diagnosticas David Epstein Universidad de York, Inglaterra
|
|
- Susana San Segundo Giménez
- hace 6 años
- Vistas:
Transcripción
1 La evaluación de pruebas diagnosticas David Epstein Universidad de York, Inglaterra 1
2 Indice 2 Introducción Parte 1 La sensibilidad y especificidad Parte 2 La probabilidad de enfermedad La fórmula de Rvdo. Dr. Bayes Parte 3 La curva de rendimiento diagnóstico (ROC) Parte 4 El criterio de positivismo óptimo para una prueba Caso Práctico 1 Parte 5 El meta-análisisanálisis Caso práctico 2 Resumen, preguntas y conclusiones
3 Bibliografía Deeks J. Systematic reviews in health care: systematic reviews of evaluations of diagnostic and screening tests. BMJ. 2001;323: Hennekens C, Buring J. Epidemiology in medicine. Philadelphia: Lippincott; Weinstein i M, Fineberg H. Clinical i l Decision i Analysis. Philadelphia: W B Saunders; Jaimes, Fabián. Diagnostic tests: use and interpretation. Acta Med Colomb, Jan./Mar. 2007, vol.32, no.1, p
4 Una prueba es un separador La prueba Un método para buscar más datos de un paciente Histórico, físico, químico, radiográfico Los resultados de la prueba Separar pacientes en grupos con diferentes probabilidades de tener una enfermedad 4
5 Características de una prueba Normalmente una prueba tiene 2 características Una variable de medición Por ejemplo, la presión diastólica de sangre Un criterio de positivismo El valor para separar el normal de la enfermedad Por qué hacemos una dicotomización? 5
6 Resultados de un estudio de la relación entre el nivel de la enzima SGOT y una infarto de miocardio reciente Prop porción de pacien ntes 25% 0% 25% 50% 25% 12/48 80% 37/46 23% 11/48 19% 9/48 Con IM N=48 8% 4/48 8% 4/48 17% 8/ % 5/46 9% 4/46 Sin IM N=46 SGOT unidades/litro 6 75% SGOT: Glutamic oxaloacetic transaminase
7 La prueba SGOT para el infarto de miocardio Variación en los valores de SGOT en pacientes con y sin IM Los valores en los grupos se solapan Elegir un criterio de positivismo para separar los pacientes Por ejemplo SGOT 100 unidades /litro Tabla 2 x 2 7
8 Los resultados en una tabla 2x2 con un criterio de positivismo de SGOT 100 Con IM Sin IM Total SGOT 100 VP FN P+ SGOT<100 FP VN P- Total E+= 48 E- = 46 N= 94 8
9 Los resultados en una tabla 2x2 con un criterio de positivismo de SGOT 100 Con IM Sin IM Total SGOT 100 VP=25 FN=4 P+ =29 SGOT<100 FP=23 VN=42 P- =65 Total E+= 48 E- = 46 N= 94 9
10 Definiciones Sensibilidad = sensitivity = tasa de verdadero positivos= Pr[P+ E+] = VP / E+ Especificidad = specificity = tasa de verdadero negativos= Pr[P- E-] = VN / E- 10
11 Cociente de verosimilitud : Likelihood ratio Definiciones Cocientes de verosimilitud; Likelihood ratio LR+ = sensibilidad/(1-especificidad) LR- = (1-sensibilidad)/ especificidad = Razon de probabilidades 11
12 Ejercicio. Calcular sensibilidad y especificidad Cálculo Sensibilidad Especificidad LR + LR - Interpretación Exactidud o precisión de la prueba Insuficiente para tomar una decisión 12
13 Parte 2 La revisión de la probabilidad de la enfermedad 13
14 Ejercicio. Probabilidad de una enfermedad Una prueba tiene Una sensibilidad de 99% Una especificidad de 90% La prevalencia (frecuencia de la enfermedad en la población de interés) es 10% Le diste la prueba a un paciente y resultó P+. Cuál es la probabilidad de que el paciente tiene la enfermedad? A. 10% B. 50% C. Entre 90 y 99% D. 100% 14
15 La revisión de la probabilidad Imaginad un cohorte de personas De ellos, 100 tiene la enfermedad, 900 no la tiene Sensibilidad 99% 99 P+, 1 P- 90 P+, 810 P- En el cohorte de personas Especificidad 90% = 189 P = 811 P- 15 Pr(E+ P+) = 99/189 = 51% Pr(E- P-) = 810/811
16 16 Rev. Thomas Bayes (c )
17 Teorema de Bayes (skip) Pr(P+)= Pr(P+ E+)*Pr(E+) + Pr(P+ E-)*Pr(E-) ) Sensibilidad Prevalencia 1-Especificidad 1-Prevalencia Pr(E+ P+ ) = Pr(P + E + )* Pr(E+) / Pr( P+) Probabilidad posterior 17
18 Ejercicio. Revisar la probabilidad de un paciente que tuvo un IM (skip) SGOT 50 Sensibilidad 75%, especificidad 80% Prevalencia. A. Supone que es 50% B. Supone que es 20% Usar ambos métodos : el método cohorte y la formula de Bayes 18
19 Cálculo (skip) Prevalencia (probabilidad prior) =50% P(P+) = Probabilidad posterior = 0.375/0.475= 79% Prevalencia =20% P(P+) = Probabilidad posterior = 0.15/0.31=48% 19
20 Formula de Bayes Difícil calcular rápidamente No es muy intuitiva Afortunadamente hay una forma más sencilla 20
21 Odds Definiciónes Odds Odds = Probabilidad / (1-probabilidad) Probabilidad = odds / (1 + odds) 21
22 Cociente de verosimilitud : Likelihood ratio Definiciones Cocientes de verosimilitud; Likelihood ratio LR+ = sensibilidad/(1-especificidad) LR- = (1-sensibilidad)/ especificidad 22
23 Fórmula de Bayes: más sencillo P( Pr( E + P + ) P( Pr( E + ) P( Pr( P + E + ) = * Pr( E P+ ) Pr( E ) Pr( P+ E ) Odds posterior = Odds prior x likelihood ratio(+) LR+. Cambiar (aumentar) la probabilidad de la enfermedad en pacientes con un resultado positivo 23 LR-. Cambiar (disminuir) la probabilidad de la enfermedad d en pacientes con un resultado negativo
24 Calculad la probabilidad de la enfermedad en un paciente con un resultado positivo Umbral de SGOT = 50 Sensibilidad 75%, especificidad 80% Prevalencia = probabilidad prior de que la paciente tuvo un IM Supone que es 50% odds prior = 0.5 / 0.5 = 1 LR+ = 0.75 / 0.2 = 3.75 odds posterior = 1 x 3.75 = 3.75 probabilidad posterior P(E+ P+) = 3.75 / Calculad la probabilidad de la enfermedad en un paciente con un resultado positivo si P(E+)=20% Calculad la probabilidad de la enfermedad en un paciente con un resultado NEGATIVO si P(E+)=20% 24
25 Ejercicio JAIMES, Fabián. Diagnostic tests: use and interpretation. Acta Med Colomb, Jan./Mar. 2007, vol.32, no.1, p
26 Odds posterior En el análisis anterior calculamos el odds posterior dado un resultado positivo de la prueba (P+) También se puede calcular el odds posterior de la enfermedad dado un valor X de SGOT eg X= 75 26
27 Likelihood ratios. Cocientes de verosimilitud. Calcular dentro de cada rango de SGOT SGOT x E+ E- LR(x) (12/48)/(37/46)=0, Total 48 46
28 Likelihood ratios SGOT E+ E- LR(x) x ,31 LR <1 disminuir la ,11 probabilidad de la enfermedad (dado el resultado de la prueba) ,16 LR >1 aumentar la Inf. 28 Total probabilidad de la enfermedad (dado el resultado de la prueba)
