Medicina basada en la evidencia Resultados
|
|
- José Ángel Soto Casado
- hace 5 años
- Vistas:
Transcripción
1 Resultados Carlos Ochoa Sangrador 14/02/2013 1
2 Tratamiento Reducción absoluta del riesgo RAR = 0,60-0,30 = 0,30 Reducción relativa del riesgo 0,6-0,3 RRR = = 0,50 0,6 Muestra Población Control Examinemos la forma de analizar los resultados de un ensayo clínico para el escenario más sencillo, cuando la medida de resultado es una variable cualitativa dicotómica (ejemplo: curarse o no curarse). En la imagen vemos un ensayo clínico con 200 pacientes, tratados con el tratamiento en estudio y con la intervención control. Los resultados muestra que la probabilidad de tener un evento adverso (ejemplo: no curarse) es 0,30 (30%) en el grupo tratado y 0,60 (60%) en el grupo control. La medida más sencilla es la Reducción Absoluta del Riesgo (RAR) que se calcula restando ambas probabilidades (RAR= 0,60-0,30=0,30; 30%). Si dividimos la RAR por la probabilidad en el grupo control obtenemos la Reducción Relativa del Riesgo (RRR), que se interpreta como la proporción de riesgo en el grupo control que se reduce con el tratamiento. 2 de 17
3 Reducción absoluta del riesgo RAR = 0,60-0,30 = 0,30 (30%) Tratamiento Reducción relativa del riesgo 0,6-0,3 RRR = = 0,50 (50%) 0,6 Muestra Población Control RAR T C RRR 0 Como vemos en el gráfico de barras la RAR expresa el efecto en términos absolutos respecto el total de la muestra, mientras que la RRR lo hace tomando como referencia el riesgo en el grupo control. La RRR tiene siempre magnitudes mayores, por lo que magnifica la apariencia del efecto, lo que interesa a menudo a los promotores de un estudio. La utilidad de las medidas relativas es que permite comparar el efecto entre estudios o intervenciones con diferente riesgo basal. 3 de 17
4 Tratamiento Otras medidas relativas frecuentemente empleadas son el riesgo relativo (RR) y la odds ratio (OR). El riesgo relativo se calcula dividiendo el riesgo en el grupo tratado por el riesgo en el grupo control. Muestra Población Control Riesgo relativo Si el riesgo en el grupo tratado es menor (el tratamiento protege) el RR es menor de uno; si el riesgo en el grupo tratado es mayor (el tratamiento perjudica) el RR es mayor de uno. RR = 0,30 0,60 = 0,5 4 de 17
5 Muestra Población Riesgo relativo RR = 0,30 0,60 = 0,5 Tratamiento Control Odds Ratio (Razón de ventajas) OR = 0,3/0,7 0,6/0,4 = 0,28 Otra medida de interpretación similar a la del riesgo relativo (RR) es la odds ratio (OR). Para calcular la OR no se dividen los riesgos sino las ventajas u odds (cociente de la probabilidad de eventos desfavorables y favorables en cada grupo). Habitualmente la OR presenta valores más extremos que el RR (más alejados de 1), tanto más extremos cuanto mayor sea el riesgo basal. Es frecuente encontrar estimaciones de OR en estudios en los que se realiza ajuste multivariante mediante regresión logística. 5 de 17
6 Tratamiento Podemos representar los valores de estas medidas (RR y OR) en una escala logarítmica cuya posición central la ocupa el valor nulo, el uno. Muestra Población Control Si el riesgo en los grupos tratados y control es igual, el valor de la RR y de la OR será uno (el tratamiento no beneficia ni perjudica). Riesgo relativo Odds Ratio RR = 0,30 0,60 = 0,5 OR = 0,3/0,7 0,6/0,4 = 0,28 0,2 0,5 < Protección No efecto >1 Riesgo 6 de 17
7 Tratamiento Muestra Población Control Los RR u OR con valores <1 (a la izquierda del uno) expresan beneficio o disminución del riesgo; si los valores son >1 (a la derecha del uno) expresan perjuicio o aumento del riesgo. En nuestro ejemplo el RR es 0,5; como es <1 parece que el tratamiento experimental podría reducir el riesgo. Cuanto más alejado de uno está el RR mayor será la reducción del riesgo; un RR de 0,5 se interpreta como que en el grupo tratado el riesgo se ha reducido a la mitad. Riesgo relativo Odds Ratio RR = 0,30 0,60 = 0,5 OR = 0,3/0,7 0,6/0,4 = 0,28 0,2 0,5 < Protección No efecto >1 Riesgo 7 de 17
