Medidas de en los EECC
|
|
- Blanca Saavedra Henríquez
- hace 6 años
- Vistas:
Transcripción
1 Jornada previa Medidas de en los EECC 24 de Enero de 2011 Rosa Muñoz de la Corte
2 Introducción OBJETIVOS Evaluar si el manejo de los datos de un EC ha sido el adecuado Interpretación resultados
3 Introducción CONCEPTOS BÁSICOS CONCEPTO DE VARIABLE Por variable se entiende alguna característica condición o atributo susceptible de ser medido, usando alguna escala de medición conocida y que puede adoptar diversos valores a los ojos del observador. Ejemplo: Edad, Fumador (Si/No).
4 Introducción INDICE ESTADÍSTICO/PARÁMETRO: Herramienta que tiene como objetivo resumir la información que puede derivarse del estudio de una variable en una población o muestra. Ejemplo: media de edad, proporción de fumadores.
5 Tipos de variables Variables cuantitativas vs categóricas Datos no métricos (categóricos) Datos métricos (cuantitativos ) Tipos de variable Categórica (escala nominal) Binaria (2 categorías) Con más de 2 categorías Categorías ordenadas (escala ordinal) Cuantitativa (escala de intervalo o razón) Discreta (recuentos)... Continua (medidas)... Ejemplos Sexo (masculino/femenino) Estado civil Grado funcional Número de intervenciones Edad, peso, presión arterial Variables mixtas-> Ejemplo: Time to event (Análisis de supervivencia )
6 Un ejercicio rápido r de agilidad mental Variables cuantitativas vs categóricas Variable Grupo sanguíneo Tipo Glucosa plasmática (mg/dl) Diabetes (presente/ausente) Número de padres fumadores Dosis de alcohol (alta/baja/nula)
7 Un ejercicio rápido r de agilidad mental Variables cuantitativas vs categóricas Variable Grupo sanguíneo Tipo Categórica (escala nominal) Glucosa plasmática (mg/dl) Diabetes (presente/ausente) Número de padres fumadores Dosis de alcohol (alta/baja/nula)
8 Un ejercicio rápido r de agilidad mental Variables cuantitativas vs categóricas Variable Grupo sanguíneo Glucosa plasmática (mg/dl) Tipo Categórica (escala nominal) Cuantitativa continua Diabetes (presente/ausente) Número de padres fumadores Dosis de alcohol (alta/baja/nula)
9 Un ejercicio rápido r de agilidad mental Variables cuantitativas vs categóricas Variable Grupo sanguíneo Glucosa plasmática (mg/dl) Diabetes (presente/ausente) Tipo Categórica (escala nominal) Cuantitativa continua Categórica binaria (escala nominal) Número de padres fumadores Dosis de alcohol (alta/baja/nula)
10 Un ejercicio rápido r de agilidad mental Variables cuantitativas vs categóricas Variable Grupo sanguíneo Glucosa plasmática (mg/dl) Diabetes (presente/ausente) Número de padres fumadores Tipo Categórica (escala nominal) Cuantitativa continua Categórica binaria (escala nominal) Cuantitativa discreta Dosis de alcohol (alta/baja/nula)
11 Un ejercicio rápido r de agilidad mental Variables cuantitativas vs categóricas Variable Grupo sanguíneo Glucosa plasmática (mg/dl) Diabetes (presente/ausente) Número de padres fumadores Dosis de alcohol (alta/baja/nula) Tipo Categórica (escala nominal) Cuantitativa continua Categórica binaria (escala nominal) Cuantitativa discreta Categórica (escala ordinal)
12 Descripción n de variables - Análisis de la distribución - Parámetros estadísticos - Representación gráfica Según el tipo de variable
13 Variables cuantitativas Distribución según ley Normal? Sí No Descripción basada en ordenaciones: Medida de tendencia central: Mediana (Md) Medida de dispersión: Amplitud intercuartil (IQR) (Mediana)
14 Variables cuantitativas Relevancia del tipo de distribución Media Mediana DISTRIBUCIÓN SIMÉTRICA Mediana Media DISTRIBUCIÓN ASIMÉTRICA Pruebas de Normalidad: Kolmogorov-Smirnov, Shapiro- Wilk
15 Variables cuantitativas Descripción basada en momentos Distribución en campana de Gauss Media Desviación estándar Varianza
16 Variables cuantitativas Descripción basada en ordenaciones Distribuciones que no siguen una ley Normal Q1 Q3 (IHQ) Mediana Cuartiles Amplitud intercuartil (IHQ) Límites superior e inferior
17 Variables cuantitativas Representación gráfica de variables cuantitativas
18 Variables cuantitativas Representación gráfica de variables cuantitativas
19 Índices basados en momentos o en ordenaciones? Se suele presentar media y desviación estándar pero debe haber un comprobación previa de que son los índices más apropiados a la distribución. Los índices basados en momentos sólo son apropiados para describir distribuciones simétricas. Sin embargo la mediana y los cuartiles son índices generales que permiten describir correctamente las distribuciones de datos cuantitativos.
