente
relevante
Captulo 5
pgina 379
Resultados de un estudio
imaginario que estudia la
efcacia de dos tratamientos
A y B en dos grupos de 800
pacientes
Variable resultado
Porcentaje de respuestas a cada tratamiento
Variable predictora
Tipo de tratamiento
SI (+) NO (-) Total
A 480 (60%) P
1
320 800
B 520 (65%) P
2
280 800
2
Pearson
= 4,2 p = 0,04
2
Pearson
Captulo 5
pgina 380
Comparacin de proporciones:
Resultados de un estudio imaginario que estudia la efcacia de dos
tratamientos A y B en dos grupos de 800 pacientes
5%
A 60% B 65%
IC
95%
= 0,65 - 0,60 = 0,05
= 0,05 0,047
+ 0,3% a + 9,7%
IC
95%
= 0,65 - 0,60 = 0,05
= 0,05 0,047
+ 0,3% a + 9,7%
Captulo 5
pgina 381
S (p < 0,05) Estadsticamente signifcativo
Clnicamente relevante
No (p > 0,1) Estadsticamente NO
signifcativo
Clnicamente
relevante
Captulo 5
pgina 382
Resultados hipotticos de un estudio que compara un tratamiento activo frente a un placebo y utiliza como
medidas del efecto la diferencia entre los porcentajes de curacin observados. Se considera que la mnima
diferencia con relevancia clnica es del 20%. RC: Diferencia con relevancia clnica.
Cul de los siguientes tratamientos es estadsticamente
signifcativo?
Diferencia con INTERS CLNICO
A B B A = 20%
A= B
B - A = 0
A= B
B - A = 0
A B
B A =
10%
Ha
Ho
B
A
C
D
E
Ho
RC
40 -10 -5 0% 5 10 15 20% 25 30 35
Tratamiento Diferencia
observada
Signifcacin
estadstica
IC95%
A 20% p < 0,05 +10 a
+30%
B 30% p < 0,05 +25 a
+35%
C 10% p < 0,05 +5 a +15%
D 10% NS -5 a +25%
E 25% p < 0,05 +15 a
+35%
Captulo 5
pgina 383
Tratamiento Diferencia
observada
Signifcacin
estadstica
IC95% Interpretacin
A 20% p < 0,05 +10 a +30% No concluyente
Potencialmente
importante
(observado =
relevante)
B 30% p < 0,05 +25 a +35% Importante
C 10% p < 0,05 +5 a +15% No concluyente
D 10% NS -5 a +25% No concluyente
E 25% p < 0,05 +15 a +35% No concluyente
Potencialmente
importante
(observado >
relevante)
Resultados hipotticos de un estudio que compara un tratamiento activo frente a un placebo y utiliza como
medidas del efecto la diferencia entre los porcentajes de curacin observados. Se considera que la mnima
diferencia con relevancia clnica es del 20%. RC: Diferencia con relevancia clnica.
Captulo 5
pgina 384
Daz Portillo J, Torres E, Vadillo Andrade J, Laroca C.PREVALENCIA DE ANTICUERPOS FRENTE AL
VIRUS DE LA RUBOLA EN UNA POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico
1995, 44: 114-119.
Qu relacin existe entre el grupo cultural/religioso de la ciudad de
Ceuta y la prevalencia de inmunizacin frente al virus de la Rubeola
en la poblacin gestante?
- Cristianas
- Musulmanas
Virus de la Rubeola
Variable PREDICTORA
Variable RESULTADO
Captulo 5
pgina 385
Rubeola Variable predictora
Religin
Variable resultado
Inmunizacin
Cristiana Musulmana
(+) 279 (87,2%) 372 (86,1%)
(-) 41 60
2
Pearson
= 0,18; p=0,668 = 0,18; p=0,668
No existe asociacin
Captulo 5
pgina 386
Clculos del programa estadstico
tabla 2 x 2
Valor Grados de
libertad
Contraste
bilateral
Contraste
unilateral
2
Pearson 0,183 1 0,669
Correccin de Yates 0,102 1 0,749
Razn de verosimilitud 0,184 0,668
Test exacto de Fisher 1 0,746 0,376
N Casos vlidos 752
H
o
(hiptesis nula) = La inmunizacin frente al virus de la rubeola NO est asociada al grupo cultural de la
gestante.
H
a
(hiptesis alternativa) = La inmunizacin frente al virus de la rubeola est asociada al grupo cultural de la
gestante.
Resumen del procesamiento informtico de los datos
Captulo 5
pgina 387
Test de 2 de Pearson (1 grado de libertad)
2
Pearson calculado
= 0,183
<

2
Pearson tabulado
= 3,84
2
Pearson calculado
= 0,183
2
Pearson calculado
= 0,183
<

2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
AZAR
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
AZAR
= 0,183
2
= 0,183
2
Ho (hiptesis nula) = La inmunizacin frente al
virus de la rubeola NO est asociada al grupo
cultural de la gestante.
Captulo 5
pgina 388
Qu relacin existe entre el hbito tabquico y el cncer de mama?
Hbito tabquico
Cncer de mama
Variable PREDICTORA
Variable RESULTADO
Cul es la prueba estadstica ms adecuada?
Captulo 5
pgina 389
Tabla de contingencia cncer de mama
versus tabaquismo
Variable RESULTADO
Cncer de mama
Variable PREDICTORA Si No Total
Fumadora 15 20 35
No fumadora 10 40 50
Total 25 60 85
Clculos del
programa
estadstico tabla
2 x 2
Valor Grados de libertad Contraste bilateral Contraste
unilateral
2
Pearson
5,18 1 0,023
Correccin de
Yates
4,14 1 0,042
Razn de
verosimilitud
5,14 0,023
Test exacto de
Fisher
1 0,030 0,021
N Casos vlidos 85
Captulo 5
pgina 390
2
Pearson calculado
= 5,18
>

2
Pearson tabulado
= 3,84
2
Pearson calculado
= 5,18
2
Pearson calculado
= 5,18
>

2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
AZAR
Ha (hiptesis alternativa) = El hbito tabquico est
asociado al cncer de mama en las mujeres de mi estudio.
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
AZAR
= 5,18
2
= 5,18
2
Captulo 5
pgina 391
El hbito tabquico de los alumnos del I curso de metodologa de
investigacin depende del sexo?
Sexo de los alumnos
Hbito tabquico
Variable PREDICTORA
Variable RESULTADO
Captulo 5
pgina 392
H
o
(hiptesis nula) = El hbito tabquico es independiente de sexo del alumno
del I curso de Metodologa de Investigacin.
H
a
(hiptesis alternativa) = El hbito tabquico depende del sexo del alumno
del I curso de Metodologa de Investigacin.
Alumnos del curso Variable RESULTADO
Variable PREDICTORA Fumador No fumador Total
Masculino 5 28 33
Femenino 18 10 28
Total 23 38 61
Captulo 5
pgina 393
2
Pearson calculado
= 15,57
>

2
Pearson tabulado
= 3,84
2
Pearson calculado
= 15,57
2
Pearson calculado
= 15,57
>

2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
AZAR
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
AZAR
= 15,57
2
= 15,57
2
Ha (hiptesis alternativa) = El hbito tabquico depende del
sexo de alumno del I curso de Metodologa de Investigacin. Es
decir hay diferencias en el hbito tabquico en funcin del sexo.
Captulo 5
pgina 394
(*) 0 casillas (0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 10,56
H
a
(hiptesis alternativa) = El hbito tabquico depende del sexo de alumno del I curso de Metodologa de
Investigacin. Es decir, hay diferencias en el hbito tabquico en funcin del sexo.
Clculos del
programa
estadstico
unilateral
2
Pearson (*)
15,57 1 0,000
Correccin de
Yates
13,54 1 0,000
Razn de
verosimilitud
16,28 0,000
Test exacto de
Fisher
1 0,000 0,000
N Casos vlidos 61
Captulo 5
pgina 395
El hbito tabquico es homogneo en los alumnos del II curso de
metodologa de investigacin en funcin del sexo?
Sexo de los alumnos
Hbito tabquico
Variable PREDICTORA
Variable RESULTADO
Captulo 5
pgina 396
H
o
(hiptesis nula) = El hbito tabquico es homogneo en hombres y
mujeres del II curso de Metodologa de Investigacin.
H
a
(hiptesis alternativa) = El hbito tabquico NO es homogneo en
hombres y mujeres del II curso de Metodologa de Investigacin.
Si 8 7 15
No 24 4 28
Total 32 11 43
Captulo 5
pgina 397
2
Pearson calculado
= 5,38
>

2
Pearson tabulado
= 3,84
2
Pearson calculado
= 5,38
2
Pearson calculado
= 5,38
>

2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
AZAR
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
AZAR
= 5,38
2
= 5,38
2
Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en hombres
y mujeres del II curso de Metodologa de Investigacin. Es decir hay diferencias
en el hbito tabquico en funcin del sexo.
Captulo 5
pgina 398
Se cumplen todos lo requisitos para el uso del test de
2

Pearson?
He observado que en uno de los casilleros el valor obtenido es inferior a 5
observaciones.
Cmo justifcas el empleo del test de
2

Pearson?
La correccin de Yates permite analizar si dos variables dicotmicas estn
asociadas cuando la muestra a estudiar es pequea y no se cumplen las
condiciones necesarias para que la aplicacin del test
2

Pearson sea
adecuada (uno de las casillas es inferior a 5). El test de
2

Pearson exige que
todos los valores esperados de las celdas en una tabla de contingencia sean
mayores de 5.
Mito 1: La sonrisa de la esfnge
Captulo 5
pgina 399
En la frecuencia esperada en una de las cuatro celdas es menor de 5, por
lo que NO resulta adecuado aplicar el test
2
Pearson , aunque s el test
de Yates. Las variables sexo y tabaquismo son independientes, porque la
probabilidad asociada a los datos del estudio (p = 0,051) es inferior a 0,05
(error alfa). Por tanto no podemos descartar la hiptesis nula (H
o
).
H
o
mujeres del II curso de Metodologa de Investigacin
Test de 2 de Yates:
Correccin de continuidad
Fisher
3 5
Yates Pearson
Regla de Decisin: Frecuencias esperadas
Captulo 5
pgina 400
H
o
(hiptesis nula) = El hbito tabquico NO depende del sexo de alumno del I curso
de Metodologa de Investigacin. Es decir NO hay diferencias en el hbito tabquico en
funcin del sexo.
(*) 1 casillas (25%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 3,84
Clculos del
programa
estadstico
Valor Grados de libertad Contraste bilateral Contraste unilateral
2
Pearson (*) 5,38 1 0,020
Correccin de
Yates
3,81 1 0,051
Razn de
verosimilitud
5,21 0,022
Test exacto de
Fisher
1 0,031 0,027
N Casos vlidos 43
Captulo 5
pgina 401
Test exacto de Fisher
Variable RESULTADO
Si a b a + b
No c d c + d
Total a + c b + d n
p
=
(a + b)! * (c + d)! * (a + c)! * (b + c)!
n! * a! * b! * c! * d!
Captulo 5
pgina 402
El hbito tabquico es homogneo en los alumnos del III curso de
metodologa de investigacin en funcin del sexo?
Sexo de los alumnos
Hbito tabquico
Variable PREDICTORA
Variable RESULTADO
Captulo 5
pgina 403
Correccin de continuidad de Yates
H
o
mujeres del III curso de Metodologa de Investigacin.
H
a
(hiptesis alternativa) = El hbito tabquico NO es homogneo en
hombres y mujeres del III curso de Metodologa de Investigacin.
Variable PREDICTORA Fumador No fumador Total
Masculino 2 5 7
Femenino 8 2 10
Total 10 7 17
Captulo 5
pgina 404
2
Pearson calculado
= 4,49
>

2
Pearson tabulado
= 3,84
2
Pearson calculado
= 4,49
2
Pearson calculado
= 4,49
>

2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
AZAR
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
AZAR
= 4,49
2
= 4,49
2
Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en
hombres y mujeres del III curso de Metodologa de Investigacin. Es decir
hay diferencias en el hbito tabquico en funcin del sexo.
Captulo 5
pgina 405
Se cumplen todos lo requisitos para el uso del test de
2
Pearson?
He observado que en varios casilleros el valor es igual o inferior a 5
observaciones.
Cmo justifcas el empleo del test de
2
Pearson?
El test exacto de Fisher permite analizar si dos variables dicotmicas estn
asociadas cuando la muestra a estudiar es demasiado pequea y no se
cumplen las condiciones necesarias para que la aplicacin del test
2
Pearson sea adecuada. Estas condiciones exigen que los valores esperados
de las celdas en una tabla de contingencia sean mayores de 5.
Captulo 5
pgina 406
En esta tabla a=2, b=5, c=8 y d=2. La frecuencia esperada en dos de las
cuatro celdas es menor de 5, por lo que NO resulta adecuado aplicar el test
2

Pearson, ni la correccin de Yates, aunque s el test exacto de Fisher. Si las
variables sexo y tabaquismo fuesen independientes, la probabilidad asociada
a los datos que han sido observados vendra dada por p = 0,058 (bilateral).
Ho (hiptesis nula) = El hbito tabquico es homogneo en hombres y
mujeres del III curso de Metodologa de Investigacin.
Fisher
3 5
Yates Pearson
Regla de Decisin: Frecuencias esperadas
Captulo 5
pgina 407
Clculos del
programa
estadstico
unilateral
2
Pearson
4,49 1 0,034
Correccin de
Yates
2,62 1 0,105
Razn de
verosimilitud
4,65 0,031
Test exacto de
Fisher
1 0,058 0,052
N Casos vlidos 17
En ambos casos la Ho es la misma: la prevalencia de tabaquismo es igual en hombres y mujeres (Ho). En
el contraste unilateral la hiptesis alternativa (Ha) dice de que la prevalencia es mayor en las mujeres que
en los hombres (p=0,052). Cuando el planteamiento se hace con una perspectiva bilateral, la hiptesis
alternativa (Ha) consiste en asumir que existen diferencias en la prevalencia de tabaquismo entre sexos,
pero sin especifcar de antemano en qu sentido se producen dichas diferencias, (p=0,058), que tampoco
es signifcativo. Las dos formas de clculo nunca proporcionan los mismos resultados. El contraste
unilateral (ms exigente) siempre resultar en un valor de p menor al contraste bilateral. En ambos casos, y
a la vista de los resultados del programa estadstico, NO existe evidencia estadstica de asociacin entre el
sexo y el hbito tabquico en los alumnos del curso de metodologa de investigacin de mi estudio.
(*) 3 casillas (75%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 2,88.
Captulo 5
pgina 408
Qu utilidad clnica tiene la prueba diagnstica X en el diagnstico
clnico de una determinada enfermedad E?
PRUEBA X
ENFERMEDAD E
(diagnstico defnitivo)
Objetivo: Evaluacin de la prueba X en el diagnstico de la enfermedad E.
Captulo 5
pgina 409
- Si la proporcin o frecuencia observada f
o
es en realidad igual a la
proporcin esperada f
e
segn la hiptesis nula (H
o
), las 2 probabilidades
calculadas sern iguales y su razn ser igual a 1.
- Cuanto mayor sea la diferencia entre f
o
y f
e
, mayor ser la razn entre
ambas. La razn de estas 2 probabilidades o verosimilitudes puede utilizarse
como estadstico para medir el grado de ajuste entre las frecuencias
observadas y las esperadas.
- Esta prueba se calcula de la siguiente manera:
Razn de Verosimilitud de 2
RV
2
=
fo
fo
fe
ln
*
2
*
Captulo 5
pgina 410
H
o
(hiptesis nula) = Los resultados de la prueba diagnstica X NO estn
relacionados con el diagnstico defnitivo.
H
a
(hiptesis alternativa) = Los resultados de la prueba diagnstica X estn
relacionados con el diagnstico defnitivo.
Estudio
Casos - Controles
Diagnstico defnitivo
Prueba X Enfermos Sanos Total
Positiva (+) 9 (2,1%) 19 (4,4%) 28 (6,5%)
Negativa (-) 67 (15,7%) 335 (93,5%) 402 (93,5%)
Total 76 (17,7%) 354 (82,3) 430
Captulo 5
pgina 411
A pesar de que el test de
2
de Pearson es signifcativo (p < 0,05) no podemos rechazar
la hiptesis nula ya que la razn de verosimilitud es mayor de 0,05 (diseo de casos y
controles).
H
o
(hiptesis nula) = Los resultados de la prueba diagnstica X NO estn relacionados con
el diagnstico defnitivo
Clculos del
programa
estadstico
2
Pearson 4,309 1 0,038
Correccin de
Yates
3,311 1 0,069
Razn de
verosimilitud
3,706 0,054
Test exacto de
Fisher
1 0,067 0,041
N Casos vlidos 430
Captulo 5
pgina 412
Un equipo de traumatlogos desarrollaron una nueva tcnica quirrgica
para el reemplazo de la cabeza del fmur que suponan superior a la
tcnica tradicional.
Existen diferencias signifcativa respecto al porcentaje de complicaciones
postoperatorias inmediatas?
H
o
(hiptesis nula) = No hay diferencia entre ambas tcnicas de
quirrgicas.
H
a
(hiptesis alternativa) = S existe diferencia entre ambas tcnicas de
quirrgicas.
Tcnica CLSICA
Tcnica NUEVA
Captulo 5
pgina 413
Variable resultado Variable predictora Tipo de ciruga
Complicaciones
INMEDIATAS
Tcnica CLSICA Tcnica NUEVA
Dao nervioso 485 (50%) 28 (26,4%)
Hemorragia 285 (29,4%) 16 (15,1%)
Desplazamiento 52 (5,4%) 4 (3,8%)
Ninguna 148 (15,3%) 58 (54,7%)
Total 970 106
Test de
2
de Pearson
Existe asociacin
2
Pearson
= 129,97 p < 0,0001
2
Pearson
= 129,97 p < 0,0001
Captulo 5
pgina 414
Complicaciones postquirrgicas
INMEDIATAS
F
r
e
c
u
e
n
c
i
a

a
b
s
o
l
u
t
a
(
%
)
2
Pearson
= 129,97 p < 0,0001
2
Pearson
= 129,97 p < 0,0001
Captulo 5
pgina 415
2
Pearson calculado
= 129,97

2
Pearson tabulado
7,81
>
2
Pearson calculado
= 129,97
2
Pearson calculado
= 129,97

2
Pearson tabulado
7,81
2
Pearson tabulado
7,81
>
AZAR
Ho
Ha
7,81
= 129,97
2
= 129,97
2
AZAR
=
Ha (hiptesis alternativa) = La frecuencia de las complicaciones postquirrgicas
inmediatas en la nueva tcnica NO eran iguales que en la tcnica clsica.
Grados de libertad = [ K - 1] [F - 1] = (2-1) (4 -1) = 3
Captulo 5
pgina 416
Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN
TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75:
501-558.
Qu relacin existe entre el pas de procedencia y la prevalencia de
infeccin tuberculosa en el colectivo de inmigrantes del campamento
de Calamocarro de Ceuta?
Pases africanos de origen
Infeccin tuberculosa
Variable PREDICTORA
Cualitativa policotmica
Variable RESULTADO
Captulo 5
pgina 417
= 165; p<0,00001
2
Pearson
= 165; p<0,00001 = 165; p<0,00001
2
Pearson
Existe asociacin
Pas de procedencia N Prevalencia
Argelia 133 25,6
Camern 128 48,4
Costa de marfl 18 27,8
Gambia 107 11,2
Guinea Bissau 186 26,3
Liberia 105 27,4
Mali 291 32,7
Mauritania 55 24,1
Nigeria 597 29,1
R.D. Congo 146 34,0
R. Guinea 45 65,1
Sierra Leona 177 20,8
Captulo 5
pgina 418
Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN
TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75:
501-558.
R. Guinea
65%
Camern
48%
R.D. Congo 34%
Mali 33%
Nigeria 29%
Costa de marfil 28%
Liberia 27%
Guinea Bissau
25%
Argelia
26%
Mauritania
24%
Sierra Leona
20%
Gambia
11%
P
a
s

a
f
r
i
c
a
n
o

d
e

p
r
o
c
e
d
e
n
c
i
a

d
e
l

i
n
m
i
g
r
a
n
t
e
Prevalencia de infeccin tuberculosa
Captulo 5
pgina 419
Existen diferencias en la prevalencia de infeccin tuberculosa en el
colectivo de inmigrantes segn la ciudad de destino (Ceuta, Barcelo-
na, Toledo)?
Destino
- Ceuta
- Barcelona
- Toledo
Infeccin tuberculosa
Variable PREDICTORA
Variable RESULTADO
Captulo 5
pgina 420
Ha: Existen diferencias en la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes segn la
ciudad de destino (Ceuta, Barcelona, Toledo).
= 19,29; p = 0,000065
2
Pearson
= 19,29; p = 0,000065 = 19,29; p = 0,000065
2
Pearson
Variable RESULTADO
Prueba de Mantoux
Ceuta 722 (32,6%) 1501 2223
Barcelona 506 (34%) 983 1489
Toledo 75 (27,7%) 269 344
Captulo 5
pgina 421
Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin
tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.
Duran E, Cabezos J, Ros M, et al. Tuberculosis en los inmigrantes recin llegados a Barcelona. Med Clin
(Barc) 1996; 106: 525-528.
Alonso Moreno FJ, Garca Bajo MC, Lougedo Caldern MJ, et al. Prevalencia de infeccin tuberculosa en
las personas inmigrantes del rea sur de Toledo. Rev Esp Salud Pblica 2004; 78: 593-600.
Captulo 5
pgina 422
Realidad 3
S (p < 0,05) Clnicamente relevante
Error Alfa?
No (p > 0,1) Clnicamente relevante
Estadsticamente NO
signifcativo
Error Beta?
Captulo 5
pgina 423
Daz Portillo J, Torres E, Vadillo Andrade J. SEROEPIDEMIOLOGA DE LA TOXOPLASMOSIS EN UNA
POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico 1998; 47: 106-116.
Qu relacin y qu grado de asociacin existe entre el grupo cultu-
ral/religioso de la ciudad de Ceuta y la prevalencia de inmunizacin
frente a Toxoplasma goondi en la poblacin gestante?
Grupo cultural:
- Cristianas
- Musulmanas
Infeccin Toxoplasma goondi
Variable PREDICTORA
Variable RESULTADO
Captulo 5
pgina 424
No cuantifca el grado de intensidad de la asociacin.
Variable predictora Religin
Variable resultado
Inmunizacin
Cristiana Musulmana
(+) 112 220
(-) 210 148
2
Pearson
= 43,99; p<0,0000001 = 43,99; p<0,0000001 Existe asociacin
Captulo 5
pgina 425
McNemar DESPUS
ANTES XITO (+) FRACASO (-)
XITO (+) A B
FRACASO (-) C D
(Prueba de la signifcacin de los cambios)
Test de McNemar para datos apareados
2
McMemar =
[ ( B C ) 1 ]
2
B + C
Captulo 5
pgina 426
Existen evidencias de un mejor efecto analgsico en los dos
frmacos protocolizados para el clico nefrtico?
- Diseo APAREADO
- Un solo grupo de pacientes (n=20) con clico nefrtico recidivante (dos
episodios de clico nefrtico).
- Dos mediciones repetidas (antes y despus).
- Gran potencia estadstica (mnima variabilidad aleatoria).
- Hiptesis nula Ho: la efcacia de ambos analgsicos es la misma Metamizol
= Ketorolaco
Test de McNemar
Captulo 5
pgina 427
KETOROLACO
METAMIZOL
N = 20 pacientes
Captulo 5
pgina 428
McNemar METAMIZOL
KETOROLACO XITO = 1 FRACASO = 0
XITO = 1 A B
FRACASO = 0 C D
2
McMemar =
[ ( B C ) 1 ]
2
B + C
( B C ) 1
B + C
( B C ) 1
B + C
Z McNemar =
Captulo 5
pgina 429
McNemar METAMIZOL
XITO = 1 8 9
FRACASO = 0 2 1
2
McMemar =
= 3,27 p > 0,05
9 + 2
[ ( 9 2 ) 1 ]
2
Captulo 5
pgina 430
Valor Signifcacin bilateral (*)
Prueba de McNemar 3,27 0,065
N casos vlidos 20
Procesamiento informtico de los datos
(*) Utilizada la distribucin binomial
Hiptesis nula H
o
: La efcacia de ambos analgsicos es la misma, es decir
Metamizol = Ketorolaco
Es posible un error ?
Qu ocurre si aumentamos el tamao muestral?
Captulo 5
pgina 431
KETOROLACO
METAMIZOL
N = 30 pacientes
Captulo 5
pgina 432
McNemar METAMIZOL
XITO = 1 11 14
FRACASO = 0 3 2
2
McMemar =
= 5,88
14 + 3
[ ( 14 3 ) 1 ]
2
p = 0,013
Captulo 5
pgina 433
Valor Signifcacin bilateral (*)
Prueba de McNemar 5,88 0,013
N casos vlidos 30
Procesamiento informtico de los datos
(*) Utilizada la distribucin binomial
Hiptesis alternativa H
a
: La efcacia de ambos analgsicos es NO la misma,
es decir Metamizol Ketorolaco
Captulo 5
pgina 434
DESPUS del curso
ANTES del curso APROBADO (> 7) SUSPENSO (< 8)
APROBADO (> 7) A B
SUSPENSO (< 8) C D
Existen evidencias de una mejora en los conocimientos
tericos de Metodologa de investigacin en los alumnos
despus del curso?
Examen de 14 preguntas a los 8 alumnos antes y despus de realizar el curso
Aprobado: [ > 7 respuestas correctas de 14 ] = 1
Suspenso: [ < 8 respuestas correctas de 14 ] = 0
Captulo 5
pgina 435
McNemar DESPUS del curso
ANTES del curso APROBADO (< 7) SUSPENSO (< 8)
APROBADO (< 7) A B
SUSPENSO (< 8) C D
2
McMemar =
[ ( B C ) 1 ]
2
B + C
( B C ) 1
B + C
( B C ) 1
B + C
Z McNemar =
Captulo 5
pgina 436
tericos de metodologa de investigacin en los alumnos
despus del curso?
N del Alumno Evaluacin ANTES del curso Evaluacin DESPUS del curso
1 APROBADO (10) APROBADO (14)
2 SUSPENSO (7) APROBADO (14)
Captulo 5
pgina 437
ANTES del curso APROBADO (< 7) SUSPENSO (< 8)
APROBADO (< 7) 1 0
SUSPENSO (< 8) 7 0
2
McMemar =
[ ( 0 7 ) 1 ]
2
0 + 7
= 9,14
Captulo 5
pgina 438
Z Valor
Z
95%
1,96 0,05
Z
98%
2,32 0,02
Z
99%
2,56 0,01
Z
99,5%
3,29 0,005
Conclusin: Como el estadstico Z calculado 3,03 es superior a Z tabulado
para un error alfa de 0,01 (2,56), podemos decir que las dos variables
evaluadas NO son independientes, sino que estn asociadas (p<0,01), es
decir, la accin formadora mejora los conocimientos de los alumnos.
( B C ) 1
B + C
Z McNemar =
( 0 7 ) 1
0 + 7
( 0 7 ) 1
0 + 7
Z McNemar = = 3,03
Z 99%
= 2,56
Z 99%
= 2,56
>
Captulo 5
pgina 439
Colesterol total (mg/dl) durante el segundo ao de vida
C
o
l
e
s
t
e
r
o
l

t
o
t
a
l

(
m
g
/
d
l
)

a
l

n
a
c
i
m
i
e
n
t
o
80 80 130 130 180 180 230 230
80 80
20 20
50 50
110 110
Captulo 5
pgina 440
C
o
l
e
s
t
e
r
o
l

t
o
t
a
l

(
m
g
/
d
l
)

a
l

n
a
c
i
m
i
e
n
t
o
80 80 130 130 180 180 230 230
80 80
20 20
50 50
110 110
P
75
P
75
P
75
P
75
64/108 (59,5%)
34/61 Cristianos (55,7%)
28/44 Musulmanes (63,6%)
8/108 (7,4%)
21/108 (19,4%)
14/108 (13,9%)
D
a
c
b
Captulo 5
pgina 441
McNemar SEGUNDO AO DE VIDA
NEONATOS CT > P
75
CT P
75
CT > P
75
A B
CT P
75
C D
2
McMemar =
[ ( B C ) 1 ]
2
B + C
( B C ) 1
B + C
( B C ) 1
B + C
Z McNemar =
Captulo 5
pgina 442
NEONATOS CT > P
75
CT P
75
CT > P
75
8 21
CT P
75
14 64
Valor Signifcacin bilateral Signifcacin unilateral
Prueba de McNemar 1,03 0,311 0,155
N casos vlidos 108
Captulo 5
pgina 443
NEONATOS CT > P
75
CT P
75
CT > P
75
8 21
CT P
75
14 64
Jacobo Daz Portillo .Infuencia del grupo tnico en el patrn lipoproteico de una determinada poblacin
peditrica de Ceuta, Tesis doctoral. Facultad de Medicina de la Universidad de Cdiz. 1997
2
McMemar =
[ ( 21 14 ) 1 ]
2
21 + 14
= 1,03
Captulo 5
pgina 444
Z Valor
Z
95%
1,96 0,05
Z
98%
2,32 0,02
Z
99%
2,56 0,01
Z
99,5%
3,29 0,005
Conclusin: Como el estadstico Z calculado 1,014 es INFERIOR a Z tabulado
evaluadas son independientes, es decir, NO estn asociadas, y por tanto no
hay cambios importantes en la distribucin del colesterol total al pasar del
nacimiento al segundo ao de vida. Este comportamiento tambin se repite
en los dos grupos culturales (cristianos y musulmanes).
( B C ) 1
B + C
( B C ) 1
B + C
Z McNemar =
( 21 14 ) 1
21 + 14
( 21 14 ) 1
21 + 14
Z McNemar = = 1,014
Captulo 5
pgina 445
A
B
C
RESPUESTA A
RESPUESTA B
RESPUESTA C
Existen evidencias de un mejor efecto antitusgeno en los 3 frmacos ensayados?
TOS
Si (1)
No (0)
TOS
Si (1)
No (0)
TOS
Si (1)
No (0)
Captulo 5
pgina 446
- La prueba Q de Cochran es una extensin de la prueba de McNemar, que
se utiliza en los modelos experimentales con 3 o ms muestras dependientes
o relacionadas entre s, es decir, esta poblacin sirve como su propio control,
en el que existe un perodo previo y otro ulterior; adems, el tipo de escala
debe ser nominal.
- El valor calculado en la prueba Q de Cochran se distribuye igual que la ji
cuadrada, por lo cual el smbolo utilizado ser X
2
Q
.
Donde:
X
2
Q
= estadstico ji cuadrada de la prueba Q de Cochran.
K = nmero de tratamientos.
Gn = nmero total de respuestas de cambio de cada tratamiento o columna.
Lc = nmero total de respuestas de cambio por individuo de la muestra o hileras.
Para tres o ms muestras dependientes
Q de Cochran
Captulo 5
pgina 447
25 pacientes reciben 3 frmacos para mejorar su tos
0 = Mejora la tos
1 = NO mejora la tos
Paciente Frmaco A Frmaco B Frmaco C
1 1 1 1
2 1 1 0
3 0 1 0
4 1 1 1
5 0 0 1
6 1 1 0
7 0 1 0
8 1 1 0
9 0 0 0
10 0 1 1
11 1 1 0
12 1 1 1
13 1 0 0
14 1 1 1
15 0 1 1
16 1 0 0
17 0 0 1
18 1 1 0
19 0 0 0
20 1 0 1
21 1 1 1
22 0 1 0
23 1 1 0
24 1 0 1
25 0 1 1
Captulo 5
pgina 448
Valores
0 1
Frmaco A 10 15
Frmaco B 8 17
Frmaco C 13 12
Test estadsticos
N 250
Q de Cochran 2,111
gl 2
Signifcacin 0,348
N Media DE Mnimo Mximo
Frmaco A 25 0,60 0,500 0 1
Frmaco B 25 0,65 0,478 0 1
Frmaco C 25 0,48 0,510 0 1
Grados de libertad = [ K - 1] [F - 1]
Hiptesis nula H
o
: No hay diferencia entre los 3 frmacos para evitar la tos.
a
: Hay diferencia entre los 3 frmacos para evitar la tos.
Conclusiones: No hay diferencias estadsticamente signifcativas entre los 3 frmacos
para evitar la tos en los pacientes.
Captulo 5
pgina 449
- Test de
2
de tendencia lineal
- Tau-C de Kendall
- Gamma de Goodman y Kruskal
- D de Somers
Estos estadsticos NO se pueden utilizar cuando alguna de las variables sea
NOMINAL
Cualitativa versus cualitativa ORDINALES
Datos categricos
Captulo 6
pgina 450
Cualitativa versus cualitativa.
Medidas de asociacin.
Captulo 6
Captulo 6
pgina 451
Cualitativa versus cualitativa. Nominales
Datos categricos:
- Test de
2
de Pearson
- Relacin entre dos variables cualitativas nominales o policotmicas
- Comparacin de proporciones
- Correccin de Yates
- Test exacto de Fisher
- Valores esperados menores de 5
- Razn de verosimilitud
- Evaluacin de pruebas diagnsticas
- Test de
2
de McNemar
- Datos apareados o emparejados
- Coefciente PHI ()
- V de Cramer
- Coefciente de contingencia
- Coefciente de incertidumbre
- Tau de Goodman y Kruskal
- Lambda de Goodman y Kruskal (coefciente de predictibilidad de Guttman)
Captulo 6
pgina 452
Datos categricos:
- Test de
2
de tendencia lineal
- Tau-C de Kendall
- D de Somers
sea NOMINAL
Captulo 6
pgina 453
Son indicadores estadsticos que miden la FUERZA o INTENSIDAD
con la que una determinada enfermedad o evento de salud (VARIABLE
RESULTADO) est asociada o relacionada con un determinado factor (que se
presume como su causa, VARIABLE PREDICTORA).
Medidas de asociacin
Estadstico Transversales Cohortes Casos-controles
OR (Odds ratio) Limitaciones NO SI
RR (Riesgo Relativo) NO SI NO
Q de Yule SI SI SI
Coefciente PHI SI SI SI
V de Cramer SI SI SI
Coefciente de contingencia SI SI SI
Lambda SI SI SI
Tau de Goodman y Kruskal SI SI SI
Coefciente de incertidumbre SI SI SI
Gamma SI SI SI
D de Somers SI SI SI
Tau-b de Kendall SI SI SI
Captulo 6
pgina 454
Test de 2 de independencia de Pearson
Coeficiente PHI
Test de la Q de Yule
V de Cramer
Coeficiente Lambda
Coeficiente de incertidumbre
C
O
N
T
R
A
S
T
E
S

A

P
O
S
T
E
R
I
O
R
I
No es un test de contraste de
hiptesis (no calcula p)
Tablas = 2 x 2
Nominales
Tablas = 2 x 2
Coeficiente Gamma
D de Somers
Coeficiente Tau-b de Kendall
Nominales
Tablas > 2 x 2
Nominales
Tablas > 2 x 2
Nominales
Tablas > 2 x 2
Ordinales
Tablas > 2 x 2
Ordinales
Tablas > 2 x 2
Ordinales
Tablas > 2 x 2
Captulo 6
pgina 455
Variable predictora Religin
Variable resultado
Inmunizacin
Cristiana Musulmana
(+) A B
(-) C D
[ (A * D) (B * C) ]
[ (A * D) + (B * C) ]
Q =
Captulo 6
pgina 456
- Interpretacin:
- Q = 0 independencia
- Q > 0 asociacin positiva
- Q < 0 asociacin negativa
- Intervalo de Q: (-1, +1)
- Informacin:
- Medida de la intensidad de la asociacin
- Sentido de la misma
Coefciente Gamma
Captulo 6
pgina 457
- Medida de asociacin.
- Valores mayores de 0 (asociacin positiva).
- Valores menores de 0 (asociacin negativa).
- Valor = 0 o prximos a 0 (es probable que no exista asociacin).
- Vlida para cualquier tipo de Estudios (diseo).
- Alcanza valores extremos (+1, -1) bajo condiciones de asociacin perfectas.
- Es independiente de los cambios de ESCALA de flas y columnas.
- Si se intercambian entre si las flas o las columnas se mantiene la magnitud
de la INTENSIDAD de la asociacin, slo cambia la direccin de la misma, es
decir el signo de la Q.
- Es ms valida con un test previo de contraste de hiptesis que indique
relacin entre ambas variables.
Caractersticas de la Q de Yule
Captulo 6
pgina 458
Rubeola Religin
Variable resultado
Inmunizacin
Cristiana Musulmana
(+) 279 (87,2%) 372 (86,1%)
(-) 41 60
Gamma (Q de Yule) EEk T
aprox
p
0,047 0,113 0,430 0,667
Coefciente Gamma
[ (279 * 60) (372 * 41) ]
[ (279 * 60) + (372 * 41) ]
Q = = 0,047
Captulo 6
pgina 459
La Q de Yule es un test que cuantifca la magnitud de la intensidad de la
asociacin entre dos variables cualitativas, pero NO es un test de contraste
de hiptesis, y por tanto, que para usarlo se debe cumplir previamente la
asociacin estadstica entre ambas variables. Se cumple?
He observado en tus resultados anteriores que el test de contraste de
hiptesis de
2
Pearson tiene un valor de tan slo 0,18, con p = 0,67. Cmo
justifcas el empleo de la Q de Yule si NO existe asociacin estadstica entre
ambas variables?
Captulo 6
pgina 460
Toxoplasma goondi Religin
Variable resultado
Inmunizacin
Cristiana Musulmana
(+) 112 (34,8%) 220 (59,8%)
(-) 210 148
[ (112 * 148) (220 * 210) ]
[ (112 * 148) + (220 * 210) ]
Q =
= 0,47
aprox
p
- 0,47 0,041 - 6,780 0,000
Captulo 6
pgina 461
Figura .- Evolucin de la seroprevalencia de la toxoplasmosis en gestante de Ceuta (periodos 1994, 2004,
2010) (Q= Q de Yule; gamma; p < 0,001)
S
e
r
o
p
r
e
v
a
l
e
n
c
i
a
(
%
)
34,8
59,8
17,3
53,6
11,0
43,3
Q = 0,47
Q = 0,70
Q = 0,72
Captulo 6
pgina 462
Ejercicio: Qu grado de asociacin existe entre el infarto
de miocardio y el sexo del paciente?
Q de Yule Acontecimiento de infarto
Sexo (+) (-)
Hombre 32 10
Mujer 11 27
[ (32 * 27) (11 * 10) ]
[ (32 * 27) + (11 * 10) ]
Q = = 0,77
aprox
p
0,774 0,102 4,782 0,000
Captulo 6
pgina 463
Ejercicio: Qu grado de asociacin existe entre el infarto
de miocardio y el sexo del paciente?
Q de Yule
El valor de 0,77 sugiere un grado de asociacin entre los factores sexo y
acontecimiento del infarto bastante elevado, ya que 0,77 est prximo a
1, y adems indica que dicha asociacin es positiva, es decir los varones
desarrollan con ms frecuencia el infarto que las mujeres.
Captulo 6
pgina 464
Daz Portillo J, Torres E, Vadillo Andrade J. SEROEPIDEMIOLOGA DE LA TOXOPLASMOSIS EN UNA
POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico 1998; 47: 106-116.
En qu grupo cultural/religioso es mayor la prevalencia de inmuniza-
cin frente a Toxoplasma goondi en la poblacin gestante de Ceuta?
Musulmanas o cristianas?
Grupo cultural:
- Cristianas
- Musulmanas
Infeccin Toxoplasma goondi
Variable PREDICTORA
Variable RESULTADO
Captulo 6
pgina 465
=

2
n
=

2
n
=
(a + c) (b + d) (a + b) (c + d)
(a * d) (b * c)
Coeficiente PHI
Coefciente PHI () Variable predictora
Variable resultado Positiva (+) Negativa (-) Total
Positiva (+) a b a + b
Negativa (-) c d c + d
Total a + c b + d n
Captulo 6
pgina 466
Positiva (+) 112 (34,8%) 220 (59,8%) 332
Negativa (-) 210 148 358
Total 322 368 690
=

2
n
=
690
43,99
=
0,25 =
690
=
690
43,99
=
0,25
p < 0,01
Coeficiente es un test de contraste de hiptesis
Coefciente PHI
Captulo 6
pgina 467
Coefciente PHI
Ha: La inmunizacin a Toxoplasma se encuentra asociada a la cultura musulmana.
Positiva (+) 112 (34,8%) 220 (59,8%) 332
Negativa (-) 210 148 358
Total 322 368 690
=
- 0,25
=
(112 + 210) (220 + 148) (112 + 220) (210 + 148)

(112 * 148) (220 * 210)
=
- 0,25
=
(112 + 210) (220 + 148) (112 + 220) (210 + 148)

(112 * 148) (220 * 210)
=
(112 + 210) (220 + 148) (112 + 220) (210 + 148)

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

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

(112 * 148) (220 * 210)
Captulo 6
pgina 468
- Condiciones: Tablas tetracricas (2 x 2).
- Interpretacin:
- = 0 independencia.
- > 0 asociacin positiva.
- < 0 asociacin negativa.
- Intervalo de : entre -1 y 1.
- Informacin: Es un test de contraste de hiptesis que ofrece una medida
de la intensidad de la asociacin. Cuando se acercan a cero, indican
independencia o asociacin muy dbil entre las variables. Cuando se acercan
a uno, indican una relacin ms fuerte o intensa entre las variables asociadas.
Coefciente PHI
Captulo 6
pgina 469
El resultado del tratamiento depende del frmaco empleado?
La condicin de asintomtico se encuentra asociado al uso de
Mosaprida?
- Metoclopramida (n = 99)
- Cisaprida (n = 102)
- Mosaprida (n = 99)
- Asintomtico
- Sntomas
- Mejora clnica
Variable PREDICTORA
Variable RESULTADO
Captulo 6
pgina 470
V de Cramer
Lambda
Nominal x Nominales (Tablas > 2 x 2)
Coeficiente de contingencia
Tau de Goodman y Kruskal
Captulo 6
pgina 471
Variable RESULTADO Resultado del tratamiento a la semana
Variable PREDICTORA
Tipo de medicamento
Asintomtico Sintomtico Mejora
Metoclopropamida 24 (8%) 54 (18%) 21 (7%)
Cisaprida 27 (9%) 18 (6%) 57 (19%)
Mosaprida 51 (17%) 27 (9%) 21 (7%)
El resultado del tratamiento depende del frmaco
empleado?
2
Pearson
= 60,12 p = 0,000
2
Pearson
= 60,12 p = 0,000
Existe asociacin
Ha: El resultado del tratamiento depende del frmaco empleado
La condicin de asintomtico se encuentra asociado al uso de Mosaprida?
V de Cramer
Captulo 6
pgina 472
V de Cramer
H
a
: La condicin de asintomtico se encuentra asociado al uso de Mosaprida.
V =

2
n (k- 1)
V =

2
n (k- 1)
V =

2
n (k- 1)
V =
300 (3 -1)
60,12
=
0,317
Nominal por nominal Valor del estadstico Signifcacin (p)
Coefciente PHI 0,448 0,000
V de Cramer 0,317 0,000
N de casos vlidos 300 pacientes
Captulo 6
pgina 473
- Defnicin: V de Cramer es una manera de calcular la correlacin en los cuadros que
tienen ms de 2x2 flas y columnas. Se utiliza como posterior a la prueba para determinar
la intensidad de la asociacin despus de que el test de chi-cuadrado ha sido signifcativa.
Chi-cuadrado, dice que existe una relacin signifcativa entre las variables, pero no dice
nada del grado de signifcancia ni de su importancia. V de Cramer es un post-test para dar
esta informacin adicional.
- Condiciones: Tablas de ms de 2 x 2. Cuando la tabla es de 2 x 2 (tetracrica), utilice el
coefciente PHI.
- Interpretacin:
- V = 0 independencia.
- V > 0 asociacin positiva.
- Intervalo de V : entre 0 y 1.
- Informacin: Es una medida de la intensidad de la asociacin. Cuando se acercan a cero,
indican independencia o asociacin muy dbil entre las variables. Cuando se acercan a
uno, indican una relacin ms fuerte o intensa entre las variables estudiadas.
V de Cramer
Cramer, H. (1999). Mtodos Matemticos de Estadstica, Princeton University Press.
Captulo 6
pgina 474
Una vez que tenemos hallado el valor del
2
podemos preguntarnos si existe
o no asociacin. No se puede emplear el valor de
2
como una medida de
asociacin ya que este aumenta con el tamao muestral. El valor absoluto de
2
no permite tener una idea clara de la fuerza de la asociacin ya que sus
valores no estn acotados en un intervalo defnido.
Un coefciente que s tiene la propiedad de que sus valores varen dentro de
un intervalo es el COEFICIENTE DE CONTINGENCIA.
El valor de este coefciente nunca ser inferior a 0 ni superior a 1. El 0
corresponder a ausencia de asociacin, con
2
= 0. No en todos los casos
la dependencia extrema necesariamente debe dar 1, depender del nmero
de categoras k.
Limitaciones del test 2 de Pearson como medida de
asociacin
Captulo 6
pgina 475
El coefciente de contingencia se utiliza para saber la asociacin de variables
cualitativas NOMINALES, que tienen dos o ms categoras. Este coefciente
requiere del clculo previo del estadstico
2
de Pearson.
Donde:
C = coefciente de contingencia.
2
= valor de chi-cuadrado de Pearson calculado previamente.
n = tamao o nmero de la muestra.
C = 0 Signifca que NO hay asociacin.
C > 0,30 Indica una buena asociacin entre las variables.
C
mx
No alcanza el valor 1 aunque las dos variables estn totalmente
relacionadas.
Coefciente de contingencia (C)
C =

2
+ n
C =

2
+ n
2
Cmx =
k - 1
Cmx =
k - 1
k
Captulo 6
pgina 476
El coefciente de contingencia se utiliza para saber la asociacin de variables
cualitativas NOMINALES, que tienen dos o ms categoras. Este coefciente
requiere del clculo previo del estadstico
2
de Pearson.
Coefciente de contingencia (C)
C =

2
+ n
C =

2
+ n
2
Cmx =
k - 1
Cmx =
k - 1
Cmx =
k - 1
k
C
ajustado
=
Captulo 6
pgina 477
Presencial
Online (a distancia)
Cursos semipresenciales
La ADHERENCIA al curso de bioestadstica depende del
modelo docente utilizado (presencial, semipresencial o
online)?
Captulo 6
pgina 478
V de Cramer
Lambda
Captulo 6
pgina 479
Variable predictora TIPO DE CURSO
Variable resultado
Adherencia al curso
PRESENCIAL ONLINE semiPRESENCIAL
Seguimiento 190 170 180
Abandonos 10 (5%) 30 (15%) 20 (10%)
Total 200 200 200
H
a
: La adherencia al curso es dependiente del tipo de modalidad de enseanza empleado.
El modelo PRESENCIAL se encuentra asociado a una mayor adherencia del alumno al
curso?
2
Pearson
= 11,11 p = 0,004
2
Pearson
= 11,11 p = 0,004
Existe asociacin
Captulo 6
pgina 480
Variable resultado
Adherencia al curso
PRESENCIAL ONLINE semiPRESENCIAL
Seguimiento 190 170 180
Abandonos 10 (5%) 30 (15%) 20 (10%)
Total 200 200 200
El modelo presencial se encuentra asociado a una mayor
adherencia del alumno al curso?
H
a
: La adherencia al curso es mayor en la modalidad PRESENCIAL.
C =

2
+ n
C =

2
+ n
2
C =
11,11 + 600
11,11
=
0,135
C < 0,30
Captulo 6
pgina 481
H
a
Cmx =
k - 1
Cmx =
k - 1
k
Cmx =
3 - 1
3
Cmx =
3 - 1
Cmx =
3 - 1
Cmx =
3 - 1
3
= 0,816
C
ajustado
=
0,135
0,816
= 0,165 (16,5%)
Coefciente de contingencia C 0,135 0,004
V de Cramer 0,136 0,004
N de casos vlidos 600 pacientes
Captulo 6
pgina 482
Decisin: El coefciente de contingencia como medida de asociacin para una escala
nominal, es una funcin de
2
. La decisin de aceptar o rechazar la hiptesis se establece
mediante el valor de
2
= 11,11 con dos grados de libertad, y se obtiene una probabilidad
en su distribucin de p < 0,05. Entonces se acepta H
a
y se rechaza H
o
; adems, el
coefciente 0,135 es distinto de 0, aunque muy lejos de su valor mximo (0,816), ya que
slo supone el 16,5% de dicho valor, y tambin est lejos del punto de corte (0,30) por lo
que la asociacin encontrada es dbil.
Ho
Ha
5,99
= 11,11
2
= 11,11
2
AZAR
Grados de libertad = [ K - 1] [F - 1] = [ 3 1] [2 1] = 2
p = 0,004
2
Captulo 6
pgina 483
La asociacin existente entre la ADHERENCIA al curso del alumno y el
tipo de modalidad docente utilizada es verdadera, en la cual conforme
sea el tipo de modalidad empleada, cambia la frecuencia de abandonos
de manera signifcativa, siendo mayor el porcentaje de abandonos en el
modelo ONLINE, con un valor de coefciente de contingencia de 0,135.
PRESENCIAL
Interpretacin del coefciente de contingencia
Captulo 6
pgina 484
V de Cramer
Lambda
Captulo 6
pgina 485
Al igual que el coefciente de incertidumbre y lambda, el coefciente Tau (de
Goodman y Kruskal) es una medida de asociacin basada en la reduccin
proporcional del error. Es una medida que expresa el grado de incertidumbre
que conseguimos reducir cuando utilizamos una variable para efectuar
pronsticos sobre otra.
H
a
Nominal por nominal Valor Tau EE Signifcacin
Tipo de modalidad de curso variable resultado 0,009 0,005 0,004
Rendimiento del curso variable resultado 0,019 0,010 0,004
Captulo 6
pgina 486
Al igual que el coefciente Tau y lambda, el coefciente de incertidumbre es
una medida de asociacin basada en la reduccin proporcional del error. Es
una medida que expresa el grado de incertidumbre que conseguimos reducir
cuando utilizamos una variable para efectuar pronsticos sobre otra.
H
a
Nominal por nominal Valor EE T
aprox
Signifcacin
Simtrica 0,014 0,008 1,762 0,003
Tipo de modalidad de curso variable
resultado
0,009 0,005 1,762 0,003
Adhesin al curso variable resultado 0,030 0,017 1,762 0,003
Coefciente de incertidumbre
Captulo 6
pgina 487
Presencial
Online (a distancia)
Cursos semipresenciales
El RENDIMIENTO acadmico (adquisicin de conocimientos)
al curso de bioestadstica depende del modelo docente
utilizado (presencial, semipresencial o online)?
Captulo 6
pgina 488
V de Cramer
Lambda
Captulo 6
pgina 489
Variable resultado
Evaluacin de los
conocimientos
ONLINE SEMIpresencial PRESENCIAL Total
Aprobados 15 (37,5%) 20 (38,4%) 60 (80%) 95
Suspensos 25 32 15 72
Total 40 52 75 167
El RENDIMIENTO acadmico (adquisicin de conocimientos)
al curso de bioestadstica depende del modelo docente
utilizado (presencial, semipresencial o online)?
H
a
: El rendimiento del curso es dependiente del tipo de modalidad de enseanza
empleado.
El modelo PRESENCIAL se encuentra asociado a un mayor rendimiento del alumno?
2
Pearson
= 29,68 p = 0,0000004
2
Pearson
= 29,68 p = 0,0000004
Existe asociacin
Captulo 6
pgina 490
Variable resultado
Evaluacin de los
conocimientos
ONLINE SEMIpresencial PRESENCIAL Total
Aprobados 15 (37,5%) 20 (38,4%) 60 (80%) 95
Suspensos 25 32 15 72
Total 40 52 75 167
El modelo PRESENCIAL se encuentra asociado a un mayor
rendimiento del alumno?
H
a
: El rendimiento del curso es mayor en la modalidad PRESENCIAL.
C =

2
+ n
2
C =
29,68 + 167
29,68
=
0,388
C > 0,30
Captulo 6
pgina 491
Cmx =
k - 1
k
Cmx =
3 - 1
3
= 0,816
Cmx =
3 - 1
3
Cmx =
3 - 1
Cmx =
3 - 1
Cmx =
3 - 1
3
= 0,816
C
ajustado
=
0,388
0,816
= 0,475 (47,5%) C
ajustado
=
0,388
0,816
= 0,475 (47,5%)
H
a
: El rendimiento del curso es mayor en la modalidad PRESENCIAL.
Coefciente de contingencia C 0,388 0,000
V de Cramer 0,421 0,000
N de casos vlidos 167 alumnos
Captulo 6
pgina 492
Decisin: El coefciente de contingencia como medida de asociacin para una escala
nominal, es una funcin de
2
. La decisin de aceptar o rechazar la hiptesis se establece
mediante el valor de
2
= 29,68 con dos grados de libertad, y se obtiene una probabilidad
en su distribucin de p < 0,00001, dado que la zona de rechazo es mayor que 0,05.
Entonces se acepta Ha y se rechaza Ho; adems, el coefciente 0,388 es distinto de
0, aunque no muy lejos de su valor mximo (0,816), ya que supone el 47,5% del valor
mximo.
Ho
Ha
5,99
= 29,68
2
AZAR
Ho
Ha
5,99
= 29,68
2
AZAR
Ho
Ha
5,99
= 29,68
2
= 29,68
2
AZAR
p = 0,0000004 p = 0,0000004
2
Captulo 6
pgina 493
La asociacin existente entre el RENDIMIENTO acadmico del alumno
y el tipo de curso realizado es verdadera, aumentando la frecuencia
de aprobados de manera signifcativa (p < 0,00001) en el modelo
PRESENCIAL, con un elevado valor de coefciente de contingencia de
0,388 (C > 0,30).
PRESENCIAL
Interpretacin del coefciente de contingencia
Captulo 6
pgina 494
Al igual que el coefciente de incertidumbre, lambda es una medida que
expresa el grado de incertidumbre que conseguimos reducir cuando
utilizamos una variable para efectuar pronsticos sobre otra. Lambda tiene
tres versiones dos asimtricas (cuando conocemos la variable predictora y la
resultado) y una simtrica cuando no sabemos cual es la variable predictora y
cual es la variable resultado).
H
a
empleado.
aprox
Signifcacin
Simtrica 0,238 0,077 2,801 0,005
resultado
0,185 0,067 2,527 0,012
Adhesin al curso variable resultado 0,306 0,111 2.331 0,020
Coefciente Lambda
Captulo 6
pgina 495
Al igual que el coefciente de incertidumbre y lambda, el coefciente Tau (de
Goodman y Kruskal) es una medida de asociacin basada en la reduccin
proporcional del error. Es una medida que expresa el grado de incertidumbre
que conseguimos reducir cuando utilizamos una variable para efectuar
pronsticos sobre otra.
H
a
: El rendimiento del curso es dependiente del tipo de modalidad de
enseanza empleado.
Nominal por nominal Valor Tau EE Signifcacin
Tipo de modalidad de curso variable resultado 0,103 0,034 0,000
Rendimiento del curso variable resultado 0,178 0,057 0,000
Captulo 6
pgina 496
H
a
empleado.
aprox
Signifcacin
Simtrica 0,106 0,036 2,958 0,000
resultado
0,087 0,030 2,958 0,000
Adhesin al curso variable resultado 0,136 0,046 2,958 0,000
Captulo 6
pgina 497
La condicin de asintomtico se encuentra asociado al uso de
Mosaprida?
- Asintomtico
- Sntomas
- Mejora clnica
Variable PREDICTORA
Variable RESULTADO
Captulo 6
pgina 498
V de Cramer
Lambda
Captulo 6
pgina 499
Variable RESULTADO Resultado del tratamiento a la
semana
Tipo de medicamento Asintomtico Sintomtico Mejora
Cisaprida 27 (9%) 18 (6%) 57 (19%)
Mosaprida 51 (17%) 27 (9%) 21 (7%)
H
a
: El resultado del tratamiento depende del frmaco empleado.
La condicin de asintomtico se encuentra asociada al uso de Mosaprida?
2
Pearson
= 60,12 p = 0,000
2
Pearson
= 60,12 p = 0,000
Existe asociacin
Coeficiente Lambda
Captulo 6
pgina 500
Al igual que el coefciente de incertidumbre, lambda es una medida que
expresa el grado de incertidumbre que conseguimos reducir cuando
utilizamos una variable para efectuar pronsticos sobre otra. Lambda tiene
tres versiones dos asimtricas (cuando conocemos la variable predictora y la
resultado) y una simtrica cuando no sabemos cual es la variable predictora y
cual es la variable resultado).
H
a
: La condicin de asintomtico se encuentra asociada al uso de Mosaprida.
aprox
Signifcacin
Simtrica 0,303 0,048 5,814 0,000
Tipo de Frmaco variable resultado 0,303 0,052 5,108 0,000
Resultado del tratamiento a la semana
variable resultado
0,303 0,054 4,899 0,000
Coefciente Lambda
Captulo 6
pgina 501
V de Cramer
Lambda
Captulo 6
pgina 502
La condicin de asintomtico se encuentra asociada al uso de
Mosaprida?
- Asintomtico
- Sntomas
- Mejora clnica
Variable PREDICTORA
Variable RESULTADO
Captulo 6
pgina 503
Variable RESULTADO Resultado del tratamiento a la
semana
Variable PREDICTORA
Tipo de medicamento
Asintomtico Sintomtico Mejora
Cisaprida 27 (9%) 18 (6%) 57 (19%)
Mosaprida 51 (17%) 27 (9%) 21 (7%)
H
a
: El resultado del tratamiento depende del frmaco empleado.
La condicin de asintomtico se encuentra asociada al uso de Mosaprida?
2
Pearson
= 60,12 p = 0,000
2
Pearson
= 60,12 p = 0,000
Existe asociacin
Captulo 6
pgina 504
H
a
: La condicin de asintomtico se encuentra asociada al uso de Mosaprida.
aprox
Signifcacin
Simtrica 0,086 0,023 3,801 0,000
Tipo de Frmaco variable resultado 0,086 0,023 3,801 0,000
Resultado del tratamiento a la semana
variable resultado
0,086 0,023 3,801 0,000
Captulo 6
pgina 505
Odds Ratio (OR)
A: Personas enfermas que estn expuestas
B: Personas sanas que estn expuestas
C: Personas enfermas que no estn
expuestas
D: Personas sanas que no estn expuestas
Enfermedad (Variable resultado)
Exposicin (Variable predictora) Casos Controles
(+) A B
(-) C D
[ (A * D) ]
[ (B * C) ]
OR =
OR =
[ A / C ]
[ B / D ]
OR =
Tasa de exposicin observada en
los CONTROLES
Tasa de exposicin
observada en los CASOS
[ (A * D) ]
[ (B * C) ]
OR =
OR =
[ A / C ]
[ B / D ]
OR =
los CONTROLES
Tasa de exposicin
Captulo 6
pgina 506
Caractersticas de la Odds Ratio (OR)
- Medida de asociacin.
- Valores mayores de 1 (asociacin positiva) (factor de riesgo).
- Valores menores de 1 (asociacin negativa) (factor de proteccin).
- Valor = 1 (no existe asociacin).
- Estudios casos-controles.
- OR: es la razn entre la probabilidad de que un suceso ocurra y la
probabilidad de que no ocurra.
- OR : cociente entre la tasa de exposicin observada en el grupo de casos
(A/C) y la tasa de exposicin observada en el grupo control (B/D).
- OR: refeja la probabilidad de que los casos (cncer de pulmn) estn
expuestos al factor de estudio (tabaco) comparada con la probabilidad de que
lo estn los controles.
Captulo 6
pgina 507
Qu relacin y qu medida de asociacin existe entre la
cloracin del agua y el cncer de vejiga?
Variable PREDICTORA
CUALITATIVA dicotmica
Variable RESULTADO
Cloracin del agua
Cncer de vejiga
Captulo 6
pgina 508
Odds Ratio (OR)
A: Personas enfermas de cncer de vejiga
expuestas al cloro
B: Personas sanas expuestas al cloro
C: Personas enfermas de cncer de vejiga no
expuestas al cloro
D: Personas sanas no expuestas al cloro
Cncer de vejiga
Exposicin Casos Controles
Cloracin (+) A B
Cloracin (-) C D
[ (A * D) ]
[ (B * C) ]
OR =
OR =
[ A / C ]
[ B / D ]
OR =
los CONTROLES
Tasa de exposicin
OR =
Tasa de CLORACIN observada
en SANOS (controles)
Tasa de CLORACIN observada en los
enfermos de CANCER de vejiga (casos)
Captulo 6
pgina 509
Infuencia de la metodologa de la evaluacin
de la exposicin
Captulo 6
pgina 510
Rodrguez Calabuig D, Igual Adell R, Oltra Alcaraz C, Snchez Snchez P, Bustamante Balen M, Parra
Godoy F y Nagore Enguidanos E. Actividad laboral agrcola y estrongiloidiasis. Estudio caso-control. Rev
Cln Esp 2001; 201:81-84
Captulo 6
pgina 511
- CASOS: Individuos con Strongiloides stercolaris en las heces ante la
presencia de eosinoflias en el hemograma.
- CONTROLES: Individuos de igual edad y sexo sin eosinoflia ni parsitos en
heces.
Estudio caso-control
Ejemplo de uso de la OR:
Cln Esp 2001; 201:81-84.
Captulo 6
pgina 512
Ejemplo estudio caso-control
Odds Ratio (OR)
Captulo 6
pgina 513
Ejemplo estudio caso-control
Odds Ratio (OR)
Captulo 6
pgina 514
Un gran nmero de personas trabajaban descalzas en la siembra, cuidando y
recolectando el arroz, con los pies hundidos en el fango durante largos perodos de tiempo,
lo que facilitara la entrada del nematodo. Los resultados obtenidos, especifcando el tipo
de actividad, muestran una asociacin de la estrongiloidiasis con el cultivo de arroz OR de
2,97 (IC 95%: 1,16-7,71), lo que representa un mayor riesgo de infestacin. En la limpieza
de acequias se obtuvo tambin una tendencia casi signifcativa OR de 2,39 (IC 95%:
0,85-6,82), en cambio en el cultivo de ctricos y de hortalizas, que habitualmente no se
realizaban descalzos ni en tierras fangosas, no se han encontrado estas diferencias.
Discusin
Actividad laboral agrcola y estrongiloidiasis
Estudio caso-control
Cln Esp 2001; 201:81-84.
Captulo 6
pgina 515
En las tablas 1 y 2 presentadas se han incluido slo el valor de la OR y su IC95%, pero
no se ha incluido el valor del estadstico (test de contraste de hiptesis) ni la signifcacin
estadstica p para cada variable predictora presuntamente signifcativa.
Cul es el valor de la p?
Por qu dices que la prctica de la limpieza de acequias est relacionada con la
estrongiloidiasis cuando el valor del IC95% de la OR incluye a la unidad?
Cul es el test de contraste de hiptesis que has empleado en cada asociacin?
Test de
2
Pearson
He calculado el valor del estadstico
2
Pearson NO hay la signifcacin estadstica.
Ser un error beta ?
Cul es la potencia estadstica del estudio (valor )?
Captulo 6
pgina 516
prctica del cultivo de arroz y la estrongiloidiasis?
Test de 2 de Pearson Variable RESULTADO
Estrongiloidiasis
Variable PREDICTORA
Cultivo de arroz
Casos Controles Total
Si 25 (53%) 13 (28%) 38
No 22 34 56
Total 47 47 94
OR = 2,97 (1,16-7,71)
2
Pearson
= 6,36; p = 0,012
2
Pearson
= 6,36; p = 0,012
Q de Yule = 0,50
Captulo 6
pgina 517
H
o
(hiptesis nula) = La prctica del cultivo de arroz NO est asociada a la estrongiloidiasis
en el grupo estudiado.
H
a
(hiptesis alternativa) = La prctica del cultivo de arroz est asociada a la
estrongiloidiasis en el grupo estudiado.
Clculos del programa estadstico tabla
2 x 2
Valor Grados de
libertad
Contraste
bilateral
Contraste
unilateral
2Pearson 6,361 1 0,012
Razn de verosimilitud 6,447 1 0,011
Test exacto de Fisher 0,020 0,010
N Casos vlidos 94
Captulo 6
pgina 518
2
Pearson calculado
= 6,36
>