8 Tratamiento Control Trato diez Beneficio a tres Diferencia de efecto Una forma muy intuitiva de expresar los resultados de un ensayo clínico es el denominado Número Necesario a Tratar (NNT). Imaginemos un ensayo en el que hemos tratado 10 pacientes con un tratamiento experimental y otros 10 con un tratamiento control. Supongamos que encontramos 3 eventos adversos en el grupo tratado y 6 en el grupo control. Hemos tenido que tratar a 10 sujetos para beneficiar a 3 (en el grupo tratado hay 3 eventos menos). Por lo tanto esa es la diferencia del efecto. Esta estimación corresponde a la reducción absoluta del riesgo (RAR = 0,60 0,30 = 0,30), que ya conocíamos. A partir de ella podemos calcular el NNT. Pero antes pasemos a la siguiente diapositiva. 8 de 17
9 Tratamiento Control NNT Trato diez Beneficio a tres Diferencia de efecto Cada 10 tratados beneficio 3 Para beneficiar a uno debo tratar 3,33 Número Necesario a Tratar Si para beneficiar a tres sujetos hemos tenido que tratar a diez, a cuantos tendríamos que tratar para beneficiar a uno? Esto se calcula dividiendo los diez tratados entre los tres beneficiados (10/3 = 3,33; aproximadamente tres). Esta medida se denomina Número Necesario a Tratar y se puede calcular directamente a partir del inverso de la RAR. Resulta muy intuitiva porque es fácilmente trasladable a la práctica clínica y sobre ella podemos estimar el coste de un evento evitado. RAR y NNT deben ser calculados en todo ensayo clínico con medidas de resultado cualitativas dicotómicas. 1 1 NNT = = = 3,33 (aproximadamente 3) RAR 0,30 9 de 17
10 Unidades Puntuaciones medias 3,1 T C 1,8 Diferencia de medias 1,3 Hasta ahora hemos repasado la medición del efecto para variables cualitativas dicotómicas. El análisis es más simple cuando la medida de resultado es una variable cuantitativa, que se traduce para cada sujeto de estudio en una cifra referida a unidades de medida estándar. Para estas variables calculamos las medidas de tendencia en cada grupo (T tratamiento y C control), que en el caso de variables de distribución normal serán las medias. La estimación del efecto se obtiene directamente de la Diferencia de Medias (DM), que se calcula restando ambas medias (DM = 3,1 1,8 = 1,3). 10 de 17
11 Precisión < 1 1 > 1 Protección RR Precisión? 0,2 0,5 2 5 No efecto Riesgo Anteriormente habíamos calculado para nuestro estudio un riesgo relativo (RR) de 0,5. Recordemos que esa estimación la habíamos hecho en una muestra de 200 sujetos, a de ellos les habíamos aplicado un tratamiento experimental y a otros un tratamiento control. Pero como sólo hemos estudiado a 200 sujetos debemos asumir que nuestra estimación está sujeta a cierto grado de error. Este error será tanto menor cuanto mayor sea la muestra, pero nunca será cero. Por ello una vez que hemos calculado cualquier estimador de efecto (RR, OR, RAR, RRR, NNT, DM), debemos estimar su precisión. Esto se hace estimando su intervalo de confianza. 11 de 17
12 Bolsa con caramelos? 0 10% 20% 30% 40% 50% 60% 70% 80% 90% % Porcentaje caramelos naranja Intervalo de confianza Vamos a ver un ejemplo para entender el concepto de intervalo de confianza. Imaginemos una población finita representada en una bolsa de caramelos que contiene un porcentaje desconocido de caramelos de sabor naranja. Extraemos caramelos de la bolsa al azar, obteniendo una muestra de 10 caramelos. Comprobamos que 3 de ellos son de naranja (30%). Ahora preguntamos: qué proporción de caramelos de naranja había en la bolsa? La mejor estimación que tenemos es la obtenida en la muestra, aproximadamente un 30%. Nuestra respuesta ha sido prudente y ha introducido el término aproximadamente porque no estamos seguros al % de que esa fuera la proporción real. Pero si yo quisiera saber con un % de seguridad la proporción real, la mejor aproximación es establecer unos límites entre los que se podría situar la verdadera proporción. 12 de 17
13 Intervalo de confianza Bolsa con caramelos? 3/10 (3-93/) Para poder responder con un % de seguridad a la pregunta de qué proporción de caramelos de naranja había en la bolsa tenemos que contar con los que ya hemos extraído. Como mínimo en la bolsa había tres caramelos (los que ya hemos extraído) y como máximo podría haber 93 (todos los que quedan en la bolsa menos los siete que ya hemos extraído que no lo eran). Esos valores (3 a 93%) serían los límites del intervalo de confianza del % (estamos seguros al %). 0 10% 20% 30% 40% 50% 60% 70% 80% 90% % Porcentaje caramelos naranja Como vemos, decir que la proporción real se sitúa entre 3 y 93% es precisar muy poco, este intervalo apenas informa del valor real. 13 de 17
