MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL

Transcripción

1 MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL Israel J. Thuissard David Sanz-Rosa IV JORNADAS INVESTIGACIÓN COEM UNIVERSIDADES 4 de marzo de 2016

2 Escuela de Doctorado e Investigación. Vicerrectorado de Investigación Universidad Europea de Madrid CEI Salud, Deporte y Ciencias de la Vida CEI Innovación Educativa CEI Valores y Sociedad Global CEI Sistemas Inteligentes y Energías Renovables Biomedicina clásica y traslacional Ciencias de la salud basada en la evidencia Ejercicio y Salud Entrenamiento y nutrición Deportes individuales y colectivos.

3 El manejo de la información Grupo: 1 Suero A 2 Suero B Sexo: 1 Hombre 6 Mujer Complicaciones: 0 No 1 Si Raza: 1 Blanca 2 Negra 3 Hispánica 4 Afroamericana 5 Asiática 6 Americano Organización, Organización y Organización

4 Porqué es importante definir bien las variables en nuestra investigación? Qué aporta la variable? Cuánto cuesta recogerla? Es válida y fiable? Ausencia de errores al expresarlas Correcto análisis estadístico Ames u odies la estadística, necesitas tener alguna comprensión sobre su funcionamiento si quieres realizar una lectura crítica de un trabajo. Para conseguirlo NO necesitas hacer un análisis estadístico. Lo que necesitas es saber por qué se ha utilizado ese análisis estadístico y cómo interpretar los resultados del análisis.. Harris, M and Taylor, G (2009): Medical and Health.

5 Errores más comunes al expresar las variables de estudio Las variables numéricas llevan asociado al valor central calculado, un valor estimado del error de la medida. Las variables cualitativas deben expresarse en %. La unidades de medida. Los resultados de las variables numéricas y los errores o desviaciones deben expresarse con las mismas cifras significativas. Lambert et al. J. Clin Periodontol 2012; 39;

6 Tipos de Variables Dependiendo del tipo de variables que estemos estudiando existen un tipo de estadístico y de gráfico adecuado en cada caso. 1.- Variables Cualitativas o Categóricas a) Variables Cualitativas en Escala Nominal b) Variables Cualitativas en Escala Ordinal 2.- Variables Cuantitativas o Numéricas a) Variables Cuantitativas Discretas b) Variables Cuantitativas Continuas

7 Maneras de expresar las variables cualitativas Diagrama de frecuencias Bel et al. Australian Dental Journal. 1998; 43:5: Hasselkvist et al. Journal of Dentistry 2016 In Press.

8 Variables cuantitativas Variable cuantitativa Discreta Continua

9 Variables cuantitativas I Media ± Desviación Estándard 600 mm 470 mm 170 mm 430 mm 300 mm Promedio=394 mm

10 Variables cuantitativas I Media ± Desviación Estándar (DE) Desviación estándar= 164 mm X + DE mm 470 mm 170 mm 430 mm 300 mm X= 394 mm X + DE 229 Con esto podemos decir que 2/3 partes de mi muestra está entre 558 y 229 mm.

11 Variables cuantitativas II 1,97 m 1,88 m 2,05 m 1,82 m Mediana [Rango intercuartílico] 1,75 m 1,91 m 1,70 m La mediana de un conjunto de datos es un valor tal que el número de datos menores que él es igual al número de datos mayores que él. 1,70 m 1,75 m 1,82 m 1,88 m 1,91 m 1,97 m 2,05 m

12 Variables cuantitativas II Mediana [Rango intercuartílico]; [RIC] 2,05 m 1,88 m 1,91 m 1,97 m 1,75 m 1,82 m 1,70 m El RIC se calcula como la diferencia entre el tercer y el primer cuartil. Siendo el primer cuartil el que deja el 25% y el tercer cuartil el que deja el 75% de valores a la derecha. 25 % Q1 50 % RIC =1,97-1,75 = 0,22 Q3 25 % Tenemos n=7 valores - El primer cuartil está en la posición (n+1)/4=8/4=2 ; Q1=1,75 - El tercer cuartil está en la posición (n+1)*3/4=24/4=6 ; Q3=1,97

13 Cuando expresar la variable cuantitativa de una manera u otra? En base a la distribución de los datos Pruebas paramétricas Distribuciones conocidas (normales) y si la muestra es grande. Pruebas no paramétricas Pruebas estadísticas menos potentes que no necesitan ningún tipo de distribución especial Para determinar si una distribución es paramétrica: Kolmogorov-Smirnov

14 Tipos de Datos Independientes o apareados Independientes: Procedentes de 2 muestras en las que cada observación en una muestra no tiene que ser concordante con la observación de la otra Datos apareados proceden de muestras donde cada observación realizada en una muestra presenta al menos otra observación concordante en la otra muestra Autoapareamiento: cada individuo actúa como su propio control de comparación Apareamiento artificial: consiste en reunir sujetos con alguna característica común, como nivel socioeconómico, edad, lugar de residencia

15 Observaciones: La misma característica se puede representar de manera diferente dependiendo de la escala de medida (en una escala cuantitativa o categórica). Ejemplo: El hábito de fumar si / no Categórica nominal alta, media, baja, no fumadora... Categórica ordinal número de cigarrillos por día 0, 1, 2, 3, 4...Cuantitativa discreta Es conveniente registrar la variable utilizada en la forma en que nos dé más información! P. ej.: si yo registro el número de cigarrillos por día esto me permitirá clasificarlos en fumadores y no fumadores, pero no a la inversa Recoged tantas variables como sean necesarias y tan pocas como sea posible

16 Estadística Inferencial: Meng et al. J. Protst. Dent. 2010; 104; Persson et al. Den. Mat 2009; 25;

17 1. Estimación puntual Consiste en el calculo de los estadísticos descriptivos para el conjunto de la muestra seleccionada. Fuente: metroscopia