2
Pearson tabulado
= 3,84
2
Pearson calculado
= 6,36
2
Pearson calculado
= 6,36
>

2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
AZAR
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
AZAR
= 6,36
2
= 6,36
2
Ha (hiptesis alternativa) = Existe relacin entre la
prctica del cultivo de arroz y la estrongiloidiasis.
Captulo 6
pgina 519
prctica del cultivo del arroz y la estrongiloidiasis?
Variable PREDICTORA
Variable RESULTADO
Cultivo de arroz
Estrongiloidiasis
Q de Yule = 0,50
OR = 2,97
IC95% = 1,16 7,71
2
Pearson = 6,36; p = 0,012
2
Pearson = 6,36; p = 0,012
Captulo 6
pgina 520
prctica de la limpieza de acequias y la estrongiloidiasis?
Test de 2 de Pearson Variable RESULTADO
Estrongiloidiasis
Variable PREDICTORA
Limpieza de acequia
Casos Controles Total
Si 17 (36%) 9 (19%) 26
No 30 38 68
Total 47 47 94
No existe asociacin
2
= 3,40 ; p = 0,065
2
= 3,40 ; p = 0,065
Captulo 6
pgina 521
H
o
(hiptesis nula) = La limpieza de acequias NO est asociada a la
H
a
(hiptesis alternativa) = La limpieza de acequias est asociada a la
Clculos del programa estadstico tabla
2 x 2
Valor Grados de
libertad
Contraste
bilateral
Contraste
unilateral
2Pearson 3,403 1 0,065
Razn de verosimilitud 3,445 0,063
Test exacto de Fisher 1 0,106 0,053
N Casos vlidos 94
Captulo 6
pgina 522
prctica de la limpieza de acequias y la estrongiloidiasis?
Variable PREDICTORA
Variable RESULTADO
Limpieza de acequias
Estrongiloidiasis
Q de Yule = 0,41
OR = 2,39
IC95% = 0,85 - 6,82
2
= 3,40 ; p = 0,065
2
= 3,40 ; p = 0,065
Captulo 6
pgina 523
2
Pearson calculado
= 3,40
<

2
Pearson tabulado
= 3,84
2
Pearson calculado
= 3,40
2
Pearson calculado
= 3,40
<

2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
AZAR
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
AZAR
= 3,40
2
= 3,40
2
Ho (hiptesis nula) = NO existe relacin entre la prctica
de la limpieza de acequias y la estrongiloidiasis.
Captulo 6
pgina 524
Riesgo Relativo (RR)
A: Personas enfermas de cncer de pulmn
fumadoras
B: Personas sanas fumadoras
C: Personas enfermas de cncer de pulmn
no fumadores
D: Personas sanas no fumadoras
Enfermedad (E)
Exposicin (F) Casos Controles
Tabaco (+) A B
Tabaco (-) C D
Es la probabilidad de que una enfermedad (E) se desarrolle en el
grupo expuesto (F) en relacin a la del grupo no expuesto.
[ (A * D) ]
[ (B * C) ]
RR =
RR =
[ A / (A + B)]
[ C / (C + D) ]
A+ B B C+D D
A<< B C<< D
Captulo 6
pgina 525
Martn TR, Bracken MB. Association of low birth weight with passive smoke exposure in
pregnancy. Am J. Epidemiol 1986; 124: 633-642.
exposicin al humo del tabaco durante la gestacin y el bajo
peso al nacimiento del RN?
Variable PREDICTORA
Variable RESULTADO
Exposicin al humo del
tabaco
Peso del RN
Q de Yule = 0,47
RR = 2,71 (1,38-5,34)
2
Pearson
= 9.03; p = 0.00265
Q de Yule = 0,47
RR = 2,71 (1,38-5,34)
2
Pearson
= 9.03; p = 0.00265
Captulo 6
pgina 526
Riesgo Relativo (RR)
A: RN de bajo peso de madres expuestas al
tabaco
B: RN normopeso de madres expuestas al
tabaco
C: RN de bajo paso de madres NO expuestas
al tabaco
D: RN normopeso de madres NO expuestas
al tabaco
Enfermedad (E)
Exposicin (F) Casos Controles
Tabaco (+) A (20) B (833)
Tabaco (-) C (14) D (1606)
Martn TR, Bracken MB. Association of low birth weight with passive smoke exposure in pregnancy. Am J.
Epidemiol 1986; 124: 633-642.
En la Tabla, exponemos los resultados
de un estudio de seguimiento donde
853 mujeres estuvieron pasivamente
expuestas al humo del tabaco durante
la gestacin y 1620 no lo estuvieron,
y su asociacin con el bajo peso al
nacer.
El RR es 2.71, signifca que las
expuestas al factor F (exposicin
pasiva al tabaco) tienen 2,71 veces
ms probabilidades de tener nios de
bajo peso que las no expuestas.
2
= 9.03; p = 0.00265
95% IC (1.38;5.34)
Q de Yule = 0,47
I
e
I
o
RR =
I
o
I
o
RR = =
20/853
14/1620
= 2,713
Captulo 6
pgina 527
Qu relacin y qu medida de asociacin existe entre el
sedentarismo (factor de riesgo) y el desenlace (muerte) en
pacientes que han sufrido un IAM?
Variable PREDICTORA
Variable RESULTADO
Ejercicio moderado/
Sedentarismo
Muerte / Supervivencia
100 pacientes
con IAM
Captulo 6
pgina 528
Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico realizado.
Existe asociacin entre el factor de riesgo (SEDENTARISMO) y el desenlace (MUERTE)?
Cul es la magnitud de dicha asociacin?
Ejercicio
moderado
N = 60
Sedentarios
N = 40
Seguimiento
5 aos
Seguimiento
5 aos
100 pacientes
con IAM
Fallecimientos C = 10
Fallecimientos A = 15
Sobrevivientes D = 50
Sobrevivientes B = 25
Captulo 6
pgina 529
A: Fallecidos con sedentarismo
B: Sobrevivientes sedentarios
C: Fallecidos deportistas
D: Sobrevivientes deportistas
Evolucin de 100 pacientes
con IAM a los 5 aos en
funcin del ejercicio fsico
Desenlace (E)
Variable resultado
Exposicin (F) Variable
predictora
Muerte Sobreviviente
Sedentarismo (+) A = 15 B = 25
Sedentarismo (-) C = 10 D = 50
Existe asociacin entre el factor
de riesgo (SEDENTARISMO) y el
desenlace (MUERTE)?
100 pacientes con IAM
Captulo 6
pgina 530
Clculos del
programa
estadstico
2
Pearson (*) 5,56 1 0,018
Correccin de
Yates
4,50 1 0,034
Razn de
verosimilitud
5,47 0,019
Test exacto de
Fisher
1 0,033 0,017
N Casos vlidos 100
H
a
: Existe asociacin entre el factor de riesgo (SEDENTARISMO) y el desenlace
(MUERTE).
Captulo 6
pgina 531
2
Pearson
= 43,99; p<0,0000001 = 43,99; p<0,0000001 Existe asociacin
2
Pearson calculado = 5,56
2
Pearson calculado = 5,56

2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
p < 0,05 >
2
Pearson tabulado
= 3,84
2
Pearson tabulado
= 3,84
Ho Ha
Error alfa
AZAR
= 5,56
2
= 5,56
2
Captulo 6
pgina 532
Es la probabilidad de morir (E) en el grupo de sedentarios (expuestos al factor de riesgo) en relacin con la
probabilidad de muerte en deportistas (grupo no expuesto).
Desenlace (E)
Variable resultado
predictora
Sedentarismo (+) A = 15 B = 25
Sedentarismo (-) C = 10 D = 50
Cul es la intensidad o
magnitud de dicha asociacin?
RR =
[ A / (A + B)]
[ C / (C + D) ]
Captulo 6
pgina 533
Ie
I
o
RR =
Riesgo Relativo (RR) =
Tasa de Incidencia de muertes en
sedentarios (en expuestos)
Tasa de Incidencia de muertes
en deportistas ( NO expuestos )
Q de Yule = 0,50
RR = 2,25
2
Pearson
= 5,56; p = 0,018
Q de Yule = 0,50
RR = 2,25
2
Pearson
= 5,56; p = 0,018
RR =
[ A / (A + B)]
[ C / (C + D) ]
RR =
[ 15 / (15 + 25)]
[ 10 / (10 + 50) ]
= 2,25
Captulo 6
pgina 534
Qu relacin y qu medida de asociacin existe entre el
ejercicio fsico moderado (factor de riesgo) y el desenlace
(muerte) en pacientes que han sufrido un IAM?
Variable PREDICTORA
Variable RESULTADO
Ejercicio moderado/
Sedentarismo
Muerte / Supervivencia
100 pacientes
con IAM
Captulo 6
pgina 535
Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico realizado.
Existe asociacin entre el factor de riesgo (EJERCICIO FSICO) y el desenlace
(MUERTE)? Cul es la magnitud de dicha asociacin?
Ejercicio
moderado
N = 60
Sedentarios
N = 40
Seguimiento
5 aos
Seguimiento
5 aos
100 pacientes
con IAM
Fallecimientos A = 15
Fallecimientos C = 10
Sobrevivientes B = 25
Sobrevivientes D = 50
Captulo 6
pgina 536
Es la probabilidad de morir (E) en el grupo de deportistas (expuestos al factor de riesgo) en relacin con la
probabilidad de muerte en sedentarios -NO deportistas- (grupo no expuesto).
A: Fallecidos con ejercicio fsico moderado
B: Sobrevivientes con ejercicio fsico
moderado
C: Fallecidos sedentarios (NO deportistas)
D: Sobrevivientes sedentario (NO deportistas)
Desenlace (E)
Variable resultado
predictora
Ejercicio fsico (+) A = 10 B = 50
Ejercicio fsico (-) C = 15 D = 25
RR =
[ A / (A + B)]
[ C / (C + D) ]
Captulo 6
pgina 537
Ie
I
o
RR =
Tasa de Incidencia de muertes en
deportistas moderados (en expuestos)
Tasa de Incidencia de muertes
en sedentarios ( NO expuestos )
Q de Yule = - 0,50
RR = 0,44
2
Pearson
= 5,56; p = 0,018
RR =
[ A / (A + B)]
[ C / (C + D) ]
RR =
[ 10 / (10 + 50)]
[ 15 / (15 + 25) ]
= 0,44
Captulo 6
pgina 538
Evolucin de 100 pacientes operados con una NUEVA tcnica quirrgica frente a 100
pacientes operados con la tcnica CLSICA.
Nueva tcnica quirrgica
Grupo problema
N= 100
Tcnica clsica
Grupo Control
N = 100
Seguimiento
Seguimiento
Complicaciones C = 20
Complicaciones A = 15
Sin complicaciones D = 80
Sin complicaciones B = 85
Captulo 6
pgina 539
Ie
I
o
RR =
Tasa de Incidencia de complicaciones
con la NUEVA tcnica
Tasa de Incidencia de
complicaciones con la tcnica
CLASICA
RR = 0,75
RR =
[ A / (A + B)]
[ C / (C + D) ]
RR =
[ 15 / (15 + 85)]
[ 20 / (20 + 80) ]
= 0,75
RRR = [ 1 RR ]
* 100
RRR = [ 1 RR ]
* 100
RRR = 25%
RRA = [ I
N
I
C
]
* 100
RRA = [ I
N
I
C
]
* 100
RRA = 5%
Captulo 6
pgina 540
Evento en estudio
Frmula Complicaciones quirrgicas
Incidencia de complicaciones
quirrgicas con la NUEVA
tcnica
15%
Incidencia de complicaciones
quirrgicas con la tcnica
CLSICA
20%
RIESGO RELATIVO (RR) 0,75
Reduccin del RIESGO
RELATIVO (RRR)
25%
Reduccin ABSOLUTA del
RIESGO (RAR)
5%
Nmero de pacientes que se
necesita operar (NNT)
20
RRR =
[ 1 RR ] * 100
RRR =
[ 1 RR ] * 100
RAR = [ I
N
I
C
] * 100
RR =
[ A / (A + B)]
[ C / (C + D) ]
I
N
= [ A / (A + B)]
I
C
= [ C / (C + D) ]
NNT = [ 1 / RAR ] * 100
Captulo 6
pgina 541
Escenario clnico: Un da muy ocupado en su centro y usted esta sentado
con la piernas en alto, hojeando un nmero reciente de Mdicos en su
tiempo libre. Se encuentra con un anuncio de PLAVIX que indica que este
medicamento produce una reduccin del riesgo de eventos cardiovasculares
en un 8% comparado con aspirina. Usted piensa si debera cambiar todos sus
pacientes a Plavix .
Eventos resultantes del anlisis del estudio CAPRIE
PLAVIX ASPIRINA DIFERENCIA
Pacientes 9599 9586
ICTUS 4,6% 4,8% - 0,2%
IAM 2,9% 3,5% - 0,6%
Otras muertes vasculares 2,4% 2,4% 0%
Total de eventos vasculares 9,8% 10,7% - 0,9%
Como se muestra en el cuadro PLAVIX se asoci con una menor incidencia
de eventos resultantes de cualquier clase. La reduccin del Riesgo Relativo
fue de 8,7% con un IC95% = 0,3-16,5% p=0,045. Sin embargo la reduccin
del riesgo absoluto (9,8% contra 10,7%) fue de tan slo 0,9%.
Captulo 6
pgina 542
Aparicin de eventos cardiovasculares despus de un periodo de seguimiento en pacientes
tratados con PLAVIX (grupo problema) frente a los pacientes tratados con ASPIRINA
(grupo control).
Grupo problema
PLAVIX
Grupo control
ASPIRINA
Seguimiento
Seguimiento
Eventos cardiovasculares C
Eventos cardiovasculares A
Sin eventos D
Sin eventos B
I
plavix
= 9,8
I
aspirina
= 10,7
Captulo 6
pgina 543
IP
I
A
RR =
Tasa de Incidencia de eventos
cardiovasculares con el PLAVIX
Tasa de Incidencia de eventos
cardiovasculares con ASPIRINA
RRR = [ 1 RR ]
* 100
RRR = [ 1 RR ]
* 100
RRR = 8,7%
RAR = [ I
P
I
A
]
* 100
RAR = [ I
P
I
A
]
* 100 RAR = 0,9%
RR = 0,916
IP
I
A
RR =
9,8
10,7
= = 0,916
NNT = [ 1 / RAR ] NNT = 111 pacientes
* 100
IC
95%
= 0,3-16,5% p = 0,045
Captulo 6
pgina 544
Evento en estudio
Frmula Complicaciones quirrgicas
Incidencia de eventos
cardiovasculares con el PLAVIX
9,8%
Incidencia de eventos
cardiovasculares con la
ASPIRINA
10,7%
RIESGO RELATIVO (RR) 0,916
Reduccin del RIESGO
RELATIVO (RRR)
8,7%
Reduccin ABSOLUTA del
RIESGO (RAR)
0,9%
Nmero de pacientes que se
necesita operar (NNT)
111
Aumento del coste mensual del
Plavix respecto a la aspirina
Ensayo CAPRIE (Lancet) + 112 $ (94 )
RRR =
[ 1 RR ] * 100
RRR =
[ 1 RR ] * 100
RAR = [ I
N
I
C
] * 100
NNT = [ 1 / RAR ] * 100
RR =
[ A / (A + B)]
[ C / (C + D) ]
I
Plavix
= [ A / (A + B)]
I
Aspirina
= [ C / (C + D) ]
Captulo 6
pgina 545
El 8,7% de reduccin del riego que publica el artculo es la Reduccin del Riesgo
Relativo (RRR). La Reduccin Absoluta del Riesgo (RAR) fue un ridculo 0,9%, con
un NNT muy elevado (111), con un amplio IC95% (de 57 a 2500). El resultado fue
estadsticamente signifcativo casi marginalmente, p = 0,045, donde el IC95% de la RRR
fue del 0.3% al 16.5%, que ni siquiera apareca en el texto (slo a pie de tabla). Aunque es
estadsticamente signifcativo, sin embargo la signifcacin CLNICA es muy cuestionable.
La RRR del 8,7% de Plavix frente a aspirina se dibuja en un grfco con una rea que es
casi igual que la del 25% del RRR de la aspirina frente al placebo, violando claramente
de la ley de Tufte (factor mentiroso de Tufte = Tamao del efecto mostrado en el grfco /
Tamao del efecto en los datos 1).
La publicacin es un estudio real, el ensayo CAPRIE publicado en Lancet, y sin embargo,
despus de todo usted lgicamente decide, ahorrarles a sus pacientes y a la Seguridad
Social los 112 dlares (94) al mes que cuesta Plavix y seguir tratando a sus pacientes con
aspirina.
Resolucin del escenario
Captulo 6
pgina 546
Objetivo: Evaluar la efcacia de la disminucin de colesterol con simvastatina en la reduccin de la
mortalidad y morbilidad en pacientes con enfermedad coronaria (EC).
Diseo: Ensayo clnico controlado, aleatorizado en dos ramas, a doble ciego con placebo y un seguimiento
medio de 5,4 aos.
mbito: Pacientes procedentes de 95 centros mdicos de Escandinavia.
Sujetos de estudio: 4.444 pacientes de entre 35 y 70 aos, 81% hombres, 51% mayores de 60 aos, con
antecedentes de infarto de miocardio previo a angina de pecho, colesterol srico de 5,5 a 8,8 mmol/l,
concentraciones medias de HDL de 1,18 mmol/l, LDL 4,87 mmol/l, triglicridos 1,50 mmol/l y dieta
hipolipemiante concurrente.
Intervencin: 2.223 sujetos se les administraron 20 mgr de simvastatina y a 2.221 el correspondiente
placebo.
Parmetros principales de efcacia: Mortalidad total, mortalidad de causa coronaria, infarto de miocardio no
letal probable o defnitivo verifcado.
Resultados principales: Durante los 5,4 aos en promedio de seguimiento la simvastatina produjo unos
cambios medios de colesterol total, LDL colesterol y HDL colesterol de 25%, -35% y +8%,
respectivamente. 256 (12%) sujetos en el grupo de placebo murieron en comparacin con 182 (8%) en
el grupo de simvastatina. Hubo 189 muertes de origen coronario en el grupo de placebo y 111 en el de
simvastatina y 49 y 46 muertes de origen no cardiovascular en dichos grupos, respectivamente. 622 sujetos
(28%) en el grupo con placebo y 431 (19%) en el de simvastatina tuvieron uno o ms incidentes coronarios
mayores.
Conclusiones: La disminucin de la concentracin de colesterol con simvastatina reduce la mortalidad
total y la incidencia de incidentes cardiovasculares mayores.
Randomised trial of cholesterol lowering in 4444 patients with coronary heart disease: the Scandivarian
Simvastatin Survival Study (4S). Lancet 1994; 334: 1383-1389.
Captulo 6
pgina 547
Randomised trial of cholesterol lowering in 4444 patients with coronary heart disease: the
Scandivarian Simvastatin Survival Study (4S). Lancet 1994; 334: 1383-1389.
Grupo problema
SIMVASTATINA
N = 2223
Grupo control
PLACEBO
N = 2221
Seguimiento
medio 5,4 aos
Incidentes coronarios
mayores A = 431
Incidentes coronarios
mayores C = 622
Sin eventos D
Sin eventos B
I
Placebo
= 28%
I
Simvastatina
= 19%
Captulo 6
pgina 548
Grupo problema
SIMVASTATINA
N = 2223
Muertes de origen NO
cardiovascular 49
Muertes de origen NO
cardiovascular 46
Grupo control
PLACEBO
N = 2221
Seguimiento
medio 5,4 aos
Muertes de origen
cardiovascular A = 111
Muertes de origen
cardiovascular C = 189
Sin eventos D
Sin eventos B
I
Placebo
= 12%
I
Simvastatina
= 8%
Captulo 6
pgina 549
Simvastatina Placebo RR RRR RAR NNT
Incidencia
en tratados
con
Simvastatina
I
S
Incidencia
en tratados
con
placebo
I
P
I
S
I
P

Incidentes
cardiovasculares
mayores
19% 28% 0,68 32% 9% 11
Mortalidad 8% 12% 0,66 33% 4% 25
[

1

/

R
A
R

]

*

1
0
0

[

1

R
R

]

*

1
0
0

I
S
I
A
RR =
I
S
I
A
I
S
I
A
RR =
Captulo 6
pgina 550
Mohr JP, Thompson JLP, Lazar RM, Levin B, Sacco RL, Furie KL, et al. A comparison
of warfarin and aspirin for the prevention of recurrent ischemic stroke.
N Engl J Med 2001;345:1444-51.
Grupo problema
WARFARINA
N = 1103
Prdidas
Prdidas
Grupo control
ASPIRINA
N = 1103
Seguimiento 2 aos
Recurrencia de accidentes
vasculares cerebrales de ori-
gen isqumico o muerte
196
Recurrencia de accidentes
vasculares cerebrales de ori-
gen isqumico o muerte
176
Sin eventos
Sin eventos
I
Aspirina
= 16,0
I
Warfarina
= 17,8
Captulo 6
pgina 551
Captulo 6
pgina 552
N Engl J Med 2001;345:1444-51.
Tasa de Incidencia de Recurrencia de
accidentes vasculares cerebrales de origen
isqumico o muerte con WARFARINA
Tasa de Incidencia de Recurrencia de
accidentes vasculares cerebrales de
origen isqumico o muerte con ASPIRINA
RRR = [ 1 RR ]
* 100
RRR = [ 1 RR ]
* 100
RRR = - 13%
RR = 1,13 ; IC95% = 0,92 - 1,38
IW
I
A
RR =
p = 0,25
17,8
16,0
RR = = 1,13
Captulo 6
pgina 553
N Engl J Med 2001;345:1444-51.
Grupo problema
WARFARINA
N = 1103
Prdidas
Prdidas
Grupo control
ASPIRINA
N = 1103
Seguimiento 2 aos
Seguimiento 2 aos
Hemorragias
Intensas
44
Hemorragias
Intensas
30
Sin eventos
Sin eventos
I
Warfarina
= 2,2
I
Aspirina
= 1,5
Captulo 6
pgina 554
N Engl J Med 2001;345:1444-51.
IP
I
A
RR =
Tasa de Incidencia de HEMORRAGIAS
intensas con WARFARINA
RRR = [ 1 RR ]
* 100
RRR = [ 1 RR ]
* 100
RRR = - 48%
p = 0,10
RR = 1,48; IC95%= 0,93-2,44
intensas con ASPIRINA
2,2
1,5
RR =
= 1,48
Captulo 6
pgina 555
Mohr JP, Thompson JLP, Lazar RM, Levin B, Sacco RL, Furie KL, et al.
A comparison of warfarin and aspirin for the prevention of recurrent ischemic stroke.
N Engl J Med 2001;345:1444-51.
Warfarina Aspirina RR RRR RAR
Incidencia en
tratados con
WARFARINA
I
W
Incidencia
en tratados
con
ASPIRINA
I
A
I
W
I
A

Incidencia
HEMORRAGIAS
intensas
2,2 1,5 1,48 - 48% 0,7
[

1

R
R

]

*

1
0
0

I
W
I
A
RR =
Adems, tal como comentaban los autores en la discusin del artculo, la
warfarina tiene un coste mayor y requiere una monitorizacin ms estrecha.
Con estos datos, se puede considerar que la warfarina y la aspirina
son alternativas teraputicas razonables para prevenir los accidentes
cerebrovasculares isqumicos recurrentes?
I
S
I
A
RR =
Captulo 6
pgina 556
N Engl J Med 2001;345:1444-51.
Grupo problema
WARFARINA
N = 1103
Prdidas
Prdidas
Grupo control
ASPIRINA
N = 1103
Seguimiento 2 aos
Seguimiento 2 aos
Hemorragias leves
413
Hemorragias leves
259
Sin eventos
Sin eventos
I
Warfarina
= 20,8
I
Aspirina
= 12,9
Captulo 6
pgina 557
N Engl J Med 2001;345:1444-51.
IP
I
A
RR =
leves con WARFARINA
RRR = [ 1 RR ]
* 100
RRR = [ 1 RR ]
* 100
RRR = - 61%
p < 0,001
RR = 1,61; IC95%= 1,38-1,89
leves con ASPIRINA
20,8
12,9
RR =
= 1,61
Captulo 6
pgina 558
Mohr JP, Thompson JLP, Lazar RM, Levin B, Sacco RL, Furie KL, et al.
A comparison of warfarin and aspirin for the prevention of recurrent ischemic stroke.
N Engl J Med 2001;345:1444-51.
Warfarina Aspirina RR RRR RAR
Incidencia en
tratados con
WARFARINA
I
W
Incidencia
en tratados
con
ASPIRINA
I
A
I
W
I
A

Incidencia
HEMORRAGIAS leves
20,8 12,9 1,61 - 61% 7,9
[

1

R
R

]

*

1
0
0

I
W
I
A
RR =
Adems, tal como comentaban los autores en la discusin del artculo, la
warfarina tiene un coste mayor y requiere una monitorizacin ms estrecha.
Con estos datos, se puede considerar que la warfarina y la aspirina
son alternativas teraputicas razonables para prevenir los accidentes
cerebrovasculares isqumicos recurrentes?
I
S
I
A
RR =
Captulo 6
pgina 559
Captulo 6
pgina 560
Captulo 6
pgina 561
Captulo 6
pgina 562
Captulo 6
pgina 563
Captulo 6
pgina 564
Captulo 6
pgina 565
Captulo 6
pgina 566
Captulo 6
pgina 567
there were no significant differences between the warfarin and
aspirin groups in the time to the primary end point (p = 0,25 by
two-tailed logrank test; hazard ratio for warfarin as compared with
aspirin, 1.13; 95 percent confidence interval, 0.92 to 1.38; two-year
probability of an event, 17.8 percent with warfarin and 16.0
percent with aspirin) (Table 2 and Fig. 2)
Captulo 6
pgina 568
The rates of major hemorrhage were low, with no significant
differences between treatment groups; the annual rates were
2.22 per 100 patient-years for warfarin and 1.49 per 100
patient-years for aspirin (rate ratio, 1.48; p = 0,10). Patients in
the warfarin group had significantly more minor hemorrhages
than did those in the aspirin group (Table 3). There was no
significant difference between groups in the time to the first
occurrence of major hemorrhage or the primary end point (p =
0,16; hazard ratio with warfarin as compared with aspirin, 1.15;
95 percent confidence interval, 0.95 to 1.39) (Table 2).
RESULTS (fragmento del texto)
Captulo 6
pgina 569
Warfarin offered no additional benefit over aspirin in
preventing recurrent ischemic stroke in the population we
studied. Patients with other, established reasons for warfarin
use may take comfort in the evidence of safety and lack of
significant difference overall, as compared with aspirin.
However, aspirin, either alone or in combination with some
other antiplatelet agents, 38 appears to be a well-justified
choice for the prevention of recurrent ischemic stroke.
DISCUSSION (fragmento del texto)
We observed no significant difference between treatment
with warfarin and treatment with aspirin in the prevention of
recurrent ischemic stroke or death or in the occurrence of
serious adverse events in this large cohort of patients with
inferred noncardioembolic ischemic stroke..
Captulo 6
pgina 570
Por qu concluyes que la ausencia de evidencia es evidencia de ausencia?
La ausencia de evidencia NO es evidencia de ausencia.
Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ
1995;311:485.
Altman y Bland alertaron sobre un error comn en la bibliografa biomdica:
interpretar un resultado estadsticamente no signifcativo, cuando se comparan
dos tratamientos, como sinnimo de su equivalencia teraputica.
Captulo 6
pgina 571
En este estudio se comparaba la efcacia de la warfarina y de la aspirina para prevenir las
recurrencias de los accidentes vasculares cerebrales de origen isqumico. Mohr JP, et al
disearon el estudio para poder demostrar una reduccin relativa del riesgo (RRR) del 30%
en el grupo tratado con warfarina. Cuando fnaliz el perodo de dos aos de seguimiento,
no se observaron diferencias estadsticamente signifcativas entre los dos grupos, y los
autores llegaron a la conclusin de que la warfarina y la aspirina son opciones teraputicas
razonables en este tipo de situaciones clnicas. Sin embargo, la warfarina no slo NO
consigui reducir el riesgo en un 30%, sino que lo INCREMENT en un 13%, y el riesgo
de HEMORRAGIAS importantes fue SUPERIOR en el grupo de la WARFARINA (2,22 por
100 pacientes/ao) frente a la ASPIRINA (1,49 por 100 pacientes/ao en el grupo aspirina)
pero sin alcanzar signifcacin. Con estos datos.
Crees que se puede considerar que la warfarina y la aspirina son alternativas teraputicas
razonables para prevenir los accidentes cerebrovasculares isqumicos recurrentes?
NO.
Adems, tal como comentaban los autores en la discusin del artculo, la warfarina tiene
un coste mayor y requiere una monitorizacin ms estrecha.
Captulo 6
pgina 572
Captulo 6
pgina 573
El Romiplostim produjo un aumento estadsticamente significativo
del recuento de plaquetas durante el periodo de estudio, pero no
se asoci a una disminucin del las hemorragias de grado .
Captulo 6
pgina 574
Captulo 6
pgina 575
Captulo 6
pgina 576
Captulo 6
pgina 577
- Romiplostim. Ensayo pivotal. Fase III vs. placebo.
- Inclusin: < 30.000 plaquetas/mmc.
- Objetivo principal: > 50.000 plaquetas/mmc.
Efectos adversos:
David J Kuter, James B Bussel. Effcacy of romiplostim in patients with chronic immune thrombocytopenic
purpura: a double-blind randomised controlled trial. Lancet 2008; 371: 395403.
Romiplostim. PTI
Romiplostim Placebo p
Hemorragia Grado 3/4 6 de 84 (7%) 5 de 41 (12%) n.s.
Objetivo subrrogado
Captulo 6
pgina 578
El Romiplostim produjo un aumento estadsticamente signifcativo del
recuento de plaquetas durante el periodo de estudio, pero no se asoci a
una disminucin del las hemorragias de grado .
David J Kuter, James B Bussel. Effcacy of romiplostim in patients with chronic immune thrombocytopenic
purpura: a double-blind randomised controlled trial. Lancet 2008; 371: 395403.
Romiplostim. PTI
Hemorragia Grado 3/4 Romiplostim Placebo Total
SI 6 (7%) 5 (12%) 11
NO 78 36 114
Total 84 41 125
2
Pearson
= 0,88; p = 0,349
2
Pearson
= 0,88; p = 0,349
Captulo 6
pgina 579
Enfermedad (E)
Exposicin (F) Cncer de
pncreas (+)
No enfermos (-) Total
Tabaco (+) A (10) B (9990) 10000
Tabaco (-) C (10) D (19990) 20000
Total 20 29980 30000
OR = 2,001
RR = 2,000
La OR slo se aproxima al RR cuando el suceso es raro y ocurre en menos del 10% de los sujetos, en
estos casos ambos estimadores son intercambiables.
Odds Ratio (OR) versus Riesgo Relativo (RR)
[ (A * D) ]
[ (B * C) ]
OR =
OR =
[ A / C ]
[ B / D ]
OR =
los CONTROLES
Tasa de exposicin
RR =
[ A / (A + B)]
[ C / (C + D) ]
OR =
[ 10/10 ]
[ 9990 /19990 ]
RR =
[ 10 / (10000)]
[ 10 / (20000) ]
Captulo 6
pgina 580
Ridker PM et al. N Engl J Med 2000;342:836-843.
- Risk Factors for Future Cardiovascular Events: WHS -
Importancia del intervalo de confanza en el RR
Lipoprotein(a)
Homocysteine
IL-6
Colesterol total (CT)
Colesterol-LDL (cLDL)
sICAM-1
SAA
Apo B
Cociente CT/cHDL
PCR ultrasensible
PCR + CT/cHDL
Relative Risk of Future Cardiovascular Events
0 1.0 2.0 4.0 6.0
Captulo 6
pgina 581
Datos categricos:
- Test de
2
de tendencia lineal
- Tau-C de Kendall
- D de Somers
sea NOMINAL
Captulo 6
pgina 582
Existe relacin entre el nivel cultural y el hbito tabquico?
Variable PREDICTORA
CUALITATIVA ordinal
Variable RESULTADO
Nivel cultural
Hbito tabquico
Captulo 6
pgina 583
Tabla de contingencia que representa el nivel de estudios alcanzado frente al hbito tabquico actual
Fumador actual
ESTUDIOS NO SI Total Porcentaje
<Primarios 7 13 20 65%
Primarios 30 20 50 40%
Secundarios 20 10 30 33%
Universitarios 75 25 100 25%
TOTAL 132 68 200 34%
Test de
2
de tendencia lineal
Existe relacin entre el nivel socioeconmico y el
hbito tabquico?
2
tendencia lineal
= 11,56 p=0,001
Captulo 6
pgina 584
Grfco que representa el porcentaje de fumadores
segn su nivel de instruccin
F
r
e
c
u
e
n
c
i
a

d
e

t
a
b
a
q
u
i
s
m
o
2
tendencia lineal
= 11,56 p = 0,001
Captulo 6
pgina 585
Existe relacin entre el nivel cultural y la realizacin de
alguna mamografas de cribado en los 3 ltimos aos?
Variable PREDICTORA
CUALITATIVA ordinal
Variable RESULTADO
Nivel educativo
Mamografa
Captulo 6
pgina 586
Tabla de contingencia que representa el nivel de estudios alcanzado frente a la realizacin de alguna
mamografa de cribado en los ltimos 3 aos.
Mamografa de cribado
ESTUDIOS SI NO % OR IC 95%
Sin estudios 9 233 3,7% 1,00
Primarios 81 700 10,4% 3,00 1,48 - 6,06
Secundarios 23 140 14,1% 4,25 1,91 9.45
Universitarios 13 41 24,1% 8,21 3,30 20,44
TOTAL 126 1114
Test de
2
de tendencia lineal
Existe relacin entre el nivel de instruccin y la
realizacin de mamografas?
2
tendencia lineal
= 24,22 p < 0,00001
Captulo 6
pgina 587
Grfco que representa el porcentaje de fumadores
segn su nivel de instruccin
F
r
e
c
u
e
n
c
i
a

d
e

p
a
r
t
i
c
i
p
a
c
i
n

e
n

p
r
o
g
r
a
m
a
s

d
e

p
r
e
v
e
n
c
i
n
M
u
j
e
r
e
s

q
u
e

s
e

h
a
n

r
e
a
l
i
z
a
d
o

a
l
g
u
n
a

m
a
m
o
g
r
a
f
i
a
e
n

l
o
s

3

l
t
i
m
o
s

a
o
s
2
tendencia lineal
= 24,22 p < 0,0001
Captulo 6
pgina 588
El conocimiento que las mujeres tienen de la mamografa como medida
preventiva del cncer de mama se encuentra asociado estadsticamente a
la mayor utilizacin de la misma por parte de stas y se detecta una clara
tendencia creciente en la utilizacin de la mamografa de cribado a medida
que aumenta el nivel educativo de las mujeres de la muestra.
Sim Miana J, Gaztambide Ganuza M, Morote Sanchs M, et al. Utilizacin de la mamografa de cribado
y sus determinantes demogrfcos y de riesgo entre mujeres de 25 a 65 aos. Med Clin (Barc) 1997; 108:
767-771.
Captulo 6
pgina 589
Coincidente con otros datos publicados es la relacin encontrada entre el
nivel educativo y la utilizacin de la mamografa de cribado. Al igual que
ocurre con otras prcticas de carcter preventivo, la mamografa de cribado
es ms utilizada por las mujeres con mayor nivel educativo. No hay que
olvidar que este factor est relacionado con el nivel econmico, variable que
no ha sido recogida en nuestro trabajo y que tambin ha sido asociada a una
mayor utilizacin de la mamografa de cribado.
Sim Miana J, Gaztambide Ganuza M, Morote Sanchs M, et al. Utilizacin de la mamografa de cribado
y sus determinantes demogrfcos y de riesgo entre mujeres de 25 a 65 aos. Med Clin (Barc) 1997; 108:
767-771.
Captulo 6
pgina 590
Daz Portillo J et al. Prevalencia del sndrome anmico gestacional en Ceuta. Estudio de una poblacin
birracial. Ciencia Ginecolgika 1998, 2 (1): 3-14.
Existe relacin entre el sndrome anmico gestacional
y el grupo cultural en Ceuta? Existen diferencias en la
prevalencia durante los trimestres de la gestacin?
Variable PREDICTORA
Variable RESULTADO
Cualitativa ordinal
- Cristianas
- Musulmanas
Sndrome anmico gestacional
- Primer trimestre
- Segundo trimestre
- Tercer trimestre
Captulo 6
pgina 591
Tabla de contingencia que representa la prevalencia de sndrome anmico gestacional en los dos grupos
culturales mayoritarios de Ceuta, y su incidencia en cada trimestre del embarazo.
Mamografa de cribado
Trimestre Cristianas Musulmanas Test 2 p Total
1 trimestre 5,1% 11,4% 4,75 p = 0,029
7,9%
2 trimestre 23,9% 27,0% NS NS 25,5%
3 trimestre 39,6% 57,4% 19,91 p < 0,0001 49,2%
2
de tendencia lineal 34,3 56,7 71,8
Signifcacin (p) p < 0,001 p < 0,001 p < 0,001
Test de
2
de tendencia lineal
Test de
2
de Pearson de indepencia
Captulo 6
pgina 592
Grfco que representa la prevalencia de sndrome
anmico gestacional en los dos grupos culturales
mayoritarios de Ceuta
F
r
e
c
u
e
n
c
i
a

d
e

S
n
d
r
o
m
e

a
n
m
i
c
o

g
e
s
t
a
c
i
o
n
a
l
Captulo 6
pgina 593
La hipertrigliceridemia en sangre de cordn umbilical
puede ser indicativa de episodios de sufrimiento fetal?
Variable PREDICTORA
SFA
Variable RESULTADO
Hipertrigliceridemia
Test de APGAR
Triglicridos (sangre de
cordn)
Captulo 6
pgina 594
Test de 2 de tendencia lineal
Daz Portillo J. Infuencia del grupo tnico en el patrn lipoproteico de una determinada poblacin
peditrica de Ceuta. Tesis doctoral . Facultad de Medicina. Universidad de Cdiz . Noviembre 1997.
Categorizacin
Variable RESULTADO
Variable PREDICTORA
Variable
PREDICTORA
Cualitativa ordinal
Variable RESULTADO
Cualitativa nominal
Tabla 4.- Relacin entre la presencia de hipertrigliceridemia neonatal y el indice de apgar al minuto.
TEST DE
APGAR
(n=36)
Normotrigliceridemia
(n=636)
OR
Mayor de 7 27 (2,1%) 1253 (97,9%) 1,00
Igual a 7 4 (11,1%) 81 (88,9%) 2,29
Menor de 7 5 (15,6%) 27 (84,4%) 8,57
OR: Odds Ratio
Test de ji al cuadrado de tendencia (
2
) = 20,85 ; p<0,0001
Tabla 4.- Relacin entre la presencia de hipertrigliceridemia neonatal y el indice de apgar al minuto.
TEST DE
APGAR
(n=36)
(n=636)
OR
Mayor de 7 27 (2,1%) 1253 (97,9%) 1,00
Igual a 7 4 (11,1%) 81 (88,9%) 2,29
Menor de 7 5 (15,6%) 27 (84,4%) 8,57
Captulo 6
pgina 595
La tabla 4 relaciona la presencia de hipertrigliceridemia neonatal con
el ndice de Apgar al minuto. Se observ una relacin estadsticamente
signifcativa con tendencia lineal entre ambas variables categricas, con
una asociacin creciente entre la hipertrigliceridemia y la disminucin
del ndice de Apgar. La probabilidad de detectar hipertrigliceridemia en
neonatos con ndices de Apgar inferiores a 7 fue ocho veces superior que
en RN con Apgar fsiolgico.
Resultados
Captulo 6
pgina 596
Nuestros resultados apoyan los obtenidos por Tsang et al. (12) y Andersen
y Friis-Hansen (13), e indican una fuerte asociacin entre los episodios de
sufrimiento fetal y la hipertrigliceridemia neonatal.
Del mismo modo, la frecuencia de hipertrigliceridemia va aumentando
conforme disminuye el ndice de Apgar.
Discusin
Exposicin Desenlace o efecto
SFA
OR = 7,23 p=0,003
Captulo 6
pgina 597
Jacobo Daz Portillo, Mara Jess Snchez Del Pino, Ana Navarro Arvalo. INFLUENCIA DEL
TABAQUISMO EN EL PERFIL LIPOPROTEICO Y GRADO DE PEROXIDACIN LIPDICA EN SANGRE DE
CORDN.
Revista de Diagnstico Biolgico 2000; 49: 23-30.
La hipertrigliceridemia en sangre de cordn umbilical puede
ser debida al consumo de tabaco durante la gestacin?
Consumo de tabaco Hipertrigliceridemia
Triglicridos (sangre de cordn)
Captulo 6
pgina 598
Variable RESULTADO
Variable RESULTADO
Cualitativa nominal
Infuencia del tabaco Hipertrigliceridemia
neonatal
neonatal
OR
No fumadoras 1,7% 98,3% 1,00
Fumadoras moderadas 5,3% 94,7% 3,20
Grandes fumadoras 5,4% 94,6% 3,27
Utiliza la estadstica como un borracho usa una farola, para aguantarse en
lugar de para iluminarse
Andrew Lang
2
tendencia lineal = 5,68 p=0,017
Categorizacin
Captulo 6
pgina 599
Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin
de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.
Existen diferencias en la prevalencia de infeccin tuberculosa
en el colectivo de inmigrantes residentes en el campamento de
Calamocarro en Ceuta segn la edad?
Variable PREDICTORA
CUALITATIVA policotmica
Variable RESULTADO
Inmigrantes
< 25 aos
25-35 aos
>35
Tuberculosis
Captulo 6
pgina 600
Anlisis del texto en el MATERIAL y MTODOS
Empleamos el test de chi
2
para comparacin de porcentajes, y la prueba
de la t de Student para variables cuantitativas. La evaluacin de las
tendencias se realiz con la prueba de chi
2
de tendencia lineal.
Anlisis del texto en los RESULTADOS
Con independencia del punto de corte seleccionado, se observ mayor
positividad en el sexo masculino que en el femenino, y la positividad
tambin present una ligera tendencia a aumentar con la edad (p = 0,07).
Anlisis del texto en la DISCUSIN
?
Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin
de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.
Captulo 6
pgina 601
Variable RESULTADO
Variable RESULTADO
Cualitativa nominal policotmica
Grupo etario Mantoux (+) Mantoux (-) N Prevalencia
Menos de 25 aos 221 721 942 28,2%
25 - 35 aos 242 482 724 33,5%
> 35 aos 15 38 53 27,8%
Andrew Lang
2
tendencia lineal = 5,2 p = 0,07
Categorizacin
Captulo 6
pgina 602
Test de 2 de Pearson de independencia
Variable RESULTADO
Variable RESULTADO
Cualitativa nominal dicotmica
Grupo etario Mantoux (+) Mantoux (-) N Prevalencia
Menos de 25 aos 221 721 942 28,2%
25 - 35 aos 242 482 777 33,1%
Andrew Lang
Categorizacin
2
= 26,07 p=0,0000003
Captulo 6
pgina 603
Existen diferencias en la prevalencia de infeccin tuberculosa
en el colectivo de inmigrantes residentes en Toledo segn la
edad?
Variable PREDICTORA
Variable RESULTADO
Inmigrantes
< 20 aos
25-29 aos
30-39 aos
Tuberculosis
Captulo 6
pgina 604
Anlisis del texto en el MATERIAL y MTODOS
En el anlisis se emplearon los tests de la
2
de Pearson, para comparacin de
porcentajes, y la t de Student y anlisis de varianza (ANOVA), para comparacin de
medias y varianzas. Se realiz tambin una regresin logstica no condicional por el
mtodo stepwise backward (LR). Las variables independientes incluidas en el modelo
fueron la edad, sexo, peso y origen subsahariano, mientras que la variable dependiente fue
la IDRM positiva.
Anlisis del texto en los RESULTADOS
La prevalencia de infeccin tuberculosa por grupos de edad se muestra en la tabla 2, en
la que puede apreciarse cmo la mayor frecuencia (38,7%) apareci en el grupo de edad
30-39 aos..
Anlisis del texto en la DISCUSIN
En sta ltima la prevalencia encontrada tanto en el grupo de edad de 20 a 29 aos
(12,1%), como en el de 30 a 39 aos (22,7%), est en ambos casos por debajo de los
resultados de nuestro estudio. Los resultados de nuestro trabajo aportan valores en la
misma lnea que los obtenidos por Durn y colaboradores
13
en inmigrantes recin llegados
a Barcelona.
Captulo 6
pgina 605
Variable RESULTADO
Variable RESULTADO
Cualitativa nominal ordinal
Prueba de la
tuberculina
Transversal Casos-
controles
Grupo etario Mantoux (+) Mantoux (-) N Prevalencia OR
Menos de 25 aos 5 61 64 7,8% 1,00
25 - 35 aos 21 41 62 33,9% 6,25
> 35 aos 36 57 93 38,7% 7,71
Categorizacin
2
Captulo 6
pgina 606
Laguna P, Moya M, Gazapo R, Salgado R, Calabrese S. Deteccin de deterioro cognitivo en ancianos
atendidos en un servicio de urgencias hospitalario. Rev Cln Esp 1997; 197: 336-340.
Qu relacin existe entre la edad y la presencia de deterioro
cognitivo moderado-severo en un grupo de enfermos mayores
( aos) atendidos en los servicios de urgencia del hospital?
Variable PREDICTORA
Cualitativa ORDINAL
Variable RESULTADO
Grupo etario
- 60-64 aos
- 65-69 aos
- 70-74 aos
- 75-79 aos
- 80-84 aos
85 aos
Deterioro cognitivo
Captulo 6
pgina 607
Variable RESULTADO
Variable RESULTADO
Deterioro cognitivo Transversal Casos-controles
Grupo etario SI NO N Prevalencia OR IC95%
60 - 64 aos 8 41 49 16,3% 1,00
65 - 69 aos 14 56 70 20 % 1,28 0,45 - 3,72
70 - 74 aos 19 64 83 22,9% 1,52 0,56 - 4,20
75 - 79 aos 18 51 69 26,1% 1,81 0,66 - 5,09
80 - 84 aos 18 33 51 35,3% 2,80 0,99 - 8,09
85 aos 17 13 30 56,7% 6,70 2,11 22,07
Total 94 258 352 26,7%
Categorizacin
2
Captulo 6
pgina 608
Por qu estratifcas la variable edad en 6 categoras?
Por qu no categorizas la variable edad en slo 3 estratos ordinales?
Aunque el clculo de la prueba
2

Pearson
de tendencia lineal ha resultado
signifcativa, el IC95% de los OR de los distintos grupos de edad incluyen el 1
(valor numrico de igualdad), con lo que perdemos informacin...
El test de
2
de tendencia lineal, aunque admite ms de 3 categoras ordinales
para la variable predictora, no es conveniente estratifcar ms all a no ser
que se disponga de un importante volumen muestral, de lo contrario los
IC95% no son signifcativos.
Captulo 6
pgina 609
Variable RESULTADO
Variable RESULTADO
Deterioro cognitivo Transversal Casos-controles
Grupo etario SI NO N Prevalencia OR IC95%
60 - 69 aos 22 97 119 18,5% 1,00
70 79 aos 37 115 152 32,2% 1,42 (1,12 1,83)
80 aos 35 46 81 43,2% 3,35 (2,05 4,96)
Total 94 258 352 26,7%
El anlisis de tendencias demostr una relacin estadsticamente signifcativa entre la
edad del anciano y el deterioro cognitivo de grado moderado o severo (p < 0,001).
Categorizacin
2
Captulo 6
pgina 610
Laguna P, Moya M, Gazapo R, Salgado R, Calabrese S. Deteccin de deterioro cognitivo en ancianos
atendidos en un servicio de urgencias hospitalario. Rev Cln Esp 1997; 197: 336-340.
Existe relacin entre el hbito tabquico y la presencia del
ADN del Papiloma virus (HPV) en pacientes con lesiones
escamosas intraepiteliales del crvix uterino?
Variable PREDICTORA
Cualitativa ORDINAL
Variable RESULTADO
Hbito tabquico
(n cigarrillos/da)
1. No fumador (0 )
2. Moderado ( 20)
3. Alto (> 20)
ADN del HPV
Human Papilloma Virus
Captulo 6
pgina 611
ADN HPV
TABACO (+) (-) % OR IC 95% p
No fumador 5 13 27,8 1,00
Moderado 19 24 44,2 2,06 0,55 8,62 0,36
Alto 4 1 80,0 10,40 0,70 550,31 0,06
TOTAL 28 38 2
tendencia lineal
= 4,022 0,045
Tabla de contingencia que representa el hbito tabquico (n de cigarrillos al da) y la
presencia del ADN del papiloma virus (HPV) en pacientes con lesiones escamosas
intraepiteliales del crvix uterino.
Captulo 6
pgina 612
No se observaron diferencias signifcativas entre la edad media y la edad
media de inicio de las relaciones sexuales, y la positividad del HPV. Por
el contrario, la asociacin con el hbito tabquico fue estadsticamente
signifcativa, observndose una asociacin creciente ente la deteccin del
HPV y el consumo de cigarrillos (tabla).
Torn A, Ordi J, Lluis M, et al. Determinacin del papiloma virus mediante hibridacin in situ. Correlacin
clnicopatolgica y virolgica en pacientes con lesiones escamosas intraepiteliales del crvix uterino. Med
Clin (Barc) 1997; 109: 691-695.
Captulo 6
pgina 613
Diversos estudios han destacado el efecto que el consumo de tabaco
puede ejercer en interaccin con el HPV facilitando y cooperando con los
mecanismos oncogenticos. En el presente estudio, el hallazgo de una
asociacin creciente entre la deteccin del HPV y el consumo de cigarrillos
puede relacionarse con el resultado de estudios experimentales que
demuestran que los productos del tabaco causan un defecto inmunolgico
a nivel cervical, disminuyendo la capacidad de presentacin de antgenos
por las clulas de langerhans, fenmeno que fnalmente favorece tanto la
infeccin por HPV en el epitelio cervical.
Torn A, Ordi J, Lluis M, et al. Determinacin del papiloma virus mediante hibridacin in situ. Correlacin
clnicopatolgica y virolgica en pacientes con lesiones escamosas intraepiteliales del crvix uterino. Med
Clin (Barc) 1997; 109: 691-695.
Captulo 6
pgina 614
Aunque el clculo de la prueba
2

Pearson
de tendencia lineal ha resultado
signifcativa (p= 0,045), sin embargo el IC95% de los OR de los distintos
grupos de fumadoras (moderadas e intensas) incluyen el 1 (valor numrico de
igualdad), con lo que perdemos informacin, adems se pierde signifcacin
estadstica (p>0,05)
El test de
2
de tendencia lineal, aunque admite 3 o ms categoras ordinales
para la variable predictora, NO es conveniente que los casilleros contengan
valores inferiores a 5, como ocurre en el grupo de las fumadoras intensas (>
20 cigarrillos/da) .
Sabes lo que ocurre si agrupas las fumadoras moderadas con las intensas y
la enfrentas a las no fumadoras (no fumadoras versus fumadoras)?
OBSERVA LO QUE OCURRE!!!
Captulo 6
pgina 615
Tabla de contingencia que representa la presencia del HPV con el hbito
tabquico.
ADN HPV
TABACO SI (+) NO (-) Total
NO 5 13 18
SI 23 25 48
TOTAL 28 38 66
2
= 2,17 p=0,140
No existe asociacin
Captulo 6
pgina 616
Por qu torturas a los datos con test estadsticos NO idneos para que te
digan lo que a ti te interesa?
Sabes lo que te ha ocurrido?
Te ha abrumado el enorme peso de la bibliografa que es muy numerosa
en estudios experimentales y clnicos que relacionan el tabaco, el HPV y el
cncer de crvix, y su interaccin.
Ante tan bajo volumen muestral
No crees que puedes haber cometido un error beta (bajo tamao muestral)?
Sndrome de la CARGA bibliogrfca
Captulo 6
pgina 617
Existe asociacin entre el hbito tabquico y la EPOC?
Variable PREDICTORA
Variable RESULTADO
Hbito tabquico
EPOC
Captulo 6
pgina 618
Tabla de contingencia que representa la EPOC frente al hbito tabquico.
EPOC
TABACO SI NO Total
SI 26 (43%) 34 60
NO 7 (23%) 23 30
TOTAL 33 57 90
No existe asociacin
2
= 3,44 p=0,063
Captulo 6
pgina 619
Existe relacin entre la EPOC y el la intensidad del hbito
tabquico?
Variable PREDICTORA
Cualitativa ordinal
Variable RESULTADO
Hbito tabquico
1. No fumador
2. Moderado
3. Alto
EPOC
Captulo 6
pgina 620
EPOC
TABACO SI NO Total
No fumador 7 23 30
Moderado 11 19 30
Alto 15 15 30
TOTAL 33 57 90
No existe asociacin
2
= 4,60 p=0,111
Captulo 6
pgina 621
Por qu utilizas el test de
2

Pearson
?
Se cumplen sus condiciones de aplicacin?
En el clculo de la prueba
2

Pearson
no se tiene en cuenta el orden de las
categoras y de este modo perdemos una valiosa informacin..
El test de
2
de tendencia lineal, siempre tiene un grado de libertad, e incluye
una modifcacin para su clculo respecto a la expresin de la prueba
2