14 Intervalo de confianza? 3/10 (3-93/) 7/20 (7-87/) Imaginemos que en vez de diez caramelos hubiéramos extraído 20, de los que siete eran de naranja. La estimación de caramelos sería cercana a la anterior (siete de 20; 35%), pero el nuevo intervalo de confianza del % más estrecho (de 7 a 87%). Como vemos sigue siendo un intervalo poco preciso. 0 10% 20% 30% 40% 50% 60% 70% 80% 90% % Porcentaje caramelos naranja 14 de 17
15 ? Grado de probabilidad Intervalo de confianza Estimación puntual 0 10% 20% 30% 40% 50% 60% 70% 80% 90% % Porcentaje caramelos naranja 3/10 (3-93/) 7/20 (7-87/) 14/40 (14-74/) 27/20 (27-47/) Intervalo de confianza Si continuamos la progresión con muestras de tamaño creciente (40 y 80 caramelos) en los que encontramos proporciones de caramelos de naranja similares (35% y 34%), vemos que los intervalos de confianza del % van siendo más estrechos y por lo tanto más precisos. A mayor tamaño muestral encontramos mayor precisión en nuestras estimaciones e intervalos más estrechos. Es preciso advertir que en la realidad la población de la que obtener estimaciones es infinita por lo que no podemos calcular intervalos de confianza del %. Sin embargo contamos con procedimientos estadísticos que nos permiten calcular intervalos de confianza en los que aceptamos cierto grado de error. Los más comunes son los intervalos de confianza del 95%, cuyos límites encierran los valores entre los cuales se puede encontrar el valor verdadero de la población con una confianza del 95%. A cambio de asumir un 5% de error obtenemos intervalos más estrechos. 15 de 17
16 Precisión < 1 1 > 1 Protección RR 0,2 0,5 2 5 No efecto Riesgo Los ensayos clínicos deben facilitar los intervalos de confianza de sus estimaciones, habitualmente los intervalos del 95%. En la gráfica representamos la estimación puntual para el riesgo relativo de nuestro anterior ejemplo y los límites del intervalo de confianza del 95% (0,36 a 0,70). Como vemos, el intervalo de confianza no comprende la línea de referencia del valor nulo (RR=1), por lo que si decimos que el tratamiento experimental se asocia a un menor riesgo (protección) sólo asumimos un pequeño error (menor del 5%). La interpretación más ortodoxa del intervalo de confianza es que si repitiéramos veces el estudio (con muestras del mismo tamaño) el verdadero valor en la población se encontraría dentro de los límites de 95 de los intervalos calculados para cada estudio. 16 de 17
17 Precisión Resultado de Interés Grupo Sí No Total Riesgo Experimental ,30 Control ,60 Total % CI RAR 30,0% 16,9% a 43,1% RR 0,50 0,36 a 0,70 RRR 50,0% 28,1% a 71,9% OR 0,29 0,16 a 0,51 Existen múltiples herramientas de fácil manejo y acceso libre que permiten realizar los cálculos necesarios para evaluar los resultados de un ensayo clínico. En esta imagen vemos la diseñada por la Unidad de Bioestadística Clínica del Hospital Ramón y Cajal. NNT 3 2 a 6 ftp://ftp.hrc.es/pub/programas/calcu/evaluacion_tratamientos.zip Basta introducir en ella los recuentos de eventos en cada grupo (en las casillas sombreadas) para obtener los principales estimadores con sus intervalos de confianza del 95%. 17 de 17
18 Resultado de Interés Grupo Sí No Total Riesgo Experimental ,30 Control ,60 Total % CI RAR 30,0% 16,9% a 43,1% RR 0,50 0,36 a 0,70 RRR 50,0% 28,1% a 71,9% OR 0,29 0,16 a 0,51 NNT 3 2 a 6 ftp://ftp.hrc.es/pub/programas/calcu/evaluacion_tratamientos.zip Si nos fijamos en el número necesario a tratar (NNT) vemos que en el peor de los casos hay que tratar a 6 sujetos para beneficiar a 1 y en el mejor de los casos hay que tratar a 2 para beneficiar a 1. Precisión Para el riesgo relativo (RR) el intervalo de confianza va de 0,36 a 0,70, no incluyendo en sus límites el valor nulo, que para el RR es el 1; por ello, podemos decir, con una confianza del 95%, que en el grupo experimental el riesgo es menor. Para la reducción absoluta del riesgo (RAR) el intervalo de confianza va de 16,9% a 43,1%; no comprende el valor nulo, que para la RAR es el 0 (si existe el mismo riesgo en ambos grupos la diferencia de riesgos es 0). 18 de 17
Bioestadística para Reumatólogos