20 Variables categóricas Descripción de variables categóricas: Medidas de frecuencia de un evento Proporción: a a + b Odds a b
21 Variables categóricas Medidas de frecuencia que incorporan el tiempo Tasa Tasa absoluta: Cociente entre la variación de una magnitud Y respecto a una magnitud X. Ej; casos por año Tasa relativa: Cociente entre la variación de una magnitud Y respecto a la variación de una magnitud X. Ej; casos por sujeto y año
22 Variables categóricas Prevalencia e Incidencia de un evento Comunidad de 1000 sujetos seguida a lo largo de 2007 para valorar la presencia de una cierta enfermedad Caso 1 Caso 2 Caso 3 Caso 4 Caso 5 Caso 6 Caso 7 Casos 8 a 1000 D D D C C
23 Variables categóricas Prevalencia e Incidencia de un evento Nº de casos presentes en un momento dado Prevalencia: Población total en un momento Incidencia/Riesgo: Nº de nuevos casos en un periodo dado Población en riesgo al inicio del periodo Ejercicio práctico 1.Prevalencia de la enfermedad el día 1/1/2007 Prevalencia 1/7/2007= Numerador: casos nº 1,3 y 6 Denominador: población total el 1/1/ Riesgo de contraer la enfermedad en el año 2007 Riesgo 2007= Numerador: casos nº 2, 4, 5, 6 y 7 Denominador: población sana el 1/1/2007
24 Variables categóricas Representación gráfica de variables categóricas Diagrama de barras Diagrama de sectores Diagrama de Pareto
25 Variables categóricas Cómo nos pueden engañar con un gráfico?
26 Variables categóricas Cómo nos pueden engañar con un gráfico?
27 Variables categóricas Cómo nos pueden engañar con un gráfico?
28 Estudios comparativos 1. Grado de asociación: Medidas de asociación -> Cuantificar 2. Pruebas de significación n estadística stica -> Confianza 3. Relevancia clínica
29 Medidas de asociación Variables cuantitativas ->diferencia de medias, medianas Variables categóricas Medidas absolutas: RAR Medidas relativas: RRR, OR, RR
30 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B [(A B)/B]X100 RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
31 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
32 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
33 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
34 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
35 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
36 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
37 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. 1/0,057 = 17,42=18 [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
38 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. 1/0,057 = 17,42=18 Es necesario tratar a 18 sujetos para que uno evite la muerte. [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
39 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. 1/0,057 = 17,42=18 Es necesario tratar a 18 sujetos para que uno evite la muerte. 0,123/0,180 = 0,683 [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
40 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B A /B RR (Riesgo Relativo o Razón de Riesgos) OR (Odds Ratio) 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. 1/0,057 = 17,42=18 Es necesario tratar a 18 sujetos para que uno evite la muerte. 0,123/0,180 = 0,683 Por cada 100 pacientes que fallece en el grupo control fallecen 68 en el de intervención. [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
41 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B RR (Riesgo Relativo o Razón de Riesgos) A /B OR (Odds Ratio) (0,123/0,877)/(0,180/0,820) = 0,636 [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. 1/0,057 = 17,42=18 Es necesario tratar a 18 sujetos para que uno evite la muerte. 0,123/0,180 = 0,683 Por cada 100 pacientes que fallece en el grupo control fallecen 68 en el de intervención. Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control)
42 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B RR (Riesgo Relativo o Razón de Riesgos) A /B OR (Odds Ratio) (0,123/0,877)/(0,180/0,820) = 0,636 [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. 1/0,057 = 17,42=18 Es necesario tratar a 18 sujetos para que uno evite la muerte. 0,123/0,180 = 0,683 Por cada 100 pacientes que fallece en el grupo control fallecen 68 en el de intervención. Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control) La odds de fallecimientos en el grupo de intervención es 0,6 veces la odds del grupo control.
43 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B RR (Riesgo Relativo o Razón de Riesgos) A /B OR (Odds Ratio) (0,123/0,877)/(0,180/0,820) = 0,636 [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. 1/0,057 = 17,42=18 Es necesario tratar a 18 sujetos para que uno evite la muerte. 0,123/0,180 = 0,683 Por cada 100 pacientes que fallece en el grupo control fallecen 68 en el de intervención. (0,057/0,180)x100 = 31,7% Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control) La odds de fallecimientos en el grupo de intervención es 0,6 veces la odds del grupo control.
44 2. Medidas de asociación Ejemplo: Estudio comparativo en 5000 pacientes de alto riesgo que evalúa la eficacia de un fármaco (Grupo A; n=2500) frente a placebo (Grupo B; n=2500) donde la variable principal es la mortalidad por un evento CV. Tras el periodo de estudio se contabilizaron 308 muertes por evento CV en el grupo A y 451 en el grupo B. Fórmula Terminología Cálculo y resultado Interpretación A B A B Riesgo (incidencia, proporción) grupo intervención Riesgo (incidencia, proporción) grupo control RAR (Reducción Absoluta del Riesgo o Diferencias de Riesgo) 1/(A B) NNT (Número necesario a Tratar) = 1/RAR A/B RR (Riesgo Relativo o Razón de Riesgos) A /B OR (Odds Ratio) (0,123/0,877)/(0,180/0,820) = 0,636 [(A B)/B]X100 RRR (Reducción Relativa del Riesgo) = 1 RR 308/2500 = 0,123 (12,3 %) El riesgo de morir por un evento CV en el grupo A es del 12,3 % 451/2500 = 0,180 (18,0 %) El riesgo de morir por un evento CV en el grupo B es del 18,0 % 0,123 0,180 = 0,057 (5,7 %) El tratamiento ha reducido la mortalidad en un 5,7% en términos absolutos. 1/0,057 = 17,42=18 Es necesario tratar a 18 sujetos para que uno evite la muerte. 0,123/0,180 = 0,683 Por cada 100 pacientes que fallece en el grupo control fallecen 68 en el de intervención. (0,057/0,180)x100 = 31,7% Odds de A = A (casos/no casos grupo intervención) Odds de B = B (casos/no casos grupo control) La odds de fallecimientos en el grupo de intervención es 0,6 veces la odds del grupo control. El tratamiento ha reducido la mortalidad en un 31,7% en términos relativos.
