Guia Metodologica Inv CCSS PDF

Gua Metodolgica
de Investigacin en
Ciencias de la Salud
Escritura cientfica en clnica
Bioestadstica aplicada en Ciencias de la Salud
Bsqueda bibliogrfica en Internet segn la Medicina Basada en la Evidencia
Dr. Jacobo Daz Portillo

Dr. Toms Orgaz Morales
Dr. J. Enrique Roviralta Arango
Gua del Curso de Metodologa de Investigacin en Ciencias de la Salud
Coordinador de Formacin Continuada
Hospital Universitario de Ceuta
Profesor del contenido terico del curso

Facultativo Especialista en Anlisis Clnicos
Profesor del contenido prctico del curso

Facultativo Especialista en ORL
Direccin Territorial de Ceuta

Loma Colmenar, s/n
51003 Ceuta
Edita: Instituto Nacional de Gestin Sanitaria

Subdireccin General de Gestin Econmica y Recursos Humanos
Servicio de Recursos Documentales y Apoyo Institucional
Alcal, 56 28014 Madrid
El copyright y otros derechos de propiedad intelectual pertenecen

al Instituto Nacional de Gestin Sanitaria.
Se autoriza la reproduccin total o parcial para uso no comercial,
siempre que se cite explcitamente su procedencia.
Depsito Legal: M-47507-2010

NIPO: 846-10-017-X
Coleccin Editorial de Publicaciones del INGESA: 1.914
La medicina es una ciencia de probabilidades y el arte de manejar la incertidumbre...
ndice
Gua Metodolgica de Investigacin en Ciencias de la Salud
Captulo 01 Captulo 03
Pgina 6 Pgina 187
Introduccin Bioestadstica. Variables y
grficos
Captulo 02
Pgina 142 Captulo 04
Diseo del estudio Pgina 251
Bioestadstica. Tamao
muestral error alfa beta
Captulo 05 Captulo 08 Captulo 11
Pgina 405 Pgina 786 Pgina 970
Bioestadstica. Test de Resultados y discusin Bsqueda bibliogrfica segn
contraste de hiptesis criterios de MBE electrnica
variables cuanlitativas Captulo 09 medicina basada en la evi-
Pgina 915 dencia en Internet (e-MBE)
Bsqueda bibliogrfica segn
Captulo 06
criterios de MBE electrnica
Pgina 536
internet. Concepto funcio-
Bioestadstica. Test de
namiento y bsqueda de
contraste de hiptesis
informacin
variables cuantitativas
Captulo 10
Captulo 07 Pgina 942
Pgina 683 Bsqueda bibliogrfica segn

Bioestadstica. Anlisis criterios de MBE electrni-
multivariante ca internet y ciencias de la
salud
C aptulo 1 Pgina 6
Captulo 1
Metodologa de Investigacin 2010:

Introduccin.



C aptulo 1 Pgina 7
Metodologa de investigacin en Ciencias de la Salud
Investigacin
Publicaciones Cientficas
Resultados
C aptulo 1 Pgina 8
Metodologa de investigacin en Ciencias de la Salud
Anlisis
Observacin de Pacientes
Comprobacin de datos
C aptulo 1 Pgina 9
Investigacin clnica
Es un proceso sistemtico, organizado y objetivo, destinado a responder a

una pregunta.
- Sistemtico: A partir de una hiptesis u objetivo de trabajo se recogen unos

datos segn un plan preestablecido que, una vez analizados e interpretados,
modificaran o aadirn nuevos conocimientos a lo ya existentes.
- Organizado: Todos los miembros del equipo conocen a la perfeccin lo que
hay que hacer durante todo el estudio, aplicando las mismas definiciones y
criterios a todos los participantes, y actuando de forma idntica ante cualquier
duda.
- Objetivo: Las conclusiones obtenidas no se basan en impresiones subjetivas,
sino en hechos que se han observados y medidos, y que en su interpretacin
se evita cualquier prejuicio que los autores pudieran tener.
C aptulo 1 Pgina 10
Caractersticas de un buen investigador
- Voluntad de investigar - Perseverancia
- Talento - Confianza
- Experiencia - Capacidad para reconocer

problemas y desarrollar hiptesis
- Capacidad para generar datos
- Capacidad para congeniar con sus
- Honestidad colaboradores
- Capacidad para obtener recursos - Competitividad
- Flexibilidad - Capacidad de redaccin

C aptulo 1 Pgina 11
C aptulo 1 Pgina 12
C aptulo 1 Pgina 13
C aptulo 1 Pgina 14
C aptulo 1 Pgina 15
Reduccin de la produccin cientfica
- Envejecimiento de las plantillas

500
- Poca interrelacin entre la
400 investigacin bsica y clnica
300
- Mayor presin asistencial
200
100 - Devaluacin del currculum cientfico
0
1998 1999 2000 2001
N inscritos
N trabajos
C aptulo 1 Pgina 16
Devaluacin del currculum cientfico
- Depreciacin de los mritos acadmicos
- Potente endogamia de los servicios hospitalarios
- Reticencia a solicitar becas de formacin en el extranjero
- Encorsetamiento del mercado laboral

C aptulo 1 Pgina 17
Mritos de investigacin en la carrera profesional
Captulo 2.- FORMACIN

- Grado de Doctor conseguido (6 crditos)
Captulo 4.- INVESTIGACIN

- 1. Publicaciones cientficas en revistas
- primer autor (0,5 crditos)
- otros autores (0,25 crditos)
- 2. Comunicaciones y psters presentados en Congresos (1 Crdito)
C aptulo 1 Pgina 18
Qu beneficios obtiene el clnico de hacer investigacin?
1. Actividad creativa: rompe la rutina diaria, aumentando su motivacin.
2. Actualizacin continua de la bibliografa: el clnico se encuentra mucho ms

al da (aumento de su eficiencia).
3. Mejora el modo de enfrentarse a los problemas clnicos.
4. Al centrarse en un problema de investigacin muy concreto, se pueden

poner a punto toda una serie de tcnicas y procedimientos que ayudan
al diagnstico y al tratamiento del problema de investigacin (creacin de
expertos dentro de un rea concreta de conocimiento).
C aptulo 1 Pgina 19
Vertiente INVESTIGACIN Vertiente

Clnica Laboratorio epidemiolgica
Anlisis Clnicos
Nuevas
Tecnologas
CALIDAD PLANIFICACIN
ASISTENCIAL Y GESTIN
Conocimientos DE LOS SERVICIOS
C aptulo 1 Pgina 20
Hay verdades que por sabidas no se dicen, y por no decirlas se olvidan...
Hay mentiras (mitos o leyendas) que por decirlas pueden terminar siendo
pseudorealidades o realidades virtuales.

Coordinador de Formacin Continuada.
Hospital Universitario de Ceuta.
C aptulo 1 Pgina 21
Mitos y Leyendas en las publicaciones cientficas
Bobenrieth Astete M.A . Mitos y realidades en torno a la publicacin

cientfica. Med Clin (Barc) 2000; 114: 339-341.
Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud.

Medicina de Familia (And) 2001; 2: 81-90.
Profesor Bobenrieth Astete M.A.

Profesor de Metodologa de Investigacin y Escritura Cientfica.
Escuela Andaluza de Salud Pblica.
C aptulo 1 Pgina 22
MITO 1: El hecho de que la comunicacin cientfica se presente en

un congreso internacional o se publique en una revista de prestigio es
garanta de su validez.
C aptulo 1 Pgina 23
Mitos y Realidades en las publicaciones cientficas
REALIDAD 1: Mucho de lo que se publica actualmente NO logra convencer

de su validez cientfica (validez interna y/o externa). Se publican artculos
originales con:

- falta de claridad

- falta de precisin

- falta de orden lgico
Dr. Manuel Bobenrieth Astete

Profesor de Metodologa de Investigacin y Escritura Cientfica
C aptulo 1 Pgina 24
REALIDAD 1: En las revistas de primera lnea se publican trabajos que de

entrada parecen aceptables, cuyo diseo o interpretacin no pocas veces
resulta errneo cuando se examina con cierta perspectiva. Pero, adems,
los trabajos con claras deficiencias casi siempre acaban publicados en
revistas de menor nivel de exigencia, despus de haber sido rechazados
una o varias veces. En conjunto, hay una enorme masa de publicaciones
dadas por vlidas simplemente porque nadie las ley o las desminti tras
ser publicadas.
J. Benach de Rovira y J.A. Tapia Granados.

Mitos o realidades: a propsito de la publicacin de trabajos cientficos
Mundo Cientfico, 1995; 15 (154): 124-30.
C aptulo 1 Pgina 25
Medicina Basada en la Evidencia
La medicina basada en la evidencia (MBE) es la utilizacin consciente,

explcita y juiciosa de la mejor evidencia cientfica disponible a la hora
de tomar decisiones sobre el cuidado de los pacientes. La prctica de la
MBE significa integrar en la maestra clnica individual la mejor evidencia
cientfica disponible procedente de investigacin vlida y fiable.
(Sackett et al., BMJ 1996; 312: 71-72)

C aptulo 1 Pgina 26
GERENCIA DEL HOSPITAL UNIVERSITARIO DEL INGESA DE CEUTA.

PROGRAMA DE FORMACIN CONTINUADA DEL 2010.
TTULO DEL CURSO:
Objetivos: Introducir los conceptos y mtodos propios de la Medicina Basada en la Evidencia (MBE)
utlizando los recursos de Internet para la bsqueda, filtrado, lectura crtica y priorizacin de los artculos
cientficos publicados.
Perfil de los participantes: Diplomados en Enfermera de INGESA interesados en aplicar los recursos de
internet a trabajos de investigacin.
Duracin: Veinte horas presenciales y seis online.
Fechas de las clases presenciales: Mircoles 2, Jueves 3 y Martes 15 de Junio de 2010
Horario: de 9:00 a 14:00 (da 2 y 3) y de 17:00 a 20:00 (da 2, 3 y 15).
Lugar de las clases presenciales: Aula de Formacin Continuada (DOCENCIA HUCE).
Profesorado: Dr. Jos Enrique Roviralta Arango. Mdico. Facultativo Especialista de rea en
Otorrinolaringologa del Hospital de INGESA de Ceuta.
Inscripcin: Cumplimentar la solicitud adjunta y enviar al Coordinador de FORMACIN CONTINUADA
antes del 26 de MAYO.
Lista de ADMITIDOS: El listado definitivo de admitidos al curso se publicar en el tabln de anuncios de
FORMACIN CONTINUADA en el momento en que se cubran las plazas asignadas al curso (mximo 15) o
expire el plazo de inscripcin.
Actividad Formativa acreditada con 3,1 crditos por la Comisin
de Formacin Continuada (CFC) del Sistema Nacional de Salud
Nmero de expediente: 99-0013-10/0002-A
C aptulo 1 Pgina 27
MITO 2: El hecho de que los autores tengan prestigio por su prctica

profesional es garanta de validez y de calidad de su publicacin.
C aptulo 1 Pgina 28
REALIDAD 2: El proceso de investigacin requiere de una preparacin

especializada que incluye tanto la clara comprensin de sus fundamentos
como un manejo bsico de su metodologa.
La buena experiencia de prctica profesional en Ciencias de la Salud NO

es garanta de rigor metodolgico de un estudio de investigacin clnica.

C aptulo 1 Pgina 29

Efecto Halo
C aptulo 1 Pgina 30
MITO 3: El hecho de que un autor haya publicado con anterioridad otro

trabajo de investigacin de buen nivel conceptual y metodolgico es
garanta suficiente de calidad (validez cientfica de su nueva publicacin).
C aptulo 1 Pgina 31
REALIDAD 3: No existe tal garanta; en el mejor de los casos podr

esperarse una mayor probabilidad de calidad cientfica.

C aptulo 1 Pgina 32
REALIDAD 4: El prestigio y las posibilidades de ascenso de los

profesionales sanitarios se basan en gran medida en el nmero de artculos
cientficos publicados. El renombre suele lograrse por la publicacin en
revistas del mximo prestigio, pero en general la cantidad suele ser mucho
ms importan te que la calidad.

Mundo Cientfico, 1995; 15 (154): 124-30.
C aptulo 1 Pgina 33
MITO 4: El investigador cientfico, por la misma naturaleza objetiva

de su quehacer, est libre de prejuicios y de sesgos. Un prejuicio del
investigador -si lo hubiera- no afecta el proceso de la investigacin ni su
comunicacin, en el supuesto de que la metodologa haya sido adecuada
y correcta.
C aptulo 1 Pgina 34
REALIDAD 4: El compromiso intelectual y emocional hacia un conjunto

particular de resultados anticipados puede conducir a errores graves.
Cualquier ser humano est sujeto a juicios y opiniones que se forman de
antemano (prejuicios), antes de disponer de los resultados del estudio.

C aptulo 1 Pgina 35
REALIDAD 4: El libro Traidores a la verdad, publicado en 1982, dio un buen

golpe a esa mitologa cientfica. Sus autores pusieron de manifiesto que
los cientficos forman parte de la sociedad, que no son de ningn modo
distintos al resto de la poblacin en cuanto a honradez y que en su trabajo,
igual que en el de las dems personas, influyen los conflictos de intereses,
los prejuicios y las ambiciones. La ciencia ha llegado a convertirse en una
carrera en la que el objetivo social del cientfico es obtener prestigio y
posibilidades de ascenso que se basan en buena medida en el nmero
de publicaciones. Muchos de lo que se investiga y se publica a menudo
no se conoce o no se lee por razones diversas, entre las que cabe citar
la especializacin del conocimiento en la actual investigacin cientfica,
las dificultades para entender la jerga del especialista y, sobre todo, la
enormidad de la bibliografa existente.
Mundo Cientfico, 1995; 15 (154): 124-30.
C aptulo 1 Pgina 36
REALIDAD 4: La propensin del personal implicado en la investigacin

de una tcnica nueva tiende a sobrevalorar la eficacia o la efectividad de
esa tcnica y a minusvalorar sus efectos negativos y desventajas. Todos
tendemos a ver la realidad de manera que nuestra labor parezca til y
positiva.
Un caso extremo de autoengao es aqul en el que la lgica tendencia a
presentar como positiva la labor propia lleva al investigador a ocultar en
su publicacin los inconvenientes de la tcnica nueva que propone, o a
publicar nicamente los resultados favorables a su tcnica.

Mundo Cientfico, 1995; 15 (154): 124-30.
C aptulo 1 Pgina 37
MITO 5: La investigacin se dedica a problemas importantes y muy

complejos, y utiliza conceptos, metodologa tan complicados que est
reservada para una elite profesional. Por ello, y aunque a veces tengo
buenas preguntas de investigacin, no me atrevo a embarcarme en un
proyecto de investigacin.
C aptulo 1 Pgina 38
REALIDAD 5: Hay muchos problemas de salud cuya formulacin y

realizacin es simple y cuyo estudio es factible por profesionales serios,
comprometidos, con una formacin metodolgica bsica.

C aptulo 1 Pgina 39
MITO 6: La investigacin requiere de una inversin tan grande de

conocimiento y tan mantenida de inters, esfuerzo, motivacin, tiempo y
recursos materiales, que resulta incompatible con el oficio de la prctica
profesional diaria.
C aptulo 1 Pgina 40
REALIDAD 6:
PROFESIN
(presin asistencial)
INVESTIGACIN OBLIGACIONES
FAMILIARES
Debo medir mis fuerzas y mi

tiempo antes de iniciar un
proyecto de investigacin.
C aptulo 1 Pgina 41
Dificultades en relacin a la viabilidad y pertinencia de un

estudio
VIABILIDAD 1. Disponibilidad de tiempo
2. Conocimiento bsico de metodologa de investigacin
3. Disposicin de grupos de apoyo en el rea de la metodologa
de investigacin, bioestadstica, manejo de programas
informticos.
4. Disponibilidad de nmero de pacientes suficientes
5. Utilizacin de variables que puedan medirse y cuantificarse
con facilidad
6. Colaboracin con otros profesionales, equipos o centros de
mayor experiencia
7. Disponibilidad de recursos econmicos para costear el
proyecto de investigacin
8. Consideraciones tico-legales de la investigacin
9. Experiencia del investigador
C aptulo 1 Pgina 42
Dificultades en relacin a la viabilidad y pertinencia de un

estudio
PERTINENCIA 1. La pregunta de investigacin planteada no ha sido an
contestada, lo ha sido de forma contradictoria o se requiere
adecuarla a la propia prctica actual o en nuestro medio
2. Importancia del problema:
1. Frecuencia (del evento o enfermedad en estudio)
2. Gravedad
3. Inters social
4. Beneficios que pueden derivarse de los resultados
5. Importancia de su valor terico
3. Los resultados esperados compensan el esfuerzo humano,
tiempo dedicado y los recursos materiales utilizados
Pita Fernndez S. Dificultades de los mdicos para la realizacin de estudios clnico-epidemiolgicos.

Congreso Galego de Estadstica e Investigacin de Operacins. Santiago de Compostela, A Corua
(Espaa). 11-13 Noviembre 1999.
C aptulo 1 Pgina 43
MITO 7: El nmero de publicaciones cientficas biomdicas y de la salud

es demasiado grande para mantenerse al da dado el escaso tiempo
disponible.
C aptulo 1 Pgina 44
REALIDAD 7: El acceso informatizado a las grandes bases de datos

bibliogrficos (MEDLINE) permite actualmente una rpida, fcil y completa
bsqueda bibliogrfica actualizada.

C aptulo 1 Pgina 45
MITO 8: El contenido de una publicacin original es vlido porque la

informacin procede de una fuente solvente o autorizada.
Lo que se lee en el peridico, lo que se ve en la televisin, lo que se

escucha en la radio, lo que dice el mdico, lo que publica una revista
profesional, todo es siempre cierto.
C aptulo 1 Pgina 46
REALIDAD 8: El inters de muchas investigaciones cientficas es escaso,

muy limitado o nulo; que la tergiversacin de datos o el fraude total o
parcial en las publicaciones cientficas es ms frecuente de lo que se
piensa; que una buena parte de lo publicado es cientficamente errneo
o metodolgicamente invlido; y que determinados trabajos cientficos de
gran inters no se publican, o se publican tras superar grandes dificultades,
o se publican en revistas de escaso ndice de impacto.

Mundo Cientfico, 1995; 15 (154): 124-30.
C aptulo 1 Pgina 47
REALIDAD 8: Segn una revisin de la literatura mdica citada por

Sheehan, dos terceras partes de los estudios que aparecen en las
revistas mdicas ms exigentes tienen fallos de diseo o interpretacin lo
suficientemente graves para invalidar sus conclusiones. Segn Douglas
Altman se publican demasiadas investigaciones mdicas de baja calidad,
con mtodos de investigacin equivocados, aplicacin incorrecta de
procedimientos tcnicos o de anlisis estadstico, citas bibliogrficas
sesgadas de publicaciones previas y deduccin de conclusiones
injustificadas.
C aptulo 1 Pgina 48
MITO 9: El hecho de que la investigacin publicada utilice un diseo

experimental (estudio controlado aleatorio) constituye garanta de su
validez cientfica.
C aptulo 1 Pgina 49
REALIDAD 9: La realizacin de un estudio controlado aleatorio presenta

importantes dificultades metodolgicas que lo hacen siempre difcil,
muchas veces limitado y en ocasiones imposible. No todos estos estudios
controlados aleatorios prospectivos y doble ciego son lo que pretenden ser.
Diversos sesgos, errores y argumentos ticos terminan debilitndolos e
incluso invalidndolos.

C aptulo 1 Pgina 50
MITO 10: El advenimiento de los artculos de revisin (informacin

secundaria) y su creciente popularidad hacen innecesario que el
profesional sanitario emplee muchas horas en la lectura de artculos
originales (informacin primaria) para actualizarse.
C aptulo 1 Pgina 51
REALIDAD 10: Las revisiones bibliogrficas son muy a menudo subjetivas,

sesgadas, cientficamente inconsistentes, tcnicamente ineficientes y
prcticamente intiles.

C aptulo 1 Pgina 52
MITO 11: El buen escritor cientfico nace, no se hace.

C aptulo 1 Pgina 53
REALIDAD 11: Es posible desarrollar, mediante diversos tipos de

enseanza, habilidades conceptuales y tcnicas necesarias para redactar
el informe de una investigacin o de un artculo cientfico con un nivel
bsico de comprensin.

C aptulo 1 Pgina 54
MITO 12: La sonrisa de la esfinge.

Cual es el ser que anda primero con cuatro, luego con dos, y despus
con tres patas y que se vuelve ms dbil cuanto ms patas tiene?
Hay dos hermanas una de las cuales engendra a la otra, y sta a su vez
engendra a la primera Quines son?
C aptulo 1 Pgina 55
MITO 12: La sonrisa de la esfinge.

Cmo voy a ser capaz de presentar y defender una comunicacin
cientfica en cualquier foro pblico o mandar a publicar un artculo original
a una revista sanitaria ante tan docto auditorio?
Qu me van a preguntar? Qu me van a decir si no respondo o no lo

hago adecuadamente?
Seguro que hago el ridculo
Seguro que me rechazan el artculo original cuando lo mande a publicar
a la revista...
C aptulo 1 Pgina 56
Bioestadstica
Metodologa de la Investigacin
La bioestadstica es la punta visible del iceberg de la metodologa de
investigacin.

C aptulo 1 Pgina 57
REALIDAD 12: Muchos investigadores tienen bien definido su estudio y

manejan correctamente las variables (datos), pero no aciertan cuando
escogen las pruebas estadsticas pertinentes, y llegan a la presentacin
oral (comunicacin) o a la redaccin de las revistas cientficas (artculo
original) trabajos que adolecen de una manifiesta mala sincrona entre los
datos obtenidos y su posterior anlisis estadstico.
Antoja Rib F. The innocence of the storks.

Rev Lab Clin 2010; 3 (2): 51.
C aptulo 1 Pgina 58
REALIDAD 12: Los auditores de los congresos sanitarios y los revisores

de las revistas cientficas suelen ser colegas con un alto perfil profesional,
aceptable formacin en Metodologa de Investigacin, pero quizs sin un
alto nivel de conocimientos de anlisis estadstico de datos.

Rev Lab Clin 2010; 3 (2): 51.
C aptulo 1 Pgina 59
REALIDAD 12: El Comit Cientfico de los congresos y los editores de las

revistas ante trabajos de difcil evaluacin metodolgica incorporan un
tercer revisor especialista en Bioestadstica que dictamina definitivamente
sobre la idoneidad de las herramientas metodolgicas empleadas por los
autores.

Rev Lab Clin 2010; 3 (2): 51.
C aptulo 1 Pgina 60
MITO 13: Enseanza de la investigacin clnica.
Antonio Fraguas de Pablo (Forges).

Qu le pasa, Doctor?Eh?. Ediciones Doyma 1988 (Barcelona).
C aptulo 1 Pgina 61
MITO 14:
C aptulo 1 Pgina 62
REALIDAD 14: La presin que sufren los cientficos para que publiquen
el mximo nmero de artculos, ocasiona a veces fenmenos tales
como el denominado mnima unidad publicable o publicacin salami,
la cual permite obtener el mximo posible de artculos (como rodajas de
salchichn) de un determinado trabajo cientfico, adems de que un enorme
nmero de publicaciones tiene una calidad y/o utilidad clnica ms que
cuestionable.

Mundo Cientfico, 1995; 15 (154): 124-30.
C aptulo 1 Pgina 63
MITO 15: Una publicacin sobre las ventajas de un nuevo tratamiento con
otro vigente que demuestra significacin estadstica (p < 0,05) posee, en
consecuencia, importancia y significacin clnica.
C aptulo 1 Pgina 64
REALIDAD 15: Mediciones y afirmaciones de probabilidad pueden ser

de gran ayuda en la prctica mdica, pero nunca deben reemplazar en
muchos casos a
- la experiencia,
- la perceptividad,
- el sentido comn
- y la intuicin.

C aptulo 1 Pgina 65
1. El valor de p, debe ser valorado con precaucin y teniendo en cuenta

el contexto del estudio, su diseo, las caractersticas de la muestra o la
poblacin analizada, de los potenciales sesgos, etc. Y NUNCA como una
cifra mgica que nos seduzca tanto, que nos invite o autorice a tomar
decisiones o cambiar conductas relacionadas con la prctica clnica
cotidiana.
2. Antes de tomar decisiones o cambiar conductas clnicas basadas en

un valor de p, se ha de considerar tambin la VALIDEZ EXTERNA
(generalizacin de los resultados obtenidos en ese estudio respecto de la
poblacin inicial y, si esas conclusiones pueden ser extrapoladas a nuestros
pacientes o nuestra realidad laboral (que pueden ser distinta a la descrita
en el estudio publicado y valorado por nosotros.
C aptulo 1 Pgina 66
Realidad 15
...de lo estadsticamente significativo a lo clnicamente relevante
Hallazgos estadsticos Hallazgos clnicos
1. Reflejan la influencia del azar en el 1. Reflejan el valor biolgico del resultado

resultado
2. Se practica en individuos especficos
2. Derivan de grupos de individuos
3. Las decisiones clnicas deben tomarse a
3. Requieren cantidades adecuadas de menudo con datos insuficientes
datos para ser vlidas
4. Los tratamientos mdicos requieren
4. Las respuestas estadsticas son decisiones oportunas comprometidas
probabilsticas
5. La prctica clnica no puede medir
5. El anlisis estadstico siempre requiere fcilmente cada funcin, cada sistema,
medicin. cada signo o sntoma clnico
C aptulo 1 Pgina 67
Realidad 15
Por todo ello, es ms apropiado que hablar de SIGNIFICACIN
ESTADSTICA es mas correcto utilizar el concepto de RELEVANCIA
CLNICA; porque la relevancia clnica de un fenmeno va ms all de
clculos matemticos y depende de
1. La gravedad del problema,

2. La morbilidad y mortalidad generada por el mismo,
3. La magnitud de la diferencia,
4. La vulnerabilidad,
5. Los costes involucrados, etc.
C aptulo 1 Pgina 68
Realidad 15
Realidad 15: ...de lo Es clnicamente relevante?

estadsticamente significativo a lo
clnicamente relevante.
Es estadsticamente significativo? S (xito) No (fracaso)
S (p < 0,05) Estadsticamente significativo Estadsticamente significativo
Clnicamente relevante Clnicamente irrelevante (p < 0,05)
Error Alfa?
No (p > 0,1) Estadsticamente NO Estadsticamente NO significativo
significativo
Clnicamente irrelevante
Clnicamente
relevante
Error Beta?
C aptulo 1 Pgina 69
Realidad 15
Por todo ello, es ms apropiado que hablar de SIGNIFICACIN
ESTADSTICA es mas correcto utilizar el concepto de RELEVANCIA
CLNICA; porque la relevancia clnica de un fenmeno va ms all de
clculos matemticos y depende de
1. La gravedad del problema,

2. La morbilidad y mortalidad generada por el mismo,
3. La magnitud de la diferencia,
4. La vulnerabilidad,
5. Los costes involucrados, etc.
C aptulo 1 Pgina 70
REALIDAD 15: Un resultado estadsticamente significativo (p<0,05) sin

relevancia clnica no deja de ser una ancdota; un hallazgo clnicamente
importante sin significacin clnica (p>0,1) no puede ser asumido como
concluyente, ya que no podemos atribuir con seguridad el hallazgo clnico a
la intervencin realizada (no podemos descartar la influencia del azar).
C aptulo 1 Pgina 71
REALIDAD 15: Una prueba estadstica NO es una prueba de relevancia

cientfica. Bajo ningn concepto la relevancia del dato se encuentra en la
tcnica de anlisis, sino en la repercusin del mismo en el conocimiento
del objeto de estudio. Es perfectamente compatible encontrar diferencias
estadsticamente significativas que no suponen relevancia clnica, y
viceversa.
Guttman . What is not what statistics (1977).

C aptulo 1 Pgina 72
MITO 16: La estadstica es una religin que conduce a la salvacin a

travs del mgico ritual de la bsqueda de valores significativos de la p
(p<0,05), alcanzando entonces los autores la verdad absoluta y el paraso
prometido de la publicacin del trabajo en una revista de alto ndice de
impacto.
C aptulo 1 Pgina 73
REALIDAD 16: En la bibliografa cientfica se est abusando del trmino

significacin estadstica. Numerosos investigadores dan por supuesto
que si en un estudio o experimento hallan una probabilidad (p) inferior
a 0,05, ello certifica la existencia tanto de la validez cientfica de su
observacin como de la relevancia clnica de la misma. Y ello est lejos
de ser cierto.Su fe ciega en el valor de la p contrasta con los detractores
de su significado (ateos de la estadstica).
C aptulo 1 Pgina 74
REALIDAD 16: La estadstica es una herramienta til para el diseo

y realizacin de estudios sanitarios siempre que sea utilizada
adecuadamente.
Salsburg DS. The religion of statistics as practiced

in medical journals. Am Statistician 1985; 39: 220-223.
C aptulo 1 Pgina 75
REALIDAD 16: Los mtodos estadsticos NO son un sustituto del sentido

comn y la objetividad. Nunca deberan estar dirigidos a impresionar o
confundir al lector, sino que deben ser una contribucin importante a la
claridad de los conocimientos cientficos.
Pocock SJ. The role of statistics in medical research. Br J Psychiat 1980; 137: 188-190.
C aptulo 1 Pgina 76
REALIDAD 16: Es fundamental hacer buenas preguntas de investigacin,

lo cual nos llevar a trabajos interesantes y respuestas con sentido
comn, no habr necesidad de salir de pesca para presentar al editor
muchas p menores de 0.05. Todo, con mesura y utilizado racionalmente,
es bueno, y la estadstica es un instrumento indispensable pero, como
todo en la vida, con sentido comn (y este sentido estadsticamente
hablando no parece ser a veces muy frecuente).
Dr. Juan M. Garca Torrecillas

Mdico de Especialista en Medicina Familiar y Comunitaria
Experto en Epidemiologa y Nuevas Tecnologas
C aptulo 1 Pgina 77
El Borracho
Utiliza la estadstica como un borracho usa una farola, para aguantarse

en lugar de para iluminarse
Andrew Lang
C aptulo 1 Pgina 78
La Llave Dorada
La estadstica no es la llave dorada que abre la puerta de la verdad

absoluta e infinita
La verdad absoluta e infinita tiene una sonrisa diablica. Si consigo la llave dorada podr
abrir la puerta , y as podr conocer la verdad absoluta e infinita.