29 La fórmula de Bayes para calcular el odds posterior dado un valor X de SGOT Pr( E+ X) Pr( E+ ) Pr( X E+ ) = * Pr( E X ) Pr( E ) Pr( X E ) 29
30 Odds posterior de IM SGOT E+ E- LR(X) Odds Probabilidad X posterior posterior , , , Inf. 30 Total 48 46
31 Cálculo de odds posterior cuando SGOT=75 y la prevalencia = 20% LR (50<SGOT<100) = 2,11 Prevalencia = 20% Odds prior de la enfermedad= Pr(E+)/P(E-)= 0,25 Odds posterior = Pr(E+ X) / Pr(E- X) = 0,25 x 2,11= 0,53 Probabilidad posterior = 0,53/1,53, = 35% 31
32 Odds posterior de IM cuando la prevalencia = 20% SGOT E+ E- LR(X) Odds Probabilidad X posterior posterior , ,11 0,53 0, , Inf. 32 Total 48 46
33 Odds posterior de IM cuando la prevalencia = 20% SGOT x E+ E- LR(x) Odds Probabilidad posterior posterior ,31 0,08 0, ,11 0,53 0, ,16 0,54 0, Inf. Inf. 1,00 33 Total 48 46
34 Parte 3 La relación entre sensibilidad y especificidad La curva de ROC 34
35 Relación entre sensibilidad y especificidad Sensibilidad está medida en pacientes con la enfermedad Especificidad está medida en pacientes sin la enfermedad Por tanto, son independientes DADO UN CRITERIO DE POSITIVISMO Una prueba tendría una sensibilidad alta y especificidad alta, o sensibilidad baja y especificidad baja o sensibilidad baja y especificidad alta. etc 35
36 Cambiar el criterio de positivismo En SGOT, la elección de un criterio de positivismo más alto, reduciría la sensibilidad y mejoraría la especificidad Cambiar el criterio de positivismo vincular sensibilidad y especificidad: a trade-off Ejercicio. Calcular sensibilidad y especificidad para SGOT 50 & SGOT
37 SGOT 50 Con IM SGOT SGOT< Total Sensibilidad. 36/48 = 0,75 Especificidad. 37/46 = 0,804 Sin IM 37
38 SGOT 100 Con IM SGOT SGOT< Total Sensibilidad. 25/48=0,521 Especificidad. 42/46=0,913 Sin IM 38
39 SGOT 150 Con IM SGOT SGOT< Total Sensibilidad. 32/48 = 0,333 Especificidad. 46/46 = 1 Sin IM 39
40 Resumen de resultados en función del criterio de positivismo Criterio Sensibilidad Especificidad SGOT , ,80 SGOT 100 0,52 0,91 SGOT 150 0,33 1,00 40
41 La curva de rendimiento diagnóstico (ROC) Tasa de VP (sensibilidad) Umbral = Umbral = Umbral = Tasa de falsos positivos (1-especificidad)
42 Ejercicio. Dibujar e interpretar la curva de ROC para cada prueba A, B, C E + E + E- Resultado de la prueba A E- Resultado de la prueba C E + 42 E- Resultado de la prueba B
43 Interpretación de curva de ROC 1 sensibilidad Área bajo la curva (AUC) = 0,5 45º especificidad
44 Interpretación de curva de ROC 1 sensibilidad Área = 1 45º especificidad
45 Interpretación de curva de ROC 1 sensibilidad 0,5 < Área < 1 Área = Probabilidad de hacer un buen diagnóstico de 2 personas, una con la enfermedad y otra sin la enfermedad d 45º especificidad
46 Interpretación de curva de ROC 1 sensibilidad Gradiente de la curva de ROC = LR a esta coordinada 45º McNeil et al (1975) NEJM 293: especificidad
47 Likelihood ratios. Cocientes de verosimilitud. Calcular dentro de cada rango de SGOT SGOT x E+ E- LR (x) (12/48)/(37/46)=0, Total 48 46
48 Likelihood ratios SGOT E+ E- LR(x) ,31 LR <1 disminuir la ,11 probabilidad de la enfermedad (dado el resultado de la prueba) ,16 LR >1 aumentar la Inf. probabilidad de la enfermedad (dado el resultado de la prueba) 48 Total 48 46
49 La relación entre la curva de ROC y el LR Tasa de VP (sensibilidad) Umbral = 50 LR = 0, Umbral = Umbral = Tasa de falsos positivos (1-especificidad)
50 Ejercicio Dibujar una curva ROC para la prueba de presión ocular ( Schiotz tonometría ) para identificar pacientes con glaucoma 50
51 Presión ocular 0.3 E+ Probabilidad Presión intra- ocular más baja (menos riesgo de ceguera) E_
52 Presión ocular 52 Resultado de la prueba E+ (%) E- (%) Total 1 1
53 Presión ocular Resultado de la prueba E+ E- FP VP LR
54 Curva ROC Curva ROC Valo or VP <Criterio<8 Sensibilidad=0,75 Especificidad=1-0,19=0,81 19=0 8<Criterio<9 Sensibilidad=1 Especificidad=1-0,58=0, Valor FP 54
55 Parte 4. El criterio de positivismo óptimo para una prueba Por ejemplo. Pacientes sospechosos de IM Tu hospital tiene una prueba para IM El hospital usa la prueba con un LR+ = 2 Se trata el paciente según el resultado de la prueba Supón que la probabilidad previa = 20% Después de una prueba P+, la probabilidad bilid d posterior E+ P+ 33% El hospital quiere que revises su política Es correcto su criterio de positivismo? De que factores depende tu decisión? 55
56 La elección del criterio de positivismo optimo E+ FN Resultado de la prueba E- FP 56 Resultado X1
57 La elección del criterio de positivismo optimo E+ FN Resultado de la prueba E- FP 57 X2 es un separador más especifico que X1
58 La elección del criterio de positivismo optimo E+ FN LR(X2) mayor que LR(X1) Resultado de la prueba E- FP 58 X2 es un separador más especifico que X1
59 Factores relevantes para la decisión Prevalencia de la enfermedad (rara o común) Consecuencias de errores: falsos positivos y falsos negativos Efectividad de tratamientos Riesgos de tratamientos Costes de los tratamientos? 59
60 Ejercicio: Consecuencias de error Qué criterio de postivismo (más especifico / más sensible) elegirías si El tratamiento t t tiene más riesgo? Las consecuencias sin tratamiento son más graves? La prevalencia disminuye? La prevalencia aumenta? El tratamiento es más caro? 60
61 Consecuencias de error Qué X elegirías si El tratamiento es arriesgado? Consecuencias peores para un FP X más especifico Las consecuencias sin tratamiento son graves? Para evitar FN X más sensible La prevalencia disminuye? FP más probable X más especifico para evitar FP La prevalencia aumenta? FN más probable X más sensible para evitar FN 61
62 Ejemplo: Criterio de positivismo óptimo de un prueba para encontrar IM Consecuencias VN : Buena salud FP : Adversos efectos de fármacos (hemorragia) Tasa de mortalidad 3 por 100 personas VP : Prognosis bastante buena Tasa de mortalidad 20 por 100 personas FN : Riesgo alto de mortalidad Tasa de mortalidad 50 por 100 personas Objetivo: Minimizar la tasa de mortalidad 62
63 Análisis de la decisión para la elección del criterio de positivismo óptimo 63 Resultado de la prueba = X Decisión Designación de X como una P+ Designación de X como una P- E- P(E- X) E+ Consecuencias de VP P(E+ X) E+ P(E+ X) E- P(E- X) Consecuencias de FP Consecuencias de FN Consecuencias de VN