Bioestadística para Reumatólogos Xavier Barber Vallés Mabel Sánchez Barrioluengo Colaboradores - Umh Todos los datos que se muestran son ficticios Tablas 2x2: Riesgos Relativos y Odds ratio En cada sociedad
Más 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 detallesTEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA
TEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA LECTURA OBLIGATORIA Regresión Logística. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de la Salud. Coruña: Netbiblo. Páginas
Más detallesESTADÍSTICA. 1. Introducción. 2. Frecuencias
ESTADÍSTICA Jesús García de Jalón de la Fuente 1. Introducción La Estadística trata de describir colectividades formadas por un gran número de objetos. El conjunto de los objetos que se estudian se denomina
Más detallesJuan Carlos Colonia INFERENCIA ESTADÍSTICA
Juan Carlos Colonia INFERENCIA ESTADÍSTICA PARÁMETROS Y ESTADÍSTICAS Es fundamental entender la diferencia entre parámetros y estadísticos. Los parámetros se refieren a la distribución de la población
Más detallesMedicina Basada en la Evidencia Evaluación de pruebas diagnósticas Evaluación de resultados
Medicina Basada en Evincia Evaluación pruebas diagnósticas Evaluación resultados Car Ochoa Sangrador 29/04/2013 1 Evaluación pruebas diagnósticas Evaluación resultados tutoriales previos hemos visto que
Más detallesMedidas de en los EECC
Jornada previa Medidas de en los EECC 24 de Enero de 2011 Rosa Muñoz de la Corte Introducción OBJETIVOS Evaluar si el manejo de los datos de un EC ha sido el adecuado Interpretación resultados Introducción
Más detallesCONCEPTOS BÁSICOS DE EPIDEMIOLOGÍA Y ESTADÍSTICA APLICADAS
CONCEPTOS BÁSICOS DE EPIDEMIOLOGÍA Y ESTADÍSTICA APLICADAS Natividad de Benito Unidad de Enfermedades Infecciosas Hospital de la Santa Creu i Sant Pau Barcelona El guión v DESCRIBIR lo que pasa: ESTUDIOS
Más 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 detallesESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA
ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )
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 detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción a la estimación de parámetros
Más detallesContrastes basados en el estadístico Ji Cuadrado
Capítulo 10 Contrastes basados en el estadístico Ji Cuadrado 10.1. Introducción Existen multitud de situaciones en el ámbito de la salud en el que las variables de interés, las cuales no pueden cuantificarse
Más detallessiempre queda la duda acerca de si este
En 2016 la American Statistical Association publicó seis principios para el correcto uso e interpretación del valor p. Muchos de estos principios abordan conceptos equivocados y empleos erróneos. Los seis
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesESTADISTICA Y PROBABILIDAD ESTADÍSTICA
ESTADÍSTICA La estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comprobaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesTema 19 EPIDEMIOLOGÍA LABORAL
Tema 19 EPIDEMIOLOGÍA LABORAL QUÉ ES LA EPIDEMIOLOGÍA? Concepto de epodemiología Método epidemiológico Medidas de frecuencia Medidas de asociación Clasificación estudios epidemiológicos Epi (sobre) DEMOS
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
Más detallesINFERENCIA ESTADISTICA. Proferora: Lic. Gladis Mazza
INFERENCIA ESTADISTICA Proferora: Lic. Gladis Mazza INFERENCIA ESTADISTICA Por este proceso es posible utilizar estadísticos calculados a partir de muestras para estimar los valores de los parámetros de
Más detallesUNIVERSIDAD DE MANAGUA Al más alto nivel
UNIVERSIDAD DE MANAGUA Al más alto nivel Estadística Inferencial Encuentro #9 Tema: Estimación puntual y por Intervalo de confianza Prof.: MSc. Julio Rito Vargas A. Grupos: CCEE y ADMVA /2016 Objetivos:
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesINTERVENCIONES PREVENTIVAS, REHABILITATORIAS. Elaborado por:
INTERVENCIONES PREVENTIVAS, TERAPÉUTICAS Y REHABILITATORIAS Elaborado por: Dr. Juan José García García Algunas preguntas acerca de la necesidad de llevar a cabo una intervención Puede mejorarse la situación
Más detallesTEMA 3: MUESTREO Y ESTIMACIÓN. Estimación de la Media
TEMA 3: MUESTREO Y ESTIMACIÓN Estimación de la Media INTRODUCIÓN Supongamos que queremos estudiar una determinada característica de una población. Como vimos en el anterior power point, es muy complejo