C aptulo 1 Pgina 79
MITO 17 (adoradores de la p): La esencia de estadstica es la bsqueda

de los valores mas bajos de la p, (una p < 0,001 es mejor que una p <
0,01, y esta superior a una p <0,05) ya que cuanto ms pequea sea esta
p mayor intensidad de asociacin y causalidad existir entre las variables
y mayor credibilidad tendrn las conclusiones de mi estudio.
C aptulo 1 Pgina 80
Mito 17: Adoradores de la p
El cual los tom de las manos, y formlo con buril, e hizo de ello un
becerro de fundicin. Entonces dijeron: Israel, estos son tus dioses, que
te sacaron de la tierra de Egipto
xodo 32, 1-6

C aptulo 1 Pgina 81
REALIDAD 17: La utilidad de la p es una medida de la influencia del

AZAR en la posible asociacin entre las variable analizadas, este azar
debe ser siempre contemplado, evaluado y cuantificado mediante el
valor de la p. La p NO es un indicador de fuerza de la asociacin
entre variables, ni de su importancia. En los valores de la p deben
ser considerados solo como una gua y no como base de conclusiones
definitivas e irrevocables.
C aptulo 1 Pgina 82
Objetivo principal de la estadstica:

Cul es la probabilidad de que la diferencia observada en el estudio
se deba al AZAR?
- Una p < 0,05 indica que en menos de 5 veces de cada 100 que
repitiramos el mismo estudio, nuestro resultado se debera al AZAR.
- Cuanto mayor sea la p (p > 0,1) mas fuerte y segura ser la evidencia a
favor de la hiptesis nula (igualdad).
- El valor de la p no es un indicador de fuerza de asociacin, ni tampoco

de su importancia clnica.
C aptulo 1 Pgina 83
MITO 18: Hace poco le en la prensa mdica la siguiente frase: Yo no

creo en la estadstica, (ATEOS de la estadstica) porque est claro que
la estadstica, como religin que es, es solo una cuestin de fe, que
como tal debe ser respetada (segn dice la constitucin espaola sobre
nuestras creencia religiosas).
C aptulo 1 Pgina 84
REALIDAD 18: La estadstica constituye un instrumento cientfico que

requiere el cumplimiento de numerosas condiciones para producir
resultados vlidos. Por un lado, es preciso que los experimentos tengan
un diseo muy escrupuloso. Y por otro, es inexcusable aplicar en cada
circunstancia aquellos mtodos que en ella son idneos y controlar
rigurosamente su validez. Pero ni an as es legtimo deducir que un
resultado significativo es clnicamente relevante. Cabe recordar que una
correlacin entre dos variables acabar siendo siempre significativa
(p < 0,05) si la muestra es lo suficientemente grande. Por eso en
algunos casos, en este contexto, alguien coment: La estadstica es
un instrumento, que si no se usa adecuadamente, puede demostrar
cualquier mentira.
C aptulo 1 Pgina 85
REALIDAD 18: Aplicando los mtodos estadsticos de forma abusiva

como lo haca la Santa Inquisicin, si torturamos suficientemente a
nuestros datos, acabaran por confesarnos lo que nosotros queramos.
Ars A. Tmese una antes de acostarse. 1 edicin. Barcelona: Planeta; 1998.

C aptulo 1 Pgina 86
La estadstica es un instrumento, que si no se usa adecuadamente, puede

demostrar cualquier mentira.
En bioestadstica el fin nunca justifica los medios.

C aptulo 1 Pgina 87
MITO 19: La inocencia de las cigeas

Una buena correlacin estadstica (coeficiente de correlacin r elevado)
(p < 0,05) siempre significa que existe una relacin entres las variables
evaluadas, y por tanto existe una relacin causa - efecto.
C aptulo 1 Pgina 88
REALIDAD 19:
- Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre
significa que existe una relacin entres las variables evaluadas, y por
tanto NO implica una relacin causa efecto.
- El trabajo estara mal planteado, aunque se hubiera aplicado un

tratamiento estadstico aparentemente correcto.
- Los autores de un estudio deben ser muy cautos en la aplicacin y

posterior interpretacin del anlisis estadstico.
Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.
C aptulo 1 Pgina 89
Estudio ecolgico
Variable PREDICTORA Variable RESULTADO

Factor de exposicin (F) Efecto o Enfermedad (E)
CIGEAS NATALIDAD HUMANA
Nmero de ejemplares de Tasa de natalidad de la

cigeas poblacin humana
C aptulo 1 Pgina 90
Estudio de Bartels (Alemania)

Variable RESULTADO-RESPUESTA-posible EFECTO
Tasa de nacimientos en la poblacin humana
Enero
Mayo Abril
Variable cuantitativa continua
Junio
Febrero
Agosto Marzo
Noviembre
Octubre
Julio
Septiembre
Diciembre
Variable PREDICTORA-EXPOSICIN-posible CAUSA

Nmero de ejemplares de cigeas
C aptulo 1 Pgina 91
RESULTADOS: En Alemania, en un mismo ao, descendieron, de forma

significativa, la tasa de nacimientos de la poblacin humana y el nmero
de ejemplares de cigeas. La correlacin entre ambas variables era alta,
lo que demostraba cientficamente su relacin.
CONCLUSIN: La baja natalidad alemana en el ao de estudio se explica

por la disminucin del nmero de cigeas repartidoras de bebs. La
culpa era de las cigeas.
C aptulo 1 Pgina 92
Comentarios
- Es muy saludable encontrar detalles de humor.
- Si leyramos un supuesto artculo cientfico con esa conclusin tan extravagante,

pensaramos sin duda, que se trata de una parodia y como tal la aceptaramos.
- Es fcil entender el error porque sabemos que las cigeas no tiene nada que ver
con la reproduccin humana, y por tanto se ha buscado errneamente una relacin
entre dos variables sin plausibilidad biolgica.
- El trabajo est mal planteado, y aunque se hubiera aplicado un tratamiento

estadstico aparentemente correcto.
- Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre significa que
existe una relacin entres las variables evaluadas, y por tanto NO implica una relacin
causa efecto.
C aptulo 1 Pgina 93
Reflexiones
Qu ocurre cuando el estudio se lleva a cabo con variables (datos) menos

conocidos, de poblaciones que nos son menos familiares, obtenidos en estudios
complejos?
Cmo sabemos si el autor sabe certeramente entre qu grupos se puede establecer

relaciones y entre cuales no tiene sentido hacerlas?
Esto solo es posible si el investigador conoce muy bien lo que est estudiando y ha
partido de un planteamiento y el diseo del estudio bien estructurado.
Las conclusiones que se obtiene al aplicar las pruebas estadsticas slo tienen sentido
cuando las variables (datos) estn bien definidas y tienen plausibilidad biolgica.
C aptulo 1 Pgina 94
Estos tipos de errores se originan cuando los autores NO tiene claros

algunos conceptos bsicos de METODOLOGA de INVESTIGACIN
pero disponen de programas estadsticos potentes, en los que solo
se necesita sealar y aceptar con el ratn entre un amplio abanico de
pruebas estadsticas.
C aptulo 1 Pgina 95
Tcnicas estadsticas ms utilizadas
1. Estadstica descriptiva
- Frecuencias absolutas y relativas
- Medidas de tendencia central
- Medidas de dispersin
2. Prueba de la t de Student
3. Anlisis de la Varianza (ANOVA)
4. Prueba del ji-cuadrado
5. Regresin lineal simple: Correlacin de Pearson
6. Pruebas no paramtricas
7. Regresin logstica multivariante
8. Anlisis de la supervivencia
C aptulo 1 Pgina 96
MITO 20: Un poster DIVULGATIVO (que contiene informacin sanitaria)

es un poster CIENTFICO, es decir, es como una COMUNICACIN
cientfica original, y como tal debe ser admitido en cualquier tipo de
Jornadas Cientfica de mi mbito sanitario, y ser vlido como mrito en mi
carrera profesional.
Pster Pster
DIVULGATIVO CIENTFICO
C aptulo 1 Pgina 97
Qu es un pster?
El pster es un cartel que se coloca en las paredes como decoracin.
Qu es un pster divulgativo (sanitario)?
El pster divulgativo se define como un cartel en el que se describe

informacin sanitaria destinada a un receptor. La informacin que
contiene no es original, y no se basa en los resultados de un estudio de
investigacin, sino en una revisin bibliogrfica del tema.
C aptulo 1 Pgina 98
Qu es un pster cientfico?
El pster cientfico se define como un cartel que describe el resumen de

los principales resultados originales de una investigacin. Su contenido ha
sido admitido por un comit de expertos en metodologa de investigacin
para su presentacin pblica en un evento cientfico. Se escribe para
comunicar un mensaje nuevo y objetivo a terceras personas. La redaccin
del pster cientfico es el fruto de un trabajo de investigacin realizado por
profesionales sanitarios en su entorno de trabajo. Para su realizacin es
imprescindible efectuar una revisin bibliogrfica previa para asegurar que
el estudio que se lleva a cabo es indito y til. Por ser el fruto de un trabajo
de investigacin, su conclusin ha de responder a una hiptesis de trabajo
previamente elaborada y a un objetivo concreto (pregunta de investigacin).
C aptulo 1 Pgina 99
C aptulo 1 Pgina 100
Estructura de un pster cientfico

Fase preliminar
TTULO
AUTORES
Fase conceptual
OBJETIVOS
Fase planificacin
MATERIAL y MTODOS
Fase emprica
RESULTADOS
Fase interpretativa
CONCLUSIONES
Realidad tica de los trabajos cientficos
Peso-PC * f >> Peso-PD * F
Pster
DIVULG
ATIVO (
PD)
Pster
CIENTF
ICO (PC)
Facilidad (F) Facilidad (F)

Parafraseando a Sneca , debemos convenir que
todo lo honesto es difcil
y la investigacin clnica no es una excepcin.
Seneca LA. De los beneficios. En: Lucio Anneo Sneca: Obras completas. Madrid: Aguilar, 1961.
Salir de nuestra cueva de BENZ, de nuestro nicho ecolgico
Comunicar nuestra experiencia a los dems
Utilizando la metodologa de investigacin como herramienta de trabajo.

Tipos de publicaciones
ESCRITAS
- Editorial
- Artculo original
- Revisin
- Nota clnica
- Carta al director
ORALES / ESCRITAS
- Comunicacin a congreso
- Ponencia
- Tesina
- Tesis doctoral
Etapas del proceso de investigacin

TEORIA
1. Problema
18. Conclusin (Preguntas)
(Respuestas)
Fase interpretativa 17. Alcance

y limitaciones
2. Revisin
bibliogrfica
Fase conceptual
DISCUSIN INTRODUCCIN
16. Importancia
Novedad 3. Marco
terico
15. Validez interna y 4. Definicin

externa Variables
DEDUCCIN
INDUCCIN
5. HIPTESIS
14. ANLISIS
OBJETIVOS
13. Presentacin 6. Seleccin del

de datos diseo
TEMA A INVESTIGAR
Campo de investigacin
12. Procesamiento
de datos 7. Identificacin de
la poblacin
Fase planificacin
11. Recoleccin
8. Determinacin MATERIAL y
Fase emprica de datos
Casos/muestra
MTODOS
RESULTADOS 9. Estudio
10. Fuentes de
informacin piloto
HECHOS
DATOS
Etapas de la investigacin ELEMENTOS DEL
PARTES PRELIMINARES
ARTCULO ORIGINAL
1.TTULO
2. AUTORES
3. RESUMEN
El artculo original es un documento I. ETAPA CONCEPTUAL
PARTES DEL CUERPO DEL ESTUDIO

4. INTRODUCCION
escrito que contiene la descripcin II. ETAPA DE PLANIFICACIN
(DISEO) 5. MATERIAL Y MTODOS
completa, clara y concisa de una
investigacin. III. ETAPA EMPRICA (PRCTICA)
6. RESULTADOS
Cada una de las partes del artculo 7. DISCUSIN

IV. ETAPA INTERPRETATIVA
original corresponde con una etapa del (SIGNIFICADO)
8. CONCLUSIONES
PROCESO de INVESTIGACIN.
9. AGRADECIMIENTOS
PARTES FINALES
10. BIBLIOGRAFA
11. APENDICES
V. ETAPA DE DISEMINACIN PUBLICACIN EN

(PUBLICACIN) CONGRESOS O REVISTAS
Las etapas de la investigacin dentro de la estructura del artculo originalE
Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud. Medicina de Familia (And) 2001; 2:
81-90.
Profesor Bobenrieth Astete M.A. Profesor de Metodologa de Investigacin y Escritura Cientfica
Criterios para la formulacin de la pregunta de investigacin
FACTIBLE Nmero adecuado de individuos

Experiencia tcnica adecuada
Abordable en cuanto a tiempo y dinero
Manejable en cuanto al alcance
INTERESANTE PARA EL INVESTIGADOR. Confirma o refuta hallazgos previos
NOVEDOSA Amplia hallazgos previos
Proporciona nuevos resultados
TICA Y RELEVANTE Para el conocimiento cientfico
Para la poltica clnica sanitaria
Para lneas de investigacin futuras
Stephen B. Hulley, Steven R. Cummings. Diseo de la investigacin clnica.

Un enfoque epidemiolgico. Barcelona: Doyma; 1993.
Causas de DENEGACIN de comunicaciones a congresos

Inferencia estadstica incorrecta 4%
Tamao de la muestra inadecuado 4%
No cumple las normas de aceptacin 6%
Seleccin de la muestra inadecuada 6%
Anlisis estadstico inadecuado o incorrecto 9%
Presentacin inadecuada de los resultados 10%
Resultados no cuantificados 12%
Objetivos del estudio mal definidos 13%
Presencia de SESGOS que invalidan el estudio 17%
El diseo del estudio (tipo) no es adecuado para los objetivos 27%
Las conclusiones no se apoyan en los resultados obtenidos 27%
Resumen mal estructurado que no aporta elementos de juicio 28%
Tema reiteradamente expuesto (escasa originalidad) 38%
Pita Fernndez S. Evaluacin de comunicaciones del XIII Congreso de Medicina Familiar y Comunitaria (La
Corua). Aten Primaria 1994; 13: 150-152.
La bioestadstica y el mtodo epidemiolgico aportan ms ciencia al arte de la

medicina y enfermera y es por ello que la colaboracin conjunta de expertos en
metodologa, bioestadsticos y los clnicos deben trabajar en equipo en colaboracin
para en un esfuerzo conjunto reducir la variabilidad que rodea al ejercicio de la
medicina y enfermera que ser siempre una ciencia de probabilidades y un arte de
manejar la incertidumbre.
Expertos en
Bioestadsticos
metodologa
Personal
sanitario
Pita Fernndez S. Dificultades de los mdicos para la realizacin de estudios clnico-epidemiolgicos.

Congreso Galego de Estadstica e Investigacin de Operacins. Santiago de Compostela, A Corua
(Espaa). 11-13 Novembre-1999.
Caractersticas del ttulo
- Encabezamiento del artculo

- Identificar con precisin el tema principal del artculo
- Estructura sencilla:
- Atractivo, indicativo del problema investigado
- 15 palabras redactadas en tono afirmativo
- Descriptores del contenido del artculo
- Informacin sobre...
- Sujetos (grupos) que se estudian
- Caractersticas de los sujetos bajo estudio
- mbito donde se realiz la investigacin
- nico prrafo sin puntuaciones, claro, conciso y preciso sobre los contenidos del
artculo
Defectos en la redaccin del ttulo
- Incompletos, crpticos o enigmticos

- Largos con informacin redundante y confusa
- Partidos (ttulo/subttulo)
- Empleo de siglas, abreviaturas o nombre comerciales de frmacos o tecnologa
- Efectistas, con conclusiones
- Empleo del lenguaje popular no cientfico (jerga)
- Terminologa inslita o que solo tienen uso en un rea restringida
Ejemplos de errores en la redaccin del ttulo
Estudio sobre..... Anlisis de los resultados de...

Estudio preliminar de... Anlisis de la situacin de...
Nuevo estudio sobre... Comportamiento de...
Investigacin acerca de... Controversia ante...
Informe de... Notas sobre...
Situacin de... Consideraciones acerca de...
Observacin acerca de... A propsito de...
Conceptualizacin de... Una aproximacin a...
Nuestra experiencia de... Reflexin sobre...
Resultados de un estudio sobre... Valoracin del...
Aportacin sobre... Un tratamiento nuevo para...
Contribucin al estudio de...
Autores
Requisitos necesarios y suficientes
1. Haber hecho una contribucin intelectual sustancial al proceso de la
investigacin.
2. Estar capacitado para presentar y defender pblicamente la totalidad

del informe (responsabilidad pblica del contenido total del artculo).
3. Haber participado en la redaccin o revisin del informe final de

investigacin.
Autor principal
Funciones
- El autor principal debe convocar reuniones de todo el equipo para la reflexin y
puesta en comn de las ideas que se han de plasmar en el artculo.
- Elaborar una lista de tareas exhaustiva, que abarque desde los aspectos ms
principales hasta los detalles aparentemente ms insignificantes.
- Como no todas las personas estamos dotadas para efectuar las mismas tareas,
el autor principal ha de tener la habilidad de distribuir esas tareas entre los dems
autores, en funcin de sus capacidades personales. As, entre todos los firmantes se
atiende a cada uno de los aspectos del manuscrito y el autor principal vela para que
no quede ningn detalle sin tratar.
- No se lleva el manuscrito a la editorial hasta que todas las tareas se han concluido
satisfactoriamente.
Lista de Comprobacin (LC) (checklist)

Ejemplo
Tareas Autor responsable Fecha lmite

Escoger el material
Identificar a los lectores
Componer el guin y darle forma
Ttulo
Autores: nombres y orden
Introduccin
Material y mtodos
Resultados
Discusin
Sintaxis, ortografa, puntuacin
Estadstica
Grficos
Tablas
Palabras clave
Resumen en espaol
Resumen en ingles
NO son autores
- Financiadores
- Directores docentes
- Catedrticos o Jefes de Departamento
- Personas que proporcionaron ayudas tcnicas puntuales
- Recolectores de datos
- Analistas estadsticos
Autores
Faltas ms frecuentes
AUTORA MLTIPLE: Incluir un nmero desproporcionadamente alto de autores. No
se admiten ms de 6 autores en cada artculo original.
AUTORA INJUSTIFICADA: Incluir personas que no han hecho una contribucin

sustancial a la investigacin y que no pueden defender pblicamente el contenido del
artculo.
AUTORA INCOMPLETA: Excluir verdaderos autores.
AUTORA INVERTIDA: No respetar el criterio de magnitud de la contribucin al

decidir el orden de aparicin de los autores
Usar iniciales en lugar de nombres completos de los autores
Incluir grados acadmicos o posiciones jerrquicas
No incluir la direccin postal/electrnica completa del autor principal.
Normas generales de escritura:

El ndice de niebla
Robert Gunning cre el NDICE DE NIEBLA (1952) para medir la claridad o la
dificultad de un texto. Objetivo: definir la claridad y legibilidad de un texto. Se
fundamenta en dos cuestiones bsicas:
1. Longitud de las frases.
2. Longitud de las palabras.
NDICE DE NIEBLA = [ ( n medio de palabras por frase + % de palabras con 3

slabas) * 0,4 ].
En esta escala 16 es un nivel de dificultad que corresponde a textos de lectura difcil y

el nivel 11 es propio de textos lebles por cualquier pblico. La puntuacin ideal es 7 u
8 y por encima de 12 es muy complicado de leer. La Biblia, Shakespeare y Mark Twain
tiene ndices de Gunning en torno a 6.

El ndice de niebla
1. Longitud de las frases
Una persona, mientras lee, va memorizando automticamente el texto con el fin

de captar correctamente su significado. En los artculos cientficos que comunican
novedades, esta accin es ms intensa porque pueden aparecer palabras
desconocidas que obligan a un mayor esfuerzo de concentracin. Est demostrado
que la memoria suele fallar a partir de la palabra 15. ste debera ser el lmite del
nmero mximo de palabras en una frase: el que marca la capacidad de retencin
inmediata que tiene el lector medio. Al leer una frase de ms de 20 palabras, este
lmite se supera y al final el lector empieza a perder el significado de las primeras
palabras que ha ledo. Entonces, ha de volver a leer la frase, y esta es la prueba
inequvoca de su longitud excesiva.

El ndice de niebla
2. Longitud de las palabras
Se entiende que las palabras con ms de dos slabas son de lectura ms incmoda.
A mayor longitud de frases y palabras, ms niebla. A ms niebla, menos claridad, es
decir, legibilidad.
Hay dos sumandos:
- nmero medio de palabras por frases
- nmero medio de palabras trislabas por frase.
Esta suma se multiplica por un factor arbitrario (0,4) para que el resultado sea un
nmero sencillo.
NDICE DE NIEBLA = [ ( n medio de palabras por frase + % de palabras con 3

slabas) * 0,4 ].
Clculo del ndice de niebla
1. Escoger un fragmento de texto de alrededor de 100 palabras (sin omitir ninguna

frase). Calcula la media palabras por lnea. Esto se hace dividiendo las palabras del
fragmento por el nmero de lneas del fragmento (resultado A). Es decir, calcular el
promedio de la longitud de las frases (dividir el nmero de palabras totales por el
nmero de frases en el fragmento).
2. Cuenta las palabras que tiene 3 slabas o mas, elimina los nombre propios y los
verbos conjugados pero incluye los infinitivos, participios y gerundios (resultado B).
3. ndice de niebla = ( A + B ) x 0,4
4. Recomendaciones:
1. Ser un buen texto si obtienes un nmero inferior a 15.
2. El texto es regular si estamos entre 15 y 20.
3. El texto es ilegible o mejor dicho difcil de leer si es superior a 20.
- Grado de dificultad en la comprensin de un texto. Robert Gunning estableci el

siguiente ndice de niebla, que mide la dificultad de los textos en el que:
- IN es el ndice de niebla.
- NPO es el nmero de palabras por cada oracin.
- NP3S es el nmero de palabras de tres o ms slabas por cada 100 palabras.
IN = (NPO + NP3S) * 0,4


Ejemplo
38 palabras
33 palabras
35 palabras
IN = (NPO + NP3S) * 0,4
Fernndez SanFrancisco T, Daz Portillo J, Snchez Romero JM et al. PREVALENCIA DE INFECCIN

TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA. Rev Esp Salud Pblica 2001; 75:
501-558.
Caractersticas del resumen
- Definicin: Expresin abreviada reducida a trminos sucintos, precisos y esenciales

de las ideas y conceptos ms importantes del artculo.
- Tarjeta de presentacin del artculo al lector.

- Independiente
- Autoexplicativo
- Autnomo
- Finalidad: Identificar el contenido del documento de forma rpida y exacta.
- Extensin: 150-250 palabras (MEDLINE).
- Estilo: Claro, preciso, conciso, sencillo e impersonal.

Estructura del resumen
1. Fundamentos/objetivos principales del estudio.
2. Metodologa.
- Diseo o tipo de estudio.
- Contexto: lugar, tiempo, mbito.
- Sujetos participantes o pacientes.
- Intervenciones (variable predictora o independiente introducida por el
investigador, y la variable resultado o dependiente).
- Tipo de anlisis estadstico previsto.
3. Resultados o hallazgos principales con valores numricos precisos.
4. Conclusiones principales del estudio.

RESUMEN
1.- Fundamentos/objetivos principales del Fundamento: La tuberculosis es la enfermedad infecciosa ms extendida
estudio
en el mundo. Los objetivos de este estudio fueron conocer la prevalencia
de infeccin tuberculosa en los inmigrantes que durante 1998 estuvieron
2.- Metodologa en el campamento de Calamocarro en Ceuta y analizar si existen
diferencias segn pas o regin geogrfica de procedencia.
Diseo o tipo de estudio Mtodos: Estudio descriptivo transversal sobre la poblacin total de
Contexto: lugar, tiempo, mbito inmigrantes en el campamento de Calamocarro en 1998. Se practic la
Sujetos participantes o pacientes intradermorreaccin segn la tcnica de Mantoux segn protocolo ya
Variables establecido, a los 2.223 inmigrantes (1979 varones y 244 mujeres)
Predictora o independiente introducida por el procedentes de distintos pases africanos (Nigeria, Mali, Guinea Bissau,
investigador Camern, Ghana, Sierra Leona, Rep Dem Congo, y Liberia,
Resultado o dependiente principalmente) en el campamento de refugiados de Calamocarro de
Tipo de anlisis estadstico previsto Ceuta. Los resultados se presentan para tres puntos de corte de la
induracin: <5mm; entre 5 y 10mm; e igual o superior a 10mm.
3.- Resultados o hallazgos principales con Resultados: Los inmigrantes procedan de 36 pases africanos, el 89,0%
valores numricos precisos eran varones y el 11,0% mujeres (p < 0,001) con una edad media de 24,9
4,3 y 23,4 4,1 aos respectivamente. El 32,6% presentaron una
respuesta al test de Mantoux igual o superior a 10 mm, 33,2% en varones
y 27,9% en mujeres (p = 0,09). Slo hubo un 1,1% con induracin 5-10
mm de probable origen vacunal. Por zonas geogrficas, las tasas ms
altas se presentaron en inmigrantes procedentes de la Repblica
Democrtica del Congo (65,1%) y de Camern (48,4%), seguidos a
distancia por Nigeria (34,0%), Liberia (32,7%), Mauritania (29,1%),
Sierra Leona (28,8%), Costa de Marfil (27,8%), Guinea Bissau (27,4%),
Ghana (26,3%), Argelia (25,6%), Mali (24,1%) y R.Guinea (20,9%)
(p<0,0001).
4.- Conclusiones principales del estudio Conclusiones: La poblacin inmigrante procedente de pases
centroafricanos presenta una alta prevalencia de infeccin tuberculosa,
constituyendo un grupo de riesgo de padecer la enfermedad. Por tanto, es
fundamental la implantacin de programas especficos de bsqueda
activa de infeccin tuberculosa durante su estancia en nuestra ciudad,
aprovechando su concentracin a la entrada en nuestro pas, antes de su
emigracin definitiva a localidades peninsulares y posterior dilucin en la
poblacin de acogida.

501-558.
Introduccin
- Describe los elementos de la fase conceptual de la investigacin.

- Describe los conceptos bsicos necesarios para la comprensin del artculo original
(MARCO TERICO).
- Sistema de ideas procedentes de experiencias y conocimientos anteriores, que
proveen los fundamentos del estudio.
- Es el soporte conceptual de la investigacin.
- Sirve de transicin entre el mundo del lector al mundo del autor, preparando al lector
para que lea con atencin y reflexin.
- Responde al qu y al por qu de la investigacin.
- Justificacin de las medidas que se van a realizar a lo largo de la investigacin.
- Conocer el estado actual del problema, sus antecedentes y los conocimientos ms
recientes existentes sobre el mismo (revisin bibliogrfica).
- Despertar el inters del lector en conocer el resto del artculo.
Estructura secuencial de la introduccin
1. Enumeracin de los temas generales que abarcan el problema

(marco terico).
2. Revisin de los antecedentes del problema.
3. Definicin del problema (pregunta) de investigacin.
4. Enunciacin y ubicacin de las variables (predictora y resultado) a
considerar en relacin al problema.
5. Formulacin de los objetivos del estudio.
6. Importancia y alcance del estudio.
7. Limitaciones del estudio.
Ejemplo de marco terico dentro de la introduccin

501-558.
Definicin del problema e importancia y alcance del estudio

501-558.
Caractersticas de los objetivos del estudio

en la introduccin
Un objetivo es un resultado concreto y previsto que se desea conocer
mediante una investigacin de tipo descriptivo.
- Enuncia un resultado unvoco, preciso, factible y medible que se

obtendr al finalizar el estudio.
- Define un estado o situacin cuantificable en un lugar y tiempo

determinados.
- El objetivo/s corresponde/n a la pregunta/s de investigacin cuya

respuesta/s ser la conclusin/es del estudio.
Ejemplo de los objetivos del estudio en la introduccin

501-558.
Estilo de la introduccin
- Narrativo.
- Conversacional (no erudito).
- Objetivo (no sesgado).
- Tener la fuerza de la lgica (no la insistencia o la exageracin).
- Crear en el lector una sensacin creciente de descubrimiento e inters.
- Tiempo verbal PRESENTE (relata la situacin actual de los
conocimientos sobre el problema).
- Los objetivos se redactan en INFINITIVO utilizando verbos activos de
interpretacin unvoca (no desorienten o engaen posteriormente al
lector).
Referencias bibliogrficas de la introduccin
- Ser pertinentes al tema y al problema de investigacin.
- Ser suficientemente actualizadas (5-10 ltimos aos).
- Centrarse en publicaciones de tipo primario (artculos cientficos

originales).
- Ser suficientes para apoyar la fase inicial de la investigacin sin llegar a

ser exhaustivos.
- Ser riguroso en la citacin.

