TEMA VI ANÁLISIS DE SUPERVIVENCIA
|
|
- José Ángel Ríos Vargas
- hace 7 años
- Vistas:
Transcripción
1 TEMA VI ANÁLISIS DE SUPERVIVENCIA
2 LECTURA OBLIGATORIA Análisis de Supervivencia. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de la Salud. Coruña: Netbiblo. Páginas Modelos Multivariantes 2
3 TÉRMINOS QUE DEBES DOMINAR Estudios de mortalidad/seguimiento Período de Seguimiento Tablas Kaplan-Meier Probabilidad de Supervivencia Media y Mediana de Supervivencia Curva de Supervivencia Función de Supervivencia Test Log Rank Regresión de Cox Hazard Hazard Ratio Modelos Multivariantes 3
4 En qué consiste? Orígenes en el ámbito médico, en los llamados estudios de mortalidad, cuyo objetivo era predecir el tiempo que un paciente con una enfermedad terminal podría mantenerse con vida, pudiendo estudiarse también el posible efecto de distintos tratamientos. Hoy en día se utiliza en contextos tan variados como el militar, la ingeniería, la industria, la psicología o la economía. Gracias a su utilización los investigadores pueden estimar para intervalos de tiempo determinados la probabilidad que tiene un paciente de recaer de una determinada patología, de que se produzca el alta médica o el tiempo que va a tardar en ser eficaz un tratamiento ; cualquier evento que nos interese modelizar y/o pronosticar. pon EJEMPLOS Modelos Multivariantes 4
5 En qué consiste? La supervivencia viene a ser una medida del tiempo que transcurre hasta una respuesta de interés: recaída, alta médica, manifestación de los primeros síntomas de una determinada enfermedad, etc. Cuando se trata de enfermedades graves, el análisis de supervivencia deriva en la estimación de probabilidades de mantenerse con vida durante determinados períodos de tiempo, informando así del grado de severidad de la enfermedad, algo que menudo se desconoce. ESTUDIOS DE SEGUIMIENTO. Muchas veces el investigador no puede manipular, ni controlar las variables objeto de estudio, ni tampoco a los sujetos que participan en él, sino que dispone de información relativa a sus pacientes a lo largo de un determinado período de tiempo, que ni siquiera es el mismo para todos. Modelos Multivariantes 5
6 EJEMPLO Trabajamos en una UAD y a lo largo de dos años hemos seguido a 100 sujetos, de los cuales sabemos que algunos han llegado a abandonar su adicción, mientras que otros no lo han hecho o bien desconocemos qué ha sucedido con ellos realmente, bien porque han traslado su residencia o porque han dejado de venir a la consulta. Si el período de registro comprende un total de 24 meses, es probable que dispongamos de datos incompletos para alguno de los sujetos, bien porque causan baja o bien se incorporan más tarde. Como consecuencia, cada sujeto posee un tiempo de registro o seguimiento particular y una información específica respecto a la variable de interés (si ha abandonado su adicción o no, o si ni siquiera lo sabemos. Durante el período de registro es probable que algunos sujetos no hayan sufrido el evento de interés, mientras que otros sí, y es probable también que a algunos sujetos le hayamos perdido la pista. Modelos Multivariantes 6
7 ESQUEMA GENERAL ESQUEMA GENERAL Paciente evento El análisis trabaja con información parcial (casos censurados ) sale (censurado) evento evento muere por otra causa (censurado) n evento Inicio Período de estudio Fin Modelos Multivariantes 7
8 VARIABLES VARIABLES IMPLICADAS RESPUESTA Tiempo hasta que ocurre un evento Tiempo desde la intervención hasta la muerte Tiempo libre de enfermedad o hasta recaída Sesiones de terapia hasta el alta Tiempo hasta acción del fármaco, rehabilitación, etc. Tiempo hasta desarrollo de una enfermedad DE CENSURA Para indicar si se ha producido o no el evento (incluidos aquellos casos que han salido del estudio en el transcurso de éste) Incumplimiento terapéutico Pérdida del seguimiento Efectos secundarios Violaciones al protocolo EXPLICATIVAS Cuya influencia sobre la Respuesta se desea estudiar Diagnóstico al inicio Tipo de tratamiento Dosis Sexo Edad Nivel de deterioro Adherencia Apoyo familiar Modelos Multivariantes 8
9 POTENCIAL Lo verdaderamente interesante es que podemos aprovechar la información disponible de cada sujeto para estimar una función de supervivencia global que se derive en la elaboración de: 1. Tablas de Supervivencia, en las que se recoja la probabilidad de supervivencia para diferentes momentos. 2. Gráficos o Curvas de Supervivencia, donde se puede ver cómo evoluciona la probabilidad de supervivencia a lo largo del tiempo 3. Descriptivos de supervivencia (media, mediana y cuartiles). 4. Contrastes de supervivencia, para probar el posible efecto modulador de una VI. 5. Modelos de supervivencia, poniendo a prueba el efecto conjunto de varias VI o variables explicativas, identificando factores de riesgo y de protección. Modelos Multivariantes 9