64 Probabilidad posterior de IM cuando la prevalencia = 20% SGOT E+ E- LR(X) Odds Probabilidad X posterior posterior , ,11 0,53 0,35 =(11/48)/ (5/46) , Inf. 64 Total =(0,2/0,8)*2,11 =0,53/1,53
65 Análisis de la decisión para la elección del criterio de positivismo optimo Prevalencia 20% Designación P+ E ,35 65 Resultado de la prueba SGOT = Decisión E- 0, E Designación P- E- 0,65 0,35 0
66 Análisis de la decisión para la elección del criterio de positivismo optimo 66 Prevalencia 20% Tasa media de mortalidad = 0,09 Resultado de la prueba SGOT = Decisión Designación P+ E- 0,65 E , E Tasa media de mortalidad d = 017 0,17 Designación P- E- 0,65 0,35 0
67 Análisis de la decisión para la elección del criterio de positivismo optimo 50< SGOT <100 debe designar una resultado positivo Ejercicio Comparar las tasas de mortalidad si determinas un valor de SGOT < 50 como negativo frente a la opción de determinar un valor de SGOT < 50 como positivo 67
68 Criterio de positivismo óptimo. Prevalencia = 20% SGOT LR(X) Probabilidad Mortalidad Mortalidad X posterior de si X P+ si X Penfermedad la d ,31 0, ,11 0,35 0,089 0, ,16 0,35 0,090 0, Inf. 1,
69 La fórmula de Bayes para calcular el Likelihood Ratio óptimo Pr( X E + ) Pr( E ) * CVN CFP = Pr( X E ) Pr( E+ ) CVP CFN LR óptimo = ( 1/ Odds prior ) * consecuencias Por ejemplo: LR óptimo = 0.8/0.2 * (0-0,03) / (0,2 0,5) LR óptimo = 4 x 0,1 = 0,4 69 Weinstein M, Fineberg H. Clinical Decision Analysis. Philadelphia: W B Saunders; 1980.
70 Likelihood Ratio y el criterio de positivismo óptimo Cómo cambiaría sus conclusiones en el caso de que: La tasa de prevalencia de IM es más baja El prognosis después el tratamiento de un IM sea mejor? Qué otros factores son importantes en la decisión? ió 70
71 Caso Practico 1 Apendectomía 71
72 Parte 5 Meta-análisisanálisis Síntesis de los resultados de varios estudios 4 Métodos Unir los datos Análisis de sensibilidad y especificidad independientemente Análisis de Likelihood Ratios Análisis de Diagnostic Odds Ratio 72
73 Unir los datos? Calcular sensibilidad y especificidad para cada estudio y los datos agrupados. Comentar. 73 Estudio1 P E+ E- Sens Espec P Total Estudio2 P P Total Total P P Total
74 Unir los datos? Calcular sensibilidad y especificidad para cada estudio y los datos agrupados. Comentar. 74 Estudio1 P E+ E- Sens Espec P Total ,25 0,9 Estudio2 P P Total ,75 0,5 Total P P Total ,29 0,63
75 Método 1. Problema con datos agrupados. 1 sensibilidad Estudio 2 Datos agrupados 45º Estudio especificidad
76 Datos de sensibilidad y especificidad de 20 estudios. Deeks Estimates from 20 studies of sensitivity and specificity of measurement of endometrial thicknesses of more than 5 mm using endovaginal ultrasonography for detecting endometrial cancer..
77 Desafíos de un meta-análisis Variabilidad en los resultados De carácter aleatorio De carácter sistemático Debido a diferencias entre los estudios (p.e características de los pacientes) Debido a diferencias en el criterio de positivismo entre los estudios 77
78 Heterogenidad entre los estudios Tasa de VP Tasa de FP
79 Método 2 Meta-análisis análisis independientes de los datos de sensibilidad y los datos de especificidad Resultados Sensibilidad 0,96 ( 95% intervalo de confianza 0,93 a 0,99) Especificidad 0,61 ( 95% intervalo de confianza 0,55 a 0,66) 79
80 Heterogenidad entre los estudios Tasa de VP Tasa de FP
81 Problemas del meta-análisis de sensitividad y especificidad por separado No se tuvo en cuenta la heterogeneidad sistemática entre los estudios 81
82 Método 3. Promedios de los Likelihood ratios positivos y negativos Supone que los Likelihood Ratios son similares entre los estudios Resultados Likelihood Ratio positivo 2,54 ( 95% intervalo de confianza 2,16 a 2,98) Likelihood Ratio negativo 0,09 ( 95% intervalo de confianza 0,06 a 0,13) 82
83 Meta-análisis con Likelihood Ratios constante. (Sensibilidad estimado) Tasa de VP LR- constante = 0, LR+ constante = 2, Tasa de FP
84 Interpretar los resultados de LR+ y LR- Supone que la prevalencia de cáncer endometrial en esta populación es 13% Calcular el odds posterior de la enfermedad de un paciente quien resultó P+ Calcular el odds posterior de la enfermedad de un paciente quien resultó P- 84
85 Odds posterior P( Pr( E+ P+ ) Pr( P( E+ ) P( Pr( P+ E+ ) = * Pr( E P + ) Pr( E ) Pr( P + E ) Si resultó P+ Odds posterior de enfermedad = (0,13/0,87)*2,54 = 0,38 Probabilidad posterior = 0,38 / 1,38 = 28% Si resultó P- 85 Odds posterior de enfermedad = (0,13/0,87) 87)*0,0909 =0014 0,014 Probabilidad posterior = 0,014 / 1,014 = 1,3%
86 Meta-análisis de Likelihood ratios La interpretación de LR+ y LR- es intuitiva y útil en la práctica clínica Problemas en el meta-análisis Cómo elegiría entre LR+ constante o LRconstante? Otra vez el análisis no tuvo en cuenta la diferencia i en el criterio i de positivismo i entre los estudios 86
87 Método 4. Odds ratio diagnostico (Diagnostic odds ratio) Supone que los odds ratio diagnositicos son similares entre los estudios Definición DOR = LR + / LR = sensibilidad / (1- sensibilidad) especificidad / (1- especificidad) 87
88 Diagnostic odds ratio Es poco probable que el LR no varia entre estudios, porque el LR varia en función del criterio de positivismo Es más probable que el DOR no varia en función del criterio de positivismo ya que es una característica de la tecnología Pero resulta difícil aplicar el DOR a la practica clínica La fórmula para calcular el SROC 88
89 Relación entre DOR y la curva de SROC (Summary ROC) Si el DOR es constante en los estudios (o todo la variación en el DOR es aleatoria): Podemos calcular la sensibilidad en función de especificidad y DOR Odds(TVP) = DOR * odds(tfp) Donde TVP = tasa de verdadero positivo = sensibilidad TFP = tasa de falso positivo = 1-especificidad Odds(x) = x/(1-x) 89
90 Summary ROC. Sensibilidad prevista 1 Tasa de VP DOR constante = (95% IC 18,2 a 43,2) 0.6 El criterio de positivismo variaría entre estudios El análisis supone que otra variabilidad es aleatoria Tasa de FP
91 Conclusión Meta-análisisanálisis Síntesis de los resultados de varios estudios Los supuestos son inevitables Es importante explorar factores que resultan en la variabilidad entre estudios Un factor sería el criterio de positivismo, por ejemplo, debido a diferencias en la calibración de las máquinas 91