45 Medidas absolutas RAR y NNT RAR: Es la diferencia de proporción entre el grupo control y el grupo de estudio. Es la forma más simple de expresar la diferencia de eficacia entre los grupos estudiados. Base de cálculo para el NNT
46 Medidas absolutas: NNT NNT: número necesario de pacientes a tratar para producir una unidad adicional de eficacia con respecto al control. Es un número entero por lo que siempre debemos redondear al alza. VENTAJAS DE ESTA MEDIDA: Dimensiona el grado de eficacia del fármaco Expresa el grado de esfuerzo necesario para conseguir una unidad adicional de eficacia Es útil para cálculos farmacoeconómicos
47 Ejercicio práctico RE MOBILIZE: Writing Committee: The Journal of Arthroplasty 2009; 24, 1: 1 9 Variable evaluada DABIGATRAN 220 mg/día N =604** ENOXAPARINA 30 mg/12h N =643** RAR NNT Variable compuesta: TVP prox +TVP distal + TVP + EP + Mortalidad 188 (31,1%) 163 (25,3%)
48 Ejercicio práctico RE MOBILIZE: Writing Committee: The Journal of Arthroplasty 2009; 24, 1: 1 9 Variable evaluada DABIGATRAN 220 mg/día N =604** ENOXAPARINA 30 mg/12h N =643** RAR NNT Variable compuesta: TVP prox +TVP distal + TVP + EP + Mortalidad 188 (31,1%) 163 (25,3%) +5,8 % 18 Interpretación? n? Es necesario tratar a 18 pacientes con enoxaparina para que se haya evitado el evento de la variable compuesta en uno de ellos.
49 Ejercicio práctico RE MOBILIZE: Writing Committee: The Journal of Arthroplasty 2009; 24, 1: 1 9 Variable evaluada DABIGATRAN 220 mg/día N =604** ENOXAPARINA 30 mg/12h N =643** RAR NNT Variable compuesta: TVP prox +TVP distal + TVP + EP + Mortalidad 188 (31,1%) 163 (25,3%) +5,8 % 18 Interpretación? n? Es necesario tratar a 18 pacientes con enoxaparina en lugar de con Dabigatran para que se haya evitado el evento de la variable compuesta en uno de ellos.
50 Medidas relativas: concepto de RR CONSUMO EXTRA DE VITAMINA C GRUPO A no Casos de gripe si GRUPO B 56% 45% RR=0,45/0,56= 0,8 Por cada 100 pacientes que contraen la gripe en el grupo A (que no recibió dosis extra de vitamina C) 80 la contraen el grupo B (que recibió dosis extra de vitamina C) El RR toma valores entre 0 e infinito. El valor 1 es el valor neutro y significa que no hay diferencias entre los grupos comparados. Cuando nos acercamos al valor 0 o a un valor muy superior a 1, significa que la diferencia entre grupos és muy grande. En general en la fórmula de cálculo del RR: riesgo del grupo de intervención estándard se situa en el denominador y el del grupo intervención en el numerador.
51 Medidas relativas: concepto de OR Odds. Es una razón donde el numerador es la probabilidad de que ocurra un suceso y el denominador es la probabildad de que éste no ocurra. Odds de B = p 1 /(1-p 1 ) 3,3% / 96,7% = 0,0341 Odds de A = p 2 /(1-p 2 ) 10,9% / 89,1% = 0,1223 Odds Ratio: Variable de comparación. La división de la odds de un grupo entre la odds de otro grupo es una razón de odds...difícil de interpretar OR = p 1 / (1-p 1 ) : p 2 /(1-p 2 ) 0,0341/0,1223 = 0,28 Cálculo de Odds ratio a partir de una tabla 2x2 La odds de exitos Exito en Fracaso el grupo Grup a = 298 b = de intervención Grup cont c = 202 es d 1,45 = 248 veces 450 la odds del grupo 500 control OR= 1,45
52 Medidas relativas: relación n RR y OR El RR es un cociente o relación de proporciones y la OR es un cociente o relación de dos odds. Expresan lo mismo, pero usan dos escalas numéricas diferentes, las proporciones oscilan entre 0 y 1 y las odds entre 0 e infinito. En general los resultados expresados en OR tendrán valores más extremos (más cercano de 0 o más cercano a infinito) que los expresados en RR.
53 Medidas relativas: RRR CONSUMO EXTRA DE VITAMINA C GRUPO A no Casos de gripe si GRUPO B 56% 45% RR=0,45/0,56= 0,8 RRR= (1 0,8)*100= 20% La Reducción del Riesgo Relativo (RRR) es el complemento del riesgo relativo, es decir, (1-RR)* 100. En nuestro ejemplo anterior el RRR sería del 20%. Su interpretación correcta: El consumo extra de vitamina C reduciría el riesgo de gripe un 20% en términos relativos con respecto al grupo control.
54 Significación n estadística: stica: Pruebas estadísticas sticas Pruebas estadísticas para la comparación de variables Pruebas clásicas Variables cuantitativas: Comparación de medias: t de student, F de Snedecor Comparación de medianas: Prueba T de Wilcoxon Variables categóricas: Binarias: Prueba z 2 o más categorías. Prueba de X 2 Análisis multivariante Diferencia?
55 Diferencia? EECC Aleatorización Es suficiente para garantizar que los grupos de mi estudio son comparables/controlar otros factores predictores de la respuesta? Sí Pruebas estadísticas sticas clásicas No Análisis multivariante
56 Significación n estadística: stica: Pruebas estadísticas sticas Pruebas estadísticas para la comparación de variables Pruebas clásicas Variables cuantitativas: Comparación de medias: t de student, F de Snedecor Comparación de medianas: Prueba T de Wilcoxon Variables categóricas: Binarias: Prueba z 2 o más categorías. Prueba de X 2 Análisis multivariante Permiten garantizar que la respuesta está relacionada exclusivamente con la intervención de estudio Permiten evaluar el grado de significación de una diferencia a través del Valor p o el IC.