Errores ms frecuentes en la introduccin
1. Inexactitud en la identificacin del campo general de investigacin

(marco terico).
2. Imprecisin en la definicin del problema de investigacin (pregunta de

investigacin).
3. Insuficiencia o mala calidad del apoyo bibliogrfico.
4. Falta de enunciacin y ubicacin de las variables.
5. Objetivos excesivamente generales, vagos o ambiguos o mal

formulados.
Captulo 2

Diseo del estudio.
Material y mtodos.



Materiales y mtodos
Cmo se plane la investigacin?
Cmo, cuando y donde se realiz la investigacin?
Qu, a quin y cmo se hizo?
Describir el proceso con el detalle suficiente que permita al lector la clara

comprensin del proceso de investigacin y que haga posible reproducir el
estudio adaptndolo a su mbito.
Diseo del estudio

Materiales y mtodos
Caractersticas del diseo
- Adecuacin a la pregunta de investigacin concretada en los objetivos.
- Precisin, que aumenta al disminuir la variabilidad inducida por

covariables extraas (factores de confusin).
- Poder (capacidad de un diseo de investigacin para describir las

relaciones entre variables).
- Ausencia de sesgos que produzcan distorsiones en los resultados.
- Consideracin de las limitaciones (diseos observacionales) y los

aspectos ticos del plan de investigacin (diseos experimentales).
Materiales y mtodos
Estructura
1. Tipo de diseo (estudio)

2. Sujetos incluidos (criterios de seleccin de la muestra)
3. Fuentes de informacin
4. Descripcin de la intervencin y definicin del punto final de la
investigacin (estudios experimetales)
5. Instrumentos y procedimientos de medida (cuestionarios)
6. Definicin de las variables y covariables incluidas en el estudio (factor de
estudio y criterio de evaluacin)
7. Limitaciones y consideraciones ticas de la investigacin
8. Pruebas estadsticas a utilizar (programa estadstico)
Tipos de diseo / estudios
1. Estudios EXPERIMENTALES
- Ensayo clnico aleatorio
- Ensayo clnico cruzado
2. Estudios de COHORTES
3. Estudio de CASOS y CONTROLES
4. Estudios DESCRIPTIVOS
- Estudios TRANSVERSALES
- Series de CASOS CLNICOS
- Estudios ECOLGICOS
Estructura bsica de un ensayo clnico aleatorio
Prdidas No cumplidores
A Grupo 1
Intervencin A Respuesta A1
Reacciones adversas
Interpretacin
Criterios de No participantes
seleccin Comparacin
Conclusiones
Poblacin Seguimiento de resultados
Poblacin Participantes
experimental
Prdidas No cumplidores
Grupo 2
Intervencin B Respuesta B2
Placebo
B No intervencin
Reacciones adversas
Los investigadores controlan la exposicin

Estructura bsica de un ensayo clnico cruzado

Poblacin experimental
Consentimiento
Asignacin aleatoria Participantes

Asignacin aleatoria
Grupo 1
Intervencin A
Grupo 2 B
Intervencin B
A Seguimiento
Respuesta A1
Respuesta B2
Ho : A = B
Ha : A < B Periodo de blanqueo
Grupo 2 Grupo 1
B
Intervencin B Intervencin A
A
Seguimiento
Respuesta A2 Respuesta B1
Comparacin de los resultados

B1
Hiptesis nula Ho: A1 + A2 = B1 + B2 Hiptesis alternativa Ha: A1 + A2 < B1 + B2
Poblacin experimental
Consentimiento
Participantes
Grupo 1 Grupo 2
Intervencin A Intervencin B
Seguimiento
CT Respuesta A1 Respuesta B2 CT
Periodo de blanqueo
Grupo 2 Grupo 1
Intervencin B Intervencin A
Seguimiento
CT Respuesta A2 Respuesta B1 CT
Comparacin de los resultados
B1
B1
A1 = A2 A1 < B1
Hiptesis nula Ho: A1 + A2 = B1 + B2 Hiptesis alternativa Ha: A1 + A2 < B1 + B2
B1 = B2 B2 > A2
Ventajas del ensayo clnico
1. Mximo control en el diseo.

2. Menos posibilidad de SESGOS debido a la seleccin aleatoria de los
grupos.
3. Repetibles y comparables con otras experiencias.
4. Mayor potencia metodolgica.
Limitaciones de los ensayos clnicos
1. Coste elevado.
2. Limitaciones de tipo tico y responsabilidad en la manipulacin de la
exposicin
3. Dificultades en la generalizacin debido a la seleccin y/o a la propia
rigidez de la intervencin.
Estudios de seguimiento
Cohortes
- Estudios de seguimiento
- Estudios de incidencia
- Estudios panel
- Estudios prospectivos
- Estudios longitudinales
Estructura bsica de un estudio de cohortes
Los investigadores NO controlan la exposicin
Prdidas de Muertos por

seguimiento Enfermos con Cncer
otras causas
de Pulmn
Expuestos al
TABACO No enfermos de
Tasa de Incidencia Seguimiento
en expuestos I Cncer de Pulmn
Riesgo Relativo (RR)= RR =
Tasa de Incidencia
en NO expuestos
Io Enfermos con Cncer
No expuestos al Seguimiento de Pulmn
TABACO
No enfermos de
Prdidas de Muertos por Cncer de Pulmn
seguimiento otras causas
Tipos de estudios de cohortes segn la temporalidad
PASADO PRESENTE FUTURO
Exposicin Efecto/enfermedad Estudio

RETROSPECTIVO
Cohorte histrica
Incgnitas Observacin
Estudio Exposicin Efecto/enfermedad

PROSPECTIVO
Cohorte clsica
Observacin Incgnitas
Ventajas de un estudio de cohortes
1. La medicin de la exposicin (F) es exacta y completa ya que no depende de la

memoria de los pacientes (cohorte clsica).
2. Al ser longitudinal en el tiempo, permite el clculo directo de las tasas de incidencia

en ambos grupos (expuestos I y no expuestos Io), as como el riesgo de enfermar entre
los expuestos en relacin a los no expuestos, es decir el RIESGO RELATIVO (RR).
I
RR=
Io
3. Asegura una adecuada secuencia temporal, en la que el factor de riesgo (o
exposicin F) o variable predictora siempre precede a la enfermedad (al inicio del
estudio se excluye las personas que presentan la enfermedad) variable resultado.
Limitaciones de un estudio de cohortes
1. No es un diseo eficiente para el estudio de problemas poco

frecuentes. Se necesitara una muestra muy grande para completar el
estudio.
2. Cuando la enfermedad en estudio presenta un largo periodo de latencia

es necesario realizar un largo periodo de seguimiento, lo que complica
mucho la organizacin del estudio.
Estructura de un estudio de casos y controles
Los investigadores NO controlan la exposicin
Expuestos A
Casos: Enfermos con A/C
Cncer de Pulmn
No expuestos C
A/C (casos)
Odds Ratio (OR)=
B/D (controles)
Expuestos B
Controles:
No enfermos de
Cncer de Pulmn B/D
No expuestos D
Ventajas de un estudio de casos y controles
1. Ofrecen mucha informacin ya que se pueden estudiar un alto nmero de casos de

una enfermedad (til para enfermedades poco frecuentes).
2. Ofrecen un alto grado de eficiencia, ya que se realizan en mucho menos tiempo

y con menor coste al no tener que seguir a los pacientes a lo largo del periodo de
latencia de la enfermedad.
3. Permiten estudiar exposiciones (F) que son raras en la poblacin general, siempre y
cuando estn fuertemente asociadas a la enfermedad (E) en estudio.
Limitaciones de un estudio caso - control
1. Son muy susceptibles de la introduccin de SESGOS.
2. No permiten calcular la incidencia ni de la prevalencia de la enfermedad, ya que

la proporcin de participantes expuestos en el estudio viene determinada por el
investigador y no por la proporcin real de expuestos que existe en la comunidad.
3. No se puede estudiar ms de una enfermedad simultneamente.

Estructura de un estudio transversal
No enfermos
No enfermos
No enfermos
Enfermos Cncer
Estratificacin en
pulmn
funcin del Factor Enfermos Cncer Enfermos Cncer
de exposicin (F) pulmn pulmn
Poblacin Fumadores NO Fumadores

Ventajas de un estudio de transversal
1. Se pueden estudiar simultneamente en un solo estudio varias:

- enfermedades (E) (variables resultado).
- factores de riesgo (F) (variables predictoras).
2. Se realizan en un corto periodo de tiempo.
3. Permiten calcular la prevalencia.
4. Permiten realizar posteriormente otros tipos de estudios.

- Estudios de seguimiento (COHORTES).
- Estudios de casos y controles.
Limitaciones de un estudio transversal

Principio de Incertidumbre
Dificultad en la
No enfermos interpretacin de
una posible relacin
Factor de causa-efecto
No enfermos
exposicin (F):
OBESIDAD
No enfermos
Enfermos
Estratificacin en
diabticos
funcin del Factor Enfermos Enfermos
DIABETES tipo 2
de exposicin (F) diabticos diabticos
Poblacin Obesos NO obesos


Variable PREDICTORA ? Variable RESULTADO

OBESIDAD DIABETES tipo2

Variable
No enfermos
PREDICTORA
Factor de No enfermos
exposicin (F):
OBESIDAD
No enfermos
Enfermos con
Estratificacin en
ARTROSIS de
funcin del Factor Enfermos con Enfermos
rodilla
de exposicin (F) ARTROSIS ARTROSIS
Efecto o enfermedad: Variable Obesos NO obesos

ARTROSIS DE RODILLA RESULTADO

Variable PREDICTORA ? Variable RESULTADO

OBESIDAD ARTROSIS
DE RODILLA
Utilidades de un estudio transversal
Enfermos Cncer PRESENTE FUTURO

pulmn
CASOS
Enfermos Cncer
PREVALENTES Sanos Fumadores
pulmn
No fumadores
Enfermos Cncer
pulmn
Corte transversal previo al seguimiento (cohorte)

Proporciona informacin basal para estudios de cohortes posteriores y
permiten eliminar del seguimiento a los casos prevalentes.
Utilidades de un estudio transversal

Anlisis de un estudio transversal como futuro estudio caso-control
PRESENTE
Fumadores NO Fumadores
Sanos
Sanos
Enfermos Cncer Enfermos Cncer

pulmn pulmn
Fumadores CASOS
No fumadores
Enfermos Cncer
Estudio caso-control pulmn
Fumadores
No fumadores CONTROLES
Ventajas e inconvenientes del estudio transversal
Ventajas:
1. Se pueden estudiar varias enfermedades (E) o factores de riesgo (F) en un solo
estudio
2. Se realizan en un corto periodo de tiempo
3. Permitan calcular la prevalencia
4. Es el primer paso en la realizacin de posteriores estudios...
- Estudios de seguimiento (cohortes)
- Estudio casos-controles
Inconvenientes:
1. Falta de una secuencia temporal
2. No son tiles en enfermedades poco frecuentes ni de corta duracin
3. Sesgo de informacin, seleccin y supervivencia
4. Sesgo de NO respuestas
Serie de casos
Ventajas
1. Describen la experiencia de un paciente ( a propsito de un caso) o un
grupo de pacientes con un diagnstico similar.
2. Se describe una caracterstica de una enfermedad o de un paciente,

que sirven para generar nuevas hiptesis.
3. Con frecuencia se utilizan estos estudios para describir nuevas

enfermedades o efectos adversos y por tanto.
4. Son interesantes para mantener una vigilancia epidemiolgica eficiente

de la nueva enfermedad o del efecto adverso.
5. Son muy vlidos para formular nuevas preguntas de investigacin sobre

el tema (generacin y propuesta de nuevas hiptesis de trabajo).
Serie de casos
Limitaciones
1. No sirven para evaluar o testar la presencia de una asociacin
estadstica mediante un test de contraste de hiptesis.
2. La presencia de una asociacin puede ser un hecho fortuito.
3. La gran limitacin de este tipo de estudios es en definitiva la ausencia

de un grupo control.
Pita Fernndez S. Tipos de estudios clnico epidemiolgicos. Epidemiologa. Conceptos bsicos. En:
Tratado de Epidemiologa Clnica. Madrid; DuPont Pharma, S.A.; Unidad de epidemiologa Clnica,
Departamento de Medicina y Psiquiatra. Universidad de Alicante: 1995. p. 25-47.
Estudios ecolgicos
- La unidad de anlisis no es el individuo sino una agregacin de los

mismos (grupos de individuos), basado en reas geogrficas.
- Se realiza en la mesa de trabajo de investigador.

- Recopilacin de los datos.
- Realizacin del clculo estadstico.
- Rpidos, econmicos, y fciles de realizar.
- tiles cuando no se dispone de informacin a nivel individual (no hay

datos individuales solo grupales).
- Son el primer paso en muchas ocasiones en la investigacin de una

posible relacin entre una enfermedad y una exposicin determinada.
Estudio ecolgico

TABACO CNCER DE PULMN
Consumo de cigarrillos per Tasa de mortalidad por

capita cncer de pulmn
Estudios ecolgicos
EE.UU
Ferroviarios Seven
Countries
Study
FINLANDIA
HOLANDA
Zutphen
YUGOSLAVIA JAPON
Belgrado Tanushimaru
ITALIA
Dalmacia
Crevalcore Ushibuka
GRECIA Eslavonia
Montegiorgio
Creta Velika Krsna
Roma
Corfu Zrenjanin
Estudio ecolgico

GRASAS SATURADAS CARDIOPATA
CORONARIA
cidos grasos saturados Tasas de mortalidad por

de la dieta (% de aporte cardiopata coronaria
calrico)
Estudio ecolgico

GRASAS SATURADAS COLESTEROLEMIA
cidos grasos saturados Tasas de colesterol en

de la dieta (% de aporte sangre (mg/dl)
calrico)
Estudios ecolgicos
5
4
E
U N
3
2 W
MC S
G DB
1 r = 0,84
V Z
K
0 5 10 15 20 25
cidos grasos saturados en la dieta (% de aporte calrico)
Tasa de mortalidad por cardiopata coronaria en funcin del contenido en cidos grasos saturados de la
dieta (% del aporte calrico). Ambas variables estn significativamente correlacionadas segn un amplio
estudio (Seven Countries Study) llevado a cabo en diferentes grupos de poblacin. B = Belgrado, C=
Crevalcore, D= Dalmacia, E = este de Finlandia, G = Corf, K = Creta, N = Zutphen, M = Montegiorgio, S
= Eslavonia, T = Tanushimaru, U = empleados de ferrocarriles de EEUU, V = Velika Krsna, W = oeste de
Finlandia, Z = Zrenjarin.
Estudios ecolgicos
280
260 W E
240
Colesterolemia (mg/dl)
U N
220 B
K Z
200 G MC S
180
D r = 0,89
T
160
140 V
0 5 10 15 20 25
cidos grasos saturados en la dieta (% de aporte calrico)
Valores de colesterol en sangre en relacin con el contenido en cidos grasos saturados de la dieta (%
del aporte calrico). Ambas variables estn significativamente correlacionadas segn un amplio estudio
(Seven Countries Study) llevado a cabo en diferentes grupos de poblacin. B = Belgrado, C= Crevalcore,
D= Dalmacia, E = este de Finlandia, G = Corf, K = Creta, N = Zutphen, M = Montegiorgio, S = Eslavonia,
T = Tanushimaru, U = empleados de ferrocarriles de EEUU, V = Velika Krsna, W = oeste de Finlandia, Z =
Zrenjarin.
Estudios ecolgicos
ESTUDIOS ECOLGICOS
Prevalencia de Enfermedad Heptica Grasa No

Alcohlica (EHGNA) en Obesos
IMC > 30
Ultrasonographic evaluation
Semin Liver Dis 2008
NAFLD: Enfermedad Heptica Grasa No alcohlica

Estudio ecolgico

CIGEAS NATALIDAD HUMANA
Nmero de ejemplares de Tasa de natalidad de la

cigeas poblacin humana

Tasa de nacimientos en la poblacin humana
Enero
Mayo Abril
Junio
Febrero
Agosto Marzo
Noviembre
Octubre
Julio
Septiembre
Diciembre

Nmero de ejemplares de cigeas
RESULTADOS: En Alemania, en un mismo ao, descendieron, de forma

significativa, la tasa de nacimientos de la poblacin humana y el nmero
de ejemplares de cigeas. La correlacin entre ambas variables era alta,
lo que demostraba cientficamente su relacin.
CONCLUSIN: La baja natalidad alemana en el ao de estudio se explica

por la disminucin del nmero de cigeas repartidoras de bebs. La
culpa era de las cigeas.
Comentarios
- Es muy saludable encontrar detalles de humor.
- Si leyramos un supuesto artculo cientfico con esa conclusin tan extravagante,

pensaramos sin duda, que se trata de una parodia y como tal la aceptaramos.
- Es fcil entender el error porque sabemos que las cigeas no tiene nada que ver
con la reproduccin humana, y por tanto se ha buscado errneamente una relacin
entre dos variables sin plausibilidad biolgica.
- El trabajo est mal planteado, y aunque se hubiera aplicado un tratamiento

estadstico aparentemente correcto.
- Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre significa que
existe una relacin entres las variables evaluadas, y por tanto NO implica una relacin
causa efecto.
Ventajas e inconvenientes del estudio ecolgico

Ventajas:
1. Se realizan en un corto periodo de tiempo
2. Prcticamente sin coste
3. La informacin necesaria para el estudio est fcilmente disponible
4. Es el primer paso en la realizacin de posteriores estudios...
- Estudios de prevalencia
- Estudios de seguimiento (cohortes)
- Estudio casos-controles
Inconvenientes:
1. No pueden determinar si existe una asociacin entre una exposicin y una
enfermedad a nivel individual. La falacia ecolgica consiste en obtener conclusiones
inadecuadas a nivel individual basados en datos poblacionales.
2. La incapacidad para controlar por variables potencialmente confusoras. La
asociacin o correlacin que encontremos entre dos variables puede ser debida a
una tercera variable que a su vez est asociada con la enfermedad y la exposicin
objeto de estudio
Materiales y mtodos (ejemplo)

Estructura
- Tipo de diseo (tipo de estudio)
- Sujetos incluidos (criterios de seleccin de la muestra)
Fernndez Sanfrancisco MT, Daz Portillo J, Snchez Romero JM, et al. Prevalencia de infeccin
tuberculosa en la poblacin inmigrante de Ceuta. Rev Esp Salud Pblica 2001; 75: 551-558.
Materiales y mtodos
Estructura

investigacin (estudios experimetales)
Materiales y mtodos (ejemplo)

Estructura
- Fuentes de informacin
- Descripcin de la intervencin y definicin del

punto final de la investigacin
- Instrumentos y procedimientos de medida
Inmigrantes residentes Prueba de Mantoux Induracin > 10 mm

en el CETI
Sintomatologa
Radiografa
sospechosa
Baciloscopia Cultivo Lwenstein

Captulo 3

Bioestadstica:
Variables y Grficos.
Material y mtodos.



Materiales
Pacientes
1. Criterios de seleccin de la muestra (inclusin y exclusin).

2. Procedencia.
3. Tcnica de reclutamiento utilizada.
4. Tiempo empleado para reunir a los todos los participantes.
5. Principales caractersticas de los pacientes.
- Edad
- Sexo
- Procedencia
- Gravedad
- Aos de evolucin de la enfermedad
- Patologas asociadas...
6. Clculo de tamao muestral.
Tipos de variables
- Variables cualitativas
- Categricas nominales
- Dicotmicas o Binarias
- Policotmicas
- Categricas ordinales Categorizacin
- Variables cuantitativas
- Discretas
- Continuas
Tipos de variables
- Variables CUALITATIVAS: Representan una cualidad o atributo que clasifica a cada

individuo en una de varias categoras. Pueden ser de dos tipos:
- Dicotmicas o binarias: La situacin ms sencilla es aquella en la que se clasifica cada
individuo en uno de dos grupos (hombre/mujer, enfermo/sano, fumador/no fumador).
- Policotmicas: Es necesario un mayor nmero de categoras (color de los ojos, grupo
sanguneo, profesin, etctera).
- Variables CUANTITATIVAS: Son aquellas que pueden medirse, cuantificarse o

expresarse numricamente. Pueden ser de dos tipos:
- Continuas: Son aquellas que si admiten tomar cualquier valor dentro de un rango
numrico determinado, con uno o varios decimales (peso, talla, edad).
- Discretas: Son aquellas que NO admiten todos los valores intermedios en un rango.
Suelen tomar solamente valores enteros (nmero de hijos, abortos, partos, hermanos).
Tipos de variables segn la escala de medida
Escalas nominales: Variables NOMINALES: sta es una forma de observar o medir en la

que los datos se ajustan por categoras que no mantienen una relacin de orden entre s.
- Sexo
- Grupo sanguneo
- Presencia o ausencia de una enfermedad
- Presencia o ausencia de un factor de riesgo.
Escalas ordinales: Variables ORDINALES: En las escalas utilizadas para mediarlas existe
un cierto orden, grado o jerarqua entre las categoras.
- Grado de disnea
- Grado de dolor
- Intensidad del hbito tabquico
- Tipo de fumador
Variables cualitativas categricas ordinales
- Grado de disnea
- Grado de dolor
- Intensidad del hbito tabquico
- 1-9 cigarrillos/da
- 10-20 cigarrillos/da
- > 20 cigarrillos/da
- Tipo de fumador
- Exfumador
- Fumador pasivo
- Fumador activo
Categorizacin de variables cuantitativas
Variable Variable
Cuantitativa continua Cualitativa dicotmica
Triglicridos Hipertriglicridemia
Normotriglicridemia
Categorizacin
Variable Variable
Cuantitativa discreta Cualitativa ordinal
Test de APGAR Patolgico < 7
Dudoso = 7
Fisiolgico > 7
Categorizacin
Tipos de variables
Ejemplos
Variables cualitativas - Sexo

- Categricas nominales - Grupo sanguneo
- Binarias - Hipertensin
- Policotmicas - Tipo de fumador
- Ordinales - Colesterolemia
- Nmero de hijos
Variables cuantitativas - Nivel econmico
- Discretas - Edad
- Continuas - Peso
- Test de apgar
Tipos de variables
Ejemplos
Variables cualitativas - Desenlace

- Categricas nominales - Estado civil
- Binarias - Inmunizacin toxoplasma
- Policotmicas - Intensidad del hbito tabquico
- Ordinales - LDL colesterol
- Nmero de cigarrillos
Variables cuantitativas - Grado de disnea
- Discretas - Aos de evolucin
- Continuas - Hemoglobina
- Nmero de hijos
Tipos de variables
Variable independiente (X) Variable dependiente (Y)

Controlada por el investigador Respuesta que no se controla
Informacin disponible Informacin que se desea conseguir
Variable predictora Variable desenlace
Variable previa Variable criterio
Exposicin (F) Resultado (E)
Posible causa Posible efecto
Factor Consecuencia
Regreso Regresando
Pruebas estadsticas de contraste de hiptesis ms

aplicables a cada situacin
Variable Variable Pruebas de contraste de Observaciones y/o limitaciones del test
Independiente o Dependiente o hiptesis
PREDICTORA RESULTADO
Cualitativa Cualitativa Chi cuadrado Si el tamao muestral es grande
Prueba exacta de Fisher Si el tamao muestral es pequeo
Test de McNemar Muestras repetidas o apareadas
REGRESIN LOGSTICA Varias variables predictoras cualitativas
Cualitativa Cuantitativa t de Student Compara medias entre dos grupos independientes
Anlisis de la Varianza Compara medias entre mas de dos grupos independientes
Test de Mann-Whitney Dos grupos independientes No paramtricos
Test de Wilcoxon Dos grupos medidas repetidas No paramtrico
Test de Kruskall-Wallis Mas de dos grupos No paramtrico, medidas repetidas
Test de Friedman Mas de dos grupos No paramtrico medidas repetidas
Cuantitativa Cuantitativa Regresin lineal simple Paramtrico
Correlacin de Pearson Paramtrico
Correlacin de Sperman No paramtrico
REGRESIN MLTIPLE Varias variables predictoras cuantitativas
Cualitativa Superviviencia Kaplan-Meier Curvas de superviviencia
Long-Rank Compara curvas de superviviencia
Regresin de COX Anlisis Multivariante
Fases del anlisis estadstico
1.- ANLISIS DESCRIPTIVO
2.-ANLISIS BIVARIANTE
3.- ANLISIS MULTIVARIANTE

Estadsticos descriptivos
Medidas de tendencia central Medidas de dispersin

- Media aritmtica - Varianza
- Media geomtrica - Desviacin estndar
- Media armnica - Coeficiente de variacin
- Media ponderada - Error estndar de la media
- Mediana
- Moda Medidas de posicin
- Cuantiles
Medidas de forma - Percentiles
- Asimetra
- Curtosis o apuntamiento
Medidas de tendencia central
- Media aritmtica [x]

- Media geomtrica
- Media armnica
- Media ponderada
- Mediana (P50)
- Moda
Media aritmtica
- Principal medida de tendencia central, pero menos robusta que la media geomtrica o
media armnica.
- Se deja influir mucho por los valores extremos de la distribucin.
- Se suman todos los valores y se divide por el nmero total de individuos.
- Expresin con pocos decimales.
Ejemplo: Cul es la nota de un alumno del curso de

metodologa de investigacin que ha obtenido las siguientes
calificaciones?
xi valor Peso valor

Asistencia a clase (X1) 7,5 W1 20%
Tesina (prcticas) (X2) 5,5 W2 20%
Examen inicial (X3) 3/14 (2,1) W3 10%
Examen final (X4) 11/14 (7,8) W4 20%
Incremento en sus conocimientos (X4 - X3) 8 W5 30%
Media ponderada = 6,7

Mediana P50
- Medida de tendencia central robusta, de clculo fcil.
- No se deja influir mucho por los valores extremos de la distribucin.
- Coincide con el valor central del conjunto ordenado de observaciones que deja por
debajo y por encima a la mitad de las observaciones realizadas.
- Se debe utilizar siempre en dos casos:

- Bajo tamao muestral (para muestras pequeas) y/o
- Cuando existen observaciones extremas (perifricos)
Medidas de dispersin
- Varianza [s2]
- Desviacin tpica o estndar [s]
- Coeficiente de variacin [CV]
- Error estndar de la media [EE]

Cul de las siguientes

distribuciones presenta un
mayor valor de la media?

distribuciones presenta una
mayor dispersin?

distribuciones presenta una
mayor dispersin?

distribuciones presenta un
mayor valor de la media?
Desviacin estndar (s)
- Medida de dispersin que nos suministra mucha informacin sobre la naturaleza de

una variable.
- Cuanto ms separados estn los valores de la media mayor ser su dispersin, y

mayor ser su desviacin estndar.
- Se debe representar como media (desviacin estndar), y NO como media

desviacin estndar.
- Su magnitud SI depende de las unidades de medida de la variable. NO permite la

comparacin directa de la dispersin de varias variables.
Coeficiente de variacin (CV)
- Medida de dispersin que relaciona que proporcin porcentual de la media representa

la desviacin estndar.
- Representa la desviacin estndar medida en unidades de magnitud relativas a la

media.
- Permite la comparacin directa de la dispersin de varias variables.
- Su magnitud NO depende de las unidades de medida de la variable.