Pearson
, de modo se tiene en cuenta el orden de las categoras.
Captulo 6
pgina 622
EPOC Caso-control
TABACO SI NO Total OR
No fumador 7 23 30 1,00
Moderado 11 19 30 1,90
Alto 15 15 30 3,29
TOTAL 33 57 90
2
= 4,54 p = 0,033
Existe asociacin
Captulo 6
pgina 623
Existe relacin entre la gravedad de la EPOC y la intensidad
del hbito tabquico?
Variable PREDICTORA
Cualitativa ordinal
Variable RESULTADO
Cualitativa ordinal
Hbito tabquico
1. No fumador
2. Moderado
3. Alto
Gravedad EPOC
1. Leve
2. Moderada
3. Grave
Captulo 6
pgina 624
Tabla de contingencia que representa la gravedad de la EPOC frente al hbito tabquico
EPOC
TABACO Leve Moderado Grave Total
No Fumador 20 8 2 30
Moderado 8 10 12 30
Alto consumo 2 8 20 30
TOTAL 30 26 34 90
Existe asociacin
= 0,718
Coeficiente Gamma
Fuerte asociacin positiva entre ambas variables
Captulo 6
pgina 625
Existe asociacin entre el nivel de instruccin (cultural) y el
nivel econmico?
A mayor nivel cultural habr mayor nivel econmico?
Variable PREDICTORA
Cualitativa ordinal
Variable RESULTADO
Cualitativa ordinal
Nivel instruccin
Nivel econmico
Captulo 6
pgina 626
Tabla de contingencia que representa el nivel de estudios frente al nivel econmico
Nivel econmico
ESTUDIOS Alto Medio Bajo TOTAL
Universitarios 19 5 1 25
Secundarios 14 22 1 37
Primarios 7 36 7 50
TOTAL 40 63 9 112
2
Pearson
= 30,15 p <0,000001
Existe asociacin entre el nivel de instruccin y el nivel
econmico?
SI
Existe relacin gradual entre el nivel de instruccin y el nivel econmico?
Tau-b de Kendall
Captulo 6
pgina 627
Ordinal por ordinal Valor del estadstico Signifcacin
Tau-b de Kendall + 0,448 0,000
Tau-c de Kendall + 0,399 0,000
Existe relacin gradual entre el nivel de instruccin y el nivel
econmico?
H
a
: A mayor nivel de instruccin mayor nivel econmico.
H
o
: A mayor nivel de instruccin no existe mayor nivel econmico.
H
a
Tau-b de Kendall
SI
Captulo 6
pgina 628
- Condiciones de aplicacin.
- Tablas cuadradas (3 x 3), (4 x 4)
- Interpretacin:
- Tau = 0 independencia.
- Tau > 0 asociacin positiva.
- Tau < 0 asociacin negativa.
- Intervalo de Tau : (-1, +1).
- Informacin:
- Medida de la intensidad de la asociacin de variables ordinales.
- Sentido de la misma (direccionalidad).
- Condiciones de aplicacin: nmero de flas distinto al nmero de columnas (Tablas NO
cuadradas).
Tau-b de Kendall
Tau-b de Kendall
Estadistico Tipo Variables Tipo tabla
Tau-b de Kendall Ordinal X Ordinal K = F
Tau-c de Kendall Ordinal X Ordinal K F
Captulo 6
pgina 629
nivel econmico?
Variable PREDICTORA
Cualitativa ordinal
Variable RESULTADO
Cualitativa ordinal
Nivel instruccin
Nivel econmico
Captulo 6
pgina 630
Nivel econmico
Primarios 7 36 7 50
TOTAL 40 63 9 112
2
Pearson
= 30,15 p <0,000001
econmico?
SI
Coeficiente Gamma
Captulo 6
pgina 631
Ordinal por ordinal Valor de EE T
aprox
Signifcacin
Gamma + 0,687 0,098 5,804 0,000
N de casos vlidos 112
econmico?
H
a
H
o
H
a
Coefciente Gamma
SI
Captulo 6
pgina 632
- Test de contraste de hiptesis.
- Test de asociacin para variables ordinales.
- Interpretacin:
= 0 independencia
> 0 asociacin positiva
< 0 asociacin negativa
- Intervalo de : (-1, +1).
- Informacin:
Coefciente Gamma
-1 +1
0
A mayor nivel de
instruccin MENOR
nivel econmico
A mayor nivel de
instruccin MAYOR
nivel econmico
Variables no
asociadas
Captulo 6
pgina 633
nivel econmico?
Variable PREDICTORA
Cualitativa ordinal
Variable RESULTADO
Cualitativa ordinal
Nivel instruccin
Nivel econmico
Captulo 6
pgina 634
Nivel econmico
Primarios 7 36 7 50
TOTAL 40 63 9 112
2
Pearson
= 30,15 p <0,000001
econmico?
SI
H
a
: El nivel econmico (variable resultado) es dependiente del nivel de
instruccin (variable predictora).
D de Somers
Captulo 6
pgina 635
Valor del estadstico D Signifcacin
Simtrica (no se sabe cual es la resultado) 0,447 0,000
Nivel de instruccin resultado (dependiente) 0,484 0,000
Nivel econmico resultado (dependiente) 0,415 0,000
econmico?
H
a
H
o
H
a
D de Somers
SI
Captulo 6
pgina 636
- Test de contraste de hiptesis.
- Test de asociacin para variables ordinales.
- Interpretacin:
D = 0 independencia
D > 0 asociacin positiva
D < 0 asociacin negativa
- Intervalo de D de Somers: (-1, +1).
- Informacin:
D de Somers
-1 +1
0
A mayor nivel de
instruccin MENOR
nivel econmico
A mayor nivel de
instruccin MAYOR
nivel econmico
Variables no
asociadas
Captulo 6
pgina 637
nivel econmico?
Variable PREDICTORA
Cualitativa ordinal
Variable RESULTADO
Cualitativa ordinal
Nivel instruccin
Nivel econmico
Cul es los tests estadsticos ms acertados?
RESUMEN
Captulo 6
pgina 638
Nivel econmico
ESTUDIOS Alto Medio Bajo Muy bajo TOTAL
Titulado superior 12 32 6 0 50
Titulado medio 5 21 136 19 181
Secundarios 0 1 94 95 190
Primarios 0 0 24 29 53
TOTAL 17 54 260 143 474
D de Somers Gamma
Tau-b de Kendall Tau-c de Kendall
Captulo 6
pgina 639
D de Sommers (medidas
direccionales)
Valor del
estadstico
EED T
aprox
Muy bajo
Simtrica (no se sabe cual es la
variable resultado)
0,557 0,029 16,075 0,000
Nivel econmico variable
resultado (dependiente)
0,525 0,030 16,075 0,000
Nivel de instruccin variable
resultado (dependiente)
0,593 0,030 16,075 0,000
Ordinal por ordinal Valor del estadstico EE T
aprox
Signifcacin
Gamma 0,798 0,031 16,075 0,000
Tau-b de Kendall 0,558 0,029 16,075 0,000
Tau-c de Kendall 0,469 0,029 16,075 0,000
H
a
Captulo 7
pgina 640
Cuantitativa versus cuantitativa.
Captulo 7
Captulo 7
pgina 641
Materiales y mtodos
Estructura
Captulo 7
pgina 642
Captulo 7
pgina 643
estadstica p
p < 0,05 A B p 0,10 A = B
explicarlo todo
explique todo
el ERROR
ERROR
signifcativas
signifcativas
Captulo 7
pgina 644
Variable resultado
Anlisis estadstico
Dicotmica Continua
Variable
Predictora
Dicotmica
Variable
Independiente
Continua
Regresin lo-
gstica
Regresin lineal
Captulo 7
pgina 645
REGRESIN LINEAL SIMPLE
ANLISIS ESTADSTICO
Variable resultado
Dicotmica Continua
Variable
Predictora
Dicotmica
Test de
2
t de Student
Variable
Independiente
Continua
Regresin lo-
gstica
Regresin lineal
Anlisis estadstico
Captulo 7
pgina 646
Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA
Test de Wilcoxon
Test de Friedman
REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Long-Rank
Regresin de COX
Captulo 7
pgina 647
Variable
PREDICTORA o
de estudio)
Cualitativa nominal
dos
categoras
Cualitativa nominal
> 2
categoras
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica
independientes
Chi cuadrado
Z comparacin de
proporciones
Test exacto de
Fisher
(prueba de Welch)
apareados
rangos
de Wilcoxon
T de Student
para datos
emparejados
independientes
Wallis
(ANOVA)
apareados
de dos vas
Sperman
Tau de Kendall
Regresin lineal
Captulo 7
pgina 648
Cules son las pruebas estadsticas que tenemos que emplear?
Cualitativa versus cuantitativa
Variable PREDICTORA
CUANTITATIVA
Variable RESULTADO
CUANTITATIVA
- Continua
- Discreta
- Continua
- Discreta
Captulo 7
pgina 649
Regresin lineal simple:
- Describe como es la relacin entre la variable predictora (X) y la variable
resultado (Y)
- Busca la lnea que mejor se ajusta a los puntos (x, y), y por tanto busca la
mejor prediccin de Y a partir de X
Correlacin:
- Mide el grado o fuerza de asociacin entre dos variables cuantitativas (X, Y).
Cuantitativa versus cuantitativa
Datos cuantitativos:
Captulo 7
pgina 650
Regresin lineal simple.
- Coefciente de regresin
- Covarianza
Correlacin paramtrica
- Coefciente de correlacin de Pearson (r)
- Coefciente de determinacin r
2

Correlacin NO paramtrica
- Coefciente de correlacin de Spearman ()
Concordancia
- Coefciente de correlacin intraclase
Captulo 7
pgina 651
Comparacin de mtodos analticos
Regresin paramtrica
- Regresin lineal simple
- Coefciente de regresin
- Coefciente de correlacin intraclase
Regresiones NO paramtricas
- Regresin de Theil
- Regresin de Passing - Bablok
- Regresin de Bland - Altman
- Regresin de Tholen - Ludbrook
Captulo 7
pgina 652
Relacin directa e inversa
Para valores de X por en-
cima de la media tenemos
valores de Y por encima y
por debajo en proporciones
similares. Incorrelacin.
Para los valores de X mayores
que la media le corresponden
valores de Y menores. Esto es
relacin inversa o decreciente.
Para los valores de X mayores
valores de Y mayores tambin.
Para los valores de X menores
valores de Y menores tambin.
Esto se llama relacin directa.
Incorrelacin
30
80
130
180
230
280
330
140 150 160 170 180 190 200
Incorrelacin
30
80
130
180
230
280
330
140 150 160 170 180 190 200
Fuerte relacin
directa.
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Cierta relacin
inversa
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
Captulo 7
pgina 653
Qu relacin existe entre el grado de IRC y el grado de
anemizacin del enfermo?
IRC
Creatinemia
Hemoglobinemia
Anemia
Variable PREDICTORA (X)
Variable RESULTADO (Y)
Captulo 7
pgina 654
Relacin entre variables cuantitativas continuas
Variable independiente, fija controlada por el investigador
V
a
r
i
a
b
l
e

R
E
S
U
L
T
A
D
O
-
R
E
S
P
U
E
S
T
A
-
p
o
s
i
b
l
e

E
F
E
C
T
O
V
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
V
a
r
i
a
b
l
e

c
u
a
n
t
i
t
a
t
i
v
a

c
o
n
t
i
n
u
a
Representacin grfica de los niveles de creatinina y hemoglobina en
50 pacientes con fallo renal crnico
Hemoglobina (g/dl)
Creatinina (mg/dl)
11
9
10
8
7
22 33 44 55 66 77 88
Captulo 7
pgina 655
Regresin lineal simple. Coefciente de regresin
0
Representacin grfica de los niveles de creatinina y
hemoglobina en 50 pacientes con fallo renal crnico
Hemoglobina (g/dl)
1
Coefciente de regresin 1
Hb (Y) = 12,25 0,5708 * [Creatinina]
Estimaciones de los parmetros y sus
errores estndar para en la relacin de los
niveles de creatinina y hemoglobina en 50
pacientes con fallo renal crnico
Variable Estimacin Error estndar
Constante 12,25 0,2984
Creatinina - 0,5708 0,05312
E(Y) =
0
+
1
* X
Captulo 7
pgina 656
Regresin Lineal Simple. Coefciente de regresin
El valor de
1
es estadsticamente distinto de cero y por tanto podemos decir que existe
dependencia lineal entre los niveles de Hb y los de Cr en los pacientes con IRC?
Podemos decir con error inferior al 5% que el nivel de Hb est asociado o depende del
nivel de Cr.
Estimaciones de los parmetros y sus
errores estndar para en la relacin de los
niveles de creatinina y hemoglobina en 50
pacientes con fallo renal crnico
Creatinina - 0,5708 0,05312
1
EE1
=
0,5708
0,05312
=
10,74
1
EE1
=
0,5708
0,05312
=
10,74 > Z
95%
Z Valor Error
Z
90%
1,64 90% 10%
Z
95%
1,96 95% 5%
Z
99%
2,56 99% 1%
Z
99,5%
3,29 99,5% 0,5%
Captulo 7
pgina 657
Clculo del Intervalo de Confanza (IC) del coefciente de
regresin
Cul es el IC al 95% de confanza para el cambio en el nivel de Hb por unidad de
aumento en el nivel de Cr en los pacientes con IRC?
Podemos decir con error inferior al 5% , es decir con una confanza del 95%, que el
descenso medio del nivel de Hb ser como mnimo 0,47 g/dl y como mximo 0,67 g/dl por
aumento en 1 mg/dl en el nivel de Cr. El hecho de que el IC95% no contenga al cero esta
de acuerdo con el resultado del contraste de hiptesis realizado (p<0,05).
0,05312 - 0,5708 (1,96) X
=
(- 0,67, -0,47) 0,05312 - 0,5708 (1,96) X - 0,5708 (1,96) X
=
(- 0,67, -0,47)
1
EE
1
X
Z
95%
1
EE
1
X
Z
95%
Z Valor
Z
95%
1,96 95%
Z
99%
2,56 99%
Z
99,5%
3,29 99,5%
Captulo 7
pgina 658
- La covarianza entre dos variables, S
xy
, nos indica si la posible relacin entre
dos variables es directa o inversa.
Directa: S
xy
>0
Inversa: S
xy
<0
Incorreladas: S
xy
=0
- El signo de la covarianza nos dice si el aspecto de la nube de puntos es
creciente o no, pero no nos dice nada sobre el grado de relacin entre las
variables.
Covarianza de dos variables X e Y
) )( (
1
y y x x
n
S
i
i
i xy
=

Captulo 7
pgina 659
Regresin lineal simple: Covarianza
( )( )
1
n
i i
i
xy
x y
X X Y Y
r
n s s
=

=

( )( )
1
n
i i
i
xy
X X Y Y
s
n
=

=

xy
xy
x y
s
r
s s
=
Valores de la COVARIANZA dependiendo de la variacin al unsono de x e y

100
90
80
70
60
10 20 30 40 50
100 100
90 90
80 80
70 70
60 60
10 10 20 20 30 30 40 40 50 50
El valor de la COVARIANZA es cero cuando no hay variacin al unsono de x e y
Covarianza nula = 0
Covarianza positiva > 0
Covarianza negativa < 0
Captulo 7
pgina 660
Covarianza y coefciente de correlacin de Pearson (r)
( )( )
1
n
i i
i
xy
x y
X X Y Y
r
n s s
=

=

( )( )
1
n
i i
i
xy
x y
X X Y Y
r
n s s
=

=

xy
xy
x y
s
r
s s
=
xy
xy
x y
s
r
s s
=
Captulo 7
pgina 661
- La coefciente de correlacin lineal de Pearson de dos variables, r, nos indica si los
puntos tienen una tendencia a disponerse alineadamente.
- El coefciente tiene el mismo signo que la covarianza Sxy por tanto su signo nos informa
del tipo de relacin, directa o inversa.
r es til para determinar si hay relacin lineal entre dos variables, pero no servir para otro
tipo de relaciones (cuadrtica, logartmica, ...)
- El coefciente de correlacin no se debe extrapolar ms all del rango de valores
observado de las variables en estudio ya que la relacin existente entre X e Y puede
cambiar fuera de dicho rango.
- La correlacin no implica causalidad. La causalidad es un juicio de valor que requiere
ms informacin que un simple valor cuantitativo de un coefciente de correlacin (*).
- No debe utilizarse para comparar dos mtodos que intentan medir el mismo evento
(variable), como por ejemplo dos instrumentos que miden la tensin arterial. El coefciente
r mide el grado de asociacin entre dos cantidades pero no mira el nivel de acuerdo
o concordancia. Si los instrumentos de medida miden sistemticamente cantidades
diferentes uno del otro, la correlacin puede ser r 1 y su concordancia ser nula (**).
Coefciente de correlacin lineal de Pearson
y x
xy
S S
S
r =
(*) Pita Fernndez S. Correlacin frente a causalidad JANO 1996; (1174): 59-60.
(**) Bland JM, Altman DG. Statistical methods for assesing agreement between two methods of clinical
measurement. Lancet 1986; 1: 307-310.
Captulo 7
pgina 662
- Es adimensional
- Slo toma valores en [-1,1]
- Las variables son incorreladas r=0
- Relacin lineal perfecta entre dos variables r=+1 o r=-1
- Excluimos los casos de puntos alineados horizontal o verticalmente.
- Cuanto ms cerca est r de +1 o -1 mejor ser el grado de relacin lineal.
- Siempre que no existan observaciones anmalas.
Horbar JD, Onstad L, Wright E. Predicting mortality risk for infants weighing 501 to 1500 grams at birth: The
National Institutes of Health Neonatal Research Network report. Crit Care Med 1993; 21:1218.
Propiedades de r
-1 +1
0
Relacin
inversa
perfecta
Variables
incorreladas
Relacin
directa casi
perfecta
Captulo 7
pgina 663
Hb (Y) = 12,25 0,5708 * [Creatinina]
Nube de puntos con distinta fuerza de asociacin pero con la misma regresin
1
12 12
X
66
10 10
88
22 44 66 10 10 88
12 12
X
66
10 10
88
22 44 66 10 10 88
1
= - 0,5708
Hb (Y) = 12,25 0,5708 * [Creatinina]
1
= - 0,5708
Y
Y
Captulo 7
pgina 664
Coefciente de correlacin de Pearson
Alta fuerza de asociacin
Alto valor de r
Menor fuerza de asociacin
Menor valor de r
1
= - 0,5708
Y
r = - 0,98
12 12
X
66
10 10
88
22 44 66 10 10 88
1
= - 0,5708
r = - 0,72
12 12
X
66
10 10
88
22 44 66 10 10 88
1
= - 0,5708
r = - 0,72
Y
Captulo 7
pgina 665
- El valor absoluto de r es una medida de la fuerza de
asociacin entre dos variables cuantitativas distintas.
r > 0,70: magnitud intensa
0,3 < r < 0,7: magnitud moderada
r < 0,3: magnitud dbil
- Valores: -1 y 1
- Clculo del tamao muestral
- Mide la asociacin pero NO confundir la asociacin
estadstica con una relacin CAUSA-EFECTO.
Valor de r indica FUERZA de asociacin
12 12
X
66
10 10
88
22 44 66 10 10 88
r = - 0,72
Y
Captulo 7
pgina 666
Bajo valor de r Baja fuerza de asociacin
r = - 0,178
r = 0,136; p = 0,042
E
d
a
d
I
n
d
i
c
e
d
e

Q
u
e
t
e
l
e
t
(
I
M
C
)
Excrecin de sodio (mEq) en orina de 24 horas
r = -0,136; p = 0,048
r = 0,178; p = 0,042
Captulo 7
pgina 667
Supongamos que se desea estudiar la asociacin entre la edad y el nivel de colesterol
entre los pacientes de un centro de salud. Se disea un estudio piloto en el que se
determinar mediante una analtica el colesterol en una muestra aleatoria de los pacientes
durante un periodo de tiempo prefjado, de los que tambin se registrar su edad. Se
obtiene un valor del coefciente de correlacin lineal de Pearson entre la edad y el
colesterol de r=0,3. Aplicando las frmulas, con un NIVEL DE CONFIANZA del 95% (error
=5%) y un PODER ESTADSTICO del 80% (error =20%), se obtiene:
Si, adems, en este ltimo caso se prev un 20% de posibles prdidas de informacin
durante la ejecucin del estudio, el tamao muestral se recalcular segn la expresin:
En este caso, se necesitara incluir a 85
pacientes para llevar a cabo el estudio.
Es decir, se necesitara una muestra
de 107 pacientes para llevar a cabo la
investigacin.
Ejemplo del clculo del tamao muestral para el clculo del
coefciente de correlacin entre dos variables cuantitativas

Prtegas Daz S, Pita Fernndez S. Determinacin del tamao muestral para calcular la signifcacin del
coefciente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211.
Captulo 7
pgina 668
Regresin lineal simple. Coefciente de determinacin
V
a
r
i
a
b
l
e

R
E
S
U
L
T
A
D
O
-
R
E
S
P
U
E
S
T
A
-
p
o
s
i
b
l
e

E
F
E
C
T
O
V
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
V
a
r
i
a
b
l
e

c
u
a
n
t
i
t
a
t
i
v
a

c
o
n
t
i
n
u
a
Representacin grfica de los niveles de creatinina y hemoglobina en
50 pacientes con fallo renal crnico
Hemoglobina (g/dl)
Creatinina (mg/dl)
11
9
10
8
7
22 33 44 55 66 77 88
r = - 0,84
r
2
= 0,71
Y = 12,25 0,5708 * X
0
Captulo 7
pgina 669
Coefciente de determinacin r
2
- Indica el porcentaje de la variabilidad total de la variable dependiente o resultado
(Y) que puede ser explicada por la variable independiente o predictora (X)
- Se puede afrmar que el 71% de la variabilidad de las Hb (variable resultado) de
los 50 pacientes con IRC puede ser explicada por la distinta Cr de ellos ( r
2
=
0,71 ), resta por explicar un 29% que es achacable a otras variables predictoras
distintas de la Cr.
- Valores: -1 y 1
- El coefciente de correlacin r de Pearson deca que la magnitud de la
asociacin entre la Hb y la Cr es del 84% (r=0,84) de la mxima posible.
Captulo 7
pgina 670
Tipos de correlaciones: positivas (r > 0)
r=0,1
30
80
130
180
230
280
330
140 150 160 170 180 190 200
r=0,4
30
40
50
60
70
80
90
100
110
120
130
140 150 160 170 180 190 200
r=0,8
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
r=0,99
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
1
= constante (+)
1
= constante (+)
Captulo 7
pgina 671
Tipos de correlaciones: negativas (r < 0)
r=-0,5
0
10
20
30
40
50
60
70
80
90
140 150 160 170 180 190 200
r=-0,7
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
r=-0,95
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
r=-0,999
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
1
= constante (-)
1
= constante (-)
Captulo 7
pgina 672
peditrica de Ceuta. Tesis doctoral (Noviembre 1997). Facultad de Medicina de la Universidad de Cdiz.
Fenmeno Tracking
FACTORES AMBIENTALES
FACTORES GENTICOS
PERFIL LIPDICO
NEONATO
Estudio de cohortes
de 108 nios
PERFIL LIPDICO
SEGUNDO AO
Captulo 7
pgina 673
C
o
l
e
s
t
e
r
o
l

t
o
t
a
l

(
m
g
/
d
l
)

a
l

n
a
c
i
m
i
e
n
t
o
80 80 130 130 180 180 230 230
80 80
20 20
50 50
110 110
r = 0,23
r
2
= 0,05
p < 0,05
r = 0,23
r
2
= 0,05
p < 0,05
Captulo 7
pgina 674
C
o
l
e
s
t
e
r
o
l

t
o
t
a
l

(
m
g
/
d
l
)

a
l

n
a
c
i
m
i
e
n
t
o
80 80 130 130 180 180 230 230
80 80
20 20
50 50
110 110
P
75
P
75
64/108 (59,5%)
8/108 (7,4%)
21/108 (19,4%)
14/108 (13,9%)
D
a
c
b
P
75
P
75
Captulo 7
pgina 675
NEONATOS CT > P
75
CT P
75
CT > P
75
A B
CT P
75
C D
2
McMemar =
[ ( B C ) 1 ]
2
B + C
( B C ) 1
B + C
( B C ) 1
B + C
Z McNemar =
Captulo 7
pgina 676
NEONATOS CT > P
75
CT P
75
CT > P
75
8 21
CT P
75
14 64
2
McMemar =
[ ( 21 14 ) 1 ]
2
21 + 14
= 1,03
Captulo 7
pgina 677
Z Valor
Z
95%
1,96 0,05
Z
98%
2,32 0,02
Z
99%
2,56 0,01
Z
99,5%
3,29 0,005
Conclusin: Como el estadstico Z calculado 1,014 es INFERIOR a Z tabulado
evaluadas son independientes, es decir NO estn correlacionadas, y por tanto
no hay cambios importantes en la distribucin del colesterol total al pasar del
nacimiento al segundo ao de vida. Este comportamiento tambin se repite
en los dos grupos culturales (cristianos y musulmanes) de Ceuta.
( B C ) 1
B + C
( B C ) 1
B + C
Z McNemar =
( 21 14 ) 1
21 + 14
( 21 14 ) 1
21 + 14
Z McNemar = = 1,014
Captulo 7
pgina 678
C
o
l
e
s
t
e
r
o
l

t
o
t
a
l

(
m
g
/
d
l
)

a
l

n
a
c
i
m
i
e
n
t
o
80 80 130 130 180 180 230 230
80 80
20 20
50 50
110 110
P
75
P
75
P
75
P
75
b a
D
c
Captulo 7
pgina 679
A
p
o
p
r
o
t
e
n
a
B

(
m
g
/
d
l
)

a
l

n
a
c
i
m
i
e
n
t
o
50
40
30
20
10
50 50
40 40
30 30
20 20
10 10
r = 0,37
r
2
= 0,14
p < 0,01
r = 0,37
r
2
= 0,14
p < 0,01
Apoprotena B (mg/dl) durante el segundo ao de vida (12-20 meses)
0
110 100 90 80 40 50 60 70 120 130 30
Apoprotena B (mg/dl) durante el segundo ao de vida (12-20 meses)
00
110 110 100 100 90 90 80 80 40 40 50 50 60 60 70 70 120 120 130 130 30 30
Captulo 7
pgina 680
Apoprotena B (mg/dl) durante los primeros meses (12-13) del segundo ao de vida
110 110 70 70 150 150
A
p
o
p
r
o
t
e
n
a
B

(
m
g
/
d
l
)

a
l

n
a
c
i
m
i
e
n
t
o
10
30
42
34
26
18
10 10
30 30
42 42
34 34
26 26
18 18
r = 0,29 (IC95%=0,03-0,50)
r
2
= 0,08
p < 0,05
r = 0,29 (IC95%=0,03-0,50)
r
2
= 0,08
p < 0,05
Captulo 7
pgina 681
A
p
o
p
r
o
t
e
n
a
B

(
m
g
/
d
l
)

a
l

n
a
c
i
m
i
e
n
t
o
r = 0,50 (IC95%=0,25-0,68)
r
2
= 0,25
p < 0,001
r = 0,50 (IC95%=0,25-0,68)
r
2
= 0,25
p < 0,001
Apoprotena B (mg/dl) durante los 14-20 meses del segundo ao de vida
15 15
40 40
47 47
39 39
31 31
23 23
15 15
77
60 60 80 80 100 100 120 120
Captulo 7
pgina 682
Limitaciones del coefciente de correlacin de Pearson
Slo con la variable predictora incluida en el modelo (ALBMINA srica) slo se puede explicar el 16% de
la variabilidad de la variable resultado (PROTROMBINA), queda por explicar un 84% de la variabilidad que
es achacable a otras variables predictoras distintas no incluidas.
P
R
O
T
R
O
M
B
I
N
A
V
a
r
i
a
b
l
e

R
E
S
U
L
T
A
D
O
-
R
E
S
P
U
E
S
T
A
V
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
V
a
r
i
a
b
l
e

c
u
a
n
t
i
t
a
t
i
v
a

c
o
n
t
i
n
u
a
Protrombina (INR) = 25,1 + (14,4 * [Albmina])
= 14,4 (IC95%: 8,3-20,5)
R
2
= 0,16
120 120
100 100
80 80
60 60
40 40
20 20
00
1,6 3,4 3,4 3,2 3,2 3,0 3,0 2,8 2,8 2,6 2,6 2,4 2,4 2,2 2,2 2,0 2,0 1,8 1,8 3,6 3,6 3,8 3,8 4,0 4,0
ALBMINA
Variable PREDICTORA
Representacin grfica de la actividad de protrombina (INR) y la albmina srica en pacientes con hepatocarcinoma.
Captulo 7
pgina 683
El modelo (coefciente ) indica
que por cada 10 horas que pasa
sentada una mujer a la semana
aumenta su peso en unos 800
gr.
Slo con la variable predictora
incluida en el modelo (horas
sentado) slo se puede explicar
el 0,6% de la variabilidad de la
variable resultado (IMC), queda
por explicar un 99,4% de la
variabilidad que es achacable
a otras variables predictoras
distintas no incluidas.
V
a
r
i
a
b
l
e

R
E
S
U
L
T
A
D
O
-
R
E
S
P
U
E
S
T
A
-
p
o
s
i
b
l
e

E
F
E
C
T
O
V
a
r
i
a
b
l
e

d
e
p
e
n
d
i
e
n
t
e
V
a
r
i
a
b
l
e

c
u
a
n
t
i
t
a
t
i
v
a

c
o
n
t
i
n
u
a
Relacin entre el ndice de masa corporal (IMC) y las horas de estar sentado
a la semana en el tiempo libre.
Muestra representativa (n=7.926) mujeres de la Unin Europea
Horas sentado / semana (tiempo libre)
26,0 26,0
25,5 25,5
25,0 25,0
24,0 24,0
23,0 23,0
I
M
C

(
p
e
s
o

[
K
g
]

/

T
a
l
l
a

2
[
m
2
]
)
00 10 10 30 30 40 40 60 60
24,5 24,5
23,5 23,5
80 80 70 70 20 20 50 50
IMC = 23,5 + (0,03 * Horas sentada)

R
2
= 0,006
Captulo 7
pgina 684
NO se puede emplear el coefciente de correlacin de Pearson
Dos nubes de puntos con la misma pendiente 1 de valor cero que muestran dos situaciones muy diferentes.
A la izquierda ausencia de relacin. A la derecha relacin NO lineal.
Edad
100 100
90 90
80 80
70 70
60 60
G
l
u
c
e
m
i
a

(
m
g
/
d
l
)
10 10 20 20 30 30 40 40 50 50
Edad
I
n
d
i
c
e
d
e

m
a
s
a

C
o
r
p
o
r
a
l

(
I
M
C
)
34 34
32 32
20 20
22 22
24 24
26 26
28 28
30 30
10 10 80 80 70 70 60 60 50 50 40 40 30 30 20 20
1
= 0
1 = 0
Captulo 7
pgina 685
NO se puede emplear el coefciente de correlacin de Pearson
Podemos encontrar cualquier tipo de funcin matemtica con claro apartamiento de la
linealidad.
Relacin
cuadrtica
Relacin
hiperblica
y = a + b x
2
y = a + b
1
X
y = a + b
1
X
Captulo 7
pgina 686
Otros coefcientes de correlacin
- Cuando las variables en vez de ser numricas son ordinales, es posible
preguntarse sobre si hay algn tipo de correlacin entre ellas?
- Disponemos para estos casos de tres test estadsticos:
- (ro) de Spearman
- (tau) de Kendall
- Coefciente de asociacin ordinal de Goodman-Kruscall (coefente
gamma)
- Son estadsticos anlogos al coefciente de correlacin lineal de Pearson r,
que aparecen en estudios donde las variables cuantitativas no son continuas
y/o no siguen una distribucin normal.
- El coefciente de correlacin de Spearman es recomendable utilizarlo
cuando los datos presentan valores externos ya que dichos valores afectan
mucho el coefciente de correlacin de Pearson, o ante distribuciones NO
normales.
( )
2
1
2
6
1
1
n
i
i
s
d
r
n n
=
Captulo 7
pgina 687
Coefcientes de correlacin
PEARSON
- Ambas variables deben seguir
la distribucin NORMAL
- Slo detecta asociaciones
lineales
- Las observaciones han de ser
independientes
SPEARMAN
- No requiere supuestos previos
de normalidad
- Detecta asociaciones distintas
de la lineal
- Es un mtodo no paramtrico
pero permite la construccin de
intervalos de confanza
- Estima el grado de asociacin
de cualquier tipo con
independencia de la funcin
matemtica que relaciona ambas
variables
Captulo 7
pgina 688
Existe relacin entre la edad del paciente y la duracin de
la estancia en UCI?
Variable PREDICTORA 1
CUANTITATIVA continua
Variable RESULTADO
CUANTITATIVA discreta
Edad
- Aos
Estancia
- Das
Captulo 7
pgina 689
Captulo 7
pgina 690
D
a
s

d
e

e
s
t
a
n
c
i
a

e
n

U
C
I
80
60
40
20
0
20 30 50 70 80 40 60
Edad del paciente
Lnea continua ajuste mediante estimador robusto de
regresin medio ponderado
Lnea de trazos discontinuos: ajuste mediante mnimos
cuadrados
Captulo 7
pgina 691
Variable N Correlacin (r) Signifcacin
Edad del paciente versus Estancia en UCI 22 0,614 (**) 0,002
Edad del paciente versus Estancia en UCI 22 0,470 (**) 0,003
Coefciente de correlacin de Spearman
Tau-b de Kendall
Resultados
** La correlacin es signifcativa al nivel 0,01 (bilateral).
p < 0,01 Rechazamos la hiptesis nula
Captulo 7
pgina 692
Existe relacin entre la intensidad del estudio y el rendimiento
acadmico en el examen del curso de Bioestadstica?
Horas de estudio
Rendimiento acadmico
Variable RESULTADO
Captulo 7
pgina 693
N del
Alumno
Horas
de
estudio
(X
1
)
N
respuestas
correctas
(Y)
1 5 6
2 9 16
3 17 18
4 1 1
5 2 3
6 21 21
7 3 7
8 29 20
9 7 15
10 100 22
Pregunta de investigacin: Existe relacin entre la intensidad del
estudio y el rendimiento acadmico en el examen del curso de
Bioestadstica?
r = 0.976 p< 0.001
N
m
e
r
o

d
e

r
e
s
p
u
e
s
t
a
s

c
o
r
r
e
c
t
a
s
Nmero de horas de estudio
N
m
e
r
o

d
e

r
e
s
p
u
e
s
t
a
s

c
o
r
r
e
c
t
a
s
Nmero de horas de estudio
20 20
00
55
15 15
10 10
10 10 30 30 50 50 70 70 90 90
Captulo 7
pgina 694
Horas de estudio versus Respuestas correctas 10 0,976 (**) 0,000
Horas de estudio versus Respuestas correctas 10 0,911 (**) 0,000
Tau-b de Kendall
Resultados
Captulo 7
pgina 695
He observado que el individuo n 20 se aparta bastante de la tendencia del
grupo. De hecho si se eliminara se podra considerar una supuesta relacin
lineal.
Ests seguro que ese dato n 10 es correcto?Est bien tomado? Cmo
ests seguro de que ese individuo ha estudiado 100 horas? Qu medidas
has tomado para considerar la credibilidad de la variable predictora (horas de
estudio)?
No podra considerarse a ese individuo n 10 como un perifrico o
OUTLIER?
Captulo 7
pgina 696
Existe relacin entre el coefciente intelectual de los alumnos y el
rendimiento acadmico en el examen del curso de Bioestadstica?
Coefciente intelectual
Variable RESULTADO
Captulo 7
pgina 697
N del
Alumno
Horas
de
estudio
(X
2
)
N
respuestas
correctas
(Y)
1 104 6
2 125 16
3 115 18
4 100 1
5 100 3
6 140 21
7 112 7
8 130 20
9 125 15
10 122 22
Pregunta de investigacin: Existe relacin entre el coefciente
intelectual del alumno y el rendimiento acadmico en el examen
del curso de Bioestadstica?
r = 0.811 p< 0.01
N
m
e
r
o

d
e

r
e
s
p
u
e
s
t
a
s

c
o
r
r
e
c
t
a
s
Coeficiente intelectual (CI)
20
0
5
15
10
100 120 130 140 110
N
m
e
r
o

d
e

r
e
s
p
u
e
s
t
a
s

c
o
r
r
e
c
t
a
s
20
0
5
15
10
100 120 130 140
N
m
e
r
o

d
e

r
e
s
p
u
e
s
t
a
s

c
o
r
r
e
c
t
a
s
N
m
e
r
o

d
e

r
e
s
p
u
e
s
t
a
s

c
o
r
r
e
c
t
a
s
20 20
00
55
15 15
10 10
100 100 120 120 130 130 140 140 110
Captulo 7
pgina 698
Coefciente intelectual versus respuestas correctas 10 0,811 (**) 0,004
Coefciente intelectual versus respuestas correctas 10 0,705 (**) 0,005
Tau-b de Kendall
Resultados
Captulo 7
pgina 699
Existe relacin entre las horas de asistencia a clase y el
rendimiento acadmico en el examen del curso de Bioestadstica?
Horas de asistencia a clases
Variable RESULTADO
Captulo 7
pgina 700
N del
Alumno
Horas
de
estudio
(X
3
)
N
respuestas
correctas
(Y)
1 23 6
2 92 16
3 78 18
4 15 1
5 20 3
6 100 21
7 35 7
8 95 20
9 75 15
10 100 22
Pregunta de investigacin: Existe relacin entre las horas de
asistencia a clase y el rendimiento acadmico en el examen del
curso de Bioestadstica?
r = 0.985 p< 0.01
N
m
e
r
o

d
e

r
e
s
p
u
e
s
t
a
s

c
o
r
r
e
c
t
a
s
Horas de asistencia a clase
N
m
e
r
o

d
e

r
e
s
p
u
e
s
t
a
s

c
o
r
r
e
c
t
a
s
Horas de asistencia a clase
20
0
5
15
10
25 25 75 75 100 100 50
Captulo 7
pgina 701
Asistencia a clase versus respuestas correctas 10 0,985 (**) 0,000
Asistencia a clase versus respuestas correctas 10 0,944 (**) 0,000
Tau-b de Kendall
Resultados
Captulo 7
pgina 702
Resumen de los resultados de correlacin bivariante
Variables predictoras Rho Spearman Signifcacin Tau de Kendall Signifcacin
Horas de estudio 0,976 0,000 0,911 0,000
Coefciente intelectual 0,811 0,004 0,705 0,005
Asistencia a clase 0,985 0,000 0,944 0,000
Variable resultado: Rendimiento acadmico (nmero de respuestas correctas)
Existe relacin entre las distintas variables predictoras?
COLINEALIDAD?
Captulo 7
pgina 703
Existe relacin entre las horas dedicadas al estudio por el
alumno y el coefciente intelectual de los alumnos del curso
de Bioestadstica?
Horas de estudio
Captulo 7
pgina 704
Horas de estudio versus coefciente intelectual 10 0,787 (**) 0,007
Horas de estudio versus coefciente intelectual 10 0,614 (*) 0,015
Tau-b de Kendall
Resultados
* La correlacin es signifcativa al nivel 0,05 (bilateral).
Captulo 7
pgina 705
Existe relacin entre las horas de estudio del alumno y las
horas de asistencia a clase del curso de Bioestadstica?
Horas de estudio
Captulo 7
pgina 706
Horas de estudio versus asistencia a clase 10 0,954 (**) 0,000
Horas de estudio versus asistencia a clase 10 0,854 (**) 0,001
Tau-b de Kendall
Resultados
Captulo 7
pgina 707
Existe relacin entre el coefciente intelectual del alumno y
las horas de asistencia a clase del curso de Bioestadstica?
Captulo 7
pgina 708
Coefciente intelectual versus asistencia a clase 10 0,869 (**) 0,001
Coefciente intelectual versus asistencia a clase 10 0,782 (**) 0,002
Tau-b de Kendall
Resultados
Captulo 7
pgina 709
Cuantitativa
Variable RESULTADO
Cuantitativa
Cuantitativa
Cuantitativa
Coefciente
intelectual
Rendimiento
acadmico
Horas
de estudio
Horas de
asistencia a clases
Captulo 7
pgina 710
Captulo 7
pgina 711
Qu relacin existe entre el consumo de cigarrillos y los
niveles de cadmio en sangre?
Consumo de cigarrillos
Nmero de cigarrillos
consumidos por da
Cadmio en sangre
Niveles sricos de cadmio
(g/L)
Cuantitativa discreta Cuantitativa continua
Captulo 7
pgina 712
r = 0,532 p = 0,001
Captulo 7
pgina 713
Med Clin (Barc) 2006;127:41-6.
Captulo 7
pgina 714
Captulo 7
pgina 715
Qu relacin y que grado de asociacin existe entre el
ndice de actividad clnica de las enfermedades infamatorias
intestinales (EII) y los niveles de calprotectina fecal?
Calprotectina fecal ndice de actividad de la enfermedad
infamatoria intestinal (Harvey-
Bradshaw modifcado para colitis
ulcerosa y enfermedad de Crohn)
Variable PREDICTORA
Variable RESULTADO
Captulo 7
pgina 716
Qu tipo de variable es el ndice de Harvey-Bradshaw?
ndice de Harvey-Bradshaw
Captulo 7
pgina 717
Cul es la prueba estadsticas ms adecuada?
Calprotectina fecal (g/g)
n
d
i
c
e

d
e

a
c
t
i
v
i
d
a
d

c
l
n
i
c
a
5
0
10
15
20
0 1.000 2.000 3.000 4.000 8000 7.000 5.000 6.000
Coeficiente de correlacin
Rho de Spearman
r = 0,719 p < 0,01
n
d
i
c
e

d
e

H
a
r
v
e
y
-
B
r
a
d
s
h
a
w
Captulo 7
pgina 718
El anlisis de los datos se llev a cabo mediante el programa estadstico SPSS 11.0. El
valor de la CPF se presenta como media y con un intervalo de confanza (IC) del 95%.
Se utiliz el test de Kruskal-Wallis para evaluar las diferencias entre los valores de CPF
entre los diferentes grupos y el coefciente de Spearman para valorar la correlacin entre
este marcador y el ndice de actividad de la enfermedad en el grupo de pacientes con
Anlisis estadstico (fragmento del texto)
Captulo 7
pgina 719
En la fgura 2 se muestra la correlacin positiva entre la concentracin de la CPF y
el ndice de actividad de la enfermedad en pacientes con enfermedades infamatoria
intestinales (EII) (enfermedad de Crohn (EC) y colitis ulcerosa (CU)) (r = 0,719, p < 0,01).
El presente trabajo muestra que la concentracin de CPF est signifcativamente elevada
en pacientes con procesos orgnicos en colon, fundamentalmente en el cncer colorrectal
y enfermedad infamatoria intestinal (EII). Adems, los valores ms altos se alcanzan
en pacientes con EII, y sus valores se correlacionan con el grado de actividad de la
enfermedad.
Captulo 7
pgina 720
Qu relacin y qu grado de asociacin existe entre el nivel
de conocimientos mdicos actualizados sobre el mejor trata-
miento posible y el tiempo transcurridos desde la graduacin?
Aos desde la graduacin Conocimientos actualizados
sobre el mejor tratamiento posible
(medidos segn escala de MBE)
Variable PREDICTORA
Variable RESULTADO
Captulo 7
pgina 721
Una Pendiente Resbaladiza
r = - 0,54
p < 0,001
...
...
. ..
. . .... .
....
....
...
..
...
Aos desde la graduacin
C
o
n
o
c
i
m
i
e
n
t
o
s

a
c
t
u
a
l
i
z
a
d
o
s

s
o
b
r
e

e
l

m
e
j
o
r

t
r
a
t
a
m
i
e
n
t
o

p
o
s
i
b
l
e

(
n
i
v
e
l
e
s

d
e

e
v
i
d
e
n
c
i
a
)
r = - 0,54
p < 0,001
...
...
. ..
. . .... .
....
....
...
..
...
r = - 0,54
p < 0,001
...
...
. ..
. . .... .
....
....
...
..
...
Aos desde la graduacin
C
o
n
o
c
i
m
i
e
n
t
o
s

a
c
t
u
a
l
i
z
a
d
o
s

s
o
b
r
e

e
l

m
e
j
o
r

t
r
a
t
a
m
i
e
n
t
o

p
o
s
i
b
l
e

(
n
i
v
e
l
e
s

d
e

e
v
i
d
e
n
c
i
a
)
Coeficiente de correlacin Rho de Spearman
Captulo 7
pgina 722
Estudios ecolgicos
Seven
Countries
Study
FINLANDIA
ITALIA
Crevalcore
Montegiorgio
Roma
HOLANDA
Zutphen
YUGOSLAVIA
Belgrado
Dalmacia
Eslavonia
Velika Krsna
Zrenjanin
EE.UU
Ferroviarios
GRECIA
Creta
Corfu
Tanushimaru
JAPON
Ushibuka
Captulo 7
pgina 723
Estudio ecolgico
Variable PREDICTORA
Variable RESULTADO
Grasas saturadas Cardiopata coronaria
cidos grasos saturados
de la dieta (% de aporte
calrico)
Tasas de mortalidad por
cardiopata coronaria
Captulo 7
pgina 724
Estudio ecolgico
Tasa de mortalidad por cardiopata coronaria en funcin del contenido en cidos grasos saturados de la
dieta (% del aporte calrico). Ambas variables estn signifcativamente correlacionadas segn un amplio
estudio (Seven Countries Study) llevado a cabo en diferentes grupos de poblacin. B = Belgrado, C=
Crevalcore, D= Dalmacia, E = este de Finlandia, G = Corf, K = Creta, N = Zutphen, M = Montegiorgio, S
= Eslavonia, T = Tanushimaru, U = empleados de ferrocarriles de EEUU, V = Velika Krsna, W = oeste de
Finlandia, Z = Zrenjarin.
G
C
W
M
V
Z
B
K
r = 0,84
cidos grasos saturados en la dieta (% de aporte calrico)
25 20 15 10 5 0
1
2
3
4
5
D
S
U
N
E
Coeficiente de correlacin r de Spearman
F
a
l
l
e
c
i
m
i
e
n
t
o

p
o
r

c
a
r
d
i
o
p
a
t
a

c
o
r
o
n
a
r
i
a

(
%
)
Captulo 7
pgina 725
Estudio ecolgico
Variable PREDICTORA
Variable RESULTADO
Grasas saturadas Colesterolemia
de la dieta (% de aporte
calrico)
Tasas de colesterol en
sangre (mg/dl)
Captulo 7
pgina 726
Estudio ecolgico
Valores de colesterol en sangre en relacin con el contenido en cidos grasos saturados de la dieta (%
del aporte calrico). Ambas variables estn signifcativamente correlacionadas segn un amplio estudio
(Seven Countries Study) llevado a cabo en diferentes grupos de poblacin. B = Belgrado, C= Crevalcore,
D= Dalmacia, E = este de Finlandia, G = Corf, K = Creta, N = Zutphen, M = Montegiorgio, S = Eslavonia,
T = Tanushimaru, U = empleados de ferrocarriles de EEUU, V = Velika Krsna, W = oeste de Finlandia, Z =
Zrenjarin.
C
o
l
e
s
t
e
r
o
l
e
m
i
a
(
m
g
/
d
l
)
T
B
W
N
G
V
r = 0,89
cidos grasos saturados en la dieta (% de aporte calrico)
25
20
15 10 5 0
280
Z
K
C M
140
160
260
240
220
200
180
S
U
E
D
Coeficiente de correlacin r de Spearman
Captulo 8
pgina 727
Cualitativa dicotmica versus cuantitativa.
Captulo 8
Captulo 8
pgina 728
Materiales y mtodos
Estructura
Captulo 8
pgina 729
Captulo 8
pgina 730
estadstica p
p < 0,05 A B p 0,10 A = B
explicarlo todo
explique todo
el ERROR
ERROR
signifcativas
signifcativas
Captulo 8
pgina 731
Variable resultado
Anlisis estadstico
Dicotmica Continua
Variable
Predictora
Dicotmica
Variable
Independiente
Continua
Regresin lo-
gstica
Regresin lineal
Captulo 8
pgina 732
t de Student
ANLISIS ESTADSTICO
Variable resultado
Dicotmica Continua
Variable
Predictora
Dicotmica
Test de
2
t de Student
Variable
Independiente
Continua
Regresin lo-
gstica
Regresin lineal
Anlisis estadstico
Captulo 8
pgina 733
Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA
Test de Wilcoxon
Test de Friedman
REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Long-Rank
Regresin de COX
Captulo 8
pgina 734
Variable
PREDICTORA o
de estudio)
Cualitativa nominal
dos
categoras
Cualitativa nominal
> 2
categoras
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica
independientes
Chi cuadrado
Z comparacin de
proporciones
Test exacto de
Fisher
(prueba de Welch)
apareados
rangos
de Wilcoxon
T de Student
para datos
emparejados
independientes
Wallis
(ANOVA)
apareados
de dos vas
Sperman
Tau de Kendall
Regresin lineal
Captulo 8
pgina 735
Variable PREDICTORA
Variable RESULTADO
CUANTITATIVA
Captulo 8
pgina 736
Cualitativa dicotmica versus cuantitativa
PARAMTRICOS
Independientes
Aparejados
NO PARAMTRICOS
T de Student para mues-
tras independientes
U de Mann-Whitney
tras apareadas
Wilcoxon
Variable predictora Cualitativa versus variable resultado Cuantitativa.
2 GRUPOS
Captulo 8
pgina 737
Test de la T de Student para dos muestras independientes
Condiciones de aplicacin (1)
- n
1
y n
2
>= 30
- Normalidad (Requisitos necesarios)
- Comprobar que el mximo y el mnimo quedan dentro del intervalo
defnido por 3 DE por encima y por debajo de la media (media 3 DE)
- Que la asimetra (en valor absoluto) sea menor que dos veces el error
estndar [asimetra] < 2 EE de asimetra
- Que la curtois (en valor absoluto) sea menor que 2 veces su EE [Curtois] <
2 EE de curtois
Test de Shapiro-Wilks
Captulo 8
pgina 738
Homogeneidad de varianzas (homoscedasticidad)
- Prueba F de Snedecor
- Test de Barttlet
- Test de Levene
Ho: Las varianzas de ambos grupos son iguales Test T de Student
Ha: Existen diferencias entre las varianzas Test de Welch
Fcalculada < Ftabulada p>0,05 (aceptamos la Ho)
Fcalculada > Ftabulada p<0,05 (rechazamos la hiptesis nula)
Varianza mayor
Varianza menor
F =
Captulo 8
pgina 739
El peso al nacer de los varones difere del peso al nacer de
las mujeres?
Variable PREDICTORA
Variable RESULTADO
Sexo
Peso (Kg)
Captulo 8
pgina 740
Hiptesis nula H
o
: El peso al nacer de los varones NO difere del peso al
nacer de las mujeres
a
: El peso al nacer de los varones difere del peso al
nacer de las mujeres
Muestras independientes
Test de la T de Student:
t
calculada
=
X
1
X
2
(n 1) S
1
2
+ (m 1) S
2
2
(n + m 2)
1 1
n m
+
t
calculada
=
X
1
X
2
(n 1) S
1
2
+ (m 1) S
2
2
(n + m 2)
1 1
n m
+
t
calculada
=
X
1
X
2
(n 1) S
1
2
+ (m 1) S
2
2
(n + m 2)
1 1
n m
+
Peso al nacer del RN

Varones Mujeres
Media 3380,3 3246,8
Desviacin estndar (S) 417,3 388,0
n 833 789
t
calculada
= 6,666
Captulo 8
pgina 741
Grados de libertad (g.l) = n + m - 2 gl = 883 + 789 - 2 = 1620
H
a
: El peso al nacer de los varones difere del peso al nacer de las mujeres
Test de la T de Student para muestras independientes
Peso del RN Varones Mujeres
n 883 789
Media 3380,34 3246,79
Desviacin estndar 417,28 388,0
EEM 14,46 13,81
t
calculada
6,666
Grados de libertad 1620
Signifcacin (bilateral) 0,000
t
calculada
= 6,666 > t
tabulado
= 1,96; p < 0,001
Captulo 8
pgina 742
Distribucin de la t de Student
s
x
t
) (
:

= " t " valores
1 = n
Grados de libertad = n - 1
Captulo 8
pgina 743
Distribucin de la t de Student (gl 30)
El test de la T de Student para muestras de ms de 30 individuos presenta
una distribucin muy similar a la distribucin normal tipifcada Z.
El test de la T de Student es una prueba BILATERAL, y por tanto NO
especifca la direccin de la diferencia ( A B).
1,96 - 1,96 1,96 - 1,96
t
calculada
= 6,666
t
tabulado
= 1,96 para los grados de libertad de la muestra (1620)
Z 1- /2 Z 1- /2
Nivel de significacin
estadstica = 0,05
Captulo 8
pgina 744
- La diferencia observada (t
calculada
= 6,666) es muy grande en relacin a
la variabilidad aleatoria esperada (t
tabulada
) , y por tanto existen diferencias
signifcativas (p<0,001)
- El efecto observado (diferencia entre el peso de los dos sexos) es muy
superior a la variabilidad biolgica esperada.
- El efecto observado (diferencia entre el peso de los dos sexos) es
importante, es decir mucho mayor de lo esperado por el azar.
- El valor de la t
tabulada
para un error alfa del 5% es muy inferior al encontrado
t
tabulado
< t
calculada
- El valor de la p (p < 0,001) indica que existe una probabilidad muy baja
(<0,1%) de observar al menos estas diferencias en los pesos por efecto del
AZAR y no porque los varones tengan distinto peso que las mujeres.
Interpretacin del valor de la t de Student (t=6,666)
Captulo 8
pgina 745
Tiene infuencia el tipo de dieta (pescado/huevos) seguida
en el peso del individuo?
Variable PREDICTORA
Variable RESULTADO
Tipo de dieta
Peso (Kg)
Captulo 8
pgina 746
Hiptesis nula H
o
(ambas dietas tienen igual efecto)
1
(las dietas tienen distinto efecto)
Variable PREDICTORA
Cualitativa discreta y dicotmica: TIPO DE DIETA (pescado o huevos)
Variable RESULTADO
Cuantitativa continua: Kg adelgazados durante los 3 meses que dur la dieta
Personas que siguen la dieta
P a base de pescado n=19
Variacin en el peso (kg)
H a base de huevo n=10
Variacin en el peso (kg)
Variable PREDICTORA
Cualitativa discreta y
dicotmica:
TIPO DE DIETA
3 meses
Captulo 8
pgina 747
ID DIETA REDUCCION PESO (Kg)
1 PESCADO 19
2 PESCADO 28
3 PESCADO 17
4 PESCADO 15
5 PESCADO 16
6 PESCADO 21
7 PESCADO 27
8 PESCADO 18
9 PESCADO 15
10 PESCADO 10
11 PESCADO 10
12 PESCADO 2
13 PESCADO 12
14 PESCADO 13
15 PESCADO 19
16 PESCADO 9
17 PESCADO 29
18 PESCADO 35
19 PESCADO 38
Media 18,579
Desviacin estndar 9,26
Varianza 85,8
ID DIETA REDUCCION PESO (Kg)
1 PESCADO 19
2 PESCADO 28
3 PESCADO 17
4 PESCADO 15
5 PESCADO 16
6 PESCADO 21
7 PESCADO 27
8 PESCADO 18
9 PESCADO 15
10 PESCADO 10
11 PESCADO 10
12 PESCADO 2
13 PESCADO 12
14 PESCADO 13
15 PESCADO 19
16 PESCADO 9
17 PESCADO 29
18 PESCADO 35
19 PESCADO 38
Media 18,579
Varianza 85,8
ID DIETA REDUCCION PESO
(Kg)
20 HUEVOS 23
21 HUEVOS 23
22 HUEVOS 5
23 HUEVOS 14
24 HUEVOS 22
25 HUEVOS 20
26 HUEVOS 4
27 HUEVOS 12
28 HUEVOS 18
29 HUEVOS 33
30 HUEVOS 19
Media 17,545
Varianza 71,1
ID DIETA REDUCCION PESO
(Kg)
20 HUEVOS 23
21 HUEVOS 23
22 HUEVOS 5
23 HUEVOS 14
24 HUEVOS 22
25 HUEVOS 20
26 HUEVOS 4
27 HUEVOS 12
28 HUEVOS 18
29 HUEVOS 33
30 HUEVOS 19
Media 17,545
Varianza 71,1
P a base de pescado n=19
Variable RESULTADO
Variable RESULTADO
H a base de huevo n=10
t
calculada
= 0,3 < t
tabulado
p = 0,76
t
calculada
= 0,3
t
calculada
=
X
1
X
2
(n 1) S
1
2
+ (m 1) S
2
2
(n + m 2)
1 1
n m
+
t
calculada
=
X
1
X
2
(n 1) S
1
2
+ (m 1) S
2
2
(n + m 2)
1 1
n m
+
Captulo 8
pgina 748
Las medias de la reduccin
del peso en los dos grupos
comparados es independiente de
la intervencin diettica
Las medias de la reduccin
del peso en los dos grupos
comparados son diferentes
entre s, es decir NO pueden
considerarse iguales
Hiptesis nula H
0
a
t calculada > t tabulada
t calculada < t tabulada
p < 0,05 p > 0,05
t
calculada
= 0,3 < t
tabulado
p = 0,76
Tienen el mismo efecto las dietas ensayadas para reducir el peso corporal?
S
Test de la t de Student
Captulo 8
pgina 749
- La diferencia observada (t
calculada
= 0,3) es pequea en relacin a la
variabilidad aleatoria esperada (t
tabulada
) , y por tanto no existen diferencias
signifcativas (p>0,05)
- El efecto observado (diferencia entre las dos dietas) es slo del 30% de la
variabilidad biolgica esperada.
- El efecto observado (diferencia entra las dos dietas) es insignifcante, es
decir mucho menor de lo esperado por el azar.
- El valor de la t
tabulada
para un error alfa del 5% es superior al encontrado
t
tabulado
> t
calculada
- El valor de la p (p = 0,76) indica que existe una probabilidad muy alta (76%)
de observar al menos estas diferencias en la reduccin del peso si la muestra
procediese de una poblacin donde las dos dietas tienen el mismo efecto (las
diferencias observadas son producidas por el AZAR y no porque las dietas
tengan distinto efecto).
Interpretacin del valor de la t de Student (t=0,30)
Captulo 8
pgina 750
- n
1
y n
2
>= 30
- Normalidad (Requisitos necesarios)
- Comprobar que el mximo y el mnimo quedan dentro del intervalo
defnido por 3 DE por encima y por debajo de la media (media 3 DE)
- Que la asimetra (en valor absoluto) sea menor que dos veces el error
estndar [asimetra] < 2 EE de asimetra
- Que la curtois (en valor absoluto) sea menor que 2 veces su EE [Curtois] <
2 EE de curtois
Test de Shapiro-Wilks
Captulo 8
pgina 751
Homogeneidad de varianzas (homoscedasticidad)
- Test de Barttlet
- Test de Levene
Ho: Las varianzas de ambos grupos son iguales Test T de Student
Ha: Existen diferencias entre las varianzas Test de Welch
Fcalculada < Ftabulada p>0,05 (aceptamos la Ho)
Varianza mayor
Varianza menor
F =
Captulo 8
pgina 752
La t de Student es un test paramtrico, es decir para usarlo se debe
cumplir la normalidad de la variable cuantitativa. Se cumple?Como lo has
comprobado?
He observado que en los dos grupos de estudio comparados slo tienen 19 y
11 sujetos respectivamente. Ante tan bajo volumen muestral (n < 30),
Cmo justifcas esa supuesta normalidad?Que test has empleado para
comprobar esa normalidad de la reduccin del peso? Ests seguro que se
cumplen los criterios para poder usar la t de Student ? Se cumplen todos los
requisitos para su utilizacin?
Captulo 8
pgina 753
Tipo de dieta Estadstico g.l Signifcacin
Reduccin del peso Pescado 0,166 19 0,178
Huevos 0,168 11 0,200
Test de Shapiro-Wilk
Tipo de dieta Estadstico g.l Signifcacin
Reduccin del peso Pescado 0,956 19 0,493
Huevos 0,950 11 0,615
H
o
: p > 0,05 test paramtricos H
a
: p < 0,05 test NO paramtricos
Los test de normalidad ensayados dan un valor de p NO signifcativo (p >0,05) en ambos
grupos (tipos de dieta). Por tanto no hay evidencias sufcientes para rechazar la hiptesis
nula de normalidad de la variable reduccin del peso en ambas muestras.
Captulo 8
pgina 754
Captulo 8
pgina 755
Captulo 8
pgina 756
Media Kg pescado
Media Kg huevos
+ IC95%
+ IC95%
- IC95%
- IC95%
Captulo 8
pgina 757
Existen diferencias en los valores del VCM en sangre en
funcin de los depsitos de hierro normales o ferropnicos
en mdula sea?
Variable PREDICTORA
Variable RESULTADO
Normal =1
Dfcit = 0
VCM
(hemograma)
Captulo 8
pgina 758
Captulo 8
pgina 759
Captulo 8
pgina 760
VCM Medula normal Dfcit de hierro
n 67 33
Media 83,56 76,89
EEM 1,049 1,623
t
calculada
3,560
t
calculada
= 3,560 > t
tabulado
= 1,96; p < 0,001
H
a
: El VCM es depende de los depsitos medulares de hierro.
Captulo 8
pgina 761
Existen diferencias en los valores de la ferritina en sangre en
funcin de los depsitos de hierro normales o ferropnicos
en mdula sea?
Variable PREDICTORA
Variable RESULTADO
Normal =1
Dfcit = 0
FERRITINA srica
Captulo 8
pgina 762
Captulo 8
pgina 763
FERRITINA srica Mdula normal Dfcit de hierro
n 67 33
Media 21,76 12,61
EEM 1,120 0,962
T
calculada
6,201
Grados de libertad 93,876
Test de Welch para desigualdad de varianzas
t
calculada
= 3,560 > t
tabulado
= 1,96; p < 0,001
H
a
: El ferritina srica depende de los depsitos medulares de hierro.