10 SUPUESTOS de partida Se trata más bien de supuestos teóricos y no tanto estadísticos. DOS SUPUESTOS FUNDAMENTALES: 1. La censura debe tener un carácter aleatorio; no debe ser una censura informativa. Los datos censurados deben ser representativos de los datos no censurados. No debe existir relación entre las posibles fuentes de censura y las diferentes VI a considerar en el análisis. 2. Proporcionalidad. Los efectos de las VI deben ser constantes a lo largo del tiempo, sin mediar interacción alguna. Ello se traduce en que a nivel gráfico las funciones deben transcurrir paralelas. Modelos Multivariantes 10
11 ANÁLISIS de datos Una vez garantizado el cumplimiento de dichas supuestos se procede al análisis, que comienzan por la elaboración de las denominadas tablas de supervivencia y las correspondientes curvas de supervivencia, junto con el cálculo de descriptivos. La función de supervivencia estimada para dos grupos (p.ej.: con y sin tratamiento) puede ser comparada a través de un contraste estadístico (Log-Rank) También puede ser modelizada, poniendo a prueba el posible efecto de distintas VI (Regresión de Cox). La interpretación de los resultados consiste en conocer la probabilidad de supervivencia de un paciente en un momento o intervalo determinado, su tiempo de supervivencia medio, así como la ventaja o desventaja de poseer una característica o de haber sido sometido a un tratamiento. Modelos Multivariantes 11
12 TABLAS DE SUPERVIVENCIA Para elaborar las tablas de supervivencia y las curvas de supervivencia se suele recurrir al MÉTODO DE KAPLAN-MEIER. Dicho método calcula la supervivencia cada vez que un paciente experimenta el evento, generando las probabilidades en cada momento. Las probabilidades de supervivencia se calculan a partir del número de pacientes en riesgo justo en el momento de producirse el evento. P 7, por ejemplo, sería la probabilidad condicional de supervivencia en el séptimo mes, habiendo sobrevivido los 6 anteriores. Modelos Multivariantes 12
13 EL CÁLCULO DE PROBABILIDADES Tenemos que: P k r k f k es la probabilidad de sobrevivir el k-ésimo mes es el número de casos en riesgo, es decir, que aun no han recaído justo antes del k-ésimo mes es el número de eventos registrados el día k Por lo que se podría estimar P k a partir de la siguiente FÓRMULA: P k = P k-1 [(r k - f k )/ r k ] Modelos Multivariantes 13
14 EL CÁLCULO DE PROBABILIDADES Para cada momento la Prob. de supervivencia se calcula multiplicando la supervivencia en el momento anterior por la tasa de supervivencia en dicho momento. En el denominador tendríamos el nº de pacientes que continuaban en el estudio en el momento anterior (casos expuestos a riesgo) y en el numerador ese mismo valor menos el nº de pacientes que sufren el evento en ese momento. Los valores de supervivencia se calculan sólo para aquellos momentos en los que algún sujeto sufre el evento. En el resto de momentos se asume que la Prob. de supervivencia es la misma que en el momento inmediatamente anterior. Modelos Multivariantes 14
15 EJEMPLO Nº SUJETO TIEMPO DE SUPERVIVENCIA (MESES) RECAÍDA (0: NO - 1: SÍ) Modelos Multivariantes 15
16 SE ORDENAN LOS DATOS SEGÚN EL TIEMPO TIEMPO DE SUPERVIVENCIA RECAÍDA PROB SUPERVIVENCIA (MESES) (0: NO - 1: SÍ) Modelos Multivariantes 16
17 EL CÁLCULO DE PROBABILIDADES PRIMERO: ordenar los sujetos en función del tiempo de supervivencia de cada uno. SEGUNDO: calcular la probabilidad de supervivencia utilizando la fórmula P k = P k-1 [(r k - f k )/ r k ] Los dos primeros sujetos que sufren el evento (recaída), lo hacen a los dos meses, por lo que la probabilidad de supervivencia para el segundo mes se puede calcular de manera muy sencilla: P2 = 1 (24-2)/ 24 = Modelos Multivariantes 17
18 EL CÁLCULO DE PROBABILIDADES El cálculo del siguiente valor se hará de forma condicional, calculando una nueva proporción y multiplicándola por la probabilidad del momento anterior. El cálculo de probabilidades para 3 y 6 meses sería: P3 = (22-2)/ 22 = P6 = (19-1)/ 19 = NOTA: sólo es posible realizar los cálculos para aquellos momentos en los que se ha registrado la presencia del evento (2, 3, 6, 7 meses ). En aquellos momentos en los que no se haya registrado (5, 11 meses, ) se asume que la Prob. de supervivencia es la misma que en el momento anterior. Modelos Multivariantes 18