Cul de las siguientes variables presenta un mayor grado de

dispersin?
Repetibilidad interdiaria de los procedimientos de anlisis del metabolismo frrico
Componente N Media Desviacin Coeficiente de
estndar variacin (CV %)
Hemoglobina 20 121,70 0,64 0,53
Hierro 20 0,99 0,01 1,20
Ferritina 20 94,50 4,24 4,49
Transferrina 20 3,25 0,094 2,89
Receptor soluble de la transferina 20 2,39 0,13 5,44
Cul de las siguientes variables presenta un menor grado de

dispersin?
Distribucin de los valores de una variable x

medidos en los individuos de una poblacin
Sigma : desviacin
estndar de los individuos
Desviacin estndar: Mide el grado de de la poblacin general
dispersin de todos los individuos que
forman la muestra (s) o la poblacin ().
Distribucin de las medias X observadas en las infinitas muestras

de tamao n que pueden obtenerse de una poblacin de media
Media poblacional desconocida de la que y de desviacin estndar
proceden todas las muestras extradas DISTRIBUCIN
DE LAS MEDIAS
MUESTRALES
Error Estndar de la Media EEM: Mide el grado de dispersin de las medias de todas las posibles muestras
que pudieran extraerse de la poblacin. Mide el grado de dispersin de las medias muestrales respecto a la
media poblacional (desconocida).
Medidas de forma
Asimetra (coeficiente de asimetra 1 de Fisher)

Simtrica (coeficiente de asimetra 1 = 0)
n
3
i
Asimtrica (coeficiente de asimetra 1 0) 1 = i =1
R3
Asimetra positiva (coeficiente de asimetra 1 > 0)
Asimetra negativa (coeficiente de asimetra 1 < 0)
Curtosis o apuntamiento (coeficiente 2 curtosis de Fisher)
Mesocrtica (2 = 0)
n
4
i
2 = i =1
3
Platicrtica (2 < 0) R4
Leptocrtica (2 > 0)
Coeficiente 2 mide el grado de

APLASTAMIENTO de una curva
Medidas de forma
Asimetra
n
3
i
1 = i =1
R3
Histograma de frecuencias de una variable cuantitativa

con distribucin simtrica (coeficiente de asimetra 1 = 0)
Distribucin normal [Asimetra] < 2 EEasimetra

Medidas de forma
Asimetra

con distribucin Asimtrica Positiva (coeficiente de asimetra 1 > 0)

con distribucin Asimtrica positiva (coeficiente de asimetra 1 > 0)
Moda Mediana
%
Media
* Coeficiente de asimetra 1 > 0 (VALOR POSITIVO)

X
* La Mediana es un valor ms pequeo que la Media
* La cola de la distribucin se aleja por la derecha
Medidas de forma
Asimetra

con distribucin Asimtrica Negativa (coeficiente de asimetra 1 < 0)
Histograma de frecuencias de una variable cuantitativa con

distribucin Asimtrica negativa (coeficiente de asimetra 1 < 0)
Moda
Mediana
%
Media
X
* Coeficiente de asimetra 1 < 0 (VALOR NEGATIVO)
* La Mediana es un valor ms grande que la Media
* La cola de la distribucin se aleja por la izquierda
Medidas de forma
Curtosis o apuntamiento
Coeficientes 2 de apuntamiento o curtosis de Fisher
Mesocrtica (2 = 0) Platicrtica (2 < 0) Leptocrtica (2 > 0)
Distribucin normal [curtosis] < 2 EEcurtois

Segn las medidas de forma Cmo puede clasificarse esta

variable?
Asimetra 1 = 0,01
Curtosis 2 = 0,02
Simtrica (1 0)
Mesocrtica (2 0)
Distribucin
NORMAL
Coeficientes de asimetra 1 y de apuntamiento o curtosis 2

en diversos tipos de distribuciones

variable?
Asimetra 1 = + 2,98
Curtosis 2 = +11,53
Asimtrica (1 >0)(+)
Leptocrtica (2 >0)
Distribucin
ANORMAL


variable?
Asimetra 1 = -1,59
Curtosis 2 = +1,97 Asimtrica (1 <0)(-)
Leptocrtica (2 >0)
Distribucin
ANORMAL


variable?
Asimetra 1 = - 0,04
Curtosis 2 = - 1,37 Simtrica (1 0)
Platicrtica (2 <0)

Segn las medidas de forma Como puede clasificarse esta

variable?
Asimetra 1= + 0,135
Curtosis 2 = + 0,320
Simtrica (1 0)
Mesocrtica (2 0)
Sigue una Distribucin Normal?

Frecuencia
Distribucin
NORMAL
Peso en adultos (Kg)
Test de Kolmogorov - Smirnov = 0,705 p = 0,702


variable?
Asimetra 1 = + 0,713
Curtosis 2 = + 3,660
Frecuencia
Distribucin ANORMAL
Asimtrica (1 >0)(+)
Leptocrtica (2 >0)
Edad
Test de Kolmogorov - Smirnov = 1,498 p = 0,022

Medidas de posicin:
Cuartiles y percentiles
120
110
6 datos 110 Cuartil 3 = P75
95
92
Mediana P50 91
90 Cuartil 2 = P50 RIC
88
85
6 datos
76
76
Cuartil 1 = P25
73
72
RIC: Rango intercuartlico
Representacin esquemtica de la Mediana P50

(percentil 50) y de los cuartiles P75 y P25
Grficos de caja (box-plot)
Bigote superior =[1,5 * RI ] + P75

80
70
Tercer cuartil P75
60
Rango intercuartlico (RI)
50
Tercer cuartil Primer cuartil
40
30
20
Mediana P50
10
0
Primer cuartil P25
Consumo de Cigarrillos / da
Bigote inferior = P25 [1,5 * RI ]
Diagrama de caja (box & whister plot)

Es legtimo un dato
puntual cuyo valor
es excepcionalmente
grande o pequeo? 220 Perifrico o Outlier
Es 220 un valor mal

Bigote superior = 180
registrado?
Es el resultado de un P75 = 158

error o accidente en la Mediana = 140 RIC = 33
experimentacin? P25 = 125
Bigote inferior
Tensin arterial sistlica (mm Hg)
Diagrama de cajas con un individuo perifrico
Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid:
Ediciones Daz de Santos; 2001.
6
Perifricos o Outlier
5 Sigue el sTfR una Distribucin Normal?

sTfR (mg/L)
Receptor soluble 4
de la transferrina
en suero (sTfR)
3
Tamao muestral N = 121

1
Distribucin de los valores de sTfR en el grupo de referencia
Mediana
Variable resultado
Media
Perifrico o Outlier
Grupos de estudio
Grficos de histograma
30
Asimetra positiva 1 >0
Mesocrtica 2 =0 Distribucin
ANORMAL
20
Frecuencia (%)
10
Perifricos o Outlier
1,50 2,00 2,25 2,50 2,75 3,00 3,25 3,50 3,75 4,00 4,25 4,50 5,00 5,25
Concentraciones del Receptor srico de la transferrina (sTfR) (mg/L)
Histograma de frecuencias de distribucin del sTfR en una poblacin sana

Grficos de histograma
195
180
165 Asimetra positiva 1 >0
Nmero total de observaciones
150 Mesocrtica 2 =0
135
120
105 Distribucin ANORMAL
90
75
60
45
30 Perifricos o Outlier
15
0
45 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 140
Tensin arterial diastlica (mm Hg)

Histograma de distribucin de la tensin arterial diastlica en el estudio de Venecia N= 1002
Distribucin uniforme discreta

Distribucin uniforme discreta
120
100
80
Frecuencia
60
40
20
0
1 2 3 4 5 6
Nmero de caras
Resultados empricos obtenidos en la realidad
despus de lanzar un dado 600 veces
Distribucin normal
200
180 7 = 3+ 4, 4+ 3, 6+1, 1+ 6, 2+ 5, 5+ 2
160
140 12 = 6 + 6
2=1+1
Frecuencia
120
100
80
60
40
20
0
2 3 4 5 6 7 8 9 10 11 12
Sumas
Resultados empricos (sumatorio) obtenidos

en la realidad despus de lanzar dos dados 1000 veces
Distribucin normal
Frecuencia
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Sumas
Resultados empricos (sumatorio) obtenidos en la realidad despus de lanzar 5 dados 1000 veces
Distribucin normal
Cambios que se van produciendo en la distribucin de frecuencias

al aumentar el nmero de factores independientes
y las repeticiones de la experiencia
Nmero de factores independientes: Nmero de dados
Repeticiones de la experiencia: Nmero de tiradas
La altura de las personas sigue una distribucin normal?

De qu depende la altura de una persona?
1. De la altura del padre

2. De la altura de la madre
3. De su nutricin en la infancia y adolescencia
4. De la velocidad de maduracin de su esqueleto
5. Del aporte que reciba de vitamina D
6. Del aporte de calcio
7. Del ejercicio fsico
8. De sus niveles de hormona del crecimiento
9. Otras variables (algunos de ellas desconocidas)
Caractersticas de la distribucin normal
1. Tener forma de campana.
2. Ser simtrica.
3. Mesocrtica ( no excesivamente plana ni muy picuda).
4. Coincidir la media, mediana y moda.
5. Tener aproximadamente el 95% de sus valores dentro del intervalo media 2

desviaciones estndar.
Distribucin normal
- El 100% de los valores deben estar por encima y por debajo

de 3 veces la desviacin estndar (s)
(valores entre X 3 s)
- La distribucin debe ser SIMTRICA. La asimetra en valor
absoluto 1 debe ser menor que 2 veces su error estndar
[Asimetra] < 2 EEasimetra 1 < 2 EE1
- La distribucin debe ser MESOCRTICA. La curtois en valor
absoluto 2 debe ser menor que 2 veces su error estndar
[curtois] < 2 EEcurtois 2 < 2 EE2
Propiedades de la curva de Gauss
Media D.E. 68% del rea total

Media D.E. 68% del rea total
Media 2 D.E. 95% del rea total
Media D.E.
Media 32 D.E. 95%
99% del
delrea
reatotal
total
Media 3 D.E. 99% del rea total
Qu variables biolgicas siguen una distribucin normal?

En qu circunstancias y en qu poblaciones?
- Colesterol srico poblacin sana

- Consumo de alcohol
- Peso corporal
- Bilirrubina en pacientes cirrticos
- Urea en sangre en poblacin sana
- Urea en sangre en pacientes con insuficiencia renal
- Troponina I en poblacin sana
- Excrecin urinaria de sodio en orina de 24 horas
Asimtrica 1 > 0 (+)

Leptocrtica 2 > 0 (+)
Distribucin ANORMAL
Histograma de la uremia en 504 individuos

80
N = 504 Criterio de normalidad
Media (x) = 64,8
Desviacin estndar (s) = 44,69
x
60 s<
2
Frecuencia (%)
S (desviacin tpica) < X (media aritmtica) /2 (CV<50%)

40
S (desviacin tpica) > X (media aritmtica)/2 (CV>50%)
20
44,69 > 64,8/2 (32,4) (CV=69%)
0
10 30 50 70 90 110 150 170 190 210 250
Uremia (mg/dl) Distribucin ANORMAL

Histograma de la urea en sangre en 94 pacientes con

insuficiencia renal
Sigue una distribucin normal?
20
N = 94
Media (x) = 126 x
Desviacin estndar (s) = 46,8
s<
2
Frecuencia (%)
S (desviacin tpica) < X (media aritmtica)/2 (CV<50%)

10
46,8 < 126/2 (63) (CV=37%)
0
20 65 105 145 185 225
Uremia (mg/dl) en 94 pacientes con IR Distribucin NORMAL

Histograma de la urea en sangre en 410 individuos sin

insuficiencia renal
Sigue una distribucin normal?
140
N = 410 x
120 Media (x) = 51 s<
Desviacin estndar (s) = 29,9 2
Frecuencia absoluta
100
80 S (desviacin tpica) > X (media aritmtica)/2 (CV>50%)

29,9 > 51/2 (25,5) (CV=59%)
60
40
Distribucin ANORMAL
20
0
10 45 80 110 145 180
Uremia (mg/dl) en 410 individuos sin IR

Medidas de tendencia central

Medidas de dispersin o variabilidad
Media = 183,9
Desviacin estndar = 82,5
N = 293
Distribucin
Valores entre X 3 s (< 431,4) ANORMAL
40
S (desviacin tpica) < X (media aritmtica)/2 (CV<50%)
Frecuencia relativa (%)
30
82.5 < 183.9/2 (91.9) (CV=45%)
20
X3s
10
0
20 60 100 140 180 220 260 300 340 380 420 460
Excrecin urinaria de sodio en orina de 24 horas (Na24 h mEq/24)

Condiciones y pruebas de normalidad
90
Asimtrica (+) Distribucin ANORMAL
80 Leptocrtica (2 > 0)
70
Frecuencia (%)
60
x
50
s> CV > 50%
40
2
30 Perifricos o Outlier
20
10
0
Bilirrubinemia (mg/dl)
Distribucin de frecuencias de los niveles de bilirrubina en pacientes cirrticos.

(Distribucin Anormal con asimetra positiva)
Condiciones y pruebas de normalidad

Transformacin logartmica
Frecuencia
Logaritmos de las concentraciones de bilirrubina srica
Distribucin de frecuencias de los logaritmos de los niveles

de bilirrubina en pacientes cirrticos.
Con esta transformacin matemtica se corrige la asimetra positiva anterior
Troponina I en poblacin sana
50% 50 %
40% 40%
97.5% URL
30% 30%
99% URL
20 % 20%
)
%
V
(C
n
is
c
re
p
Im
lT
ta
o
10% 10%
tiF
lp
a
fm
o
y
c
n
u
q
re
0% 0%
0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14 0,16 0 ,18 0,20
cTnI g/L 5
0.03 0.06
ng/mL ng/mL
Test de Normalidad
- Test de Kolmogoroff-Smirnoff-Lilliefors
- Test de Shapiro-Wilk
- Test de DAgostino
- Test de Anderson-Darling
- Test chi-cuadrado de bondad de ajuste
- Contraste de asimetra
- Test de Curtosis: Contraste de apuntamiento, sirve para contrastar la hiptesis
de que el coeficiente de apuntamiento (CAp) es cero. Propiedad que verifica la
distribucin normal
- Test de Jarque-Bera
Test de Kolmogorov-Smirnov
- Es el test de normalidad ms difundido en los programas estadsticos de uso frecuente.
- Otorga un peso menor a las observaciones extremas (perifricos o outlier) y por ello
es menos tolerante a las desviaciones que normalmente se producen en estos tramos
distales.
- Cuando se dispone de un nmero suficiente de datos (amplio volumen muestral), los
dems test de normalidad sern capaces de detectar diferencias pequeas an cuando
estas no sean relevantes para la mayor parte de los objetivos, por eso se recomienda el
test de Kolmogorov-Smirnov .
- Se basa en la idea de comparar la funcin de distribucin acumulada de los datos
observados con la de una distribucin normal, midiendo la mxima distancia entre ambas
curvas.
- Como en todos los test de contraste de hiptesis, la hiptesis nula (Ho) se rechaza
cuando el valor del estadstico calculado supera un cierto valor crtico (tabulado) que se
obtiene de una tabla de clculo de probabilidades
p > 0,05 se acepta la Ho (se cumple la normalidad), se pueden usar test paramtricos
p < 0,05 se acepta la Ha (no se cumple la normalidad), se deben usar test NO
paramtricos
Test de Jarque-Bera
El test de Jarque-Bera se realiza para contrastar:

- H0: 1= 2=0, lo que significa simetra y curtsis exactas (k=0)
- H1: 1 0 2 0 lo que significa que existe curtsis (k0) o asimetra.
La consecuencia es que si existe asimetra o curtsis falla la
normalidad.
- H0: p > 0,05 simetra y curtsis exactas (k=0) test paramtricos
- H1: p < 0,05 curtsis (k0) o asimetra test NO paramtricos
Al contrastarlo conjuntamente (curtsis y asimetra) exige un
fallo mayor de alguna de ellas o de ambas para rechazarse.
n
12 22

n
4
3
i i JB = t + t = T +
2 2
1 =
1 2
i =1
2 = i =1
3 6 24
R3 R4
Test de Jarque-Bera
Forma terica de la
Asimetranegativa:
Asimetra positiva normal
casi nula:mayor
mediana mediana
que
menorlaque la media
media JARQUE-BERA NORMALITY TEST-
CHI-SQUARE = 1.54
P-VALUE = 0.463 (p > 0,05)
Se acepta la H0
H0: 1= 2=0, lo que significa
simetra y curtsis exactas.
DISTRIBUCIN NORMAL
Forma terica de la
distribucin emprica
Curtsis negativa: mas
apuntamiento que la normal
Estadstica descriptiva
TIPO DE DISTRIBUCIN SIMTRICA ASIMTRICA
ndice de tendencia central Media Mediana
ndice de dispersin EEM Rango intercuartil
Peso de valores extremos Importante Escaso o nulo

(outlier o perifricos)
Fiabilidad del estadstico Mucha Poca
Captulo 4

Bioestadstica:
Clculo del Tamao Muestral, Error y .
Material y mtodos.



Materiales y mtodos
Estructura

investigacin (estudios experimentales)
Material
Pacientes
- Criterios de seleccin de la muestra (inclusin y exclusin)

- Procedencia
- Tcnica de reclutamiento utilizada
- Tiempo empleado para reunir a los todos los participantes
- Principales caractersticas de los pacientes
Edad
Sexo
Procedencia
Gravedad
Aos de evolucin de la enfermedad
Patologas asociadas...
- Clculo de tamao muestral
Seleccin de la muestra
Poblacin Seleccin aleatoria Muestra
TCNICAS DE MUESTREO
ERROR ALEATORIO
Parmetro Estadstico X
Media poblacional Inferencia Media muestral
Estructura del proceso de la INFERENCIA ESTADSTICA

INFERENCIA ESTADSTICA: Es el conjunto de procedimientos estadsticos

que permiten pasar de lo particular (la muestra) a lo general (la poblacin).
TCNICAS DE MUESTREO: Es el conjunto de procedimientos que

permiten elegir muestras que sean representativas de la poblacin (de
todos los individuos de la poblacin).
ERROR ALEATORIO: Es el error que se comete al estudiar un problema

en base a una muestra elegida al azar (es siempre un error inevitable). La
imposibilidad de estudiar a todos los individuos de la poblacin obliga al
investigador a trabajar con muestras, lo que supone siempre cometer un
error aleatorio.
Proceso de seleccin de individuos para el estudio

Poblacin diana: Conjunto de individuos al que hace referencia la pregunta principal
del objetivo del estudio. Es la poblacin a la que se deseara generalizar los resultados
obtenidos. Se define principalmente sobre la base de caractersticas demogrficas y
clnicas generales.
Criterios de seleccin Validez externa
Poblacin de estudio: Es un subconjunto de la poblacin diana definida por criterios

de seleccin establecidos en un protocolo. Esta poblacin presenta determinadas
caractersticas geogrficas y temporales que la hacen accesible al estudio.
Muestreo Validez interna
Muestra: Es un conjunto de individuos que pueden ser estudiados en el momento de

realizar el estudio y que cumplen con los criterios definidos en el protocolo de estudio.
Poblacin diana: Pacientes con HTA esencial del rea sanitaria de Ceuta.
Poblacin de estudio: Pacientes con HTA esencial leve-moderada de edad comprendida

40-60 aos del rea sanitaria de Ceuta.
Muestra: Pacientes con HTA esencial leve-moderada de edad comprendida 40-60 aos
registrados en los ficheros del Centro de Salud 1 que incluyen la edad y el sexo.
Poblacin diana: Poblacin peditrica de Ceuta.
Criterios de seleccin Validez externa?
Poblacin de estudio: Nios que acuden a la consulta de Atencin al nio sano de Atencin
Primaria de edad comprendida 12-14 aos.
Muestreo Validez interna?
Muestra: Nios que acuden al Programa de Atencin al nio sano de los centros de Salud
de Atencin Primaria de edades comprendida entre 12-14 aos que sus madres demandan
la realizacin de una analtica rutinaria completa.
Poblacin diana: Poblacin gestante de Ceuta.
Poblacin de estudio: Mujeres gestantes del rea sanitaria que acuden a la consulta de
Obstetricia del INGESA de Ceuta.
Muestra: Mujeres gestantes del rea sanitaria de Ceuta que acuden a la consulta de
Obstetricia del INGESA embarazo controlado- con cartilla de embarazo completa, que
incluyen las variables predictoras (etnia, nivel cultural, edad, etc) y la variable resultado
(determinacin de anticuerpos frente al virus de la rubeola en el primer trimestre) incluidas
en el estudio.
Proceso de seleccin de individuos para el estudio

Poblacin diana: Poblacin inmigrante de Ceuta.
Poblacin de estudio: Individuos inmigrante residentes en el campamento de Calamocarro

de Ceuta atendidos por el personal sanitario.
Muestra: Individuos inmigrante residentes en el momento del estudio en el campamento

de Calamocarro de Ceuta atendidos por el personal sanitario, y en cuya ficha se haban
recogido las variables predictoras (filiacin, pas de origen, edad, as como el resultado
de todas las pruebas complementarias (incluido la Variable resultado: prueba de la
tuberculina) incluidas en el estudio.
Material
Pacientes
- Criterios de seleccin de la muestra (inclusin y exclusin)

- Procedencia
- Tcnica de reclutamiento utilizada
- Tiempo empleado para reunir a los todos los participantes
- Principales caractersticas de los pacientes
Edad
Sexo
Procedencia
Gravedad
- Clculo de tamao muestral
Qu error alfa y que error beta estoy dispuesto a asumir?
Cuntos pacientes debo elegir para que mi estudio sea correcto?

Concepto e importancia y utilidad prctica del error alfa

() y error beta ()
- Determinacin del tamao muestral
- Estudios para determinar parmetros poblacionales (solo error alfa)
Estimacin de una proporcin
Estimacin de una media
- Estudios para contraste de hiptesis (error alfa y beta)
Comparacin de dos proporciones
Comparacin de dos medias
Correlacin entre dos variables cuantitativas
- Rentabilidad diagnstico de una prueba-test
- Exactitud
Sensibilidad
Especificidad
- Seguridad
Valor predictivo positivo (VPP)
Valor predictivo negativo (VPN).
Riesgos al tomar decisiones

Ejemplo: Se juzga a un individuo por la presunta comisin de un delito
H0: Hiptesis nula Los datos pueden refutarla

- Es inocente (no se encuentra Es la hiptesis que se acepta si las
indicios de culpabilidad) pruebas no indican lo contrario
Rechazarla por error tiene graves
consecuencias (condenar a un
inocente)
H1: Hiptesis alternativa No debera ser aceptada sin

- Es culpable (se encuentra una gran evidencia a favor.
indicios de culpabilidad) Rechazarla por error tiene
consecuencias consideradas
menos graves que la anterior
(liberar a un delincuente)
Tipos de error al tomar una decisin
Tipos de error al tomar una decisin Realidad
Culpable Inocente
Veredicto Culpable OK Error

Resultado de la prueba Hiptesis ALTERNATIVA No error Muy grave
Sentencia del juez aceptada VP FP
Ha Encarcelar a un inocente
Inocente Error OK
Hiptesis NULA FN No error
aceptada Menos grave: Liberar un VN
Ho culpable
Hiptesis nula (Ho): No existen diferencias significativas en la eficacia clnica de dos

frmacos A y B (A=B)
Hiptesis alternativa (Ha): Existen diferencias en la eficacia clnica de dos frmacos A y B
(A B)
A>BA<B
Tipos de ERROR ALEATORIO en una prueba estadstica de contraste de hiptesis
A B A=B
Ha Ho
AB VP FP
Ha
A=B
Ho FN VN
Error tipo I (alfa): El investigador rechaza la Ho siendo esta verdadera en la poblacin (el
investigador concluye que existe diferencia cuando en realidad no la hay).
Error tipo II (beta): El investigador no rechaza la Ho siendo esta falsa en la poblacin (el
investigador concluye que ha sido incapaz de encontrar una diferencia que existe en la
realidad).
Tipos de error al contrastar hiptesis
Realidad
H0 Falsa H0 Cierta
AB A=B
Rechazo H0 Correcto Error de tipo I
Acepto H1 El tratamiento nuevo B tiene El tratamiento nuevo B realmente no es
AB mayor efecto que A y el mejor que el antiguo A pero se decide
experimento lo confirma. errneamente que s.
Probabilidad
VP
FP
No Rechazo H0 Error de tipo II Correcto
Acepto H0 El tratamiento nuevo B El tratamiento nuevo B no tiene mayor
A=B realmente si tiene mayor efecto efecto que el antiguo A y as se decide.
que el antiguo A pero no lo
percibimos en nuestro estudio. VN
Probabilidad
FN
Realidad
H0 Falsa H0 Cierta
AB A=B
Rechazo H0 Correcto Error de tipo I
Acepto H1 Se rechaza la hiptesis nula (H0) Se rechaza la H0 (se dice que los
AB (se dice que los resultados son resultados son estadsticamente
Encuentro pruebas (+) estadsticamente significativos y significativos) pero nos equivocamos.
p < 0,05 es verdad. Probabilidad
VP FP Error ALFA
No Rechazo H0 Error de tipo II Correcto
Acepto H0 No se rechaza la hiptesis No se rechaza la hiptesis nula H0 (el
A=B nula (H0) (se dice que no hay azar puede explicar las diferencias
No encuentro pruebas (-) diferencias significativas) pero observadas en los datos), y es verdad.
p > 0,05 nos equivocamos. Probabilidad
VN
FN Error BETA
Realidad
H1 H0
H1 Acierto Error de tipo I

Encuentro pruebas (+) (1- )
p < 0,05 POTENCIA ESTADISTICA
FP
Error ALFA
VP
H0 Error de tipo II Acierto
No encuentro pruebas (-) (1- )
p > 0,05
FN Error BETA VN
POTENCIA ESTADSTICA: Es la capacidad del estudio para detectar una diferencia si sta existe realmente.
El error tipo I (error alfa)
- En nuestro estudio se concluye diciendo que hay diferencias cuando

realmente no las hay.
- Se detecta significacin estadstica (p < 0,05) y se rechaza H0, cuando en

realidad sta es verdadera.
- La probabilidad de cometer este error es lo que mide la p.
FALSOS POSITIVOS
El error tipo II (error beta)
- Cuando los resultados de nuestro estudio NO son significativos (p>0,05)

se concluye diciendo que no hay diferencias (estudio negativo) cuando
realmente SI las hay, pero nosotros no hemos sido capaces de detectarlas
- La probabilidad de tomar esta decisin (y aceptar la H0) siendo
incorrecta se llama error beta.
- En realidad existen diferencias pero el estudio ha sido incapaz de

detectarlas!
- Son los falsos negativos.
FALSOS NEGATIVOS
Recomendaciones para disminuir el error alfa () tipo I

- Disponer de una teora que gue la investigacin, evitando el salir de pesca
con el ordenador buscando asociaciones entre variables.
- Disminuir el nmero de test estadsticos llevados a cabo en el estudio.
- Depurar la base de datos para evitar errores de valores extremos que

puedan producir hallazgos significativos.
- Utilizar valores de alfa ms reducidos (0,01 0,001).
- Reproducir el estudio. Si al reproducir el estudio se obtienen resultados

similares, estaremos ms seguros de no estar cometiendo el error de tipo I.
Pita Fernndez S, Prtega Daz S. Significancia estadstica y relevancia clnica.

Cad Aten Primaria 2001; 8: 191-195.
Recomendaciones para disminuir el error beta () tipo II

- Incrementar el tamao de la muestra.
- Estimar el poder estadstico del estudio (1 ).
- Incrementar el tamao del efecto a detectar.
- Incrementar el valor de alfa.
- Utilizar test paramtricos (ms potentes) en lugar de test no paramtricos
Pita Fernndez S, Prtega Daz S. Significancia estadstica y relevancia clnica.

Cad Aten Primaria 2001; 8: 191-195.
Importancia del error alfa y error beta

- Determinacin del tamao muestral
- Estudios para determinar parmetros poblacionales (solo error alfa)
- Estimacin de una proporcin.
- Estimacin de una media.
- Estudios para contraste de hiptesis (error alfa y beta).
- Comparacin de dos proporciones.
- Comparacin de dos medias.
- Correlacin entre dos variables cuantitativas.
- Rentabilidad diagnstico de una prueba-test.

- Sensibilidad.
- Especificidad.
- Valor predictivo positivo (VPP).
- Valor predictivo negativo (VPN).
Clculo del tamao muestral de un parmetro

1. VARIABILIDAD del parmetro que se desea estimar
- Variables cuantitativas: varianza
- Variables cualitativas: 1-P
1. Variabilidad del parmetro
Cuando esta variabilidad es desconocida
- Bibliografa
- Datos propios previos
- Estudio piloto
2. PRECISIN (i) con la que se desea obtener la estimacin (amplitud deseada del IC). Se
fija i previo al estudio. Cuanto ms precisin mas estrecho ser el IC, y mayor deber ser
el volumen muestral.
2. Precisin
3. NIVEL DE CONFIANZA deseado (generalmente 95%), que corresponde a un valor de

alfa de 0,05. Este valor indica el grado de confianza de que el verdadero valor poblacional
desconocido del parmetro en estudio se site en el intervalo obtenido.
3. Nivel de confianza 95%
Frmulas para el clculo del nmero de sujetos necesarios para la realizacin de un estudio
cuyo objetivo es la estimacin de un parmetro
Estimacin de una variable CUALITATIVA (proporcin - prevalencia)
Z2 * P * (1- P)
N=
i2
Estimacin de una variable CUANTITATIVA (MEDIA)
Z2 * s2
N=
i2
N = nmero de sujetos necesarios

Z 2 = Valor del estadstico Z correspondiente al riesgo alfa fijado ( = 0,05)
P = Valor de la proporcin (prevalencia) que se supone que existe en la poblacin
S2 = Varianza de la distribucin de la variable cuantitativa que se supone que existe en la poblacin
i: Precisin con que se desea estimar el parmetro
Influencia del valor supuesto de la proporcin (P) o prevalencia (variabilidad del Parmetro
que se desea estimar sobre el nmero de sujetos necesarios N (tamao muestral mnimo
necesario).
INFLUENCIA DE LA PROPORCIN
1. Variabilidad del parmetro 2. Precisin (i = 0,05) 3. Nivel de confianza 95% = 0,05
Prevalencia Precisin (i = cte) Tamao muestral (N)

0,10 0,05 (5%) 138
0,20 0,05 (5%) 246
0,30 0,05 (5%) 323
0,40 0,05 (5%) 369
0,50 0,05 (5%) 384
Postura de mxima indeterminacin
i = Z P (1 P) / N
Todos los clculos han sido realizados con un nivel de confianza del 95%
P = valor supuesto de la proporcin que se desea estimar.
i = precisin de la estimacin, que corresponde a la mitad del intervalo de confianza (P i)
N = nmero de sujetos necesarios para realizar la estimacin de P con la precisin deseada y el 95%
de confianza
Influencia de la precisin (i) de la estimacin sobre el nmero de sujetos necesarios N

(tamao muestral mnimo necesario).
INFLUENCIA DE LA PRECISIN
1. Variabilidad del parmetro (P=cte) 2. Precisin (i = 0,05) 3. Nivel de confianza 95% = 0,05
Prevalencia Precisin (i = cte) Tamao muestral (N)

0,40 0,1 (10%) 92
0,40 0,075 (7,5% 164
0,40 0,050 (5%) 369
0,40 0,025 (2,5%) 1475
0,40 0,01 (1%) 9220
i = Z P (1 P) / N
Todos los clculos han sido realizados con un nivel de confianza del 95% ( = 0,05)
P = valor supuesto de la proporcin que se desea estimar.
i = precisin de la estimacin, que corresponde a la mitad del intervalo de confianza (P i)
N = nmero de sujetos necesarios para realizar la estimacin de P con la precisin deseada y el 95%
de confianza
Cul es el tamao muestral necesario para conocer la prevalencia de

inmunizacin toxoplsmica en la ciudad de Ceuta?
Postura de mxima
indeterminacin
Precisin 5%
i = 0,05
Tamao muestral necesario (n) para conocer la prevalencia

de inmunizacin frente a Toxoplasma gondii en la poblacin
de la ciudad de Ceuta
Variabilidad
i = 0,05
Precisin 5%
Precisin 5%
i = 0,05
Nivel de confianza
95%
= 0,05
Tamao muestral necesario (n) para conocer la prevalencia

de inmunizacin frente a Toxoplasma gondii en la poblacin
de la ciudad de Ceuta
Cul es el tamao muestral necesario para conocer la prevalencia de rasgo

beta-talasmico en la ciudad de Ceuta?
i = 0,005
Precisin 0,5%
Variabilidad i = 0,005
Precisin 0,5%
Precisin i = 0,5%
Nivel de confianza
95%
= 0,05
Cuntas personas tenemos que estudiar para conocer la

prevalencia de diabetes tipo 2 en el distrito de salud X de
Ceuta que atiende a una poblacin de 15.000 habitantes?
1. Proporcin esperada: asumamos que puede ser prxima al 5%
2. Precisin (i)(d): 3%
3. Nivel del confianza (seguridad): 95%
n = 203 personas del distrito de salud X
4. Tamao de la poblacin de origen (poblacin atendida por el distrito de salud X)
n = 200 personas del distrito de salud X
Pita Fernndez S. Determinacin del tamao muestral. Cad Aten Primaria 1996; 3: 138-144.
Clculo del tamao muestral para contraste de hiptesis

1. Magnitud de la diferencia a detectar que tenga inters clnico.
- Comparacin de dos medias.
- Comparacin de dos proporciones: P1 y P2.
2. Aproximacin de los parmetros de la variable que se estudia (bibliografa o estudios

previos).
3. NIVEL DE CONFIANZA deseado o seguridad del estudio (generalmente 95%), que

corresponde a un valor de de 0,05 (riesgo de cometer un error alfa).
4. PODER ESTADSTICO (1- )(riesgo de cometer un error ).
5. Definir si la hiptesis va a ser unilateral o bilateral.