57 Significación n estadística: stica: Contraste de hipótesis (valor p) Valor p Es la probabilidad de error al comparar dos o más muestras o grupos cuando aseguramos que ambos son diferentes. Es la probabilidad en el sentido de la significación estadística. < 0.05 significa que tenemos un 5% de probabilidades de error en las conclusiones, por lo cual la probabilidad de equivocarnos es baja.
58 Significación n estadística: stica: Contraste de hipótesis (valor p) Hipótesis nula H 0 : Las diferencias encontradas se deben al azar Hipótesis Alternativa H 1 : Hipótesis de estudio: Las diferencias se deben a la intervención Error tipo Alfa: o tipo I, es rechazar una hipótesis nula verdadera. Error tipo Beta: o tipo II, es aceptar una hipótesis nula falsa Elegir un nivel de significación: nivel crítico para alfa Valor p
59 Significación n estadística: stica: Intervalo de confianza (IC) IC Es el rango de valores en el que se encuentra el verdadero valor con un determinado grado de confianza. Habitualmente se escoge un grado de confianza del 95% Lenguaje estadístico: Si repitiéramos 100 veces el ensayo, en un 95 % de los casos el resultado se encontraría en dicho intervalo.
60 Significación n estadística: stica: valor p vs IC Valor p: Probabilidad de que sea cierto IC: Magnitud del resultado y el intervalo en que se encuentra Puede relacionarse con la relevancia clínica: incluye/excluye el mínimo valor considerado de relevancia clínica.
61 Significación n estadística: stica: valor p vs IC IC 95% p=0.002 Diferencias significativas p=0.05 Diferencias significativas p=0.2 Diferencias no significativas: No muestra superioridad 0 Diferencias entre los tratamientos (RAR)
62 Relevancia clínica IC 95% Diferencias significativas y no relevantes Diferencias no significativas y no relevantes Diferencias significativas y relevantes Diferencias significativas pero no concluyentes 0 δ * =Diferencia clínicamente relevante Diferencias entre los tratamientos (RAR)
63 Relevancia clínica En sayos de superioridad: Sólo quieren demostrar que existe diferencia Queda en manos del evaluador valorar la relevancia cínica de la diferencia. Ensayos de no inferioridad o equivalencia: Estiman previamente una diferencia clínicamente relevante (δ). Se intentan demostrar que la diferencia del nuevo tratamiento frente al estándar por lo menos no es clínicamente relevante
64 Conclusiones Es importante conocer qué tipo de variable y de distribución de la mismo se está utilizando en un EEC C para poder valorar si el análisis estadístico se hace adecuadamente. En todo EECC encontraremos una parte de análisis descriptivo de los grupos que es imprescindible para verificar que los dos grupos son comparables. La utilización de gráficos tiene la ventaja de sintetizar mucha información pero puede ser una herramienta de manipulación para sobrevalorar el valor de las variables. A la hora de realizar el análisis comparativo lo primero es la cuantificación de diferencias. La mayor parte de estudios miden respuestas que son variables categóricas binarias, en este caso la utilización del RAR y del NNT es lo más adecuado.
65 Conclusiones El RAR es la manera de cuantificar la diferencia de riesgos entre dos grupos de manera más objetiva y fácilmente interpretable. El NNT se calcula a partir del RAR y es un índice muy útil para valorar la diferencia porque expresa el grado de esfuerzo necesario para conseguir una unidad adicional de eficacia. La significación estadística de una diferencia puede evaluarse a través del valor p y el IC. El IC tiene la ventaja adicional de que nos puede confirmar la relevancia clínica si nos ofrecen un valor delta o diferencia mínima clínicamente relevante.
66 Muchas gracias!!!
El Método Científico. Metodología de Investigación. Te sifón Parrón
El Método Científico Metodología de Investigación Te sifón Parrón Bioestadística Para qué sirve la Bioestadística? DESCRIPTIVA Sistematización, recogida, ordenación y presentación de los datos referentes
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 detallesMEDIDAS DE RESULTADOS DE LOS SUPERVIVENCIA. PONENTE Raúl García Estepa Isabel M. Martínez Férez 11 de Mayo de 2015
MEDIDAS DE RESULTADOS DE LOS ENSAYOS CLÍNICOS Y ANÁLISIS DE SUPERVIVENCIA PONENTE Raúl García Estepa Isabel M. Martínez Férez 11 de Mayo de 2015 CONTENIDOS PARTE I Tipos de variables Medidas de resultados
Más detallesESTADÍSTICA I. Dr. Favio Murillo García
ESTADÍSTICA I Dr. Favio Murillo García Objetivos generales Formar habilidades para que el estudiante sea capaz de identificar tipos de variables y sistematizar datos para la construcción de bases de información.
Más detallesLECTURA CRITICA: ENSAYO CLINICO
LECTURA CRITICA: ENSAYO CLINICO Presenta: Dr. David Rigau (Centre Cochrane Iberoamerica-Barcelona). Curs Introducció a la metodologia de la recerca (I) 10 Febrer de 2011 No se trata de una sesión teórica.