19 EL CÁLCULO DE PROBABILIDADES Lo que se calcula de este modo es una función de probabilidad, que se materializa en una probabilidad condicional en diferentes momentos o períodos de tiempo. La información puede recogerse en una Tabla Kaplan-Meier e ilustrarse en un gráfico o Curva de Supervivencia. Se puede calcular también la Media, la Mediana y los cuartiles de Supervivencia. Modelos Multivariantes 19
20 TABLA KAPLAN-MEIER Modelos Multivariantes 20
21 CURVA DE SUPERVIVENCIA Modelos Multivariantes 21
22 CURVA DE SUPERVIVENCIA Más que los valores concretos de probabilidad, lo que debe centrar el interés del investigador a la hora de interpretar los resultados es la TENDENCIA OBSERVADA EN LA CURVA Y SU INCLINACIÓN, que informa de la aceleración que experimenta el tiempo con relación a la probabilidad de supervivencia del paciente. EVOLUCIÓN de una enfermedad El tiempo corre demasiado de prisa en algunas enfermedades! Modelos Multivariantes 22
23 ANÁLISIS POR GRUPOS También es posible realizar los cálculos para diferentes grupos, explorando así el efecto de una VI. Tendríamos tantas tablas y curvas de supervivencia como grupos se estableciesen en la VI. Las media y medianas de supervivencia de cada uno de ellos podrían ser comparadas, al igual que las pendientes de las curvas, evaluando con ello su comportamiento diferencial. A nivel estadístico, podríamos acudir a la prueba Log-Rank, para contrastar la hipótesis de igualdad de las funciones. Si no se cumple el supuesto de PROPORCIONALIDAD: Breslow o Tarone-Ware Modelos Multivariantes 23
24 Prob. su pervivencia, S( ANÁLISIS POR GRUPOS Tablas y Gráficos Kaplan-M eier A Tiem po Pro babilidad de Superviv encia 0,70 0, ,34 0,27 1 Permite com parar las curvas de supervivencia para distintos grupos B ,66 0,89 0, ,16 0 Tiem po (t) Modelos Multivariantes 24
25 ANÁLISIS POR GRUPOS Modelos Multivariantes 25
26 ANÁLISIS POR GRUPOS Sin Cirugía (1) Con Cirugía (0) Modelos Multivariantes 26
27 EL TEST LOG-RANK Modelos Multivariantes 27
28 REGRESIÓN DE COX En la Regresión de Cox se intenta modelizar una Función de Riesgo o (Hazard) que se suele representar como t y que vendría a ser el riesgo de fallecer (recaer, ) en el momento t, obtenida a partir del seguimiento de un grupo de sujetos. El modelo general podría ser expresado del siguiente modo: Ln t 1X 1 2 X 2... n X n Modelos Multivariantes 28
29 REGRESIÓN DE COX donde, t es la función de riesgo o Hazard es el valor de una constante que especifica el riesgo basal, en ausencia de cualquier factor o variable explicativa X n son las diferentes variables explicativas cuyo efecto pretende probarse n son los pesos o coeficientes de regresión estimados para cada variable explicativa Modelos Multivariantes 29
30 SIMILAR A LA REGRESIÓN LOGÍSTICA? VIs MÁXIMA VEROSIMILITUD CHI-CUADRADO CONTRASTE DE WALD MÉTODO DE PASOS -2LL No hay R 2 Modelos Multivariantes 30
31 INTERPRETACIÒN El signo de los B Aumenta ó disminuye el riesgo de que se produzca el evento (muerte, recaída, alta, etc.) bajo determinadas condiciones o niveles de la VI?. Hazard Ratio (HR). SPSS los designa como Exp (B). Es un cociente (ODD) entre la Tasa de Riesgo (o Riesgo Relativo) para un sujeto bajo una determinada condición (tratamiento A ), frente a otra (tratamiento B ), con el que se intenta representar el efecto de cada VI. Interpretación del HR: Valores próximos a 1 indican que dicha VI no implica un cambio en la Tasa de Riesgo (numerador y denominador serían iguales). Valores inferiores a 1 implican una disminución del riesgo y, por lo tanto, un aumento de la probabilidad de supervivencia, correspondiéndose con factores de protección y coeficientes B negativos. Valores superiores a 1 se corresponderían con factores de riesgo y coeficientes B positivos. Modelos Multivariantes 31
TEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA
TEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA LECTURA OBLIGATORIA Regresión Logística. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de la Salud. Coruña: Netbiblo. Páginas
Más detallesEstadística Computacional. M. González
Estadística Computacional M. González Facultad de Medicina. Universidad de Extremadura M. González (UEx) Estadística Computacional 1 / 23 Índice Modelos Lineales Generalizados Bioensayos: Modelos Dosis-Respuesta
Más detallesMétodos estadísticos en estudios de supervivencia
Métodos estadísticos en estudios de supervivencia Belén San José, Elia Pérez y Rosario Madero Sección de Bioestadística. Hospital Universitario La Paz. Madrid. España. bjose.hulp@salud.madrid.org; epefer@gmail.com;
Más detallesFundamentos estadísticos del ensayo clínico, Interpretación de resultados. M José Escudero Barea. Gerente Dpto. Gestión de Datos y Estadística.