- Bilateral: cualquiera de los dos parmetros a comparar puede ser mayor o menor
que el otro (no hay direccin) (A B).
- Unilateral: cuando se considera que uno debe ser mayor que el otro (direccin de
las diferencias) (A < B).
Prueba UNILATERAL: Se utiliza cuando se pretende determinar si el frmaco nuevo B

es ms eficaz que el clsico A, es decir, tan solo interesa una de las direcciones de la
comparacin (B > A), interesa demostrar que B sea ms efectivo que A.
DISTRIBUCIN Las pruebas UNILATERALES especifica

la direccin de la diferencia. Una sola cola
NORMAL
Z 1-
TIPIFICADA (Z) Ho: o
= 0,05
Ha: o >
Valores de la distribucin normal
tipificada (Z) correspondientes al
valor del 5% en las pruebas B>A Z = 1.645
estadsticas unilaterales y bilaterales.
Las pruebas unilaterales especifica Las pruebas BILATERALES NO especifica

la direccin de la diferencia. la direccin de la diferencia. Dos colas
Las pruebas bilaterales NO especifica
la direccin de la diferencia. Ho: o = Z 1- /2
Ha: o
Ho: hiptesis nula
AB
Ha: hiptesis alternativa
: valor de la diferencia en la poblacin
o: valor de la diferencia observada Z = - 1.96 Z = 1.96
en el estudio
Prueba BILATERAL: Se utiliza cuando se pretende determinar si dos frmacos A y B

difieren en su efectividad clnica (A B)
Pruebas de contraste unilateral:

Riesgo en la toma de decisiones
Se utiliza cuando se pretende Ho Ha

determinar si el frmaco nuevo Una sola cola
B es ms eficaz que el clsico
A, es decir, tan solo interesa B>A
una de las direcciones de la
comparacin (B > A)
Riesgo alfa
= 0,05
Riesgo beta Z = 1,645
error
1 - = Nivel de confianza 1 - = Potencia estadstica

Probabilidad de Ho cuando esta es cierta Probabilidad de Ha cuando esta es cierta
Pruebas de contraste bilateral:

Riesgo en la toma de decisiones
Se utiliza cuando se pretende determinar si dos frmacos A y B difieren en su

eficacia clnica (A B)
Dos colas
Riesgo beta Riesgo beta
error error
B<A B>A
/2 = 0,025 /2 = 0,025
Z = - 1.96 Z = 1.96
Riesgo alfa = 0,05 se distribuye simtricamente a cada lado 0,025
Ejemplo de comparacin de clculo del tamao muestral para comparacin

de dos proporciones a una sola cola
Deseamos evaluar si el nuevo frmaco B es mejor que el tratamiento clsico A para el

alivio del dolor, para lo que diseamos un ensayo clnico. Sabemos por datos previos
(bibliografa) que la eficacia del frmaco A es prxima al 70% y consideramos clnicamente
relevante si el nuevo frmaco B alivia el dolor en un 90%. Nuestro nivel de riesgo alfa lo
fijamos en 0.05 (error =5%) y deseamos un poder estadstico (1- ) de un 80% (error
=20%). Cul es el volumen muestral?

B>A Una sola cola
Z = 1.645
n = 48 pacientes
En cada grupo (A y B) precisamos 48 pacientes.
Ejemplo de comparacin de clculo del tamao muestral para comparacin

de dos proporciones a dos colas.
Sabemos por datos previos (bibliografa) que la mortalidad del frmaco A es prxima al
31% comparada con el frmaco B que tiene una tasa de mortalidad del 40%. Nuestro nivel
de riesgo alfa lo fijamos en 0.05 (error =5%) y deseamos un poder estadstico (1- ) de
un 90% (error =10%). Cul es el volumen muestral?
Dos colas
BA
Z = 1.96
Necesitamos un total de 1184 pacientes, 592 para cada grupo (A y B).

Clculo del tamao de la muestra por software (ejemplo)
El clculo resulta an ms fcil, cuando se utiliza un software. Por ejemplo

utilizando el software gratuito PS: Power and Sample Size Program, tenemos
que introducir los valores correspondientes a:
1. Las tasa de mortalidad en los grupos que recibieron el tratamiento A y B

(0.31 y 0.40).
2. El nivel de significacin estadstica (ERROR ALFA del 5%) (p < 0.05) .
3. El poder estadstico del estudio (ERROR BETA del 10%) (0.90) asumido
para obtener el tamao muestral por cada grupo.
Ejemplo del clculo del tamao muestral para el clculo del coeficiente de
correlacin entre dos variables cuantitativas
Supongamos que se desea estudiar la asociacin entre la edad y el nivel de colesterol

entre los pacientes de un centro de salud. Se disea un estudio piloto en el que se
determinar mediante una analtica el colesterol en una muestra aleatoria de los pacientes
durante un periodo de tiempo prefijado, de los que tambin se registrar su edad. Se
obtiene un valor del coeficiente de correlacin lineal de Pearson entre la edad y el
colesterol de r=0,3. Aplicando las frmulas, con un NIVEL DE CONFIANZA del 95% (error
=5%) y un PODER ESTADSTICO del 80% (error =20%), se obtiene:
En este caso, se necesitara

incluir a 85 pacientes para
llevar a cabo el estudio.
Si, adems, en este ltimo caso se prev un 20% de posibles prdidas de informacin
durante la ejecucin del estudio, el tamao muestral se recalcula segn la expresin:
Es decir, se necesitara una
muestra de 107 pacientes para
llevar a cabo la investigacin.
Prtegas Daz S , Pita Fernndez S. Determinacin del tamao muestral para calcular la significacin del
coeficiente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211.
Frmulas para el clculo

del poder estadstico (1-
) en funcin del tipo de
diseo del estudio.
Clculo del poder estadstico

de un estudio.
Prtegas Daz S, Pita Fernndez S.

Unidad de Epidemiologa Clnica
y Bioestadstica. Complexo
Hospitalario-Universitario Juan
Canalejo. La Corua
Valores de los estadsticos Z ms frecuentemente utilizados en el clculo del tamao muestral

considerando el error y
Error Seguridad (1 - ) Test unilateral Test bilateral

Z 1- Z 1- /2
0,05 95% 1,645 1,96
0,01 99% 2,326 2,576
Error Poder estadstico (1 ) Z 1-
0,10 90% 0,10 1,282
0,20 80% 0,20 0,842

Asociacin observada
p < 0,05 p > 0,1

Estadsticamente significativa Estadsticamente NO significativa
AB A=B
VP VN
FN
FP Verdadera Verdadera
(no existe asociacin)
Falsa
Falsa
Utilidad clnica
Error
Sin inters prctico Comparacin
Error poco sensible
Sesgo Nmero insuficiente de sujetos

Interpretacin de una asociacin (o diferencia) observada en un estudio Sesgo
Interpretacin de una asociacin (o diferencia)

observada en un estudio error alfa ()
La probabilidad de encontrar resultados FALSOS POSITIVOS FP (error alfa

) aumenta notablemente con el nmero de comparaciones injustificadas
realizadas entre las distintas variables durante el anlisis (ir de pesca).
Estudios que sin apoyarse en ninguna hiptesis a PRIORI (estrategia de

anlisis), consideran todas las variables de igual importancia (hiptesis a
POSTERIORI), analizndolas unos contra otras (sin criterio), esperando a ver
que se encuentra
Decisiones que se pueden tomar en un test de contraste

de hiptesis despus de conocer el valor de significacin
estadstica p
p < 0,05 AB p 0,10 A=B
Se rechaza la hiptesis nula No se puede rechazar la hiptesis nula
No parece que el azar pueda No se puede descartar que el azar lo
explicarlo todo explique todo
El EFECTO observado es mayor que El EFECTO observado es similar que el
el ERROR ERROR
Hay diferencias estadsticamente NO hay diferencias estadsticamente
significativas significativas
Existen evidencias a favor de la NO existen evidencias a favor de la
hiptesis alternativa Ha, y por tanto hiptesis alternativa Ha, y por tanto
rechazamos la hiptesis nula Ho aceptamos la hiptesis nula Ho
Los lmites de 0,05 y 0,1 pueden ser considerados en cierto modo

arbitrarios y aproximados
Bioestadstica: Error y
Influencia de los errores y en la rentabilidad clnica de las
pruebas diagnsticas
Evaluacin de las pruebas diagnsticas

Evaluacin de las pruebas diagnsticas
- Exactitud (validez, efectividad o rentabilidad).

- Sensibilidad.
- Especificidad.
- Seguridad: valores predictivos.
- Valor predictivo positivo (VPP).
- Valor predictivo negativo (VPN).
- Razn de verosimilitud.
- Curvas roc.
- Reproductivilidad.
- Invasividad.
- Coste econmico (URV).
Hiptesis nula (Ho): No existen diferencias significativas en la eficacia clnica

de dos frmacos A y B (A = B)
Hiptesis alternativa (Ha): Existen diferencias en la eficacia clnica de dos

frmacos A y B (A B) A>B A<B
Realidad
Existe No existe
diferencia diferencia
(Ha (Ho
verdadera) verdadera)
Resultado p < 0,05 No error Error tipo I
de la prueba Acepto la Ha VP (1-) FP ( )
Se produce un cierto solapamiento en las estadstica p > 0,05 Error tipo II No error
distribuciones de probabilidad de la Ho y de Acepto la Ho FN () VN
la Ha, en este solapamiento siempre aparece
el error y asumido, el cual ser mayor o
menor en funcin del resultado o diferencia Resultados de una prueba de significacin estadstica
observada en nuestro estudio Ho: hiptesis nula (no hay diferencias significativas)
X: distribucin de la diferencia cuando Ho es cierta
Y: distribucin de la diferencia cuando Ha es cierta
R: resultado (diferencia) observado en nuestro estudio
Riesgo alfa y riesgo beta
Se produce un cierto de la
Ho y de la Ha, en este Ho Ha
solapamiento siempre
aparece el error y
asumido, el cual ser
mayor o menor en funcin
del resultado o diferencia
observada en nuestro
estudio
Riesgo alfa
Riesgo beta error 0,05
error Significacin
estadstica
Se acepta Ho Se acepta Ha
Se rechaza Ha Se rechaza Ho
Tipos de error en las pruebas diagnsticas
Enfermos Sanos
Test de laboratorio Positivo VERDADEROS FALSO POSITIVO
(+) POSITIVOS error
Hiptesis alternativa VP Error Muy grave
(1- )
Negativo FALSO NEGATIVO VERDADEROS

(-) error NEGATIVOS
Hiptesis nula Error Menos grave VN
Enfermos Sanos
PSA (+) POSITIVOS FP
VP

(-) FN NEGATIVOS
VN
Tipos de error en las pruebas diagnsticas Evento o enfermedad estudiada
Enfermos Sanos Total

Resultados de la prueba Positivo VERDADEROS FALSO VP + FP
diagnstica (+) POSITIVOS POSITIVO
PSA VP FP

Negativo FALSO NEGATIVO VERDADEROS FN + VN

(-) FN NEGATIVOS
VN
Total VP + FN FP + VN
VP Enfermos positivos
SENSIBILIDAD = SENSIBILIDAD =
VP + FN Total de ENFERMOS
La sensibilidad de la prueba diagnstica
- Es la probabilidad de clasificar correctamente a un individuo enfermo.
- Es la probabilidad de que para un sujeto enfermo se obtenga en la prueba

un resultado positivo.
- Es la capacidad del test para detectar la enfermedad.
- Probabilidad de obtener un resultado positivo cuando el individuo tiene la

enfermedad.
- Mide su capacidad para detectar la enfermedad cuando est presente.
- Su valor depende del error BETA ().

Tipos de error en las pruebas diagnsticas Evento o enfermedad estudiada

Resultados de la prueba Positivo VERDADEROS FALSO VP + FP
diagnstica (+) POSITIVOS POSITIVO
VP FP


(-) FN NEGATIVOS
VN
Sanos negativos VN
ESPECIFICIDAD == ESPECIFICIDAD =
Total de SANOS VN + FP
La especificidad de la prueba diagnstica
- Es la probabilidad de clasificar correctamente a un individuo sano.
- Es la probabilidad de que para un sujeto sano se obtenga un resultado

negativo.
- Es la capacidad del test para detectar a los sanos
- Es la probabilidad de obtener un resultado negativo cuando el individuo no

tiene la enfermedad.
- Mide la capacidad para descartar la enfermedad cuando no est presente.
- Su valor depende del error ALFA ().

Exactitud en las pruebas diagnsticas
- Es la principal cualidad clnica de una prueba diagnstica.
- Es la capacidad de una prueba diagnstica para clasificar correctamente a

los pacientes.
- Es la capacidad de una prueba diagnstica para clasificar correctamente

a los individuos en subgrupos clnicamente relevantes (enfermos y NO
enfermos).
- En su forma ms simple es la capacidad para distinguir entre dos estados de

salud (enfermos y NO enfermos).
VP + VN
EXACTITUD =
VP + FN + FP + VN
Exactitud en las pruebas diagnsticas
VP + VN
EXACTITUD =
VP + FN + FP + VN
SENSIBILIDAD ESPECIFICIDAD
ACIERTOS
EXACTITUD =
ACIERTOS + FALLOS
Tipos de error en las pruebas Evento o enfermedad estudiada

diagnsticas
Resultados Positivo VERDADEROS FALSO VP + FP
de la prueba (+) POSITIVOS POSITIVO (total de positivos)
diagnstica VP FP


(-) FN NEGATIVOS
VN
VP VP
VPP = VPP =
Total de POSITIVOS VP + FP
Valor Predictivo Positivo (VPP) de la prueba diagnstica
- Es la probabilidad de padecer la enfermedad si se obtiene un resultado

positivo en el test.
- Se puede definir el VPP como la proporcin de resultados vlidos (VP) entre

todos resultados positivos de la prueba (VP + FP).
- Su valor depende del error ALFA () y de la POTENCIA ESTADSTICA.
- Su valor depende de la prevalencia (P) de la enfermedad; cuanto menor sea

la prevalencia menor ser el VPP y cuanto mayor sea la prevalencia mayor
ser el VPP.
Tipos de error en las pruebas Evento o enfermedad estudiada

diagnsticas
Resultados Positivo VERDADEROS FALSO VP + FP
de la prueba (+) POSITIVOS POSITIVO (total de positivos)
diagnstica VP FP


(-) FN NEGATIVOS
VN
VN VN
VPN = VPN =
Total de NEGATIVOS VN + FN
Valor Predictivo Negativo (VPN) de la prueba diagnstica
- Es la probabilidad de que un sujeto con un resultado negativo en la prueba

est realmente sano.
- El VPN es la proporcin de resultados vlidos (VN) entre todos los

resultados negativos (VN + FN).
- Su valor depende del error BETA ().
- Su valor depende de la prevalencia (P) de la enfermedad en estudio

Cuanto menor sea la prevalencia, mayor ser el VPN, y cuanto mayor sea la
prevalencia, menor ser el VPN.
Prevalencia de la enfermedad
Es la frecuencia con la que se presenta una determina enfermedad en una

poblacin definida en un momento dado.
VP + FN
PREVALENCIA =
VP + FP + FN + VN
ENFERMOS
PREVALENCIA =
ENFERMOS + SANOS
VP + FN
PREVALENCIA =
VP + FP + FN + VN
ENFERMOS
PREVALENCIA = VALOR VALOR
ENFERMOS
PREDICTIVO + SANOS
PREDICTIVO
POSITIVO (VPP) NEGATIVO (VPN)
Los valores predictivos (VPP y VPN) dependen de la prevalencia de la

enfermedad en estudio.
EXACTITUD
SENSIBILIDAD ESPECIFICIDAD
VALOR PREDICTIVO VALOR PREDICTIVO

NEGATIVO (VPN) POSITIVO (VPP)
PREVALENCIA
Relacin entre la prevalencia y el valor predictivo positivo

(VPP)
Prevalencia Resultado Enfermos Sanos Total VPP

de la prueba (No enfermos)
enfermedad diagnstica
1% + 99 495 594 15%
- 1 9404 9406 (99/595)
Total 100 9900 10000
5% + 495 475 970 51%
- 5 9025 9030 (495/970)
Total 500 9500 10000
SENSIBILIDAD DIAGNSTICA = 99% ESPECIFICIDAD DIAGNSTICA = 95%

Relacin entre la prevalencia y el valor predictivo
VALOR PREDICTIVO POSITIVO (VPP)

Valor predictivo (%)
VALOR PREDICTIVO NEGATIVO (VPN)
Razn de verosimilitud
SENSIBILIDAD
RV + =
1 - ESPECIFICIDAD
Tasa de VP (%)
RV + =
Tasa de FP (%)
Cul es la probabilidad de que un paciente que acude a

la consulta tenga un carcinoma de prstata si el PSA (+)
([PSA]s > 4 ng/ml)?
PSA (+) Carcinoma de prstata
VALOR PREDICTIVO POSITIVO (VPP)
Es la probabilidad de que un paciente tenga un carcinoma de prstata (CP) una vez que el test (PSA) ha
dado positivo ([PSA] > 4 ng/ml).
Cul es la probabilidad de que un paciente que acude a la

consulta NO tenga un carcinoma de prstata si el PSA (-)
([PSA] < 4 ng/ml)?
VALOR PREDICTIVO NEGATIVO (VPN)
Es la probabilidad de que un individuo sano NO tenga un carcinoma de prstata (CP) una vez que el test
(PSA) ha dado negativo ([PSA] < 4 ng/ml).
Cul es la probabilidad de que un paciente diagnosticado

de carcinoma de prstata presente un PSA (+) ([PSA] > 4
ng/ml)?
Carcinoma de prstata PSA (+) ([PSA] > 4 ng/ml)
SENSIBILIDAD DIAGNSTICA
Es la probabilidad de que el test (PSA) sea positivo entre los individuos realmente enfermos (carcinoma de
prstata).
Cul es la probabilidad de que un paciente sin carcinoma

de prstata (CP) presente un PSA (-) ([PSA] < 4 ng/ml)?
ESPECIFICIDAD DIAGNSTICA
Es la probabilidad de que el test (PSA) sea negativo entre los individuos realmente no enfermos (sin cncer
de prstata).
Cul es la probabilidad de que un valor de PSA patolgico

([PSA] > 4 ng/ml)? sea X veces mas probable en un paciente
con carcinoma de prstata (CP) que en otro sujeto sin cncer?
RAZN DE VEROSIMILITUD (RV+)
Es la probabilidad de que un resultado elevado del test (PSA) aparezca en los pacientes con carcinoma de
prstata frente a los individuos realmente no enfermos (sin cncer de prstata).
Pregunta de investigacin
Qu utilidad clnica tiene el tacto rectal en el diagnstico del
carcinoma de prstata (CP) en una muestra de pacientes con
sospecha de CP que acuden a una consulta de Urologa?
Objetivo: Evaluacin del tacto rectal en el diagnstico del CP en una
consulta de urologa.
Tcnica analtica a valuar Tcnica de referencia

(patrn de oro)
TACTO RECTAL BIOPSIA PROSTTICA mediante
ecografa transrectal
Cul es el test estadstico ms acertado?

Tipos de error en las pruebas diagnsticas Tcnica de referencia

(BIOPSIA transrectal ecodirigida)
POSITIVA NEGATIVA
TACTO RECTAL Positivo VERDADEROS FALSO POSITIVO
(+) POSITIVOS FP
VP

(-) FN NEGATIVOS
VN
Tcnica de referencia (BIOPSIA prosttica mediante ecografa transrectal)
TACTO RECTAL positiva (+) negativa (-) Total
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VP
SENSIBILIDAD =
VP + FN
634
SENSIBILIDAD = = 56,5%
634 + 487
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VN
ESPECIFICIDAD =
VN + FP
1251
ESPECIFICIDAD = = 82,3%
1251 + 269
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VP + VN
EXACTITUD =
VP + FN + FP + VN
634 + 1251
EXACTITUD = = 71,4 %
634 + 487 + 269 + 1251
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VP 634
VPP = VPP = = 70,2%
VP + FP 634 + 269
La probabilidad de tener un CP es del 70% cuando el tacto rectal es positivo.

Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VN 1251
VPN = VPN = = 72,0%
VN + FN 1251 + 487
La probabilidad de NO tener un CP es de tan solo el 72% cuando el tacto rectal es negativo.

Como la prueba tiene un VPN bajo, un resultado negativo del tacto rectal solo permite descartar el
diagnstico de CP con una probabilidad del 72%.
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VP + FN
PREVALENCIA =
VP + FP + FN + VN
634 + 487
PREVALENCIA = = 42,4 %
634 + 269 + 487 + 1251
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
SENSIBILIDAD 0,565
RV + = RV + = = 3,2
1 - ESPECIFICIDAD 1 - 0,823
Un tacto rectal anormal (+) es 3 veces ms probable en un paciente con CP que en otro sujeto sin cncer.
Qu utilidad clnica tiene la tira reactiva en orina en el
diagnstico de la infeccin del tracto urinario (ITU)?
Objetivo: Evaluacin de la TIRA REACTIVA en el diagnstico de la ITU.

(patrn de oro)
TIRA REACTIVA CULTIVO
(orina) (orina)
Latorre C, Noguero M, Mira A. Evaluacin de la tira reactiva para el diagnstico de infeccin urinaria en
nios y adultos. Med Clin (Barc) 2001; 116: 286-289.
Tipos de error en las pruebas diagnsticas Tcnica de referencia

(CULTIVO)
POSITIVO NEGATIVO
Test de laboratorio Positiva VERDADEROS FALSO POSITIVO
TIRA REACTIVA (+) POSITIVOS FP
orina VP
Negativa FALSO NEGATIVO VERDADEROS

(-) FN NEGATIVOS
VN
INFECCIN DEL TRACTO URINARIO (ITU)
Tira reactiva SI NO Total
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
VP
SENSIBILIDAD =
VP + FN
86
86 + 20
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
VN
ESPECIFICIDAD =
VN + FP
548
548 + 433
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
VP + VN
EXACTITUD =
VP + FN + FP + VN
86 + 548
EXACTITUD = = 58,3%
86 + 20 + 433 + 548
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
VP 86
VPP = VPP = = 16,6%
VP + FP 86 + 433
La probabilidad de tener una ITU es de tan solo el 17% cuando la tira reactiva es positiva.
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
VN 548
VPN = VPN = = 96,5%
VN + FN 548 + 20
La probabilidad de NO tener una ITU es del 96,5% cuando la tira reactiva es negativa.
Como la prueba tiene un VPN alto, un resultado negativo de la tira urinaria descarta el diagnstico de ITU
con una probabilidad del 96,5%.
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
VP + FN
PREVALENCIA =
VP + FP + FN + VN
86 + 20
PREVALENCIA = = 9,7 %
86 + 433 + 20 + 548
Positva (+) 86 433 519
Negativa (-) 20 548 568
Total 106 981 1087
SENSIBILIDAD
RV + =
1 - ESPECIFICIDAD
0,811
RV + = = 1,84
1 - 0,559
Una tira reactiva anormal (+) es casi 2 veces ms probable en un paciente con ITU que en otro sujeto sin
infeccin.
Qu utilidad clnica tiene los niveles de ferritina srica en
el diagnstico de la anemia ferropnica?
Objetivo: Evaluacin de la FERRITINA en el diagnstico de la anemia
ferropnica.

(patrn de oro)
FERRITINA ANEMIA FERROPNICA
(srica)
DL Sackett. Epidemiologa clnica. Buenos Aires, Editorial Mdica Panamericana, 1994.