Captulo 8
pgina 764
Qu relacin existe entre el grupo cultural/religioso y los niveles
de anticuerpos frente al virus de la Rubeola en la poblacin gestante
inmunizada de Ceuta en el ao 1994?
Cristianas inmunizadas
Musulmanas inmunizadas
Virus de la Rubeola
Variable PREDICTORA
Variable RESULTADO
Captulo 8
pgina 765
Figura 1.- Ttulos de anticuerpos frente al virus de la Rubeola en gestantes inmunizadas de Ceuta en 1994.
Distribucin por grupos culturales.
Test de t de Student para muestras independientes
P < 0,001
Captulo 8
pgina 766
Virus de la Rubeola
Variable PREDICTORA
Variable RESULTADO
Captulo 8
pgina 767
IgG-anti-RUBEOLA Cristianas Musulmanas
n 234 487
Media 133,20 94,90
EEM 12,89 4,56
t calculada 3,452
t
calculada
= 3,452 > t
tabulado
= 1,96; p < 0,001
H
a
: Los niveles de IgG anti-Rubeola depende del grupo cultural, siendo distintos en
cristianas y musulmanas.

Captulo 8
pgina 768
Figura 2.- Ttulos de anticuerpos frente al virus de la Rubeola en gestantes inmunizadas de Ceuta en 2010.
(varianzas desiguales)
T
t
u
l
o
s

d
e

a
n
t
i
c
u
e
r
p
o
s

I
g
G
a
n
t
i
-
R
U
B
E
O
L
A

(
U
I
/
m
l
)

p = 0,006
133,2
94,9
Captulo 8
pgina 769
Para poder usar la t de Student para muestras independientes es
necesario, entre otras condiciones, la homogeneidad de las varianzas
(homocedasticidad) de la variable cuantitativa.
La variable cuantitativa niveles de anticuerpos IgG anti-RUBEOLA
(UI/ml) en la poblacin gestante inmunizada de Ceuta cumple la
homocedasticidad?
Que test has empleado para comprobar que se cumple la homogeneidad
de las varianzas?
Captulo 8
pgina 770
H
o
: Las varianzas de ambos grupos son iguales.
H
a
: Existen diferencias entre las varianzas.
F
calculada
> F
tabulada
p < 0,05 (rechazamos la hiptesis nula)
Test de Welch
Test de Levene para homocedasticidad
Test de Levene para la igualdad de varianzas IgG-anti-RUBEOLA
F 14,498
Signifcacin 0,000
Captulo 8
pgina 771
IgG-anti-RUBEOLA Cristianas Musulmanas
n 234 487
Media 133,20 94,90
EEM 12,89 4,56
T calculada 2,800
Grados de libertad 292,8
Test de Welch para desigualdad de varianzas
t
calculada
= 2,800 > t
tabulado
= 1,96; p < 0,01
H
a
: Los niveles de IgG anti-Rubeola depende del grupo cultural, siendo distintos en
cristianas y musulmanas.

Captulo 8
pgina 772
Qu relacin existe entre el grupo cultural/religioso y los niveles de
anticuerpos frente a Toxoplasma en la poblacin gestante inmunizada
de Ceuta en el ao 1994?
Virus de la Rubeola
Variable PREDICTORA
Variable RESULTADO
Captulo 8
pgina 773
Figura 1.- Ttulos de anticuerpos frente a Toxoplasma en gestantes inmunizadas de Ceuta en 1994.
T
t
u
l
o
s

d
e

I
g
G
a
n
t
i
-
t
o
x
o
p
l
a
s
m
a
(
U
I
/
m
l
)

p > 0,1 p > 0,1
32,8
35,5
Captulo 8
pgina 774
Toxoplasma
Variable PREDICTORA
Variable RESULTADO
Captulo 8
pgina 775
Figura 2.- Ttulos de anticuerpos frente a Toxoplasma en gestantes inmunizadas de Ceuta en 2010.
p > 0,1 p > 0,1
67,9
78,6
Captulo 8
pgina 776
La t de Student para muestras independientes es un test paramtrico, es
decir para usarlo se debe cumplir la normalidad de la variable cuantitativa.
La variable cuantitativa niveles de anticuerpos (UI/ml) en la poblacin
gestante inmunizada de Ceuta sigue una distribucin normal?
No encuentro datos estadsticos de dispersin (desviacin tpica)
Cmo justifcas esa supuesta normalidad? Qu test has empleado para
comprobar que se cumple la normalidad (campana de Gauss)?
Captulo 8
pgina 777
Test de normalidad Test de Kolmogorov-Smirnov
Ao 2010 N Media DE Estadstico Z Signifcacin
Niveles de anticuerpos IgG
anti-RUBEOLA
721 107,3 140,6 6,870 0,000
Ao 2010 Tipo de cultura N Media DE Estadstico Z Signifcacin
Niveles de
anticuerpos
IgG anti-
RUBEOLA
Cristianas 234 133,2 197,3 4,211 0,000
Musulmanas 487 94,9 100,7 4,723 0,000
H
o
a
Los test de normalidad ensayados dan un valor de p signifcativo (p <0,05) en ambos
grupos culturales. Por tanto hay evidencias sufcientes para rechazar la hiptesis nula de
normalidad de la variable reduccin del peso en ambas muestras. NO PODEMOS USAR
TEST PARAMTRICOS.
Captulo 8
pgina 778
anti-RUBEOLA
297 77,5 133,6 5,321 0,000
Niveles de
anticuerpos
IgG anti-
RUBEOLA
Cristianas 32 67,9 58,6 1,260 0,084
Musulmanas 265 78,62 139,9 5,110 0,000
H
o
a
TEST PARAMTRICOS.
Captulo 8
pgina 779
PARAMTRICOS
Independientes
Aparejados
NO PARAMTRICOS
tras independientes
U de Mann-Whitney
tras apareadas
Wilcoxon
2 GRUPOS
Captulo 8
pgina 780
Existen diferencias de la tensin arterial sistlica (TAS) de los 20
alumnos del curso de Metodologa de investigacin en funcin del
sexo?
Sexo
TAS
Variable PREDICTORA
Variable RESULTADO
Cuantitativa
Captulo 8
pgina 781
Condiciones de aplicacin:
- Si alguna de las dos muestras contiene menos de 30 observaciones y No se puede
asumir la normalidad.
- Variable medida en escala ORDINAL.
- Si la muestra es de muy pequeo tamao (<10 observaciones en alguno de los dos
grupos).
Inconvenientes:
- Se pierde potencia para detectar diferencias signifcativas (para una comparacin que
resulte signifcativa con 95 individuos en la t de Student, se necesitaran 100 individuos
para que la misma comparacin resulte signifcativa con el test de Mann-Whitney).
- No permite construir intervalos de confanza.
Test de la U de Mann-Whitney
Captulo 8
pgina 782
Alumnos TAS
Alumnos
Rango 1
(R1)
Orden Alumnas TAS
Alumnas
Rango 2
(R2)
Orden
1 110 9,5 7 1 90 1 1
2 120 16 15 2 95 2,5 2
3 100 5 4 3 110 9,5 9
4 115 13,5 13 4 110 9,5 10
5 110 9,5 8 5 120 16 17
6 100 5 5 6 115 13,5 14
7 120 16 16 7 110 9,5 11
8 125 18,5 18 8 100 5 6
9 125 18,5 19 9 95 2,5 3
10 125 20 20 10 100 9,5 12
10 Total 10 78,5
Hiptesis nula H
o
: La TAS es igual en alumnos y en alumnas.
a
: La TAS es diferente en alumnos y en alumnas.
Captulo 8
pgina 783
Los valores de estadstico U y W calculados por el test se comparan con los tabulados para un contraste
bilateral con un error alfa 0,05.
U de Mann-Whitney
rea de
rechazo
rea de
rechazo
rea de
rechazo
rea de
rechazo
U W
H
a
Hiptesis nula
H
a
Area de NO
rechazo
Captulo 8
pgina 784
SEXO N Mean Rank Sum of Ranks
TAS Alumna 10 7,85 78,50
Alumno 10 13,15 131,50
Total 20
Test estadsticos TAS
Mann-Whitney U 23,50
Wilcoxon W 78,50
Zu - 2,030
Signifcacin a dos colas 0,041
Signifcacin exacta a una cola 0,043
U de Mann-Whitney
El ranking promedio de la TAS en mujeres es 7,85 y en los hombres 13,15, es decir existen
diferencias entre alumnos y alumnas, y por tanto como p < 0,05 se rechaza la H
o
.
Conclusin: La TAS es diferente en alumnos y en alumnas, siendo mayor en varones.
Mean rank
=
Sum of ranks
N
Zu
=
U - R
n
Captulo 8
pgina 785
- Un profesor de bioestadstica utiliza dos tipos de modelos de cursos para
ensear la misma materia a un grupo de 10 alumnos mdicos con un nivel
previo similar de conocimientos en bioestadstica. El experimentador quiere
demostrar que el procedimiento clsico de asistencia a clase (PRESENCIAL)
es ms efectivo que el curso online (a DISTANCIA) que le propone la
direccin que presupone que es ms efciente; para ello, mide el nivel de
conocimientos adquiridos por los alumnos en bioestadstica en ambos
modelos de curso mediante el mismo examen de conocimientos realizado al
fnal de cada tipo de curso.
- El plan experimental preliminar consiste en elegir al azar tanto una muestra
total de 10 mdicos, 5 para cada mtodo.
Ejemplo para muestras pequeas
Captulo 8
pgina 786
- Hiptesis nula (H
o
). Las diferencias observadas entre las califcaciones del
examen de conocimientos mediante los dos tipos de cursos se deben al azar.
- Hiptesis alternativa (H
a
). Las califcaciones del examen de conocimientos,
segn el mtodo de enseanza PRESENCIAL son ms altas y diferentes que
las observadas en el mtodo A DISTANCIA.
Planteamiento de la hiptesis
Captulo 8
pgina 787
Tipo de Curso Califcaciones de los alumnos
N del alumno 1 2 3 4 5
A DISTANCIA 80 85 25 70 90
Tipo de Curso Califcaciones de los alumnos
N del alumno 6 7 8 9 10
PRESENCIAL 95 100 93 110 45
- Nivel de signifcacin: Para todo valor de probabilidad igual o menor que p = 0,05, se
acepta H
a
y se rechaza H
o
.
- Zona de rechazo: Para todo valor de probabilidad mayor que 0,05, se acepta H
o
y se
rechaza H
a
.
- Dos cursos diferentes aplicados en dos grupos de alumnos mdicos.
Captulo 8
pgina 788
Test de la U de Mann-Whitney (paso 1)
Tipo de Curso Califcaciones de los alumnos R (S)
A distancia Grupo 1 80 (4) 85 (5) 25 (1) 70 (3) 90 (6) 19
Presencial Grupo 2 95 (8) 100 (9) 93 (7) 110 (10) 45 (2) 36
- Aplicacin de la prueba estadstica.
De acuerdo con los pasos, las observaciones se deben ordenar en rangos del
menor al mayor.
- Rangos de lectura de la tabla anterior.
Captulo 8
pgina 789
Calculamos las U de Mann-Whitney (U
1
y U
2
) con las siguientes frmulas:
Captulo 8
pgina 790
1
y U
2
)
Captulo 8
pgina 791
- De los dos valores de U calculados (U
1
y U
2
), se elige el valor ms pequeo (U
2

= 4) y se comparan con los valores tabulados crticos de la U Mann-Whitney
- En caso de que el valor de U calculado no se localice en las tablas
correspondientes, se obtendr de la frmula siguiente;
U
calculado
= [ n
1
* n
2
] - U U
calculado
= [ 5 * 5 ] 21 = 4
- En esta frmula, U corresponde al valor ms alto (U
1
= 21) . El resultado en
ambos casos es el mismo (4).
Captulo 8
pgina 792
U
calculado
=
Tamao
muestral
p = 0,048
Captulo 8
pgina 793
Decisin
A la probabilidad del valor U de Mann-Whitney, calculado anteriormente (U
calculado
),
corresponde a un valor de la p de 0,048, el cual es ms pequeo que el nivel de
signifcancia (0,05); por lo tanto, se acepta H
a
y se rechaza H
o
.
Captulo 8
pgina 794
Interpretacin
Entre las califcaciones del examen de conocimientos adquiridos mediante las dos
modalidades del curso de enseanza de la bioestadstica, existe una diferencia
signifcativa con un nivel de probabilidad de error alfa menor del 5% (p<0,05); es
decir, aun cuando las muestras de ambos grupos son pequeas, las califcaciones
ms altas mediante el curso clsico PRESENCIAL sealan ms efectividad, con
la probabilidad de equivocarse de 0,048 para aceptarlo por la infuencia del AZAR
(4,8%).
Captulo 8
pgina 795
Ejemplo aplicable cuando la muestra es mayor de 25 y donde
n
1
y n
2
pueden ser iguales o de un tamao diferente:
El Profesor del curso de Bioestadstica aplicada para mdicos, entusiasmado
por las observaciones y conclusiones preliminares, decide repetir el experimento
aumentando el tamao muestral en ambos grupos. Disea un nuevo estudio con 10
alumnos mdicos que realizan el curso con el mtodo a DISTANCIA y 25 mdicos
mediante el procedimiento clsico PRESENCIAL. Los nuevos datos del estudio se
muestran en la tabla siguiente.
Captulo 8
pgina 796
Planteamiento de la hiptesis
- Hiptesis nula (H
o
). Las posibles diferencias entre las califcaciones dadas por
los alumnos en ambos tipos de cursos se deben al azar.
- Hiptesis alternativa (H
a
). Las califcaciones de los alumnos inscritos en el curso
realizado por el mtodo clsico PRESENCIAL, propuesto por el experimentador,
son diferentes y con valores ms altos.
- Nivel de signifcacin: Para todo valor de probabilidad igual o menor que 0,05,
se acepta H
a
y se rechaza H
o
.
- Zona de rechazo: Para todo valor de probabilidad mayor que 0,05, se acepta H
o

y se rechaza H
a
.
Captulo 8
pgina 797
Poblacin de alumnos mdicos a los cuales se les aplic dos
tipos de cursos (mtodo presencial, mtodo a distancia)
PRESENCI
AL
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Notas 55 70 90 110 45 60 60 75 80 95 100 110 95 60 70 80 40 65 50 75 90 90 100 80 100
PRESENCI
AL
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Notas 55 70 90 110 45 60 60 75 80 95 100 110 95 60 70 80 40 65 50 75 90 90 100 80 100
Curso PRESENCIAL N=25
DISTANCIA N=10 1 2 3 4 5 6 7 8 9 10
Notas 60 80 25 30 40 60 90 100 60 55
DISTANCIA N=10 1 2 3 4 5 6 7 8 9 10
Notas 60 80 25 30 40 60 90 100 60 55
Curso a DISTANCIA (online) N=10
Captulo 8
pgina 798
- Aplicacin de la prueba estadstica. Primero ordenamos los rangos de todas las
observaciones.
- Direccin de las ligas o empates y el tamao de estas.
Captulo 8
pgina 799
Captulo 8
pgina 800
1
y U
2
)
Captulo 8
pgina 801
Teniendo en cuenta los pasos del test, hay que saber que cuando el tamao
muestral total es mayor de 25 (como ocurre en este caso), el estadstico del
test de Mann-Whitney se distribuye normalmente, por tanto se calcula el
estadstico Z, que se compara con el tabulado para conocer la probabilidad
(p). Esto se calcula como sigue:
_
Z
U U
=
-
U
_
Z
U U
=
-
U
_
Z
U U
=
-
U
Z
U U
=
-
U
Z
Captulo 8
pgina 802
Test de la U de Mann-Whitney (paso 3a)
Donde:
Z = valor estadstico de la curva normal.
U = cualquier valor de U calculado (ya sea U
1
o U
2
).
U = valor promedio de U.
U = desviacin estndar de U.
Calculamos el valor promedio de U:
_
n
2
=
*
U
_
n
2
=
*
U
n
2
=
*
U
n
1
2
_
25
=
*
U
10
2
=
125
_
25
=
*
U
_
25
=
*
U
25
=
*
U
10
2
=
125
Captulo 8
pgina 803
Test de la U de Mann-Whitney (paso 3b)
- La desviacin estndar de U (U ) se determina de la forma siguiente:
- Donde:
U = desviacin estndar de U.
n
1
y n
2
= tamao de la muestra de los grupos 1 y 2.
N = tamao total de la muestra (la suma de n1 y n2).
Li = sumatoria de las ligas o empates.
El clculo de Li se realiza de la siguiente manera:
Li = Li = Li =
Captulo 8
pgina 804
_
Z
U U
=
-
U
_
Z
U U
=
-
U
Z
U U
=
-
U
_
n
2
=
*
U
_
n
2
=
*
U
n
2
=
*
U
n
1
2
U
=
U
=
Li = Li = Li =
Captulo 8
pgina 805
Test de la U de Mann-Whitney (paso 3c)
- Una vez obtenida la sumatoria de Li, se determinar la desviacin estndar de U
(U ) mediante la expresin siguiente:
U
= 27,24
U
= 27,24
U
=
U
=
U
=
U
=
U
=
Captulo 8
pgina 806
Test de la U de Mann-Whitney (paso 3d)
- Una vez calculados todos los parmetros necesarios, se obtiene el valor Z
conforme la frmula anterior:
U = cualquier valor de U calculado (ya sea U
1
o U
2
).
_
Z
U U
=
-
U
_
Z
U U
=
-
U
Z
U U
=
-
U
Z
178 125
=
-
27,24
=
1,95
Z
178 125
=
-
27,24
Z
178 125
=
-
27,24
=
1,95
Z
72 125
=
-
27,24
=
- 1,95
Z
72 125
=
-
27,24
Z
72 125
=
-
27,24
=
- 1,95
Captulo 8
pgina 807
- Para obtener la probabilidad (valor de la p) del valor Z
calculado
de 1.95 (1,9 +
0,05), se debe consultar la tabla de tamao de la muestra en funcin de los
valores d y buscar la hilera 1.9, en cuya columna correspondiente al error alfa de
0,05 se localiza el nmero 0,9788, cuyo complementario (1 - 0,9744 = 0,0256)
corresponde a la probabilidad del valor de U con respecto al promedio (p =
0,0256). Esto quiere decir que es menor que el nivel de signifcancia (p<0,05).
Captulo 8
pgina 808
p = [ 1 - 0,9744 ] = 0,0256
Captulo 8
pgina 809
Decisin
A la cifra de Z de 1,95 le corresponde una probabilidad menor que 0,05 (p = 0,0256),
por lo cual se acepta Ha y se rechaza Ho (tabla de probabilidades asociadas en
valores extremos como los de 2 en la distribucin normal).
Captulo 8
pgina 810
Interpretacin
El experimentador (profesor de bioestadstica de los cursos), al aumentar el tamao
muestral en ambos grupos (n
1
=10, y n
2
=25, N=35), CONFIRMA la investigacin
preliminar con una muestra pequea (n
1
=5, y n
2
=5, N=10), con lo cual da a
entender que los resultados (califcaciones de los alumnos) logrados con el mtodo
PRESENCIAL son diferentes de los obtenidos con el mtodo de enseanza A
DISTANCIA; adems, este ltimo revela califcaciones ms bajas y permitira concluir
que es menos efectivo que el otro.
Captulo 8
pgina 811
Virus de la Rubeola
Variable PREDICTORA
Variable RESULTADO
Captulo 8
pgina 812
Anti-IgG-
RUBEOLA
Cristianas 234 392,46 91836,0
Musulmanas 487 345,88 168445,0
Total 721
Test estadsticos IgG-Rubeola
Wilcoxon W 168401,0
Zu - 2,828
Signifcacin a dos colas (bilateral) 0,005
Signifcacin exacta a una cola 0,043
El ranking promedio de los niveles de Anti-IgG-RUBEOLA en gestantes inmunizadas
cristianas superior al de las musulmanas, es decir existen diferencias signifcativas entre
ambos grupos culturales, y por tanto como p < 0,05 se rechaza la H
o
.
Conclusin: El grado de inmunizacin frente a la rubeola es diferente en cristianas y
musulmanas, siendo mayor en las primeras.
Mean rank
=
Sum of ranks
N
Zu
=
U - R
n
Captulo 8
pgina 813
Toxoplasma
Variable PREDICTORA
Variable RESULTADO
Captulo 8
pgina 814
anti-toxoplasma
297 77,5 133,6 5,321 0,000
Niveles de
anticuerpos
IgG anti-
toxoplasma
Cristianas 32 67,9 58,6 1,260 0,084
Musulmanas 265 78,62 139,9 5,110 0,000
H
o
a
TEST PARAMTRICOS.
Captulo 8
pgina 815
Anti-IgG-
toxoplasma
Cristianas 32 162,11 5187,50
Musulmanas 265 147,42 39065,50
Total 297
Test estadsticos IgG-toxoplasma
Wilcoxon W 39065,50
Zu - 0,914
Signifcacin a dos colas (bilateral) 0,361
El ranking promedio de los niveles de Anti-IgG-toxoplasma en gestantes inmunizadas
cristianas similar al de las musulmanas, es decir NO existen diferencias signifcativas entre
ambos grupos culturales, y por tanto como p > 0,05 se acepta la Ho (igualdad).
Conclusin: El grado de inmunizacin (nivel de anticuerpos especfcos) frente a
Toxoplasma es igual cristianas y musulmanas.
Mean rank
=
Sum of ranks
N
Zu
=
U - R
n
Captulo 8
pgina 816
PARAMTRICOS
Independientes
Aparejados
NO PARAMTRICOS
tras independientes
U de Mann-Whitney
T de Student para datos
apareados
Wilcoxon
2 GRUPOS
Captulo 8
pgina 817
Comparacin de la media entre dos grupos
Variables cuantitativas:
Se compara cada individuo consigo mismo antes y despus de un tratamiento con una
determinada dieta.
Tipos de dieta Peso (Kg)
Pescado 23
Pescado 19
Pescado 28
Pescado 23
Pescado 5
Pescado 17
Pescado 14
Pescado 13
.
Huevos 21
Huevos 22
Huevos 26
Huevos 25
Huevos 2
Huevos 28
Huevos 17
Huevos 4
Huevos 12
.
Tipos de dieta Peso (Kg)
Pescado 23
Pescado 19
Pescado 28
Pescado 23
Pescado 5
Pescado 17
Pescado 14
Pescado 13
.
Huevos 21
Huevos 22
Huevos 26
Huevos 25
Huevos 2
Huevos 28
Huevos 17
Huevos 4
Huevos 12
.
Muestras relacionadas
Peso inicial Peso final (Kg) DIF
23 21 - 2
19 22 + 3
28 26 - 2
23 25 + 2
5 2 - 3
17 28 + 11
14 17 + 3
13 4 - 9
..
Muestras relacionadas
Peso inicial Peso final (Kg) DIF
23 21 - 2
19 22 + 3
28 26 - 2
23 25 + 2
5 2 - 3
17 28 + 11
14 17 + 3
13 4 - 9
..
Captulo 8
pgina 818
Test de la t de Student para datos apareados (muestras
relacionadas)
Caractersticas del test:
- Se realizan mediciones repetidas en un mismo individuo.
- Se aplican dos frmacos consecutivos a un mismo paciente.
- Se desea evaluar el cambio de una variable cuantitativa tras aplicar un
tratamiento (cambio entre antes y despus).
- Calcular una nueva variable que es la diferencia entre los valores antes
y despus de cada individuo.
- Cuando el tamao muestral es inferior al 30, se debe probar si la nueva
variable sigue una distribucin normal.
- En las muestras relacionadas la variabilidad ALEATORIA es menor que en
las muestras independientes.
Captulo 8
pgina 819
Test de la t de Student para muestras relacionadas
Pregunta de investigacin: Existen variacin del peso de la madre antes y
despus del embarazo?
Hiptesis nula Ho X
antes
= X
despus
( DIF = POST FREC = 0)
Hiptesis alternativa Ha X
antes
X
despus
( DIF = POST FREC 0)
Variables
Estadsticos Peso antes del
embarazo
Peso despus del
parto
Diferencia de peso
Media 54,26 55,64 1,38
Desviacin estndar (S) 6,653 7,624 4,096
n 1626 1626 1626
t calculada
d O -
=
S
2
n
Captulo 8
pgina 820

Variables
Media N Desviacin
estndar (s)
Error estndar de
la media (EEM)
Peso ANTES
embarazo
54,26 1626 6,653 0,165
Peso DESPUS
del parto
55,64 1626 7,624 0,189
Variables Diferencias relacionadas Intervalo de
confanza de la
diferencia
t
calculada
gl Signifcacin
bilateral
Media s EEM Inferior Superior 13,562 1625 0,000
Peso despus del
parto peso antes
del embarazo
1,378 4,096 0,102 1,178 1,577
Peso ANTES embarazo versus Peso
DESPUS del parto
1626 0,844 0,000
t
calculada
> t
tabulada
p < 0,05 (rechazamos la hiptesis nula)
t
calculada
= 13,56 > t
tabulado
= 1,96; p < 0,001
H
a
: Existe variacin en el peso de las madres antes y despus de un embarazo.
Captulo 8
pgina 821
Distribucin de la t de Student (gl 30)
El test de la T de Student para muestras de ms de 30 individuos presenta
una distribucin muy similar a la distribucin normal tipifcada Z.
El test de la T de Student es una prueba BILATERAL, y por tanto NO
especifca la direccin de la diferencia ( A B).
1,96 - 1,96 1,96 - 1,96
t
calculada
= 6,666
t
tabulado
= 1,96 para los grados de libertad de la muestra (1620)
Z 1- /2 Z 1- /2
estadstica = 0,05
Captulo 8
pgina 822
relacionadas)
Estudio sobre la forma fsica de un grupo de 30 individuos antes y despus
de un programa de entrenamiento deportivo (PED).
Pregunta de investigacin:
Ha mejorado la forma fsica del grupo durante las sesiones del PED?
Reduce el PED la frecuencia cardiaca media?
Ejemplo
PED
Frecuencia Cardaca Media
Variable PREDICTORA
Variable RESULTADO
Cuantitativa
Captulo 8
pgina 823
Objetivo: Conocer si el entrenamiento deportivo (PED) mejora la forma fsica
de un grupo de individuos.
Material: Grupo de 30 individuos antes y despus de un programa de
entrenamiento deportivo (PED)
Mtodo: Se evala la frecuencia cardiaca antes (FRECPRE) y despus del
PED (FRECPOST).
Se defne una nueva variable DIF = FRECPRE FRECPOST.
Hiptesis nula H
o
X
antes
= X
despus
( DIF = FRECPRE FRECPOST =
1
X
antes
X
despus
(DIF = FRECPRE FRECPOST 0)
Captulo 8
pgina 824
Resultados
t calculada < t tabulada p>0,05 (aceptamos la Ho)
t calculada > t tabulada p<0,05 (rechazamos la hiptesis nula)
Variables Media N Desviacin
estndar (s)
Error estndar de
la media (EEM)
FRECPRE 79,53 30 19,15 3,50
FRECPOST 70,40 30 12,95 2,36
Variables Diferencias
relacionadas
Intervalo de
confanza de la
diferencia
t
calculada
gl Signifcacin
bilateral
FRECPRE -
FRECPOST
9,13 11,12 2,031 4,98 13,29
Variables N Correlacin (r) Signifcacin
FRECPRE versus FRECPOST 30 0,828 0,000
Captulo 8
pgina 825
1. Puede concluirse que ha existido un descenso signifcativo (p<0,001)
de la frecuencia cardiaca despus del PED. Existen evidencias, con una
confanza del 95%, para afrmar que el PED se ha acompaado de un
descenso de la frecuencia cardaca .
2. El descenso medio estimado fue de 9 latidos por minuto despus del
PED.
relacionadas)
Ejemplo - Conclusiones
Captulo 8
pgina 826
La t de Student de datos apareados es un test paramtrico, es decir para
usarlo se debe cumplir la normalidad de la variable cuantitativa.
Se cumple? La nueva variable DIF = FRECPRE FRECPOST sigue una
distribucin normal?
He observado en tus resultados de DIF un valor de la desviacin tpica (11,1)
muy superior a la media (9,1),
Cmo justifcas esa supuesta normalidad? Qu test has empleado para
comprobar esa supuesta normalidad?
La frecuencia cardiaca es una variable cuantitativa DISCRETA.
Por qu empleas un test paramtrico para este tipo de variables?No sera
ms adecuado utilizar el test de WILCOXON?
Captulo 8
pgina 827
Objetivo: Comprobar si la reduccin ponderal conseguida tras intervencin
diettica en los pacientes con obesidad mrbida disminuye los factores de
riesgo cardiovascular.
Prueba de la t de Student para datos apareados
Prueba de Shapiro-Wilk (test de normalidad)
IMC > 40
Los valores se expresan como media (desviacin estndar); p nivel de signifcacin; IC intervalo de
confanza; IMC: ndice de masa corporal; C/c cintura-cadera.
Inicio Final p IC (95%)
Peso (Kg) 149,1 (22) 115 (18) < 0,001 26,9-39,8
IMC (Kg/m2) 49,2 (7,7) 38,8 (5) < 0,001 7,8-13,2
Cintura (cm) 144,4 (17,3) 119,6 (12,1) < 0,001 18,4-36,5
Cadera (cm) 143,3 (17,5) 127,7 (14,6) 0,02 9,1-24,1
Indice C/c 1,01 (0,12) 0,94 (0,08) 0,02 0,017-0,16
Captulo 8
pgina 828
Objetivo: Comprobar si la reduccin ponderal conseguida tras intervencin
diettica en los pacientes con obesidad mrbida disminuye los factores de
riesgo cardiovascular.
Prueba de la t de Student para datos apareados
IMC > 40
confanza; IMC: ndice de masa corporal; C/c cintura-cadera
Inicio Final p IC (95%)
Peso (Kg) 126 (19) 107 (18) < 0,001 13,5-20,3
IMC (Kg/m2) 48,7 (5,8) 42,5 (6,2) < 0,001 4,5-7,5
Cintura (cm) 129,8 (17,7) 118,7 (15,4) < 0,001 9,1-21,6
Cadera (cm) 142,5 (15,6) 132,8 (13) 0,003 3,6-15,9
ndice C/c 0,92 (0,11) 0,89 (0,09) 0,04 0,017-0,16
Captulo 8
pgina 829
La reduccin ponderal se acompa de una mejora del perfl lipdico
(triglicridos, cHDL y apoprotena B
100
principalmente en los varones.
confanza;
Varones Inicio Final p IC (95%)
Colesterol total (mg/dl) 192 (49,7) 179,7 (34,5) 0,16 -5,1 a 29,6
Triglicridos (mg/dl) 162,4 (73,6) 107,7 (33,7) 0,001 25,4 - 90,0
cLDL (mg/dl) 124,1 (38,5) 115 (30,4) 0,12 -12,9 a 5,7
cHDL (mg/dl) 35,4 (86,3) 43,5 (8,5) < 0,001 5,7 12,6
cVLDL (mg/dl) 32,5 (14,7) 21,9 (6,8) 0,002 4,8 18,5
Apo B
100
(mg/dl) 122,1 (31,3) 100,7 (19,6) 0,01 6,5 40,5
Apo A
1
(mg/dl) 117,8 (13,2) 126 (18,8) 0,24 - 17,5 a 4,9
Captulo 8
pgina 830
La reduccin ponderal se acompa de una mejora del perfl lipdico
(triglicridos, cHDL y apoprotena B
100
principalmente en los varones.
confanza;
Mujeres Inicio Final p IC (95%)
Colesterol total (mg/dl) 189 (29,2) 183,6 (32) 0,32 -5,7 a 16,5
Triglicridos (mg/dl) 137 (60,8) 109,5 (43,7) 0,22 -5,8 a 23,5
cLDL (mg/dl) 117,8 (13,2) 115,6 (26,4) 0,07 -0,8 a 18,5
cHDL (mg/dl) 41,9 (15,6) 45,6 (13.1) 0,03 0,4 6,6
cVLDL (mg/dl) 32,3 (15,9) 22 (8,4) 0,2 -1,1 a 4,8
Apo B
100
(mg/dl) 110 (30,6) 106,1 (20,6) 0,7 -11,4 a 15,9
Apo A
1
(mg/dl) 124,1 (23,2) 129 (21,4) 0,052 -0,07 a 19,4
Captulo 8
pgina 831
- Los varones presentaron una mayor reduccin ponderal que las mujeres.

- Con la intervencin diettica empleada conseguimos una mejora en el perfl
aterognico, principalmente en los triglicridos, VLDL y HDL.
- Los varones presentaron una mejora ms importante que las mujeres en el
perfl lipdico.
- La reduccin ponderal ha conseguido una reduccin de algunos de los
factores de riesgo cardiovascular (FRCV) analizados.
- El sexo masculino presenta una mejor respuesta global con reduccin de los
FRCV y mejora de la distribucin grasa.
Discusin - Conclusiones
Captulo 8
pgina 832
La t de Student de datos apareados es un test paramtrico, es decir para
usarlo se debe cumplir la normalidad de las variables cuantitativas.
Se cumple en todas las variables? Las nuevas variables DIF = FRECPRE
FRECPOST siguen una distribucin normal? Cmo justifcas esa supuesta
normalidad?Que test has empleado?
He observado que en tus resultados NO aparece las nuevas variables DIF ni
su desviacin tpica.
Porqu no se ha incluido en los resultados?
Captulo 8
pgina 833
PARAMTRICOS
Independientes
Aparejados
NO PARAMTRICOS
tras independientes
U de Mann-Whitney
tras apareadas
Wilcoxon
Captulo 8
pgina 834
Prueba NO PARAMTRICA o de libre distribucin
- No se basa en la media, desviacin estndar, etc.
Condiciones de aplicacin:
- Diseo emparejado o de medidas repetidas
- Datos a comparar son
ORDINALES o
Cuantitativos con BAJO tamao muestral (n < 30) y
NO siguen una distribucin NORMAL
Test de Wilcoxon
Captulo 8
pgina 835
Estudio sobre la mejora clnica del dolor en pacientes con artrosis tratados
con un infltracin de corticoides.
Ha mejorado el grado de bienestar de los pacientes con artrosis tras el
tratamiento con infltraciones?
Existen evidencias de una mejora en el nivel de dolor en los pacientes con
artrosis despus del tratamiento con infltraciones intrarticulares?
Test de Wilcoxon para datos apareados
Ejemplo (muestras relacionadas)
Infltracin
Nivel de dolor ANTES
del tratamiento
Nivel de dolor DESPUS
del tratamiento
Captulo 8
pgina 836
Objetivo: Conocer si la infltracin con corticoides mejora el bienestar clnico
de en un grupo de los pacientes con artrosis de rodilla...
Material: Grupo de pacientes con artrosis de rodilla del Hospital X
seleccionados para el ensayo.
Mtodo: Se evala el nivel de dolor en los pacientes mediante un test
estandarizado antes (NDA) y despus del tratamiento infltrativo (NDD). Se
defne una nueva variable DIF = NDA NDD.
Hiptesis nula Ho X
antes
= X
despus
( DIF = NDA NDD = 0)
Ho (hiptesis nula) = La infltracin con corticoides NO mejora el bienestar
clnico de los pacientes con artrosis de rodilla.
1
X
antes
X
despus
(DIF = NDA NDD 0)
Ha (hiptesis alternativa) = La infltracin con corticoides SI mejora el
bienestar clnico de los pacientes con artrosis de rodilla.
Captulo 8
pgina 837
Ejercicio: Realizamos un estudio hipottico de cohortes recogiendo datos
sobre la actividad deportiva que practicaban en su juventud 10 pareja de
gemelos de Ceuta, donde despus de un seguimiento de 20 aos, uno de los
gemelos ha muerto y el otro sobrevive.
Variable predictora:
Actividad deportiva
Variable cuantitativa ordinal
S= sedentarios
O= deporte ocasional
R= deporte regular
C = deporte competitivo
E = deporte de elite
Variable resultado:
Pareja Gemelo vivo Gemelo muerto
1 S S
2 E S
3 R E
4 R E
5 C S
6 R E
7 E R
8 E R
9 C E
10 O S
Captulo 8
pgina 838
Ejercicio: Realizamos un estudio hipottico de cohortes recogiendo datos
sobre la actividad deportiva que practicaban en su juventud 10 pareja de
gemelos de Ceuta, donde despus de un seguimiento de 20 aos, uno de los
gemelos ha muerto y el otro sobrevive.
Variable predictora:
Actividad deportiva
Variable cuantitativa ordinal
0 = sedentarios
1= deporte espordico
2= deporte regular
3= deporte competitivo
4= deporte de lite
Variable resultado:
Pareja Gemelo vivo Gemelo muerto
1 0 0
2 1 0
3 2 1
4 2 1
5 4 0
6 2 1
7 1 2
8 1 2
9 3 1
10 2 0
Test de Wilcoxon para datos apareados
Captulo 8
pgina 839
Prueba de los rangos con signo de WILCOXON
para datos apareados
Prueba de los signos para datos apareados
Estadstico de contraste DESENLACE - TIPO DE DEPORTE
Z - 1,897
Signifcacin asintomtica (bilateral) 0,058
Captulo 8
pgina 840
1,96
- 1,96
Z
calculado
= - 1,89
<
Z 1- /2 Z 1- /2
El test de Wilcoxon es una prueba BILATERAL, y por tanto NO especifica
la direccin de la diferencia ( A B).
estadstica ( = 0,05)
H
o
H
a
H
a
Z
calculado
= - 1,89 Z
tabulado
= 1,96
Captulo 8
pgina 841
1. Calculo del estadstico z: Z
calculado
= -1,89
2. Comparacin del Z
calculado
con el Z
tabulado
de las tablas de la normal. Z
calculado
= -1,89 < Z
tabulado
= -1,96 para
p < 0,05 a dos colas. La signifcacin estadstica p = 0,058
3. No se dispone de evidencias para rechazar la Ho de igualdad de medias entre el gemelo que sobrevivi y
el que muri. La probabilidad de hallar unas diferencias al menos como las encontradas es de slo el 5,8%.
Las diferencias encontradas pueden ser debidas al AZAR.
4. No se puede rechazar Ho, ya que el valor de p es superior a 0,05. Estos datos NO proporcionan
evidencias que indiquen que la prctica deportiva era superior en los gemelos supervivientes respecto a
sus hermanos gemelos fallecidos. El estudio NO apoya que el deporte en la juventud reduzca la mortalidad
en el futuro.
5. ERROR de DISEO: falta de potencia estadstica por su escaso tamao muestral. ERROR BETA.
Ho = La prctica deportiva en la juventud NO reduce la mortalidad
Ha = La prctica deportiva en la juventud REDUCE la mortalidad
) 1 , 0 ( ~
24
) 1 2 )( 1 (
4
) 1 (
N
n n n
n n
W
z
+ +
+
=
) 1 , 0 ( ~
2 24
) 1 2 )( 1 (
4
) 1 (
1
3
N
t t n n n
n n
W
z
g
i
i i
+ +
+
=
Captulo 8
pgina 842
Es la probabilidad de morir (E) en el grupo de sedentarios (expuestos al factor
de riesgo) en relacin con la probabilidad de muerte en deportistas (grupo no
expuesto).
RR =
[ A / (A + B)]
[ C / (C + D) ]
RR = RR =
[ A / (A + B)]
[ C / (C + D) ]
Desenlace (E) Variable resultado
Exposicin (F) Variable predictora Muerte Sobreviviente
Sedentarismo (+) A B
Sedentarismo (-) C D
Captulo 8
pgina 843
RR = 1.41 IC95%=1.23-1.61 de los sedentarios frente a los para los ocasionalmente
activos
RR = 1.52 IC95%=1.06-2.17 de los sedentarios frente a los entrenados
Kumala et al. Relationship of leisure-time physical activity and mortality: the Finnish twin cohort. JAMA
1998; 11; 279: 440-4.
NO expuestos al
factor de riesgo
(sedentarismo)
EXPUESTOS al
factor de riesgo
(sedentarismo)
Prdidas de
seguimiento
Prdidas de
seguimiento
Seguimiento
20 aos
RIESGO
RELATIVO
Fallecimientos
Fallecimientos
Sobrevivientes
Sobrevivientes
Captulo 8
pgina 844
Es la probabilidad de morir (E) en el grupo de deportistas (expuestos al factor
de proteccin) en relacin con la probabilidad de muerte en sedentarios
(grupo no expuestos).
RR =
[ A / (A + B)]
[ C / (C + D) ]
RR = RR =
[ A / (A + B)]
[ C / (C + D) ]
Desenlace (E) Variable resultado
Exposicin (F) Variable predictora Muerte Sobreviviente
Deporte (+) A B
Deporte (-) C D
Captulo 8
pgina 845
RR = 0.71 IC95%=0.62-0.81 para los ocasionalmente activos
RR = 0.66 IC95%=0.46-0.94 para los entrenados
1998; 11; 279: 440-4.
NO expuestos al
factor de riesgo
(sedentarismo)
EXPUESTOS al
factor de riesgo
(sedentarismo)
Prdidas de
seguimiento
Prdidas de
seguimiento
Seguimiento
20 aos
RIESGO
RELATIVO
Fallecimientos
Fallecimientos
Sobrevivientes
Sobrevivientes
Captulo 8
pgina 846
1998; 11; 279: 440-4.
- Diseo: estudio de COHORTES
- 7925 varones gemelos
- 7977 mujeres gemelas
- Resultados:
- RR = 0,71: Se encontr una reduccin del 29% en la mortalidad para los
ocasionalmente activos comparados con los sedentarios.
- RR = 0,66: Se encontr una reduccin del 34% en la mortalidad para los entrenados
comparados con los sedentarios.
- Conclusiones: Este estudio es importante porque deja claro que la mejor superviviencia
de los ms activos NO se debe a una predisposicin gentica (controlada por el
emparejamiento entre gemelos), sino al efecto real del ejercicio fsico sobre la
superviviencia.
RRR = [ 1 RR ] * 100 RRR = [ 1 RR ] * 100 RRR = [ 1 RR ] * 100 RRR
1
= 29% RRR
2
= 34%
Captulo 8
pgina 847
Estudio sobre los conocimientos adquiridos en Metodologa de Investigacin
en Ciencias de la Salud (MICS) en los alumnos del curso de Sevilla.

Han mejorado los conocimientos adquiridos en Metodologa de Investigacin
en los alumnos del curso de Sevilla?
Aumenta el curso el nivel de conocimientos sobre la materia impartida?
Existen evidencias de una mejora en los conocimientos tericos de
Metodologa de investigacin en los alumnos despus del curso?
Ejemplo (muestras relacionadas)
Curso
Conocimientos de MICS
previos al curso
Conocimientos de MICS
despus del curso
Captulo 8
pgina 848
Objetivo: Conocer si el curso de Metodologa de Investigacin (CMI) realizado en Sevilla
mejora los conocimientos sobre dicha materia en un grupo de alumnos (licenciados en
Ciencias de la Salud).
Material: Grupo de 8 individuos FEA y residentes del Hospital Universitario de Valme
(Sevilla ) antes y despus de realizar el curso de Metodologa de Investigacin en Ciencias
de la Salud (CMICS)
Mtodo: Se evala los conocimientos mediante un test (examen) antes (RCAC) y despus
del CMICS (RCDC). Se defne una nueva variable DIF = RCDC RCAC.
Hiptesis nula Ho X
antes
= X
despus
(DIF = RCDC RCAC = 0)
H
o
(hiptesis nula) = La accin formativa (CMICS) no mejora los conocimientos sobre
metodologa de investigacin en los alumnos.
1
X
antes
X
despus
(DIF = RCDC RCAC 0)
H
a
(hiptesis alternativa) = La accin formativa (CMICS) mejora los conocimientos sobre
metodologa de investigacin en los alumnos.
Captulo 8
pgina 849
tericos de metodologa de investigacin en los alumnos
despus del curso?
N del
Alumno
N respuestas
correctas ANTES del
curso (RCAC)
N respuestas correctas
DESPUS del curso (RCDC)
Diferencia de respuestas
acertadas DESPUS ANTES
(RCDC- RCAC)
1 10 14 4
2 7 14 7
3 7 14 7
4 5 14 9
5 4 13 9
6 3 13 10
7 2 13 11
8 2 11 9
Captulo 8
pgina 850
Prueba de los rangos con signo de WILCOXON
para datos apareados
Prueba de los signos para datos apareados
Z -2,536
Captulo 8
pgina 851
RESULTADOS: Se realiz la comparacin del Z
calculado
con el Z
tabulado
de
las tablas de la normal mediante el programa estadstico SPSS. El valor del
estadstico Z
calculado
= 2,536 fue superior al Z
tabulado
= 1,96 para p < 0,05 a
dos colas (test de contraste bilateral). La signifcacin estadstica encontrada
fue de p = 0,011. Estos datos permiten rechazar Ho, ya que el valor de p es
inferior a 0,05.
CONCLUSIONES: Puede concluirse que ha existido un aumento signifcativo
(p<0,05) del nmero de respuestas acertadas despus del curso. Existen
evidencias, con una confanza del 95% (error alfa del 5%), para afrmar que
la accin formativa ha producido una mejora en los conocimientos. Por
tanto, estos datos proporcionan evidencias que indican una mejora objetiva
y signifcativa en los conocimientos terico-prcticos de Metodologa de
investigacin en los alumnos despus del curso (hiptesis alternativa).
Captulo 8
pgina 852
MUESTRAS
INDEPENDIENTES
APAREADAS
n
1
y n
2
30 n
1
o n
2
30
n 30 n 30
SI
SI
NO
NO
Test de levene
Test de la
U de
Mann-
Whitney
Test de la t de
Student para
datos
apareados
Test de
Wilcoxon
Test de la t de
Student para
muestras
independientes
Homogeneidad
de las varianzas
Heterogeneidad
de las varianzas
Test de Welch
Test de normalidad
Test de normalidad
Captulo 8
pgina 853
Qu relacin existe entre los niveles de colesterol-LDL en
sangre y la probabilidad de padecer un IAM?
Variable PREDICTORA
Variable RESULTADO
Niveles colesterol-LDL
IAM
Captulo 8
pgina 854
Qu relacin existe entre los niveles de alcoholemia y la
probabilidad de tener un accidente de trfco?
Variable PREDICTORA
Variable RESULTADO
Niveles de Alcoholemia
Accidente de trfco
Captulo 8
pgina 855
Qu relacin existe entre la ingesta crnica de alcohol y la
probabilidad de desarrollar cncer de esfago?
Variable PREDICTORA
Variable RESULTADO
Ingesta crnica de alcohol
Cncer de esfago
Captulo 8
pgina 856
Qu relacin existe entre la edad gestacional y la
probabilidad de muerte del recin nacido?
Variable PREDICTORA
Variable RESULTADO
Edad gestacional
Muerte del RN
Captulo 8
pgina 857
Predice Produce
Produce
Predice
VCM (hemograma)
Ferritina (srica)
Captulo 8
pgina 858
Qu relacin existe entre el VCM del hemograma y la
probabilidad de tener dfcit de los depsitos de hierro en
mdula sea?
Variable PREDICTORA
Variable RESULTADO
VCM
(hemograma)
Captulo 8
pgina 859
Qu relacin existe entre los niveles de ferritina srica y la
mdula sea?
Variable PREDICTORA
Variable RESULTADO
Ferritina (srica)
Captulo 8
pgina 860
Variable resultado
Anlisis estadstico
Dicotmica Continua
Variable
Predictora
Dicotmica
Variable
Independiente
Continua
Regresin logstica
simple
Regresin lineal
Captulo 8
pgina 861
REGRESIN LOGSTICA SIMPLE
ANLISIS ESTADSTICO
Variable resultado
Dicotmica Continua
Variable
Predictora
Dicotmica
Test de
2
t de Student
Variable
Independiente
Continua
Regresin logstica Regresin lineal
Anlisis estadstico
Captulo 8
pgina 862
Anlisis de Regresin Logstica Simple
- Variable RESULTADO: Dicotmica
- Variable PREDICTORA:
- Cuantitativa
- Categrica
Variables PREDICTORAS Variable RESULTADO
Alcoholemia Accidente de trfco
Ingesta de alcohol Cncer de esfago
Colesterolemia IAM
Edad gestacional Muerte del RN
Captulo 8
pgina 863
Qu relacin existe entre los niveles de colesterol-LDL en
sangre y la probabilidad de padecer un IAM?
Variable PREDICTORA
Variable RESULTADO
Niveles colesterol-LDL
IAM
Captulo 8
pgina 864
Modelo de Anlisis de Regresin Logstica Simple
Factor de riesgo: cLDL
Probabilidad de
enfermedad
coronaria
X
1
Y
Probabilidad de
enfermedad
coronaria
X
1
Y
Y=1
P =
e
1
X
1
1 + e
1
X
1
P =
e
1
X
1
1 + e
1
X
1
Modelo de regresin
logstica simple
Modelo de probabilidad
lineal simple
log
P
1 - P
=
1
X
1
0
+
log
P
1 - P
=
1
X
1
0
+
Y=0
Captulo 8
pgina 865
Anlisis de regresin logstica simple
Captulo 8
pgina 866
Qu relacin existe entre la edad gestacional y la probabili-
dad de muerte del recin nacido?
Variable PREDICTORA
Variable RESULTADO
Estudio caso-control realizado por Brand et al con 410 RN de edad
gestacional entre 24-29 semanas.
Edad gestacional
Probabilidad de morir
Captulo 8
pgina 867
Qu relacin existe entre la edad gestacional y la probabilidad de muerte
del recin nacido?
Variable PREDICTORA
Edad gestacional
Variable RESULTADO
Riesgo de muerte del RN
P = probabilidad que muera un RN
Edad gestacional
Semanas 24 25 26 27 28 29 Total
Vivo 3 16 38 49 45 30 181
Muerto 26 56 69 50 21 7 229
Estimaciones de los parmetros del modelo logstico
propuesto para los datos anteriores
Edad
gestacional
- 0,6819 0,08908
Captulo 8
pgina 868
Estimaciones de los parmetros del modelo logstico
propuesto para los datos anteriores
Edad
gestacional
- 0,6819 0,08908
Regresin logstica. Coefciente de regresin logstica
1
Coefciente de regresin
logstica estandarizado
Existe relacin entre la probabilidad de muerte neonatal (Variable Resultado) y la edad
gestacional (Variable Predictora) en los RN de 24-29 semanas?
Podemos decir con error inferior al 5% que existe asociacin entre la mortalidad de los RN
prematuros y su edad gestacional en el rango estudiado.
Z Valor
Z
95%
1,96 95%
Z
99%
2,56 99%
Z
99,5%
3,29 99,5%
1
EE
1
=
0,6819
0,08908
=
7,65 > Z
95%
Captulo 8
pgina 869
1/OR = 1,98
Un RN presenta casi 2 veces ms riesgo de
morir que otro RN con una semana ms
OR = 0,506
Es el riesgo de morir de un RN respecto
a otro que tiene una semana menos
Cul es el riesgo de morir de un RN
con 25 semanas en relacin a otro de 29
semanas?
Representacin grfica de los logits en las diferentes edades
gestacionales estudiadas
L
o
g
i
t
Edad gestacional (semanas)
20
10
0
- 10
24 25 26 27 28 29
L
o
g
i
t
Edad gestacional (semanas)
20 20
10 10
00
- 10 - 10
24 24 25 25 26 26 27 27 28 28 29 29
1 = - 0,6819
OR = e
1
(X
1
-X
2
)
OR = e
-0,6819 (25-29)
= 15,30
Estimaciones de los parmetros del modelo
logstico propuesto para los datos anteriores
Edad
gestacional
- 0,6819 0,08908
Captulo 8
pgina 870
Qu relacin existe entre el VCM del hemograma y la
mdula sea?
Variable PREDICTORA
Variable RESULTADO
VCM
(hemograma)
Captulo 8
pgina 871
Qu relacin existe entre el VCM y los depsitos de
hierro en mdula sea?
VCM
Depsitos de Fe medular
Constante - 6,1112
VCM 0,08485 0,02689
P = probabilidad de que existan depsitos de hierro medular
log
= 0,08485 - 6,1112
P
P 1
-
+
VCM
log
= 0,08485 - 6,1112
P
P 1
-
+
VCM
Captulo 8
pgina 872
Qu relacin existe entre la Ferritina srica y los depsitos
de hierro medular?
Ferritina srica
Constante - 2,1290
FERRITINA 0,1713 0,04085
log
= 0,1713 - 2,1290
P
P 1
-
+ FERRITINA
log
= 0,1713 - 2,1290
P
P 1
-
+ FERRITINA
Captulo 8
pgina 873
Variable
PREDICTORA o
de estudio)
Cualitativa nominal
dos
categoras
Cualitativa nomi-
nal > 2
categoras
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica
Cualitativa dos
grupos
independientes
Chi cuadrado
Z comparacin de
proporciones
(prueba de Welch)
Cualitativa dos
grupos
apareados
Test de McNemar Q de Cochran Prueba de los rangos
de Wilcoxon
T de Student
para datos
emparejados
independientes
Wallis
(ANOVA)
apareados
de dos vas
Cuantitativa Regresin logstica
simple
Regresin logsti-
ca multivariante
Correlacin de
Sperman
Tau de Kendall
Regresin lineal
Captulo 9
pgina 874
Cualitativa policotmica versus cuantitativa.
Captulo 9
Captulo 9
pgina 875
Materiales y mtodos
Estructura
Captulo 9
pgina 876
Captulo 9
pgina 877
Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA
Test de Wilcoxon
Test de Friedman
REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Long-Rank
Regresin de COX
Captulo 9
pgina 878
Variable
PREDICTORA o
de estudio)
Cualitativa nominal
dos
categoras
Cualitativa nominal
> 2
categoras
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica
independientes
Chi cuadrado
Z comparacin de
proporciones
Test exacto de
Fisher
(prueba de Welch)
apareados
rangos
de Wilcoxon
T de Student
para datos
emparejados
independientes
Wallis
(ANOVA)
apareados
de dos vas
Sperman
Tau de Kendall
Regresin lineal
Captulo 9
pgina 879
Variable PREDICTORA
Variable RESULTADO
CUANTITATIVA
Captulo 9
pgina 880
Cualitativa policotmica versus cuantitativa
PARAMTRICOS
Independientes
Aparejados
NO PARAMTRICOS
ANOVA para muestras
independientes
Kruskal-Wallis
para muestras depen-
dientes o apareadas
Friedman
2 GRUPOS
Captulo 9
pgina 881
Anlisis de la varianza para un factor (ANOVA):
Condiciones de aplicacin
- Tipos de variables.
- Variable resultado: Cuantitativa numrica.
- Variable predictora: Cualitativa policotmicas.
- Normalidad: Variable resultado siga una distribucin normal o de gauss.
- Homogeneidad de las varianzas (homocedasticidad): Las varianzas de cada
grupo deben ser iguales.
- Prueba F de Snedecor.
- Test de Barttlet.
- Test de Levene.
Captulo 9
pgina 882
Homogeneidad de varianzas (homocedasticidad)
- Test de Barttlet
- Test de Levene
H
o
: Las varianzas de ambos grupos son iguales ANOVA
H
a
: Existen diferencias entre las varianzas KRUSKAL-WALLIS
Fcalculada < Ftabulada p>0,05 (aceptamos la H
o
)
Varianza mayor
Varianza menor
F =
Captulo 9
pgina 883
HIPERLIPIDEMIA
EDAD
SEXO
Excrecin urinaria
de sodio en 24 horas
NIVEL CULTURAL
TABAQUISMO
OBESIDAD IMC
DIABETES
Captulo 9
pgina 884
Test de la t de Student
Anlisis de la varianza para un factor
Distribucin ANORMAL
Captulo 9
pgina 885
Tienen la misma efcacia las dietas ensayadas para reducir
el nivel de colesterol-LDL?
Variable PREDICTORA
Variable RESULTADO
Tipos de dieta
- Dieta control
- Dieta moderada
- Dieta estricta
LDL- colesterol
Captulo 9
pgina 886
Grupo Control (n=10) Dieta moderada (n=10) Dieta estricta (n=10)
+ 13 4 0
+ 10 8 12
+ 2 9 15
2 10 21
- 8 20 -10
+ 5 15 -18
3 6 -16
+ 8 7 -10
+ 2 16 -20
-2 6 -15
Media = + 2,5 Media = - 10,1 Media = - 13,7
Captulo 9
pgina 887
Hiptesis nula: 1 = 2 = 3 = = n
Hiptesis alternativa: al menos una de las medias x es distinta
Varianza entre grupos (EFECTO)
Dispersin debida al AZAR (error)
=
EFECTO debido a la dieta
Varianza residual (ERROR)
=
F = = 20,2
723,6
35,7
Captulo 9
pgina 888
Cul es la intervencin diettica que ms reduce los niveles de colesterol-LDL?
C
a
m
b
i
o

d
e

e
l

L
D
L

(
m
g
/
d
l
)
Control Moderada Estricta
00
10 10
55
- 5 - 5
15 15
- 10 - 10
-15 -15
- 25 - 25
- 20 - 20
C
a
m
b
i
o

e
n

l
o
s

n
i
v
e
l
e
s

d
e

c
o
l
e
s
t
e
r
o
l
-
L
D
L

(
m
g
/
d
l
)

a

l
o
s

6

m
e
s
e
s

d
e

t
r
a
t
a
m
i
e
n
t
o

d
e

i
n
t
e
r
v
e
n
c
i
n

d
i
e
t
t
i
c
a

e
n

3

g
r
u
p
o
s

d
e

v
o
l
u
n
t
a
r
i
o
s

a
s
i
g
n
a
d
o
s

a

d
i
f
e
r
e
n
t
e
s

d
i
e
t
a
s
=
F = = 20,2
723,6
35,7
Captulo 9
pgina 889
0
+10
- 10
- 20
00
+10 +10
- 10 - 10
- 20 - 20
C
a
m
b
i
o

e
n

l
o
s

n
i
v
e
l
e
s

d
e

c
o
l
e
s
t
e
r
o
l
-
L
D
L

(
m
g
/
d
l
)

a

l
o
s

6

m
e
s
e
s

d
e

t
r
a
t
a
m
i
e
n
t
o

d
e

i
n
t
e
r
v
e
n
c
i
n

d
i
e
t
t
i
c
a

e
n

3

g
r
u
p
o
s

d
e

v
o
l
u
n
t
a
r
i
o
s

a
s
i
g
n
a
d
o
s

a

d
i
f
e
r
e
n
t
e
s

d
i
e
t
a
s
C
a
m
b
i
o

d
e

e
l

L
D
L

(
m
g
/
d
l
)
Captulo 9
pgina 890
F
calculada
= 20,235 > F
tabulado
= 3,23; p < 0,001

a
: El reduccin del LDL difere segn el tipo de dieta.
Cul es la intervencin diettica que ms reduce los niveles de colesterol-
LDL?