Fundamentos estadísticos del ensayo clínico, Interpretación de resultados. M José Escudero Barea. Gerente Dpto. Gestión de Datos y Estadística. Grupo Español de Investigación en Cáncer de Mama (GEICAM).
Más detallesIntroducción a la Estadística en la Investigación Biomédica
La Estadística Aplicada Introducción a la Estadística en la Investigación Biomédica DEFINICIÓN Conjunto de procedimientos para obtener, resumir e interpretar INFORMACIÓN de manera cuantitativa J.F. Casanova
Más detallesIntroducción a la Estadística en las Ciencias de la Vida
Objetivos Globales de la Investigación en Ciencias de la Vida Introducción a la Estadística en las Ciencias de la Vida La mayoría de las Preguntas de Investigación cuestiones en Ciencias de la Vida se
Más detallesAnálisis multivariantes
GUIA DIDACTICA DEL ALUMNO Análisis multivariantes Docentes: Dra. Francisca Rius Profesora de Bioestadística Facultad de Medicina Universidad de Málaga Dr. Ramón Hidalgo Sánchez Servicio Central de Informática
Más detallesAnálisis de datos de supervivencia
GUIA DIDÁCTICA DEL ALUMNO Análisis de datos de supervivencia Docentes: Dra. Francisca Rius Profesora de Bioestadística Facultad de Medicina Universidad de Málaga GUIA DIDACTICA DEL ALUMNO DATOS GENERALES
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez ldbello@saludpublica.udea.edu.co Facultad Nacional de Salud Pública Héctor Abad Gómez www.leondariobello.com www.ciemonline.info/moodle
Más detallesAnálisis Estadístico. Dra. Adela Del Carpio Rivera Doctor En Medicina
Análisis Estadístico Dra. Adela Del Carpio Rivera Doctor En Medicina ANTE LA GRAN CANTIDAD DE INFORMACIÓN Debemos saber discernir entre: Cuál es la información que necesitamos Si el estudio tiene real
Más detallesCurso online de Supervivencia y Regresión Lineal, Logística y de Cox 2018
MANUAL DE IDENTIDAD VSUAL CORPORATIVA PROGRAMA: Curso online de Supervivencia y Regresión Lineal, Logística y de Cox 2018 Departamento de Formación Médica Continuada (ICOMEM) SUPERVIVENCIA Y REGRESIÓN
Más detallesEl modelo de azar proporcional: la regresión de Cox
El modelo de azar proporcional: la regresión de Cox Alfonso Luis Palmer Pol y Jose Maria Losilla Vidal El Análisis de la Supervivencia (Palmer, 1988) engloba una variedad de técnicas estadísticas que permiten
Más detallesObjetivos del análisis de supervivencia
Regresión de Cox Javier Zamora Unidad de Bioestadística Clínica. IRYCIS 1 Objetivos del análisis de supervivencia Estimar e interpretar las curvas de supervivencia i y/o riesgo. Comparar curvas de supervivencia,
Más detalles1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA
MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse
Más detallesAnálisis de estudios de cohortes en Ciencias de la P005/10. Salud (modelos regresión de Poisson y de Cox)
Análisis de estudios de cohortes en Ciencias de la P005/10 Salud (modelos regresión de Poisson y de Cox) Fecha de aprobación de programa: Marzo 2012 Fechas curso: 4 y 5 de Junio de 2012 Horario: Mañana
Más detallesTEMA 4 Regresión logística
TEMA 4 Regresión logística José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Variable respuesta dicotómica. Ejemplo. El
Más detallesRegresión Lineal Simple y Múltiple Regresión Logística
Regresión Lineal Simple y Múltiple Regresión Logística Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura MUI en Ciencias de la Salud MUI en Ciencias de la Salud (UEx) Regresión
Más detallesIntroducción a la Estadística Avanzada
Introducción a la Estadística Avanzada Técnicas Especiales Objetivos Globales de la Estadística Médica Equivalencia entre Comparación y Asociación Comparar fármacos en cuanto a eficacia Investigar la relación
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesFIGURA 39. ESQUEMA DE LAS PROBABILIDADES DE TRANSICIÓN ENTRE ESTADOS DE UNA SEMANA A LA SIGUIENTE
RESULTADOS 233 FIGURA 39. ESQUEMA DE LAS PROBABILIDADES DE TRANSICIÓN ENTRE ESTADOS DE UNA SEMANA A LA SIGUIENTE.132.128.872 sin contacto.167 contacto.58 contacto ingreso ambulatorio con centro de día