92 Comparación entre dos opciones Diseño del estudio Ensayo clínico aleatorio Validez interna alta Caro y difícil Validez externa puede ser baja Estudio de modelización Utilizar datos de prevalencia, sensibilidad, especificidad Tener en cuenta que las diferencias en sens y espec pueden ser por diferencias en el criterio de positivismo Modelizar las consecuencias de FP, FN etc. 92
93 Ensayo clínico aleatorio: la angina Overall, death or MI was reduced in the routine invasive group [compared with the selective group ; Odds ratio 0.82, 95% CI ] 93
94 Caso práctico 2: Evaluación de Telemedicina (modelización) Pacientes con lesiones de la piel sospechosas de melanoma maligno Opciones para el cribado Telemedicina en atención primaria con una cámara digital y conexión electrónica para enviar las imágenes a un especialista Atención especializada con una cámara digital (dermatoscopia) Evaluar las opciones y hacer recomendaciones para el sistema sanitario 94
95 Datos de eficacia Estudio VP Total E+ FP Total E- Telemedicina Browns Moreno Ramirez Atención Cristofolini Especialista Soyer Benelli e Carli Krahn Stanganelli Lorentzen Drummer
96 Otros datos Prevalencia de melanoma maligno en esta populación es 22% Consecuencias Tasa de mortalidad con tratamiento correcto 2% Tasa de mortalidad sin tratamiento precoz 3,6% Tasa de mortalidad con tratamiento innecesaria? Qué otros factores sería importantes? 96
PRUEBAS. Sandra Convers-Páez, M.D. Instituto de Investigaciones Médicas Facultad de Medicina 2009
PRUEBAS DIAGNÓSTICAS Sandra Convers-Páez, M.D. Instituto de Investigaciones Médicas Facultad de Medicina 2009 PRUEBAS DIAGNÓSTICAS Generalmente, pruebas realizadas en un laboratorio (también historia y
Más detallesEVALUACIÓN N DE LA VALIDEZ DE PRUEBAS DIAGNÓSTICAS
EVALUACIÓN N DE LA VALIDEZ DE PRUEBAS DIAGNÓSTICAS César Gutiérrez Villafuerte Sección n de Epidemiología a y Estadística stica Facultad de Medicina UNMSM Lima, marzo de 2006 Tuberculosis pulmonar Cáncer
Más detallesEpidemiología. 4. Validez y confiabilidad de las pruebas diagnósticas.
Epidemiología 4. Validez y confiabilidad de las pruebas diagnósticas. Pruebas diagnósticas. Variación biológica de la población. Variación biológica de la población. sanos enfermos resultado de la prueba
Más detallesSesión Práctica 6. Efectos edad, periodo y cohorte.
Sesión Práctica 6. Efectos edad, periodo y cohorte. En numerosos estudios epidemiológicos los participantes se encuentran englobados en un amplio rango de edades. La edad es un trascendente factor de riesgo
Más detallesVI Fórum multidisciplinar
VI Fórum multidisciplinar de la Enfermedad Tromboembólica Predicción de muerte por sangrado Dr. José Antonio Nieto Rodríguez Servicio de Medicina Interna Hospital Virgen de la Luz Cuenca Journal of Thrombosis
Más detallesNure Investigación Nº 63 Marzo - Abril 2013. Lectura crítica de un artículo científico V: La valoración de la relevancia clínica
Nure Investigación Nº 63 Marzo - Abril 2013 Lectura crítica de un artículo científico V: La valoración de la relevancia clínica Critical reading of a scientific paper V: Assessing the clinical significance
Más detalles11 preguntas para ayudarte a entender un estudio de Casos y Controles
PROGRAMA DE LECTURA CRÍTICA CASPe Leyendo críticamente la evidencia clínica 11 preguntas para ayudarte a entender un estudio de Casos y Controles Comentarios generales Hay tres aspectos generales a tener
Más detallesINFORME DE RESULTADO. "Atlas de mortalidad por cáncer de tráquea, bronquios y pulmón" PROYECTO FONIS SA05I20030:
INFORME DE RESULTADO "Atlas de mortalidad por cáncer de tráquea, bronquios y pulmón" PROYECTO FONIS SA05I20030: Atlas de mortalidad por Cáncer. Chile 1997-2003 SA05I20030 1 AÑO 2006 NÚMERO PROYECTO DURACIÓN
Más detallesPruebas diagnósticas
Investigación: Pruebas diagnósticas 1/6 Pruebas diagnósticas Pita Fernández, S. spita@canalejo.org, Pértegas Díaz, S. spertega@canalejo.org Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario-Universitario
Más detallesPREVENCION DEL CÁNCER GINECOLÓGICO CÁNCER DE MAMA DRA. RAMÍREZ MEDINA SERVICIO DE GINECOLOGÍA Y OBSTETRICIA UNIDAD DE MAMA
PREVENCION DEL CÁNCER GINECOLÓGICO CÁNCER DE MAMA DRA. RAMÍREZ MEDINA SERVICIO DE GINECOLOGÍA Y OBSTETRICIA UNIDAD DE MAMA QUÉ ES EL CÁNCER DE MAMA? Es el tumor maligno que se origina en las células de
Más detallesLO ÚLTIMO EN PATOLOGÍA RESPIRATORIA MARÍA LIZARITURRRY R3 MEDICINA INTERNA HOSPITAL UNIVERSITARIO LA PAZ
LO ÚLTIMO EN PATOLOGÍA RESPIRATORIA MARÍA LIZARITURRRY R3 MEDICINA INTERNA HOSPITAL UNIVERSITARIO LA PAZ 13.12.2013 VARÓN, 62 AÑOS. Fumador 30 cigarrillos/día desde hace 40 años Asintomático PRUEBA DE
Más detallesBiomecánica del Movimiento (2º) Facultad de Ciencias del Deporte. Universidad de Castilla la Mancha. TEMA 5: ERRORES
Biomecánica del Movimiento (2º) 67 TEMA 5: ERRORES 1- Imprecisiones en las mediciones. Orígenes. Cómo darlas a conocer. 2- Tipos de errores. Error absoluto y error relativo. Sensibilidad y precisión. Error
Más detallesControl del sangrado. Artículo: Hemorragia por Warfarina (Cortesía de IntraMed.com)
Control del sangrado En este gran estudio de cohorte de pacientes mayores con fibrilación auricular se halló que las tasas de hemorragia por tratamiento con warfarina son más elevadas durante los primeros
Más detallesUTILIDAD DEL ANÁLISIS DE LA CAPA DE CÉLULAS GANGLIONARES DE LA RETINA EN PACIENTES SOSPECHOSOS DE GLAUCOMA
UTILIDAD DEL ANÁLISIS DE LA CAPA DE CÉLULAS GANGLIONARES DE LA RETINA EN PACIENTES SOSPECHOSOS DE GLAUCOMA BERROZPE VILLABONA C, MARTINEZ DE LA CASA JM, BAÑEROS ROJAS P, ARRIBAS PARDO P, GARCÍA SÁENZ S,
Más detallesLourdes Betegon 1 ; Cristina Canal 1 ; Marina De Salas-Cansado 2
Análisis de Costes No Farmacológicos y Eventos Evitados en el Tratamiento de la Fibrilación Auricular en España: Apixaban Frente a Otros Fármacos Anticoagulantes Lourdes Betegon 1 ; Cristina Canal 1 ;
Más detallesMónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Abril 2013. monica.lopez.raton@usc.es
Mónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Abril 2013 monica.lopez.raton@usc.es Selección de puntos de corte óptimos en los tests diagnósticos Índice 1. Motivación
Más detallesPrevención secundaria del ictus en sujetos hipertensos. Meta terapéutica pasada la fase aguda del ictus.