Peso del RN Suma de
cuadrados
gl Media
cuadrtica
F Signifcacin
Inter-grupos 1447,2 2 723,6 20,235 0,000
Intra-grupos 965,5 27 35,7
Total 2412,7 29
Captulo 9
pgina 891
Grados de libertad
1
y
2
1 1
2 2 1 1
= = n n
2
2
2
2
2
1
2
1
:
s
s
F = " F " valores
El ANOVA para un factor para poblaciones con alto tamao
muestral presenta una distribucin de la F de Snedecor.
Captulo 9
pgina 892
F
calculada
= 20,2 F
calculada
= 20,2
F
tabulado
= 3,23 para los grados de libertad de la muestra
H
o
H
a
F calculada > F tabulada
p < 0,05
Captulo 9
pgina 893
El cambio en el nivel de cLDL es
independiente de la intervencin
diettica
Las medias del cLDL de los
distintos grupos son diferentes
Hiptesis nula H
0
a
p < 0,05 p > 0,05
Tienen la misma efcacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
NO
?
Anlisis de la Varianza para un factor
=
F =
= 5,2
318,6
61,0
Captulo 9
pgina 894
Cul es la intervencin diettica que ms reduce los niveles
de colesterol-LDL?
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se obtienen
intervalos de medias
Procedimiento de SCHEFFE
Procedimiento de BONFERRONI
Mtodo de DUNNET
C
O
N
T
R
A
S
T
E
S

A

P
O
S
T
E
R
I
O
R
I
Mtodo de TUKEY
Mtodo de DUCAN
Mtodo de STUDENT-
NEWMAN-KEULS
Captulo 9
pgina 895
Contrastes a posteriori en SPSS
Captulo 9
pgina 896
Hiptesis nula H
o
: La dieta ESTRICTA reduce el LDL de forma similar al
resto de las dietas comparadas.
a
: La dieta ESTRICTA reduce el LDL de forma
signifcativa con respecto al resto de las dietas comparadas.
Pruebas Post Hoc
DIETAS Control Moderada Estricta
Control H
o
=
H
a

H
o
=
H
a

Moderada H
o
=
H
a

Estricta
Captulo 9
pgina 897
Dieta (I) Dieta (J) Diferencias de
medias (I J)
Error estndar Signifcacin
Control Moderada 12,60 2,674 0,000
Estricta 16,20 2,674 0,000
Moderada Control - 12,60 2,674 0,000
Estricta 3,60 2,674 0,568
Estricta Control - 16,20 2,674 0,000
Moderada - 3,60 2,674 0,568
Hiptesis nula H
o
: La dieta ESTRICTA reduce el LDL de forma similar al resto de las dietas comparadas.
Procedimiento de Bonferroni
Captulo 9
pgina 898
medias (I J)
Estricta 16,20 2,674 0,000
Estricta 3,60 2,674 0,416
Moderada - 3,60 2,674 0,416
Hiptesis nula H
o
Procedimiento de Scheffe
Captulo 9
pgina 899
medias (I J)
Estricta 16,20 2,674 0,000
Estricta 3,60 2,674 0,383
Moderada - 3,60 2,674 0,383
Hiptesis nula H
o
Procedimiento de HSD de Tukey
Captulo 9
pgina 900
medias (I J)
Estricta 16,20 2,674 0,000
Estricta 3,60 2,674 0,459
Moderada - 3,60 2,674 0,459
Hiptesis nula H
o
Procedimiento de Gabriel
Captulo 9
pgina 901
medias (I J)
Estricta 16,20 2,674 0,000
Estricta 3,60 2,674 0,467
Moderada - 3,60 2,674 0,467
Hiptesis nula H
o
Procedimiento de Sidak
Captulo 9
pgina 902
medias (I J)
Control Estricta 16,20 2,674 0,000
Moderada Estricta 3,60 2,674 0,315
La prueba de Dunnett trata como un grupo como control y lo compara con
todos los dems grupos.
Hiptesis nula H
o
Procedimiento de la t de Dunnett (bilateral)
Captulo 9
pgina 903
Tipo de dieta Subconjunto para alfa
= 0,05
Test de Duncan DIETA N 1 2
Estricta 10 -13,700
Moderada 10 -10,100
Control 10 2,500
Signifcacin 0,189 1,000
Hiptesis nula H
o
: La dieta CONTROL reduce el LDL de forma similar al resto de las dietas comparadas.
No existe diferencia entre la moderada y la estricta).
Comparacin de la dieta estricta
con la moderada (p > 0,1).
Comparacin de la dieta control con las
dems (1- p = 1,000; p = 0,000).
Mtodo de Duncan
Captulo 9
pgina 904
ANOVA es un test paramtrico, es decir para usarlo se debe cumplir la
normalidad de la variable cuantitativa. Se cumple?
He observado que en los tres grupos de estudio slo tienen 10 sujetos. Ante
tan bajo volumen muestral
Cmo justifcas esa supuesta normalidad?
Qu test has empleado para comprobar esa normalidad de la reduccin del
LDL?
Ests seguro que se cumplen los criterios para poder usar ANOVA?
Captulo 9
pgina 905
Estadsticos descriptivos del LDL en cada dieta
Tipo de dieta Media DE Mediana 1 EE1 2 EE2
Reduccin del
LDL
Control 2,500 6,53 2,000 0,127 0,687 -0,732 1,334
Moderada -10,100 5,19 -8,500 - 0,880 0,687 -0,307 1,334
Estricta - 13,700 6,12 -15,000 1,172 0,687 1,909 1,334

Distribucin normal
[Asimetria] < 2 EE
asimetra

1
< 2 EE
1
[Curtosis] < 2 EE
curtois

2
< 2 EE
2
[Curtosis] < 2 EE
curtois

2
< 2 EE
2
Captulo 9
pgina 906
Tipo de dieta Estadstico Z g.l Signifcacin
Reduccin del LDL Control 0,488 10 0,971
Moderada 0,657 10 0,782
Estricta 0,582 10 0,887

Ho: p > 0,05 NORMALIDAD Test paramtricos
Ha: p < 0,05 ANORMALIDAD Test NO paramtricos
Los test de normalidad ensayados dan un valor de p NO signifcativo (p > 0,05) en los 3 grupos (tipos de
dieta). Por tanto no hay evidencias sufcientes para rechazar la hiptesis nula de normalidad de la variable
reduccin del peso en ambas muestras: podemos usar test PARAMTRICOS.
Captulo 9
pgina 907
Test ANOVA: Observaciones
- Los resultados del contraste estadstico F en la prueba ANOVA son sustancialmente
vlidos aunque los datos no sean normales, en ese sentido se dice que es una
tcnica ROBUSTA frente a desviaciones de la normalidad.
- El efecto de desigualdad de las varianzas en los grupos sobre el contraste F y
los contrastes de medias dependen de que el nmero de observaciones en cada
grupo sea igual o muy distinto. Si todos los grupos tienen el mismo nmero de
observaciones, el contraste F es igualmente exacto aunque las varianzas sean
distintas. Es decir, podemos despreocuparnos de las varianzas a efectos de
contrastes de medias, siempre que haya aproximadamente el mismo nmero de
observaciones por grupo, en caso contrario, diferencias entre las varianzas pueden
ser graves.
Captulo 9
pgina 908
El peso al nacer de los RN difere segn la localidad
de origen?
Variable PREDICTORA
Variable RESULTADO
Ciudad de origen
1. Ceuta
2. Algeciras
3. Tarifa
4. La Lnea
Peso del RN
Captulo 9
pgina 909
Hiptesis nula H
o
: El peso al nacer de los RN NO difere segn la localidad de
origen.
a
: El peso al nacer de los RN difere segn la localidad
de origen.

Estadsticos Peso al nacer del RN
Localidad de origen Ceuta Algeciras Tarifa La Lnea
Media 3366,2 3217,2 3188,4 3169,0
Desviacin estndar (S) 393,0 444,1 471,5 361,4
n 1146 214 80 186
=
F =
21,3
Captulo 9
pgina 910
F
tabulado
= 3,23 para los grados de libertad de la muestra
H
o
H
a
F
calculada
= 21,3 F
calculada
= 21,3
Captulo 9
pgina 911
F
calculada
= 21,3 > F
tabulado
= 3,23; p < 0,001
a
: El peso al nacer de los RN difere segn la localidad
de origen.
Cul es la ciudad donde los nios nacen con mayor peso?
Peso del RN Suma de
cuadrados
gl Media cuadrtica F Signifcacin
Inter-grupos 10290751 3 3430250,3 21,351 0,000
Intra-grupos 260596358 1622 160663,599
Total 270887109 1625
Captulo 9
pgina 912
Cul es la ciudad donde los nios nacen con mayor peso?
Variable PREDICTORA
Variable RESULTADO
Ciudad de origen
1. Ceuta
2. Algeciras
3. Tarifa
4. La Lnea
Peso del RN
Captulo 9
pgina 913
Pruebas Post Hoc paramtrico
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se obtienen
intervalos de medias
Procedimiento de SCHEFFE
Mtodo de DUNNET
C
O
N
T
R
A
S
T
E
S

A

P
O
S
T
E
R
I
O
R
I
Mtodo de TUKEY
Mtodo de DUCAN
Mtodo de STUDENT-
NEWMAN-KEULS
Captulo 9
pgina 914
Hiptesis nula H
o
: Los RN que nacen en Ceuta tiene un peso medio similar
al resto de los RN de las otras ciudades.
a
: Los RN que nacen en Ceuta tiene mayor peso
medio que el resto de las ciudades.
Pruebas Post Hoc
Ciudades Ceuta Algeciras Tarifa La Lnea
Ceuta H
o
=
H
a

H
o
=
H
a

H
o
=
H
a

Algeciras H
o
=
H
a

H
o
=
H
a

Tarifa H
o
=
H
a

La Lnea
Captulo 9
pgina 915
Ciudad (I) Ciudad (J) Diferencias de
medias (I J)
Ceuta Algeciras 148.92 29,85 0,000
Tarifa 177,79 46,35 0,002
La Lnea 197,13 31,69 0,000
Algeciras Ceuta - 148,92 29,85 0,000
Tarifa 28,87 52,53 0,960
La Lnea 48,21 40,18 0,696
Tarifa Ceuta - 177,79 46,35 0,002
Algeciras - 28,87 52,53 0,960
La lnea 19,34 53,59 0,988
La Lnea Ceuta - 197,13 31,69 0,000
- 48,21 40,18 0,696
Tarifa - 19,92 53,59 0,988
a
: Los RN que nacen en Ceuta tiene mayor peso medio que el resto de las ciudades.
Procedimiento de Scheffe
Captulo 9
pgina 916
Ciudad (I) Ciudad (J) Diferencias de
medias (I J)
Ceuta Algeciras 148.92 29,85 0,000
Tarifa 177,79 46,35 0,001
La Lnea 197,13 31,69 0,000
Algeciras Ceuta - 148,92 29,85 0,000
Tarifa 28,87 52,53 1,000
La Lnea 48,21 40,18 1,000
Tarifa Ceuta - 177,79 46,35 0,001
Algeciras - 28,87 52,53 1,000
La lnea 19,34 53,59 1,000
La Lnea Ceuta - 197,13 31,69 0,000
- 48,21 40,18 1,000
Tarifa - 19,92 53,59 1,000
a
Procedimiento de Bonferroni
Captulo 9
pgina 917
Procedencia Subconjunto para alfa
= 0,05
Test de Duncan Ciudad N 1 2 (Ceuta)
La Lnea 186 3169,03
Tarifa 80 3188,38
Algeciras 214 3217,24
Ceuta 1146 3366,16 0,960
Signifcacin 0,298 1,000
a
Procedimiento de Duncan
Comparacin de las 3 ciudades
(p > 0,1).
Comparacin de Ceuta con las dems
ciudades (1- p = 1,000; p = 0,000).
Captulo 9
pgina 918
PARAMTRICOS
Independientes
Aparejados
NO PARAMTRICOS
ANOVA para muestras
independientes
Kruskal-Wallis
dientes o apareadas
Friedman
2 GRUPOS
Captulo 9
pgina 919
- Para la comparacin de una misma variable cuantitativa en ms de tres grupos.
Es la prueba NO paramtrica ms potente para comparar >2 variables continuas
independientes. Es el similar al test de ANOVA para un factor.
- La prueba de Kruskal-Wallis, es una alternativa a la prueba F del ANOVA
(anlisis de varianza) para diseos de clasifcacin simple donde NO se cumple la
normalidad de la variable cuantitativa.
- En este caso se comparan varios grupos de la variable predictora (cualitativa
POLICOTMICA) pero usando la MEDIANA de cada uno de ellos, en lugar de las
medias, donde, n es el total de datos.
H
o
: La mediana de las k poblaciones consideradas son iguales y
H
a
: Al menos una de las poblaciones tiene mediana distinta a las otras
La prueba de Kruskal-Wallis (comparar ms de dos grupos)
) 1 ( 3
) 1 (
12
1
2
+
+
=

=
n
n
R
n n
H
k
i
i
i
Captulo 9
pgina 920
Tienen la misma efcacia las dietas ensayadas en grupos de
5 individuos para reducir el nivel de colesterol-LDL?
Variable PREDICTORA
Variable RESULTADO
Tipos de dieta
- Dieta control
- Dieta moderada
- Dieta estricta
LDL- colesterol
Captulo 9
pgina 921
Variaciones en los niveles de colesterol-LDL (mg/dl) a los 6 meses de
seguimiento en 3 grupos de voluntarios asignados a diferentes medidas de
intervencin diettica.
Grupo Control Dieta moderada Dieta estricta
+ 13 - 4 0
+ 10 - 8 - 12
+ 2 - 9 - 15
- 2 - 10 - 21
- 8 - 20
N = 5 N = 5 N = 4
Media = + 3 Media = - 10,2 Media = - 12
N = 14 Media total = - 6
Captulo 9
pgina 922
Rangos Cambio del LDLc
Tipo de DIETAS N Rango promedio
CONTROL 5 12,30
MODERADA 5 6,70
ESTRICTA 5 5,00
Total 15
Estadstico de contraste
N 15
Chi-cuadrado 7,308
gl (K 1) 2
Signifcacin 0,026
Resultados: Prueba de Kruskal-Wallis
Captulo 9
pgina 923
Test de Kruskal-Wallis
El cambio en el nivel de cLDL es
independiente de la intervencin
diettica
Las medias del cLDL de los
distintos grupos son diferentes
Hiptesis nula H
0
a
p < 0,05 p > 0,05
Tienen la misma efcacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
NO
?
X
2
H = 7,3 p = 0,026
Captulo 9
pgina 924
00
+10 +10
- 10 - 10
- 20 - 20
C
a
m
b
i
o

e
n

l
o
s

n
i
v
e
l
e
s

d
e

c
o
l
e
s
t
e
r
o
l
-
L
D
L

(
m
g
/
d
l
)

a

l
o
s

6

m
e
s
e
s

d
e

t
r
a
t
a
m
i
e
n
t
o

d
e

i
n
t
e
r
v
e
n
c
i
n

d
i
e
t
t
i
c
a

e
n

3

g
r
u
p
o
s

d
e

5

v
o
l
u
n
t
a
r
i
o
s

a
s
i
g
n
a
d
o
s

a

d
i
f
e
r
e
n
t
e
s

d
i
e
t
a
s
C
a
m
b
i
o

d
e

e
l

L
D
L

(
m
g
/
d
l
)
+ 3
- 10,2
-12
Captulo 9
pgina 925
Pruebas Post Hoc no paramtricas
Procedimiento de IDK
Mtodo de HOLM
C
O
N
T
R
A
S
T
E
S

A

P
O
S
T
E
R
I
O
R
I
Mtodo de HOLLAND-COPENHAVER
Mtodo de HOCHBERG
Mtodo de HOMMEL
Mtodo de ROM
Captulo 9
pgina 926
Med Clin (Barc) 2006;127:41-6.
Captulo 9
pgina 927
Captulo 9
pgina 928
Qu relacin existe entre los niveles de calprotectina fecal
y las diferentes enfermedades orgnicas intestinales?
Variable PREDICTORA
Variable RESULTADO
Controles
- Plipos
- Cncer colorrectal
- Enfermedad infamatoria intestinal
Calprotectina fecal
Captulo 9
pgina 929
Normal Polipos Cncer
colorrectal
Enfermedad
inflamatoria
intestinal Diagnstico endoscpico
C
a
l
p
r
o
t
e
c
t
i
n
a
f
e
c
a
l

(
g
/
g
)
4.000
3.600
3.200
2.800
2.400
2.000
1.600
1.200
800
400
0
C
a
l
p
r
o
t
e
c
t
i
n
a
f
e
c
a
l

(
g
/
g
)
4.000
3.600
3.200
2.800
2.400
2.000
1.600
1.200
800
400
0
217
Captulo 9
pgina 930
Qu relacin existe entre los niveles de calprotectina fecal
y las diferentes enfermedades orgnicas intestinales?
Concentraciones de calprotectina fecal (g/g)
Grupos N Media DE
Controles 117 113,7 113,1
Plipos 28 158,3 155,8
Cncer colorrectal 20 726,6 533,2
Enfermedad infamatoria intestinal 25 2171,1 2133,6
Test de KRUSKAL-WALLIS p < 0,001
Captulo 9
pgina 931
El anlisis de los datos se llev a cabo mediante el programa estadstico SPSS 11.0. El
valor de la CPF se presenta como media y con un intervalo de confanza (IC) del 95%.
Se utiliz el test de Kruskal-Wallis para evaluar las diferencias entre los valores de CPF
entre los diferentes grupos y el coefciente de Spearman para valorar la correlacin entre
este marcador y el ndice de actividad de la enfermedad en el grupo de pacientes con
Anlisis estadstico (fragmento del texto)
Captulo 9
pgina 932
En la fgura 1 se muestra los valores de CPF en los diferentes grupos de pacientes. Se
encontr un incremento del valor medio (DE) en pacientes con enfermedad infamatoria
intestinal (EII) EII (2.171 [2.134] mg/kg) y CCR (727 [533] mg/kg) con diferencias
estadsticamente signifcativas con respecto al grupo 1 (114 [113] g/g, p < 0,001).
El presente trabajo muestra que la concentracin de CPF est signifcativamente elevada
en pacientes con procesos orgnicos en colon, fundamentalmente en el cncer colorrectal
y enfermedad infamatoria intestinal (EII). Adems, los valores ms altos se alcanzan
en pacientes con EII, y sus valores se correlacionan con el grado de actividad de la
enfermedad.
Captulo 9
pgina 933
Me parece acertada la eleccin del test de KRUSKAL-WALLIS como
contraste de hiptesis, sin embargo
Qu test has empleado para comprobar esa supuesta anormalidad de la
calprotectina fecal?
Si la calprotectina no sigue la distribucin normal
Por qu utilizas la media y la desviacin estndar como estadsticos
descriptivos?
Captulo 9
pgina 934
El test de KRUSKAL-WALLIS muestra un nivel crtico que es menor de 0,05,
y slo podemos rechazar la hiptesis de igualdad de promedios, concluyendo
que los grupos comparados (control, plipos, cncer colorrectal y enfermedad
infamatoria intestinaI), diferen en los niveles de calprotectina fecal. Sin
embargo el test no te permite decir que en la enfermedad infamatoria
intestinal los valores son mayores.
Por qu dices que los valores ms altos se alcanzan en pacientes con
enfermedad infamatoria intestinal, cuando eso no te lo permite el test
estadstico empleado?
Captulo 9
pgina 935
Aunque existen procedimientos POCT HOC para efectuar comparaciones
mltiples tras obtener un estadstico H signifcativo, para analizar con SPSS
que grupo tiene un mayor valor de CPF puedes utilizar la U de Mann-Whitney
para dos muestras independientes, pero acompaada de la correccin de
Bonferroni para controlar la probabilidad de cometer un error alfa.
Puesto que con 4 grupos de la variable predictora; control (CT), polipos (PL),
cncer colorrectal (CCR) y enfermedad infamatoria intestinal (EII), necesitas
hacer 6 comparaciones 2 a 2 (CT-PL, CT-CCR, CT-EII, PL-CCR, PL-EII,
CCR-EII), la aplicacin de la correccin de Bonferroni te llevar a basar
vuestras decisiones en un nivel de signifcacin de 0,05/6 = 0,0083. Es decir,
consideraremos que dos grupos comparados diferen signifcativamente
cuando el nivel crtico obtenido (p) sea inferior a 0,0083.
Captulo 9
pgina 936
VENTAJAS INCONVENIENTES
Permite datos ordinales y cuantitativos
discretos
Menor potencia estadstica
No es necesaria la normalidad (test no
paramtrico)
Menor sensibilidad para detectar
diferencias entre grupos
El tamao muestral puede ser pequeo No permite construir intervalos de
confanza
Captulo 9
pgina 937
- Su objetivo es comparar las medianas de dos muestras y determinar si
pertenecen a la misma poblacin o no.
- Se calcula la mediana de todos los datos conjuntamente. Despus, se divide
cada muestra en dos subgrupos: uno para aquellos datos que se siten por
encima de la mediana y otro para los que se siten por debajo.
- La prueba de chi-cuadrado determinar si las frecuencias observadas en cada
grupo diferen de las esperadas con respecto a una distribucin de frecuencias
que combine ambas muestras.
- Esta prueba est especialmente indicada cuando los datos sean extremos o
estn sesgados.
Prueba de la Mediana
Captulo 9
pgina 938
Variable PREDICTORA
Variable RESULTADO
Tipos de dieta
- Dieta control
- Dieta moderada
- Dieta estricta
LDL- colesterol
Captulo 9
pgina 939
Grupo Control (n=10) Dieta moderada (n=10) Dieta estricta (n=10)
+ 13 4 0
+ 10 8 12
+ 2 9 15
2 10 21
- 8 20 -10
+ 5 15 -18
3 6 -16
+ 8 7 -10
+ 2 16 -20
-2 6 -15
Media = + 2,5 Media = - 10,1 Media = - 13,7
Captulo 9
pgina 940
Hay 3 casillas con frecuencia esperada menor de 5.
La frecuencia de casilla esperada mnima es de 4,7
Prueba de la Mediana
Tipo de dietas
> Mediana 9 4 1
Mediana 1 6 9
Estadstico de contraste LDL
N 30
Mediana - 8,000
Chi-cuadrado 13,125
gl (K 1) 2
Signifcacin 0,001
Captulo 9
pgina 941
- Cuando no se cumplen las condiciones para el ANOVA, hay tres tests
disponibles: H de Kruskal-Wallis, mediana y Jonckheere-Terpstra.
- El test H de Kruskal-Wallis, una extensin del test U de Mann-Whitney es el
anlogo no-paramtrico del ANOVA.
- El test de la mediana, que es una prueba ms general pero no tan potente,
detecta diferencias en la situacin y forma de las distribuciones. Ambas pruebas
asumen que no hay un ordenamiento a priori de las k poblaciones de las que se
han extrado las muestras.
- Cuando hay una ordenacin natural a priori (ascendente o descendente) de las
k poblaciones, es preferible usar el test de Jonckheere-Terpstra.
Test de Jonckheere-Terpstra
Captulo 9
pgina 942
74 pacientes ingresados en una UCI y queremos comparar las
estancias generadas en dicha unidad entre tres grupos de pa-
cientes clasifcados en funcin de la edad (jvenes, maduros y
ancianos)
CUALITATIVA ordinal
Variable RESULTADO
CUANTITATIVA
Grupos etarios
- Jvenes
- Maduros
- Ancianos
Estancia
- Das
Captulo 9
pgina 943
Distribucin normal 1 < 2 EE 1 2 < 2 EE 2
Variable resultado ESTANCIA N Media DE EEM Mediana
Variable predictora
Grupos etarios
JVENES 28 5,18 11,17 2,11 2,00
MADUROS 23 9,22 15,29 3,19 3,00
ANCIANOS 23 21,51 21,52 4,49 3,00
Variable resultado ESTANCIA N 1 EE1 2 EE1
Variable predictora
Grupos etarios
JVENES 28 3,944 0,441 16,048 0,858
MADUROS 23 2,760 0,481 8,430 0,935
ANCIANOS 23 2,290 0,481 5,682 0,935
La variable resultado ESTANCIA, como casi todas las que se referen al tiempo, es una variable conocida
por su distribucin alejada de lo normal. Si el tamao de los grupos que se estudian es pequeo menor
de 30, no sera adecuada la utilizacin de mtodos paramtricos (ANOVA) y deberamos recurrir a los
clsicos no paramtricos (KRUSKAL-WALLIS).
Captulo 9
pgina 944
Media
Mediana
Media
Mediana
Captulo 9
pgina 945
Test de normalidad
Variable resultado
ESTANCIA
N Estadstico Z Signifcacin
Variable predictora
Grupos etarios
Jvenes 28 2,301 0,000
Maduros 23 1,668 0,008
Ancianos 23 1,236 0,097
Total 74 2,829 0,000

H
o
: p > 0,05 NORMALIDAD Test paramtricos
H
a
: p < 0,05 Test NO paramtricos
El test de normalidad ensayado da un valor de p signifcativo (p < 0,05). Por tanto hay evidencias sufcientes
para rechazar la hiptesis nula de normalidad de la variable ESTANCIA en UCI en los grupos. No se puede
asumir la normalidad.
Captulo 9
pgina 946
Test de Levene
Prueba de la homogeneidad de las varianzas
Variable resultado ESTANCIA en UCI (das)
Estadstico de Levene gl1 gl2 Signifcacin
3,707 2 71 0,022

H
o
: Las varianzas de ambos grupos son iguales ANOVA
H
a
: Existen diferencias entre las varianzas KRUSKAL-WALLIS
p > 0,05 (aceptamos la H
o
) ANOVA
p < 0,05 (rechazamos la hiptesis nula) KRUSKAL-WALLIS
El test de Levene (1960) se usa para contrastar si los 3 grupos comparados tienen la misma varianza, es
decir, la homogeneidad de varianzas. Para poder utilizar el anlisis de la varianza es necesario que las
varianzas son iguales para todos los grupos. De ah la importancia de verifcar con el test de Levene esa
hiptesis.
Captulo 9
pgina 947
1. Ausencia de normalidad.
2. Ausencia de homocedasticidad: el test de Levene para valorar la
homogeneidad de las variancias muestra que existen diferencias entre ellas (p =
0,027).
3. Y existencia de valores anmalos (outliers) que impiden la utilizacin de
mtodos paramtricos (ANOVA clsico).
Tenemos que recurrir a los clsicos no paramtricos de Kruskal-Wallis o, mejor, a
mtodos robustos como la generalizacin robusta del test Welch, que utiliza medias
-recortadas muestrales y es capaz de detectar diferencias signifcativas entre los
grupos.
Refexiones: existen varios incumplimientos para el
ANOVA
Captulo 9
pgina 948
Clculo de Rangos
GRUPO ETARIO N Rango promedio
JVENES 28 31,00
MADUROS 23 38,37
ANCIANOS 23 44,54
Total 74
Estadstico de contraste ESTANCIA
Chi-cuadrado 5,234
gl (K 1) 2
Signifcacin 0,073
Resultados: Prueba H de Kruskal-Wallis
Hiptesis nula H
o
: La estancia en UCI de los pacientes estudiados NO difere segn el
grupo etario.
Captulo 9
pgina 949
Estadstico de contraste ESTANCIA
Nmero de niveles 3
N 74
Estadstico de J-T observado 1136,500
Media del estadstico J-T 908,500
Desviacin tpica del estadstico J-T 99,118
Estadstico de J-T tipifcado 2,305
Test de Jonckheere-Terpstra (J-T)
a
: La estancia en UCI de los pacientes estudiados difere segn el
grupo etario.
Captulo 9
pgina 950
PARAMTRICOS
Independientes
Aparejados
NO PARAMTRICOS
para muestras indepen-
dientes
Kruskal-Wallis
ANOVA
para medidas repetidas
Friedman
2 GRUPOS
Captulo 9
pgina 951
- Anlisis de la variancia (ANOVA) se utiliza para la obtencin del coefciente de
correlacin intraclase (CCI).
- En los estudios que evalan la concordancia, cada sujeto es examinado por
ms de un observador, siendo adecuado realizar un anlisis de la variancia
(ANOVA) para medidas repetidas (generalizacin de la prueba de la t de Student
para datos apareados).
- Este tipo de diseo permite aislar la variabilidad entre pacientes y
concentrarnos en la variabilidad debida al factor de inters; en el anlisis de la
variancia simple, la variabilidad entre pacientes est incluida en la variabilidad
residual.
Anlisis de la Varianza (ANOVA) para muestras
dependientes o apareadas (medidas repetidas)
Captulo 9
pgina 952
TIEMPO N Media DE 1 EE1 2 EE1
INICIO 30 15,53 2,776 0,014 0,427 - 0,946 0,833
PRIMER AO 30 12,00 2,626 - 0,159 0,427 - 0,515 0,833
SEGUNDO AO 30 9,37 2,282 0,334 0,427 0,412 0,833
TERCER AO 30 8,03 2,539 0,366 0,427 - 0,647 0,833
Experimento diseado para estudiar el efecto del paso del tiempo sobre la calidad del recuerdo y realizacin
prctica de estudios con aplicacin de la estadstica de los 30 alumnos que han realizado el curso de
BIOESTADSTICA APLICADA A LAS CIENCIAS DE LA SALUD. Se evala el grado de conocimientos con
el mismo examen de 20 preguntas tipo test en 4 momentos diferentes; inmediatamente despus de fnalizar
el curso, al ao, a los 2 aos, y a los 3 aos del curso. Se valora el nmero de respuestas correctas.
TIEMPO Test de Kolmogorov-Smirnov
INICIO 30 0,618 0,839
PRIMER AO 30 0,548 0,925
SEGUNDO AO 30 0,679 0,746
TERCER AO 30 0,648 0,795

Captulo 9
pgina 953
Comparacin de > de 2 grupos apareados
Prueba de la esfericidad de Mauchly
Contrastes MULTIVARIADOS Contrastes UNIVARIADOS
p > 0,05
ESFERICIDAD
p < 0,05
NO ESFERICIDAD
POST HOC: Procedimiento de BONFERRONI: Comparacin por pares
p < 0,05 p < 0,05
p > 0,05; Normalidad
Captulo 9
pgina 954
Efecto intra-sujetos Prueba de esfericidad de Mauchly
W de Mauchly Chi cuadrado g.l Signifcacin
TIEMPO 0,803 6,096 5 0,297
Para el ANOVA de medidas repetidas es conveniente suponer que las varianzas de las diferencias entre
cada dos niveles del factor TIEMPO son iguales. Con los 4 niveles, tenemos 6 pares de combinaciones
dos a dos entre niveles; inicio-1ao, inicio-2ao, inicio-3 ao, 1ao-2ao, 1 ao-3ao, 2ao-
3ao. Calculando las diferencias entre las puntuaciones de esos 6 pares, tendremos 6 nuevas variables.
Este supuesto equivale a afrmar que la matriz de varianzas-covarianzas es circular o esfrico. Para el
procedimiento de medidas repetidas esto se realiza con la prueba de esfericidad de MAUCHLY. Puesto que
la signifcacin estadstica asociada al estadstico W de Mauchly es de 0,297, (mayor de 0,05), NO podemos
rechazar la hiptesis nula de esfericidad. La matriz de las varianzas-covarianzas es ESFRICA.
Captulo 9
pgina 955
Efecto intra-sujetos Epsilon
Greenhous e-Geisser Hunh-Feldt Lmite-interior
TIEMPO 0,865 0,958 0,333
Cuando el estadstico W de Mauchly nos lleve al rechazo de la esfericidad (NO ESFERICIDAD), podemos
basar nuestra decisin en los estadsticos F MULTIVARIADOS que no les afecta la falta de esfericidad, o
bien podemos utilizar el estadstico F UNIVARIADO aplicando el ndice corrector EPSILON.
El ndice corrector EPSILON expresa el grado en que la matriz de varianzas-covarianzas se aleja de la
esfericidad. En condiciones de esfericidad perfecta, psilon vale 1. En este caso psilon es alto porque hay
ESFERICIDAD.
Existen 3 estimaciones del ndice psilon, Greenhous e-Geisser es la ms conservadora. El lmite inferior
expresa el valor que adoptara psilon en caso de incumplimiento extremo de la esfericidad. El valor
de EPSILON se utiliza para corregir el valor del F UNIVARIADO. En este caso NO es necesario utilizar
EPSILON porque se cumple la ESFERICIDAD (p > 0,05).
Captulo 9
pgina 956
TIEMPO Contrastes MULTIVARIADOS
Valor F GI de la hiptesis GI del error Signifcacin
Traza de Pillai 0,902 83,25 3 27 0,000
Lambda de Wilks 0,098 83,25 3 27 0,000
Traza de Hotelling 9,250 83,25 3 27 0,000
Raz mayor de Roy 9,250 83,25 3 27 0,000
La tabla contiene 4 estadsticos multivariados: Traza de Pillai, Lambda de Wilks, Traza de Hotelling, Raz
mayor de Roy. Se interpretan de la misma forma que todos los estadsticos ya estudiados; puesto que la
signifcacin de cada uno de ellos (p < 0,001) es menor que 0,05, podemos rechazar la hiptesis nula
de igualdad de las medias y concluir que la calidad del recuerdo de los conocimientos de bioestadstica
adquiridos no es la misma en los 4 momentos temporales defnidos en el factor tiempo.
H
a
: La calidad del recuerdo de los conocimientos de bioestadstica NO es la misma en
los 4 momentos considerados.
Captulo 9
pgina 957
TIEMPO Contrastes UNIVARIADOS: Prueba de efectos INTRA-SUJETOS
Suma de cuadrados
tipo III
Esfericidad asumida 984,067 3 328,022 103,236 0,000
Greenhouse-Geisser 984,067 2,596 379,006 103,236 0,000
Huynh-Feldt 984,067 2,874 342,361 103,236 0,000
Lmite-inferior 984,067 1,000 984,067 103,236 0,000
Si de cumple la ESFERICIDAD (homogeneidad de las varianzas) es preferible utilizar la aproximacin
UNIVARIADA (esfericidad asumida), ya que en condiciones de esfericidad, el estadstico UNIVARIADO F
(F= 103,236) es ms potente que los estadsticos MULTIVARIADOS de la tabla anterior (F= 83,246), sobre
todo con muestras pequeas, aunque, si ambos estadsticos conducen a la misma conclusin es irrelevante
utilizar uno u otro.
Observando los resultados de esta tabla vemos que las cuatro versiones del estadstico F UNIVARIADO (la
no corregida y las 3 corregidas con el valor de EPSLION) conducen a la misma conclusin, que coincide
con la ya alcanzada en la tabla de contrastes MULTIVARIADOS, por tanto, de nuevo rechazamos la Ho
(igualdad de medias) y aceptamos la Ha.
H
a
: la calidad del recuerdo de los conocimientos NO es la misma en los 4 momentos considerados.
Captulo 9
pgina 958
TIEMPO MEDIAS MARGINALES ESTIMADAS
Media Error tpico Lmite inferior del IC95% Lmite inferior del IC95%
INICIO 15,553 0,507 14,494 16,570
1 ao 12,000 0,479 11,019 12,981
2 ao 9,367 0,417 8,515 10,219
3 ao 8,033 0,464 7,085 8,981
Se observa en la tabla que la media de los conocimientos adquiridos en el curso van disminuyendo
paulatinamente con el paso del TIEMPO.
Esta disminucin es estadsticamente signifcativa en cada uno de los
estratos temporales?
Captulo 9
pgina 959
Grfco de perfl representando el efecto del factor
tiempo
Qu test has utilizado para llegar a esa conclusin?
10
8
12
14
16
3 ao 2 ao 1 ao Inicio
M
e
d
i
d
a
s

m
a
r
g
i
n
a
l
e
s

e
s
t
i
m
a
d
a
s
TIEMPO
Se observa en el grfico que los conocimientos
adquiridos en el curso van disminuyendo
paulativamentre con el paso del TIEMPO en
todos los intervalos ensayados (p< 0,05)
Captulo 9
pgina 960
TIEMPO Pruebas de CONTRASTES INTRA-SUJETOS
Suma de cuadrados
tipo III
LINEAL 947,527 1 947,527 206,956 0,000
CUADRTICO 36,300 1 36,300 13,815 0,001
CBICO 0,240 1 0,240 0,103 0,750
La tabla ofrece contrastes polinmicos, de tipo ortogonal, mostrando tantos contrastes como niveles tiene el
factor tiempo menos uno, como el factor tiempo tiene 4 niveles, aparecen 3 contrastes (lineal, cuadrtico y
cbico).
Si miramos la signifcacin (p) asociados a cada estadstico F podemos rechazar las hiptesis nulas
referidas a los componentes lineal y cuadrtico, pero no la referida al componente cbico. Podemos
concluir que las medias de los conocimientos adquiridos en el curso en cada momento temporal se ajustan
signifcativamente tanto a una lnea recta (componente lineal) como a una curva (componente cuadrtico).
Pero como existe ms de un componente signifcativo se elige el de mayor orden (modelo lineal) (mayor
valor de F, y mejor signifcacin). El grafco del perfl siguiente nos ayuda a comprender con ms claridad lo
que est ocurriendo.
Captulo 9
pgina 961
Pruebas Post Hoc Anova apareado
TIEMPOS INICIO 1 AO 2 AO 3 AO
INICIO H
o
=
H
a

H
o
=
H
a

H
o
=
H
a

1 AO H
o
=
H
a

H
o
=
H
a

2 AO H
o
=
H
a

3 AO
Captulo 9
pgina 962
Tiempo (I) Tiempo (J) Diferencias de
medias (I J)
Inicio 1 ao 3,533 0,417 0,000
2 ao 6,167 0,407 0,000
3 ao 7,500 0,544 0,000
1 ao Inicio - 3,533 0,417 0,000
2 ao 2,633 0,405 0,000
3 ao 3,967 0,531 0,000
2 ao Inicio - 6,167 0,401 0,000
1 ao - 2,633 0,405 0,000
3 ao 1,333 0,440 0,031
3 ao Inicio - 7,500 0,544 0,000
1 ao - 3,9967 0,531 0,000
2 ao - 1,333 0,440 0,031
Procedimiento de Bonferroni: Comparacin por pares
Captulo 9
pgina 963
Relacin entre las glucemias medias, la hemoglobina
glicosilada y el riesgo de aparicin de complicaciones
de la diabetes
GLUCEMIAS MEDIAS HbA1c (%) RIESGO DE COMPLICACIONES
60 4
RIESGO BAJO
90 5
120 6
150 7
RIESGO MODERADO (control aceptable hasta 7,5%)
180 8
210 9 RIESGO AUMENTADO
MAL CONTROL
METABLICO
(> 9,5%)
240 10 RIESGO ALTO
270 11
RIESGO CRTICO
300 12
330 13
360 14
GLUCEMIAS MEDIAS HbA1c (%) RIESGO DE COMPLICACIONES
60 4
RIESGO BAJO
90 5
120 6
150 7
RIESGO MODERADO (control aceptable hasta 7,5%)
180 8
210 9 RIESGO AUMENTADO
MAL CONTROL
METABLICO
(> 9,5%)
240 10 RIESGO ALTO
270 11
RIESGO CRTICO
300 12
330 13
360 14
Captulo 9
pgina 964
Objetivo: Conocer si el curso de educacin diabetolgica mejora el control
metablico de un grupo de pacientes diabticos mal controlados (HbA
1c
> 8,0).
Material: Grupo de 30 individuos antes y despus de un programa de
educacin para el control diabtico (ECD).
Mtodo: Se evala la hemoglobina glicosilada antes (HbA
1c
PRE) y despus
del ECD (HbA
1c
POST).
Se defne una nueva variable HbA
1c
DIF = HbA
1c
PRE HbA
1c
POST.
Hiptesis nula Ho X
antes
= X
despus
( DIF = HbA
1c
PRE HbA
1c
POST = 0)
Hiptesis alternativa H1 X
antes
X
despus
(DIF = HbA
1c
PRE HbA
1c
POST 0)
Captulo 9
pgina 965
El curso de educacin diabetolgica (ECD) mejora el con-
trol diabtico de un grupo de pacientes mal controlados
(HbA
1c
> 8,0)?
Diabetes = Educacin
HbA
1c
ANTES
HbA
1c
DESPUS
Captulo 9
pgina 966
Resultados 1 objetivo
HbA1c N Media DE 1 EE1 2 EE2
INICIAL (PRE) 30 10,150 1,77 0,745 0,427 - 0,516 0,833
PRIMER AO (POST) 30 7,130 0,932 1,408 0,427 2,619 0,833
Experimento diseado con dos objetivos:
1. Se evala el control metablico con los niveles de HbA1c antes y despus (al ao) de la imparticin de un
curso intensivo de educacin diabetolgica a un grupo de 30 pacientes mal controlados (HbA1c > 8) para
comprobar si el curso ha sido til en la mejora del control glucmico a CORTO plazo.
2. Estudiar el efecto del paso del tiempo (LARGO plazo) sobre el control metablico tras la realizacin de
un curso de educacin diabetolgica en un grupo de 30 pacientes con diabetes mal controlada (HbA1c > 8),
realizando controles sucesivamente cada ao (2, 3 y 4 ao). Se quiere valorar si es necesario un nuevo
curso y con que frecuencia debera realizarse.
HbA1c Test de Kolmogorov-Smirnov
INICIAL (PRE) 30 0,827 0,501
PRIMER AO 30 1,034 0,235

Captulo 9
pgina 967
t calculada < t tabulada p>0,05 (aceptamos la Ho)
estndar (s)
Error estndar de
la media (EEM)
HbA
1c
PRE 10,150 30 1,772 0,323
HbA
1c
POST 7,130 30 0,932 0,170
confanza de la
diferencia
t
calculada
gl Signifcacin
bilateral
HbA
1c
PRE
HbA
1c
POST
3,020 1,208 0,2206 2,569 3,471
HbA
1c
PRE versus HbA
1c
POST 30 0,772 0,000
Captulo 9
pgina 968
HbA1c N Media DE 1 EE1 2 EE2
PRIMER AO 30 7,130 0,932 1,408 0,427 2,619 0,833
SEGUNDO AO 30 7,207 0,835 1,110 0,427 1,805 0,833
TERCER AO 30 7,707 0,712 1,056 0,427 0,998 0,833
CUARTO AO 30 9,050 0,910 0,652 0,427 - 0,084 0,833
2. Estudiar el efecto del paso del tiempo (LARGO plazo) sobre el control metablico tras la realizacin de
un curso de educacin diabetolgica en un grupo de 30 pacientes con diabetes mal controlada (HbA1c > 8),
realizando controles sucesivamente cada ao (2, 3 y 4 ao). Se quiera valorar si es necesario un nuevo
curso y con que frecuencia debera realizarse.
HbA1c Test de Kolmogorov-Smirnov
PRIMER AO 30 1,034 0,235
SEGUNDO AO 30 0,901 0,392
TERCER AO 30 0,990 0,281
CUARTO AO 30 0,737 0,649

Captulo 9
pgina 969
Efecto intra-sujetos Prueba de esfericidad de Mauchly
W de Mauchly Chi cuadrado g.l Signifcacin
HbA1c 0,368 27,717 5 0,000
Para el ANOVA de medidas repetidas es conveniente que las varianzas de las diferencias entre cada
dos niveles del factor TIEMPO son iguales. Con los 4 niveles, tenemos 6 pares de combinaciones dos
a dos entre niveles; 1ao-2ao, 1 ao-3ao, 1ao-4ao, 2ao-3ao, 2ao-4ao, 3ao- 4ao.
Calculando las diferencias entre las puntuaciones de esos 6 pares, tendremos 6 nuevas variables. Este
supuesto equivale a afrmar que la matriz de varianzas es circular o esfrico. Para el procedimiento de
medidas repetidas esto se realiza con la prueba de esfericidad de MAUCHLY. Puesto que la signifcacin
estadstica asociada al estadstico W de Mauchly es p < 0,001, (MENOR de 0,05), podemos rechazar la
hiptesis nula de esfericidad.
NO HAY ESFERICIDAD.
Captulo 9
pgina 970
Efecto intra-sujetos Epsilon
Greenhous e-Geisser Hunh-Feldt Lmite-interior
TIEMPO 0,654 0,701 0,333
Cuando el estadstico W de Mauchly nos lleve al rechazo de la esfericidad (NO ESFERICIDAD), podemos
basar nuestra decisin en los estadsticos F MULTIVARIADOS que no les afecta la falta de esfericidad, o
bien podemos utilizar el estadstico F UNIVARIADO corregido aplicando el ndice corrector EPSILON.
El ndice corrector EPSILON expresa el grado en que la matriz de varianzas-covarianzas se aleja de la
esfericidad. En condiciones de esfericidad perfecta, psilon vale 1. Cuanto menor es psilon menor es la
esfericidad.
Existen 3 estimaciones del ndice psilon, Greenhous e-Geisser es la ms conservadora. El lmite inferior
expresa el valor que adoptara psilon en caso de incumplimiento extremo de la esfericidad. El valor de
EPSILON se utiliza para corregir el valor del F UNIVARIADO cuando no se cumple la esfericidad.
Captulo 9
pgina 971
TIEMPO Contrastes UNIVARIADOS: Prueba de efectos INTRA-SUJETOS
Suma de cuadrados
tipo III
Esfericidad asumida 71,079 3 23,693 238,282 0,000
Greenhouse-Geisser 71,079 1,961 36,238 238,282 0,000
Huynh-Feldt 71,079 2,102 33,810 238,282 0,000
Lmite-inferior 71,079 1,000 71,079 238,282 0,000
Si se cumple la ESFERICIDAD es preferible utilizar la aproximacin UNIVARIADA (versin esfericidad
asumida), pues en condiciones de esfericidad el estadstico F UNIVARIADO es ms potente que los
estadsticos MULTIVARIADOS, sobre todo con muestras pequeas.
Si NO se cumple la ESFERICIDAD es preferible utilizar los estadsticos F MULTIVARIADOS (como en este
caso).
Captulo 9
pgina 972
Comparacin de > de 2 grupos apareados
Contrastes MULTIVARIADOS Contrastes UNIVARIADOS
p > 0,05
ESFERICIDAD
p < 0,05
NO ESFERICIDAD
POST HOC: Procedimiento de BONFERRONI: Comparacin por pares
p < 0,05 p < 0,05
p > 0,05; Normalidad
Captulo 9
pgina 973
TIEMPO Contrastes MULTIVARIADOS
Valor F GI de la hiptesis GI del error Signifcacin
Traza de Pillai 0,931 120,741 3 27 0,000
Lambda de Wilks 0,069 120,741 3 27 0,000
Traza de Hotelling 13,416 120,741 3 27 0,000
Raz mayor de Roy 13,416 120,741 3 27 0,000
La tabla contiene 4 estadsticos multivariados: Traza de Pillai, Lambda de Wilks, Traza de Hotelling, Raz
mayor de Roy. Se interpretan de la misma forma que todos los estadsticos ya estudiados; puesto que la
signifcacin de cada uno de ellos (p = 0,000) es menor que 0,05, podemos rechazar la hiptesis nula de
igualdad de las medias y concluir que el control metablico debido a la educacin del diabtico por el curso
no es el mismo en los 4 momentos temporales defnidos en el factor tiempo.
H
a
: el control metablico debido a la educacin del diabtico por el curso
no es la misma en los 4 momentos temporales defnidos en el factor
tiempo.
Captulo 9
pgina 974
TIEMPO MEDIAS MARGINALES ESTIMADAS
Media Error tpico Lmite inferior del IC95% Lmite inferior del IC95%
1 ao 7,130 0,170 6,782 7,478
2 ao 7,207 0,152 6,895 7,518
3 ao 7,707 0,130 7,441 7,973
4 ao 9,050 0,166 8,710 9,390
Se observa en la tabla que la media de la hemoglobina glicosilada va aumentando paulatinamente con el
paso del TIEMPO.
Este aumento es estadsticamente signifcativo en cada uno de los
estratos?
Captulo 9
pgina 975
Grfco de perfl representando el efecto del factor
tiempo
Qu test has utilizado para llegar a esa conclusin?
7,5
7,0
8,0
8,5
9,0
4 ao 3 ao 2 ao
M
e
d
i
d
a
s

m
a
r
g
i
n
a
l
e
s

e
s
t
i
m
a
d
a
s
TIEMPO
9,5
1 ao
Se observa en el grfico que la HbA1c
va aumentando con el paso del TIEMPO,
siendo este aumento significativo (p < 0,05) al
pasar del 2 ao al 3 ao, y del 3 al 4 ao.
Captulo 9
pgina 976
Tiempo (I) Tiempo (J) Diferencias de
medias (I J)
1 ao 2 ao - 0,077 0,041 0,425
3 ao 0,577 0,070 0,000
4 ao - 1,920 0,098 0,000
2 ao 1 ao 0,077 0,041 0,425
3 ao - 0,500 0,068 0,000
4 ao - 1,843 0,104 0,000
3 ao 1 ao 0,577 0,070 0,000
2 ao 0,500 0,068 0,000
4 ao - 1,343 0,090 0,000
4 ao 1 ao 1,920 0,098 0,000
2 ao 1,843 0,104 0,000
3 ao 1,343 0,090 0,000
Procedimiento de Bonferroni: Comparacin por pares
Captulo 9
pgina 977
PARAMTRICOS
Independientes
Aparejados
NO PARAMTRICOS
para muestras indepen-
dientes
Kruskal-Wallis
dientes o apareadas
Friedman
2 GRUPOS
Captulo 9
pgina 978
Existen diferencias en el tiempo de reaccin frente a los 3
frmacos ensayados?
A
B
C
RESPUESTA A
RESPUESTA C
RESPUESTA B
Tiempo A
Tiempo C
Tiempo B
Captulo 9
pgina 979
- Es la versin NO PARAMTRICA del ANOVA para muestras apareadas.
- Utiliza la modifcacin estadstica de Iman & Davenport (1980) que lo hace
menos conservador.
- El valor de z de cada hiptesis se puede utilizar para calcular la probabilidad
de error (valor p) mediante la distribucin normal.
- Se cumplen las condiciones impuestas por el test ANOVA?
SI: Utilizar ANOVA
NO: Utilizar el test de FRIEDMAN
Test de Friedman
Captulo 9
pgina 980
Se ha medido el tiempo de la reaccin farmacolgica de 10 pacientes a 3
medicamentos diferentes.
1 10 10 15
2 10 15 20
3 11 15 12
4 8 12 10
5 7 12 9
6 15 10 15
7 14 12 18
8 10 14 17
9 9 9 12
10 10 14 16
H
o
: No existen diferencias entre los tiempos de reaccin frente a los 3 frmacos.
H
a
: Existen diferencias entre los tiempos de reaccin frente a los 3 frmacos.
Captulo 9
pgina 981
Tratamiento N Mean Standars Desviation Minimum Maximum
Frmaco A 10 10,40 2,458 7,00 15,00
Frmaco B 10 12,30 2,162 9,00 15,00
Frmaco C 10 14,40 3,565 8,00 20,00
Ranks
Tratamiento Promedio de rangos
Frmaco A 1,35
Frmaco B 2,00
Frmaco C 2,65
Friedman test Statistics
N 10
Chi cuadrado 9,135
gl (K 1) 2
Signifcacin 0,010
Test de Friedman
H
a
: Existen diferencias entre los tiempos de reaccin frente a los 3 frmacos.

Captulo 9
pgina 982
- Mide le grado de concordancia entre un grupo de elementos y un grupo
de caractersticas.
- Si la concordancia es mxima W=1, si la concordancia es mnima W=0.
Donde:
w = coefciente de concordancia de Kendall.
S = suma de los cuadrados de las diferencias observadas con respecto a un promedio.
N = Tamao de la muestra en funcin del nmero de tripletes, tetrapletes, quintupletes, etc.
K = nmero de variables incluidas.
Li = sumatoria de las ligas o empates entre los rangos.
Coefciente de concordancia W de Kendall
W =
S
1/12 K
2
(N
3
N) K Li
Captulo 9
pgina 983
- El coefciente W de Kendall y el estadstico
2
de Friedman son
aplicables al mismo tipo de situaciones.
- La hiptesis nula de que los tratamientos aplicados son iguales en su
efectividad es exactamente lo mismo que mantener la hiptesis nula
de ausencia de concordancia en los resultados de los tratamientos
ensayados.
Captulo 9
pgina 984
Existen diferencias en la medida de la frecuencia cardaca
en los tres mdicos evaluados?
A
B
C
MEDIDA A
Mdico JEFE SERVICIO
10 PACIENTES
MEDIDA C Mdico ADJUNTO
MEDIDA B
Mdico RESIDENTE
FC A
FC C
FC B
Captulo 9
pgina 985
Comparacin de las mediciones consecutivas de la FRECUENCIA CARDACA en
pulsaciones por minuto (ppm) en 10 pacientes realizada por tres mdicos diferentes: un
mdico A, jefe del servicio, un mdico B en periodo de formacin, y un mdico C adjunto
del mismo departamento.
Pacientes Mdico JEFE
SERVICIO (A)
Medico
RESIDENTE (B)
Mdico ADJUNTO (C)
1 75 80 74
2 74 84 72
3 76 81 75
4 79 83 80
5 82 92 84
6 83 88 82
7 85 90 84
8 87 92 86
9 87 92 88
10 88 93 88
Media 81,6 87,5 81,3
DE 5,3 5,04 5,85
Captulo 9
pgina 986
Mdico N Media Desviacin estndar Mnimo Mximo
JEFE A 10 81,6 5,23 74 88
RESIDENTE B 10 87,5 5,04 80 93
ADJUNTO C 10 81,3 5,85 72 88
Rangos
Promedio de rangos
JEFE A 1,35
RESIDENTE B 2,00
ADJUNTO C 2,65
Estadstico de contraste prueba de Friedman
N 10
Chi cuadrado 15,846
gl (K 1) 2
Signifcacin 0,000
Test de Friedman
H
a
: Existen diferencias entre la medida de la frecuencia cardiaca en los tres mdicos.

Captulo 9
pgina 987
Rangos
Promedio de rangos
JEFE A 1,35
RESIDENTE B 2,00
ADJUNTO C 2,65
Estadstico de contraste prueba de Kendall
N 10
W de Kendall (*) 0,792
Chi cuadrado 15,846
gl (K 1) 2
Signifcacin 0,000
H
a
: Existen diferencias entre la medida de la frecuencia cardiaca en los tres mdicos.