Más detallesCAPÍTULO 4. PROYECCIONES DE POBLACIÓN. Las proyecciones de población, por sexo y edad, se calculan a partir de la población, por
CAPÍTULO 4. PROYECCIONES DE POBLACIÓN Las proyecciones de población, por sexo y edad, se calculan a partir de la población, por sexo y edad, deducida de un censo (o de un registro de población en algunos
Más detalles1.- Datos censados (censored observations) son aquellos en los que se ha producido el suceso inicial
ANÁLISIS DE SUPERVIVIENCIA El análisis de supervivencia se utiliza cuando la variable dependiente representa un periodo de tiempo entre un suceso inicial y el evento final. El análisis de supervivencia
Más detallesLA EDAD DE INICIO ANÁLISIS DE SUPERVIVENCIA PARA LA ESTIMACIÓN DE EN EL CONSUMO DE ALCOHOL, MARIHUANA Y COCAÍNA EN POBLACIÓN GENERAL ARGENTINA 2010
ANÁLISIS DE SUPERVIVENCIA PARA LA ESTIMACIÓN DE LA EDAD DE INICIO EN EL CONSUMO DE ALCOHOL, MARIHUANA Y COCAÍNA EN POBLACIÓN GENERAL ARGENTINA Octubre 12 OBSERVATORIO ARGENTINO DE DROGAS ANÁLISIS DE SUPERVIVENCIA
Más detallesAnálisis de supervivencia: el estimador de Kaplan-Meier. Miguel Rodríguez Barranco Granada, 27 de marzo de 2017
Análisis de supervivencia: el estimador de Kaplan-Meier Miguel Rodríguez Barranco Granada, 27 de marzo de 2017 INTRODUCCIÓN Survival analysis Time-to-event data analysis Lifetime data analysis Reliability
Más detallesTema 8: Regresión y Correlación
Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice
Más detallesContrastes basados en el estadístico Ji Cuadrado
Capítulo 10 Contrastes basados en el estadístico Ji Cuadrado 10.1. Introducción Existen multitud de situaciones en el ámbito de la salud en el que las variables de interés, las cuales no pueden cuantificarse
Más detallesTEMA I CONTEXTUALIZACIÓN Y REVISIÓN GENERAL DE LAS TÉCNICAS MULTIVARIANTES
TEMA I CONTEXTUALIZACIÓN Y REVISIÓN GENERAL DE LAS TÉCNICAS MULTIVARIANTES LECTURA OBLIGATORIA Algunas cuestiones previas. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en
Más detallesESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modelos Lineales. Actividades prácticas con ordenador. Andreu Nolasco
ESTADÍSTICA AVANZADA EN CIENCIAS DE LA SALUD: Modelos Lineales Actividades prácticas con ordenador Andreu Nolasco SUMARIO Introducción al análisis multivariante...4 Prácticas sobre el modelo de regresión
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 13 REGRESIÓN LOGÍSTICA Es un tipo de análisis de regresión en el que la variable dependiente no es continua, sino dicotómica, mientras que las variables independientes pueden ser cuantitativas o cualitativas.
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA CIVIL
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA CIVIL SECRETARÍA ACADÉMICA Coordinación de Investigación, Innovación, Evaluación y Documentación Educativas. I.- DATOS DE IDENTIFICACIÓN Nombre
Más detallesVariables Aleatorias Positivas
Introducción al ADS Vamos a estudiar Duraciones de Procesos que es algo muy común en muchas ciencias: Duración de un componente (Fiabilidad) Supervivencia de un paciente a un tratamiento (Medicina/farmacología)
Más detallesAnálisis estadístico de los factores de riesgo que influyen en la enfermedad Angina de Pecho. Flores Manrique, Luz CAPÍTULO IV ANALISIS DE LOS DATOS
CAPÍTULO IV ANALISIS DE LOS DATOS 4.1 DESCRIPCIÓN DE LOS DATOS Como ya se mencionó anteriormente, el tamaño de la población con la que se está trabajando es de 149 observaciones, 69 de ellas presentan
Más detalles5. DISEÑO FACTORIALES 2 k
5. DISEÑO FACTORIALES 2 k Los diseños factoriales son ampliamente utilizados en experimentos en los que intervienen varios factores para estudiar el efecto conjunto de éstos sobre una respuesta. Un caso
Más detallesREGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE
UNIDAD 3 REGRESIÓN Y ESTIMACIÓN TEMA 1: REGRESIÓN LINEAL SIMPLE Relación entre variables de interés 1 Relación entre variables de interés Muchas decisiones gerenciales se basan en la relación entre 2 o
Más detallesEPIDEMIOLOGÍA. 5. Historia natural de la enfermedad: Formas de establecer el pronóstico.