Tipos de error en las pruebas diagnsticas Realidad
Anemia ferropnica Sanos

FERRITINA (+) POSITIVOS FP
srica FERRITINA VP
BAJA

(-) FN NEGATIVOS
FERRITINA VN
NORMAL
ANEMIA FERROPNICA
FERRIRINA SI NO Total
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
VP
SENSIBILIDAD =
VP + FN
731
731 + 78
Si una prueba tiene una sensibilidad alta, un resultado negativo descarta el diagnstico.
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
VN
ESPECIFICIDAD =
VN + FP
1500
1500 + 270
Si una prueba tiene una especificidad alta, un resultado positivo confirma el diagnstico.
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
VP + VN
EXACTITUD =
VP + FN + FP + VN
731 + 1500
EXACTITUD = = 86,5%
731 + 78 + 270 + 1500
Una exactitud elevada permite distinguir con un mnimo error entre dos estados de salud.
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
VP 731
VPP = VPP = = 73%
VP + FP 731 + 270
La probabilidad de tener una anemia ferropnica es del 73% cuando la ferritina srica es baja.
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
VN 1500
VPN = VPN = = 95,1%
VN + FN 1500 + 78
La probabilidad de NO tener una anemia ferropnica es del 95,1% cuando la ferritina srica es normal.
Como la prueba tiene un VPN alto, una ferritina normal descarta el diagnstico de anemia ferropnica con
una probabilidad del 95,1%.
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
VP + FN
PREVALENCIA =
VP + FP + FN + VN
731 + 78
PREVALENCIA = = 31%
731 + 270 + 78 + 1500
ANEMIA FERROPNICA
BAJA (+) 731 270 1001
NORMAL (-) 78 1500 1578
Total 809 1770 2579
SENSIBILIDAD
RV + =
1 - ESPECIFICIDAD
0,903
RV + = = 5,9
1 - 0,847
Una ferritina baja es casi 6 veces ms probable en un paciente con anemia ferropnica que en otro sujeto
sin anemia ferropnica.
Pruebas diagnsticas en el cncer de prstata
FAP
PSA
Cociente
PSA libre/ PSA total
Tacto rectal
Citologa aspiracin
Biopsia prosttica mediante

ecografa transrectal
Pruebas diagnsticas:
Mala rentabilidad diagnstica.
Baja sensibilidad y especificidad (FAP)
Sanos Enfermos
HPB
Cncer Prstata
FN FP
Niveles de FAP
error error
Buena rentabilidad diagnstica.
Equilibrio entre sensibilidad y especificidad (PSA)
HPB
Cncer Prstata
Niveles de PSA (ng/ml)

error error
Excelente rentabilidad diagnstica.
Mxima sensibilidad y especificidad (Cociente PSAlibre/total)
Sanos Enfermos
HPB
Cncer Prstata
error error Cociente PSAlibre/total

Situacin ideal de las pruebas diagnsticas:

Mxima sensibilidad y especificidad
HPB
Frecuencia
Cncer Prstata
Sanos Enfermos
Su Negatividad indican Su Positividad indican

siempre la ausencia de la siempre la presencia de la
enfermedad enfermedad
Especificidad ~ 100% Sensibilidad ~ 100%

Situacin real de las pruebas diagnsticas:

PSA - Buen equilibrio entre sensibilidad y especificidad
Frecuencia
HPB Cncer Prstata

Sanos Enfermos
Concentracin PSA (ng/ml)
Sensibilidad ~ 61%
Especificidad ~ 90% Zona gris / Zona indeterminada
Pruebas diagnsticas a evitar:

Fosfatasa cida prosttica
Mal equilibrio entre sensibilidad y especificidad
Baja Especificidad
Frecuencia
HPB Cncer Prstata

sanos enfermos
Concentracin FAP
Sensibilidad ~ 60-70%
Zona gris / Zona indeterminada
Especificidad ~ 40-50%
Eleccin del punto de corte

Frecuencia Punto de corte ideal
HPB Cncer Prstata

Sanos Enfermos
0 Especificidad = 100% Xideal Sensibilidad = 100%
Su Negatividad indican Su Positividad indican

siempre la ausencia de la siempre la presencia de la
enfermedad enfermedad
Eleccin del punto de corte
Punto de corte real

Frecuencia
HPB Cncer Prstata

Sanos Enfermos
Concentracin PSA (ng/ml) 4

Sensibilidad ~ 61%
Las pruebas diagnosticas no tienen
un solo par sensibilidad/especificidad Especificidad ~ 90%
(S/E), sino muchos, uno por cada
nivel de decisin o punto de corte Zona gris
que se adopte Zona indeterminada
Aumento del valor del punto de corte
Aumentar la especificidad
Frecuencia
HPB
sanos enfermos
Cncer Prstata
Concentracin PSA (ng/ml) 4 10
Para cualquier prueba en la que la distribucin de los

Sensibilidad ~ 30% resultados de los grupos sano y enfermo se solapen,
existe un equilibrio entre sensibilidad y especificidad.
Especificidad 99% Ambas varan en direcciones opuestas: si se
AUMENTA el punto de corte disminuye la sensibilidad,
y aumenta la especificidad.
Disminucin del valor del punto de corte
Frecuencia Aumentar la sensibilidad
HPB Cncer Prstata

sanos enfermos
1,0 4.0 Concentracin PSA (ng/ml)
Para cualquier prueba en la que la distribucin de los

Sensibilidad 92% resultados de los grupos sano y enfermo se solapen,
existe un equilibrio entre sensibilidad y especificidad.
Especificidad ~ 35% Ambas varan en direcciones opuestas: si se
DISMINUYE el punto de corte aumenta la
sensibilidad, y disminuye la especificidad.
PSA: ejemplo de error alfa (FP) y error beta (FN)
Error Error
PUNTO DE CORTE = 4 ng/ml

- Buena sensibilidad a la hora de detectar los CP
- Pero existe un nmero elevado de falsos positivos (HBP) > baja especificidad
Sensibilidad y especificidad diagnstica:

Pruebas en el Cncer de Prstata
Prueba S E Patrn de oro
(tcnica de
referencia)
FAP 56% 94% Biopsia de la

prstata mediante
PSA 61% 90% Ecografa
transrectal
PSA libre/PSA total 69% 95%
Examen rectal 56% 82%
Citologa aspiracin 55% 91%

Construccin de la curva ROC para cada prueba diagnstica

En el eje Y de coordenadas se sita la sensibilidad o fraccin de verdaderos positivos, calculada en los enfermos
1
La curva ROC es un
grfico que muestra todos

los pares posibles
sensibilidad/especificidad
resultantes de la variacin
continua de los puntos de
corte en todo el rango de
resultados observados.
La diagonal muestra por tanto

la peor situacin posible.
0
0 1 ESPECIFICIDAD 1
(Falsos positivos)
En el eje X se sita la fraccin de FP o 1 - especificidad, definida como 1 E = FP/VN + FP y calculada en

los no enfermos (sanos).
Diagrama de la curva ROC de la prueba diagnstica A
1
A
Las curvas ROC son los mejores ndices
de la efectividad, rentabilidad o exactitud
diagnstica y proporcionan un criterio
unificador en el proceso de evaluacin de
una prueba, y de comparacin simultnea
de varias pruebas diagnsticas.
0
0 1 ESPECIFICIDAD 1
(Falsos positivos)
Diagrama de la curva ROC de la prueba diagnstica B
1
La diagonal muestra la peor

situacin posible.
B
El rea bajo la curva ROC es un
ndice de la EXACTITUD o valor
global de la prueba: la exactitud
mxima correspondera a un valor
del rea de 1 y la mnima de 0.5
0
0 1 ESPECIFICIDAD 1
(Falsos positivos)
Diagrama de la curva ROC del PSA
Gann PH, Hennekens CH, Stampfer MJ. A prospective evaluation of plasma prostate.specific antigen for
detection of prostatic cancer. JAMA. 1995; 273: 289-294.
Interpretacin de Hanley y McNeil del rea bajo la curva

ROC
- El rea bajo la curva (ABC) ROC es una medida global de la exactitud de una prueba
diagnstica.
- Se define como la probabilidad de clasificar correctamente un par de individuos sano
y enfermo, seleccionados al azar de la poblacin, mediante los resultados obtenidos al
aplicarles la prueba diagnstica.
- Es la probabilidad de que el resultado de la prueba se presente ms elevado en el
paciente enfermo
rea bajo la curva ROC = Probabilidad (X enfermo > X sano)
- En el ejemplo del PSA anterior un rea de 0,83 significa que un individuo seleccionado a
azar del grupo de enfermos tendr el 83% de las veces un valor de PSA cuantitativamente
mayor que el PSA de un individuo elegido al azar del grupo no enfermo (sanos).
Hanley JA, McNeil BJ. The meaning and use of the area under a Receiver Operating Characteristic (ROC)
Curve. Radiology 1982; 143: 29-36.
Interpretacin de Swets del rea bajo la curva ROC

- El rea bajo la curva ROC es siempre mayor o igual que 0,5. Toma valores comprendidos
entre 0,5, si no existen diferencias en la distribucin de resultados de la prueba entre
los grupos enfermo y sano, y 1,0, cuando existe separacin perfecta entre las dos
distribuciones.
- Swets interpreta el valor del rea de la siguiente manera:
Entre 0,5 y 0,7 indican baja exactitud
Entre 0,7 y 0,9 pueden ser tiles para algunos propsitos
Valores mayor de 0,9 indica alta exactitud.
- La capacidad de discriminacin de la prueba diagnstica puede evaluarse estimando el
intervalo de confianza del rea de la curva ROC. Si el intervalo no incluye el valor 0,5 la
prueba es capaz de discernir entre enfermos y sanos.
- En el ejemplo del PSA anterior el rea de 0,83 debe ser interpretado que la prueba puede
ser til en algunas situaciones clnicas, pero no es til por ejemplo, para realizar programas
de screening de la poblacin en bsqueda del cncer de prstata en la poblacin general.
Swets JA. Measuring the accuracy of diagnostic systems. Science 1988; 240: 1.285-1.293.
Comparacin del rea bajo la curva:

Prueba A versus prueba B
1
A El rea de la curva ROC es la probabilidad

B de clasificar correctamente un par de
individuos sano y enfermo, seleccionados al
azar de la poblacin en estudio, mediante los
resultados obtenidos al aplicarles la prueba
diagnstica.
El rea bajo la curva ROC es el mejor indicador de la

capacidad predictiva del la prueba, y permite la
comparacin entre diferentes pruebas diagnsticas.
0
0 1 ESPECIFICIDAD 1
(Falsos positivos)
Comparacin del rea bajo la curva:

Prueba A versus prueba B
1
A = REA de la curva A
A B = REA de la curva B
B
Qu prueba diagnstica (A versus
B) presenta una mayor rentabilidad,
efectividad, exactitud o valor global?
Estadstico Z de Hanley y McNeil (1983)

0
0 1 ESPECIFICIDAD 1
(fraccin de Falsos positivos)
Comparacin del rea de las curvas ROC en muestras

independientes
( A 1 A 2)
Z=
( EEA 1 )2 + (EEA 2 )2
A1 = rea bajo la curva ROC de la tcnica 1
A 2 = rea bajo la curva ROC de la tcnica 2
EEA 1 = error estndar del rea bajo la curva ROC de la tcnica 1
Si el estudio se realiza en grupos INDEPENDIENTES, la comparacin de reas mediante mtodos

estadsticos es directa. Si se utilizan datos APAREADOS o dependientes es necesario calcular previamente
la correlacin r entre las pruebas coeficiente de correlacin entre ambas tcnicas para muestras
independientes vale cero (r = 0).

apareadas
( A 1 A 2)
Z=
( EEA 1 )2 + (EEA 2 )2 - 2 r * EEA 1 * EEA 2
r = coeficiente de correlacin entre las reas de ambas tcnicas para

muestras dependientes
Qu utilidad clnica tiene los niveles de urea en sangre en
el diagnstico de la insuficiencia renal?
Objetivo: Evaluacin de la uremia en el diagnstico de la insuficiencia
renal.

(patrn de oro)
Uremia (mg/dl) Insuficiencia renal

Tipos de error en las pruebas diagnsticas Enfermedad en estudio
Valor del punto de corte 90 mg/dl Insuficiencia renal No enfermos

uremia (+) POSITIVOS FP
Uremia > 90 mg/dl VP

(-) FN NEGATIVOS
Uremia 90 mg/dl VN
VN FP
Individuos SIN
Insuficiencia renal
Uremia mg/dl 0 300 mg/dl

Pacientes
Insuficiencia renal
FN VP
Punto de corte
optimo 90 mg/dl
Individuos SIN
Insuficiencia renal
Pacientes con
Insuficiencia renal
Frecuencia
0 50 100 150 200 250 300 mg/dl

Uremia mg/dl
Punto de corte optimo 90 mg/dl
1,00
Curva ROC
de la uremia
0,75
(fraccin de verdaderos positivos)
0,50
Las curvas ROC son ndices

0,25 de la exactitud diagnostica y
proporcionan el mejor criterio
unificador en el proceso de
evaluacin de una prueba.
0,00
0,00 0,25 0,50 0,75 1,00
1 ESPECIFICIDAD
(fraccin de Falsos positivos)
Qu tcnica analtica presenta una mayor exactitud, valor global,
rentabilidad, o efectividad clnica la urea o la creatinina srica en
el diagnstico de la insuficiencia renal?
Objetivo: Evaluacin de la urea frente a la creatinina en el diagnstico de

la insuficiencia renal.
Urea (srica) Creatinina (srica)
Comparacin del rea bajo la curva ROC

1,00
Curva ROC
de la creatinemia
0,75 Curva ROC
(fraccin de Verdaderos Positivos)
de la uremia
0,50
Cuanto ms prxima se sita una curva

ROC a la esquina superior izquierda,
0,25 ms alta es la exactitud diagnstica de la
prueba. Si comparamos en el mismo
grfico las curvas obtenidas con la urea y
la creatinina, sta ltima por estar
situada ms hacia arriba y hacia la
izquierda tendr la mayor exactitud.
0,00
0,00 0,25 0,50 0,75 1,00
1 ESPECIFICIDAD
(fraccin de Falsos Positivos)
Qu prueba diagnstica (uremia versus creatinemia) presenta
una mayor rentabilidad, exactitud o valor global en el diagnstico
de la insuficiencia renal?
Variables rea bajo la curva Error estndar del Lmite inferior Lmite superior
contrastadas ROC rea del intervalo de del intervalo de
confianza al 95% confianza al 95%
Uremia 0,930 0,012 0,906 0,955
Creatinemia 0,984 0,005 0,974 0,994


dependientes
( A 1 A 2)
Z=
( EEA 1 )2 + (EEA 2 )2 - 2 r * EEA 1 * EEA 2

( A 1 A 2)
Z=
( EEA 1 )2 + (EEA 2 )2 - 2 r * EEA 1 * EEA 2
A 1 (creatinina) = 0,984 EEA1 (creatinina) = 0,005.
A 2 (urea) = 0,930 EEA2 (urea) = 0,012.
Hiptesis nula Ho: A1 A 2 = 0 .
Hiptesis alternativa Ha: A1 A 2 0 .
Resultado: El estadstico para la comparacin de ambas curvas Z de Hanley y

McNeil vale 4,15 que como es mayor que Z95% = 1,96 .
Conclusin: Ambas pruebas tienen un rendimiento significativamente distinto.

Qu utilidad clnica tiene los niveles de VCM en el diagnstico
de la anemia ferropnica?
Objetivo: Evaluacin del VCM en el diagnstico de la anemia ferropnica.

(patrn de oro)
VCM Depsitos de Fe en mdula sea
(hemograma)

Tipos de error en las pruebas diagnsticas Examen de los depsitos de hierro en mdula sea
Dficit de Fe Presencia de Fe

VCM (+) POSITIVOS FP
(hemograma) VCM VP
BAJO
(microcitosis)

(-) FN NEGATIVOS
VCM VN
NORMAL
VCM en 100 pacientes con diagnstico de

anemia ferropnica
Tcnica de referencia: Examen de los Volumen corpuscular medio (VCM)

depsitos de hierro en mdula sea
Ausencia de Hierro (n= 33) 52, 58, 62, 65, 67, 68, 70, 72, 72, 73, 73, 74,75,
77, 77, 77, 78, 78, 80, 80, 81, 81, 81, 81, 84, 84,
85, 85, 87, 88, 88, 92, 92
Presencia de hierro (n=67) 60, 66, 68, 69, 71, 71, 71, 73, 74, 74, 74, 76,76,
77, 77, 77, 78, 79, 79, 79, 80, 80, 81, 81,82, 82,
82, 83, 83, 83, 83, 83, 83, 83, 83, 84,84, 84, 85,
85, 86, 86, 86, 86, 88, 88, 88, 89,89, 89, 90, 90,
90, 91, 91, 93, 93, 93, 94, 94,94, 94, 96, 97, 98,
100, 103
Beck JR, Shultz EK. The use of relative operating characteristic (ROC) curves in test performance
evaluation. Arch Pathol Lab Med 1986; 110:13-20.
110
100
Tcnica analtica a evaluar
90
FN VN
VCM 80
(hemograma)
70
FP VP
60
50
Hierro normal Hierro BAJO

VCM < 80
Sensibilidad = 55,9% Examen de los depsitos de hierro en mdula sea
Especificidad = 71,2%
Tcnica de referencia (patrn de oro)
110
100
Tcnica analtica a evaluar
90
FN VN
VCM 80
(hemograma)
70
60 FP VP
50

VCM < 65
Sensibilidad = 8,8%
Especificidad = 98,5% Examen de los depsitos de hierro en mdula sea

110
100
Tcnica analtica a evaluar FN VN
90
VCM 80
(hemograma) FP VP
70
60
50

VCM < 90
Sensibilidad = 94,1% Examen de los depsitos de hierro en mdula sea
Especificidad = 25,8%
La pruebas diagnosticas no tienen

100 un solo par sensibilidad/especificidad
(S/E), sino muchos, uno por cada
nivel de decisin o punto de corte
80 que se adopte.
(fraccin de Verdaderos Positivos)
VCM < 81
60 Punto de corte ideal para el

VCM es de < 81, valor lmite que
permite resumir los resultados de
40 una escala continua en dos
categoras: positivo y negativo
Cul ser el par que describa con una mayor exactitud o
20 rentabilidad diagnstica.
la exactitud de la prueba?
0
VCM < 81
Sensibilidad = 61%
0 20 40 60 80 100
Fraccin de FP = 30%
1 ESPECIFICIDAD
(fraccin de Falsos Positivos) Especificidad = 70%
El clculo del rea bajo la curva es de 0,717 con un EE de 0,05, es decir, el VCM es una prueba diagnstica
de baja rentabilidad, y por tanto no se aconseja, como prueba nica, en el diagnstico de la anemia
ferropnica.
Qu tcnica analtica presenta una mayor rentabilidad, el VCM
o la ferritina en el diagnstico de la anemia ferropnica?
Objetivo: Evaluacin del VCM frente a la ferritina en el diagnstico de la
anemia ferropnica.
VCM Ferritina (srica)

(hemograma)
Comparacin del rea bajo la curva ROC

Punto Corte VCM Sensibilidad Especificidad 100 especificidad

(%) (%) (%)
65 8,8 98,5 1,5

70 20,6 93,9 6,1
75 38,2 84,8 15,2
80 55,9 71,2 28,8
85 79,4 43,9 56,1
90 94,1 25,8 74,2
92 97,1 19,7 80,3
Construccin de la curva ROC: Es un grfico que muestra todos los pares sensibilidad/especificidad
resultantes de la variacin continua de los puntos de corte en todo el rango de resultados observados.
Comparacin del rea bajo la curva: ferritina srica versus

VCM
100
Ferritina
VCM
Para comparar el VCM con los niveles
sricos de ferritina, se construye para
ella otra curva y se calculara su rea.
Se comparan las reas mediante el
estadstico Z de Hanley y McNeil (1983).
0
0 1 ESPECIFICIDAD 100
(Falsos positivos)
Hanley JA, McNeil BJ. A method of comparing the areas under receiver operating characteristic curves
derived from the same cases. Radiology 1983; 148: 839-843.

dependientes
( A 1 A 2)
Z=
( EEA 1 )2 + (EEA 2 )2 - 2 r * EEA 1 * EEA 2

Hanley JA, McNeil BJ. A method of comparing the areas under receiver operating characteristic curves
derived from the same cases. Radiology 1983; 148: 839-843.
( A 1 A 2)
Z=
( EEA 1 )2 + (EEA 2 )2 - 2 r * EEA 1 * EEA 2
A 1 (creatinina) = 0,984 EEA1 (creatinina) = 0,005.
A 2 (urea) = 0,930 EEA2 (urea) = 0,012.
Hiptesis nula Ho: A1 A 2 = 0 .
Hiptesis alternativa Ha: A1 A 2 0 .
Resultado: El estadstico para la comparacin de ambas curvas Z de Hanley y

McNeil vale 4,15 que como es mayor que Z95% = 1,96 .
Conclusin: Ambas pruebas tienen un rendimiento significativamente distinto.

Eleccin del punto de corte:

Criterio basado en el equilibrio de riesgos y beneficios de
las decisiones mdicas
Es un enfoque prctico que se basa en el cociente entre los costes de un
resultado falso positivo (FP) frente a un falso negativo (FN), en funcin de
la prevalencia (P) de la enfermedad. El valor de corte ptimo se determina
hallando el punto de la curva ROC cuya tangente a la curva tiene de
pendiente el valor de m.
Coste de FP 1-P
m = *
Coste de FN P
Zweig MH, Campbell G. Receiver-operating characteristic (ROC) plots: a fundamental evaluation tool in
clinical medicine. Clin Chem 1993; 39: 561-577.
McNeil BJ, Keeler E, Adelstein SJ. Primer on certain elements of medical decision making. N Engl J Med
1975; 293: 211-215.

Postulados de Galen y Gambino
1. Criterio de mxima SENSIBILIDAD DIAGNSTICA
Se elige la mayor sensibilidad posible cuando:

1. La enfermedad sea grave y no pueda pasar inadvertida.
2. La enfermedad sea tratable, y
3. Los resultados falsos positivos no supongan un traumatismo
psicolgico o econmico en los individuos examinados.
Ejemplo: Mamografas en programas de deteccin precoz del cncer de

mama
Galen RS, Gambino SR. Beyond normality: The predictive value and efficiency of medical diagnoses. Nueva
York: J Wiley and Sons, lnc., 1975.

2. Criterio de mxima ESPECIFICIDAD DIAGNSTICA
Se elige la mayor especificidad posible cuando:

1. La enfermedad sea importante pero difcil de curar o incurable, y
2. El hecho de conocer que no se padezca la enfermedad tiene una
importante carga sanitaria y psicolgica.

3.- Criterio de alto VALOR PREDICTIVO POSITIVO
Se elige un alto VPP cuando:

El tratamiento de los falsos positivos (FP) pueda tener consecuencias
graves en personas que NO tienen la enfermedad.
VP
VPP =
VP + FP

4. Criterio de mxima EXACTITUD DIAGNSTICA
Se desea una elevada exactitud (efectividad, valor global o rentabilidad

diagnstica) cuando:
1. La enfermedad sea importante pero curable, y
2. Tanto los falsos positivos (FP) como los falsos negativos (FN)
supongan un traumatismo y conlleven consecuencias graves.
Ventajas de las curvas ROC en la evaluacin de pruebas

diagnsticas
1. Son una representacin grfica fcilmente comprensible de la capacidad de
discriminacin de la prueba diagnstica en todo el rango de puntos de corte.
2. Son simples, grficas y fciles de interpretar visualmente.
3. No requieren un nivel de decisin particular porque est incluido todo el espectro de
puntos de corte.
4. Son independientes de la prevalencia, ya que ni la sensibilidad ni la especificidad
dependen de ella.
5. Proporcionan una comparacin visual directa entre distintas pruebas en una escala
comn, mientras que otro tipo de grficos, como los diagramas de puntos o los
histogramas de frecuencias requieren diferentes grficos cuando difieren las escalas.
6. La especificidad y la sensibilidad son fcilmente accesibles en el grfico, en contraste
con los diagramas de puntos y los histogramas.
Zweig MH, Campbell G. Receiver-Operating Characteristic (ROC) Plots: fundamental evaluation tool in
clinical medicine. Clin Chem 1993; 39: 561-577.
Burgueo MJ, J.L. Garca-Bastos JL, Gonzlez-Buitrago JM. Las curvas ROC en la evaluacin
de las pruebas diagnsticas. Med Clin (Barc) 1995: 104: 661-670.
Material
Pacientes
- Criterios de seleccin de la muestra (inclusin y exclusin).

- Procedencia.
- Tcnica de reclutamiento utilizada.
- Tiempo empleado para reunir a los todos los participantes.
- Principales caractersticas de los pacientes.
Edad
Sexo
Procedencia
Gravedad
- Clculo de tamao muestral.
Captulo 5

Bioestadstica:
Test de Contraste de Hiptesis. Variables Cualitativas.
Material y mtodos.



Materiales y mtodos
Estructura

1. ANLISIS DESCRIPTIVO
2. ANLISIS BIVARIANTE
3. ANLISIS MULTIVARIANTE

estadstica p
p < 0,05 AB p 0,10 A=B
el ERROR ERROR

Anlisis estadstico
Tipos de test analticos estadsticos de contraste de hiptesis
segn el tipo de variables implicadas en el estudio
Variable dependiente
Variable resultado
Dicotmica Continua
Variable Dicotmica Test de 2 t de Student
Predictora
Variable Continua Regresin lo- Regresin lineal
Independiente gstica
Tipos de test analticos estadsticos bivariantes de contraste

de hiptesis ms frecuentes
Variable Variable RESULTADO o Dependiente (Criterio de evaluacin)
PREDICTORA o Cualitativa nominal Cualitativa nominal Cualitativa ordinal o Cuantitativa
Independiente (factor dos >2 Cuantitativa NO paramtrica
de estudio) categoras categoras paramtrica
Cualitativa dos grupos Chi cuadrado Chi cuadrado U de Mann-Whitney T de Student
independientes Z comparacin de (prueba de Welch)
proporciones
Test exacto de
Fisher
Cualitativa dos grupos Test de McNemar Q de Cochran Prueba de los T de Student
apareados rangos para datos
de Wilcoxon emparejados
Cualitativa > 2 grupos Chi cuadrado Chi cuadrado Prueba de Kruskal- Anlisis de la Varianza
independientes Wallis (ANOVA)
Cualitativa > 2 grupos Q de Cochran Q de Cochran Prueba de Friedman Anlisis de la Varianza
apareados de dos vas
Cuantitativa Regresin logstica Regresin logstica Correlacin de Regresin lineal
Sperman Correlacin de Pearson
Tau de Kendall
Datos categricos:
Cualitativa versus cualitativa
- Test de 2 de Pearson
- Relacin entre dos variables cualitativas nominales
- Comparacin de proporciones
- Test exacto de Fisher

- Valores esperados menores de 5
- Test de 2 de McNemar
- Datos apareados o emparejados
- Test de 2 de tendencia lineal

- Variables cualitativas ordinales
Test de 2 de Pearson
Variable RESULTADO
Variable PREDICTORA (+) (-) Total
Si a b a+b
No c d c+d
Total a+c b+d n
2 n ( a d b c )2
=
(a + b) (c + d) (a + c) (b + d)
Condiciones necesarias y suficientes de aplicacin
1. Ambas variables deben ser cualitativas en escala NOMINAL.

2. Nmero de sujetos estudiados igual o superior a 40 (n>40)
3. Ninguno de los valores esperados en cada casilla debe ser menor de 5
4. No se debe aplicar cuando la variable dependiente o resultado es
ORDINAL
5. Es un test no dirigido (test de planteamiento bilateral), que nos indica si
existe o no relacin entre dos variables cualitativas pero no en qu sentido
se produce tal, ni cuantifica la intensidad de dicha asociacin.
La prueba permite comprobar si dos variables cualitativas estn o no asociadas. Si al final del
estudio concluimos que las variables no estn relacionadas podremos decir que ambas variables son
independientes, con un determinado nivel de confianza, generalmente del 95%.
Qu tcnica quirrgica es preferible en pacientes que deben ser
intervenidos de colecistectoma va laparoscpica?

Cualitativa dicotmica Cualitativa dicotmica
- KTP/532 laser Desarrollo de complicaciones graves
- Electrociruga monopolar postquirrgicas
Cul es el test estadstico ms adecuado?
Lane GE, Lathrop JC. Comparison of results of KTP/532 laser versus monopolar electrosurgical dissection
in laparoscopic cholecystectomy.
J Laparoendosc Surg 1993; 3: 209-214.
Existe diferencia significativa respecto del porcentaje de

complicaciones graves entre ambas tcnicas de diseccin?
Ho (hiptesis nula) = No hay diferencia entre ambas tcnicas de diseccin.
Ha (hiptesis alternativa) = S existe diferencia entre ambas tcnicas de

diseccin.
KTP/532 lser Electrociruga monopolar
in laparoscopic cholecystectomy.
J Laparoendosc Surg 1993; 3: 209-214.
Variable resultado
Complicaciones postquirrgicas graves
Variable predictora SI (+) NO (-) Total
Tipo de ciruga
KTP/532 lser 16 (8%) P1 183 199
Electrociruga 11 (2,6%) P2 411 422

monopolar
2Pearson = 9,60 p = 0,0019 Existe asociacin

Si [P1 - P2] es mayor que el producto de 1,96 (Z95% error = 0,05) multiplicado por el error estndar, concluimos que
la diferencia es significativa. Por lo tanto, hemos de calcular el error estndar para luego compararlo con la diferencia
observada en los grupos en estudio.
[P1 - P2] = [0,080 - 0,026] = 0,054
[ P1 - P2 ] Z95% X EE
P= [P1 - P2] / 2 = [0,080 + 0,026] / 2 = 0,053
El error estndar se calcula de la siguiente forma:
Error estndar (EE) = p (1-p) (1/n1+ 1/n2)
Error estndar (EE) = 0,053 (1-0,053) (1/199+ 1/422)= 0,00035 Z95%= 1,96
Error estndar (EE) multiplicado por Z95% = 0,00035 * 1,96 = 0,00069
Si la diferencia de [P1 - P2] ( 0,054) > EE * Z95% (0,00069) concluimos que existe una diferencia estadsticamente
significativa entre los grupos en estudio (p< 0,05); razn por la cual rechazamos Ho, por ende, aceptamos la Ha.
[ P1 - P2 ] < Z95% X EE p > 0,1 Ho (hiptesis nula)
[ P1 - P2 ] > Z95% X EE p < 0,05 Ha (hiptesis alternativa

Figura 1. Frecuencia de complicaciones graves en 641 pacientes colecistectomizados por va

laparoscpica. Distribucin por tcnicas de diseccin.
p = 0,0019
KTP/532 lser
Electrociruga
monopolar
in laparoscopic cholecystectomy. J Laparoendosc Surg 1993; 3: 209-214.
Resultados de un estudio Variable resultado

imaginario que estudia la Porcentaje de respuestas a cada tratamiento
eficacia de dos tratamientos
A y B en dos grupos de 30
pacientes
Tipo de tratamiento
A 16 (8%) P1 183 199
B 11 (2,6%) P2 411 422
2Pearson = 2,5 p = 0,12 No existe asociacin

Comparacin de proporciones:
Importancia del intervalo de confianza
Resultados de un estudio imaginario que estudia la eficacia de dos
tratamientos A y B en dos grupos de 30 pacientes
Diferencia [ P1 - P2 ] = 0,70 - 0,50 = 0,20
IC95% = 0,20 024
- 4% a + 44%
A 50% 20% B 70%
Resultados de un estudio Variable resultado

imaginario que estudia la Porcentaje de respuestas a cada tratamiento
eficacia de dos tratamientos
A y B en dos grupos de 800
pacientes
Tipo de tratamiento
A 480 (60%) P1 320 800
B 520 (65%) P2 280 800
2Pearson = 4,2 p = 0,04 Existe asociacin

Comparacin de proporciones:
Resultados de un estudio imaginario que estudia la eficacia de dos
tratamientos A y B en dos grupos de 800 pacientes
Diferencia [ P1 - P2 ] = 0,65 - 0,60 = 0,05
IC95% = 0,05 0,047
+ 0,3% a + 9,7%
A 60% 5% B 65%

Cul de los siguientes tratamientos es estadsticamente
significativo?
Ho Ha
A= B Diferencia con INTERS CLNICO
B - A = 0 A B
AB B A = 20% Tratamiento Diferencia Significacin IC95%
BA=
10% observada estadstica
Ho
A 20% p < 0,05 +10 a
RC +30%
A B 30% p < 0,05 +25 a
+35%
B
C 10% p < 0,05 +5 a +15%
C
D D 10% NS -5 a +25%
E
E 25% p < 0,05 +15 a
+35%
-10 -5 0% 5 10 15 20% 25 30 35 40
Resultados hipotticos de un estudio que compara un tratamiento activo frente a un placebo y utiliza como
medidas del efecto la diferencia entre los porcentajes de curacin observados. Se considera que la mnima
diferencia con relevancia clnica es del 20%. RC: Diferencia con relevancia clnica.
Tratamiento Diferencia Significacin IC95% Interpretacin

observada estadstica
A 20% p < 0,05 +10 a +30% No concluyente
Potencialmente
importante
(observado =
relevante)
B 30% p < 0,05 +25 a +35% Importante
C 10% p < 0,05 +5 a +15% No concluyente
D 10% NS -5 a +25% No concluyente
E 25% p < 0,05 +15 a +35% No concluyente
Potencialmente
importante
(observado >
relevante)
Resultados hipotticos de un estudio que compara un tratamiento activo frente a un placebo y utiliza como
medidas del efecto la diferencia entre los porcentajes de curacin observados. Se considera que la mnima
diferencia con relevancia clnica es del 20%. RC: Diferencia con relevancia clnica.
Qu relacin existe entre el grupo cultural/religioso de la ciudad de
Ceuta y la prevalencia de inmunizacin frente al virus de la Rubeola
en la poblacin gestante?
- Cristianas Virus de la Rubeola
- Musulmanas
Daz Portillo J, Torres E, Vadillo Andrade J, Laroca C.PREVALENCIA DE ANTICUERPOS FRENTE AL

VIRUS DE LA RUBOLA EN UNA POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico
1995, 44: 114-119.
Rubeola Variable predictora

Religin
Variable resultado Cristiana Musulmana
Inmunizacin
(+) 279 372
(-) 41 60
2Pearson = 0,18; p=0,668 No existe asociacin

Qu relacin existe entre el hbito tabquico y el cncer de mama?