(*) Coefciente de concordancia de Kendall
Captulo 9
pgina 988
Experimento diseado para estudiar el efecto del paso del tiempo sobre la calidad del
recuerdo y realizacin prctica de estudios con aplicacin de la estadstica de los 10
alumnos que han realizado el curso de BIOESTADSTICA APLICADA A LAS CIENCIAS
DE LA SALUD. Se evala el grado de conocimientos con el mismo examen de 20
preguntas tipo test en 4 momentos diferentes; inmediatamente despus de fnalizar el
curso, al ao, a los 2 aos, y a los 3 aos del curso.
La calidad y cantidad del recuerdo de los conocimientos sobre bioestadstica
es la misma en los 4 momentos considerados?
Captulo 9
pgina 989
Respuestas acertadas en funcin del tiempo transcurrido desde la realizacin del curso
Alumnos Tiempo 0 1 ao 2 ao 3 ao
1 16 8 8 12
2 12 9 9 10
3 12 10 10 8
4 15 13 7 11
5 18 12 12 12
6 13 13 8 10
7 18 16 10 13
8 15 9 6 6
9 20 9 11 8
10 14 12 11 9
Captulo 9
pgina 990
Tiempo N Media Desviacin estndar Mnimo Mximo
INICIO 10 15,30 2,710 12 20
1 AO 10 11,10 2,514 8 16
2 AO 10 9,20 1,932 6 12
3 AO 10 9,90 2,183 6 13
Rangos
Rango promedio
INICIO 3,95
1 AO 2,50
2 AO 1,70
3 AO 1,85
Estadstico de contraste prueba de Friedman
N 10
Chi cuadrado 20,868
gl (K 1) 3
Signifcacin 0,000
Test de Friedman
H
a
: la calidad del recuerdo de los conocimientos no es la misma en los 4 momentos
considerados.
Captulo 9
pgina 991
Rangos
Rango promedio
INICIO 3,95
1 AO 2,50
2 AO 1,70
3 AO 1,85
Estadstico de contraste prueba de Kendall
N 10
W de Kendall (*) 0,698
Chi cuadrado 20,868
gl (K 1) 3
Signifcacin 0,000
H
a
: La calidad del recuerdo de los conocimientos no es la misma en los 4 momentos
considerados

(*) Coefciente de concordancia de Kendall
Captulo 10
pgina 992
Variables cualitativas.
Captulo 10
Captulo 10
pgina 993
- Fiabilidad de los procedimientos de medida empleados.
- Fleis: ni el ms elegante de los diseos seria capaz de paliar el dao
causado por un sistema de medida poco fable.
- Error de medida: Variabilidad entre observadores.
- Estudios de fabilidad.
- Sesgo entre observadores.
- Concordancia entre observadores.
- Indicadores del grado de variabilidad.
- Coefciente de correlacin intraclase (variables cuantitativas).
- ndice de Kappa (variables cualitativas tipo categricos).
Medidas de concordancia
Captulo 10
pgina 994
Valoracin de la fabilidad externa de las publicaciones de dos revistas
cientfcas durante el ltimo quinquenio.
En 5 (4 de JAMA y uno de MC) de los 12 artculos se han llevado a
cabo tratamientos estadsticos no idneos para medir la concordancia,
mediante las siguientes pruebas de contraste de hiptesis:
- Comparacin de medias con la t de Student
- Test exacto de Fisher,
- Test de chi-cuadrado
2
- Anlisis de la varianza (ANOVA)
- Test de Wilcoxon
- Coefciente de Spearman
Med Clin (Barc) 2003; 121 (20): 793-8
Captulo 10
pgina 995
- ndice kappa de Cohen (2 observadores)
- ndice kappa de Fleiss (> 2 observadores)
- ndice kappa ponderado
- Prueba de homogeneidad de kappas
Anlisis de concordancia: Variables Cualitativas
Captulo 10
pgina 996
OBSERVADOR A
( 1 medicin)
OBSERVADOR B
( 2 medicin)
TOTAL
Anormal (+) Normal (-)
Anormal (+) a b a + b
Normal (-) c d c + d
Total a + c b + d N
Statistical methods for rates and proportions. Joseph L. Fleis. Ed.John Wiley New York 1981.
ndice kappa de Cohen (medida dicotmica)
Captulo 10
pgina 997
RADILOGO A RADILOGO B TOTAL
Anormal (+) 58 39 97
Normal (-) 12 61 73
Total 70 100 170
k = 0,415 IC95% = 0,2862 0,5430
Dos radilogos del programa de tuberculosis se les remiten radiografas de trax de 170
sujetos que estn controlados en una unidad de neumologa, y que se quiere estimar
el grado de concordancia entre ellos. Los radilogos A y B tienen que clasifcar cada
radiografa en una de dos categoras:
(+) positiva (sospechosa de lesin tuberculosa).
(-) negativa (no sospechosa de lesin tuberculosa).
Captulo 10
pgina 998
Junto al ndice kappa aparece su error estndar EEk y el valor del
estadstico Z.
Puesto que el valor de p es muy pequeo (<0,001) podemos rechazar la
hiptesis nula y concluir que existe un ACUERDO signifcativamente ms
alto que el esperado por el azar.
Cmo se clasifca el grado de concordancia encontrado?
Cul es el grado de concordancia encontrado?
Medida de acuerdo Valor de Kappa EEk Z Signifcacin
Kappa de Cohen + 0,415 0,0655 5,688 0,000
Captulo 10
pgina 999
k = 0 cuando la concordancia observada p
o
es la que se esperada a causa del azar p
e
k > 0 cuando la concordancia observada p
o
es mayor de la esperada slo por el azar p
e
Con los datos de la tabla se obtiene aplicando esta frmula un valor de k = 0,415 (IC95%:
0,2862 0,5430), que segn la clasifcacin anterior califcaramos como una MODERADA
concordancia.
ndice kappa de Cohen
Valoracin del ndice Kappa
Valor de k Fuerza de concordancia
< 0,20 Pobre
0,21 0,40 Dbil
0,41 0,60 Moderada
0,61 0,80 Buena
0,81 1,00 Muy buena
Captulo 10
pgina 1000
Radilogo 2
Radilogo 1 Anormal Dudosa Normal
Anormal 18 4 3
Dudosa 1 10 5
Normal 2 4 53
Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice Kappa. Cad Aten
Primaria 1999; 6: 169-171.
Tienen los dos radilogos de mi servicio el mismo
criterio-juicio clnico para informar las radiografas?
Se enfrenta ambos radilogos a la tarea de categorizar una misma muestra
de 100 radiografas mediante la escala: anormal, dudosa, normal.
Captulo 10
pgina 1001
ndice kappa de Fleiss
Coefciente Gamma
Medida de acuerdo Valor de Kappa EEk T
aprox
Signifcacin
Kappa de Fleiss + 0,660 0,044 8,944 0,000
Gamma EEk T
aprox
p
0,899 0,044 8,744 0,000
Captulo 10
pgina 1002
o
e
o
e
Con los datos de la tabla se obtiene aplicando esta frmula un valor de k = 0,660
(IC95%: 0,527-0,793), que segn la clasifcacin anterior califcaramos como una buena
concordancia.
< 0,20 Pobre
0,21 0,40 Dbil
0,41 0,60 Moderada
0,61 0,80 Buena
0,81 1,00 Muy buena
Captulo 10
pgina 1003
Psiquiatra 2
Psiquiatra 1 Fbica Histrica Obsesiva Depresiva
Fbica 20 8 6 1
Histrica 7 36 14 4
Obsesiva 1 8 43 7
Depresiva 2 6 4 33
Tienen los dos psiquiatras de mi servicio el mismo criterio-
juicio clnico al diagnosticar una muestra de 200 pacientes?
Captulo 10
pgina 1004
Junto al ndice kappa aparece su valor estandarizado (T aproximada),
resultado similar al resultante de dividir el valor de kappa por su error
estndar (EEk) (11,69).
Puesto que el valor de p es muy pequeo (<0,001) podemos rechazar la
hiptesis nula y concluir que existe un ACUERDO signifcativamente ms
alto que el esperado por el azar.
Medida de acuerdo Valor de Kappa EEk T
aprox
Signifcacin
Kappa de Fleiss + 0,538 0,046 12,921 0,000
Captulo 10
pgina 1005
o
e
o
e
Con los datos de la tabla se obtiene aplicando esta frmula un valor de k = 0,538, que
segn la clasifcacin anterior califcaramos como una MODERADA concordancia.
< 0,20 Pobre
0,21 0,40 Dbil
0,41 0,60 Moderada
0,61 0,80 Buena
0,81 1,00 Muy buena
Captulo 10
pgina 1006
Banauch D, Koller PU, Bablok W. Evaluation of Diabur-Test 5000: a cooperative study carried out at 12
diabetes centers. Diabetes Care 1983; 6(3): 213-18.
Podemos sustituir el diabur-test por el clinitest para la medida
de la glucosuria?
Clinitest
Diabur-test 5000
Captulo 10
pgina 1007
Diabur-test 5000
Clinitest Negativo Trazas + + + + + + + + + +
Negativo 452 5
Trazas 133 270 28 1 2
+ 4 36 107 5 2 2
+ + 5 53 76 2 4
+ + + 12 28 81 35
+ + + + 2 11 44 251
Se desea estimar la concordancia entre dos pruebas diagnsticas
de diabetes, el Diabur-Test5000 y el Clinitest en 1677 muestras
de orina. Calcula el valor de kappa sin ponderar y ponderado por
pesos cuadrticos.
ndice kappa Ponderado
Captulo 10
pgina 1008
Kappa ponderado. Si las categoras de clasifcacin son ms de dos y estn defnidas
en una escala ordinal, como por ejemplo sano, posiblemente enfermo y claramente
enfermo. A la hora de valorar el grado de discrepancia entre dos observadores, no es lo
mismo que uno clasifque a un sujeto como posiblemente enfermo y el otro lo declare
sano a que uno lo clasifque como sano y el otro como claramente enfermo. La
distancia entre ambas discrepancias no es la misma.
Cuando ciertos tipos de desacuerdo son ms acusados que otros, al investigador le puede
interesar tenerlo en cuenta en la construccin del ndice kappa. Para ello, se PONDERA
las diferentes discrepancias, usando una matriz de pesos que pueden variar segn el
criterio del investigador en funcin de lo que est analizando, aunque siempre cumpliendo
ciertas restricciones:
1. La matriz debe ser simtrica;
2. La diagonal de acuerdos se le asigna el mximo peso, que es 1 y el resto de pesos
deben ser inferiores, aunque siempre positivos o iguales a cero.
Captulo 10
pgina 1009
Kappa NO ponderado + 0,6706 0,013 57,098 0,0000
N de casos vlidos 1677 IC95%: 0,6450 0,6961
Kappa ponderado + 0,9491 0,0033 38,982 0,0000
N de casos vlidos 1677 IC95%: 0,9427 0,9555
Medida de acuerdo Valor
Acuerdo observado + 0,7376
Acuerdo esperado + 0,2035
Medida de acuerdo Valor
Acuerdo observado + 0,9856
Acuerdo esperado + 0,7165
Captulo 10
pgina 1010
A. Gmez de la Cmara et al. Med Clin (Barc) 1997; 108:377-381
Grado de acuerdo interobservador
Variabilidad en datos clnicos
Variables Acuerdo preadiestramiento Valor
(CCI / Kappa) Acuerdo postadiestramiento + 0,9856
(CCI / Kappa) + 0,7165 + 0,7165
Afectacin simtrica 0.14 0.79
Clase funcional -0.08 0.65
Numero criterios diagnsticos 0.02 0.93
Sexo 1 1
Anticuerpos antinucleares 0.62 0.84
Valor mximo VSG 0.70 0.99
Captulo 10
pgina 1011
- El valor de kappa se ve afectado por la prevalencia del rasgo estudiado. Por tanto,
es necesario ser cuidadoso a la hora de generalizar los resultados de comparacin de
observadores en situaciones con prevalencias diferentes; esto quiere decir que kappa es
un estadstico descriptivo til, pero es inadecuado con fnes de prediccin o inferencia.
- Kappa es dependiente del nmero de categoras. Cuantas ms categoras se estn
considerando, ms difcil ser clasifcar correctamente los sujetos de observacin, lo que
implica valores de kappa ms bajos. Por tanto, debe tenerse en cuenta el nmero de
categoras a la hora de interpretar kappa.
- Para datos ordinales derivados de categorizar variables continuas, kappa depende
fuertemente las defniciones arbitrarias que se hacen de las categoras.
Limitaciones del estadstico Kappa
Captulo 10
pgina 1012
RESIDENTE
ADJUNTO
Se desea evaluar los conocimientos prcticos adquiridos por los residentes de
microbiologa a su paso por el departamento de micobacterias. Para ello se mide
la concordancia con el Especialista adjunto mediante la evaluacin conjunta de un
determinado nmero de tinciones de Ziehl Neelsen. Se desea estimar el grado de
concordancia de cada residente con el adjunto, y si el grado de adiestramiento ha
sido el mismo en los 4 residentes que han rotado por el departamento.
Captulo 10
pgina 1013
Prueba de homogeneidad de las kappas
Hiptesis nula: k1 = k2 = k3 = = kn
Hiptesis alternativa: al menos una de las kappas kx es distinta
Hiptesis nula H
o
: Igualdad de las kappas comparadas. El grado de
aprendizaje no varia entre los distintos residentes.
a
: Desigualdad de las kappas comparadas. El grado de
aprendizaje varia entre los distintos residentes. Existe al menos una kappa
diferente al resto.
Comparacin de kappas: Distribucin de
2
de Pearson
Captulo 10
pgina 1014
RESIDENTE R1 ADJUNTO TOTAL
Anormal (+) Anormal (-)
Anormal (+) 320 30 350
Dudosa (-) 120 29 149
Total 440 59 499
Kappa EEk IC95% T
aprox
p
0,132 0,043 0,048 0,215 3.448 0,001
aprox
p
0,441 0,113 3,027 0,002
P = 72,7%
Captulo 10
pgina 1015
Anormal (+) 890 210 1100
Dudosa (-) 290 700 990
Total 1180 59 2090
Kappa EEk IC95% T
aprox
p
0,518 0,019 0,481 0,555 23,764 0,000
aprox
p
0,822 0,017 27,549 0,000
P = 75,4%
Captulo 10
pgina 1016
Anormal (+) 350 120 470
Dudosa (-) 70 550 620
Total 420 670 1090
Kappa EEk IC95% T
aprox
p
0,640 0,024 0,593 0,686 21,226 0,000
aprox
p
0,916 0,013 25,914 0,000
P = 83,3%
Captulo 10
pgina 1017
Anormal (+) 280 80 360
Dudosa (-) 60 550 610
Total 340 630 970
Kappa EEk IC95% T
aprox
p
0,687 0,024 0,639 0,735 21,425 0,000
aprox
p
0,940 0,011 24,63 0,000
P = 82,3%
Captulo 10
pgina 1018
Comparacin de kappas
Nmero de Kappas a comparar Nivel de confanza
4 95%
Kappa global IC95%
0,687 0,5379 0,5855
Prueba de la homogeneidad de kappas
Chi cuadrado gl Valor p
143,0515 3 0,0000
a
: Desigualdad de las kappas comparadas. El grado de aprendizaje varia entre los
distintos residentes. Existe al menos una kappa diferente al resto.
Captulo 10
pgina 1019
Comparacin de kappas: Distribucin de 2 de Pearson
a
: Desigualdad de las kappas comparadas. El grado de aprendizaje varia entre los
distintos residentes. Existe al menos una kappa diferente al resto.
2
Pearson calculado
= 143,05

2
Pearson tabulado
7,81
>
2
Pearson calculado
= 143,05
2
Pearson calculado
= 143,05

2
Pearson tabulado
7,81
2
Pearson tabulado
7,81
>
AZAR
Ho
Ha
7,81
= 143,05
2
= 143,05
2
AZAR
=
Captulo 10
pgina 1020
El valor de kappa se ve afectado por la prevalencia del rasgo estudiado. Por tanto, es
necesario ser cuidadoso a la hora de generalizar los resultados de comparacin de
observadores en situaciones con prevalencias diferentes; esto quiere decir que kappa es
un estadstico descriptivo til, pero es inadecuado con fnes de prediccin o inferencia.
La prevalencia (porcentaje de tinciones positivas valoradas) es la misma en la evaluacin
de los 4 residentes comparados?
Si no son iguales NO podemos comparar los ndices kappa.
Gardner PL. Measuring attitudes to science: Unidimensionality and internal consistency revisited. Research
in Science Education 1995; 25: 283-9.
Captulo 11
pgina 1021
Variables cuantitativas.
Captulo 11
Captulo 11
pgina 1022
- Fiabilidad de los procedimientos de medida empleados.
- Fleis: ni el ms elegante de los diseos seria capaz de paliar el dao
causado por un sistema de medida poco fable.
- Error de medida: Variabilidad entre observadores.
- Estudios de fabilidad.
- Sesgo entre observadores.
- Concordancia entre observadores.
- Indicadores del grado de variabilidad.
- Coefciente de correlacin intraclase (variables cuantitativas).
- ndice de Kappa (variables cualitativas tipo categricos).
Medidas de concordancia
Captulo 11
pgina 1023
Valoracin de la fabilidad externa de las publicaciones de dos revistas
cientfcas durante el ltimo quinquenio.
En 5 (4 de JAMA y uno de MC) de los 12 artculos se han llevado a
cabo tratamientos estadsticos no idneos para medir la concordancia,
mediante las siguientes pruebas de contraste de hiptesis:
- Comparacin de medias con la t de Student
- Test exacto de Fisher,
- Test de chi-cuadrado
2
- Anlisis de la varianza (ANOVA)
- Test de Wilcoxon
- Coefciente de Spearman
Med Clin (Barc) 2003; 121 (20): 793-8.
Captulo 11
pgina 1024
- Variacin metrolgica.
Errores aleatorios.
Errores sistemticos.
- Comparacin de mtodos.
Evaluacin de mtodos diagnsticos cuantitativos
Captulo 11
pgina 1025
La evaluacin metrolgica de una prueba diagnstica CUANTITATIVA
persigue detectar los errores aleatorios y sistemticos que origina,
para cuantifcarlos mediante clculos estadsticos y determinar si son
inferiores a los lmites permisibles que no comprometen a la utilizacin
clnica de los resultados.
Esta evaluacin nos permite conocer el error que cometemos en
nuestras condiciones de trabajo, y si el la prueba es adecuada para
nuestros fnes o es necesario cambiarlo por otros mtodos.
Evaluacin metrolgica
Captulo 11
pgina 1026
EXPERIMENTOS DE
REPLICACIN
EXPERIMENTOS DE
REPLICACIN
EXPERIMENTOS DE
REPLICACIN
PROPORCIONALES
INTERSERIAL
CONSTANTES
INTRASERIAL
EVALUACIN METROLGICA
ERRORES SISTEMTICOS
ERRORES ALEATORIOS
Captulo 11
pgina 1027
Inexactitud y imprecisin Inexactitud y imprecisin
Inexactitud y precisin Inexactitud y precisin
Exactitud y imprecisin Exactitud y imprecisin
Exactitud y precisin Exactitud y precisin
Variacin
metrolgica
CV
a
=
SD
X
*
100
Error aleatorio
Error sistemtico Error sistemtico
Captulo 11
pgina 1028
CV
a
< CV
Bw
Prestacin mnima
CV
a
< CV
Bw
Prestacin deseable
CV
a
< CV
Bw
Prestacin ptima
Especifcaciones de la calidad para la imprecisin analtica
Captulo 11
pgina 1029
- Variacin biolgica NO aleatoria
- A lo largo de la vida
- Ritmo biolgico diario
- Ciclos mensuales
- Ritmos estacionales
- Variacin biolgica aleatoria
- Variacin biolgica intra-individual (CV
Bw
)
- Variacin biolgica inter-individual (CV
Bb
)
Fuentes de variacin biolgica
Captulo 11
pgina 1030
Fuentes de variacin biolgica
Edad en aos
Urea
Colesterol
Fsforo
50 20 30 40 60 70
C
o
n
c
e
n
t
r
a
c
i
n

r
e
l
a
t
i
v
a
Edad en aos
Urea
Colesterol
Fsforo
50 20 30 40 60 70
Colesterol
Fsforo
50 20 30 40 60 70
C
o
n
c
e
n
t
r
a
c
i
n

r
e
l
a
t
i
v
a
Captulo 11
pgina 1031
Variacin de los niveles de Colesterol total
Distribucin por grupos socioculturales
1 1,5 2 3 4 5 6 7 8 9 10 11 12 13
EDAD (aos)
125
135
145
155
165
175
185
Colesterol total (mg/dl)
CRISTIANOS MUSULMANES
Captulo 11
pgina 1032
Ritmo biolgico circadiano
9:00
GH
Cortisol
9:00 horas 24:00 Tiempo
300
600
Cortisol nmol/L
GH
mU/L
Captulo 11
pgina 1033
Clculo de la variacin total (CV
t
)
Cuando se obtiene una sola muestra y esta es analizada una sola vez....
CV
t
CV
p
2
CV
a
2
CV
Bw
2
=
+ +
CV
t
CV
p
2
CV
a
2
CV
Bw
2
=
+ +
Variacin
preanaltica
Variacin
analtica
Variacin
biolgica
intraindividual
Captulo 11
pgina 1034
Si minimizamos la variabilidad preanaltica mediante protocolizacin, entrenamiento,
buenas prcticas de laboratorio y seguimiento de los procedimientos operativos descritos y
estandarizados....
CV
t
CV
a
2
CV
Bw
2
=
+
Variacin
analtica
Variacin
biolgica
intraindividual
Captulo 11
pgina 1035
Variabilidad biolgica aleatoria
C
r
e
a
t
i
n
e
m
i
a
(
m
g
/
d
l
)
Lmite de referencia superior
Lmite de referencia superior
Lmite de referencia inferior
Lmite de referencia inferior
C
r
e
a
t
i
n
e
m
i
a
(
m
g
/
d
l
)
CV
Bw
= 4,3
CV
Bb
= 18,3
Mediana Punto Punto
de ajuste de ajuste
homeost homeost tico tico
Captulo 11
pgina 1036
ndice de individualidad (II) =
CV
Bw
CV
Bb
ndice de individualidad (II) =
CV
Bw
CV
Bb
II > 0,6
II < 0,6
CV
Bw
> CV
Bb
CV
Bw
< CV
Bb
Escasa individualidad
Fuerte individualidad
Diagnstico Seguimiento
Intervalos de referencia poblacionales Diferencia crtica
Captulo 11
pgina 1037
DC = 2
* Z [CV
Bw
2
+ CV
a
2
]
Cambio significativo con probabilidad del 95% (Z=1.96)

DC
95
= 2,77 [CV
Bw
2
+ CV
a
2
]
Cambio significativo con probabilidad del 99% (Z=2.58)

DC
99
= 3,65 [CV
Bw
2
+ CV
a
2
]
Captulo 11
pgina 1038
Varn de 63 aos con hipertensin y una concentracin de colesterol total de 254 mg/dl,
la cual tras modifcar sus hbitos de vida (tratamiento diettico) cambi a 224 mg/dl.
Cunto ha cambiado la colesterolemia?
Ha cambiado signifcativamente la colesterolemia?
Variacin
porcentual
=
CT final CT inicial
-
CT inicial
= - 11,8%
Variacin
porcentual
=
CT final CT inicial
-
CT inicial
Variacin
porcentual
=
CT final CT inicial
-
CT inicial
= - 11,8%
Captulo 11
pgina 1039
Callum G. Fraser
Variacin biolgica: de la teora a la prctica
Interpretacin del cambio aplicando criterios basados en la
variabilidad biolgica
Ninewells Hospital and medical School. Dundee. Scotland. 2001.
Captulo 11
pgina 1040
Ha cambiado signifcativamente la colesterolemia?
Cambio significativo con probabilidad del 95% (Z=1.96)(p<0,05)
DC
95
= 2,77 [CV
Bw
2
+ CV
a
2
]
Cambio significativo con probabilidad del 99% (Z=2.58)(p<0,01)

DC
99
= 3,65 [CV
Bw
2
+ CV
a
2
]
DC = 19%
DC = 24,5%
Captulo 11
pgina 1041
Dc Cambio en la colesterolemia (%)
P
r
o
b
a
b
i
l
i
d
a
d

e
s
t
a
d
s
t
i
c
a

d
e

c
a
m
b
i
o

P
(
%
)

Z
95% (p<0,05)
19% 24,5%
99% (p<0,01)
82%
11,8%
90% (p<0,1)
15,6%
Captulo 11
pgina 1042
1. Mtodos analticos
2. Mtodos de regresin
3. Mtodos grfcos
Diagnsticos cuantitativos
Comparacin de mtodos
Captulo 11
pgina 1043
- Se utiliza para demostrar que el nuevo mtodo (Y) presenta una buena
concordancia con el mtodo clsico de referencia (X).
- Demostrar que una misma medida tiene equivalencia con diferentes
equipos.
- Detectar la presencia de SESGOS (errores sistemticos):
- Error (sesgo) constante.
- Error (sesgo) proporcional.
Diagnsticos cuantitativos
Comparacin de mtodos
Captulo 11
pgina 1044
Error (sesgo) constante
Mtodo X
M
t
o
d
o

Y
Mtodo X
M
t
o
d
o

Y
La diferencia entre
ambos mtodos se
mantiene constante a
lo largo del rango de
medidas
Captulo 11
pgina 1045
Error (sesgo) proporcional
Mtodo X
M
t
o
d
o

Y
La diferencia entre
ambos mtodos se
lineal a lo largo de
todo el largo del rango
de medicin.
Captulo 11
pgina 1046
- Si los errores sistemticos detectados y medidos estn en un lmite aceptable,
la evaluacin se debe completar con un experimento de comparacin de
mtodos frente a los resultados obtenidos con un mtodo de referencia.
- La utilizacin de la estadstica en los experimentos de comparacin de mtodos
es la parte ms difcil del anlisis estadstico en los estudios de evaluacin de
mtodos.
- Qu mtodo estadstico es el que comete menos error para calcular el error
que comete un mtodo analtico?
Comparacin de mtodos diagnsticos cuantitativos
Captulo 11
pgina 1047
- Coefciente de correlacin intraclase (ANOVA).
- Modelo de efectos ALEATORIOS.
- Modelo de efectos FIJOS.
- Coefciente de correlacin-concordancia de Lin.
- Concordancia de Krippendorff.
Mtodos diagnsticos
Anlisis de concordancia: variables cuantitativas
Captulo 11
pgina 1048
- Mtodo de regresin lineal por mnimos cuadrados.
- Mtodo de regresin ortogonal de Deming.
- Modelo de Passing-Bablock.
- Mtodo de mnimos cuadrados ponderado.
- Mtodo de regresin de Bland y Altman.
- ANOVA de medidas repetidas.
- Modelos de ecuaciones estructurales.
Mtodos de regresin
Captulo 11
pgina 1049
- Anlisis de las diferencias individuales mtodo de Bland y Altman (que calcula
un intervalo de concordancia),
- Grfco de distribucin acumulativa emprica grfco montaa (mountain
plot)
- Grfco de la concordancia- supervivencia (survival-agreement plot).
Mtodos grfcos
Captulo 11
pgina 1050
La utilizacin de la estadstica en los experimentos de comparacin de mtodos
cuantitativos es la parte ms difcil del anlisis estadstico en los estudios de
evaluacin de mtodos diagnsticos.
Cul es el mtodo estadstico ms adecuado para calcular
el error que comete un mtodo diagnstico cuantitativo?
Captulo 11
pgina 1051
Pita Fernndez S, Prtegas Daz S. La fabilidad de las mediciones clnicas: el anlisis de concordancia
para variables numricas. Cad Aten Primaria 2004.
Podemos sustituir en instrumento clsico analgico por el
nuevo sistema digital para la medida de la tensin arterial?
Sistema analgico
Sistema digital
Captulo 11
pgina 1052
1. Linealidad de datos.
2. Pequeos errores aleatorios.
3. Intervalo de valores normales sufcientemente amplio de concentraciones.
4. Ausencia de valores aberrantes (outliers).
5. Que la variable PREDICTORA X no tenga error, es decir que el mtodo de
referencia utilizado sea exacto, pero en la mayora de ocasiones no es posible, por lo
que los resultados del mtodo de comparacin (X) tambin presenta errores.
Condiciones de aplicacin(*)
Regresin lineal por mnimos cuadrados:
(*) Westgard JO, Hunt MR. Use and interpretation of common statistical test in method-comparison studies.
Clin Chem 1973; 19: 44-57.
Captulo 11
pgina 1053
Medidas de tensin arterial sistlica en un
grupo de 30 pacientes mediante dos
mtodos de medicin (tradicional y
automatizado)
Mtodo analgico
M
t
o
d
o

d
i
g
i
t
a
l
Error sistemtico
proporcional
Captulo 11
pgina 1054
Se representan los datos de un estudio en el que se tom la tensin arterial sistlica
en 30 pacientes utilizando dos mtodos diferentes. Se representan grfcamente estos
datos, indicando el coefciente de correlacin lineal de Pearson r=0,997 (p<0,0001) una
asociacin prcticamente lineal.
Para variables cuantitativas, es frecuente que el anlisis de la concordancia entre dos
medidas de la misma variable se realice ERRNEAMENTE mediante el clculo del
coefciente de correlacin de lineal (r) de Pearson como ndice de concordancia.
Bland JM, Altman DG. Statistical methods for assesing agreement between two methods of clinical
measurement. Lancet 1986; 1: 307-310.
Captulo 11
pgina 1055
Regresin lineal por mnimos cuadrados:
Parmetro Coefciente Error estndar IC95% t p
0
5,8672 1,9830 1,8053-9,9291 2,9588 0,0062
0,9351 0,01369 0,9071-0,9632 66,295 < 0,0001
Variable Y DIGITAL
Variable X ANALGICO
Tamao de muestra 30
Coefciente de determinacin R
2
0,9940
Ecuacin de regresin Y = 5,8672 + 0,9351 X
Captulo 11
pgina 1056
- Mide la fuerza de asociacin entre ambas variables (X-Y), es decir
la intensidad de la relacin lineal entre los dos mtodos diagnsticos
cuantitativos.
- No ofrece informacin sobre el grado de CONCORDANCIA, por tanto no
puede detectar sesgo constante o proporcional.
- Es posible encontrar un alto coefciente de correlacin con una baja
intensidad de concordancia entre mtodos.
CORRELACIN CONCORDANCIA
Captulo 11
pgina 1057
Por qu has elegido el coefciente de correlacin de Pearson? Se cumplen todos
los requisitos para poder utilizarlo? Te permite ese test decir que los resultados son
intercambiables entre ambos instrumentos de medida?
El coefciente de correlacin de lineal (r) de Pearson NO resulta una medida adecuada del
grado de acuerdo o concordancia entre dos mediciones de un mismo parmetro (presin
arterial), ya que si dos instrumentos miden sistemticamente cantidades diferentes uno del
otro, la correlacin puede ser perfecta (r 1), a pesar de que la concordancia sea nula.
El coefciente de correlacin r de Pearson deca que la magnitud de la asociacin de la
medida de la presin arterial entre el mtodo manual A y el mtodo digital B es del 99,7
(r=0,997) de la mxima posible.

Captulo 11
pgina 1058
- Los valores del CCI pueden oscilar entre 0 y 1, de modo que la mxima
concordancia posible corresponde a un valor de CCI=1.
- Cuando el valor CCI=0 se obtiene cuando la concordancia observada es
igual a la que se esperara que ocurriera slo por AZAR. En este caso la
variabilidad observada se explicara por las discrepancias entre los mtodos
de medicin o de los diferentes criterios utilizados por los observadores en
el experimento.
Bland JM, Altman DG. Statistical methods for assessing agreement between two methods of clinical
measurement. Lancet 1986;8:307-10.
Coefciente de correlacin intraclase
Captulo 11
pgina 1059
- La obtencin del CCI que permite evaluar la concordancia general entre dos o ms
mtodos u observaciones diferentes se basa en un modelo de anlisis de la variancia
(ANOVA) con medidas repetidas, pero su obtencin directa no es posible con los paquetes
estadsticos habituales.
- La variabilidad total observada en el CCI puede dividirse en tres componentes:
- La variabilidad debida a las diferencias entre los pacientes (
2
P);
- La variabilidad debida a las diferencias entre los observadores (mdicos A y B)
(
2
O), y
- La variabilidad (residual), inexplicable (aleatoria), asociada al error inherente a toda
medicin (
2
R).
- El CCI se defne como la proporcin de variabilidad total debida a la variabilidad de los
pacientes:
2
P
2
P
+
2
O
+
2
R
CCI =
2
P
2
P
+
2
O
+
2
R
CCI =
Captulo 11
pgina 1060
- Los valores del CCI pueden oscilar entre 0 y 1: donde el 0 indica ausencia de
concordancia y el 1, la concordancia o fabilidad absoluta de los resultados obtenidos.
- Si bien el valor del CCI que defne una fabilidad satisfactoria es arbitrario (criterios de
Fleiss):
- CCI < 0,4 representan BAJA fabilidad.
- CCI entre 0,4 - 0,75 representan una fabilidad entre REGULAR y BUENA.
- CCI > 0,75 representan una fabilidad EXCELENTE.
Fleiss JL. The design and analysis of clinical experiments. Nueva York: John Wiley
& Sons, Inc., 1986.
- Los resultados ofrecidos por la r de Pearson para estos propsitos pueden resultar
equvocos.
- Se recomienda el uso del CCI para cuantifcar la fabilidad de las mediciones clnicas.
Captulo 11
pgina 1061
Sistema analgico
Sistema digital
Captulo 11
pgina 1062
- En este caso CCI=0.991, casi toda la variabilidad observada no depende
de las diferencias en los mtodos de medicin empleados o los diferentes
observadores (tan slo el 0,9%).
- Es decir, slo el 0,9% de la variabilidad observada es debida a las
discrepancias o diferencias entre los mtodos de medicin o por el diferente
criterios utilizados por los observadores.
Ejemplo
Sistema analgico
Sistema digital
Captulo 11
pgina 1063
Clculo del CCI mediante programas estadsticos
Parmetro Correlacin intraclase IC95%
Medidas individuales 0,9911 0,9398 a 0,9971
Medidas promedio 0,9955 0,9690 a 0,9986
Captulo 11
pgina 1064
Valoracin de la concordancia segn los valores de Coefciente
de Correlacin Intraclase (CCI)
Valoracin del Coefciente de correlacin intraclase
CCI Fuerza de la concordancia
> 0,90 Muy buena
0,71 - 0,90 Buena
0,51 - 0,70 Moderada
0,31 - 0,50 Mediocre
< 0,30 Mala o nula
Captulo 11
pgina 1065
Este modelo aleatorio es apropiado cuando los observadores implicados en la medicin,
las enfermeras A y B en el ejemplo, representan una muestra aleatoria de la poblacin
de posibles observadores (p. ej, otras enfermeras del hospital) que en el futuro harn uso
del instrumento evaluado (el esfgmomanmetro).
Modelo de efectos aleatorios
Luis Prieto, Rosa Lamarca, Alfonso Casado. La evaluacin de la fabilidad en las observaciones clnicas: el
coefciente de correlacin intraclase. Med Clin (Barc). 1998;110:142-5.

Captulo 11
pgina 1066
ENFERMERA A
ENFERMERA B
Se desea evaluar la concordancia entre las medidas de tensin arterial entre dos
enfermeras A y B mediante la comparacin de los resultados de dos mediciones
consecutivas de la presin arterial sistlica en 10 pacientes, realizadas en el mismo
esfngomanmetro por dos enfermeras.
Captulo 11
pgina 1067
Comparacin de dos mediciones consecutivas de la presin arterial
sistlica en 10 pacientes, realizadas en el mismo esfngomanmetro por dos
enfermeros diferentes.
Paciente Enfermera A Enfermera B Diferencia (B-A)
1 135 140 5
2 140 145 5
3 130 135 5
4 145 150 5
5 140 145 5
6 150 160 10
7 140 145 5
8 135 140 5
9 140 145 5
10 135 145 10
Media 139 145 6
DE 5,68 6,67 2,11
Captulo 11
pgina 1068
E
N
F
E
R
M
E
R
A

A
ENFERMERA B
150
145
140
135
130
130 150 145
E
N
F
E
R
M
E
R
A

A
ENFERMERA B
150
145
140
135
130
130 150 145
r = 0,954
r
2
= 0,910
p < 0,01
Pearson
r = 0,954
r
2
= 0,910
p < 0,01
r = 0,954
r
2
= 0,910
p < 0,01
Pearson
r = 0,929
p < 0,01
Rho Spearman
r = 0,929
p < 0,01
r = 0,929
p < 0,01
Rho Spearman
135 140 160
Captulo 11
pgina 1069
ENFERMERA A
E
N
F
E
R
M
E
R
A

B
150
145
140
135
130
130 150 145
ENFERMERA A
E
N
F
E
R
M
E
R
A

B
150
145
140
135
130
130 150 145
r = 0,954
r
2
= 0,910
p < 0,01
Pearson
r = 0,954
r
2
= 0,910
p < 0,01
r = 0,954
r
2
= 0,910
p < 0,01
Pearson
r = 0,929
p < 0,01
Rho Spearman
r = 0,929
p < 0,01
r = 0,929
p < 0,01
Rho Spearman
135 140
160
Captulo 11
pgina 1070
ENFERMERA A
E
N
F
E
R
M
E
R
A

B
150
145
140
135
130
130 150 145
r = 0,954
r
2
= 0,910
p < 0,01
Pearson
r = 0,929
p < 0,01
Rho Spearman
135 140
160
160
ENFERMERA A
E
N
F
E
R
M
E
R
A

B
150
145
140
135
130
130 150 145
r = 0,954
r
2
= 0,910
p < 0,01
Pearson
r = 0,954
r
2
= 0,910
p < 0,01
r = 0,954
r
2
= 0,910
p < 0,01
Pearson
r = 0,929
p < 0,01
Rho Spearman
r = 0,929
p < 0,01
r = 0,929
p < 0,01
Rho Spearman
135 140
160
160
Error
sistemtico
constante
Captulo 11
pgina 1071
1. Mide la diferencia entre las medias de las mediciones realizadas por los dos
mtodos comparados.
2. Slo puede detectar el sesgo o error sistemtico constante.
3. No puede detectar el error sistemtico PROPORCIONAL.
T de Student para datos apareados:
Gardner PL. Measuring attitudes to science: Unidimensionality and internal consistency revisited. Research
in Science Education 1995; 25: 283-9.
Captulo 11
pgina 1072
Resultados

estndar (s)
Error estndar de
la media (EEM)
ENFERMERA A 139,0 10 5,678 1,795
ENFERMERA B 145,0 10 6,667 2,108
confanza de la
diferencia
t
calculada
gl Signifcacin
bilateral
Enfermera B -
Enfermera A
6,00 2,108 0,667 4,492 7,508
ENFERMERA A versus ENFERMERA B 10 0,954 0,000
La t de Student para datos apareados permite detectar el sesgo o error sistemtico CONSTANTE.
Captulo 11
pgina 1073
( DE
A
)
2
CCI =
( DE
B
)
2
( DE
B-A
)
2
+ - ( DE
B
)
2
( DE
B-A
)
2
+ -
( DE
B
)
2
( DE
B-A
)
2
+ - ( DE
B
)
2
( DE
B-A
)
2
+ - ( DE
A
)
2
( X
B-A
)
2
+ / n
( 5,68 )
2
CCI =
( 6,67 )
2
( 2,11 )
2
+ - ( 6,67 )
2
( 2,11 )
2
+ -
( 6,67 )
2
( 2,11 )
2
+ - ( 6,67 )
2
( 2,11 )
2
+ - ( 5,68 )
2
( 6 )
2
+ / 10
= 0,64
Clculo del CCI del ejemplo anterior:
2
P
2
P
+
2
O
+
2
R
CCI =
Frmula simplificada del coeficiente de correlacin intraclase (CCI)
para un MODELO de EFECTOS ALEATORIOS
Captulo 11
pgina 1074
Clculo del CCI mediante programas estadsticos
Parmetro Correlacin intraclase IC95%
Medidas individuales 0,6436 - 0,0488 a 0,9240
Medidas promedio 0,7831 - 0,1027 a 0,9695
Captulo 11
pgina 1075
> 0,90 Muy buena
0,71 - 0,90 Buena
< 0,30 Mala o nula
Captulo 11
pgina 1076
- El valor del CCI obtenido es claramente inferior al valor 0,954 obtenido
con la r de Pearson, demostrando que la existencia de una alta asociacin
entre dos variables no es necesariamente signo de una alta concordancia.
- Aplicando la frmula a los datos anteriores, se obtiene un CCI igual
a 0,64, lo que indica una concordancia moderada entre los resultados
obtenidos por las enfermeras A y B.
Conclusiones
Captulo 11
pgina 1077
- Este modelo es apropiado cuando los observadores que intervienen en el
estudio son los nicos que participarn en el mismo.
- Se utiliza cuando el objetivo es conocer la magnitud de las discrepancias
entre dos mdicos y determinar si el mdico A puede ser sustituido por el
mdico B en esa tarea.
- Slo estamos interesados en la comparacin de los resultados obtenidos por
estos 2 mdicos y no desearemos generalizar los resultados al conjunto de
mdicos que miden la frecuencia cardaca en el hospital.
Modelo de efectos fjos
Captulo 11
pgina 1078
JEFE DE SERVICIO
MDICO RESIDENTE
Se desea valorar la concordancia de las mediciones de la FRECUENCIA
CARDACA obtenidas en 10 pacientes por 2 mdicos diferentes: un mdico A, jefe
del servicio, y un mdico B, en perodo de formacin. El objetivo es conocer la
magnitud de las discrepancias entre ambos y determinar si el mdico A puede ser
sustituido por el mdico B en esa tarea.
El pulso radial se siente mejor en la
mueca, debajo del pulgar.
Captulo 11
pgina 1079
Comparacin de dos mediciones consecutivas de la FRECUENCIA
CARDACA en pulsaciones por minuto (ppm) en 10 pacientes realizada por
dos mdicos diferentes: un mdico A, jefe del servicio, y un mdico B en
periodo de formacin (modelo de EFECTOS FIJOS).
Paciente Mdico A Medico B Diferencia (B-A)
1 75 80 5
2 74 84 10
3 76 81 5
4 79 83 4
5 82 92 10
6 83 88 5
7 85 90 5
8 87 92 5
9 87 92 5
10 88 93 5
Media 81,6 87,5 5,9
DE 5,3 5,04 2,18
Captulo 11
pgina 1080
90
85
80
75
75 80 90 95
JEFE DE SERVICIO
M
E
D
I
C
O

R
E
S
I
D
E
N
T
E
r = 0,912
r
2
= 0,832
p < 0,01
Pearson
r = 0,855
p = 0,002
Rho Spearman
95
85
90
85
80
75
75 80 90 95
JEFE DE SERVICIO
M
E
D
I
C
O

R
E
S
I
D
E
N
T
E
r = 0,912
r
2
= 0,832
p < 0,01
Pearson
r = 0,855
p = 0,002
Rho Spearman
95
85
90
85
80
75
75 80 90 95
90
85
80
75
75 80 90 95
JEFE DE SERVICIO
M
E
D
I
C
O

R
E
S
I
D
E
N
T
E
r = 0,912
r
2
= 0,832
p < 0,01
Pearson
r = 0,912
r
2
= 0,832
p < 0,01
r = 0,912
r
2
= 0,832
p < 0,01
Pearson
r = 0,855
p = 0,002
Rho Spearman
r = 0,855
p = 0,002
r = 0,855
p = 0,002
Rho Spearman
95
85
RESIDENTE = 16,7 + 0,868 * JEFE
Captulo 11
pgina 1081
90
85
80
75
75 80 90 95
JEFE DE SERVICIO
M
E
D
I
C
O

R
E
S
I
D
E
N
T
E
95
85
90
85
80
75
75 80 90 95
JEFE DE SERVICIO
M
E
D
I
C
O

R
E
S
I
D
E
N
T
E
95
85
90
85
80
75
75 80 90 95
90
85
80
75
75 80 90 95
JEFE DE SERVICIO
M
E
D
I
C
O

R
E
S
I
D
E
N
T
E
95
85
RESIDENTE = 16,7 + 0,868 * JEFE
Error sistemtico
constante
Captulo 11
pgina 1082
( DE
A
)
2
CCI =
( DE
A
)
2
CCI =
( DE
B
)
2
( DE
B-A
)
2
+ - ( DE
B
)
2
( DE
B-A
)
2
+ -
( DE
B
)
2
( DE
B-A
)
2
+ - ( DE
B
)
2
( DE
B-A
)
2
+ - ( DE
A
)
2
( X
B-A
)
2
+ / 2n
( 5,3 )
2
CCI =
( 5,04 )
2
( 2,18 )
2
+ - ( 5,04 )
2
( 2,18 )
2
+ -
( 5,04 )
2
( 2,18 )
2
+
-
( 5,04 )
2
( 2,18 )
2
+
-
( 5,3 )
2
( 5,9 )
2
+ / 2 x 10
= 0,69
Frmula simplificada del coeficiente de correlacin intraclase (CCI)
para un MODELO de EFECTOS FIJOS
Clculo del CCI del ejemplo anterior:
2
P
2
P
+
2
O
+
2
R
CCI =
/ 2
/ 2
Captulo 11
pgina 1083
> 0,90 Muy buena
0,71 - 0,90 Buena
< 0,30 Mala o nula
Captulo 11
pgina 1084
A pesar de que la r de Pearson indica una alta asociacin (r = 0,912),
aplicando la frmula a los datos anteriores, se obtiene un CCI igual a 0,69,
lo que indica una concordancia moderada entre los resultados obtenidos
por los mdicos A y B.
Conclusiones
Captulo 11
pgina 1085
A pesar de ser la medida de concordancia ms adecuada para el caso de variables
NUMRICAS, el CCI presenta ciertas limitaciones:
1. A la hora de interpretar los valores del CCI, la clasifcacin de la tabla 5 es subjetiva.
2. Difcultad inherente a su clculo.
3. Se trata de una prueba PARAMTRICA, por lo que limita su uso a:
- variables distribuidas segn una normal.
- igualdad de varianzas.
- independencia entre los errores de cada observador.
4. El CCI depende en gran medida de la variabilidad de los valores observados: cuanto
ms homognea sea la muestra estudiada, ms bajo tender a ser el valor del CCI.
5. Lo que ms ha limitado la difusin del uso del CCI en la literatura mdica es la carencia
de interpretacin clnica completamente objetiva.
Prieto L, Lamarca R, Casado A. La evaluacin de la fabilidad en las observaciones clnicas: el coefciente
de correlacin intraclase. Med Clin (Barc) 1998;110:142-5.
Limitaciones del coefciente de correlacin intraclase
Captulo 11
pgina 1086
Sistema analgico
Sistema digital
Captulo 11
pgina 1087
Medidas de tensin arterial sistlica en un
grupo de 30 pacientes mediante dos mtodos
de medicin (tradicional y automatizado)
Mtodo analgico
M
t
o
d
o

d
i
g
i
t
a
l
Error sistemtico
proporcional
Captulo 11
pgina 1088
Coefciente de concordancia de Lin
Escala de McBrige para el coefciente de
concordancia de Lin
Valor de la c Fuerza de acuerdo
< 0,90 Pobre
0,90 0,95 Moderada
0,95 0,99 Sustanciales
> 0,99 Casi perfecto
- El coefciente de correlacin de las medidas de concordancia de LIN mide el
grado de acuerdo entre dos variables cuantitativas continuas.
- Es til para evaluar la reproducibilidad o fabilidad entre dos observadores o
evaluadores.
Captulo 11
pgina 1089
Variable Y DIGITAL
Variable X ANALGICO
Tamao de muestra 30
Coefciente de CONCORDANCIA de Lin 0,9908
Intervalo de confanza al 95% 0,9832 a 0,9949
Pearson (precisin) 0,9970
Factor de correccin del sesgo C
b
(exactitud) 0,9937
Captulo 11
pgina 1090
ENFERMERA A
ENFERMERA B
Se desea evaluar la concordancia entre las medidas de tensin arterial entre dos
enfermeras A y B mediante la comparacin de los resultados de dos mediciones
consecutivas de la presin arterial sistlica en 10 pacientes, realizadas en el mismo
esfngomanmetro por dos enfermeras.
Captulo 11
pgina 1091
Variable Y Enfermera A
Variable X Enfermera B
Tamao de muestra 10
Coefciente de CONCORDANCIA de Lin 0,6190
Intervalo de confanza al 95% 0,3074 a 0,8107
Pearson (precisin) 0,9542
Factor de correccin del sesgo C b (exactitud) 0,6487
Captulo 11
pgina 1092
Sistema analgico
Sistema digital
Captulo 11
pgina 1093
1. En el caso de que presenten errores aleatorios en el mtodo de referencia (X) ha sido
propuesto como ms aceptable el mtodo de regresin ortogonal establecido por Deming
en 1943 (*).
2. Es adecuado incluso si existen valores aberrantes (**).
3. Si el error que presenta esta variable es proporcional, cuando la varianza de los
resultados aumenta con la concentracin, ha sido considerado adecuado el clculo de la
correlacin lineal mediante el clculo de mnimos cuadrados ponderado.
4. Mientras que consideran mejor el mtodo de Deming si los errores en x son
signifcativos frente al intervalo ensayado, cuando el intervalo de concentraciones es
estrecho (v.g. en Potasio) (***).
(*) Wakkers PJM, Hallendoorn HBA, Op de Weegh GJ, Heerspink W. Applications of statistics in clinical
chemistry. A critical evaluation of regression lines. Clin Chim Acta 1975; 64: 173-84.
(**) Cornbleet PJ, Gochman N. Incorrect least-squares regression coeffcients in method-comparison
analysis. Clin Chem 1979; 25: 432-38.
(***) Zaydman L, Lasky FD, Van Nostrand C, Doptis PD. Recommended linear regressin models for
comparison of method in clinical Chemistry. Clin Chem 1991, 37: 960.
Mtodo de regresin ortogonal de Deming
Captulo 11
pgina 1094
Representacin grfca de Deming
Error sistemtico
proporcional
Captulo 11
pgina 1095
Variable Y DIGITAL
Variable X ANALGICO
Tamao de muestra 30
Mtodo Media Coefciente de variacin (CV%)
X 140,23 26,24
Y 137,00 25,19
Parmetro Coefciente Error estndar IC95%
0
5,4741 1,7780 1,8377-9,1106
0,9379 0,01275 0,9124-0.9634
Captulo 11
pgina 1096
Representacin grfca de los residuales de Deming
Captulo 11
pgina 1097
- En los aos 80-90, para evitar los inconvenientes del mtodo simple de mnimos
cuadrados, Passing y Bablok desarrollan el clculo del mtodo de regresin no
paramtrica.
- Fue defendido como mtodo de eleccin debido a su robustez y a permitir obtener
una estimacin no sesgada de la recta de regresin.
Frey E, Fuentes-Arderiu X, Queralt JM. Comparacin estadstica de mtodos analticos. Educacin
continuada Qumica Clnica. 1988; 1:
69-79.
Modelos de regresin de Passing-Bablock
Captulo 11
pgina 1098
1. La razn de varianzas en Y y X iguale el cuadrado de la pendiente.
2. Ausencia de error en la variable PREDICTORA (independiente) X.
3. Que el error en la variable RESULTADO Y debe ser homogneo en todo el intervalo
de concentraciones.
Zaydman L, Lasky FD, Van Nostrand C, Doptis PD. Recommended
linear regressin models for comparison of method in clinical Chemistry. Clin Chem 1991, 37: 960.
Condiciones y limitaciones de aplicacin
Captulo 11
pgina 1099
Variable Y DIGITAL
Variable X ANALGICO
Tamao de muestra 30
Parmetro Coefciente IC95%
0
5,9375 1,4912-9,5455
0,9375 0,9091-0,9649
Test de linealidad de
suma acumulada
p < 0,10 No existe desviacin signifcativa de la linealidad
Captulo 11
pgina 1100
Captulo 11
pgina 1101
Se puede utilizar el mtodo de Passing-Bablock?
[
1
]
2
=
S
y
2
S
x
2
[
1
]
2
=
S
y
2
S
x
2
[
1
]
2
=
S
y
2
S
x
2
[ 0,9375 ]
2
= 0,8789 [ 0,9375 ]
2
= 0,8789
=
1190,69
1353,56
0,8796 =
S.
Captulo 11
pgina 1102
El objetivo de este estudio ha sido analizar la concordan-
cia entre dos mtodos enzimticos de determinacin de la
AMILASA srica perteneciente a una misma casa comercial
y basados en el mismo principio fsico-qumico.
Amilasa antigua
Amilasa nueva
Captulo 11
pgina 1103
Variable Y AMILASA NUEVA
Variable X AMILASA CLSICA
Tamao de muestra 548
Parmetro Coefciente IC95%
0
4,6190 4,000-5,200
0,8095 0,8000-0,8182
Test de linealidad de
suma acumulada
p < 0,01 Desviacin signifcativa de la linealidad
Captulo 11
pgina 1104
Error sistemtico
proporcional
Captulo 11
pgina 1105
CV
a
=
SD
X
*
100
CV
a
(clsica) = 148%
CV
a
(nueva) = 152%
NO SE PUEDE UTILIZAR el mtodo de Regresin ortogonal de Deming
porque los CV > 100%.
Captulo 11
pgina 1106
Se puede utilizar el mtodo de Passing-Bablock?
[
1
]
2
=
S
y
2
S
x
2
[ 0,8095 ]
2
= 0,6553
=
14508
18695
0,7060
No.
Captulo 11
pgina 1107
Sistema analgico
Sistema digital
Captulo 11
pgina 1108
- En 1991 Zaydman et al., en su estudio sobre modelos de regresin lineal para
comparacin de mtodos, rechazan el mtodo de Passing-Bablok porque no cumple las
condiciones anteriores.
- Obtienen los mejores resultados con el mtodo de mnimos cuadrados ponderado
cuando los errores en la variable PREDICTORA X son pequeos frente al intervalo de
concentraciones como el medido (v.g. en Glucosa).
Mtodo de mnimos cuadrados ponderado
Captulo 11
pgina 1109
EE
=
0,935
0,014
= 66,76 >> Z
95%
EE
=
0,935
0,014
= 66,76
EE
=
0,935
0,014
= 66,76 >> Z
95%
(1,96) p < 0,05
Z
99,5%
(3,29)
p < 0,005
Captulo 11
pgina 1110
Amilasa antigua
Amilasa nueva
Captulo 11
pgina 1111
Captulo 11
pgina 1112
- Bland y Altman proponen su mtodo de evaluacin de las diferencias, con el atractivo de
su sencillez de clculo y su utilizacin frente al uso de los mtodos de regresin anteriores.
- Representan grfcamente la diferencia entre los dos mtodos (D = Y X) frente a la
media de la suma de los dos resultados (A = X + Y / 2).
Altman DG, Bland JM. Measurement in medicine: the analysis of method comparison studies. The
Statistician 1983; 32, 307-317.
Lpez, F. Utilizacin adecuada de las pruebas estadsticas en los estudios de comparacin de
procedimientos. Quim Clin 2000; 19: 237.
Mtodo grfco de Bland y Altman
Captulo 11
pgina 1113
Statistician 1983; 32, 307-317.
Podemos sustituir en instrumento clsico de gran tamao
por el sistema mini porttil para la medida del fujo respira-
torio mximo (FEM)?
Clsico grande
Mini porttil
Captulo 11
pgina 1114
Se midi el fujo respiratorio mximo (FEM) en una muestra de 17 individuos con un amplia gama de FEM. Se
realizaron 2 mediciones en cada instrumento (grande clsico y Mini portatil). Slo la 1 medida de cada aparato
se utiliz para la comparacin de los mtodos, la 2 medicin se utiliz en el estudio de la repetibilidad.
GRANDE 1 Medida GRANDE 2 medida MINI 1 medida MINI 2 medida
1 494 490 512 525
2 395 397 430 415
3 516 512 520 508
4 434 401 428 444
5 476 470 500 500
6 557 611 600 625
7 413 415 364 460
8 442 431 380 390
9 650 638 658 642
10 433 429 445 432
11 417 420 432 420
12 656 633 626 605
13 267 275 260 227
14 478 492 477 467
15 178 165 259 268
16 423 372 350 370
17 427 421 451 443
Captulo 11
pgina 1115
800
600
400
200
200 400 600 800 0
0
Sistema clsico grande Flujo respiratorio (l/min)
S
i
s
t
e
m
a

p
o
r
t
a
t
i
l
M
i
n
i

(
l
/
m
i
n
)

800
600
400
200
200 400 600 800 0
0
Sistema clsico grande Flujo respiratorio (l/min)
S
i
s
t
e
m
a

p
o
r
t
a
t
i
l
M
i
n
i

(
l
/
m
i
n
)