18 2. Estimación por intervalos Es el cálculo de un rango dentro del cual se encontrará el verdadero valor de la población (media/mediana) con cierta probabilidad (nivel de confianza). Fuente:

19 La Elección del test estadístico Tipos de datos 2 categorías (dicotómicas) Nominal > 2 categorías Ordinal Cuantitativa normal Cuantitativa no-normal Nominal 2 categorías (dicotómicas) χ² χ² χ² tendencias o U de Mann-Whitney T de Student U de Mann- Whitney Nominal > 2 categorías χ² Kruskal-Wallis Análisis de la varianza ANOVA Kruskal-Wallis Ordinal Correlación de Spearman Correlación de Spearman o regresion lineal Correlación de Spearman Cuantitativa no-normal Correlación de Spearman o regresion lineal Correlación de Spearman Cuantitativa normal Correlación de Spearman o regresion lineal Para determinar si una distribución es paramétrica: Kolmogorov-Smirnov

20 Calculadoras online (ANOVA) (Bondad de ajuste para determinar normalidad en la variable a analizar. K-S) (para trabajar con variables no-paramétricas) (Poder estadístico. Especialmente adaptado para ensayos clínicos de dos grupos y estudio de casos y controles pareado).

21 Ejemplos

22 T de Student para muestras independientes El contraste de hipótesis para muestras independientes divide los casos en dos grupos y compara las medias de los grupos respecto a una variable. En una situación ideal los sujetos deberían asignarse aleatoriamente a los grupos, de forma que cualquier diferencia pueda atribuirse al efecto del tratamiento y no a otros factores. Ejemplo Desgaste dental (µm) Jóvenes Adultos El promedio del desgaste dental (µm) difiere entre los 2 grupos? (a un nivel de significación del 5%).

23 Resolución -Ejemplo- 1) Formulación de la hipótesis y estadístico de la prueba Transversal (2 grupos distintos en un mismo momento) Variable independiente de tipo numérica. H 0 : No existe una diferencia significativa entre la media de desgaste entre los jóvenes y los adultos H 1 : Existe una diferencia significativa entre la media de desgaste entre los jóvenes y los adultos Jovenes Adultos omedio Promedio (x) (x) 82,3 82,3 88,6 88,6 arianza Varianza (S 2 ) (S 2 ) 57,34 57,34 29,38 29,38. estandar D. estandar (S) (S) 7,57 7,57 5,42 5,42 maño (n) Tamaño (n) Numéricamente hablando el promedio de desgaste fue mayor en los adultos que en los jóvenes, pero la pregunta esta diferencia es significativa, o es una diferencia que se puede deber al azar. 2 = Sp2 = ((57,34x(10-1)+29,38x(10-1)) / ( ) / ( ) Jovenes Adultos

24 Resolución

25 U de Mann Whitney para muestras independientes El contraste de hipótesis para muestras independientes divide los casos en dos grupos y compara las medianas de los grupos respecto a una variable. En una situación ideal los sujetos deberían asignarse aleatoriamente a los grupos, de forma que cualquier diferencia pueda atribuirse al efecto del tratamiento y no a otros factores. Ejemplo Desgaste dental (µm) Jóvenes Adultos La mediana del área de contacto entre dientes(mm 2 ) difiere entre los 2 grupos? (a un nivel de significación del 5%).

26 Resolución -Ejemplo- 1) Formulación de la hipótesis y estadístico de la prueba Transversal (2 grupos distintos en un mismo momento) Variable independiente de tipo numérica. H 0 : No existe una diferencia significativa entre la mediana de desgaste entre los jóvenes y los adultos H 1 : Existe una diferencia significativa entre la mediana de desgaste entre los jóvenes y los adultos Jóvenes Adultos Mediana 82,0 89,0 [RIC] 14,0 10,0 Numéricamente hablando la mediana de desgaste fue mayor en los adultos que en los jóvenes, pero la pregunta esta diferencia es significativa, o es una diferencia que se puede deber al azar.

27 Resolución

28 Cuál de los test estadísticos es el adecuado? En base a la distribución de los datos Pruebas paramétricas T de Student Pruebas no paramétricas U de Mann-Whitney Para determinar si una distribución es paramétrica: Kolmogorov-Smirnov

29 En el Test de K-S, la hipótesis es que las variables son normales y se demuestra con un valor de p>0.05 Jóvenes Adultos

30 Cuál de los test estadísticos es el adecuado? En base a la distribución de los datos Pruebas paramétricas T de Student Pruebas no paramétricas U de Mann-Whitney Para determinar si una distribución es paramétrica: Kolmogorov-Smirnov

31 MUCHAS GRACIAS POR SU ATENCIÓN

32 Chi-cuadrado de Pearson El Ji-cuadrado de Pearson determina si las diferencias entre las frecuencias observadas en la tabla de contingencia correspondiente al cruce de los valores de las dos variables y las frecuencias esperadas. Ejemplo Una muestra aleatoria de 200 familias se clasificó de acuerdo con el nivel de educación del padre y el número de empastes que tenía: Nivel Educativo Nº Hijos Estudios Estudios Estudios Primarios Medios superiores Total Más de Total A un nivel de significación de 0,05, se puede afirmar que el tamaño familiar depende del nivel de educación del padre?

33 Resolución a.1) Formulación de la hipótesis Es posible realizar una prueba para las diferencias entre dos proporciones seleccionadas de dos muestras independientes. H 0 : nivel de educación y número de empastes independientes (las dos variables son independientes) H 1 : nivel de educación y número de empastes dependientes (las dos variables están relacionadas)

34 Resolución