Prevención secundaria del ictus en sujetos hipertensos. Meta terapéutica pasada la fase aguda del ictus. Pedro Armario (1,2) (1) Jefe de Servicio Área Riesgo Vascular (2) Servicio de Medicina Interna Hospital
Más detallesUsos actuales de la información sanitaria en salud pública
Madrid, 13 de marzo 2015 Usos actuales de la información sanitaria en salud pública H. Vanaclocha Luna Subdirección general Epidemiología y Vigilancia en Salud Pública Conselleria Sanidad. Generalitat
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 detallesPrueba confirmatoria: Proceso por el cual un individuo es clasificado como enfermo o sano.
INTERPRETACION DE PRUEBAS DIAGNOSTICAS Héctor D. Tarabla 1. Pruebas diagnósticas. Prueba diagnóstica: Proceso a través del cual un individuo o un grupo de individuos es clasificado como poseedor o careciente
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesJNC 8 vs Guías Europeas, Guías SAHA: similitudes y diferencias. Dr. Daniel Piskorz
JNC 8 vs Guías Europeas, Guías SAHA: similitudes y diferencias. Cuál se adecúa mejor para el manejo de nuestros pacientes hipertensos? Dr. Daniel Piskorz Nombre del Presentador: Dr. Daniel Piskorz No tengo
Más detallesQué demonios es un Odds Ratio (OR)? Medidas de efecto
Adolfo Figueiras Guzmán Prof. Titular de Medicina Preventiva e Saúde Pública (USC) Qué demonios es un Odds Ratio (OR)? Medidas de efecto Índice 1. Introducción 2. Conceptos previos sobre cocientes 3. Medidas
Más detallesUniversidad de Cantabria. Cribado
Universidad de Cantabria Cribado GUIÓN Introducción: definición y niveles de prevención Tipos de cribado Condiciones de aplicación Evaluación Ventajas e inconvenientes Errores a evitar Organismos e intervenciones
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE PSICOLOGÍA DIVISIÓN DE ESTUDIOS PROFESIONALES Octubre, 2010.
Sensibilidad y Especificidad de una prueba 1 UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE PSICOLOGÍA DIVISIÓN DE ESTUDIOS PROFESIONALES Octubre, 2010. Material elaborado por Dra. Corina Cuevas Renaud
Más detallesAprender a entender e. interpretar las pruebas diagnósticas. Herramientas. y aplicaciones. Carlos Ochoa Sangrador
Viernes 6 de febrero de 2015 Seminario: Aprender a entender las pruebas diagnósticas. Herramientas y aplicaciones Moderadora: M.ª Paz González Rodríguez Pediatra. CS Algete. Algete, Madrid. Miembro del
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 detallesParticularidades de las Manifestaciones Clínicas de la Cardiopatía Isquémica en el Adulto Mayor. Dr. Juan Carlos García Cruz.
Particularidades de las Manifestaciones Clínicas de la Cardiopatía Isquémica en el Adulto Mayor Dr. Juan Carlos García Cruz. Centro Médico Nacional Siglo XXI Ciudad de México. Trabajo Clínico 1. Hallazgos
Más detallesESTATINAS EN PERSONAS MAYORES
ESTATINAS EN PERSONAS MAYORES Farmacia Atención Primaria Sevilla Servicios de Farmacia de las Áreas y Distritos Sanitarios Aljarafe Norte, Sevilla, Sur y Osuna Consideraciones previas Principalmente prescritas
Más detallesMediciones de ocurrencia: Prevalencia e Incidencia. Dra. M Teresa Valenzuela B. Departamento de Salud Pública y Epidemiología
Mediciones de ocurrencia: Prevalencia e Incidencia Dra. M Teresa Valenzuela B. Departamento de Salud Pública y Epidemiología Cómo medimos los problemas de salud? Enjuiciamiento clínico? Palabras tales
Más detallesEvaluación de las técnicas diagnósticas: Análisis estadístico Margarita Núñez
Evaluación de las técnicas diagnósticas: Análisis estadístico Margarita Núñez Escuela Universitaria de Tecnología Médica UdelaR, Montevideo, Uruguay Comité de Tecnólogos de ALASBIMN 2008 Evaluación de
Más detallesA. Menéndez Taller CES 15_ Confiabilidad. 15. Confiabilidad
15. Confiabilidad La confiabilidad se refiere a la consistencia de los resultados. En el análisis de la confiabilidad se busca que los resultados de un cuestionario concuerden con los resultados del mismo
Más detallesCAUSALIDAD Y RIESGO Causalidad en Medicina
CAUSALIDAD Y RIESGO - Causalidad en Medicina y en Epidemiología. -Enfoque de Riesgo -Asociación Estadística -Riesgo. Factor de Riesgo -Medición del Riesgo 1 CAUSALIDAD EN EPIDEMIOLOGÍA EPIDEMIOLOGÍA: ESTUDIO
Más detalles4.12 Ciertos teoremas fundamentales del cálculo de probabilidades
1 de 9 15/10/2006 05:57 a.m. Nodo Raíz: 4. Cálculo de probabilidades y variables Siguiente: 4.14 Tests diagnósticos Previo: 4.10 Probabilidad condicionada e independencia de 4.12 Ciertos teoremas fundamentales
Más detallesProtocolo de registro interpretativo del WISC-IV
Apéndice E Protocolo de registro interpretativo del WISC-IV PASO 1. Registrar las puntuaciones estándar del niño (CI Total y los Índices) y las puntuaciones escalares de las Subpruebas del WISC-IV Para
Más detallesRazón de Cambio Promedio:
NOTA: En este PDF encontrará los siguientes temas que debe estudiar para la clase: Aplicaciones de la Derivada a Funciones Económicas, Razón de Cambio Promedio, Razón de Cambio Instantánea, Razones Relacionadas,
Más detallesDEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso
DEFINICIONES Y CONCEPTOS (SISTEMAS DE PERCEPCIÓN - DTE) Curso 2009-10 1. Generalidades Instrumentación: En general la instrumentación comprende todas las técnicas, equipos y metodología relacionados con
Más detallesInversión en condiciones de riesgo, riesgo y rendimiento
Los barcos no están hechos más que de tablas, los marineros no son más que hombres; hay ratas de tierra y ratas de agua; Ladrones de tierra y Ladrones de agua; quiero decir piratas. Además existe el peligro
Más detallesFÍSICA Y QUÍMICA 3º ESO. OBJETIVOS, CONTENIDOS Y CRITERIOS DE EVALUACIÓN 1ª Evaluación: Unidad 1. La medida y el método científico.