Más detallesDISTRIBUCIONES MUESTRALES
DISTRIBUCIONES MUESTRALES Cuál es la finalidad de las distribuciones muéstrales y del método del muestreo como herramientas básicas de la estadística y qué aplicabilidad tienen en la vida cotidiana? Siendo
Más detallesEstadística Inga Patricia Juárez, 2017 MEDIDAS DE TENDENCIA CENTRAL
MEDIDAS DE TENDENCIA CENTRAL Las medidas de tendencia central nos proporcionan la descripción significativa de un conjunto de observaciones. Como su nombre lo indica, son datos de una variable que tienden
Más detallesEstadística Descriptiva 1era parte
Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Descriptiva 1era parte 1 Cuatrimestre 2018 COMISIÓN :1. Prof. Dr. Juan Ignacio Pastore. Qué es la estadística? La estadística, como
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesTema 13: Distribuciones de probabilidad. Estadística
Tema 13: Distribuciones de probabilidad. Estadística 1. Variable aleatoria Una variable aleatoria es una función que asocia a cada elemento del espacio muestral, de un experimento aleatorio, un número
Más detallesESTADÍSTICA. Tema 4 Intervalos de confianza
ESTADÍSTICA Grado en Biología Tema 4 Intervalos de confianza Javier Cárcamo Departamento de Matemáticas Universidad Autónoma de Madrid javier.carcamo@uam.es Javier Cárcamo Estadística. Tema 4: Intervalos
Más detallesPreguntas más Frecuentes: Tema 8
Preguntas más Frecuentes: Tema 8 Pulse sobre la pregunta para acceder directamente a la respuesta 1. En el ejemplo 8.1, por qué se escoge n =?. En el ejemplo 8.1, si n fuera igual a 3 habría que obtener
Más detallesCap 7 Intervalos de Confianza
Cap 7 Intervalos de Confianza Mate 3015 7.1-1 INTERVALOS DE CONFIANZA PARA UNA PROPORCIÓN 7.1-2 Estadísticas inferencial Ahora discutimos estadística inferencial -el proceso de generalizar la información
Más detallesLa más famosa de las campanas
La más famosa de las campanas Dice el diccionario que una campana es un dispositivo simple que emite un sonido. Pero una campana puede ser muchas cosas más. Creo que hay hasta una planta con ese nombre
Más detallesUNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro)
UNIDAD 12.- Estadística. Tablas y gráficos (tema12 del libro) 1. ESTADÍSTICA: CLASES Y CONCEPTOS BÁSICOS En sus orígenes históricos, la Estadística estuvo ligada a cuestiones de Estado (recuentos, censos,
Más detallesMatemática Aplicada y Estadística - Farmacia Soluciones del Primer Examen Parcial - Grupo 3
1. Se está haciendo un estudio de medicamentos diferentes que contienen un principio activo común La distribución de frecuencias se indica en la tabla que sigue: Cantidad de sustancia mg [10,20 [20,30
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 detallesPráctica 2. Tratamiento de datos
Errores Todas las medidas que se realizan en el laboratorio están afectadas de errores experimentales, de manera que si se repiten dos experiencias en las mismas condiciones es probable que los resultados
Más detallesTema 9: Estadística descriptiva
Tema 9: Estadística descriptiva Matemáticas específicas para maestros Grado en Educación Primaria Matemáticas específicas para maestros Tema 9: Estadística descriptiva Grado en Educación Primaria 1 / 47
Más detallesFacultad de Medicina Título: Utilidad clínica de la tabla 2x2
1 UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO Facultad de Medicina Título: Utilidad clínica de la tabla 2x2 Unidad de Aprendizaje: Bioestadística Programa educativo: Médico Cirujano Espacio académico: Faculta
Más detallesDistribuciones Fundamentales de Muestreo. UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides
Distribuciones Fundamentales de Muestreo UCR ECCI CI-0115 Probabilidad y Estadística Prof. Kryscia Daviana Ramírez Benavides Distribuciones Muestrales La distribución de probabilidad de un estadístico
Más detallesLectura crítica de información científica biomédica
Lectura crítica de información científica biomédica Elsa González Lagos, MD Facultad de Medicina & Instituto de Medicina Tropical Alexander von Humboldt - UPCH Recursos para búsqueda de información Contenidos
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
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 detallesFUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M.