Más detallesMEDIDAS DE RESULTADOS DE LOS ENSAYOS CLÍNICOS
MEDIDAS DE RESULTADOS DE LOS ENSAYOS CLÍNICOS María Dolores Vega Coca Especialista en Farmacia Hospitalaria Agencia de Evaluación de Tecnologías Sanitarias de Andalucía (AETSA) Jornada previa de apoyo
Más detallesANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS
ANÁLISIS DESCRIPTIVO DE LOS DATOS DE VARIABLES CUANTITATIVAS 3datos 2011 Variables CUANTITATIVAS Números con unidad de medida (con un instrumento, o procedimiento, de medición formal) Ej.: Tasa cardiaca;
Más detallesEl Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar?
El Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar? OBJETIVOS Comprender la lógica que rige la realización de los cálculos, relativos al tamaño de la muestra, en estudios clínicos La Cuestión Clave
Más detalles10/02/2015. Ángel Serrano Sánchez de León
Ángel Serrano Sánchez de León 1 Índice Introducción Variables estadísticas Distribuciones de frecuencias Introducción a la representación gráfica de datos Medidas de tendencia central: media (aritmética,
Más detallesAnálisis estadístico de datos cualitativos
Análisis estadístico de datos cualitativos Estudio de metoprolol. 395 pacientes. Mortalidad 7,3%. Placebo 62/697 vs Grupo Metoprolol 40/698 Placebo 8,9% vs Metoprolol 5,7% Muerte no Metoprolol 40 658 698
Más detallesDr. Reynaldo Carvajal Ortiz
1. CARÁCTER DE LA REALIDAD 2. NO HAY EFECTO SIN CAUSA CAUSA t EFECTO EXPOSICIÓN TRATAMIENTOS DESCENLACE VARIABLE RESPUESTA CAUSA t EFECTO EXPOSICIÓN COMPUESTOS ARSENICALES QUÍMICOS NO ARSENICALES DESCENLACE
Más detallesEstadística descriptiva y métodos diagnósticos
2.2.1. Estadística descriptiva y métodos diagnósticos Dra. Ana Dorado Díaz Consejería de Sanidad Diplomado en Salud Pública Diplomado en Salud Pública - 2 Objetivos específicos 1. El alumno aprenderá a
Más detallesCURSO VIRTUAL. Acceso a fuentes de información y manejo de redes sociales. Módulo 2
CURSO VIRTUAL Acceso a fuentes de información y manejo de redes sociales Módulo 2 OBJETIVOS Conseguir que el alumno adquiera conocimientos estadísticos que le permitan una lectura comprensiva de la metodología
Más detallesLas herramientas básicas de la epidemiología analítica: Medidas de asociación y significación estadística
Las herramientas básicas de la epidemiología analítica: Medidas de asociación y significación estadística Mexico, junio 2007 Stephen Benoit, MD, MPH International Research and Programs Branch Division
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
Más detallesDISEÑOS EPIDEMIOLOGICOS MONICA LUNA MG. EPIDEMIOLOGIA
DISEÑOS EPIDEMIOLOGICOS MONICA LUNA MG. EPIDEMIOLOGIA DISEÑOS EPIDEMIOÓGICOS Estudios Observacionales Descriptivos Analíticos Estudios Experimentales Ensayos Clínicos controlados ESTUDIOS DE CASOS Y CONTROLES
Más detallesDr. Ignacio Tobia González Miembro Tiular SAU Especialista Estadística aplicada a Ciencias de la Salud. UBA
Dr. Ignacio Tobia González Miembro Tiular SAU Especialista Estadística aplicada a Ciencias de la Salud. UBA Por qué estadística? Describir y analizar datos. Buscar asociaciones y causalidad. Determinar
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 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 detallesÁREAS DE LA ESTADÍSTICA
QUÉ ES LA ESTADÍSTICA? Es el arte de realizar inferencias y sacar conclusiones a partir de datos imperfectos. ÁREAS DE LA ESTADÍSTICA Diseño: Planeamiento y desarrollo de investigaciones Descripción: Resumen
Más detallesRecopilación: Camerina Laura Ramírez G. ESTADÍSTICA. Recopilación: Camerina Laura Ramírez G.
ESTADÍSTICA DEFINICIÓN La Estadística es una disciplina que utiliza recursos matemáticos para organizar y resumir una gran cantidad de datos obtenidos de la realidad, e inferir conclusiones respecto de
Más detallesEficacia y efectividad
Eficacia y efectividad Ensayos de superioridad Conceptos claves y utilidades prácticas Variables. Expresión n de resultados. Metanálisis Francesc Puigventós Servei de Farmàcia. Hospital Universitari Son
Más detalles1. La investigación en ciencias humanas y de la salud 2. Variables y su medida 3. Escalas de medida (EM) 4. Propiedades de las EM
TEMA I: Introducción a la Teoría de la Medición IMADIL 2013-2014 Ignacio Martín, José Luis Padilla 1 Índice 1. La investigación en ciencias humanas y de la salud 2. Variables y su medida 3. Escalas de
Más detallesCátedra: Estadística Técnica Facultad de Ingeniería UNCuyo. Índice D. Fernández & M. Guitart TABLA DE CONTENIDOS
Cátedra: TABLA DE CONTENIDOS INTRODUCCIÓN Qué es la Probabilidad? Qué es la Estadística? La evolución histórica de la Estadística Algunos conceptos imprescindibles Fuentes de datos Tipos de datos y escalas
Más detallesBioestadística y uso de software científico TEMA 1 INTRODUCCIÓN. ESTADÍSTICA DESCRIPTIVA
Bioestadística y uso de software científico TEMA 1 INTRODUCCIÓN. ESTADÍSTICA DESCRIPTIVA Población y muestra Tipos de variable Representación gráfica Medidas que resumen una muestra o una población Medidas
Más detalles1 Resolución de algunos ejemplos y ejercicios del tema 1.
INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 1 1 Resolución de algunos ejemplos y ejercicios del tema 1. 1.1 Ejemplos Ejemplo 1 Se han medido el grup sanguíneo de 40 individuos y se han observado las
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesTema 4. Herramientas de representación gráfica
Clase 4 Tema 4. Herramientas de representación gráfica Tipos de variables y formas de representación gráfica Variables categóricas: - Medida nominal u ordinal. - Son variables discretas. En la mayoría
Más detallesTema 12: Introducción a la Estadística.
MOLEDO GUGLIOTTA VICTOR Tratamiento de los datos Tema 12: Introducción a la Estadística. Al intentar interpretar la realidad a través de las herramientas que nos aporta la Estadística, lo primero que se
Más detallesBloque 1. Contenidos comunes. (Total: 3 sesiones)
4º E.S.O. OPCIÓN A 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total: 3 sesiones) Planificación y utilización de procesos de razonamiento y estrategias de resolución de problemas, tales como
Más detallesLongitud = Calcular la media, la mediana, la moda y la desviación estándar de la muestra en Matlab.
LABORATORIO 1 LABORATORIO INFORMÁTICO Un fabricante de hormigón preparado tiene su proceso de producción bajo control. Está interesado en conocer cuál es la distribución de los valores de la resistencia
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 detallesSEMINARIO 2. Introducción a la presentación de resultados científicos
SEMINARIO 2 Introducción a la presentación de resultados científicos 1. Las variables de estudio 2. Estadística descriptiva 3. Gráficos descriptivos de las variables Histogramas Gráficos de caja-bigotes
Más detallesAnálisis de datos y gestión n veterinaria. Tema 1 Estadística descriptiva. Prof. Dr. José Manuel Perea Muñoz
Análisis de datos y gestión n veterinaria Tema 1 Estadística descriptiva Prof. Dr. José Manuel Perea Muñoz Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, de Septiembre
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com)
ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com) ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS... 1 DEFINICIONES BÁSICAS... 1 Estadística... 1 Estadística descriptiva... 1 Estadística inferencial...
Más detallesMANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL
MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL Israel J. Thuissard David Sanz-Rosa IV JORNADAS INVESTIGACIÓN COEM UNIVERSIDADES 4 de marzo de 2016 Escuela de Doctorado e Investigación. Vicerrectorado
Más detallesUna vez que tenga la información de la muestra ordenada, se pueden emitir conclusiones finales.
La estadística forma parte de un proceso de investigación, lo que hace es exponer y analizar los datos de un proceso de investigación, en ciencias de la salud no podemos ante un suceso presuponer cuales
Más detallesEL CÁLCULO DE LA MUESTRA SE BASA EN EL DISEÑO DE ESTUDIO, MEDIANTE CARACTERÍSTICAS QUE SE CONOCEN EN LA POBLACIÓN
VALIDEZ INTERNA EL CÁLCULO DE LA MUESTRA SE BASA EN EL DISEÑO DE ESTUDIO, MEDIANTE CARACTERÍSTICAS QUE SE CONOCEN EN LA POBLACIÓN Existen fórmulas que nos permiten calcular la muestra en base a características
Más detallesEstadística Descriptiva
Estadística Descriptiva 1 Qué veremos 1. OBJECTIVOS DEL CURSO. DEFINICIONES IMPORTANTES 2. TIPOS DE VARIABLES 3 5 1. Estadísticos de tendencia central 2. Estadísticos de posición 3. Estadísticos de variabilidad/dispersión
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 detallesMEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN. Lic. Esperanza García Cribilleros
MEDIDAS DE RESUMEN: MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Lic. Esperanza García Cribilleros ANÁLISIS EXPLORATORIO DE DATOS Diagrama de tallo y hojas Diagrama de caja DESCRIPCIÓN N DE LOS DATOS Tablas
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesTécnicas Cuantitativas para el Management y los Negocios
Técnicas Cuantitativas para el Management y los Negocios Contador Público Módulo I: ESTADÍSTICA DESCRIPTIVA Contenidos Módulo I Unidad 1. Introducción y conceptos básicos Conceptos básicos de Estadística.
Más detallesCapítulo 1 Probabilidades y Estadística
Capítulo 1 Probabilidades y Estadística 1 S E B A S T I Á N M A L D O N A D O A S I G N A T U R A : I N 3 4 0 1 S E M E S T R E O T O Ñ O, 2 0 1 0 Conceptos Preliminares Estadística 2 Estadística: ciencia
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
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 detallesNúmero de Observaciones (N): cuántas observaciones serán necesarias para detectar el efecto?