Generalmente los puntos de datos se agrupan cerca de la lnea y
es difcil evaluar las diferencias entre los mtodos comparados
r = 0,9433; p <0,0001
Captulo 11
pgina 1116
Captulo 11
pgina 1117
- En el caso de que no haya error sistemtico los puntos se distribuirn de forma aleatoria
a uno y otro lado de la recta correspondiente a la diferencia 0 entre medidas (lnea
horizontal naranja).
- La lnea azul representa la media de las diferencias, que en nuestro ejemplo corresponde
a 2,1 (error sistemtico del segundo mtodo respecto al primero).
- Las lneas marrones representan los lmites de confanza defnidos mediante 2 DE de
la media de la diferencia, y se denominan lmites de concordancia
Statistician 1983; 32, 307-317.
Bland JM, Altman DG . Statistical methods for assessing agreement between two methods of clinical
measurement. Lancet 1986: 307310.
Mtodo grfco de Bland y Altman: Interpretacin
Captulo 11
pgina 1118
- Se observa una considerable falta de concordancia entre los medidores grandes y mini,
con discrepancias de hasta 80 l/min.
- Siempre que las diferencias d 2s no sean clnicamente importantes podamos asumir
que los mtodos de medicin son intercambiables. Estas d 2s son los lmites de
acuerdo.
- Para los datos de FEM se tiene:
d - 2s = -2,1 - (2 * 38,8) = - 78,1 l / min
d + 2s = -2,1 + (2 * 38,8) = - 73,9 l / min
- El medidor Mini ofrece datos de hasta 80 l / min por debajo o de 76 l / min por encima del
medidor grande, lo que es inaceptable para los propsitos clnicos.
- Esta falta de concordancia NO es evidente en la fgura de correlacin lineal de FEM.
Refexiones del grfco
Captulo 11
pgina 1119
- La repetibilidad es relevante para el estudio de comparacin de mtodos porque la
repetibilidad de los mtodos de medida limita el grado de concordancia.
- Si un mtodo presenta una repetibilidad pobre - es decir, existe una considerable
variacin en las mediciones repetidas en la misma muestra - el grado de concordancia
entre ambos mtodos es pobre tambin.
- La mejor manera de examinar la repetibilidad de un instrumento es tomar medidas
repetidas en una serie de muestras.
- Se calcula la media y la desviacin estndar de la diferencias medidas. La diferencia
media debe ser cero, ya que se trata del mismo mtodo. Si la diferencia de medias
es signifcativamente diferente de cero, no podemos utilizar los datos para evaluar la
repetibilidad, ya sea porque el conocimiento de la 1 medida est afectando a la 2 o el de
la medida es modifcar la cantidad).
Ensayo de repetibilidad
Captulo 11
pgina 1120
Ensayo de repetibilidad en el Mini
Captulo 11
pgina 1121
Sistema analgico
Sistema digital
Captulo 11
pgina 1122
La diferencia entre
ambos mtodos es
LINEAL a lo largo del
rango de medicin
Error sistemtico
proporcional
Captulo 11
pgina 1123
- Existe un importante error sistemtico porque los puntos se distribuyen preferentemente
por encima de la recta correspondiente a la diferencia 0 entre medidas (lnea horizontal
naranja).
- El error sistemtico es proporcional porque la diferencia entre ambos mtodos es LINEAL
(lnea rosa) a lo largo del rango de medicin.
a 3,2 (error sistemtico del segundo mtodo digital- respecto al primero analgico-).
la media de la diferencia (de -3,8 a +10,2 ), y se denominan lmites de concordancia.
Captulo 11
pgina 1124
Amilasa antigua
Amilasa nueva
Captulo 11
pgina 1125
Error sistemtico
proporcional
La diferencia entre ambos
mtodos es LINEAL a lo
largo del rango de medicin
Captulo 11
pgina 1126
- Existe un error sistemtico porque casi todos los puntos se distribuyen preferentemente
naranja).
- El error sistemtico es proporcional porque la diferencia entre ambos mtodos es LINEAL
(lnea rosa) a lo largo del rango de medicin.
a 11,8 (y nos mide el error sistemtico del segundo mtodo amilasa nueva- respecto al
primero clsica-).
la media de la diferencia (de -21,2 a +44,8 ), y se denominan lmites de concordancia.
Captulo 11
pgina 1127
Recomendaciones de Zaydman
Evaluacin de mtodos diagnsticos cuantitativos
Captulo 11
pgina 1128
No debe utilizarse porque NO cumple la condicin:
1. La razn de varianzas en Y y X iguale el cuadrado de la pendiente.
[
1
]
2
=
S
y
2
S
x
2
Captulo 11
pgina 1129
No debe utilizarse porque NO cumple los siguientes requisitos:
1. Ausencia de error en la variable PREDICTORA (independiente) X.
2. Que el error en la variable RESULTADO Y debe ser homogneo en todo el intervalo
de concentraciones.
Mtodo de mnimos cuadrados (mtodo regresin lineal simple)
Captulo 11
pgina 1130
Debe utilizarse cuando:
Los errores en la variable predictora (independiente) x son pequeos frente al intervalo
de concentraciones medido (glucemia).
Debe utilizarse cuando:
Cuando los errores en la variable predictora x son signifcativos frente al intervalo
ensayado, cuando el intervalo de concentraciones es estrecho (kaliemia).
Captulo 11
pgina 1131
Captulo 11
pgina 1132
Fortuna AM, Feixas T, Casan P. Determinacin de xido ntrico en aire espirado (FENO) mediante un equipo
porttil (NIOX-MINO Aerocrine) en poblacin sana. Arch Bronconeumol. 2007;43:176-9.
El objetivo de este estudio ha sido analizar la concordancia
entre dos dispositivos de medida del oxido ntrico (NO) ex-
halado, un Analizador de quimioluminiscencia estacionario
(NIOX Aerocrine) analizador ideal, y un analizador porttil
(NIOX-MINO), basado en anlisis electroqumico.
Equipo estacionario
N-6008 SIR
Equipo porttil
NIOX-MINO
Captulo 11
pgina 1133
Para la descripcin de los valores de FENO se facilitan valores medios desviacin
estndar. La comparacin entre valores medios se llev a cabo mediante un test de Mann-
Whitney. La comparacin de los resultados individuales se analiz mediante la correlacin
de Pearson. En todos los casos la aproximacin ha sido bilateral y el nivel de signifcacin
el habitual del 5% ( = 0,05). El programa informtico empleado en el anlisis fue el
paquete estadstico SPSS versin 11.
Anlisis estadstico
Captulo 11
pgina 1134
Fig. 3. Correlacin de xido ntrico en aire espirado (FENO) entre la determinacin con los equipos
N-6008 SIR (sensor de quimioluminiscencia) y NIOX-MINO (mtodo de electroqumica) en voluntarios
sanos. La correlacin de Pearson muestra la curva de regresin lineal entre ambos equipos (y = FENO
[ppb] con equipo NIOX-MINO; x = FENO [ppb] con el equipo N-6008 SIR).
FE
NO
(ppb) con el equipo N-6000 SIR
F
E
N
O
(
p
p
b
)

c
o
n

e
l

e
q
u
i
p
o

N
I
O
X
-
M
I
N
O
20
10
0
10
20
30
40
50
0
[NIOX-MINO] = 10 + 1,5 [N-6000 SIR]
r = 0,855; p =0,001
FE
NO
(ppb) con el equipo N-6000 SIR
F
E
N
O
(
p
p
b
)

c
o
n

e
l

e
q
u
i
p
o

N
I
O
X
-
M
I
N
O
20
10
0
10
20
30
40
50
0
[NIOX-MINO] = 10 + 1,5 [N-6000 SIR]
r = 0,855; p =0,001
Captulo 11
pgina 1135
El valor medio ( desviacin estndar) de FENO con el equipo NIOX-MINO fue de 20 7
ppb (rango: 8-41ppb), y con el sensor N-6008, de 7 5 ppb (rango: 1-19 ppb).
Se observ una correlacin directa y estadsticamente signifcativa de la determinacin
de FENO entre ambos equipos (r = 0,92; p = 0,001). Los valores de FENO con el equipo
NIOX-MINO siempre fueron superiores a los obtenidos con el equipo N-6008. Adems,
la curva de regresin lineal demostr un factor de correccin de: FENO (NIOX-MINO) =
10 + 1,5 FENO (N-6008) (fg. 3).
Resultados
Captulo 11
pgina 1136
Al comparar los 2 equipos y mtodos se constata que existe una muy buena correlacin
de cada determinacin de FENO para ambos equipos, con un factor de correccin entre
los valores de los 2 equipos de 1,5 + 10 para cada valor de FENO obtenido con el equipo
N-6008 (fgs. 2 y 3), lo que coincide con los valores obtenidos por otros autores.
Discusin
Captulo 11
pgina 1137
Captulo 11
pgina 1138
Por qu das un valor de corte, como valor de referencia, a partir de la media ms 2
desviaciones estndar?
El clculo de valores de referencia basado en la media 2 desviaciones estndar slo
puede aplicarse si las variables siguen distribuciones normales.
Se cumplen la normalidad de la variable cuantitativa (medida del NO en el aire exhalado)
en los dos instrumentos comparados?
No aportas ningn test estadstico (analtico o grfco) que demuestre que dicha variable
sigue la distribucin normal. En la tabla I aparecen otros trabajos (5 y 10) se han tenido que
realizar transformaciones logartmicas para normalizar la variable.
Seguro que sigue una distribucin normal?
Captulo 11
pgina 1139
El coefciente de correlacin de lineal (r) de Pearson NO resulta una medida adecuada
del grado de acuerdo o concordancia entre dos mediciones de un mismo parmetro (NO),
ya que si dos instrumentos miden sistemticamente cantidades diferentes uno del otro, la
correlacin puede ser perfecta (r 1), a pesar de que la concordancia sea nula.
El coefciente de correlacin r de Pearson deca que la magnitud de la asociacin de la
medida del NO entre el equipo NIOX-MINO y el equipo N-6008 es del 92% (r=0,92) de
la mxima posible.
Captulo 11
pgina 1140
Se ha demostrado que el coefciente de correlacin de Pearson para evaluar la
concordancia entre medidas cuantitativas es insufciente-inadecuado y que la
interpretacin de dicho coefciente como una medida de concordancia es errnea. La
igualdad de medias tan slo garantiza que los 2 mtodos se centran en el mismo valor,
pero en ningn caso que todos sus valores sean iguales.
Captulo 11
pgina 1141
Por qu utilizas el test de Mann-Whitney?
Los autores utilizan para la comparacin de medias el test de Mann-Whitney, que es
una prueba no paramtrica de comparacin de medias para grupos independientes; sin
embargo, al tratarse de medidas apareadas, deberan haber utilizado el test no paramtrico
para la comparacin de medias de medidas apareadas, que es la prueba de Wilcoxon.
Captulo 11
pgina 1142
Afortunadamente, un buen estudio con un anlisis defciente siempre se puede volver
a analizar. Hay paquetes estadsticos (MedCalc) que incorporan directamente un
procedimiento de comparacin de mtodos que incluyen el clculo de test que determinan
la concordancia entre medidas cuantitativas:
a) mtodos analticos, a travs del clculo de diferentes coefcientes que evalan
la concordancia, como el coefciente de correlacin intraclase o el coefciente de
correlacin-concordancia de Lin, modelos de regresin (modelos de regresin de
Deming y de Passing-Bablock), ANOVA de medidas repetidas y modelos de ecuaciones
estructurales, y
b) mtodos grfcos como el mtodo de Bland y Altman (que calcula un intervalo de
concordancia), el grfco de distribucin acumulativa emprica grfco montaa
(mountain plot) o el grfco de la concordancia- supervivencia (survival-agreement plot).
Captulo 11
pgina 1143
Como puedes observar en la tabla I he realizado una revisin bibliogrfca ms exhaustiva
que la tuya en la literatura mdica.
He encontrado en la pgina web http://www.nioxmino.com/references.html) muestra
diversos estudios que s utilizan algunos de estos mtodos (tabla I). Si hubieras usado los
grfcos de Bland y Altman puede que hubieras encontrado (como los estudios 6 y 7 de
la tabla) una relacin entre los valores apareados de FE
NO
con los 2 equipos de medida
de tipo heterocedstica, es decir, a mayores valores de FE
NO
, mayores son las diferencias
entre las medidas.
Captulo 11
pgina 1144
Captulo 11
pgina 1145
Por qu no indicas el intervalo de confanza del coefciente de correlacin de Pearson?
Los autores no aportan un intervalo de confanza para dicho coefciente. Calculado
por m, dicho intervalo del 95% es de 0,83 a 0,96, lo que implica que valores posibles
de dicho coefciente podran ser inferiores a 0,90, los cuales empricamente se han
clasifcado como correlacin slo buena.
Captulo 11
pgina 1146
Eres el nico autor que ha investigado la correlacin entre dichos instrumentos?
Por qu no comparas tus resultados con los publicados en la bibliografa?
Otros trabajos, encontrados en mi revisin bibliogrfca, ninguno de los cuales han sido
mencionados por los autores, ofrecen coefcientes de correlacin de Pearson mejores
que el tuyo (0,92) y mucho ms cercanos a 1, como se indica en la tabla I.
Captulo 11
pgina 1147
Captulo 11
pgina 1148
Como has podido ver en la tabla I, aunque otros autores tambin han utilizado slo el
coefciente de correlacin de Pearson (trabajos 2, 8 y 11), este valor nicamente indica la
fuerza de asociacin entre 2 variables (la proximidad de los puntos de los 2 mtodos de
medida a la recta de regresin) y que dicha relacin es lineal, pero no necesariamente
que dicha recta sea la bisectriz; ni siquiera una correlacin perfecta es sinnimo de
concordancia perfecta.
Captulo 11
pgina 1149
Aunque te puedo creer cuando describes las bondades de la medida de FE
NO
con el
nuevo equipo porttil (sencillez, rapidez, manejabilidad, coste, etc.) y su utilidad en el
diagnstico y seguimiento del paciente asmtico, lo que en ningn caso, te puedo admitir
del anlisis estadsticos de tus datos es que dicho equipo sea concordante (fable) con
el usado como referencia, ni que los valores de referencia propuestos sean vlidos sin
aportar informacin acerca de la forma de la distribucin de la variable.
Captulo 11
pgina 1150
2007; 67(6): 572-7 2007; 67(6): 572-7
Captulo 11
pgina 1151
En el anlisis estadstico se ha estudiado la regresin de las medias de FENO obtenidas
con ambos dispositivos de medida respecto a la diferencia de las mismas, mediante
el mtodo Bland-Altman, tanto en valores absolutos como relativos. Asimismo, se ha
analizado el grado de acuerdo entre los dos dispositivos de medida, en relacin con los
valores de normalidad para ambos, mediante el estadstico kappa de Cohen.
Anlisis estadstico
Captulo 11
pgina 1152
Figura 2: Anlisis estadstico (Bland-Altman). Media FE
NO
: media de la fraccin exhalada de xido ntrico;
DIF: diferencia de las medias de FE
NO
obtenidas con NIOX y con NIOX-MINO, en valores absolutos.
200 150 100 50 0
0
10
20
30
40
D
I
F
E
R
E
N
C
I
A
Media FE
NO
-10
+ 2 DE
- 2 DE
Media
Captulo 11
pgina 1153
- Existe un error sistemtico porque casi todos los puntos se distribuyen preferentemente
naranja).
- El error sistemtico es PROPORCIONAL porque la diferencia entre ambos mtodos es
LINEAL (lnea rosa) a lo largo del rango de medicin.
- La lnea azul representa la media de las diferencias, que en nuestro ejemplo
corresponde a 11 (y nos mide el error sistemtico del segundo mtodo porttil-respecto
al primero).
la media de la diferencia (de -3 a +25), y se denominan lmites de concordancia.
Captulo 11
pgina 1154
NIOX-MINO NIOX TOTAL
Anormal (+) 9 1 10
Normal (-) 2 18 20
Total 11 19 30
Anlisis estadstico mediante el ndice kappa de Cohen
Punto de corte de FE
NO
: media de la fraccin exhalada de xido ntrico.
Kappa de Cohen + 0,780 0,120 4,286 0,000
Captulo 11
pgina 1155
La regresin de las medias obtenidas por ambos dispositivos de medida de FENO
respecto a la diferencia de las mismas fue signifcativa, tanto en valores absolutos como
relativos (p < 0,005) (fg. 2). Asimismo, hubo acuerdo entre los valores obtenidos con
ambos dispositivos de medida, kappa de Cohen 0,78 (fg. 3).
Captulo 11
pgina 1156
El objetivo de nuestro estudio ha sido analizar la concordancia entre dos dispositivos de
medida para NO exhalado, sistema NIOX y sistema porttil NIOX-MINO. Segn los datos
obtenidos en nuestra muestra, observamos que existen diferencias signifcativas (p <
0,005) en la regresin de las medias obtenidas por ambos dispositivos de medida respecto
a la diferencia de las mismas. Por tanto, los dos sistemas estudiados no son equivalentes,
por lo que no son sustituibles. De acuerdo con otros investigadores, los valores obtenidos
con el sistema NIOX-MINO han sido signifcativamente superiores a los obtenidos con el
sistema NIOX, tanto ms cuanto mayor ha sido el valor de FE
NO
obtenido (fg. 2).
Captulo 11
pgina 1157
En conclusin, la FE
NO
, determinada mediante tcnica electroqumica con sistemas
porttiles, es vlida en nios mayores de 5 aos y ofrece la posibilidad de cuantifcar de
forma simple y no invasiva la infamacin eosinoflica de la va area, que resulta de gran
utilidad como complemento a la funcin pulmonar en el diagnstico de asma y en el control
del tratamiento en nios.
El objetivo de este estudio ha sido analizar la concordancia entre dos dispositivos de
medida de NO exhalado, un analizador de quimioluminiscencia estacionario (NIOX,
Aerocrine, Suecia), considerado como analizador.
Discusin (conclusiones)
Introduccin (fragmento del texto: objetivos)
Captulo 12
pgina 1158
Publicacin Bioestadstica: Anlisis multivariante.
Captulo 12
Captulo 12
pgina 1159
Captulo 12
pgina 1160
Anova de 2 factores
Causa o Factor 1: Cualitativa
Causa o Factor 2: Cualitativa
Desenlace o efecto:
Cuantitativa
Variable
Predictora 1
Variable
Predictora 2
Variable RESULTADO
Interaccin
Captulo 12
pgina 1161
Anova de 2 factores
Grupo cultural
Tabaquismo materno
Desenlace o efecto:
Peso del RN
Factor 1:
Variable predictora 1
Factor 2:
Variable RESULTADO
Cuantitativa
Interaccin
F= 7,49 p<0,01
F= 1,09 p<0,01
F= 0,59 N.S
Captulo 12
pgina 1162
Variable dependiente cuantitativa: Peso del RN
Factor 1 cualitativa: Grupo cultural
Factor 2 cualitativa: Tabaquismo materno
Las diferencias en el peso de los RN se mantuvieron slo dependientes del grupo cultural
o de la interaccin de ambos factores, pero no del hbito de fumar. A ello pudo contribuir
el bajo nmero de madres musulmanas fumadoras.
Anlisis de la varianza (ANOVA) de dos factores
Estudio de la variable resultado peso del RN. Efecto de las variables predictoras grupo cultural y hbito de
tabaquismo en las madres.
Factor Varianza F Signifcacin
Grupo cultural 3,2631 7,49 p < 0,01
Tabaquismo 2,5776 0,59 N.S
Interaccin (*) 4,7592 1,09 p < 0,01
(*) Test ANOVA de dos factores
Captulo 12
pgina 1163
Anova de 2 factores
Grupo cultural
Tipo de lactancia
Desenlace o efecto:
VCM
Factor 1:
Factor 2:
Variable RESULTADO
Cuantitativa
F= 3,67 p<0,01
F= 0,34 N.S
F= 1,03 p<0,01
Captulo 12
pgina 1164
Variable dependiente o resultado cuantitativa: VCM
Factor 1 cualitativa (variable predictora principal): Grupo cultural
Factor 2 cualitativa (variable predictora secundaria): Tipo de lactancia
Las diferencias en el VCM (microcitosis) se mantuvieron dependientes tanto del grupo
cultural como del tipo de lactancia, pero no de la interaccin de ambas variables.
Anlisis de la varianza (ANOVA) de dos factores
Estudio de la variable resultado VCM en lactantes. Efecto de las variables predictoras grupo cultural y tipo
de lactancia.
Factor Varianza F Signifcacin
Grupo cultural 6,0017 3,673 p < 0,01
Lactancia 1,6904 1,034 p < 0,01
Interaccin (*) 0,5579 0,341 N.S
(*) Test ANOVA de dos factores
Captulo 12
pgina 1165
Anlisis multivariante para la deteccin de potenciales factores de
confusin
Anlisis multivariante
Variable Predictora 1
Variable Resultado
Variable Predictora n
Captulo 12
pgina 1166
Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA
Test de Wilcoxon
Test de Friedman
REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Long-Rank
Regresin de COX
Captulo 12
pgina 1167
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
Variable
RESULTADO
Cuantitativa Cualitativa
(dicotmica)
Variables
PREDICTORAS
Cualitativa
Cuantitativa
Cualitativa
Cuantitativa
ECUACIN
Captulo 12
pgina 1168
Es un modelo de regresin que permite estudiar si una variable resultado
de tipo cualitativa nominal depende, o no, de otras variables predictoras. La
naturaleza de las variable predictoras puede ser:
- Categrica DICOTMICA, es decir, slo puede admitir dos posibles
resultados.
- CUANTITATIVA (discreta o continua).
Captulo 12
pgina 1169
Variable Resultado
Captulo 12
pgina 1170
Ejemplos de posibles modelos de regresin logstica
Variable RESULTADO Variables PREDICTORAS
Curacin (si/no) tratamiento aplicado
grado de cumplimiento
gnero
comorbilidad
HTA (si/no) ingesta de sal
antecedentes familiares
edad
Morir por cncer de mama grado del tumor
edad
tipo histolgico
receptores hormonales
RN de bajo peso HTA, edad, tabaquismo, peso materno,
raza, complicaciones obsttricas
Captulo 12
pgina 1171
Aplicacin de los modelos de regresin logstica
- En ENSAYOS CLNICOS en los que se evala un evento o resultado en
relacin a uno o ms factores etiolgicos, predictores o asociados (RR).
- En estudios de COHORTES en los que se evala un evento o resultado en
relacin a uno o ms factores de riesgo (etiolgicos, predictores o asociados)
(RR).
- En estudios de CASOS Y CONTROLES en los que se evalan diferentes
factores en cada grupo, para encontrar asociaciones entre ellos y la
enfermedad o caso (OR).
- En estudios TRANSVERSALES en los que se evalan diferentes variables
predictoras (factores de riesgo), para encontrar asociaciones entre ellas y la
enfermedad en estudio (variable resultado).
Captulo 12
pgina 1172
Objetivos de los modelos de regresin logstica
1. ESTIMAR la relacin entre una o ms variables predictoras con la variable
resultado.
- Estudios etiolgicos.
- Confusin e interaccin.
2. PREDECIR lo mejor posible la variable RESULTADO o respuesta, usando
la combinacin ms efciente de las variables PREDICTORAS incluidas en el
estudio.
Captulo 12
pgina 1173
Caractersticas de los modelos de regresin logstica
multivariante
- La variable RESULTADO es siempre cualitativa discreta
Si = 1
No = 0
- Las variables PREDICTORAS del modelo puede ser
Continuas
Discretas
- La ecuacin inicial del modelo NO es una funcin lineal, sino
EXPONENCIAL, si bien una sencilla transformacin logartmica (LOGIT) la
convierte fnalmente en una funcin lineal, que sigue la ecuacin de la recta
cuyas pendientes son los distintos coefcientes de regresin
i
.
Captulo 12
pgina 1174
Anlisis de regresin logstica mltiple
Captulo 12
pgina 1175
1. Es un modelo til en muchas circunstancias de investigacin en medicina...
- En las que se quiere analizar o predecir una respuesta dicotmica de la
variable resultado
Enfermo / sano
Vive / muere
Presente / ausente
Positivo / negativo
- En funcin de su perfl de variables predictoras o factores de riesgo, que
pueden ser
cualitativas: gnero, sexo, grupo cultural, estado civil, nivel de estudios,
nivel socioeconmico,...
cuantitativas: edad, n de cigarrillos, IMC, colesterol, TAS,...
Ventajas de los modelos de regresin logstica multivariante
(1)
Captulo 12
pgina 1176
2. Es la mejor aproximacin a la realidad biolgica, ya que la infuencia
de una variable predictora o factor de riesgo sobre la probabilidad de
que aparezca una enfermedad (variable resultado) suele asemejarse
ms a una curva sigmoidea (funcin exponencial) que a una recta.
La curva sigmoidal es la representacin habitual de una respuesta a
diferentes dosis de un estmulo.
(2)
Probabilidad de
enfermedad
coronaria
X
1
Y
Probabilidad de
enfermedad
coronaria
X
1
Y
Captulo 12
pgina 1177
(3)
3. El modelo matemtico del modelo permite obtener directamente la ODDS
RATIO (OR) o el RIESGO RELATIVO (RR) para cada factor de riesgo o
variable PREDICTORA incluida en el modelo. El coefciente
i
de cada
variable predictora obtenido por regresin logstica es el logaritmo neperiano
de la OR o del RR del factor de riesgo.
OR
1
= e
1
RR
1
= e
1
OR
RR
Captulo 12
pgina 1178
1. CUANTIFICAR la relacin existente entre las distintas variables predictoras incluidas en
el modelo y la variable resultado (respuesta).
2. CONTROLAR Y AJUSTAR aquellas variables predictoras que actan como potenciales
FACTORES MODIFICADORES de EFECTO, especialmente los FACTORES de
CONFUSIN.
3. PREDECIR LA RESPUESTA de la variable resultado en funcin de las variables
predictoras o factores de riesgo, clasifcando a los individuos en una de las dos posibles
respuestas en funcin de la probabilidad que arroje su perfl de variables predictoras
incluidas en el modelo de regresin logstica multivariante.
Funciones de los modelos de regresin logstica
multivariante
Captulo 12
pgina 1179
Variables explicativas o predictoras en el modelo de
regresin logstica
Variables CUALITATIVAS Variables CUANTITATIVAS
El modelo asume estimaciones basa-
das en variables continuas
La OR y el RR son medidas que cuan-
tifcan el cambio en el riesgo cuando se
pasa de un valor del factor a otro
Las variables cualitativas deben ser
modeladas en 2 categoras (0,1) o
transformadas en tantas variables
dicotmicas como categoras (varia-
bles DUMMY)
Este aumento o disminucin del riesgo es
lineal y proporcional al cambio
Captulo 12
pgina 1180
0
,
1
,
2
,..,
n
son los coefcientes de regresin logstica del modelo
- 0 es el trmino independiente (o constant en SPSS)
- El resto de las i son los coefcientes de regresin logstica para las
diferentes variables predictoras incluidas en le modelo
- La evidencia de relacin entre una variable predictora y la variable
resultado es la existencia de un coefciente de regresin logstica
signifcativamente diferente a cero
i
0
- El signo de
i
tiene un signifcado importante porque
- Si es positivo (
i
> 0) signifca que esa variable predictora AUMENTA la
PROBABILIDAD del suceso (variable resultado o respuesta) que estamos
analizando.
- Si es negativo (
i
< 0) su clculo se lleva a cabo mediante la FUNCIN
DE MXIMA VEROSIMILITUD.

Estimacin de coefcientes
i
Regresin logstica:
Captulo 12
pgina 1181
- La hiptesis conceptual es que una o varias variables predictoras infuyen
signifcativamente en la probabilidad del suceso en estudio (que la variable
predictora tome un valor u otro)
- Las hiptesis operativas se reducen al contraste de los diferentes
coefcientes
i
obtenidos en el anlisis de los datos como estimadores de las
variables predictoras de inters
As, cuando slo hay una variable predictora X
1

H
0

1
= 0
H
a

1
0
- Hay varios procedimientos para llevar a cabo este contraste.
Defnicin de las hiptesis nula H
o
y alternativa H
a
Regresin logstica:
Captulo 12
pgina 1182
1. Evaluacin estadstica del coefciente
i

2. Evaluacin estadstica de WALD
- El estadstico de WALD es el resultado de dividir el cuadrado del coefciente
de regresin logstica
i
por el cuadrado de su error estndar EE
i
3. Evaluacin estadstica de la razn de verosimilitud (L
0
)
4. Evaluacin estadstica del cambio del estadstico -2LL
0
- Este estadstico resulta ser menor de dos veces el logaritmo neperiano de la
razn de verosimilitud (L
0
)
5. Evaluacin del estadstico Z
2
, (Goodness of Fit)
Procedimientos para evaluar el contraste de hiptesis
Regresin logstica:
Captulo 12
pgina 1183
- El coefciente de regresin logstica
i
de la variable predictora i debe
ser estadsticamente distinto de cero
i
0 para que esta tenga infuencia
signifcativa sobre la variable resultado.
- La hiptesis H
0
ser que...
i
= 0
- La hiptesis H
a
ser que...
i
0
- Para tener en cuenta el error aleatorio (EE
i
) con que el coefciente
i
(obtenido en la regresin logstica) estima al coefciente de regresin
poblacional
n
se lleva a cabo un contraste a travs del estadstico t
de Student con un nmero de grados de libertad igual al nmero de
individuos de la muestra (N) menos el nmero de variables predictoras (n)
introducidas en el modelo.

1. Evaluacin estadstica del coefciente
i

Captulo 12
pgina 1184
- Si su signo es positivo (
i
> 0), la probabilidad de que se d o aparezca la
caracterstica de la variable predictora aumentar segn aumente el valor de
x
n
(la variable resultado a quien afecta).
- Si
i
0 es signifcativamente distinta de cero (test de contraste de hiptesis
p < 0,05), la variable predictora i infuye signifcativamente en la probabilidad
de que se d o aparezca la caracterstica de la variable resultado, y el modelo
logstico tiene sentido.
Interpretacin del coefciente de regresin logstica
i

Captulo 12
pgina 1185
El estadstico de Wald (W) es tambin muy utilizado para evaluar la
signifcacin estadstica del modelo de regresin logstica multivariante.
El estadstico W se obtiene dividiendo el cuadrado de
i
por el cuadrado del
error estndar de
i

El estadstico de Wald se distribuye segn una CHI CUADRADO.
La hiptesis a contrastar son las mismas que en el caso anterior
La hiptesis H
0
ser que... W = 0
La hiptesis H
a
ser que... W 0
2. Evaluacin estadstica de Wald
Captulo 12
pgina 1186
Evaluacin del modelo de Regresin logstica multivariante mediante el programa estadstico SPSS
ESTADSTICO HIPTESIS NULA CONTRASTE SIGNIFICACIN
i
= 0 t de Student p < 0,05
Wald
(
i
)
2
/ (EE
i
)
2
i
= 0 CHI CUADRADO p < 0,05
- 2 Log Likelihood
(-2LL)
L = 1
(-2LL) = 0
ajuste perfecto
CHI CUADRADO
con n-k-1 grados de
libertad
Si rechaza la hiptesis
nula
(p < 0,05) signifca que el
modelo de regresin no
es signifcativo
Improvement
o cambio en la razn
de verosimilitud en
cada paso
(-2LLK-1) - (-2LLK ) CHI CUADRADO
con k grados de
libertad
p < 0,05
Z
2
(Goodness of Fit)
Z
2
0 CHI CUADRADO Si se rechaza la
hiptesis nula
(p < 0,05) signifca que el
modelo de regresin no
es signifcativo
Model Chi- Square (-2LL
0
) - (-2LL
K
) CHI CUADRADO
con k grados de
libertad
p < 0,05
Captulo 12
pgina 1187
Evaluacin del modelo de Regresin logstica multivariante
mediante el programa estadstico SPSS
ESTADSTICO HIPTESIS NULA CONSTANTE SIGNIFICACIN
i

i
= 0 t de Student p < 0,05
Wald
[
i
]
2
[EE
i
]
2
W = 0 CHI CUADRADO p < 0,05
Si se rechaza la hiptesis nula (Ho) (p< 0,05) signifca que el modelo de regresin es
signifcativo.
Captulo 12
pgina 1188
1 = Depsitos de hierro normales
0 = Dfcit de hierro medular
Es posible predecir el estado de los depsitos medulares
de hierro conociendo los niveles sricos de ferritina y el
VCM del hemograma?
Variable resultado cualitativa
FERRITINA
(srica)
VCM
Depsitos de hierro en
Mdula sea
Captulo 12
pgina 1189
Anlisis de regresin lineal mltiple
Para que una variables PREDICTORAS est relacionada estadsticamente con la
variable resultado (depsitos de hierro en mdula sea) debe cumplirse siempre la
condicin de que
Posible variables predictoras asociadas a los depsitos de hierro en mdula sea
Variables predictoras Estimacin Error estndar EE
Constante - 0,6799
VCM - 0,02223 0,03835
FERRITINA SRICA 0,1919 0,05525
EE
=
0,1919
0,05525
= 3,47 > Z
95%
Ferritina
Ferritina
(1,96) p < 0,05
EE
=
-0,02223
0,03835
= 0,06
<<
Z
95%
VCM
VCM
(1,96)
p > 0,05
Captulo 12
pgina 1190
Mtodo de introduccin de las
variables
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
Forward (hacia adelante) Introducir progresivamente en el modelo las variables
predictoras estadsticamente signifcativas, comenzando por
la que tenga mayor signifcacin
Backward (hacia atrs) Comienza por estimar un modelo que contiene todas las
variables predictoras para ir eliminando posteriormente
una a una, de forma sucesiva, aquellas que no sean
signifcativas
Stepwise Es una combinacin de los anteriores
Captulo 12
pgina 1191
Qu relacin existe entre las variables predictoras VCM
y Ferritina srica y los depsitos de hierro medular?
Anlisis de Regresin Logstica mltiple
VCM y Ferritina srica
=
0
+

X
1
+
2
X
2
= -2,1290 + 0,1713 FERRITINA
log
log
P
P
1 - P
1 - P
Captulo 12
pgina 1192
X
a
= Niveles de ferritina srica del paciente A
X
b
= Niveles de ferritina srica del paciente B
Qu relacin existe entre las variables predictoras VCM
y Ferritina srica y los depsitos de hierro medular?
Anlisis de Regresin Logstica mltiple
VCM y Ferritina srica Depsitos de Fe medular
OR = e

i
(X)
OR = e

i
(X)
OR = e
0,1713 (X
a
X
b
)
OR = e
0,1713 (X
a
X
b
)
Captulo 12
pgina 1193
Qu diferencia promedio de probabilidades de tener depsitos
medulares normales existe entre un paciente A con 24 ng/ml de
ferritina y otro B con 3 ng/ml?
El paciente A tiene una probabilidad de 37 veces de tener depsitos medulares de
hierro normal frente al paciente B.
Variables predictoras i Paciente A PACIENTE B
Ferrritina srica (ng/ml) 0,1713 24 ng/ml 3 ng/ml
OR = e

i
(X
a
X
b
)
OR = e

i
(X
a
X
b
)
OR=
e
0,1713
(24 - 3)
= 36,6
Captulo 12
pgina 1194
- Qu relacin existe entre diversas posibles variables predictoras y la probabilidad de
muerte del recin nacido de bajo peso?
- Estudio de COHORTES realizado por Horbar et al (1993) con 3603 RN de peso entre
501-1500 g (2 aos de seguimiento).
Probabilidad de morir
Variable Resultado
Captulo 12
pgina 1195
Estudio de cohortes prospectivo de Recin Nacidos
Prdidas de
seguimiento
Seguimiento mediana 2 aos
Muertos por otras
causas
Variable RESULTADO-
RESPUESTA-posible EFECTO
Variable cualitativa dicotmica
3603 RN de peso
comprendido
entre 501 y 1500 g
Factores de Riesgo
Variables predictoras
Fallecimientos
Sobrevivientes
Captulo 12
pgina 1196
Estudio de cohortes prospectivo de Recin Nacidos
Objetivo: Evaluar el riesgo de muerte en RN de bajo peso (entre 501 1500 g)
Variable resultado: Fallecimiento del RN (dicotmica)
Variable predictora [1]: peso en gramos del RN
Variable predictora [2]: Tamao segn edad gestacional
Variable predictora [3]: Raza
Variable predictora [4]: Sexo
Variable predictora [5]: tipo de parto (vaginal/cesrea)
Variable predictora [6]: presentacin del parto
Variable predictora [7]: ndice del Apgar al minuto
Variable predictora [8]: Presencia o no de complicaciones maternas (diabetes melitus,
eclampsia, hipertensin o hemorragia) antes del parto
Captulo 12
pgina 1197
1. Peso del RN
2. Tamao segn edad gestacional (BPSEG)
3. Raza
Riesgo de muerte
4. Sexo
5. APGAR al 1 minuto
6. Presentacin del parto
7. Tipo de parto
8. Complicaciones maternas de parto
Captulo 12
pgina 1198
1. Peso del RN
2. Tamao segn edad gestacional (BPSEG)
3. Raza
Riesgo de muerte
4. Sexo
Variables predictoras signifcativas en la regresin logstica
multivariante
Captulo 12
pgina 1199
Anlisis de regresin logstica mltiple
Estimacin del modelo para predecir la mortalidad en recin nacidos con
pesos entre 501 y 1500 gramos
Variables predictoras 2,606
Constante t de Student 0,029
Peso (en gr/100) - 0,422 0,157
BPSEG - 0,491 0,145
Raza - 0,450 p < 0,05
Sexo 0,656 0,131
Apgar 0,971 0,131
Captulo 12
pgina 1200
Variable resultado (cualitativa dicotmica):
- Muerte = 1
- Sobrevivi = 0
1. Variable predictora 1: Peso del RN (gramos/100)
2. Variable predictora 2: Bajo peso segn la edad gestacional (BPSEG).
- Peso inferior al P10 para su edad gestacional = 1
- Peso igual o superior al P10 para su edad gestacional = 0
3. Variable predictora 3: RAZA
- Raza negra = 1
- Raza blanca = 0
4. Variable predictora 4: SEXO
- Hombre = 1
- Mujer = 0
5. Variable predictora 5: Indice de APGAR
- Apgar =< 3 = 1
- Apgar > 3 = 0
Tipos de variables del estudio Horbar et al.
Captulo 12
pgina 1201
Qu diferencia promedio de riesgo de morir existe entre
un RN A con 850 gramos y otro B con 1250 gramos
iguales para el resto de las variables predictoras ensayadas?
Variables
predictoras
i
RN A RN B
Peso en
gramos/100
- 0,422 850 g [8,5] 1250 G [12,5]
Un RN A de 850 g de peso al nacer
presenta 5.4 veces ms riesgo de
morir que otro RN B de 1250 g a
igualdad del resto de las variables
predictoras (Xi) incluidas en el
modelo.
RR = e

i
(X
a
X
b
)
RR=
e
-0,422
(850/100 1250/100)
= 5.4
RR RR
Captulo 12
pgina 1202
un RN A con SFA (Apgar < 3) con respecto a otro RN B sin
SFA (Apgar > 3) con igualdad para el resto de las variables
predictoras?
Variables
predictoras
i
RN A SFA (+) RN B SFA (-)
APGAR (>3/<=3)
[1/0]
0,971 APGAR < 3 [1] APGAR > 3 [0]
Los RN con SFA presenta 2,62
veces ms riesgo de morir que los
RN sin SFA a igualdad del resto
de las variables predictoras (Xi)
incluidas en el modelo.
RR = e

i
(X
a
X
b
)
RR = e

i
(X
a
X
b
)
RR=
e
0,971
(1 0)
= 2,62
RR RR
Captulo 12
pgina 1203
un RN A nio con respecto a otro RN B nia con igualdad
para el resto de las variables predictoras incluidas en el
modelo?
Variables
predictoras
i
RN A nio RN B nia
SEXO (hombre/
mujer) [1/0]
0,656 hombre [1] mujer [0]
Los RN varones presentan 1,93
veces ms riesgo de morir (un 93%)
que los RN mujeres a igualdad del
resto de las variables predictoras
(Xi) incluidas en el modelo.
RR RR
RR = e

i
(X
a
X
b
)
RR = e

i
(X
a
X
b
)
(1 0)
RR=
e
0,656
= 1,93
(1 0)
RR=
e
0,656
= 1,93
RR=
e
0,656
= 1,93
Captulo 12
pgina 1204
un RN N de raza negra con respecto a otro RN B de raza
blanca con igualdad para el resto de las variables predictoras?
Variables
predictoras
i
RN N RN B
Raza (>1/<=1)
[1/0]
- 0,450 Negra [1] Blanco [0]
Los RN de raza blanca estn a
1/0.64 = 1.56 veces (un 56%) ms
riesgo de morir que los RN de raza
negra a igualdad del resto de las
variables predictoras.
Los RN de raza negra presenta 0.64
veces ms riesgo de morir que los
RN de raza blanca a igualdad del
resto de las variables predictoras
incluidas en el modelo.
RR RR
RR = e

i
(X
n
X
b
)
RR = e

i
(X
n
X
b
)
RR=
e
-0,450
(1 0)
= 0.64
Captulo 12
pgina 1205
dos RN A y B con las siguientes caractersticas?
i
RN A RN B
Peso en gramos/100 - 0,422 1150 g [11,5] 1400 g [14,0]
Bajo peso para su edad
gestacional BPSEG [1/ 0]
- 0,491 BPPSEG [1] [0]
Raza (>1/<=1) [1/0] - 0,450 Negra [1] Blanco [0]
Sexo (mujer/hombre) [1/ 0] 0,650 Nia [0] Nio [1]
Apgar (<=3/ >3) [1/ 0] 0,971 Apgar <=3 [1] Apgar >3 [0]
El RN A (nia negra) presenta un
54% de riesgo de morir que el RN B
(nio blanco) segn el valor de las
variables predictoras incluidas en el
modelo.
RR RR
Captulo 12
pgina 1206
Clculo de la probabilidad (P) de muerte individual
Variables predictoras RN A RN C
Peso en gramos/100 1150 g [11,5] 750 g [7,5]
Bajo peso para su edad
gestacional BPSEG [1/ 0]
BPPSEG [1] [0]
Raza (>1/<=1) [1/0] Negra [1] Blanco [0]
Sexo (mujer/hombre) [1/ 0] Nia [0] Nio [1]
Apgar (<=3/ >3) [1/ 0] Apgar <=3 [1] Apgar >4 [1]
RN A
RN C
Captulo 12
pgina 1207
- Objetivo: Desarrollar una ecuacin que permita predecir el riesgo de
mortalidad neonatal en RN de muy bajo peso de nacimiento basado en
variables predictoras conocidas en el momento del nacimiento, antes del
ingreso a la unidad de cuidado intensivo neonatal.
- Mtodos: Fueron incluidos en este estudio 1801 RN con peso al
nacimiento de 500 a 1500 gramos.
- Variables Predictoras: edad materna, peso de nacimiento, edad
gestacional, Apgar al 1 minuto, malformaciones congnitas mayores, sexo,
gestacin mltiple, uso de esteroides prenatales y peso pequeo para su
edad gestacional (BPSEG) (defnida como ms bajo que Percentil 10 de
peso para edad gestacional).
Marshall G, Tapia JL, DApremont I, Grandi C. Un nuevo score para predecir el riesgo de mortalidad
neonatal del muy bajo peso de nacimiento en la red sudamericana NEOCOSUR. Journal of Perinatology
2005; 25:577582.
Estudio de Marshall et al. (NEOCOSUR)
Captulo 12
pgina 1208
Objetivo: Predecir el riesgo de mortalidad neonatal en RN de muy bajo peso de nacimiento
(entre 500 1500 g)
Variable resultado: Fallecimiento del RN (dicotmica)
Variable predictora [1]: Edad materna
Variable predictora [2]: Peso de nacimiento
Variable predictora [3]: Edad gestacional
Variable predictora [4]: ndice del Apgar al minuto
Variable predictora [5]: Malformaciones congnitas mayores
Variable predictora [6]: Sexo
Variable predictora [7]: Gestacin mltiple
Variable predictora [8]: Uso de esteroides prenatales
Variable predictora [9]: Peso pequeo para su edad gestacional (defnida como ms bajo
que Percentil 10 de peso para edad gestacional) (BPSEG)
Estudio de Marshall et al (NEOCOSUR)
Captulo 12
pgina 1209
Riesgo de
muerte
1. Edad de la madre
6. Sexo
2. Peso
3. Edad gestacional
8. Uso de esteroides
prenatales
5. Malformaciones
congnitas
9. BPSEG
7. Gestacin
Captulo 12
pgina 1210
Riesgo de
muerte
Sexo
Peso del RN
Edad gestacional
Uso de esteroides
prenatales
Malformaciones
congnitas
APGAR al 1 minuto
Variables predictoras signifcativas en la regresin logstica
multivariante
Captulo 12
pgina 1211
Estudio de Marshalll et al (NEOCOSUR)
Marshall G, Tapia JL, DApremont I, Grandi C. Un nuevo score para predecir el riesgo de mortalidad
neonatal del muy bajo peso de nacimiento en la red sudamericana NEOCOSUR. Journal of Perinatology
2005; 25:577582.
Variable RESULTADO
Variable cualitativa dicotmica
1801 RN de peso
comprendido entre
500 y 1500 g
APGAR
al 1 minuto
Peso
del RN
Edad
gestacional
Esteroides
prenatales
Sexo
Malformaciones
congnitas
Fallecimientos
Sobrevivientes
Captulo 12
pgina 1212
Se ha utilizado el modelo de regresin logstica mltiple con un procedimiento paso a paso, descartndose
3 variables e incluyendo 6 variables predictoras que fueron estadsticamente signifcativos.
Anlisis de Regresin Logstica Mltiple: Estimacin del modelo para predecir la mortalidad en recin
nacidos con pesos entre 500 y 1500 gramos
Variables predictoras Estimacin
Coefciente
Error estndar
EE
Cociente
/ EE
OR IC95%
Constante
8,378 0,99
Peso del RN - 0,331 0,04 8,27 0,72 0,64 0,79
Edad gestacional - 0,132 0,04 3,3 0,88 0,80 0,95
Apgar al minuto 0,265 0,03 8,83 0,77 0,71 0,82
Malformaciones
congnitas
(Si =1; No = 0)
3,419 0,64 5,32 30,55 8,74 106,77
Uso de esteroides
prenatales
(Si =1; No = 0)
- 0,302 0,08 3,77 0,74 0,58 0,89
Sexo (mujer =1;
hombre = 0)
- 0,474 0,16 2,96 0,62 0,30 0,93
Captulo 12
pgina 1213
La Tabla muestra los coefcientes del modelo de regresin logstica mltiple , el error
estndar EE y los odds ratios (OR) asociados. Estos coefcientes para las 6 variables
predictoras seleccionadas en el modelo logstico permite evaluar el score NEOCOSUR
y puede ser usado para calcular el riesgo de mortalidad del RN con muy bajo peso al
nacimiento.
- Un aumento de 100 g en el peso de nacimiento redujo el riesgo de mortalidad
intrahospitalaria en 28% (OR = 0,72).
- La adicin de 1 punto en el score de Apgar al 1-minuto redujo el riesgo en 23% (OR =
0,77).
- Una semana adicional de edad de gestacin redujo el riesgo en 12% (OR= 0,88).
- La presencia de malformacin congnita tuvo el mayor efecto de entre todas las variables
predictoras (factores de riesgo)(OR=30,55) aumentando notablemente el riesgo de
mortalidad neonatal.
Interpretacin del modelo del estudio NEOCOSUR
RRR =
[ 1 RR ] * 100
RRR =
[ 1 RR ] * 100
Captulo 12
pgina 1214
Para la introduccin de variables policotmicas en el anlisis multivariante es necesario
crear las llamadas variables dummy. Siempre se elegir una categora de referencia
con la que se compararan el resto de las categoras. Si la variable tiene k categoras, se
proponen k - 1 variables dummy al modelo multivariante.
Hosmer and Lemeshow del Baystate Medical Center realizaron un estudio para conocer
los principales factores de riesgo asociados con el bajo peso del RN (defnido como peso <
2500 g) en un grupo de 189 mujeres. Una de las 11 variables predictoras evaluadas fue la
RAZA, la cual tena 3 categoras (negra, blanca e hispana).
Para la variable RAZA se tienen que proponer dos variables dummy.
Cmo se formularon esas dos nuevas variables?
Variables DUMMY (indicadoras)
Captulo 12
pgina 1215
Anlisis bivariante previo
Relacin entre la variable predictora RAZA y la prevalencia del bajo peso al nacer.
Test de
2
Pearson
2
= 5,005 p = 0,082 NO existe asociacin
Bajo peso del RN
RAZA SI NO Total (%)
Blanca 23 73 96 24%
Hispana 25 42 67 37%
Negra 11 15 26 42%
TOTAL 59 130 189
Captulo 12
pgina 1216
Test de
2
Pearson
2
Bajo peso del RN
RAZA SI NO Total (%)
Blanca 23 73 96 24%
Otras razas 36 57 93 39%
TOTAL 59 130 189
Captulo 12
pgina 1217
Test de
2
de tendencia lineal
2
Bajo peso del RN Caso-control
RAZA SI NO Total (%) OR
Blanca 23 73 96 24% 1,00
Hispana 25 42 67 37% 1,89
Negra 11 15 26 42% 2,33
TOTAL 59 130 189 TOTAL
Captulo 12
pgina 1218
Bajo peso
del RN
Edad de la madre
Trabajo prematuro de parto
HTA durante el embarazo
Raza materna
N de visitas al gineclogo
durante el primer trimestre
Hbito tabquico materno
durante el embarazo
Irritabilidad uterina
Peso de la madre
Captulo 12
pgina 1219
Variables predictoras signifcativas en el anlisis
multivariante
Bajo peso
del RN
Hosmer and Lemeshow (2000) Applied Logistic Regression: Second Edition. Baystate Medical Center,
Springfeld, Massachusetts .
Raza materna
durante el embarazo
Peso de la madre
Log
=
0
+
1
X
1
+
2
X
2
+
3
X
3
P
1 - P
Captulo 12
pgina 1220
Modelo de regresin logstico para el BAJO PESO AL NACER
Variables predictoras Estimacin Error estndar EE /EE p
Constante -0,109 0,882 0,123 0,901
Tabaquismo 1,060 0,378 2,804 0,005
Peso de la madre -0,027 0,013 2,077 0,036
Raza negra (1 dummy)
(NEGRA=1, blanca =0,
hispana=0)
1,290 0,511 2,525 0,012
Raza hispana (2 dummy)
(HISPANA=1, blanca =0,
negra=0)
0,970 0,412 2,354 0,019
Para la variable RAZA se tienen que proponer dos variables dummy (k-1). La categora de referencia es la
que no tiene variable dummy propia, en esta caso la raza blanca.
Captulo 12
pgina 1221
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
Variable
RESULTADO
(dicotmica)
Variables
PREDICTORAS
Cualitativa
Cuantitativa
Cualitativa
Cuantitativa
ECUACIN
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1222
Se utiliza la regresin lineal mltiple cuando estudiamos la posible relacin
entre varias variables predictoras X
i
(independientes o explicativas) y una
variable resultado (respuesta, dependiente, explicada ) que es siempre de tipo
numrico (cuantitativa).
Regresin lineal mltiple
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1223
Cuantitativa
Variable Resultado
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1224
- Prediccin de respuestas (variable resultado) a partir de un conjunto de
variables explicativas (predictoras).
- Identifcacin de variables predictoras y construccin del modelo de
regresin lineal mltiple.
- Deteccin de interacciones entre las distintas variables predictoras que
afectan a la variable resultado.
- Identifcacin (y ajuste) de variables predictoras que actan como
FACTORES de CONFUSIN.
Utilidades de la regresin lineal mltiple
Captulo 12
pgina 1225
1. Linealidad.
La variable RESULTADO depende linealmente de las variables
PREDICTORAS.
Si encontramos respuestas no-lineales, esas variables predictoras se pueden
transformar en lineales.
2. Normalidad de las variables cuantitativas.
Requisitos para el uso de la regresin lineal mltiple
Captulo 12
pgina 1226
- Y es la variable resultado o dependiente (debe ser siempre numrica).
- Los trminos X
i
son las variables predictoras o independientes o explicativas,
las cuales pueden ser
- Cuantitativas (discretas o continuas).
- Cualitativas dicotmicas; en este caso deben transformarse en
cuantitativas ( 0,1 ).
- Cualitativas policotmicas; en este caso deben transformarse en
cuantitativas ( 0,1 ), son las variables dummy.
- Los trminos
i
son los coefcientes de regresin del modelo y los calcula el
programa estadstico.
Modelo de la regresin lineal mltiple
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1227
Existe relacin entre la intensidad del estudio y el rendimiento
acadmico en el examen del curso de Bioestadstica?
Horas de estudio
Variable RESULTADO
Captulo 12
pgina 1228
Modelo de regresin lineal simple para la variable resultado nmero de RESPUESTAS
correctas del examen ajustado por la variable predictora nmero de horas de ESTUDIO
Resumen del modelo
Modelo R R
2
R
2
corregido Error estndar de la estimacin
Regresin 0,629 0,396 0,321 6,506
ANOVA
Modelo Suma de cuadrados g.l Media Cuadrtica F p
Regresin 222,234 1 222.234 5,250 0,051
Residual 338,666 8 42,333
Total 560,900 9
Coefcientes
Variables Coefciente t p
Constante 9,662 2,496 3,871 0,005
Horas de estudio 0,167 0,073 2,291 0,051
Captulo 12
pgina 1229
Horas de estudio
Variable predictora 1: Cuantitativa
Variable resultado:
Cuantitativa
Interaccin
Captulo 12
pgina 1230
N del Alumno Horas de estudio (X
1
) CI del alumno estudio (X
2
) N respuestas correctas (Y)
1 5 104 6
2 9 125 16
3 17 115 18
4 1 100 1
5 2 100 3
6 21 140 21
7 3 112 7
8 29 130 20
9 7 125 15
10 100 122 22
Existe relacin entre el nmero de horas de estudio, el coef-
ciente intelectual del alumno y el rendimiento acadmico en el
examen del curso de Bioestadstica?
Captulo 12
pgina 1231
Modelo de regresin lineal MLTIPLE para la variable resultado nmero de RESPUESTAS
correctas del examen ajustado por las variables predictoras nmero de horas de ESTUDIO
y coefciente intelectual CI
Resumen del modelo
Modelo R R
2
R
2
Regresin 0,948 0,899 0,870 2,842
ANOVA
Regresin 504,363 2 252,182 31,224 0,000
Residual 56,537 7 8,077
Total 560,900 9
Coefcientes
Constante - 41,153 8,667 - 4,748 0,002
Horas de estudio 0,096 0,034 2,836 0,001
Captulo 12
pgina 1232
Para la realizacin del modelo de la regresin lineal mltiple es necesario que las
variables incluidas cumplan la normalidad.
Qu test de normalidad has utilizado?
Con independencia de la normalidad, los test paramtricos NO se recomiendan cuando el
tamao muestras es pequeo (n 10),y/o cuando la variables cuantitativa es discreta.
Ests seguro que se cumplen estas condiciones?

Captulo 12
pgina 1233
Variables Estadstico N Signifcacin
Horas de estudio 0,881 10 0,420
Coefciente intelectual 0,648 10 0,795
Rendimiento acadmico 0,439 10 0,991
H
o
a
El test de normalidad ensayado da un valor de p NO signifcativo (p >0,05) en las 3
variables evaluadas. Por tanto no hay evidencias sufcientes para rechazar la hiptesis nula
de normalidad. Podemos utilizar test paramtricos.
Captulo 12
pgina 1234
Distribucin paramtrica del coeficiente intelectual en la poblacin
Captulo 12
pgina 1235
Porcentaje
de poblacin
CI Score Distribucin
CI Score Distribucin
Captulo 12
pgina 1236
Captulo 12
pgina 1237
Existe COLINEALIDAD?
Para la aplicacin del modelo de la regresin lineal mltiple es
necesario que NO exista COLINEALIDAD entre las variables
predictoras.
Horas de estudio
Captulo 12
pgina 1238
- Es uno de los problemas ms importantes que se puede encontrar en un anlisis de
regresin. Si en un modelo de Regresin Lineal Mltiple alguna variable predictora es
combinacin lineal de otras variables predictoras, el modelo es irresoluble.
- La colinealidad aparece cuando alguna variable predictora es casi combinacin lineal de
otra u otras variables predictoras, es decir sus coefcientes de correlacin simple o mltiple
entre las variables predictoras son cercanos a 1, aunque no llegan a dicho valor.
- Como medida de la misma hay varios estadsticos propuestos, los ms sencillos son los
coefcientes de determinacin (r
2
) de cada variable predictoras con todas las dems.
Colinealidad en la regresin lineal mltiple
Captulo 12
pgina 1239
- FACTOR DE INFLACIN DE LA VARIANZA (FIV)
FIV > 10: Colinealidad (*)
- TOLERANCIA (T)
T < 0,1: Colinealidad (*)
(*) Regla emprica de Kleinbaum
Diagnstico de colinealidad (1):
FIV =
1
1 - R
2
j
T =
FIV
1
= 1 - R
2
j
Captulo 12
pgina 1240
Variable resultado: Nmero de respuestas correctas
NO hay colinealidad
FIV
(estudio-CI)
= 9,90
T
(estudio-CI)
= 0,101
Diagnstico de colinealidad (1):
FIV =
1
1 - R
2
j
T =
FIV
1
= 1 - R
2
j
Modelo R R
2
R
2
Regresin 0,948 0,899 0,870 2,842
Captulo 12
pgina 1241
Diagnstico de colinealidad (2) SPSP
Ruta con SPSS: Opcin: Anlisis, Regresin lineal, Estadsticos
Captulo 12
pgina 1242
NDICE DE CONDICIN: Regla emprica (Belsley):
- ndices de condicin < 5 : NO existe colinealidad.
- ndices de condicin entre 5 y 10: colinealidad dbil.
- ndices de condicin entre 10 y 30: colinealidad moderada.
- ndices de condicin > 30 colinealidad fuerte (grave).
Diagnstico de colinealidad (2)
Modelo Dimensin Autovalor ndice de
condicin
Proporciones de la varianza
Constante Horas de
Estudio
CI
1 1 2,456 1,000 0,00 0,06 0,00
2 0,536 2,136 0,00 0,84 0,00
3 0,005 21,608 1,00 0,10 1,00
Captulo 12
pgina 1243
- Hay un ndice de condicin alto (21,6) y asociado con el mismo est el trmino
constante y el coefciente intelectual (CI) con proporcin de varianza alta.
- Nos indica, por tanto, que el CI slo es colineal con la constante, pero no con las
horas de estudio.
Diagnstico de colinealidad (2)
Modelo Dimensin Autovalor ndice de
condicin
Constante Horas de
Estudio
CI
1 1 2,456 1,000 0,00 0,06 0,00
2 0,536 2,136 0,00 0,84 0,00
3 0,005 21,608 1,00 0,10 1,00
NO hay colinealidad
Captulo 12
pgina 1244
N del Alumno Horas de estudio (X
1
) CI del alumno
(X
2
)
Horas de Asistencia
a clase (X
3
)
N respuestas
correctas (Y)
1 5 104 23 6
2 9 125 92 16
3 17 115 78 18
4 1 100 15 1
5 2 100 20 3
6 21 140 100 21
7 3 112 35 7
8 29 130 95 20
9 7 125 75 15
10 100 122 100 22
Existe relacin entre el nmero de horas de estudio, el coef-
ciente intelectual del alumno, asistencia a clases (horas) y el ren-
dimiento acadmico en el examen del curso de Bioestadstica?
Captulo 12
pgina 1245
Horas de estudio
Variable resultado:
Cuantitativa
Captulo 12
pgina 1246
Modelo de regresin lineal MLTIPLE para la variable resultado nmero de RESPUESTAS
correctas del examen ajustado por las variables predictoras nmero de horas de
ESTUDIO, coefciente intelectual CI y asistencia a clase
Resumen del modelo
Modelo R R
2
R
2
Regresin 0,984 0,969 0,954 1,696
ANOVA
Regresin 543,632 3 181,211 62,963 0,000
Residual 17,268 6 8,077
Total 560,900 9
Coefcientes
Constante - 2,593 11,651 0.0223 0,831
Horas de estudio 0,028 0,104 1,007 0,353
Asistencia a clase (horas) 0,196 0,053 3,694 0,010
Captulo 12
pgina 1247
Obsrvese que los mayores valores de la tolerancia (T) y del factor de infacin
corresponden a la variable predictora ASISTENCIA a clase.
- FACTOR DE INFLACIN DE LA VARIANZA (FIV)
FIV > 10: Colinealidad (*)
- TOLERANCIA (T)
T < 0,1: Colinealidad (*)
Variables Estadsticos de colinealidad
Tolerancia (T) FIV
Horas de estudio 0,477 2,098
Coefciente intelectual 0,117 8,552
Asistencia a clase (horas) 0,89 11,241
Captulo 12
pgina 1248
Autovalor ndice de condicin Proporciones de la varianza
Constante Horas de
ESTUDIO
Coefciente
intelectual
ASISTENCIA
a clases
3.366 1,000 0,00 0,02 0,00 0,00
0,538 2,501 0,00 0,45 0,00 0,00
0,095 5.957 0,00 0,24 0,00 0,14
0,001 64,725 0,99 0,29 1,00 0,85
Variable resultado: Rendimiento acadmico (respuestas acertadas)
Hay un ndice de condicin alto (64,72) y asociado con el mismo hay dos variables
(el trmino constante, coefciente intelectual, y ASISTENCIA a clase) con proporcin
de varianza alta. Nos indica, por tanto, que la asistencia a clase es COLINEAL con el
coefciente intelectual y con la constante.
Captulo 12
pgina 1249
Colesterol diettico
Grasas TOTALES
cidos grasos insaturados
EDAD
Colesterol-LDL
EJERCICIO FSICO
Captulo 12
pgina 1250
Coefcientes no
estandarizados
t Signifcacin Estadsticos de
colinealidad
Modelo EE Tolerancia FIV
Constante 258,484 130,837 1,976 0,70
Grasa TOTAL - 5,714 4,776 -1,196 0,253 0,20 49,978
Colesterol dieta 0,067 0,036 1,851 0,087 0,038 26,530
Edad 0,443 2,867 0,155 0,879 0,098 10,225
Ejercicio - 3,115 45,953 - 0,068 0,947 0,143 7,005
cidos grasos
saturados
0,0722 0,075 0,966 0,351 0,066 15,242
cidos grasos
Insaturados
- 0,0746 1,150 - 0,065 0,949 0,130 7,683
Variable resultado colesterol-LDL
Realizando los anlisis de regresin de cada una de las variables predictoras
del modelo con todas las dems, se obtienen los siguientes coefcientes de
determinacin, tolerancia y factores de infacin de la varianza que indican
graves problema de COLINEALIDAD.
Captulo 12
pgina 1251
Autovalor ndice de
condicin
Constante Edad Grasas
totales
Ejercicio Colesterol
diettico
cidos
grasos
insaturados
cidos
grasos
saturados
5,276 1,000 0,00 0,00 0,00 0,00 0,00 0,00 0,00
1,055 2,236 0,00 0,00 0,00 0,03 0,00 0,03 0,00
0,519 3,190 0,00 0,01 0,00 0,02 0,02 0,00 0,00
0,100 7,250 0,03 0,01 0,00 0,06 0,01 0,20 0,04
0,0354 12,200 0,06 0,00 0,00 0,78 0,03 0,64 0,04
0,01207 20,908 0,02 0,41 0,05 0,02 0,31 0,05 0,23
0,00205 50,781 0,89 0,58 0,95 0,09 0,64 0,07 0,69
Variable resultado: Colesterol-LDL
Obsrvese que el factor de infacin mayor corresponde a la variable grasas
TOTAL, resultado esperable debido a que se han creado tres variables ms
(colesterol diettico, cidos grasos saturados y cidos grasos insaturados) a
partir de ella.
Captulo 12
pgina 1252
Autovalor ndice de
condicin
Constante Edad Grasas
totales
Ejercicio Colesterol
diettico
cidos
grasos
insaturados
cidos
grasos
saturados
5,276 1,000 0,00 0,00 0,00 0,00 0,00 0,00 0,00
1,055 2,236 0,00 0,00 0,00 0,03 0,00 0,03 0,00
0,519 3,190 0,00 0,01 0,00 0,02 0,02 0,00 0,00
0,100 7,250 0,03 0,01 0,00 0,06 0,01 0,20 0,04
0,0354 12,200 0,06 0,00 0,00 0,78 0,03 0,64 0,04
0,01207 20,908 0,02 0,41 0,05 0,02 0,31 0,05 0,23
0,00205 50,781 0,89 0,58 0,95 0,09 0,64 0,07 0,69
Variable resultado: Colesterol-LDL
Hay un ndice de condicin alto (50,781) y asociado con el mismo hay cinco variables
(el trmino constante, EDAD, GRASAS TOTALES, COLESTEROL diettico, y cidos
grasos SATURADOS) con proporcin de varianza alta. Nos indica, por tanto, que Grasas
TOTALES es COLINEAL con el COLESTEROL diettico, cidos grasos SATURADOS,
EDAD y con la constante. Al existir esta ltima colinealidad, el centrado de variables podra
mejorar el problema, se podra tambin renunciar a estudiar los trminos no lineales
COLESTEROL diettico y cidos grasos SATURADOS.
Captulo 12
pgina 1253
Peso
del RN
Edad de la madre
Trabajo prematuro de parto
Raza materna
N de visitas al gineclogo
durante el embarazo
durante el embarazo
ITU durante la gestacin
Peso de la madre
Captulo 12
pgina 1254
Interpretacin prctica de los resultados de la regresin lineal
mltiple
Coefficients
a
2975,284 315,998 9,416 ,000 2351,748 3598,820
-1,919 9,544 -,014 -,201 ,841 -20,752 16,914
-338,413 106,977 -,227 -3,163 ,002 -549,503 -127,322
-573,555 200,591 -,192 -2,859 ,005 -969,369 -177,742
-488,353 136,959 -,239 -3,566 ,000 -758,604 -218,102
-380,931 104,245 -,262 -3,654 ,000 -586,630 -175,232
8,055 3,570 ,155 2,256 ,025 1,010 15,100
-11,248 99,741 -,008 -,113 ,910 -208,059 185,563
-203,230 136,333 -,102 -1,491 ,138 -472,247 65,787
(Constant)
Edad de la madre
Hipertensin durante el
embarazo
Infeccion urinaria en la
gestacin
Raza materna (blanca vs
otras)
Peso de la madre en Kg
N de visitas en el
embarazo categorizada
Trabajo prematuro de
parto
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Lower Bound Upper Bound
95% Confidence Interval for B
Dependent Variable: Peso del RN a.
ANOVA
b
24747080 8 3093384,997 7,407 ,000
a
75169973 180 417610,959
99917053 188
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el
embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de
la madre, Hbito tabquico materno
a.
Dependent Variable: Peso del RN b.
Captulo 12
pgina 1255
Modelo de regresin logstico para el BAJO PESO AL NACER
Variables predictoras Estimacin Error
estndar EE
/EE
t
p
Constante 2975,28 315,998 9,416 0,000
Edad de la madre -1,919 9,544 -0,201 0,841
Hbito tabquico materno -338,413 106,977 -3,163 0,002
Hipertensin durante el embarazo -573,555 200,591 -2,859 0,005
Infeccin urinaria durante el embarazo 488,353 136,959 -3,566 0,000
Raza materna (blanca versus otras) -380,931 104,245 -3,654 0,000
Peso de la madre en Kg 8,055 3,570 2,256 0,025
N visitas al gineclogo categorizada -11,248 99,741 -0,113 0,910
Trabajo prematuro de parto -203,230 136,333 -1,491 0,138
Captulo 12
pgina 1256
Peso
del RN
t = - 2,859
p = 0,005
t = - 3,654
p = 0,000
t = 2,256
p = 0,025
t = - 3,566
p = 0,000
t = - 3,163
p = 0,002
Raza materna
durante el embarazo
ITU durante la gestacin
Peso de la madre
Captulo 12
pgina 1257
- La aceptacin de la H
o
(p > 0,05) implica que la variable resultado Y no est infuenciada
por las variables predictoras Xi incluidas en el modelo.
- La aceptacin de la H
a
(p < 0,05) supone que hay algn tipo de infuencia de algunas de
las variables predictoras Xi sobre la variable resultado.
- La signifcacin estadstica se realiza mediante el test de contraste de hiptesis del
anlisis de la varianza (ANOVA).
Interpretacin prctica de los resultados de la regresin
lineal mltiple
ANOVA
b
24747080 8 3093384,997 7,407 ,000
a
75169973 180 417610,959
99917053 188
Regression
Residual
Total
Model
1
Sum of
Squares df Mean Square F Sig.
Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el
embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de
la madre, Hbito tabquico materno
a.
Dependent Variable: Peso del RN b.
Signifcacin estadstica
del modelo de regresin
Captulo 12
pgina 1258
- Los programas estadsticos como el SPSS ofrecen una estimacin de los distintos
coefcientes de regresin
i
, junto al:
- Error estndar de los coefcientes de regresin EE
i
.
- Signifcacin estadstica (valor de p) de
i
cada variable predictora.
- Un intervalo de confanza (IC95%) de los coefcientes de regresin
i
.
- Las variables predictoras con signifcacin estadstica (p < 0,05) deben quedar en el
modelo multivariante y en la ecuacin que predice a la variable resultado.
- Las variables predictoras sin signifcacin estadstica (p > 0,1) deben ser excluidas del
modelo fnal.
lineal mltiple
Captulo 12
pgina 1259
Coefficients
a
2975,284 315,998 9,416 ,000 2351,748 3598,820
-1,919 9,544 -,014 -,201 ,841 -20,752 16,914
-338,413 106,977 -,227 -3,163 ,002 -549,503 -127,322
-573,555 200,591 -,192 -2,859 ,005 -969,369 -177,742
-488,353 136,959 -,239 -3,566 ,000 -758,604 -218,102
-380,931 104,245 -,262 -3,654 ,000 -586,630 -175,232
8,055 3,570 ,155 2,256 ,025 1,010 15,100
-11,248 99,741 -,008 -,113 ,910 -208,059 185,563
-203,230 136,333 -,102 -1,491 ,138 -472,247 65,787
(Constant)
Edad de la madre
embarazo
Infeccion urinaria en la
gestacin
otras)
N de visitas en el
parto
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig. Lower Bound Upper Bound
95% Confidence Interval for B
i
EE
i IC95%
i
Captulo 12
pgina 1260
- El trmino estadstico R cuadrado (R
2
) es el porcentaje de reduccin de la incertidumbre
sobre la variabilidad de la variable RESULTADO (respuesta) cuando son conocidas las
variables PREDICTORAS. Cuanto ms se acerque a 1 ms poder explicativo tiene el
modelo.
- La R cuadrado corregida es un resultado ajustado, que penaliza la introduccin de
variables innecesarias en el modelo, es decir, disminuye su valor cuando se introducen
variables que no actan sobre la variable resultado.
lineal mltiple
Model Summary
,498
a
,248 ,214 646,228
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Predictors: (Constant), Trabajo prematuro de parto,
Hipertensin durante el embarazo, Raza materna
(blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso
de la madre en Kg, Edad de la madre, Hbito
tabquico materno
a.
R
2
(R Square o bondad del ajuste)
R
2
corregida (ajustada)
Captulo 12
pgina 1261
- La tabla o matriz de correlaciones es de gran inters para identifcar correlaciones
lineales entre parejas de variables cuantitativas.
- Interesante si ocurre entre la variable resultado y alguna de las variables predictoras.
- Problemtico si ocurre entre dos variables predictoras porque indica COLINEALIDAD.
- La matriz est formada por todos los coefcientes de correlacin lineal de Pearson (r) para
cada par de variables cuantitativas del estudio.
lineal mltiple
Coefficient Correlations
a
1,000 -,050 -,126 ,074 -,174 ,113 -,150 -,218
-,050 1,000 -,053 -,065 ,092 -,240 ,043 -,025
-,126 -,053 1,000 -,164 -,014 ,045 ,192 ,370
,074 -,065 -,164 1,000 -,042 ,028 ,165 -,199
-,174 ,092 -,014 -,042 1,000 ,091 ,061 -,020
,113 -,240 ,045 ,028 ,091 1,000 -,170 ,023
-,150 ,043 ,192 ,165 ,061 -,170 1,000 ,094
-,218 -,025 ,370 -,199 -,020 ,023 ,094 1,000
18586,737 -1365,589 -1791,262 1009,836 -3254,760 55,082 -195,718 -3181,035
-1365,589 40236,901 -1118,575 -1306,095 2519,927 -171,932 81,982 -525,956
-1791,262 -1118,575 10866,947 -1707,605 -200,116 16,866 190,755 4124,674
1009,836 -1306,095 -1707,605 9948,197 -574,052 9,929 156,628 -2124,941
-3254,760 2519,927 -200,116 -574,052 18757,679 44,682 80,006 -292,270
55,082 -171,932 16,866 9,929 44,682 12,745 -5,795 8,723
-195,718 81,982 190,755 156,628 80,006 -5,795 91,092 95,883
-3181,035 -525,956 4124,674 -2124,941 -292,270 8,723 95,883 11444,113
parto
embarazo
otras)
N de visitas en el
Infeccion uri naria en la
gestacin
Edad de la madre
parto
embarazo
otras)
N de visitas en el
Infeccion uri naria en la
gestacin
Edad de la madre
Correlations
Covariances
Model
1
Trabajo
prematuro
de parto
Hipertensin
durante el
embarazo
Raza materna
(blanca vs
otras)
N de visitas
en el
embarazo
categorizada
Infeccion
urinaria en la
gestacin
Peso de la
madre en Kg
Edad de
la madre
Hbito
tabquico
materno
Captulo 12
pgina 1262
En la regresin lineal mltiple realizado se han incluido inicialmente 8 posibles
variables predictoras de la variable resultado (peso del RN). De ellas slo 5
han quedado en el modelo fnal.
Ests seguro que se ha realizado una completa y actualizada revisin
bibliogrfca?
Por qu no se ha tenido en cuenta en el modelo de regresin la variable
DIABETES GESTACIONAL que es ampliamente conocido que aumenta el
peso del RN causando macrosomas?
Captulo 12
pgina 1263
Objetivo: Evaluar la infuencia de determinadas variables en el control metablico de
la diabetes mellitus tipo 2.
Variable resultado: Niveles de hemoglobina glicosilada
Variable predictora [1]: Tipo de tratamiento
Variable predictora [2]: Sexo del paciente
Variable predictora [3]: Aos desde el diagnstico de la enfermedad
Variable predictora [4]: Nmero de enfermedades relacionadas con la diabetes
Variable predictora [5]: Acceso al dietista
Variable predictora [6]: Mdico interesado por la diabetes (actitud y conocimiento)
Variable predictora [7]: Nivel socioeconmico
Variable predictora [8]: Estilos de vida (tabaco, alcohol)
Variable predictora [9]: Edad del mdico
Variable predictora [10]: Sexo del mdico
Estudio transversal en pacientes con diabetes mellitus
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1264
Existe relacin entre el tipo de tratamiento y los niveles de
hemoglobina glicosilada?
Anlisis bivariante:
Tipo de tratamiento
- Dieta
- Insulina
- ADO
%HbA1c
Variable RESULTADO
Anlisis de la Varianza para un factor (ANOVA) p < 0,05
Captulo 12
pgina 1265
Existe relacin entre el sexo del paciente y los niveles de
Anlisis bivariante:
Sexo del paciente
%HbA1c
Variable RESULTADO
T de Student para muestras independientes p < 0,05
Captulo 12
pgina 1266
Existe relacin entre los aos desde el diagnstico de la enfermedad
y los niveles de HbA1c?
Anlisis bivariante:
Aos desde el diagnstico
de la enfermedad
%HbA1c
Variable RESULTADO
Coefciente de correlacin de Pearson p < 0,05
Captulo 12
pgina 1267
Existe relacin entre los aos desde el diagnstico de la enfermedad
y los niveles de HbA1c?
Anlisis bivariante:
de la enfermedad
> 7 aos
< 7 aos
%HbA1c
Variable RESULTADO
Captulo 12
pgina 1268
Existe relacin entre el nmero de enfermedades relacionadas con
la diabetes y los niveles de HbA1c?
Anlisis bivariante:
Nmero de enfermedades
relacionadas con la DM
%HbA1c
Variable RESULTADO
Coefciente de correlacin de Spearman p < 0,05
Captulo 12
pgina 1269
Existe relacin entre el nmero de enfermedades relacionadas con
la diabetes y los niveles de HbA1c?
Anlisis bivariante:
Nmero de enfermedades
relacionadas con la DM
- Ms de una
- Una o menos de una
%HbA1c
Variable RESULTADO
Captulo 12
pgina 1270
Existe relacin entre el acceso al dietista y los niveles de
Anlisis bivariante:
Acceso al DIETISTA
%HbA1c
Variable RESULTADO
Captulo 12
pgina 1271
Existe relacin entre la actitud y conocimiento del mdico por la
DM y los niveles de HbA1c?
Anlisis bivariante:
Mdico interesado
por la DM
- Si
- No
%HbA1c
Variable RESULTADO
Captulo 12
pgina 1272
Existe relacin entre el nivel socioeconmico del paciente y
los niveles de HbA1c?
Anlisis bivariante:
Nivel socioeconmico
%HbA1c
Variable RESULTADO
Anlisis de la Varianza para un factor (ANOVA) p > 0,1
Captulo 12
pgina 1273
Existe relacin entre el estilo del vida del paciente y los niveles de
Anlisis bivariante:
Estilos de vida
- Adecuados
- Inadecuados
(tabaco, alcohol, etc)
%HbA1c
Variable RESULTADO
T de Student para muestras independientes p > 0,1
Captulo 12
pgina 1274
Existe relacin entre el sexo del mdico y los niveles de
Anlisis bivariante:
Sexo del Mdico
%HbA1c
Variable RESULTADO
T de Student para muestras independientes p > 0,1
Captulo 12
pgina 1275
Existe relacin entre el tipo de tratamiento y los niveles de
Anlisis bivariante:
Edad del Mdico
%HbA1c
Variable RESULTADO
Coefciente de correlacin de Pearson p > 0,1
Captulo 12
pgina 1276
%HbA1c
Tipo de tratamiento
Actitud y conocimiento de
la DM por parte del mdico
Sexo del paciente
Nivel socioeconmico
de la enfermedad
Sexo
del mdico
Acceso al
Dietista hospitalario
Edad del mdico
Estilos de vida
N de enfermedades
relacionadas
con la DM
Captulo 12
pgina 1277
%HbA1c
2. Dummy
Tipo de tratamiento
1. Dummy
Tipo de tratamiento
7. Actitud y conocimiento de
la DM por parte del mdico
3. Sexo del paciente
4. Aos desde el diagnstico
de la enfermedad
6. Acceso al
Dietista hospitalario
5. N de enfermedades
relacionadas
con la DM
Y =
0
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+
6
X
6