FUNCIONES DE UNA VARIABLE Julián de la Horra Departamento de Matemáticas U.A.M. 1 Introducción Una de las primeras necesidades que surgen en las Ciencias Experimentales es la de poder expresar, aproximadamente,
Más detallesMEDIDAS. Error accidental. Error Sistemático. Cantidad de la magnitud A. Número, MEDIDA. Cantidad de la magnitud A tomada como referencia.
MEDIDAS Cantidad de la magnitud A Número, MEDIDA Cantidad de la magnitud A tomada como referencia. UNIDAD Las mediciones no son perfectas. Llevan asociadas un determinado error, una incertidumbre. Los
Más detallesAnálisis en los estudios epidemiológicos VI Indicadores de riesgo
Análisis en los estudios epidemiológicos VI. Departamento de Investigación Fuden I. INTRODUCCIÓN. Concluimos con este capitulo el análisis de los estudios epidemiológicos. En los capítulos anteriores hemos
Más detallesArtículo de los payasos
Artículo de los payasos (Página 30 a 3 del libro de Técnica estadística y diseño de investigación) Utilizando los datos de la tabla 3 podemos completar la siguiente información (valores p de probabilidad
Más detallesInterpretación de pruebas estadísticas y epidemiológicas. César A. Gutiérrez Villafuerte
Interpretación de pruebas estadísticas y epidemiológicas César A. Gutiérrez Villafuerte Población (N) Parámetros Muestreo Inferencia Muestra (n) s p x Estadísticos Hipótesis Estadística Es una proposición
Más detallesIng. Eduard del Corral Cesar Carpio
República Bolivariana de Venezuela Ministerio del Poder Popular para la Educación Superior Universidad Nacional Experimental Romúlo Gallegos Ingeniería Informática Área de Sistemas Cátedra: Métodos Numéricos.
Más detallesLectura crítica de información científica biomédica. Elsa González Lagos
Lectura crítica de información científica biomédica Elsa González Lagos Contenidos Recursos para búsqueda de información Pautas para lectura crítica Diseños de estudio y jerarquía de información Evaluación
Más detallesPREGUNTAS TIPO EXAMEN. 1. Cuál de las siguientes medidas es una medida de Centralización?
PREGUNTAS TIPO EXAMEN 1. Cuál de las siguientes medidas es una medida de Centralización? a) La desviación típica d) Ninguna respuesta es correcta 2. Disponemos de una variable aleatoria que recoge el peso
Más detallesINTERACCION NECESIDADES CLINICAS ESPECIFICACIONES DE CALIDAD TECNICAS / ANALITICAS
INTERACCION NECESIDADES CLINICAS ESPECIFICACIONES DE CALIDAD TECNICAS / ANALITICAS 2 Factores a considerar Que prueba seleccionó el medico?? Que Impresión diagnostica tiene?? Que espera el Medico del resultado??
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS ORIENTACIONES (TEMA Nº 8) TEMA Nº 8 ESTIMACIÓN
OBJETIVOS DE APRENDIZAJE: TEMA Nº 8 ESTIMACIÓN Conocer las relaciones entre muestra, análisis estadístico descriptivo y análisis estadístico inferencial. Conocer los conceptos de muestra aleatoria y muestra
Más detallesTEMA 5 Estadística descriptiva. Análisis de datos
TEMA 5 Estadística descriptiva. Análisis de datos Florence Nightingale (1820-1910) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales 3.