Tamaño del Efecto (ej. d, 2, f, phi ): qué magnitud del efecto se trata de detectar? Número de Observaciones (N): cuántas observaciones serán necesarias para detectar el efecto? Error de Tipo I, α (Nivel
Más detallesLECTURA CRÍTICA DE LA LITERATURA MÉDICA
OBJETIVO LECTURA CRÍTICA DE LA LITERATURA MÉDICA Capacitar a los participantes en la formulación adecuada de preguntas de investigación, búsqueda de la literatura, análisis crítico de esta información,
Más detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesEstadística ESTADÍSTICA
ESTADÍSTICA La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta
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 detallesBIOSESTADÍSTICA AMIGABLE
BIOSESTADÍSTICA AMIGABLE EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 574.015195 MAR 2001 Vol. y/o Copia: Apellido Autor: Título: C. 1 (SEGÚN
Más detallesPOBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN
POBLACIÓN Y MUESTRAS EN LA INVESTIGACIÓN Adela del Carpio Rivera Doctor en Medicina UNIVERSO Conjunto de individuos u objetos de los que se desea conocer algo en una investigación Población o universo
Más detallesPrincipios de Bioestadística
Principios de Bioestadística Dra. Juliana Giménez www.cii.org.ar Nos permite Llegar a conclusiones correctas acerca de procedimientos para el diagnostico Valorar protocolos de estudio e informes Se pretende
Más detallesANÁLISIS DE DATOS. L.A. y M.C.E. Emma Linda Diez Knoth
ANÁLISIS DE DATOS 1 Tipos de Análisis en función de la Naturaleza de los Datos Datos cuantitativos Datos cualitativos Análisis cuantitativos Análisis cuantitativos de datos cuantitativos (Estadística)
Más detallesUNIVERSIDAD AUTONOMA DE SANTO DOMINGO
UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA Estadística Especializada ASIGNATURA Estadística Descriptiva Para Psicólogos (EST-225)
Más detallesUNIVERSIDAD MARÍA AUXILIADORA UMA
CARRERA PROFESIONAL DE ENFERMERIA SÍLABO DE BIOESTADÍSTICA I. DATOS GENERALES: 1.1. Carreras profesionales : Enfermería 1.2. Semestre académico : 2015 - I 1.3. Ciclo : III 1.4. Pre-requisito : Matemática
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 detallesPrueba de Hipótesis. Tipos de inferencias (2)
Prueba de Hipótesis Tipos de inferencias (2) PRUEBA DE HIPOTESIS: busca responder a una pregunta sobre el valor de un parámetro en la población (siempre utilizando los resultados de la muestra) Esta pregunta
Más detallesGráficos y tipos de variables. Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos Profesor Iván Fernando Camacho
Gráficos y tipos de variables Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos Profesor Iván Fernando Camacho Escalas de medición Variables Cualitativas Variables Cuantitativas NOMINAL
Más detallesCurso MI1 Investigación científica. Fundamentos metodológicos y estadísticos
www.metodo.uab.cat Estudios de postgrado en Metodología de la investigación en Ciencias de la Salud Curso MI1 Investigación científica. Fundamentos metodológicos y estadísticos Contenidos UD 1 Diseño de
Más detallesEstadísticas básicas y medidas epidemiológicas para la Investigación en Salud Pública
Enfoque científico de la Salud Pública Estadísticas básicas y medidas epidemiológicas para la Investigación en Salud Pública Dr. Luis Gabriel Montes de Oca Lemus Objetivos Analizar las estadísticas de
Más detallesDiseños de No- inferioridad
Diseños de No- inferioridad Ferran.Torres@uab.es 1 OBJETIVOS DEL ENSAYO CLÍNICO Demostración n de la eficacia y/o seguridad de un tratamiento (per se). ENSAYOS FRENTE A PLACEBO Evaluación n comparativa
Más detallesDESCRIPCIÓN DE DATOS. Medidas Numéricas
DESCRIPCIÓN DE DATOS Medidas Numéricas MEDIDAS DE TENDENCIA CENTRAL O POSICIÓN MEDIA ARITMÉTICA O PROMEDIO Media poblacional Cualquier característica medible de una población recibe el nombre de parámetro
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesOr O g r a g n a i n zac a ión ó y re r p e r p e r s e en e t n a t c a ión ó de d e los o da d t a o t s o TEMA 3.2
Organización y representación TEMA 3.2 Distribución de frecuencias ( tablas de frecuencias ) Representación gráfica Tablas de frecuencias Las series estadísticas deben presentarse ordenadas y clasificadas
Más detallesImportancia clínica. La importancia de la importancia
Importancia clínica La importancia de la importancia Un poco de historia Sección del avc: relevant: relevante/importante. Interés o importancia clínica (manual 2011): Se recomienda comparar los resultados
Más detallesOARI CLASE 19/05/2015. DESCRIPCIÓN CUANTITATIVA DE LOS DATOS. MEDIDAS RESUMEN
OARI CLASE 19/05/2015. DESCRIPCIÓN CUANTITATIVA DE LOS DATOS. MEDIDAS RESUMEN Licenciatura en Gestión Ambiental 2015 Estimación de estadísticos descriptivos Una descripción cuantitativa de datos incluye:
Más detalles4.1 Conceptos básicos de Estadística I
UNEDENSISCIII Unidades Docentes de la Escuela Nacional de Sanidad 4.1 Conceptos básicos de Estadística I Importancia de la Estadística en la Investigación en Salud. Análisis descriptivo de los individuos
Más detallesTema 2 Estadística Descriptiva
Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 36 alumnos de un curso de Estadística de la Universidad de Talca. En esta base de datos
Más detallesRESUMEN PROGRAMACIÓN ESTADÍSTICA I. 3. Diseñar tablas estadísticas para coleccionar y ordenar datos.
RESUMEN PROGRAMACIÓN ESTADÍSTICA I OBJETIVOS 1. Conocer los principales conceptos usados en Estadística: población, muestra e individuo. 2. Diferenciar los tres tipos de variables estadísticas: cualitativas,
Más detallesTema 1: Análisis de datos univariantes
Tema 1: Análisis de datos univariantes 1 En este tema: Conceptos fundamentales: muestra y población, variables estadísticas. Variables cualitativas o cuantitativas discretas: Distribución de frecuencias
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 7 REPRESENTACIONES GRÁFICAS SPSS incluye una amplia gama de posibilidades para realizar representaciones gráficas de variables o de procedimientos estadísticos. Antes de detallarlos, repasaremos brevemente
Más detallesFundamentos de Estadística y Simulación Básica
Fundamentos de Estadística y Simulación Básica TEMA 2 Estadística Descriptiva Clasificación de Variables Escalas de Medición Gráficos Tabla de frecuencias Medidas de Tendencia Central Medidas de Dispersión
Más detallesPREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2
PREGUNTAS TIPO EXAMEN- ESTADÍSTICA DESCRIPTIVA 2 Preg. 1. Para comparar la variabilidad relativa de la tensión arterial diastólica y el nivel de colesterol en sangre de una serie de individuos, utilizamos
Más detallesEstadísticamente significativo o clínicamente relevante?