EPIDEMIOLOGÍA 5. Historia natural de la enfermedad: Formas de establecer el pronóstico. HISTORIA NATURAL DE LA ENFERMEDAD. HISTORIA NATURAL DE LA ENFERMEDAD Tabla 1. Diferencias entre Factores de Riesgo
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesAnálisis de datos Categóricos
Regresión logística Universidad Nacional Agraria La Molina 2016-1 Regresión logística simple Interpretación de parámetros Inferencia Para una variable aleatoria respuesta Y y una variable explicativa X,
Más detallesMODELO DE REGRESIÓN LOGÍSTICA
Instituto Valenciano de Investigaciones Agrarias Seminario MÉTODOS ESTADÍSTICOS PARA LA INVESTIGACIÓN AGRONÓMICA Tema 10 MODELO DE REGRESIÓN LOGÍSTICA Tema 10 MODELO DE REGRESIÓN LOGÍSTICA 1. Modelos de
Más detallesTEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS
TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de
Más detallesPUNTOS DE CAMBIO EN LA FUNCIÓN DE RIESGO
PUNTOS DE CAMBIO EN LA FUNCIÓN DE RIESGO Guadalupe Yoanna Arenas Martínez, Francisco Solano Tajonar Sanabria a, Hugo Cruz Suárez a, Fernando Velasco Luna a. a Facultad de Ciencias Fisico Matematicas, BUAP,
Más detallesDESEMPEÑO ACADEMICO DE ESTUDIANTES DE INGENIERIA: ANALISIS DE FACTORES INCIDENTES
DESEMPEÑO ACADEMICO DE ESTUDIANTES DE INGENIERIA: ANALISIS DE FACTORES INCIDENTES GT 04 Modelagem Matemática María del Carmen Ibarra Facultad de Ingeniería Universidad Nacional de Misiones- UNaM ibarra@fio.unam.edu.ar
Más detallesAnálisis de sensibilidad:
Análisis de sensibilidad: Métodos en la evaluación económica de tecnologías sanitarias Parte 1 David Epstein dme2@york.ac.uk 1 Índice El Análisis de Sensibilidad (AS) - Parte 1 Objetivos de un AS Revisión
Más detallesCONCEPTOS BÁSICOS DE EPIDEMIOLOGÍA Y ESTADÍSTICA APLICADAS
CONCEPTOS BÁSICOS DE EPIDEMIOLOGÍA Y ESTADÍSTICA APLICADAS Natividad de Benito Unidad de Enfermedades Infecciosas Hospital de la Santa Creu i Sant Pau Barcelona El guión v DESCRIBIR lo que pasa: ESTUDIOS
Más detallesASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN
CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)
Más detallesTEMA 5. Modelos para Datos de Conteo
TEMA 5. Modelos para Datos de Conteo Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Datos de Conteo 2 Regresión de Poisson 3 Extensiones Datos de Conteo Variable de
Más detallesY ± E max 37,3 ± 0,866 (36,43; 38,17)
Modelo A. Febrero 2015. No debe entregar los enunciados Fórmula de corrección: Aciertos (Errores / 2) Material permitido: Formulario de cualquier curso académico sin anotaciones y cualquier tipo de calculadora
Más detallesCálculo del tamaño muestral para la determinación de factores pronósticos
Investigación: Cálculo del tamaño muestral para la determinación de factores pronósticos /5 Cálculo del tamaño muestral para la determinación de factores pronósticos Pértegas Día S. Pita Fernánde S. Unidad
Más detallesAnálisis de los resultados de la evaluación del aprendizaje de procedimientos de análisis descriptivo en ingeniería informática
Análisis de los resultados de la evaluación del aprendizaje de procedimientos de análisis descriptivo en ingeniería informática Apellidos, nombre Capilla Romá, Carmen 1 (ccapilla@eio.upv.es) Departamento
Más detallesRegresiones por quantiles para un análisis de duración: Desempleo en el Perú
Regresiones por quantiles para un análisis de duración: Desempleo en el Perú Roger Asencios martes, 07 de enero de 2014 1 Motivación Duracion de desempleo 2002-2013 (Semanas promedio) Duración Incompleta
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesCORRELACION Y REGRESION
CORRELACION Y REGRESION En el siguiente apartado se presenta como calcular diferentes índices de correlación, así como la forma de modelar relaciones lineales mediante los procedimientos de regresión simple
Más detallesNúmero total de casos declarados en el último año. Población total del país de ese año
5. Indicadores del Plan A. Tasa de notificación de casos Es un indicador del European Center for Disease Prevention and Control (ECDC), informa sobre la carga de enfermedad, el número de casos declarados
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesTema 9: Estadística descriptiva
Tema 9: Estadística descriptiva Matemáticas específicas para maestros Grado en Educación Primaria Matemáticas específicas para maestros Tema 9: Estadística descriptiva Grado en Educación Primaria 1 / 47
Más detalles1/9. Formación Cursos y Seminarios de Bioestadística. Características. Cursos de estadística presenciales para no estadísticos.