Más detallesTEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES
TEMA 7 EL MODELO DE LA CURVA NORMAL. CONCEPTO Y APLICACIONES 1. Puntuaciones diferenciales y puntuaciones típicas 2. La curva normal 3. Cálculo de áreas bajo la curva normal 3.1. Caso 1: Cálculo del número
Más detallesPROGRAMA DE ESTUDIOS 1. DATOS DE IDENTIFICACIÓN
UNIVERSIDAD AUTÓNOMA DE SINALOA SECRETARÍA ACADÉMICA UNIVERSITARIA Coordinación General de Evaluación, Innovación y Calidad Educativa UNIDAD ACADEMICA FACULTAD DE MEDICINA PROGRAMA DE ESTUDIOS 1. DATOS
Más detallesLa probabilidad y otras mentiras
La probabilidad y otras mentiras Ejercicios tres y cuatro de selectividad. Todo esto de la probabilidad comenzó con la intención, de dado un experimento aleatorio, (es decir, un experimento el cual, repetido
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 detallesUNIDAD DIDÁCTICA 4: Indicadores de gestión clínica utilizando GRDs. Acercamiento al coste por proceso
UNIDAD DIDÁCTICA 4: Indicadores de gestión clínica utilizando GRDs. Acercamiento al coste por proceso Autor: Miguel J. Rodríguez Gómez Índice Página OBJETIVOS. 3 CONTENIDO. 4 1. Indicadores de gestión
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 detallesSoluciones a los nuevos ejercicios propuestos
Soluciones a los nuevos ejercicios propuestos 1 Soluciones a los nuevos ejercicios propuestos 1. Sea X la cantidad de calcio en sangre del paciente (en mg. por cada 100 ml. de sangre). X N(µ, σ 2 ). Tenemos
Más detallesUNIDAD 1. NÚMEROS. (Página 223 del libro) Nivel II. Distancia. Ámbito Científico Tecnológico.
UNIDAD 1. NÚMEROS. (Página 22 del libro) Nivel II. Distancia. Ámbito Científico Tecnológico. Clasificación de los números Números naturales son aquellos que utilizamos para contar. N = 0,1,2,,,5,6, Números
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
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 detallesMODELOS MATEMÁTICOS PARA CIENCIAS EXPERIMENTALES
Julián de la Horra Navarro Catedrático de Estadística Departamento de Matemáticas Universidad Autónoma de Madrid MODELOS MATEMÁTICOS PARA CIENCIAS EXPERIMENTALES Con la solución detallada de todos los
Más detallesExperimento determinista. Experimento aleatorio. Espacio muestral. Suceso elemental. Suceso seguro. Suceso imposible.
86464 _ 04-047.qxd //07 09:4 Página 4 Probabilidad INTRODUCCIÓN El estudio matemático de la probabilidad surge históricamente vinculado a los juegos de azar. Actualmente la probabilidad se utiliza en muchas
Más detallesMEDICINA BASADA EN EVIDENCIA. Dr. med. José Gerardo González Gonz. Fac. Medicina, UANL.
MEDICINA BASADA EN EVIDENCIA Dr. med. José Gerardo González Gonz. Fac. Medicina, UANL. MEDICINA BASADA EN EVIDENCIA CONTENIDO 6: MBE: Lectura crítica. Estudios sobre terapéutica. Desenlaces. Morbimortalidad.
Más detallesNombre: Curso: Fecha:
REPASO Y APOYO RECONOCER Y DIFERENCIAR LOS CONCEPTOS DE POBLACIÓN Y MUESTRA OBJETIVO 1 La Estadística es la ciencia encargada de recoger, analizar e interpretar los datos relativos a un conjunto de elementos.
Más detallesTercera práctica de REGRESIÓN.
Tercera práctica de REGRESIÓN. DATOS: fichero practica regresión 3.sf3 1. Objetivo: El objetivo de esta práctica es aplicar el modelo de regresión con más de una variable explicativa. Es decir regresión
Más detallesESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL.
ESTIMACIÓN DE PARÁMETROS. INTERVALOS DE CONFIANZA PARA LA MEDIA POBLACIONAL. Un intervalo de confianza, para un parámetro poblacional θ, a un nivel de confianza 1 α 100 %, no es más que un intervalo L
Más detalles1, 2, 2, 3, 1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 2, 1, 1, 4, 1
8 Estadística 81 Distribuciones unidimensionales Tablas de frecuencias En este tema nos ocuparemos del tratamiento de datos estadísticos uestro objeto de estudio será pues el valor de una cierta variable
Más detallesEstadística Descriptiva 2da parte
Universidad Nacional de Mar del Plata Facultad de Ingeniería Estadística Descriptiva 2da parte 2 Cuatrimestre 2018 COMISIÓN :1. Prof. Dr. Juan Ignacio Pastore. Qué es la estadística? El contenido de la
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION UNIDAD DE EPIDEMIOLOGIA CLINICA UNIVERSIDAD PERUANA CAYETANO HEREDIA HOSPITAL NACIONAL CAYETANO HEREDIA EVALUANDO EL EFECTO DE UN TRATAMIENTO EL EFECTO ES RESULTADO DE UN ESTUDIO
Más detallesControl Estadístico de Procesos. Medidas de Tendencia Central
Control Estadístico de Procesos Medidas de Tendencia Central Una característica importante de cualquier población es su posición, es decir, donde está situada con respecto al eje de abscisas (Eje horizontal).