FÍSICA Y QUÍMICA 3º ESO. OBJETIVOS, CONTENIDOS Y CRITERIOS DE EVALUACIÓN 1ª Evaluación: Unidad 1. La medida y el método científico. OBJETIVOS 1. Reconocer las etapas del trabajo científico y elaborar informes
Más detallesRevisiones sistemáticas
SEMINARIO Revisiones sistemáticas Síntesis y meta-análisis de la evidencia científica para la toma de decisiones en salud PROGRAMA Evidencia confiable Decisiones informadas Mejor salud 1 Introducción Diariamente
Más detallesCAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO
9 CAPITULO II ANÁLISIS DEL CRECIMIENTO POBLACIONAL Y CALCULO DE CAUDALES DE DISEÑO 2.1 Criterios de diseño para el predimensionamiento de los sistemas de abastecimiento de agua 2.1.1 Período de diseño
Más detallesDra. Dulce María Arreguín Porras Servicio de Infectología Hospital General de México Dr. Eduardo Liceaga
Dra. Dulce María Arreguín Porras Servicio de Infectología Hospital General de México Dr. Eduardo Liceaga Neoplasias definitorias de SIDA Neoplasias no definitorias de SIDA El grado de inmunosupresión manifestado
Más detallesValidación de pruebas diagnósticas
FORMACIÓN CONTINUADA Validación de pruebas diagnósticas S. Bellmunt-Montoya VALIDACIÓN DE PRUEBAS DIAGNÓSTICAS Resumen. El diagnóstico es parte fundamental de nuestra práctica diaria. Llegan a nuestras
Más detallesHabilidades Matemáticas. Alejandro Vera
Habilidades Matemáticas Alejandro Vera La distribución normal Introducción Una de las herramientas de mayor uso en las empresas es la utilización de la curva normal para describir situaciones donde podemos
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesEVALUACIÓN DE PRUEBAS DIAGNÓSTICAS
EVALUACIÓN DE PRUEBAS DIAGNÓSTICAS Notas Índice. INTRODUCCIÓN 2. CLASIFICACIÓN DE ENFERMEDADES POR DIAGNOSIS 3. CRITERIOS DE CALIDAD DE LAS PRUEBAS DIAGNÓSTICAS 2 4. TIPOS DE PRUEBAS 3 5. PATRÓN ÁUREO
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 detallesLa prueba de Papanicolaou: Sustento científico hasta la fecha
La prueba de Papanicolaou: Sustento científico hasta la fecha Fuente original: Alianza para la Prevención del Cáncer Cervicouterino (ACCP) www.alliance-cxca.org Sinopsis: Descripción del Papanicolaou,
Más detallesGrupo de estudio internacional del cáncer de mama (IBCSG) 23-01
Grupo de estudio internacional del cáncer de mama (IBCSG) 23-01 Disección axilar vs. no disección axilar en cáncer de mama con axila clínicamente negativa y micrometástasis en ganglio centinela Viviana
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesLa síntesis estadística como cuarta etapa del método estadístico. Medidas de resumen para variables cualitativas. Razones, proporciones y tasas.
La síntesis estadística como cuarta etapa del método estadístico. Medidas de resumen para variables cualitativas. Razones, proporciones y tasas. Introducción La cuarta etapa del método estadístico se denomina
Más detallesI.- META DEL TRATAMIENTO= NORMALIZAR NIVELES TSH SIN IMPORTAR CUAL ES LA CAUSA DEL HIPOTIROIDISMO.
HIPOTIROIDISMO I.- META DEL TRATAMIENTO= NORMALIZAR NIVELES TSH SIN IMPORTAR CUAL ES LA CAUSA DEL HIPOTIROIDISMO. LA VARIABILIDAD DE REQUERIMIENTOS DOSIS DEPENDE DE FACTORES QUE INTERFIEREN EN SU ABSORCION
Más detallesCurso de Inducción de Matemáticas
Curso de Inducción de Matemáticas CAPÍTULO 1 Funciones y sus gráficas M.I. ISIDRO I. LÁZARO CASTILLO Programa del Curso 1. Funciones y sus gráficas. 2. Límites. 3. Cálculo Analítico de Límites. 4. Derivación.
Más detallesTEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES
TEMA 2 EXPERIMENTOS ALEATORIOS Y CÁLCULO DE PROBABILIDADES EXPERIMENTOS: EJEMPLOS Deterministas Calentar agua a 100ºC vapor Soltar objeto cae Aleatorios Lanzar un dado puntos Resultado fútbol quiniela
Más detallesVARIANTES EN EL DISEÑO DE LOS ENSAYOS CLÍNICOS CON ASIGNACIÓN ALEATORIA. Sandra Flores Moreno. AETSA 21 de Diciembre de 2006
VARIANTES EN EL DISEÑO DE LOS ENSAYOS CLÍNICOS CON ASIGNACIÓN ALEATORIA Sandra Flores Moreno. AETSA 21 de Diciembre de 2006 VARIANTES EN EL DISEÑO DE ENSAYOS CLÍNICOS CON ASIGNACIÓN ALEATORIA *INTRODUCCIÓN
Más detallesPROGRAMA: ACTUALIZACIÓN EN CONTROL ECOGRÁFICO DE LA GESTACIÓN NORMAL Y PATOLÓGICA. Lugar de celebración del programa:
PROGRAMA: 11019 ACTUALIZACIÓN EN CONTROL ECOGRÁFICO DE LA GESTACIÓN NORMAL Y PATOLÓGICA. Lugar de celebración del programa: Hospital Universitario Miguel Servet Servicio Ginecología Pº Isabel la Católica,
Más detallesTema 2. Introducción a la Estadística Bayesiana
2-1 Tema 2 Introducción a la Estadística Bayesiana El teorema de Bayes Ejemplo Interpretación Ejemplo: influencia de la distribución a priori Ejemplo: densidad de flujo Probabilidad bayesiana Ejemplo:
Más detallesEl teorema de Bayes y su utilización en la interpretación de las pruebas diagnósticas en el laboratorio clínico
TÉCNICA El teorema de Bayes y su utilización en la interpretación de las pruebas diagnósticas en el laboratorio clínico Bayes's theorem and its use in diagnostic test lectures in clinical laboratory Dr.