Adolfo Figueiras Guzmán rof. Titular de edicina reventiva e Saúde ública (USC) Estadísticamente significativo o clínicamente relevante? Índice 1. 1. Introducción 2. 2. Objetivos 3. 3. Desarrollo Conceptos
Más detallesEpidemiologia Descriptiva
Epidemiologia Descriptiva Mexico, junio 2007 Stephen Benoit, MD, MPH International Research and Programs Branch Division of TB Elimination Temas Epidemiologia descriptiva Estadisticas descriptivas Medicion
Más detallesBloque 1. Contenidos comunes. (Total : 1 sesión)
3º E.S.O. 1.1.1 Contenidos 1.1.1.1 Bloque 1. Contenidos comunes. (Total : 1 sesión) Planificación y utilización de estrategias en la resolución de problemas, tales como el recuento exhaustivo, la inducción
Más detalles9.- Análisis estadísticos con R Commander
Tipos de datos - Cuantitativos: se expresan numéricamente. - Discretos: Toman valores numéricos aislados - Continuos: Toman cualquier valor dentro de unos límites dados - Categóricos o Cualitativos: No
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Medidas de Tendencia Central y de Dispersión Ciclo 2017 UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE CIENCIAS MÉDICAS FASE I, PRIMER ANO U.D. ESTADISTICA Documento elaborado por: MEDIDAS DE TENDENCIA
Más detallesBIOESTADISTICA ( ) Evaluación de pruebas diagnósticas. 1) Características del diseño en un estudio para evaluar pruebas diagnósticas.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Evaluación de pruebas diagnósticas CONCEPTOS CLAVE 1) Características del diseño en un estudio para evaluar pruebas
Más detallesIncertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos. Cómo cumplir con requisitos de la ISO 15189
Incertidumbre, Validación y Trazabilidad en el Laboratorio de Análisis Clínicos Cómo cumplir con requisitos de la ISO 15189 Calidad en mediciones químicas Validación de métodos Estoy midiendo lo que intentaba
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 8 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
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 detallesEstadística Descriptiva I
Iniciación a la Investigación Ciencias de la Salud MUI Ciencias de la Salud, UEx 25 de octubre de 2010 De qué trata? Descripción conjunto concreto de datos (sin generalizar) Clasificación Tablas de frecuencia
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detalles3 ANALISIS DESCRIPTIVO DE LOS DATOS
3 ANALISIS DESCRIPTIVO DE LOS DATOS 3.1 La tabulación de los datos 3.1.1 Tabla de distribución de frecuencias. 3.1.2 El histograma. 3.2 Medidas de tendencia central 3.2.1 La media. 3.2.2 La mediana. 3.2.3
Más detallesEstadística. Análisis de datos.
Estadística Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un
Más detallesPosibles escenarios. (a) ESTADO REAL (VERDAD) desconocido. (Error tipo II) EVIDENCIA ( DATOS) observados. Error Tipo I NO HAY ERROR NO HAY ERROR (ß)
Hipótesis Pruebas de hipótesis Son enunciados formulados como respuestas tentativas a preguntas de investigación. Walter Valdivia Miranda Instituto de investigaciones de la Altura Universidad Peruana Cayetano
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS
INTRODUCCIÓN AL ANÁLISIS DE DATOS HORARIOS: Lunes, 12:00-13:30 Martes, 8:15-9:45 Jueves, 8:15-9:45 Tema 1. Introducción. El análisis de datos dentro de la estadística. Características de los datos socioeconómicos.
Más detallesSe refiere a un conjunto de métodos para manejar la obtención, presentación y análisis de observaciones numéricas.
Diana Cobos del Angel Se refiere a un conjunto de métodos para manejar la obtención, presentación y análisis de observaciones numéricas. 1 Sus fines son describir al conjunto de datos obtenidos y tomar
Más detallesCONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS
CONTENIDOS MÍNIMOS SEPTIEMBRE. DEPARTAMENTO DE MATEMÁTICAS CONTENIDOS MÍNIMOS MATEMÁTICAS 1º ESO U.D. 1 Números Naturales El conjunto de los números naturales. Sistema de numeración decimal. Aproximaciones
Más detallesDr. Richard Mercado Rivera 18 de agosto de 2012 Matemática Elemental
Universidad de Puerto Rico Recinto de Aguadilla Programa CeCiMat Elemental Definición de conceptos fundamentales de la Estadística y la Probabilidad y su aportación al mundo moderno Dr. Richard Mercado
Más detallesUniversidad de Puerto Rico Recinto de Río Piedras Facultad de Educación Escuela Secundaria. Prontuario del Curso Estadística y Probabilidad
Universidad de Puerto Rico Recinto de Río Piedras Facultad de Educación Escuela Secundaria Prontuario del Curso Estadística y Probabilidad Preparado por:, Ed.D. I. Curso: Probabilidad y estadística, Codificación:
Más detallesConceptos de Estadística
Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Conceptos de Estadística
Más detallesEstadística Básica 1 Cuatrimestre 2012
Estadística Básica 1 Cuatrimestre 2012 La palabra Estadística procede del vocablo Estado, pues era función principal de los Gobiernos de los Estados establecer registros de población, nacimientos, defunciones,
Más detalles