Más detallesCURSO DE MÉTODOS CUANTITATIVOS I
CURSO DE MÉTODOS CUANTITATIVOS I TEMA VI: INTRODUCCIÓN AL MUESTREO Ing. Francis Ortega, MGC Concepto de Población y Muestra POBLACIÓN (N) Es el conjunto de todos los elementos de interés en un estudio
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
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 detallesErrores en las medidas
Reglas para expresar una medida y su error Medidas directas Medidas indirectas Errores en las medidas Reglas para expresar una medida y su error Toda medida debe de ir seguida por la unidad, obligatoriamente
Más detallesEstimación. Introducción. Sea X la variable aleatoria poblacional con distribución de probabilidad f θ donde. es el parámetro poblacional desconocido
Tema : Introducción a la Teoría de la Estimación Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f θ (x), donde θ Θ es el parámetro poblacional desconocido Objetivo:
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesEstadística aplicada a la comunicación
Estadística aplicada a la comunicación Tema 6: Análisis de datos cuantitativos II: introducción a la estadística inferencial OpenCourseWare UPV/EHU Unai Martín Roncero Departamento de Sociología 2 unai.martin@ehu.eus
Más detallesNotas de clase Estadística R. Urbán R.
Inferencia estadística Sabemos que una población puede ser caracterizada por los valores de algunos parámetros poblacionales, por ello es lógico que en muchos problemas estadísticos se centre la atención
Más detallesJuan Carlos Colonia DISTRIBUCIONES MUESTRALES
Juan Carlos Colonia DISTRIBUCIONES MUESTRALES POBLACIÓN Es el conjunto de individuos u objetos que poseen alguna característica común observable y de la cual se desea obtener información. El número de
Más detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesESTADÍSTICA CON EXCEL
ESTADÍSTICA CON EXCEL 1. INTRODUCCIÓN La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesLa prueba extraordinaria de septiembre está descrita en los criterios y procedimientos de evaluación.
La prueba extraordinaria de septiembre está descrita en los criterios y procedimientos de evaluación. Los contenidos mínimos de la materia son los que aparecen con un * UNIDAD 1: LOS NÚMEROS NATURALES
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 detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesMuchas variables aleatorias continuas presentan una función de densidad cuya gráfica tiene forma de campana.
Página 1 de 7 DISTRIBUCIÓN NORMAL o campana de Gauss-Laplace Esta distribución es frecuentemente utilizada en las aplicaciones estadísticas. Su propio nombre indica su extendida utilización, justificada
Más detallesCurso Inferencia. Miguel Ángel Chong R. 10 de septiembre del 2013
Curso Estadística Miguel Ángel Chong R. miguel@sigma.iimas.unam.mx 10 de septiembre del 013 Distribución de la diferencia de medias muestrales cuando se conoce la varianza poblacional. En muchas situaciones
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 detallesÁlgebra Lineal. Tema 12. Mínimos cuadrados II. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas
Álgebra Lineal Tema 2 Mínimos cuadrados II Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J S ALAS, A T ORRENTE Y EJS V ILLASEÑOR Índice general
Más detallesIMADIL /10/2014
TEMA 3: Características estadísticas fundamentales (Segunda parte: Dispersión y forma) Ignacio Martín y José Luis Padilla IMADIL 2014-2015 2 POSICIÓN DISPERSIÓN ESTADÍSTICOS SIMETRÍA APUNTAMIENTO 3. ESTADÍSTICOS
Más detallesTema 12: Distribuciones de probabilidad
Tema 12: Distribuciones de probabilidad 1. Variable aleatoria Una variable aleatoria X es una función que asocia a cada elemento del espacio muestral E, de un experimento aleatorio, un número real: X:
Más detallesLA PUNTUACIÓN DE LA PRUEBA SERÁ LA SIGUIENTE: Números... 3 puntos. BLOQUE II El lenguaje algebraico,ecuaciones y sistemas...
TERCERO DE E.S.O. MATEMÁTICAS ACADÉMICAS BLOQUE I. NÚMEROS. U. D. 1. NÚMEROS RACIONALES. 1.1. Repaso de números naturales y enteros. 1.2. Introducción al número fraccionario como parte de la unidad. 1.3.
Más detallesMedidas de IMPACTO. Dr. Gerardo Rubiera López
Medidas de IMPACTO Medidas de impacto Las medidas basadas en las diferencias: Diferencia absoluta de riesgo (exceso o reducción) Diferencia relativa de riesgo (fracción atribuible o reducción relativa)
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detalles