Captulo 12
pgina 1278
1.- Tipo de tratamiento
Insulina
Antidiabticos orales (ADO)
Dieta
2.- Sexo del paciente (mujer [1]; hombre [0])
3.- Aos desde el diagnstico de la enfermedad
> 7 aos: [1]
< 7 aos: [0]
4.- Nmero de enfermedades relacionadas con la diabetes
- Ms de una: [1]
- Una o menos de una: [0]
5.- Acceso al dietista (si [1]; no [0])
6- Mdico interesado por la diabetes (si [1]; no [0])
Variables predictoras (X)
Variable resultado (Y):
HbA1c(%)
Y =
0
+
1
X
1
+
2
X
2
+
3
X
3
+
4
X
4
+
5
X
5
+
6
X
6

Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1279
HbA1c(%)
Variables PREDICTORAS
que estaban relacionadas
estadsticamente con la
variable resultado HbA1c
en el anlisis univariante
Y = 0 + 1X1 + ... + nXn
Variables asociadas al nivel de hemoglobina glicosilada
Variables predictoras Estimacin Error estndar
EE
1 dummy Antidiabticos orales /
insulina
0,29 0,37
2 dummy Dieta / insulina -0,97 0,46
N enfermedades relacionadas con la
diabetes (> 1 / 1)
0,20 0,08
Sexo (mujer/hombre) 0,72 0,28
Aos desde el diagnstico (> 7 / 7) 0,04 0,02
Acceso al dietista hospitalario (si/no) -1,06 0,43
Mdico interesado en la diabetes (si/no) - 0,86 0,38
EE
=
0,72
0,28
= 2,57 > Z
95%
sexo
sexo
(1,96) p < 0,05
EE
=
0,72
0,28
= 2,57 > Z
95%
sexo
sexo
(1,96) p < 0,05
EE
=
0,72
0,28
= 2,57 > Z
95%
EE
=
0,72
0,28
= 2,57
EE
=
0,72
0,28
= 2,57 > Z
95%
sexo
sexo
(1,96) p < 0,05
Coefciente de regresin
estandarizado
(t calculada)
Captulo 12
pgina 1280
En la tabla de la regresin lineal mltiple presentada se han incluido slo el valor de
y su error estndar EE, pero no se ha incluido el IC95% de ni la signifcacin
estadstica p de cada variable predictora. Tampoco veo la tabla donde se indica el R
2

(R Square o bondad del ajuste del modelo multivariante).
Ests seguro que las 6 variables predictoras incluidas en el modelo multivariante
presentan signifcacin estadstica (p<0,05)?
La variable 1 dummy ADO/insulina presenta un valor de (0,29) inferior a su error
estndar EE, (0,37) por lo que su cociente vale 0,78, cifra muy inferior al 1,96 (Z
95%
)
Por qu has incluido en el modelo de regresin la variable ADO/insulina?
Captulo 12
pgina 1281
Variables predictoras (X) Variable resultado (Y):
HbA1c(%)
Cul de las distintas va-
riables predictoras inclui-
das en el modelo parece
afectar ms a la variable
resultado (HbA1c)?
Y = 0 + 1X1 + ... + nXn
Variables predictoras Estimacin Error estndar
EE
1 dummy Antidiabticos orales /
insulina
0,29 0,37
2 dummy Dieta / insulina -0,97 0,46
diabetes (> 1 / 1)
0,20 0,08
Sexo (mujer/hombre) 0,72 0,28
Aos desde el diagnstico (> 7 / 7) 0,04 0,02
Acceso al dietista hospitalario (si/no) -1,06 0,43
Mdico interesado en la diabetes (si/no) - 0,86 0,38
Captulo 12
pgina 1282
Variables predictoras (X) Variable resultado (Y):
HbA1c(%)
Y = 0 + 1X1 + ... + nXn
Variables predictoras Estimacin
Error estndar
EE
Cociente /
EE
Signifcacin
p
1 dummy Antidiabticos orales / insulina 0,29 0,37 0,78 p > 0,1
2 dummy Dieta / insulina -0,97 0,46 2,11 p < 0,05
diabetes (> 1 / 1)
0,20 0,08 2,5 p < 0,05
Sexo (mujer/hombre) 0,72 0,28 2,57 p < 0,01
Aos desde el diagnstico (> 7 / 7) 0,04 0,02 2,00 p < 0,05
Acceso al dietista hospitalario (si/no) -1,06 0,43 2,47 p < 0,02
Mdico interesado en la diabetes (si/no) - 0,86 0,38 2,26 p < 0,05
Captulo 12
pgina 1283
Qu diferencia promedio de HBA1c existe entre un
paciente A mujer (sexo=1) y un paciente B hombre
(sexo=0) y a igualdad del resto de las variables predictoras
incluidas en el modelo?
Variables
predictoras
i
Paciente A Paciente B
Sexo (mujer=1,
hombre =0)
+0,72 mujer [1] hombre [0]
Las mujeres presentan 0,72
unidades ms de HbA1c que los
hombres a igualdad del resto de las
variables predictoras incluidas en el
modelo.
HbA1c (A)= 10,51 + 0,72 (1) = 11,23
HbA1c (B) = 10,51 + 0,72 (0) = 10,51
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1284
paciente A con acceso al dietista hospitalario (1) de un
paciente B sin acceso (0) y a igualdad del resto de las
variables predictoras incluidas en el modelo?
i
Paciente A Paciente B
Acceso al dietista
hospitalario
(si =1, no =0)
-1,06 SI [1] NO [0]
Los pacientes CON acceso al
dietista por termino medio presentan
1,06 unidades menos de HbA1c
que los pacientes SIN dietista
hospitalario a igualdad del resto de
las variables predictoras incluidas
en el modelo.
HbA1c (A)= 10,51 1,06 (1) = 9,45
HbA1c (B) = 10,51 1,06 (0) = 10,51
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1285
paciente A tratado con ADO (1) de un paciente N tratado
con insulina (0) a igualdad del resto de las variables
predictoras incluidas en el modelo?
i
Paciente A Paciente N
ADO/insulina
(ADO=1, insulina=0)
+ 0,29 ADO [1] insulina [0]
Los pacientes en tratamiento con
ADO por termino medio presentan
0,29 unidades ms de HbA1c que
los pacientes tratados con insulina
a igualdad del resto de las variables
predictoras incluidas en el modelo.
HbA1c (A)= 10,51 + 0,29 (1) = 10,8
HbA1c (N) = 10,51 + 0,29 (0) = 10,51
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1286
paciente A tratado slo con DIETA (1) de un paciente B
tratado con insulina (0) a igualdad del resto de las variables
predictoras incluidas en el modelo?
i
Paciente A Paciente N
Dieta/insulina
(dieta=1, insulina=0)
- 0,97 dieta [1] insulina [0]
Los pacientes en tratamiento
slo con dieta por termino medio
presentan 0,97 unidades menos de
HbA1c que los pacientes tratados
con insulina a igualdad del resto de
las variables predictoras incluidas
en el modelo.
HbA1c (D)= 10,51 - 0,97 (1) = 9,54
HbA1c (N) = 10,51 - 0,97 (0) = 10,51
Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1287
HbA1c A = 10,51 + 0,29 (1) 0,97 (0) + 0,20 (1) + 0,72 (0) + 0,04 (1) 1,06 (1) 0,86 (1) = 9.12%
HbA1c B = 10,51 + 0,29 (0) 0,97 (1) + 0,20 (0) + 0,72 (1) + 0,04 (0) 1,06 (0) 0,86 (1) = 9,40%
Diferencia HbA1c (A-B) = - 0,28%
Qu diferencia promedio de HbA1c existe entre dos
pacientes A y B con las siguientes caractersticas?
Variables predictoras Paciente A Paciente B
Antidiabticos orales/insulina [1/ 0] ADO [1] Insulina [0]
Dieta/insulina [1/ 0] Dieta [1] Insulina [0]
N enfermedades relacionadas con la diabetes
(>1/<=1) [1/ 0]
3 [1] 1 [0]
Sexo (mujer/hombre) Hombre [0] Mujer [1]
Aos desde el diagnstico (> 7 / 7) 8 aos [1] 3 aos [0]
Acceso al dietista hospitalario (si/no) [1/ 0] Si [1] No [0]
Mdico interesado en la diabetes (si/no) Si [1] Si [1]
Captulo 12
pgina 1288
Captulo 12
pgina 1289
Lp(a)
PC basal
PC post
Colesterol total
Colesterol-LDL
Apoprotena B
Urea
Retinopata
Proteinuria
Grupo Cultural
Tabaco
HTA
Cardiopata isqumica
Arteriopata perifrica
Accidente isqumico
cerebral
Microalbuminuria
Captulo 12
pgina 1290
1.- Grupo cultural
Cristianos: [1]
Musulmanes: [0]
2.- Tabaco (si [1]; no [0])
3.- Hipertensin arterial
si: [1]
no: [0]
4.- Cardiopata isqumica
si: [1]
no: [0]
5.- Arteriopata perifrica (si [1]; no [0])
6- Accidente isqumico cerebral (si [1]; no [0])
7.- Retinopata (si [1]; no [0])
8.- Microalbuminuria (si [1]; no [0])
9.- Proteinuria (si [1]; no [0])
CUALITATIVAS
Lipoprotena a
Y =
0
+
1
X
1
+ ... +
n
X
n
Amor Garca, Jacobo Daz, Lus Escobar, Manuel Aguilar, Alipio Mangas.
LIPOPROTENA (a) Y DIABETES MELLITUS TIPO 2: FACTORES QUE INFLUYEN EN LAS
CONCENTRACIONES PLASMTICAS Y UTILIDAD COMO MARCADOR DE COMPLICACIONES
TARDAS (Premio AEBM). Revista: Revista de Diagnstico Biolgico 2000; 49: 125-137.
314 pacientes con
DM tipo 2
Captulo 12
pgina 1291
1.- Edad
2.- Peso
3.- IMC
4.- ICC
5.- Tensin arterial sistlica (TAS)
6- Tensin arterial diastlica (TAD)
7.- Glucemia
8.- Pptido C basal (PCB)
9.- Pptido C postprandrial (PCP)
10.- IPC IPC = PCP - PCB
11.- HbA1c
12.- Colesterol total
13.- Triglicridos
14.- Colesterol-HDL
15.- Colesterol-LDL
16.- Apoprotena A1
17.- Apoprotena B
18.- Urea
19.- Creatinina
CUALITATIVAS
Lipoprotena a
Y =
0
+
1
X
1
+ ... +
n
X
n
TARDAS (Premio AEBM). Revista: Revista de Diagnstico Biolgico 2000; 49: 125-137.
314 pacientes con
DM tipo 2
Captulo 12
pgina 1292
/ EE: Coefciente de regresin estandarizado
Variables asociadas al nivel de lipoprotena (a)
CUALITATIVAS
Estimacin Error estndar EE /EE Test F p
Grupo cultural - 5,1428 2,7270 1,88 3,5564 p > 0,1
Tabaco 0,1952 3,1477 0,062 0,0038 NS
HTA 2,4388 2,5480 0,960 0,9161 NS
Cardiopata isqumica 8,4219 2,8256 2,98 8,9028 p < 0,01
Arteriopata perifrica 3,1005 3,375 0,919 0,8440 NS
AIC 2,041 3,114 0,656 0,4298 NS
Retinopata - 0,8838 2,6850 0,329 0,1084 NS
Microalbuminuria 0,4571 2,6964 0,169 0,0287 NS
Proteinuria 12,905 4,1180 3,13 9,821 p < 0,005
Captulo 12
pgina 1293
/ EE: Coefciente de regresin estandarizado
Variables asociadas al nivel de lipoprotena (a)
Pptido C basal - 1,863 0,9581 1,94 3,7807 0,051
Pptido C post - 0,027 0,5067 0,053 0,0029 NS
Colesterol total 0,0638 0,0573 1,113 1,2420 NS
Colesterol-LDL - 0,0518 0,0628 0,825 0,679 NS
Apoprotena B 0,0242 0,0747 0,324 0,1052 NS
Urea 0,1340 0,0704 1,90 3,6205 p > 0,1
AIC 2,041 3,114 0,656 0,4298 NS
Captulo 12
pgina 1294
Lp(a)
Proteinuria
Cardiopata isqumica
Captulo 12
pgina 1295
Por lo tanto, la determinacin de Lp(a) presenta utilidad como marcador de las
complicaciones tardas de la DM tipo 2, y sus concentraciones plasmticas estn
infuenciadas de forma directa e independiente por la cardiopata isqumica y la
nefropata. Cabe destacar que a pesar de que el diseo del estudio es transversal y no
permite inferir una relacin causal, si tenemos en cuenta el condicionamiento gentico
de la Lp(a), los resultados sugieren que la elevacin de los niveles plasmticos de
Lp(a) predisponen al enfermo diabtico a la aparicin de complicaciones vasculares,
principalmente la cardiopata isqumica y la nefropata diabtica. A pesar de tratarse de
un estudio con elevado nmero de pacientes, dada la gran variabilidad interindividual
de las concentraciones de Lp(a), estas asociaciones deberan confrmarse en estudios
longitudinales ms amplios y ms a largo plazo que los publicados en la actualidad.
TARDAS (Premio Nacional AEBM). Revista: Revista de Diagnstico Biolgico 2000; 49: 125-137.
Discusin (parte fnal)
Captulo 12
pgina 1296
Segn se desprende en el fnal de la discusin del estudio, se sugiere que la Lp(a), por su
condicionamiento gentico, podra actuar como variable predictora principal de la aparicin
de algunas complicaciones vasculares como la cardiopata isqumica y la nefropata
diabtica en los pacientes con diabetes tipo 2. Sin embargo en el anlisis multivariante la
has considerado con variable resultado.
Ests seguro que la lipoprotena a es realmente la variable resultado?
No crees que la Lp(a) podra ser la variable predictora principal y la aparicin de algn
tipo complicaciones vasculares la variable resultado?

Captulo 12
pgina 1297
Variable PREDICTORA
Variable RESULTADO
Cualitativa dicotmica (s o no)
Lp(a)
Complicaciones vasculares
- Cardiopata isqumica
- Proteinuria
Captulo 12
pgina 1298
Complicaciones
vasculares
PC basal
PC post
Colesterol total
Colesterol-LDL
Apoprotena B
Urea
Grupo Cultural
Tabaco
HTA
Lp(a)
Captulo 12
pgina 1299
Problema clnico: En Atencin Primaria la efciencia de la determinacin de la excrecin
urinaria de albmina en orina de 24 horas (EUA) para el diagnostico de la nefropata
diabtica es baja.
Objetivo del estudio: Introducir el cociente albmina/creatinina en una muestra de orina
matinal (CAC) como alternativa a la EUA.
Pregunta de investigacin: Podemos sustituir el cociente albmina/creatinina en orina
matinal (CAC) por la excrecin urinaria de albmina (EUA) en orina de 24 horas en
pacientes con sospecha de nefropata diabtica? Qu relacin existe entre el CAC y la
EUA en orina de 24 horas en dichos pacientes?.
Captulo 12
pgina 1300
Qu relacin existe entre el cociente albmina/creatinina en
orina matinal (CAC) y la excrecin urinaria de albmina (EUA)
en orina de 24 horas?
CAC
EUA
Variable PREDICTORA
Variable RESULTADO
REGRESIN LINEAL SIMPLE Y = 0 + 1 * X
Coefciente de correlacin r = 0,893 (89,3%)
Captulo 12
pgina 1301
Correlacin global EUA versus CAC r = 0,893; R
2
= 0,806; p < 0,01
COEFICIENTE DE PEARSON: La magnitud de la asociacin entre la EUA y la CAC es del
89,3% de la posible.
COEFICIENTE DE DETERMINACIN: El 80,6% de la variabilidad de la EUA puede
ser explicada por la distinta CAC, resta por explicar un 19,4% que es achacable a otras
variables PREDICTORAS distintas de la CAC.
Cules son esas variables predictoras?
Las diferencias entre los coefcientes de correlacin para cada sexo (masculino versus
femenino) se pueden analizar por el mtodo de OLKIN.
Infuencia del SEXO
EUA versus CAC Correlacin de Pearson r
Sexo masculino 0,753
Sexo femenino 0,979
Captulo 12
pgina 1302
El test de Kaiser-Meyer-Olkin (KMO), que mide la idoneidad de los datos para realizar un
anlisis factorial comparando los valores de los coefcientes de correlacin observados con
los coefcientes de correlacin parcial (grupos comparados). Si la suma de los cuadrados
de los coefcientes de correlacin parcial entre todos los pares de variables es pequea
en comparacin con la suma de los coefcientes de correlacin al cuadrado, esta medida
tiende a uno. Para Kaiser los resultados del modelo factorial sern excelentes si el ndice
KMO est comprendido entre 0,9 y 1; buenos, si est comprendido entre 0,8 y 0,9;
aceptables, si se encuentra entre 0,7 y 0,8; mediocres o regulares, cuando resulte entre
0,6 y 0,7; malos, si est entre 0,5 y 0,6; e inaceptables o muy malos cuando sea menor que
0,5.
KMO =
( r
hombres
)
2
+ ( r
global
)
2
( r
global
)
2
Captulo 12
pgina 1303
El coefciente de correlacin parcial es un indicador de la fuerza de las relaciones entre
dos variables eliminando la infuencia del resto. Si las variables comparten factores
comunes, el coefciente de correlacin parcial entre pares de variables deber ser bajo,
puesto que se eliminan los efectos lineales de las otras variables.
Una forma de evaluar este hecho es mediante la Medida de Adecuacin de la Muestra
KMO propuesta por Kaiser, Meyer y Olkin. Dicha medida viene dada por la ecuacin KMO
donde rij(p) es el coefciente de correlacin parcial entre las variables Xi y Xj eliminando la
infuencia del resto de las variables.
Captulo 12
pgina 1304
KMO =
( r
hombres
)
2
+
( r
global
)
2
( r
global
)
2
KMO =
( r
hombres
)
2
+
( r
global
)
2
( r
global
)
2
KMO
hombres
= 0,584
KMO
mujeres
= 0,457
KMO =
( r
mujeres
)
2
+
( r
global
)
2
( r
global
)
2
KMO =
( r
mujeres
)
2
+
( r
global
)
2
( r
global
)
2
KMO es un ndice que toma valores entre 0 y 1 y que se utiliza para comparar las
magnitudes de los coefcientes de correlacin observados con las magnitudes de los
coefcientes de correlacin parcial de forma que, cuanto ms pequeo sea su valor, mayor
es el valor de los coefcientes de correlacin parciales rij(p) y, por lo tanto, menos deseable
es realizar un Anlisis Factorial. Kaise, Meyer y Olkin aconsejan que si KMO 0,75 la idea
de realizar un anlisis factorial es buena, si 0,75 > KMO 0,5 la idea es aceptable y si
KMO < 0,5 es inaceptable.
Captulo 12
pgina 1305
Se observa que el valor del KMO = 0.584 para hombres est en el lmite de los valores
recomendados por Kaiser, Meyer y Olkin poniendo de manifesto que, en este caso muy
probablemente, el proceso de reduccin de datos no sea muy espectacular.
Se observa que el valor del KMO = 0.457 para mujeres es inferior al lmite de los valores
recomendados por Kaiser, Meyer y Olkin (0,5) poniendo de manifesto que, en este caso
con toda seguridad, el proceso de reduccin de datos no es importante.
Captulo 12
pgina 1306
CAC
Edad
Sexo
EUA
Factor 1:
Factor 3:
Factor 2:
Variable RESULTADO
1
= 7.65 p=0,001
3
= -0.54 p=0,42
2
= -30.26 p=0,01
Aplicacin del modelo de regresin mltiple
a los datos de un estudio que usa como
variables predictoras el cociente albmina/
creatinina en orina matinal (CAC), sexo y
edad del individuo frente a la excrecin
urinaria de albmina en orina 24 horas EUA
(variable resultado).
R
2
= 0,806 (80,6%)
Captulo 12
pgina 1307
EUA: Excrecin urinaria de
albmina en orina de 24 horas
CAC: Cociente albmina/creatinina
en una muestra de orina matinal
EUA: Variable dependiente o
resultado
CAC: Variable Predictora 1
SEXO: Variable Predictora 2
EDAD: Variable Predictora 3
eua (y) = 110,85 + 7,65 CaC - 0,54 eDaD 30,26 seXo
eua (y) = 110,85 + 7,65 CaC 30,26 seXo
Modelo de Regresin Lineal Mltiple
Coefciente IC95% de p
Constante 110,85 13,88 a 187,84 0,02
CAC 7,65 7,13 a 8,16 0,001
Edad - 0,54 - 1,86 a 0,78 0,42
Sexo - 30,26 - 53,93 a 6,58 0,01
Captulo 12
pgina 1308
Variable Resultado
Qu Variables PREDICTORAS
se deben incluir en el Anlisis de
Regresin Lineal Mltiple?
Captulo 12
pgina 1309
variables
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
signifcativas
Captulo 12
pgina 1310
Excrecin urinaria
de sodio en 24 horas
HIPERLIPIDEMIA
EDAD
SEXO
NIVEL CULTURAL
TABAQUISMO
OBESIDAD IMC
DIABETES
Captulo 12
pgina 1311
Con signifcacin estadstica
(p<0,05)
Edad
Sexo
Nivel cultural
Tabaquismo
Prxima a la signifcacin
estadstica (0,05 < p < 0,1)
- IMC
- Hiperlipidemia
Qu variables predictoras se deben incluir en el anlisis de
regresin lineal mltiple?
Captulo 12
pgina 1312
Cul de las distintas variables
predictoras con signifcacin
estadstica (p<0,05) del anlisis
univariante NO aparecen en el
modelo multivariante?
Nivel cultural
Cul de las distintas variables
predictoras prximas a la
signifcacin estadstica (0,05
<p<0,1) del anlisis univariante
SI aparecen en el modelo
multivariante?
Obesidad (IMC)
En el anlisis de regresin lineal MLTIPLE se incluyeron las variables predictoras con
Signifcacin estadstica en el anlisis de regresin lineal SIMPLE (edad, sexo, nivel cultural,
tabaquismo; p<0,05) y aquellas prximas a la signifcacin (IMC y hiperlipidemia; p=0,1),
identifcndose como verdaderas variables predictoras o independientes slo la edad, sexo,
IMC y el tabaco r=0,388 (p<0,05). El resto de las variables NO fueron incluidas en el modelo.
Resultados del anlisis de Regresin Lineal Mltiple
Coefciente IC95% de p
Constante 96,67 19,2 a 174,15 0,015
Edad - 1,17 - 1,89 a 0,44 0,002
Sexo 28,71 4,65 a 52,78 0,020
Tabaquismo 29,22 3,83 a 54,6 0,024
IMC 4,15 2,00 a 6,29 0,000
La codifcacin de las variables dicotmicas se realiz
sexo: mujer = 0, hombre = 1, tabaquismo: no fumador
0, fumador 1). IMC = peso / (talla)
2
Captulo 12
pgina 1313
Qu relacin existe entre los niveles de colesterol en sangre y la
tensin arterial?
REGRESIN LINEAL SIMPLE Y = 0 + 1 * X
Coefciente de correlacin R
2
= 0,691 (69,1%)
Colesterol
Tensin arterial
Variable PREDICTORA
Variable RESULTADO
Captulo 12
pgina 1314
Es el modelo de regresin simple que resulta de tomar como nica variable predictora el colesterol de un
individuo. El valor del coefciente de determinacin R
2
es 0.691 (69.1%).
Se puede mejorar el R
2
incluyendo otra variable predictora?.
R
2
puede ser mejorado a 0.722 (72.2%) aplicando un modelo multivariante en el que se introduce el ndice
de masa corporal (IMC) como nueva variable predictora.
Modelo de regresin lineal simple para la variable resultado tensin
arterial diastlica ajustado por la variable predictora colesterol
Variable Coefciente EE IC95% t p
Constante 26,91 7,15 12,63 41,19 3,76 < 0,001
Colesterol 0,23 0,03 0,17 0,29 7,70 < 0,001
Suma de
cuadrados
g.l Media
Cuadrtica
F p
Regresin 4067,11 1 4067,11 59,29 < 0,001
Residual 4459,01 65 68,60
Total 8526,12 66 29,22
Y = 0 + 1 * X
TAD = 26.91 + 0.23 * Colesterol
Captulo 12
pgina 1315
Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria
2000; 7: 173-176.
Correlacin lineal de las variables predictoras edad, colesterol e ndice
de masa corporal con la variable resultado tensin arterial diastlica
NS
NS
NS
NS
NS
NS
TAD
EDAD
Colesterol
IMC
NS
NS
NS
NS
NS
NS
NS
NS
NS
NS
NS
NS
TAD
EDAD
Colesterol
IMC
Captulo 12
pgina 1316
Causa o Factor 1: Cuantitativa
Causa o Factor 2: Cuantitativa
Desenlace o efecto:
Cuantitativa
Variable
Predictora 1
Variable
Predictora 2
Variable RESULTADO
Interaccin
Y = 0 + 1 * X1 + 2 * X2
Captulo 12
pgina 1317
Colesterol
IMC
Tensin arterial
Factor 1:
Factor 2:
Desenlace o efecto
Aplicacin del modelo de regresin
mltiple a los datos de un estudio que
usa como variables predictoras de la
tensin diastlica (variable resultado) el
colesterol y el ndice de masa corporal de
un individuo.
R
2
= 0,722 (72,2%)
t= 5.26 p<0,001
t= 2.45 p=0,017
Captulo 12
pgina 1318
Los coefcientes de regresin para ambas variables predictoras fueron 0.18 (= 0.03) y 0.73 (=0.30)
respectivamente, siendo ambos signifcativamente distintos de cero. Esto indica que por trmino medio la
tensin arterial diastlica de un paciente se incrementa en 1.8 y 7.3 respectivamente por cada 10 unidades
a mayores en su colesterol o ndice de masa corporal. El valor del coefciente de determinacin R
2
=0.72
(72%) y la signifcacin del contraste F global de la regresin (p<0.001) sugieren que gran parte de la
variabilidad de la respuesta (TAD) viene explicada por el modelo ajustado.
arterial diastlica ajustado por las variables predictoras colesterol e
ndice de masa corporal
Constante 19,42 7,54 4,37 34,48 2,58 0,012
Colesterol 0,18 0,03 0,11 0,25 5,26 < 0,001
IMC 0,73 0,30 0,14 1,33 2,45 0,017
Suma de
cuadrados
g.l Media
Cuadrtica
F p
Regresin 4449,72 2 2224,86 34,93 < 0,001
Residual 4076,40 64 63,69
Total 8526,12
TAD = 19,42 + 0.18 * Colesterol + 0,73 IMC
R
2
= 0,722 (72,2%)
Captulo 12
pgina 1319
Colesterol
Edad
IMC
Tensin arterial
Factor 1:
Factor 3:
Factor 2:
Desenlace o efecto
Aplicacin del modelo de regresin mltiple
a los datos de un estudio que usa como
variables predictoras de la tensin diastlica
(variable resultado) el colesterol, ndice de
masa corporal y edad de un individuo.
R
2
= 0,52 (52%)
t= 4.84 p<0,001
t= 1.67 p=0.10
t= 2.31 p=0,024
Captulo 12
pgina 1320
Los coefcientes de regresin para el colesterol fue 0.17 (= 0.03) y de 0.68 (=0.30) para el IMC
continuarn siendo distintos de cero (p<0.05). La introduccin de la nueva variable predictora EDAD en el
modelo, proporciona un cambio en el coefciente de determinacin R
2
de tan slo 0.028 que NO mejora de
forma signifcativa (p=0.059). La entrada de la variable edad NO produce una mejora del ajuste del modelo.
El coefciente de regresin de la EDAD (0.24) no es signifcativo (p=0.100).
arterial diastlica (TAD) ajustado por las variables predictoras coles-
terol, ndice de masa corporal y edad
Constante 10,55 9,13 -7,70 a 28,81 1,15 0,252
Colesterol 0,17 0,03 0,1 0,24 4,84 < 0,001
IMC 0,68 0,30 0,09 1,28 2,31 0,024
Edad 0,24 0,14 - 0,05 a 0,53 1,67 0,100
Suma de
cuadrados
g.l Media
Cuadrtica
F p
Regresin 4622,52 3 1540,84 24,87 < 0,001
Residual 3903,60 63 61,96
Total 8526,12 66
R
2
= 0,52 (52%)
Captulo 12
pgina 1321
Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria
2000; 7: 173-176.
arterial diastlica (TAD) ajustado por las variables predictoras coles-
terol, ndice de masa corporal y edad
Constante 10,55 9,13 -7,70 a 28,81 1,15 0,252
Colesterol 0,17 0,03 0,1 0,24 4,84 < 0,001
IMC 0,68 0,30 0,09 1,28 2,31 0,024
Edad 0,24 0,14 - 0,05 a 0,53 1,67 0,100
Suma de
cuadrados
g.l Media
Cuadrtica
F p
Regresin 4622,52 3 1540,84 24,87 < 0,001
Residual 3903,60 63 61,96
Total 8526,12 66
EE
=
0,24
0,14
= 1,71
< Z
95%
EE
=
0,24
0,14
= 1,71
EE
=
0,24
0,14
= 1,71
< Z
95%
edad
edad
(1,96) p = 0,100
Captulo 12
pgina 1322
variables
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
signifcativas
Captulo 12
pgina 1323
Anlisis multivariante para la deteccin de potenciales factores de
confusin
Variable Resultado
Captulo 12
pgina 1324
Es el nico sesgo que se puede controlar (evitar) en la fase de anlisis y no slo en la fase de diseo.
Distorsin en las conclusiones del estudio, producida por la distribucin desigual, en los grupos de
comparacin, de una tercera variable (confundente C).
Sesgo de confusin
Variable predictora Exposicin F
o factor de riesgo
Variable
confundente
Variable resultado Enfermedad o
efecto E
Captulo 12
pgina 1325
- Elevada prevalencia de enfermedad coronaria
- Mayor extensin de la arteriosclerosis
- Mayor tasa de IAM
- Mayor mortalidad de causa coronaria
- ANLISIS UNIVARIANTE:
El 15,7% de los portadores del alelo 4 presentaban CI frente al 6,9% en NO
4 (p<0,01)
ORc = 2,49 IC95%: 1,19-5,22
Portadores del Alelo 4
Alelo 4
Enfermedad coronaria
Captulo 12
pgina 1326
Potenciales FACTORES DE CONFUSIN
- Edad
- Sexo
- HTA
- Tabaquismo
- Obesidad (IMC)
- Lpidos y lipoprotenas
Modelo de regresin logstica
Alelo 4
Enfermedad coronaria
Exposicin
Captulo 12
pgina 1327
Asociacin entre la prevalencia de enfermedad coronaria y el tipo de apo E (4 frente a no 4) expresada
como OR e IC95% en una poblacin de 386 pacientes con hipercolesterolemia. Se presenta la asociacin
simple (anlisis univariante) (OR no corregido) y despus de corregir, de forma escalonada, para distintas
variables predictoras potencialmente confundentes como la edad y el sexo, para estas variables ms la
presencia de hipertensin arterial, tabaquismo e IMC y, por ltimo, todos los anteriores ms el perfl lipdico
colesterol total, cHDL y triglicridos mediante anlisis multivariante.
Regresin logstica multivariante para la deteccin de
potenciales factores de confusin
Alelo 4 Enfermedad coronaria
1 2 4 8 0,75
No corregido
Corregido para la edad y el sexo
Corregido para la edad, el sexo y otros
factores de riesgo cardiovascular (FRCV)
Corregido para la edad, el sexo, otros
factores de FRCV y perfil lipdico
OR (IC95%)
2,49 (1,19 - 5,22)
2,59 (1,15 - 5,83)
2,83 (1,18 - 6,81)
2,56 (1,03 - 6,39)
Captulo 12
pgina 1328
Los distintos tipo de sesgos, la infuencia del azar y la presencia de variables
predictoras de CONFUSIN deben fnalmente siempre, tenerse en cuenta,
en todos los estudios como explicacin posible de cualquier asociacin
estadstica ya sea esta positiva, negativa o no existente.
Y como sealaba M. Susser en sus refexiones sobre causalidad
Cuando hay minas por todas partes uno no debe aventurarse sin un detector
de minas (ANLISIS MULTIVARIANTE).
Susser M. Conceptos y estrategias en epidemiologa. El pensamiento causal en ciencias de la salud.
Mxico: Biblioteca de la Salud; 1991.
Refexiones fnales
Captulo 12
pgina 1329
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
Variable
RESULTADO
(dicotmica)
Variables
PREDICTORAS
Cualitativa
Cuantitativa
Cualitativa
Cuantitativa
ECUACIN Y =
0
+
1
X
1
+ ... +
n
X
n
Captulo 12
pgina 1330
REGRESIN
MLTIPLE de COX
Variable
RESULTADO
Cuantitativa
Desenlace: supervivencia a tiempo t
Variables
PREDICTORAS
Cualitativa
Cuantitativa
(factores pronstico)
ECUACIN
Modelo de regresin mltiple de Cox
Captulo 12
pgina 1331
Edad
Estado civil
Tiempo de alcoholismo
Probabilidad de muerte
Bilirrubina
Presencia de ascitis
Albmina
Captulo 12
pgina 1332
Estudio de cohortes prospectivo de pacientes alcohlicos
Variables predictoras Anlisis Univariante (p)
Edad p < 0,05
Estado civil p < 0,05
Tiempo de alcoholismo p < 0,05
Bilirrubina srica p < 0,05
Presencia de ascitis p < 0,05
Albmina srica p < 0,05
Captulo 12
pgina 1333
Prdidas de
seguimiento
Seguimiento mediana 8,7 aos
Muertos por otras
causas
162 pacientes
alcohlicos
hospitalizados
Factores de Riesgo
Fallecimientos 56
Sobrevivientes 59
Captulo 12
pgina 1334
Pacientes
alcohlicos
Muerte
Edad
Bilirrubina
Ascitis
Estado civil
Captulo 12
pgina 1335
Variables predictoras con signifcado pronstico en pacientes alcohlicos
Modelo de Regresin de Cox (mtodo paso a paso)
Variable RR IC95% del RR Signifcacin
Edad 1,0763 1,0334-1,1209 0,0004
Ascitis 2,0940 1,0553-4,1551 0,0345
Bilirrubina 1,4220 1,2058-1,6769 0,0000
Estado civil 2,3922 1,1796-4,8515 0,0156
Captulo 12
pgina 1336
Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA
Test de Wilcoxon
Test de Friedman
REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Long-Rank
Regresin de COX
Captulo 13
pgina 1337
Publicacin Bioestadstica: Bibliografa.
Captulo 13
Captulo 13
pgina 1338
- Alvarez Cceres R. Estadstica aplicada a las ciencias de la salud. Madrid. Daz de
Santos 2007.
- Martnez-Gonzlez MA, editor. Bioestadstica amigable. 2 ed. Madrid : Daz de
Santos, 2006.
- Martn Andrs A, Luna del Castillo JD. Bioestadstica para las ciencias de la salud. 4
ed. Madrid: NORMA; 1993.
- Milton JS, Tsokos JO. Estadstica para biologa y ciencias de la salud. Madrid:
Interamericana McGraw Hill; 2001.
- Dawson-Saunders B, Trapp RG. Bioestadstica Mdica. 2 ed. Mxico: Editorial el
Manual Moderno;1996.
- Pita Fernndez, S. Uso de la estadstica y la epidemiologa en atencin primaria. En:
Gil VF, Merino J, Orozco D, Quirce F. Manual de metodologa de trabajo en atencin
primaria. Universidad de Alicante. Madrid, Jarpyo Editores, S.A. 1997; 115-161.
Bibliografa utilizada en el curso (1)
Captulo 13
pgina 1339
- Castillo Ron E. Introduccin a la estadstica aplicada. Santander: Ed. autor; 1993.
- Cobo E, Muoz P, Gonzlez JA. Bioestadstica para no estadsticos: bases para
interpretar artculos cientfcos. msterdam : Elsevier Masson, 2007.
- Morell Ocaa M, Redondo Bautista M. Metodologa cientfca en ciencias de la salud.
Grupo editorial 33 (Mlaga); 2002.
- Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin
primaria de salud. 2 ed. Barcelona: Mosby-Doyma; 1994.
- Sackett DL, Richarson WS, Rosenberg W, Hynes RB. Evidence-based medicine: how
to practice and teach EBM. 2nd ed. London: Churchill-livingstone; 2000.
- Silva Ayaguer LC. Cultura estadstica e investigacin cientfca en el campo de la
salud: una mirada crtica. Madrid: Ediciones Daz de Santos; 1997.
Captulo 13
pgina 1340
- Bailar JC III. Some uses of statistical thinking. En: Bailar JC III, Mostoller F, editors.
Medical uses of statistics. Boston: N Engl J Med Books, 1992; p. 25-57
- Bobenrieth Astete M.A . Mitos y realidades en torno a la publicacin cientfca. Med
Clin (Barc) 2000; 114: 339-341.
- Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud. Medicina de
Familia (And) 2001; 2: 81-90.
- Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.
- Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ
1995;311:485.
- Argimon JM. La ausencia de signifcacin estadstica en un ensayoclnico no signifca
equivalencia teraputica. Med Clin (Barc) 2002; 118: 701-3
- Mora I, Ripoll R. Cmo mejorar la calidad estadstica de los artculos presentados
a revistas biomdicas: lista de comprobacin para los autores. Med Clin (Barc).
1999;113:138-49.
Captulo 13
pgina 1341
- Salsburg DS. The religion of statistics as practiced in medical journals. Am Statistician
1985; 39: 220-223.
- Pocock SJ. The role of statistics in medical research. Br J Psychiat 1980; 137: 188-190.
- Chia KS. Signifcant-itis: an obsession with the P value. Scand J Work Environ Health.
1997; 23:152-4.
- Christenson P. To p or not to p. J Child Adolesc Psychiatr Nurs. 1995; 8:42.
- Neyman J, Pearson E. On the problem of the most effcient tests of statistical
hypothesis. Philosophical trans of the Royal Society of London (A) 1933;231:289-337.
- Ars A. Tmese una antes de acostarse. 1 edicin. Barcelona: Planeta; 1998.
Captulo 13
pgina 1342
- Martn Andrs A. Bioestadstica para ciencias de la salud. 1 ed. Madrid : Ediciones
Norma-Capitel, 2004.
- Prez Lpez C. Mtodos estadsticos avanzados con SPSS. Thomson, 2005.
- Garca A. Mtodos avanzados de estadstica aplicada. Madrid: UNED, 2001.
- Juez Martel P, Diez Vegas FJ. Probabilidad y Estadstica en Medicina. Madrid: Daz de
Santos, 1997.
- Alvarez Cceres R. Estadstica multivariante y no paramtrica con SPSS. Madrid: Daz
de Santos, 1994.
- Armitage P, Berry G. Estadstica para la Investigacin Biomdica. Doyma, Barcelona,
1992.
- DL Sackett. Epidemiologa clnica. Buenos Aires, Editorial Mdica Panamericana,
1994.
Captulo 13
pgina 1343
- Pita Fernndez S, Prtega Daz S. Signifcancia estadstica y relevancia clnica. Cad
Aten Primaria 2001; 8: 191-195.
- Escrig Sos J et al. Intervalos de confanza: por qu usarlos. Cir Esp. 2007;81(3):121-5.
- Camps Garca MT, Muoz Rocan N, Calvo de Mora A, De Ramn Garrido E. Los
cocientes de probabilidad como medida de la utilidad de la determinacin de anticuerpos
antinucleares por inmunofuorescencia indirecta en la clnica. Aplicacin de los
resultados de la investigacin clnica. Med Clin (Barc) 1999;113: 476.
- Tibblea J et al. Faecal calprotectin and faecal occult blood tests in the diagnosis of
colorectal carcinoma and adenoma. Gut 2001;49:402-408.
Captulo 13
pgina 1344
- Seoanea T et al. Estadstica: Estadstica Descriptiva y Estadstica Inferencial.
SEMERGEN. 2007;33(9):466-71.
- Iraurgi I. Signifcancia estadstica y relevancia clnica. Norte de Salud Mental 2009;
94 - 108.
- Rubio C. Diseo estadstico de ensayos clnicos. Med Clin (Barc) 1996; 107: 303-309.
- Plasencia A, Porta Serra M. La calidad de la informacin clnica (II): signifcacin
estadstica. Med Clin (Barc) 1988; 90: 122-126.
- Carlos Manterola D, Viviana Pineda N. El valor de p y la signifcacin estadstica.
Aspectos generales y su valor en la prctica clnica. Interpretation of medical statistics.
Rev. Chilena de Ciruga 2008; 60: 86-89.
Captulo 13
pgina 1345
- Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice
Kappa. Cad Aten Primaria 1999; 6: 169-171.
- Pita Fernndez S, Prtegas Daz S. Relacin entre variables cuantitativas. Cad Aten
Primaria 1997; 4: 141-144.
- Pita Fernndez S, Prtegas Daz S. Pruebas diagnsticas. Cad Aten Primaria 2003;
10: 120-124.
- Pita Fernndez S, Prtegas Daz S. La fabilidad de las mediciones clnicas: el anlisis
de concordancia para variables numricas. Cad Aten Primaria 2004.
- Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple.
Captulo 13
pgina 1346
- Pita Fernndez S, Prtegas Daz S. Tcnicas de regresin: regresin lineal mltiple.
- Pita Fernndez S. Correlacin frente a causalidad JANO 1996; (1174): 59-60.
- Pita Fernndez S. Determinacin del tamao muestral. Cad Aten Primaria 1996; 3:
138-144.
- Prtegas Daz S , Pita Fernndez S. La distribucin normal. Cad Aten Primaria 2001; 8:
268-274.
- Prtegas Daz S , Pita Fernndez S. Mtodos paramtricos para la comparacin de
dos medias. t de Student. Cad Aten Primaria 2001; 8: 37-41.
- Passing H, Bablok W. A new biometrical procedure for testing the equality of
measurements from two different analytical methods. J Clin Chem Biochem 1983; 21:
709-20.
Captulo 13
pgina 1347
- Burgueo MJ, Garca-Bastos JL y Gonzlez-Buitrago JM. Las curvas ROC en la
evaluacin de las pruebas diagnsticas. Med Clin (Barc) 1995: 104: 661-670.
- Hanley JA, McNeil BJ. The meaning and use of the area under aReceiver Operating
Characteristic (ROC) Curve. Radiology 1982; 143: 29-36.
- Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Curvas ROC. Cad Aten Primaria
1998; 5: 229-235.
- McNeil BJ, Keeler E, Adelstein SJ. Primer on certain elements of medical decision
making. N Engl J Med 1975; 293: 211-215.
- Galen RS, Gambino SR. Beyond normality: The predictive value and effciency of
medical diagnoses. Nueva York: J Wiley and Sons, lnc., 1975.
Captulo 13
pgina 1348
- Beck JR, Shultz EK. The use of relative operating characteristic (ROC) curves in test
performance evaluation. Arch Pathol Lab Med 1986; 110:13-20.
- Swets JA. Measuring the accuracy of diagnostic systems. Science 1988; 240: 1.285-
1.293.
- Zweig MH, Campbell G. Receiver-operating characteristic (ROC) plots: a fundamental
evaluation tool in clinical medicine. Clin Chem 1993; 39: 561-577.
- Yupanqui Pacheco RM: Introduccin a la estadstica bayesiana. UNMSM. Facultad
de Ciencias Matemticas. EAP de Estadstica, Lima, 2005 (disponible en: http://sisbib.
unmsm.edu.pe/ bibvirtualdata/Tesis/Basic/yupanqui_pr/yupanqui_pr.pdf).
- Altman DG, Moher D. Elaboracin de directrices para la publicacin de investigacin
biomdica: proceso y fundamento cientfco. Med Clin (Barc). 2005;125(Supl 1):8-13.
Captulo 13
pgina 1349
- Lpez, F. Utilizacin adecuada de las pruebas estadsticas en los estudios de
comparacin de procedimientos. Quim Clin 2000; 19: 237.
- Fleiss JL. The design and analysis of clinical experiments. Nueva York: John Wiley &
Sons, Inc., 1986.
- Luis Prieto, Rosa Lamarca, Alfonso Casado. La evaluacin de la fabilidad en las
observaciones clnicas: el coefciente de correlacin intraclase. Med Clin (Barc).
1998;110:142-5.
- (*) Wakkers PJM, Hallendoorn HBA, Op de Weegh GJ, Heerspink W. Applications of
statistics in clinical chemistry. A critical evaluation of regression lines. Clin Chim Acta
1975; 64: 173-84.
- Cornbleet PJ, Gochman N. Incorrect least-squares regression coeffcients in method-
comparison analysis. Clin Chem 1979; 25: 432-38.
- Zaydman L, Lasky FD, Van Nostrand C, Doptis PD. Recommended linear regressin
models for comparison of method in clinical Chemistry. Clin Chem 1991, 37: 960.
Captulo 13
pgina 1350
- Frey E, Fuentes-Arderiu X, Queralt JM. Comparacin estadstica de mtodos
analticos. Educacin continuada Qumica Clnica. 1988; 1: 69-79.
- Westgard JO, Hunt MR. Use and interpretation of common statistical test in method-
comparison studies. Clin Chem 1973; 19: 44-57.
- Bland JM, Altman DG. Statistical methods for assesing agreement between two
methods of clinical measurement. Lancet 1986; 1: 307-310.
- Pita Fernndez S, Prtegas Daz S. La fabilidad de las mediciones clnicas: el anlisis
de concordancia para variables numricas. Cad Aten Primaria 2004.
Captulo 13
pgina 1351
- Altman DG, Bland JM. Statistical methods for assessing agreement between two
methods of clinical measurement. The lancet 1986; 307-10.
- Altman DG, Bland JM. Measurement in medicine: the analysis of method comparison
studies. The Statistician 1983; 32, 307-317.
- Prtegas Daz S , Pita Fernndez S. Determinacin del tamao muestral para calcular
la signifcacin del coefciente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211.
- Jacobo Daz Portillo .Infuencia del grupo tnico en el patrn lipoproteico de una
determinada poblacin peditrica de Ceuta, Tesis doctoral (1997). Facultad de Medicina
de la Universidad de Cdiz.
Captulo 13
pgina 1352
- Albert A, Harris EK. Multivariate interpretation of clinical laboratory data. New York:
Marcel Dekker; 1987.
- Saez M. El problema de las medidas repetidas. Anlisis longitudinal en epidemiologa.
Gac Sanit 2001;15(4):347-352.
- F. Lpez Azorn. La necesidad de mejores evaluaciones metodolgicas y nuestra
exigencia ante los criterios de aceptabilidad de los resultados. Qumica Clnica 2003; 22
(6) 431-432.
- Snchez-Cantalejo Ramrez E. Regresin logstica en salud pblica. EASP 2000.
- Silva Ayaguer LC. Excursin a la regresin logstica en ciencias de la salud. Madrid:
Daz de Santos, 1995.
- Hernndez Aguado I, Porta Serra M, Miralles M, Garca Benavides F, Bolmar F. La
cuantifcacin de la variabilidad en las observaciones clnicas. Med Clin (Barc) 1990; 95:
424- 429.
Captulo 13
pgina 1353
- Prtegas Daz S, Pita Fernndez S. Representacin grfca en el anlisis de datos.
- Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice
Kappa. Cad Aten Primaria 1999; 6: 169-171.
- Prieto L, Lamarca R, Casado A. La evaluacin de la fabilidad en las observaciones
clnicas: el coefciente de correlacin intraclase. Med Clin 1998: 110(4): 142-145.
- Argimon JM. El intervalo de confanza: algo ms que un valor de signifcacin
estadstica. Med Clin (Barc) 2002;118(10):382-4.
- Argimon JM. La ausencia de signifcacin estadstica en un ensayo clnico no signifca
equivalencia teraputica. Med Clin (Barc) 2002;118(18):701-3.
- Ramalle-Gmara E, Andrs de Llano JM. Utilizacin de mtodos robustos en la
estadstica inferencial. Aten Primaria 2003;32(3):177-82.
- Cobo E. Anlisis multivariante en investigacin biomdica: criterios para la inclusin de
variables. Med Clin (Barc) 2002;119(6):230-237.
Edita: Instituto Nacional de Gestin Sanitaria
Subdireccin General de Gestin Econmica y Recursos Humanos
Servicio de Recursos Documentales y Apoyo Institucional
Alcal, 56 28014 Madrid
El copyright y otros derechos de propiedad intelectual pertenecen
al Instituto Nacional de Gestin Sanitaria.
Se autoriza la reproduccin total o parcial para uso no comercial,
siempre que se cite explcitamente su procedencia.
Depsito Legal: M-33564-2011
NIPO: 865-11-010-6
Coleccin Editorial de Publicaciones del INGESA: 1.921

Guia Practica Bioestadistica

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Guia Practica Bioestadistica

Uploaded by

Copyright:

Available Formats

Gua Prctica del Curso

Media D.E. 68% del rea total

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

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

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

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

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

Valores de la COVARIANZA dependiendo de la variacin al unsono de x e y

IMC = 23,5 + (0,03 * Horas sentada)

Peso al nacer del RN

Cambio significativo con probabilidad del 95% (Z=1.96)

Cambio significativo con probabilidad del 99% (Z=2.58)

Cambio significativo con probabilidad del 99% (Z=2.58)(p<0,01)

You might also like