Hbito tabquico Cncer de mama
Cul es la prueba estadstica ms adecuada?

Tabla de contingencia cncer de mama Variable RESULTADO

versus tabaquismo Cncer de mama
Variable PREDICTORA Si No Total
Fumadora 15 20 35
No fumadora 10 40 50
Total 25 60 85
Clculos del Valor Grados de libertad Contraste bilateral Contraste

programa unilateral
estadstico tabla
2x2
2Pearson 5,18 1 0,023
Correccin de 4,14 1 0,042
Yates
Razn de 5,14 0,023
verosimilitud
Test exacto de 1 0,030 0,021
Fisher
N Casos vlidos 85
2Pearson calculado = 5,18 > 2Pearson tabulado
AZAR
2 = 5,18
Ho
Ha
2 tabulado
AZAR
Ha (hiptesis alternativa) = El hbito tabquico est asociado al cncer de mama en las mujeres de mi
estudio.
El hbito tabquico de los 61 alumnos del I curso de metodologa de
investigacin depende del sexo?

Sexo de los alumnos Hbito tabquico

Alumnos del curso Variable RESULTADO
Variable PREDICTORA Fumador No fumador Total

Masculino 5 28 33
Femenino 18 10 28
Total 23 38 61
Ho (hiptesis nula) = El hbito tabquico es independiente de sexo del alumno

del I curso de Metodologa de Investigacin.
Ha (hiptesis alternativa) = El hbito tabquico depende del sexo del alumno

del I curso de Metodologa de Investigacin.
2Pearson calculado = 15,57 > 2Pearson tabulado = 3,84
AZAR
2 = 15,57
Ho
Ha
3,84
AZAR
Ha (hiptesis alternativa) = El hbito tabquico depende del sexo de alumno del I curso de Metodologa de
Investigacin. Es decir hay diferencias en el hbito tabquico en funcin del sexo.

programa unilateral
estadstico
2Pearson (*) 15,57 1 0,000
Yates
Razn de 16,28 0,000
verosimilitud
Fisher
N Casos vlidos 61
(*) 0 casillas (0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 10,56
Ha (hiptesis alternativa) = El hbito tabquico depende del sexo de alumno del I curso de Metodologa de
Investigacin. Es decir hay diferencias en el hbito tabquico en funcin del sexo.
Test de 2 de Yates:
Correccin de continuidad
Variable RESULTADO
Si a b a+b
No c d c+d
Total a+c b+d n
2
n
n (ad bc)-
2Y =
2
(a + b) (c + d) (a + c) (b + d)
El hbito tabquico es homogneo en los 43 alumnos del II curso de
metodologa de investigacin en funcin del sexo?



Si 8 7 15
No 24 4 28
Total 32 11 43
Ho (hiptesis nula) = El hbito tabquico es homogneo en hombres y

mejores del II curso de Metodologa de Investigacin.
Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en

hombres y mujeres del II curso de Metodologa de Investigacin.
AZAR
2 = 5,38
Ho
Ha
3,84
AZAR
Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en hombres y mujeres del II curso de

Metodologa de Investigacin. Es decir hay diferencias en el hbito tabquico en funcin del sexo.
Mito 12: La sonrisa de la esfinge
Se cumplen todos lo requisitos para el uso del test de 2 Pearson?
He observado que en uno de los casilleros el valor obtenido es inferior a 5

observaciones.
Cmo justificas el empleo del test de 2 Pearson?
La correccin de Yates permite analizar si dos variables dicotmicas estn

asociadas cuando la muestra a estudiar es pequea y no se cumplen las
condiciones necesarias para que la aplicacin del test 2 Pearson sea
adecuada (uno de las casillas es inferior a 5). El test de 2Pearson exige que
todos los valores esperados de las celdas en una tabla de contingencia sean
mayores de 5.
Test de 2 de Yates:
Correccin de continuidad
En la frecuencia esperada en una de las cuatro celdas es menor de 5, por
lo que NO resulta adecuado aplicar el test 2 Pearson , aunque s el test
de Yates. Las variables sexo y tabaquismo son independientes, porque la
probabilidad asociada a los datos del estudio (p = 0,051) es inferior a 0,05
(error alfa). Por tanto no podemos descartar la hiptesis nula (Ho).

mejores del II curso de Metodologa de Investigacin
Regla de Decisin: Frecuencias esperadas

3 5
Fisher Yates Pearson

Clculos del Valor Grados de libertad Contraste bilateral Contraste unilateral

programa
estadstico
2Pearson (*) 5,38 1 0,020
Yates
Razn de 5,21 0,022
verosimilitud
Fisher
N Casos vlidos 43
(*) 1 casillas (25%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 3,84

mujeres del II curso de Metodologa de Investigacin. Es decir NO hay
diferencias en el hbito tabquico en funcin del sexo (p > 0,05).
Test exacto de Fisher
Variable RESULTADO
Si a b a+b
No c d c+d
Total a+c b+d n
p (a + b)! * (c + d)! * (a + c)! * (b + c)!

=
n! * a! * b! * c! * d!
El hbito tabquico es homogneo en los 17 alumnos del III curso de
metodologa de investigacin en funcin del sexo?



Si 2 5 7
No 8 2 10
Total 10 7 17

mejores del III curso de Metodologa de Investigacin.
Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en

hombres y mujeres del III curso de Metodologa de Investigacin.
Correccin de continuidad de Yates
AZAR
2 = 4,49
Ho
Ha
3,84
AZAR
Ha (hiptesis alternativa) = El hbito tabquico NO es homogneo en hombres y mujeres del III curso de
Metodologa de Investigacin. Es decir hay diferencias en el hbito tabquico en funcin del sexo.
Se cumplen todos lo requisitos para el uso del test de 2 Pearson?
He observado que en varios casilleros el valores es igual o inferior a 5

observaciones.
Cmo justificas el empleo del test de 2 Pearson?
El test exacto de Fisher permite analizar si dos variables dicotmicas estn

asociadas cuando la muestra a estudiar es demasiado pequea y no se
cumplen las condiciones necesarias para que la aplicacin del test 2
Pearson sea adecuada. Estas condiciones exigen que los valores esperados
de las celdas en una tabla de contingencia sean mayores de 5.

En esta tabla a=2, b=5, c=8 y d=2. La frecuencia esperada en dos de las
cuatro celdas es menor de 5, por lo que NO resulta adecuado aplicar el test
2 Pearson, ni la correccin de Yates, aunque s el test exacto de Fisher.
Si las variables sexo y tabaquismo fuesen independientes, la probabilidad
asociada a los datos que han sido observados vendra dada por p = 0,058
(bilateral).

mejores del III curso de Metodologa de Investigacin.
Regla de Decisin: Frecuencias esperadas

3 5
Fisher Yates Pearson


programa unilateral
estadstico
2Pearson 4,49 1 0,034
Yates
Razn de 4,65 0,031
verosimilitud
Fisher
N Casos vlidos 17
(*) 3 casillas (75%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 2,88.
En ambos casos la Ho es la misma: la prevalencia de tabaquismo es igual en hombres y mujeres (Ho). En

el contraste unilateral la hiptesis alternativa (Ha) dice de que la prevalencia es mayor en las mujeres que
en los hombres (p=0,052). Cuando el planteamiento se hace con una perspectiva bilateral, la hiptesis
alternativa (Ha) consiste en asumir que existen diferencias en la prevalencia de tabaquismo entre sexos,
pero sin especificar de antemano en qu sentido se producen dichas diferencias, (p=0,058), que tampoco
es significativo. Las dos formas de clculo nunca proporcionan los mismos resultados. El contraste
unilateral (ms exigente) siempre resultar en un valor de p menor al contraste bilateral. En ambos casos, y
a la vista de los resultados del programa estadstico, NO existe evidencia estadstica de asociacin entre el
sexo y el hbito tabquico en los alumnos del curso de metodologa de investigacin de mi estudio.
Qu relacin existe entre el pas de procedencia y la prevalencia de
infeccin tuberculosa en el colectivo de inmigrantes del campamento
de Calamocarro de Ceuta?

Cualitativa policotmica Cualitativa dicotmica
Pases africanos de origen Infeccin tuberculosa
Cul es el test estadstico mas adecuado?

501-558.
Pas de procedencia N Prevalencia

Argelia 133 25,6
Camern 128 48,4
Costa de marfil 18 27,8
Gambia 107 11,2
Guinea Bissau 186 26,3
Liberia 105 27,4
Mali 291 32,7
Mauritania 55 24,1
Nigeria 597 29,1
R.D. Congo 146 34,0
R. Guinea 45 65,1
Sierra Leona 177 20,8
2Pearson= 165; p<0,00001 Existe asociacin

Gambia 11%
Sierra Leona 20%
Pas africano de procedencia del inmigrante
Mauritania 24%
Argelia 25%
Guinea Bissau 26%
Liberia 27%
Costa de marfil 28%
Nigeria 29%
Mali 33%
R.D. Congo 34%
Camern 48%
R. Guinea 65%
Prevalencia de infeccin tuberculosa

501-558.
Existen diferencias en la prevalencia de infeccin tuberculosa en el
colectivo de inmigrantes segn la ciudad de destino (Ceuta, Barcelo-
na, Toledo)?

Destino Infeccin tuberculosa
- Ceuta
- Barcelona
- Toledo

Variable RESULTADO
Prueba de Mantoux
Ceuta 722 (32,6%) 1501 2223
Barcelona 506 (34%) 983 1489
Toledo 75 (27,7%) 269 344
2Pearson= 19,29; p = 0,000065
Ha: Existen diferencias en la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes segn la

ciudad de destino (Ceuta, Barcelona, Toledo).
Duran E, Cabezos J, Ros M, et al. Tuberculosa en los inmigrantes recin llegados a Barcelona. Med Clin
(Barc) 1996; 106: 525-528.
Alonso Moreno FJ, Garca Bajo MC, Lougedo Caldern MJ, et al. Prevalencia de infeccin tuberculosa en
las personas inmigrantes del rea sur de Toledo. Rev Esp Salud Pblica 2004; 78: 593-600.
Qu relacin y que grado de asociacin existe entre el grupo cultu-
ral/religioso de la ciudad de Ceuta y la prevalencia de inmunizacin
frente a Toxoplasma goondi en la poblacin gestante?

Grupo cultural: Infeccin Toxoplasma goondi
- Cristianas
- Musulmanas
Daz Portillo J, Torres E, Vadillo Andrade J. SEROEPIDEMIOLOGA DE LA TOXOPLASMOSIS EN UNA

POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico 1998; 47: 106-116.
Variable predictora Religin
Inmunizacin
(+) 112 220
(-) 210 148
2Pearson= 43,99; p<0,0000001 Existe asociacin
No cuantifica el grado de intensidad de la asociacin.

Medidas de asociacin
Son indicadores estadsticos que miden la FUERZA o INTENSIDAD
con la que una determinada enfermedad o evento de salud (VARIABLE
RESULTADO)est asociada o relacionada con un determinado factor (que se
presume como su causa, VARIABLE PREDICTORA).
Estadstico Transversales Cohortes Casos-controles

OR (Odds ratio) limitaciones NO SI
RR (Riesgo Relativo) NO SI NO
Q de Yule SI SI SI
Coeficiente PHI SI SI SI
Coeficiente V de Cramer SI SI SI
Coeficiente Lambda SI SI SI
Coeficiente Gamma SI SI SI
Coeficiente Tau SI SI SI
Test de 2 de independencia de Pearson

No es un test de contraste de
Test de la Q de Yule hiptesis (no calcula p)
Tablas = 2 x 2
Nominales
Coeficiente PHI
CONTRASTES A POSTERIORI
Tablas = 2 x 2
Nominales
V de Cramer Tablas > 2 x 2
Nominales
Coeficiente Lambda Tablas > 2 x 2
Nominales
Coeficiente de incertidumbre Tablas > 2 x 2
Ordinales
Coeficiente Tau-b de Kendall Tablas > 2 x 2
Ordinales
Coeficiente Gamma Tablas > 2 x 2
Ordinales
D de Somers Tablas > 2 x 2
Test de la Q de Yule
Variable predictora Religin
Inmunizacin
(+) A B
(-) C D
[ (A * D) (B * C) ]
Q =
[ (A * D) + (B * C) ]
- Interpretacin:
-Q=0 independencia
-Q>0 asociacin positiva
-Q<0 asociacin negativa
- Intervalo de Q: (-1, +1)
- Informacin:
- Medida de la intensidad de la asociacin
- Sentido de la misma
- Limitaciones: No es un test de contraste de hiptesis, no

proporciona valor de p.
Caractersticas de la Q de Yule
- Medida de asociacin.
- Valores mayores de 0 (asociacin positiva).
- Valores menores de 0 (asociacin negativa).
- Valor = 0 o prximos a 0 (es probable que no exista asociacin).
- Vlida para cualquier tipo de Estudios (diseo).
- Alcanza valores extremos (+1, -1) bajo condiciones de asociacin perfectas.
- Es independiente de los cambios de ESCALA de filas y columnas.
- Si se intercambian entre si las filas o las columnas se mantiene la magnitud
de la INTENSIDAD de la asociacin, solo cambia la direccin de la misma, es
decir el signo de la Q.
- No es vlida sin un test previo de contraste de hiptesis que indique relacin
entre ambas variables.
Rubeola Religin
Inmunizacin
(+) 279 372
(-) 41 60
[ (279 * 60) (372 * 41) ]

Q = = 0,046
[ (279 * 60) + (372 * 41) ]
La Q de Yule es un test que cuantifica la magnitud de la intensidad de la

asociacin entre dos variables cualitativas, pero NO es un test de contraste
de hiptesis, y por tanto, que para usarlo se debe cumplir previamente la
asociacin estadstica entre ambas variables. Se cumple?
He observado en tus resultados anteriores que el test de contraste de

hiptesis de 2 Pearson tiene un valor de tan solo 0,18, con p = 0,67. Cmo
justificas el empleo de la Q de Yule si NO existe asociacin estadstica entre
ambas variables?
Toxoplasma goondi Religin
Inmunizacin
(+) 112 220
(-) 210 148
[ (112 * 148) (220 * 210) ]

Q = = 0,47
[ (112 * 148) + (220 * 210) ]
Ejercicio: Qu grado de asociacin existe entre el infarto

de miocardio y el sexo del paciente?
Q de Yule Acontecimiento de infarto
Sexo (+) (-)
Hombre 32 10
Mujer 11 27
[ (32 * 27) (11 * 10) ]

Q = = 0,74
[ (32 * 27) + (11 * 10) ]
El valor de 0,74 sugiere un grado de asociacin entre los factores sexo y acontecimiento del infarto bastante
elevado, ya que 0,74 est prximo a 1, y adems indica que dicha asociacin es positiva, es decir los
varones desarrollan con ms frecuencia el infarto que las mujeres.
En qu grupo cultural/religioso es mayor la prevalencia de inmuniza-
cin frente a Toxoplasma goondi en la poblacin gestante de Ceuta?
Musulmanas o cristianas?

Grupo cultural: Infeccin Toxoplasma goondi
- Cristianas
- Musulmanas

Coeficiente PHI () Variable predictora

Variable resultado Positiva (+) Negativa (-) Total
Positiva (+) a b a+b
Negativa (-) c d c+d
Total a+c b+d n
= 2
n
Coeficiente PHI
(a * d) (b * c)
=
(a + c) (b + d) (a + b) (c + d)
Coeficiente PHI

Positiva (+) 112 (34,8%) 220 (59,8%) 332
Negativa (-) 210 148 358
Total 322 368 690
= 2
n
= 43,99
690
= 0,25
Coeficiente es un test de contraste de hiptesis p < 0,01

Coeficiente PHI
Positiva (+) 112 (34,8%) 220 (59,8%) 332
Negativa (-) 210 148 358
Total 322 368 690
(112 * 148) (220 * 210)

= = - 0,25
(112 + 210) (220 + 148) (112 + 220) (210 + 148)
Ha: La inmunizacin a Toxoplasma se encuentra asociada a la cultura musulmana.

Coeficiente PHI
- Condiciones: Tablas tetracricas (2 x 2).
- Interpretacin:
- =0 independencia.
- >0 asociacin positiva.
- <0 asociacin negativa.
- Intervalo de : entre -1 y 1.
- Informacin: Es un test de contraste de hiptesis que mide la intensidad de

la asociacin. Cuando se acercan a cero, indican independencia o asociacin
muy dbil entre las variables. Cuando se acercan a uno, indican una relacin
ms fuerte o intensa entre las variables estudiadas.
Odds Ratio (OR)
Enfermedad (Variable resultado)

Exposicin (Variable predictora) Casos Controles
(+) A B
(-) C D
Tasa de exposicin
Tasa de exposicin
observada en los CASOS
A: Personas enfermas que estn expuestos OR
OR ==Tasa de exposicin observada en
Tasa de exposicin observada en
los CONTROLES
B: Personas sanas que estn expuestas los CONTROLES
C: Personas enfermas que no estn
expuestos [ [AA/ /CC] ]
D: Personas sanas que no estn expuestos
OR
OR ==
[ [BB/ /DD] ]
[ [(A
(A**D)
D)] ]
OR
OR == [ [(B
(B**C)
C)] ]
Caractersticas de la Odds Ratio (OR)

- Medida de asociacin.
- Valores mayores de 1 (asociacin positiva) (factor de riesgo).
- Valores menores de 1 (asociacin negativa) (factor de proteccin).
- Valor = 1 (no existe asociacin).
- Estudios casos-controles.
- OR: es la razn entre la probabilidad de que un suceso ocurra y la
probabilidad de que no ocurra.
- OR : cociente entre la tasa de exposicin observada en el grupo de casos
(A/C) y la tasa de exposicin observada en el grupo control (B/D).
- OR: refleja la probabilidad de que los casos (cncer de pulmn) estn
expuestos al factor de estudio (tabaco) comparada con la probabilidad de que
lo estn los controles.
Odds Ratio (OR)
Enfermedad
Exposicin (Variable predictora) Casos Controles
Tabaco (+) A B
Tabaco (-) C D
Tasa
Tasa de de TABAQUISMO
exposicin
observada
observada enenlos
losCASOS
enfermos de
CANCER de pulmn
A: Personas enfermas de cncer de pulmn OR
OR == Tasa deTasaexposicin observada en
de TABAQUISMO
fumadoras los CONTROLES
observada en SANOS
B: Personas sanas fumadoras

C: Personas enfermas de cncer de pulmn [A/C]
no fumadores
D: Personas sanas no fumadoras OR =
[B/D]
[ (A * D) ]
OR =
[ (B * C) ]
Qu relacin y qu medida de asociacin existe entre la
cloracin del agua y el cncer de vejiga?

CUALITATIVA dicotmica CUALITATIVA dicotmica
Cloracin del agua Cncer de vejiga

Odds Ratio (OR)
Cncer de vejiga
Exposicin Casos Controles
Cloracin (+) A B
Cloracin (-) C D
TasaTasa de exposicin
de CLORACIN observada en los
enfermos de CANCER
observada en losdeCASOS
vejiga (casos)
A: Personas enfermas de cncer de vejiga OR

OR ==TasaTasadedeCLORACIN
exposicin observada
observadaen
expuestas al cloro los en
CONTROLES
SANOS (controles)
B: Personas sanas expuestas al cloro

C: Personas enfermas de cncer de vejiga no [A/C]
expuestas al cloro
D: Personas sanas no expuestas al cloro OR =
[B/D]
[ (A * D) ]
OR =
[ (B * C) ]
Influencia de la metodologa de la evaluacin

de la exposicin
Ejemplo de uso de la OR:

Estudio caso-control
- CASOS: Individuos con Strongiloides stercolaris en las heces ante la

presencia de eosinofilias en el hemograma.
- CONTROLES: Individuos de igual edad y sexo sin eosinofilia ni parsitos en

heces
Rodrguez Calabuig D, Igual Adell R, Oltra Alcaraz C, Snchez Snchez P, Bustamante Balen M, Parra
Godoy F y Nagore Enguidanos E. Actividad laboral agrcola y estrongiloidiasis. Estudio caso-control. Rev
Cln Esp 2001; 201:81-84.
Odds Ratio (OR)

Ejemplo estudio caso-control
Odds Ratio (OR)

Ejemplo estudio caso-control
Actividad laboral agrcola y estrongiloidiasis

Estudio caso-control
Discusin
Un gran nmero de personas trabajaban descalzas en la siembra, cuidando y

recolectando el arroz, con los pies hundidos en el fango durante largos perodos de tiempo,
lo que facilitara la entrada del nematodo. Los resultados obtenidos, especificando el tipo
de actividad, muestran una asociacin de la estrongiloidiasis con el cultivo de arroz OR de
2,97 (IC 95%: 1,16-7,71), lo que representa un mayor riesgo de infestacin. En la limpieza
de acequias se obtuvo tambin una tendencia casi significativa OR de 2,39 (IC 95%:
0,85-6,82), en cambio en el cultivo de ctricos y de hortalizas, que habitualmente no se
realizaban descalzos ni en tierras fangosas, no se han encontrado estas diferencias.
Rodrguez Calabuig D, Igual Adell R, Oltra Alcaraz C, Snchez Snchez P, Bustamante Balen M, Parra
Godoy F y Nagore Enguidanos E. Actividad laboral agrcola y estrongiloidiasis. Estudio caso-control. Rev
Cln Esp 2001; 201:81-84.

En las tablas 1 y 2 presentadas se han incluido solo el valor de la OR y su IC95%, pero
no se ha incluido el valor del estadstico (test de contraste de hiptesis) ni la significacin
estadstica p para cada variable predictora presuntamente significativa.
Cul es el valor de la p?
Porqu dices que la prctica de la limpieza de acequias est relacionada con la
estrongiloidiasis cuando el valor del IC95% de la OR incluye a la unidad?
Cul es el test de contraste de hiptesis que has empleado en cada asociacin?
Test de 2 Pearson
He calculado el valor del estadstico 2 Pearson NO hay la significacin estadstica.
Ser un error beta ?
Cul es la potencia estadstica del estudio (valor )?
Horbar JD, Onstad L, Wright E. Predicting mortality risk for infants weighing 501 to 1500 grams at birth: The
National Institutes of Health Neonatal Research Network report. Crit Care Med 1993; 21:1218.

prctica del cultivo de arroz y la estrongiloidiasis?
Test de 2 de Pearson Variable RESULTADO

Estrongiloidiasis
Variable PREDICTORA Casos Controles Total
Cultivo de arroz
Si 25 (53%) 13 (28%) 38
No 22 34 56
Total 47 47 94
2Pearson = 6,36; p = 0,012 OR = 2,97 (1,16-7,71)

Q de Yule = 0,50
prctica del cultivo del arroz y la estrongiloidiasis?

Cultivo de arroz Estrongiloidiasis
OR = 2,97
IC95% = 1,16 7,71
2Pearson = 6,36; p = 0,012 Q de Yule = 0,50

prctica de la limpieza de acequias y la estrongiloidiasis ?
Test de 2 de Pearson Variable RESULTADO

Estrongiloidiasis
Variable PREDICTORA Casos Controles Total
Limpieza de acequia
Si 17 (36%) 9 (19%) 26
No 30 38 68
Total 47 47 94
2 = 3,40 ; p = 0,065 No existe asociacin

prctica de la limpieza de acequias y la estrongiloidiasis?

Limpieza de acequias Estrongiloidiasis
OR = 2,39
IC95% = 0,85 - 6,82
2 = 3,40 ; p = 0,065 Q de Yule = 0,41
Riesgo Relativo (RR)
Enfermedad (E)
Exposicin (F) Casos Controles
Tabaco (+) A B
Tabaco (-) C D
[ A / (A + B)]
A: Personas enfermas de cncer de pulmn
RR =
fumadoras [ C / (C + D) ]
B: Personas sanas fumadoras
A<< B C<< D
C: Personas enfermas de cncer de pulmn
no fumadores A+ B B C+D D
D: Personas sanas no fumadoras
[ (A * D) ]
RR =
[ (B * C) ]
Es la probabilidad de que una enfermedad (E) se desarrolle en el
grupo expuesto (F) en relacin a la del grupo no expuesto.
exposicin al humo del tabaco durante la gestacin y el bajo
peso al nacimiento del RN?
Exposicin al humo del Peso del RN
tabaco
RR = 2,71 (1,38-5,34)
Q de Yule = 0,47
2Pearson= 9.03; p = 0.00265
Martn TR, Bracken MB. Association of low birth weight with passive smoke exposure in
pregnancy. Am J. Epidemiol 1986; 124: 633-642.
Riesgo Relativo (RR)

En la Tabla, exponemos los resultados
de un estudio de seguimiento donde
Enfermedad (E) 853 mujeres estuvieron pasivamente
expuestas al humo del tabaco durante
Exposicin (F) Casos Controles
la gestacin y 1620 no lo estuvieron,
Tabaco (+) A (20) B (833) y su asociacin con el bajo peso al
Tabaco (-) C (14) D (1606) nacer.
2 = 9.03; p = 0.00265
95% IC (1.38;5.34)
A: RN de bajo peso de madres expuestas al
Q de Yule = 0,47
tabaco
B: RN normopeso de madres expuestas al Ie 20/853
RR = = = 2,713
tabaco Io 14/1620
C: RN de bajo paso de madres NO expuestas
al tabaco
D: RN normopeso de madres NO expuestas El RR es 2.71, significa que las
expuestas al factor F (exposicin
al tabaco pasiva al tabaco) tienen 2,71 veces
ms probabilidades de tener nios de
bajo peso que las no expuestas.
Martn TR, Bracken MB. Association of low birth weight with passive smoke exposure in pregnancy. Am J.
Epidemiol 1986; 124: 633-642.
Qu relacin y qu medida de asociacin existe entre el
sedentarismo (factor de riesgo) y el desenlace (muerte) en
pacientes que han sufrido un IAM?
Ejercicio moderado/ Muerte / Supervivencia
Sedentarismo
100 pacientes
con IAM
Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico realizado
existe asociacin entre el factor de riesgo (SEDENTARISMO) y el desenlace (MUERTE)?
Cul es la magnitud de dicha asociacin?
Seguimiento
Sedentarios 5 aos Fallecimientos A = 15
N = 40
Sobrevivientes B = 25
100 pacientes
con IAM
Fallecimientos C = 10
Ejercicio
moderado Seguimiento
N = 60 Sobrevivientes D = 50
5 aos
Evolucin de 100 pacientes Desenlace (E) Existe asociacin entre el factor

con IAM a los 5 aos en Variable resultado de riesgo (SEDENTARISMO) y el
funcin del ejercicio fsico desenlace (MUERTE)?
Exposicin (F) Variable Muerte Sobreviviente
predictora
Sedentarismo (+) A = 15 B = 25
Sedentarismo (-) C = 10 D = 50
100 pacientes con IAM
A: Fallecidos con sedentarismo

B: Sobrevivientes sedentarios
C: Fallecidos deportistas
D: Sobrevivientes deportistas

2 = 5,56
Ho
Ha
3,84
AZAR
2Pearson
2Pearson calculado = 5,56 >2Pearson= 43,99; = 3,84
p<0,0000001
tabulado Existe asociacin p < 0,05
Clculos del Valor Grados de libertad Contraste bilateral Contraste unilateral

programa
estadstico
2Pearson (*) 5,56 1 0,018
Yates
Razn de 5,47 0,019
verosimilitud
Fisher
N Casos vlidos 100
Evolucin de 100 pacientes Desenlace (E)

con IAM a los 5 aos en Variable resultado
funcin del ejercicio fsico
predictora
Sedentarismo (+) A = 15 B = 25
Sedentarismo (-) C = 10 D = 50
Cul es la intensidad o
100 pacientes con IAM magnitud de dicha asociacin?
A: Fallecidos con sedentarismo

[ A / (A + B)]
B: Sobrevivientes sedentarios RR =
C: Fallecidos deportistas [ C / (C + D) ]
Es la probabilidad de morir (E) en el grupo de sedentarios (expuestos al factor de riesgo) en relacin con la
probabilidad de muerte en deportistas (grupo no expuesto).
Tasa de Incidencia de muertes en

sedentarios (en expuestos) Ie
Riesgo Relativo (RR) = RR =
Tasa de Incidencia de muertes Io
en deportistas ( NO expuestos )
[ A / (A + B)] [ 15 / (15 + 25)]