Más detallesUOG Journal Club: Marzo 2015
UOG Journal Club: Marzo 2015 Analisis de DNA fetal libre en sangre materna Para el tamizaje de aneuploidías: un meta-análsis al día. MM Gil, MS Quezada, R Revello, R Akolekar and KH Nicolaides Volume 45,
Más detallesde ensayos clínicos , Cabello Ibacache R RESUMEN
de ensayos clínicos, Cabello Ibacache R RESUMEN caries. Las inconsistencias encontradas podrían deberse a la presencia de sesgos o a la heterogeneidad de los estudios disponibles en la literatura. Rev.
Más detallesDirección de Calidad de los Servicios de Salud Programa Nacional de Garantía de Calidad de la Atención Médica
Estandarización de Procesos Asistenciales - Herramientas- Dra. Nora Castiglia Dra. Victoria Wurcel Lic. Giselle Balaciano Dirección de Calidad de los Servicios de Salud Programa Nacional de Garantía de
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesEl test prenatal no invasivo de Imegen. Test Prenatal no Invasivo. Vive tu embarazo con la tranquilidad que necesitas
El test prenatal no invasivo de Imegen Test Prenatal no Invasivo Vive tu embarazo con la tranquilidad que necesitas Aproximadamente el 1% de los fetos presenta algún tipo de anomalía cromosómica Genatal,
Más detallesDiseño Gráficos de Control
Diseño Gráficos de Control Resumen Este procedimiento esta diseñado para ayudar a determinar el tamaño de muestra apropiado y los parámetros comunes para los gráficos de control. El diseño esta basado
Más detallesUnidad 1: Probabilidad
Cuál es la probabilidad de aprobar Introducción a la Probabilidad y Estadística? - - Introducción a la Probabilidad y Estadística Unidad 1: Probabilidad Cuál es la probabilidad de no encontrarme un embotellamiento
Más detallesEvaluando la evidencia en MBE. Dra. Virginia Rodríguez Funes, FACS
Evaluando la evidencia en MBE Dra. Virginia Rodríguez Funes, FACS Paso 3: Evaluando la evidencia Encontro estudios de buena calidad? Que quiere decir evaluar en MBE? n Que vamos a hacer una disección del
Más detallesAnálisis de sensibilidad:
Análisis de sensibilidad: Métodos probabilísticos en la evaluación económica de tecnologías sanitarias i Parte 2 David Epstein Dme2@york.ac.uk 1 La presentación El AS deterministico Univariante/multivariante
Más detallesPROCESOS INDUSTRIALES
PROCESOS INDUSTRIALES HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura METROLOGÍA 2. Competencias Planear la producción considerando los recursos tecnológicos, financieros,
Más detallesMORTALIDAD Y COMPICACIONES DE UNA COHORTE DE PACIENTES ANTICOAGULADOS
MORTALIDAD Y COMPICACIONES A DOS AÑOS A DE UNA COHORTE DE PACIENTES ANTICOAGULADOS S Figar; A Vénica; J Arbelbide; D Penchasky; S Viñuales; M Cardenas; E Petrlik; D Fantl; E Nucifora; D Luna; F González
Más detallesEDUCACIÓN CONTINUADA EN EL LABORATORIO CLÍNICO HERRAMIENTAS UTILES PARA DECIDIR SOBRE LAS PRUEBAS DIAGNOSTICAS. Ed Cont Lab Clín 2007:10:22-33
EDUCACIÓN CONTINUADA EN EL LABORATORIO CLÍNICO Ed Cont Lab Clín 2007:10:22-33 HERRAMIENTAS UTILES PARA DECIDIR SOBRE LAS PRUEBAS DIAGNOSTICAS Ana García Raja Servicio Análisis Clínicos, Hospital Son Dureta,
Más detallesMarzo 2012
Marzo 2012 http:///wpmu/gispud/ Para determinar la carga transferida a través del tiempo a un elemento, es posible hacerlo de varias formas: 1. Utilizando la ecuación de carga, evaluando en los tiempos
Más detallesEvaluación de la transmisión de la fiebre aftosa en rebaños parcialmente vacunados
Evaluación de la transmisión de la fiebre aftosa en rebaños parcialmente vacunados Implicaciones para vigilancia Gonzales Jose L. Objetivos de esta presentación Describir algunos de los estudios realizados
Más detallesAnálisis de la estructura por sexo y edad de la población. Guiomar Bay
Análisis de la estructura por sexo y edad de la población Guiomar Bay Por qué analizar la estructura por sexo y edad de la población? Características básicas y fundamentales de una la población Qué problemas
Más detallesTema 5: Introducción a la inferencia estadística
Tema 5: Introducción a la inferencia estadística 1. Planteamiento y objetivos 2. Estadísticos y distribución muestral 3. Estimadores puntuales 4. Estimadores por intervalos 5. Contrastes de hipótesis Lecturas
Más detallesEPIDEMIOLOGIA DESCRIPTIVA BÁSICA PARA ESTUDIANTES DE TRABAJO SOCIAL
EPIDEMIOLOGIA DESCRIPTIVA BÁSICA PARA ESTUDIANTES DE TRABAJO SOCIAL Carmen Vives Cases carmen.vives@ua.es MEDIDAS BÁSICAS EN EPIDEMIOLOGÍA De frecuencia (problemas de salud) Prevalencia Incidencia De asociación
Más detallesVALOR DE LA ULTRASONOGRAFIA PAROTIDEA COMPARADO CON LA BIOPSIA DE GLANDULA SALIVAL MENOR EN PACIENTES CON SOSPECHA DE SINDROME DE SJÖGREN PRIMARIO
VALOR DE LA ULTRASONOGRAFIA PAROTIDEA COMPARADO CON LA BIOPSIA DE GLANDULA SALIVAL MENOR EN PACIENTES CON SOSPECHA DE SINDROME DE SJÖGREN PRIMARIO Santiago L, Secco A, Vila D, Oliver M, González P, Fernández
Más detallesARTÍCULO ORIGINAL. ARS Pharmaceutica. Collazo MV 1, Muñiz MM 2, Alonso1 C 1, Frutos G 2
ARS Pharmaceutica ISSN: 0004-2927 http://farmacia.ugr.es/ars/ ARTÍCULO ORIGINAL El análisis estadístico en la Farmacopea Europea: diseño completamente aleatorizado en un bioensayo de factor VIII. Statistical
Más detalles2.2 Rectas en el plano
2.2 Al igual que ocurre con el punto, en geometría intrínseca, el concepto de recta no tiene definición, sino que constituye otro de sus conceptos iniciales, indefinibles. Desde luego se trata de un conjunto
Más detallesUniversidad de Alcalá
METODOLOGÍA APLICADA EN SALUD PÚBLICA Máster Universitario en Salud Pública Universidad de Alcalá Curso Académico 2014/15 GUÍA DOCENTE Nombre de la asignatura: Código: 201511 Titulación en la que se imparte:
Más detallesDESARROLLO DE HABILIDADES INFORMACIONALES EN EL SECTOR SALUD: EXPERIENCIA DEL INSTITUTO NACIONAL DE SALUD, Lima-Perú
DESARROLLO DE HABILIDADES INFORMACIONALES EN EL SECTOR SALUD: EXPERIENCIA DEL INSTITUTO NACIONAL DE SALUD, Lima-Perú Mg. Silvia Del Rosario Huaillani Chavez. Oficina General de Información y Sistemas.