1/9 CURSOS Cursos de estadística presenciales para no estadísticos. 1. Introducción a la bioestadística 2. Cálculo del tamaño muestral 3. Métodos multivariantes en Biomedicina 4. Análisis de datos en Meta-análisis
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
Más detallesDepartamento de Salud Pública UNAM
PRONÓSTICO Departamento de Salud Pública Facultad de Medicina UNAM Dra. Laura Moreno Altamirano PRONÓSTICO Historia Natural Es la evolución del padecimiento sin Es la evolución del padecimiento sin intervención
Más detallesBioestadística para Reumatólogos
Bioestadística para Reumatólogos Xavier Barber Vallés Mabel Sánchez Barrioluengo Colaboradores - Umh Todos los datos que se muestran son ficticios Tablas 2x2: Riesgos Relativos y Odds ratio En cada sociedad
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesTEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS
TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II SOLUCIÓN PRACTICA 1 Problema 2-. Para una serie de investigaciones, en las que el tamaño de la muestra era el mismo, se ha calculado la t de Student con objeto
Más detallesBio-estadistica.com Consultora de Estadística
Bio-estadistica.com Consultora de Estadística Bio-estadistica.com es una empresa especializada en análisis y asesorías bioestadísticas. Con más de 20 años de experiencia en departamentos de estadística
Más detallesESTADISTICA II. INGENIERIA INFORMATICA, 3 ER Curso
ESTADISTICA II INGENIERIA INFORMATICA, 3 ER Curso 22 - Diciembre - 2.006 Primera Parte - Test Apellidos y Nombre:... D.N.I. :... Nota : En la realización de este examen sólo esta permitido utilizar calculadoras
Más detallesCristina Domingo Rico Directora médico de la Comarca de Atención primaria Ezkerraldea Meatzaldea Enkarterri
Cristina Domingo Rico Directora médico de la Comarca de Atención primaria Ezkerraldea Meatzaldea Enkarterri Ezkerraldea Meatzaldea Enkarterri Población: 171.788 2014 431 profesionales 11 Unidades de AP
Más detallesECONOMETRÍA I. Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación
ECONOMETRÍA I Tema 4: El Modelo de Regresión Lineal Múltiple: inferencia y validación Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA
Más detalles20/01/2011. Jornada previa. 24 de Enero de 2011 Rosa Muñoz de la Corte
Jornada previa ANÁLISIS DE SUPERVIVENCIA 24 de Enero de 2011 Rosa Muñoz de la Corte 1 INTRODUCCIÓN Estudios de seguimiento: Ventajas: Mayor precisión sobre la evolución de los sujetos Desventajas: Mayor
Más detallesGuillermo Ayala Gallego Universidad de Valencia
GoBack Regresión logística Guillermo Ayala Gallego Universidad de Valencia 4 de febrero de 2009 1 / 22 Puede que sea el procedimiento estadístico más utilizado. Con aplicaciones frecuentes en Medicina
Más detallesTEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS
TEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) PROCEDIMIENTOS ESTADISTICOS CONSTRUCCION DE MODELOS DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS Cada procedimiento es aplicable a un
Más detallesTema 6. Variables aleatorias continuas
Tema 6. Variables aleatorias continuas Resumen del tema 6.1. Definición de variable aleatoria continua Identificación de una variable aleatoria continua X: es preciso conocer su función de densidad, f(x),
Más detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
Más detallesFACULTAD DE MEDICINA. UNIVERSIDAD SAN PABLO-CEU
Guía Docente MATERIA: ESTADÍSTICA APLICADA A LA INVESTIGACIÓN CLÍNICA: BASES, FUNDAMENTOS Y APLICACIONES PRÁCTICAS SEMESTRE: 1 MÁSTER: MÁSTER UNIVERSITARIO EN INVESTIGACIÓN CLÍNICA Y APLICADA EN ONCOLOGÍA
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesCurs de Modelització Estadística Bàsica amb Deducer. Anabel Blasco Ana Vázquez Anna Espinal Llorenç Badiella Oliver Valero
Curs de Modelització Estadística Bàsica amb Deducer Anabel Blasco Ana Vázquez Anna Espinal Llorenç Badiella Oliver Valero 1. Model de Regressió Lineal 2. Model ANOVA 3. Model Lineal General 4. Model de
Más detallesDiagnósticos regresión
Diagnósticos regresión de Cox Víctor Abraira Unidad de Bioestadística Clínica. IRYCIS 1 Diagnósticos de regresión Se trata de evaluar lo adecuado del modelo. Hay tres aspectos: Asunciones Bondad de ajuste
Más detallesTema 7: Estadística y probabilidad
Tema 7: Estadística y probabilidad En este tema revisaremos: 1. Representación de datos e interpretación de gráficas. 2. Estadística descriptiva. 3. Probabilidad elemental. Representaciones de datos Cuatro
Más detallesCONTRASTES PARAMÉTRICOS
CONTRASTES PARAMÉTRICOS Contenidos Introducción 75 Contraste de dos medias 76 Grupos independientes 77 Grupos dependientes 85 Contraste de dos varianzas independientes 92 ANOVAs Unifactoriales entre e
Más detallesTEMA 10 Correlación y regresión. El modelo de regresión simple
TEMA 10 Correlación y regresión. El modelo de regresión simple Karl Pearson (1857-1936) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales
Más detalles2.3.1 Métodos cuantitativos para los pronósticos. MÉTODOS CUANTITATIVOS
2.3.1 Métodos cuantitativos para los pronósticos. MÉTODOS CUANTITATIVOS Los modelos cuantitativos de pronósticos son modelos matemáticos que se basan en datos históricos. Estos modelos suponen que los
Más detallesIntroducción al modelo de regresión logística
Introducción al modelo de regresión logística JOSÉ R BERRENDERO DEPARTAMENTO DE MATEMÁTICAS UNIVERSIDAD AUTÓNOMA DE MADRID INTRODUCCIÓN Y MOTIVACIÓN El modelo de regresión logística se utiliza para investigar
Más detallesTema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
Más detallesModelación de los tiempos de supervivencia en pacientes con leucemia
Tlamati Sabiduría, Volumen 7 Número Especial 2 (2016) 4 Encuentro de Jóvenes Investigadores CONACYT Acapulco, Guerrero 21, 21 y 23 de septiembre 2016 Memorias Modelación de los tiempos de supervivencia
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción a la estimación de parámetros
Más detallesESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura Créditos
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura 46497 Créditos 6 ECTS Carácter Básica Rama de Conocimiento Ciencias de la Salud Materia Fisiología Ubicación dentro del
Más detallesPrácticas Tema 4: Modelo con variables cualitativas
Prácticas Tema 4: Modelo con variables cualitativas Ana J. López y Rigoberto Pérez Departamento de Economía Aplicada. Universidad de Oviedo PRACTICA 4.1- Se dispone de información sobre 16 familias sobre
Más detallesPrograma de estudios. 1) Muestra y población. Parámetros estimadores y estadísticos. Distribución de Gauss. Intervalo de confianza
Programa de estudios Módulo 1: Panorama general de la Investigación Clínica. Ideas y Protocolo 1. La imaginación científica. Desarrollo de la idea de Investigación. Preguntas de Investigación 2. Diseño
Más detallesUniversidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007
Tipo de examen: 1 Universidad Carlos III de Madrid ECONOMETRÍA I Curso 2006/07 EXAMEN FINAL (Convocatoria extraordinaria) 22 de Septiembre de 2007 TIEMPO: 2 HORAS Y 30 MINUTOS Instrucciones: ANTES DE EMPEZAR
Más detallesANÁLISIS DE SUPERVIVENCIA
ANÁLISIS DE SUPERVIVENCIA Ana Ortega Eslava Eduardo d López Briz Comparación de curvas de supervivencia y cálculo de NNT Eduardo López Briz. HUP La Fe. Valencia Grupo GENESIS CASP España POR QUÉ USAR
Más detallesU.N.P.S.J.B. FACULTAD DE INGENIERÍA Cátedra de ESTADÍSTICA Cátedra ESTADISTICA
U.N.P.S.J.B. FACULTAD DE INGENIERÍA Cátedra de ESTADÍSTICA Cátedra ESTADISTICA TRABAJOS PRÁCTICOS Facultad de Ingeniería Universidad Nacional de La Patagonia S. J. B. Comodoro Rivadavia TEMA Nº.. REGRESIÓN
Más detallesINGENIERÍA EN MANTENIMIENTO INDUSTRIAL
HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Estadística Industrial 2. Competencias Diseñar estrategias de mantenimiento mediante el análisis de factores humanos, tecnológicos,
Más detallesTEMA 9 EL ANÁLISIS BÁSICO DE LA INFORMACIÓN EN LA INVESTIGACION DE MERCADOS
TEMA 9 EL ANÁLISIS BÁSICO DE LA INFORMACIÓN EN LA INVESTIGACION DE MERCADOS 9.1. Análisis Descriptivo de la Información 9.2. La Tabulación Cruzada 9.3. Contraste de Hipótesis 9.1. Análisis Descriptivo
Más detallesInterpretación de estudios clínicos fase III para apoyar la toma de decisiones Vaccinology Ciro de Quadros 2016
Interpretación de estudios clínicos fase III para apoyar la toma de decisiones Vaccinology Ciro de Quadros 2016 Dra. M Teresa Valenzuela B. Vice Decana Investigación y Postgrado Facultad de Medicina Universidad
Más detallesINFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
. Metodología en Salud Pública INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Autor: Clara Laguna 7.1 INTRODUCCIÓN Los datos categóricos o variables cualitativas son muy frecuentes en
Más detallesPROGRAMA DE ASIGNATURA DE
Table of contents 1 INFORMACIÓN GENERAL...2 2 INTRODUCCIÓN... 2 3 OBJETIVOS GENERALES DE LA ASIGNATURA... 4 4 OBJETIVOS, TEMAS Y SUBTEMAS... 5 5 PLAN TEMÁTICO...8 6 ORIENTACIONES METODOLÓGICAS... 8 7 SISTEMA
Más detallesMODELO DE RIESGOS PROPORCIONALES LOG-LINEAL
Universidad Mayor de San Andrés Facultad de Ciencias Puras y Naturales Carrera de Estadística UNIVERSITAS MAJOR PACENSIS DIVI ANDREA E MODELO DE RIESGOS PROPORCIONALES LOG-LINEAL Postulante: Ismael Caizana
Más detalles