Más detallesBASES FARMACOCINÉTICAS PARA EL DISEÑO O DE UNA PAUTA TERAPÉUTICA. Dr. Pedro Guerra López
BASES FARMACOCINÉTICAS PARA EL DISEÑO O DE UNA PAUTA TERAPÉUTICA Dr. Pedro Guerra López Pautas terapeuticas Objetivos de esta lección. - Conocer el interés clínico de la farmacocinética en general en cuanto
Más detallesEn esta ocasión nos dedicaremos a estudiar
Medicina Basada en la Evidencia (2da Parte) - Estudios de diagnóstico Dr. Hernán Rowensztein Dra. Valeria Berlín.* En esta ocasión nos dedicaremos a estudiar cómo se lee un estudio sobre métodos diagnósticos.
Más detallesDr Julio O. Bono Jefe Unidad Coronaria Sanatorio Allende Córdoba
Dr Julio O. Bono Jefe Unidad Coronaria Sanatorio Allende Córdoba Racionalidad para una Estrategia Invasiva Precoz Racionalidad para una Estrategia Invasiva Update de las Guidelines AHA/ACC 2013 Una Estrategia
Más detallesTECNICO SUPERIOR EN INFORMÁTICA EMPRESARIAL MÓDULO INTRUCCIONAL
1 TECNICO SUPERIOR EN INFORMÁTICA EMPRESARIAL MÓDULO INTRUCCIONAL TECNOLOGÍA DE LA COMPUTADORA FACILITADOR: PARTICIPANTE: DAVID, CHIRIQUÍ 2015 2 Qué es un programa? Un programa informático es un conjunto
Más detallesSCREENING DEL CARCINOMA DE MAMA
SCREENING DEL CARCINOMA DE MAMA CS Illes Columbretes Página 1 Algunas personas visitan al médico únicamente cuando sienten dolor o cuando notan cambios, como por ejemplo, una masa o nódulo en el seno.
Más detallesDECISIONES DE CONSUMO - Educación a Distancia. Capítulo 4
DECISIONES DE CONSUMO - Educación a Distancia Ejercicio 1 a) Para encontrar las alternativas de consumo, debe verificarse en cada caso la restricción presupuestaria: Pa. + Pb. = Y Y= Ingreso lternativas
Más detallesINDICADORES EN LA COMUNIDAD VALENCIANA. Subdirección General de Conciertos Conselleria de Sanitat Generalitat Valenciana
INDICADORES EN LA COMUNIDAD VALENCIANA Subdirección General de Conciertos Conselleria de Sanitat Generalitat Valenciana SITUACIÓN DE PARTIDA TRS EN 2008 SITUACIÓN DE PARTIDA EN 2008 TRATAMIENTO EN HEMODIÁLISIS
Más detallesQué Mide? Arteriosclerosis Sistémica. Disminución n de calibre de las arterias de extremidades inferiores.
Indice Tobillo-Brazo Nieves Martell Claros Jefe de Sección. Unidad de HTA. Jefe de Servicio de Medicina Interna (en funciones). Hospital Clínico San Carlos. Madrid. Qué Mide? Disminución n de calibre de
Más detallesD-dímero y pronóstico a corto plazo en la embolia de pulmón. JL Lobo Beristain Hospital Txagorritxu. Vitoria
D-dímero y pronóstico a corto plazo en la embolia de pulmón JL Lobo Beristain Hospital Txagorritxu. Vitoria D-Dimero y pronóstico El D-D y la extensión de la enfermedad La gammagrafia Q El Indice de Obstrucción
Más detallesCONTROL DE CALIDAD EN INFECCIOSAS ALBA C GARZON G 2013
CONTROL DE CALIDAD EN INFECCIOSAS ALBA C GARZON G 2013 1 RETO DEL SIGLO XXI las prácticas tendrán que estar centrada en el paciente y la calidad impulsada por controlar las enfermedades crónicas, implementar
Más detallesTema 8. Análisis de dos variables Ejercicios resueltos 1
Tema 8. Análisis de dos variables Ejercicios resueltos 1 Ejercicio resuelto 8.1 La siguiente tabla muestra la distribución del gasto mensual en libros y el gasto mensual en audiovisual en euros en los
Más detallesEn escenarios de incertidumbre: Medir para tomar decisiones.
Seminario: En escenarios de incertidumbre: Medir para tomar decisiones. Jorge Manzi Director MIDE UC Por qué es central la medición y evaluación para las organizaciones? Usted se ha preguntado alguna vez?
Más detallesFundamentos de Epidemiología
Fundamentos de Epidemiología Definición de Epidemiología Estudio de la distribución de una enfermedad o condición fisiológica en poblaciones humanas y los factores que influencian esta distribución Disciplina
Más detallesPrograma de Prevención de Cáncer Cervical en México, evidencia previa y post.
Instituto Nacional de Salud Pública Programa de Prevención de Cáncer Cervical en México, evidencia previa y post. Eduardo Lazcano Ponce Septiembre, 2010 2003-2010 EL INSP ha recibido financiamiento para
Más detallesARTROPLASTIA DE CADERA
1 La degeneración articular de la esta causada fundamentalmente por la artrosis. La artrosis grave origina dolor y una importante limitación e incapacidad para el desarrollo de las actividades diarias.
Más detallesA continuación se presenta la información de la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes.
M150: Creciendo A) Presentación del problema LOS JOVENES CRECEN MAS ALTO A continuación se presenta la altura promedio para el año de 1998 en Holanda de hombres y mujeres jóvenes. B) Preguntas del problema
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesMetodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra
Metodología de la Investigación [DII-711] Capítulo 7: Selección de la Muestra Dr. Ricardo Soto [ricardo.soto@ucv.cl] [http://www.inf.ucv.cl/ rsoto] Escuela de Ingeniería Informática Pontificia Universidad
Más detallesISOINMUNIZACIÓN. Incompatibilidad ABO Incompatibilidad RhD Incompatibilidad no ABO no RhD (anti-lewis, anti-kell )
Fecha: 4 de Mayo de 2011 Nombre: Dra. Neus Garrido Mollá R3 Tipo de Sesión: Seminario ISOINMUNIZACIÓN El término incompatibilidad se emplea para definir la situación en que dos individuos tienen un factores
Más detallesPruebas de Hipótesis Multiples
Pruebas de Hipótesis Multiples Cuando queremos hacer comparaciones de mas de dos poblaciones, una alternativa es comparar todos los grupos a la vez con el método de Análisis de Varianza (ANOVA) H o : µ
Más detalles