RR = RR = = 2,25
[ C / (C + D) ] [ 10 / (10 + 50) ]
RR = 2,25
Q de Yule = 0,50
2Pearson= 5,56; p = 0,018
Qu relacin y qu medida de asociacin existe entre el
ejercicio fsico moderado (factor de riesgo) y el desenlace
(muerte) en pacientes que han sufrido un IAM?
Ejercicio moderado/ Muerte / Supervivencia
Sedentarismo
100 pacientes
con IAM
Evolucin de 100 pacientes con IAM a los 5 aos en funcin del ejercicio fsico realizado
existe asociacin entre el factor de riesgo (EJERCICIO FSICO) y el desenlace
(MUERTE)? Cul es la magnitud de dicha asociacin?
Seguimiento
Ejercicio 5 aos Fallecimientos C = 10
moderado
N = 60 Sobrevivientes D = 50
100 pacientes
con IAM
Fallecimientos A = 15
Sedentarios
N = 40 Seguimiento
Sobrevivientes B = 25
5 aos
Evolucin de 100 pacientes Desenlace (E)

con IAM a los 5 aos en Variable resultado
funcin del ejercicio fsico
predictora
Ejercicio fsico (+) A = 10 B = 50
Ejercicio fsico (-) C = 15 D = 25
100 pacientes con IAM
A: Fallecidos con ejercicio fsico moderado

[ A / (A + B)]
B: Sobrevivientes con ejercicio fsico RR =
moderado [ C / (C + D) ]
C: Fallecidos sedentarios (NO deportistas)
D: Sobrevivientes sedentario (NO deportistas)
Es la probabilidad de morir (E) en el grupo de deportistas (expuestos al factor de riesgo) en relacin con la
probabilidad de muerte en sedentarios -NO deportistas- (grupo no expuesto).
Tasa de Incidencia de muertes en

deportistas moderados (en expuestos) Ie
Tasa de Incidencia de muertes
en sedentarios ( NO expuestos )
Io
[ A / (A + B)] [ 10 / (10 + 50)]

RR = RR = = 0,44
[ C / (C + D) ] [ 15 / (15 + 25) ]
RR = 0,44
Q de Yule = - 0,50
2Pearson= 5,56; p = 0,018
Evolucin de 100 pacientes operados con una NUEVA tcnica quirrgica frente a 100
pacientes operados con la tcnica CLSICA.
Seguimiento
Nueva tcnica quirrgica Complicaciones A = 15
Grupo problema
N= 100 Sin complicaciones B = 85
Complicaciones C = 20
Tcnica clsica
Grupo Control
Seguimiento
N = 100 Sin complicaciones D = 80
Tasa de Incidencia de complicaciones

con la NUEVA tcnica Ie
Tasa de Incidencia de Io
complicaciones con la tcnica
CLASICA
[ A / (A + B)] [ 15 / (15 + 85)]

RR = RR = = 0,75
[ C / (C + D) ] [ 20 / (20 + 80) ]
RR = 0,75
RRR = [ 1 RR ] * 100 RRR = 25%
RRA = [ IN IC ] * 100 RRA = 5%

Evento en estudio
Frmula Complicaciones quirrgicas
Incidencia de complicaciones 15%
quirrgicas con la NUEVA I N = [ A / (A + B)]
tcnica
Incidencia de complicaciones 20%
quirrgicas con la tcnica I C = [ C / (C + D) ]
CLSICA
RIESGO RELATIVO (RR) [ A / (A + B)] 0,75
RR =
[ C / (C + D) ]
Reduccin del RIESGO RRR = [ 1 RR ] * 100 25%

RELATIVO (RRR)
Reduccin ABSOLUTA del 5%
RAR = [ IN IC ] * 100
RIESGO (RAR)
Nmero de pacientes que se 20
NNT = [ 1 / RAR ] * 100
necesita operar (NNT)
Escenario clnico: Un da muy ocupado en su centro y usted esta sentado

con la piernas en alto, hojeando un nmero reciente de Mdicos en su
tiempo libre. Se encuentra con un anuncio dePLAVIX que indica que este
medicamento produce una reduccin del riesgo de eventos cardiovasculares
en un 8% comparado con aspirina. Usted piensa si debera cambiar todos sus
pacientes a Plavix .
Eventos resultantes del anlisis del estudio CAPRIE

PLAVIX ASPIRINA
Pacientes 9599 9586
ICTUS 4,6% 4,8%
IAM 2,9% 3,5%
Otras muertes vasculares 2,4% 2,4%
Total de eventos vasculares 9,8% 10,7%
Como se muestra en el cuadro PLAVIX se asoci con una menor incidencia

de eventos resultantes de cualquier clase. La reduccin del Riesgo Relativo
fue de 8,7% con un IC95% = 0,3-16,5% p=0,045. Sin embargo la reduccin
del riesgo absoluto (9,8% contra 10,7%) fue de tan solo 0,9%.
Aparicin de eventos cardiovasculares despus de un periodo de seguimiento en pacientes

tratados con PLAVIX (grupo problema) frente a los pacientes tratados con ASPIRINA
(grupo control).
Grupo problema Iplavix = 9,8 Eventos cardiovasculares A

PLAVIX
Seguimiento Sin eventos B
Eventos cardiovasculares C
Grupo control Seguimiento
ASPIRINA
Iaspirina = 10,7 Sin eventos D
Tasa de Incidencia de eventos

cardiovasculares con el PLAVIX IP
Tasa de Incidencia de eventos IA
cardiovasculares con ASPIRINA
IP 9,8
RR = = = 0,916 RR = 0,916
IA 10,7
RRR = [ 1 RR ] * 100 RRR = 8,7%

IC95% = 0,3-16,5% p = 0,045
RAR = [ IP IA ] * 100 RAR = 0,9%
NNT = [ 1 / RAR ] * 100 NNT = 111 pacientes

Evento en estudio
Frmula Complicaciones quirrgicas
Incidencia de eventos 9,8%
cardiovasculares con el PLAVIX
I Plavix= [ A / (A + B)]
Incidencia de eventos 10,7%
cardiovasculares con la I Aspirina = [ C / (C + D) ]
ASPIRINA
RIESGO RELATIVO (RR) 0,916
[ A / (A + B)]
RR =
[ C / (C + D) ]
Reduccin del RIESGO RRR = [ 1 RR ] * 100 8,7%

RELATIVO (RRR)
Reduccin ABSOLUTA del RAR = [ IN IC ] * 100 0,9%
RIESGO (RAR)
Nmero de pacientes que se 111
necesita operar (NNT) NNT = [ 1 / RAR ] * 100
Aumento del coste mensual del Ensayo CAPRIE (Lancet) + 112 $ (94 )
Plavix respecto a la aspirina
Resolucin del escenario
El 8,7% de reduccin del riego que publica el artculo es la Reduccin del Riesgo
Relativo (RRR). La Reduccin Absoluta del Riesgo (RAR) fue un ridculo 0,9%, con
un NNT muy elevado (111),con un amplio IC95% (de 57 a 2500). El resultado fue
estadsticamente significativo casi marginalmente, p = 0,045, donde el IC95% de la RRR
fue del 0.3% al 16.5%, que ni siquiera apareca en el texto (solo a pie de tabla). Aunque es
estadsticamente significativo, sin embargo la significacin CLNICA es muy cuestionable.
La RRR del 8,7% de Plavix frente a aspirina se dibuja en un grfico con una rea que es
casi igual que la del 25% del RRR de la aspirina frente al placebo, violando claramente
de la ley de Tufte (factor mentiroso de Tufte = Tamao del efecto mostrado en el grfico /
Tamao del efecto en los datos 1).
La publicacin es un estudio real, el ensayo CAPRIE publicado en Lancet, y sin embargo,
despus de todo usted lgicamente decide, ahorrarles a sus pacientes y a la Seguridad
Social los 112 dlares (94) al mes que cuesta Plavix y seguir tratando a sus pacientes con
aspirina.
Objetivo: Evaluar la eficacia de la disminucin de colesterol con simvastatina en la reduccin de la

mortalidad y morbilidad en pacientes con enfermedad coronaria (EC).
Diseo: Ensayo clnico controlado, aleatorizado en dos ramas, a doble ciego con placebo y un seguimiento
medio de 5,4 aos.
mbito: Pacientes procedentes de 95 centros mdicos de Escandinavia.
Sujetos de estudio: 4.444 pacientes de entre 35 y 70 aos, 81% hombres, 51% mayores de 60 aos, con
antecedentes de infarto de miocardio previo a angina de pecho, colesterol srico de 5,5 a 8,8 mmol/l,
concentraciones medias de HDL de 1,18 mmol/l, LDL 4,87 mmol/l, triglicridos 1,50 mmol/l y dieta
hipolipemiante concurrente.
Intervencin: 2.223 sujetos se les administraron 20 mgr de simvastatina y a 2.221 el correspondiente
placebo.
Parmetros principales de eficacia: Mortalidad total, mortalidad de causa coronaria, infarto de miocardio no
letal probable o definitivo verificado.
Resultados principales: Durante los 5,4 aos en promedio de seguimiento la simvastatina produjo unos
cambios medios de colesterol total, LDL colesterol y HDL colesterol de 25%, -35% y +8%,
respectivamente. 256 (12%) sujetos en el grupo de placebo murieron en comparacin con 182 (8%) en
el grupo de simvastatina. Hubo 189 muertes de origen coronario en el grupo de placebo y 111 en el de
simvastatina y 49 y 46 muertes de origen no cardiovascular en dichos grupos, respectivamente. 622 sujetos
(28%) en el grupo con placebo y 431 (19%) en el de simvastatina tuvieron uno o ms incidentes coronarios
mayores.
Conclusiones: La disminucin de la concentracin de colesterol con simvastatina reduce la mortalidad
total y la incidencia de incidentes cardiovasculares mayores.
Randomised trial of cholesterol lowering in 4444 patients with coronary heart disease: the Scandivarian
Simvastatin Survival Study (4S). Lancet 1994; 334: 1383-1389.
Incidentes coronarios
Grupo problema ISimvastatina = 19%
mayores A = 431
SIMVASTATINA
N = 2223 Sin eventos B
Seguimiento
medio 5,4 aos Incidentes coronarios
Grupo control mayores C = 622
PLACEBO
N = 2221 IPlacebo = 28% Sin eventos D
Randomised trial of cholesterol lowering in 4444 patients with coronary heart disease: the
Scandivarian Simvastatin Survival Study (4S). Lancet 1994; 334: 1383-1389.
Muertes de origen NO
cardiovascular 46
Muertes de origen
Grupo problema cardiovascular A = 111
SIMVASTATINA
ISimvastatina = 8%
N = 2223 Sin eventos B
Muertes de origen NO
cardiovascular 49 Muertes de origen
Grupo control cardiovascular C = 189
PLACEBO
IPlacebo = 12% Sin eventos D
N = 2221
Seguimiento
medio 5,4 aos
Simvastatina Placebo RR RRR RAR NNT

Incidencia Incidencia IS IP
[ 1 / RAR ] * 100
[ 1 RR ] * 100
en tratados en tratados IS
con con RR =
Simvastatina placebo
IS IP IA
Incidentes 19% 28% 0,68 32% 9% 11

cardiovasculares
mayores
Mortalidad 8% 12% 0,66 33% 4% 25
Odds Ratio (OR) versus Riesgo Relativo (RR)

Enfermedad (E)
Exposicin (F) Cncer de No enfermos (-) Total
pncreas (+)
Tabaco (+) A (10) B (9990) 10000
Tabaco (-) C (10) D (19990) 20000
Total 20 29980 30000
Tasa de exposicin
OR = [ A / (A + B)] [ 10 / (10000)]
RR = Tasa de exposicin observada en
los CONTROLES RR =
[ C / (C + D) ] [ 10 / (20000) ]
[A/C]
[ 10/10 ]
OR = 2,001
OR = OR =
[B/D] [ 9990 /19990 ]
RR = 2,000
[ (A * D) ]
La OR solo se aproxima al RR cuando el suceso es raro y ocurre en menos del 10% de los sujetos, en
OR =
[ (B * C) ]
estos casos ambos estimadores son intercambiables
Importancia del intervalo de confianza en el RR

- Risk Factors for Future Cardiovascular Events: WHS -
Lipoprotein(a)
Homocysteine
IL-6
Colesterol total (CT)
Colesterol-LDL (cLDL)
sICAM-1
SAA
Apo B
Cociente CT/cHDL
PCR ultrasensible
PCR + CT/cHDL
0 1.0 2.0 4.0 6.0

Relative Risk of Future Cardiovascular Events
Ridker PM et al. N Engl J Med 2000;342:836-843.

Existe relacin entre el nivel cultural y el hbito tabquico?

CUALITATIVA ordinal CUALITATIVA dicotmica
Nivel cultural Hbito tabquico

Existe relacin entre el nivel socioeconmico y el

hbito tabquico?
Tabla de contingencia que representa el nivel de estudios alcanzado frente al hbito tabquico actual
Fumador actual
ESTUDIOS NO SI Total Porcentaje
<Primarios 7 13 20 65%
Primarios 30 20 50 40%
Secundarios 20 10 30 33%
Universitarios 75 25 100 25%
TOTAL 132 68 200 34%
Test de 2 de tendencia lineal
2 tendencia lineal = 11,56 p=0,001

La hipertrigliceridemia en sangre de cordn umbilical
puede ser indicativa de episodios de sufrimiento fetal?

SFA Hipertrigliceridemia
Test de APGAR Triglicridos (sangre de
cordn)

Categorizacin
Variable RESULTADO Variable RESULTADO

Cuantitativa continua Cualitativa nominal
Variable PREDICTORA Tabla 4.- Relacin entre la presencia de hipertrigliceridemia neonatal y el indice de apgar al minuto.
Cuantitativa discreta TEST DE Hipertrigliceridemia Normotrigliceridemia OR

APGAR (n=36) (n=636)
Mayor de 7 27 (2,1%) 1253 (97,9%) 1,00
Igual a 7 4 (11,1%) 81 (88,9%) 2,29
Menor de 7 5 (15,6%) 27 (84,4%) 8,57
Variable OR: Odds Ratio
PREDICTORA Test de ji al cuadrado de tendencia (2) = 20,85 ; p<0,0001
Cualitativa ordinal
Daz Portillo J. Influencia del grupo tnico en el patrn lipoproteico de una determinada poblacin
peditrica de Ceuta. Tesis doctoral . Facultad de Medicina. Universidad de Cdiz . Noviembre 1997.
Resultados
La tabla 4 relaciona la presencia de hipertrigliceridemia neonatal con

el ndice de Apgar al minuto. Se observ una relacin estadsticamente
significativa con tendencia lineal entre ambas variables categricas, con
una asociacin creciente entre la hipertrigliceridemia y la disminucin
del ndice de Apgar. La probabilidad de detectar hipertrigliceridemia en
neonatos con ndices de Apgar inferiores a 7 fue ocho veces superior que
en RN con Apgar fisiolgico.
Discusin
Nuestros resultados apoyan los obtenidos por Tsang et al. (12) y Andersen
y Friis-Hansen (13), e indican una fuerte asociacin entre los episodios de
sufrimiento fetal y la hipertrigliceridemia neonatal.
Del mismo modo, la frecuencia de hipertrigliceridemia va aumentando
conforme disminuye el ndice de Apgar.
Exposicin Desenlace o efecto
OR = 7,23 p=0,003
La hipertrigliceridemia en sangre de cordn umbilical puede
ser debida al consumo de tabaco durante la gestacin?
Consumo de tabaco Hipertrigliceridemia

Triglicridos (sangre de cordn)

Categorizacin
Cuantitativa continua Cualitativa nominal
Influencia del tabaco Hipertrigliceridemia Normotrigliceridemia OR

neonatal neonatal
No fumadoras 1,7% 98,3% 1,00
Fumadoras moderadas 5,3% 94,7% 3,20
Grandes fumadoras 5,4% 94,6% 3,27
2 tendencia lineal = 5,68 p=0,017
Utiliza la estadstica como un borracho usa una farola, para aguantarse en

lugar de para iluminarse
Andrew Lang
Existen diferencias en la prevalencia de infeccin tuberculosa
en el colectivo de inmigrantes residentes en el campamento de
Calamocarro en Ceuta segn la edad?
CUALITATIVA policotmica CUALITATIVA dicotmica
Inmigrantes Tuberculosis
< 25 aos
25-35 aos
>35

Anlisis del texto en el MATERIAL y MTODOS

Empleamos el test de chi2 para comparacin de porcentajes, y la prueba
de la t de Student para variables cuantitativas. La evaluacin de las
tendencias se realiz con la prueba de chi2 de tendencia lineal.
Anlisis del texto en los RESULTADOS

Con independencia del punto de corte seleccionado, se observ mayor
positividad en el sexo masculino que en el femenino, y la positividad
tambin present una ligera tendencia a aumentar con la edad (p=0,07).
Anlisis del texto en la DISCUSIN

?
Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la poblacin
de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.

Categorizacin
Cuantitativa continua Cualitativa nominal policotmica
Grupo etario Mantoux (+) Mantoux (-) N Prevalencia
Menos de 25 aos 221 721 942 28,2%

25 - 35 aos 242 482 724 33,5%
> 35 aos 15 38 53 27,8%
2 tendencia lineal = 5,2 p = 0,07

Andrew Lang
Test de 2 de independencia
Categorizacin
Cuantitativa continua Cualitativa nominal dicotmica
Menos de 25 aos 221 721 942 28,2%

25 - 35 aos 242 482 777 33,1%
2 = 26,07 p=0,0000003

Andrew Lang
Existen diferencias en la prevalencia de infeccin tuberculosa
en el colectivo de inmigrantes residentes en Toledo segn la
edad?
CUALITATIVA policotmica CUALITATIVA dicotmica
Inmigrantes Tuberculosis
< 20 aos
25-29 aos
30-39 aos
Anlisis del texto en el MATERIAL y MTODOS

En el anlisis se emplearon los tests de la 2 de Pearson, para comparacin de
porcentajes, y la t de Student y anlisis de varianza (ANOVA), para comparacin de
medias y varianzas. Se realiz tambin una regresin logstica no condicional por el
mtodo stepwise backward (LR). Las variables independientes incluidas en el modelo
fueron la edad, sexo, peso y origen subsahariano, mientras que la variable dependiente fue
la IDRM positiva.
Anlisis del texto en los RESULTADOS

La prevalencia de infeccin tuberculosa por grupos de edad se muestra en la tabla 2, en
la que puede apreciarse cmo la mayor frecuencia (38,7%) apareci en el grupo de edad
30-39 aos..
Anlisis del texto en la DISCUSIN

En sta ltima la prevalencia encontrada tanto en el grupo de edad de 20 a 29 aos
(12,1%), como en el de 30 a 39 aos (22,7%), est en ambos casos por debajo de los
resultados de nuestro estudio. Los resultados de nuestro trabajo aportan valores en la
misma lnea que los obtenidos por Durn y colaboradores13 en inmigrantes recin llegados
a Barcelona.
Test de 2 de independencia
Categorizacin
Cuantitativa continua Cualitativa nominal dicotmica
Menos de 25 aos 5 61 64 7,8%

25 - 35 aos 21 41 62 33,9%
> 35 aos 36 57 93 38,7%
2 tendencia lineal = 17,4 p = 0,0003

Test de McNemar para datos apareados

(Prueba de la significacin de los cambios)
McNemar DESPUS
ANTES XITO (+) FRACASO (-)
XITO (+) A B
FRACASO (-) C D
2McMemar =
[ ( B C ) 1 ]2
B+C
Existen evidencias de un mejor efecto analgsico en los dos

frmacos protocolizados para el clico nefrtico?
- Diseo APAREADO
- Un solo grupo de pacientes (n=20) con clico nefrtico recidivante (dos
episodios de clico nefrtico).
- Dos mediciones repetidas (antes y despus).
- Gran potencia estadstica (mnima variabilidad aleatoria).
- Hiptesis nula Ho: la eficacia de ambos analgsicos es la misma Metamizol

= Ketorolaco
Test de McNemar
McNemar METAMIZOL
KETOROLACO XITO = 1 FRACASO = 0
XITO = 1 A B
FRACASO = 0 C D
2McMemar =
[ ( B C ) 1 ]2
B+C
(B C)1
Z McNemar =
B+C
McNemar METAMIZOL
KETOROLACO XITO = 1 FRACASO = 0
XITO = 1 11 6
FRACASO = 0 1 2
2McMemar =
[ ( 6 1 ) 1 ]2
= 2,29 p > 0,1
6+1
Hiptesis nula Ho: la eficacia de ambos analgsicos es la misma Metamizol =

Ketorolaco
Existen evidencias de una mejora en los conocimientos tericos
de Metodologa de investigacin en los 8 alumnos despus del
curso?
Examen de 14 preguntas a los 8 alumnos antes y despus de realizar el curso
Aprobado: > 7 respuestas correctas de 14
Suspenso: < 8 respuestas correctas de 14
DESPUS del curso

ANTES del curso APROBADO (< 7) SUSPENSO (< 8)
APROBADO (< 7) A B
SUSPENSO (< 8) C D

McNemar DESPUS del curso
APROBADO (< 7) A B
SUSPENSO (< 8) C D
2McMemar =
[ ( B C ) 1 ]2
B+C
(B C)1
Z McNemar =
B+C
Existen evidencias de una mejora en los conocimientos

tericos de metodologa de investigacin en los alumnos
despus del curso?
N del Alumno Evaluacin ANTES del curso Evaluacin DESPUS del curso
1 APROBADO (10) APROBADO (14)
2 SUSPENSO (7) APROBADO (14)


McNemar DESPUS del curso
APROBADO (< 7) 1 0
SUSPENSO (< 8) 7 0
[ ( 0 7 ) 1 ]2
2 McMemar = = 9,14
0+7
Anlisis de regresin logstica simple
Z Valor (B C)1
Z95% 1,96 0,05 Z McNemar =
Z98% 2,32 0,02 B+C
Z99% 2,56 0,01
Z99,5% 3,29 0,005
(0 7)1
Z McNemar = = 3,03
0+7
Conclusin: Como el estadstico Z calculado 3,03 es superior a Z tabulado

para un error alfa de 0,01 (2,56), podemos decir que las dos variables
evaluadas NO son independientes, sino que estn asociadas (p<0,01), es
decir la accin formadora mejora los conocimientos de los alumnos.
Captulo 6

Bioestadstica:
Test de Contraste de Hiptesis. Variables Cuantititativas.
Material y mtodos.



Materiales y mtodos
Estructura


estadstica p
p < 0,05 AB p 0,10 A=B
el ERROR ERROR

Anlisis estadstico
Tipos de test analticos estadsticos de contraste de hiptesis
segn el tipo de variables implicadas en el estudio
Variable resultado
Dicotmica Continua
Variable Dicotmica Test de 2 t de Student
Predictora
Variable Continua Regresin lo- Regresin lineal
Independiente gstica

PREDICTORA o Cualitativa nominal Cualitativa nominal Cualitativa ordinal o Cuantitativa
Independiente (factor dos >2 Cuantitativa NO paramtrica
Cualitativa dos grupos Chi cuadrado Chi cuadrado U de Mann-Whitney T de Student
independientes Z comparacin de (prueba de Welch)
proporciones
Test exacto de
Fisher
Cualitativa dos grupos Test de McNemar Q de Cochran Prueba de los T de Student
apareados rangos para datos
de Wilcoxon emparejados
Cuantitativa Regresin logstica Regresin logstica Correlacin de Regresin lineal
Sperman Correlacin de Pearson
Tau de Kendall
Cualitativa versus cuantitativa

Cules son las pruebas estadsticas que tenemos que emplear?

CUALITATIVA dicotmica CUANTITATIVA
PARAMTRICOS NO PARAMTRICOS
T de Student para mues- U de Mann-Whitney

Independientes tras independientes
T de Student para mues- Wilcoxon

Aparejados tras apareadas
Variable predictora Cualitativa versus variable resultado Cuantitativa.

Test de la T de Student para dos muestras independientes

Condiciones de aplicacin (1)
- n1 y n2 >= 30
- Normalidad (Requisitos necesarios)
- Comprobar que el mximo y el mnimo quedan dentro del intervalo
definido por 3 DE por encima y por debajo de la media (media 3 DE)
- Que la asimetra (en valor absoluto) sea menor que dos veces el error
estndar [asimetra] < 2 EE de asimetra
- Que la curtois (en valor absoluto) sea menor que 2 veces su EE [Curtois] <
2 EE de curtois
Test de Shapiro-Wilks

Homogeneidad de varianzas (homoscedasticidad)

- Prueba F de Snedecor
- Test de Barttlet Varianza mayor
- Test de Levene F=
Varianza menor
Ho: Las varianzas de ambos grupos son iguales Test T de Student
Ha: Existen diferencias entre las varianzas Test de Welch
Fcalculada < Ftabulada p>0,05 (aceptamos la Ho)
Fcalculada > Ftabulada p<0,05 (rechazamos la hiptesis nula)

El peso al nacer de los varones difiere del peso al nacer de
las mujeres?

CUALITATIVA dicotmica CUANTITATIVA continua
Sexo Peso (Kg)
Cul es al prueba estadstica ms adecuada?

Test de la T de Student:
Muestras independientes
Hiptesis nula Ho: El peso al nacer de los varones NO difiere del peso al
nacer de las mujeres
Hiptesis alternativa Ha: El peso al nacer de los varones difiere del peso al
nacer de las mujeres
Peso al nacer del RN
Varones Mujeres
Media 3380,3 3246,8
Desviacin estndar (S) 417,3 388,0
n 833 789
X1 X2
t calculada =
tcalculada= 6,666

(n 1) S12 + (m 1) S22 1 1
+
(n + m 2) n m
Grados de libertad (g.l) = n + m - 2 gl = 883 + 789 - 2 = 1620
Peso del RN Varones Mujeres

n 883 789
Media 3380,34 3246,79
Desviacin estndar 417,28 388,0
EEM 14,46 13,81
t calculada 6,666
Grados de libertad 1620
Significacin (bilateral) 0,000
t calculada= 6,666 > t tabulado = 1,96; p < 0,001
Ha: El peso al nacer de los varones difiere del peso al nacer de las mujeres
Distribucin normal tipificada (Z)

El test de la T de Student para muestras de mas de 30 individuos presenta
una distribucin muy similar a la distribucin normal tipificada Z.
El test de la T de Student es una pruebas BILATERALES, y por tanto

NO especifica la direccin de la diferencia ( A B).
Nivel de significacin
estadstica = 0,05 t calculada = 6,666
Z 1- /2 Z 1- /2
- 1,96 1,96
t tabulado = 1,96 para los grados de libertad de la muestra (1620)
Interpretacin del valor de la t de Student (t=6,666)
- La diferencia observada (t calculada= 6,666) es muy grande en relacin a

la variabilidad aleatoria esperada (t tabulada) , y por tanto existen diferencias
significativas (p<0,001)
- El efecto observado (diferencia entre el peso de los dos sexos) es muy
superior a la variabilidad biolgica esperada.
- El efecto observado (diferencia entre el peso de los dos sexos) es
importante, es decir mucho mayor de lo esperado por el azar.
- El valor de la t tabulada para un error alfa del 5% es muy inferior al encontrado
t tabulado < t calculada
- El valor de la p (p < 0,001) indica que existe una probabilidad muy baja
(<0,1%) de observar al menos estas diferencias en los pesos por efecto del
AZAR y no porque los varones tengan distinto peso que las mujeres.
Tiene influencia el tipo de dieta (pescado/huevos) seguida
en el peso del individuo?

CUALITATIVA dicotmica CUANTITATIVA continua
Tipo de dieta Peso (Kg)
Hiptesis nula Ho (ambas dietas tienen igual efecto)
Hiptesis alternativa H1 (las dietas tienen distinto efecto)
Variable PREDICTORA
Cualitativa discreta y dicotmica: TIPO DE DIETA (pescado o huevos)
Variable RESULTADO
Cuantitativa continua: Kg adelgazados durante los 3 meses que dur la dieta
Personas que siguen la dieta Variable PREDICTORA Variacin en el peso (kg)

P a base de pescado n=19 Cualitativa discreta y
dicotmica:
Personas que siguen la dieta TIPO DE DIETA Variacin en el peso (kg)
H a base de huevo n=10 3 meses
Personas que siguen la dieta Personas que siguen la dieta

P a base de pescado n=19 H a base de huevo n=10
ID DIETA REDUCCION PESO (Kg) ID DIETA REDUCCION PESO
(Kg)
20 HUEVOS 23
1 PESCADO 19
21 HUEVOS 23
2 PESCADO 28
22 HUEVOS 5
3 PESCADO 17 23 HUEVOS 14
25 HUEVOS 20
5 PESCADO 16
26 HUEVOS 4
6 PESCADO 21
27 HUEVOS 12
30 HUEVOS 19
9 PESCADO 15
Media 17,545
10 PESCADO 10
Desviacin estndar 8,43
11 PESCADO 10 Varianza 71,1
12 PESCADO 2
Variable RESULTADO
13 PESCADO 12
Cuantitativa continua
14 PESCADO 13
15 PESCADO 19
16 PESCADO 9
X1 X2
17 PESCADO 29 t calculada =

18 PESCADO 35 (n 1) S12 + (m 1) S22 1 1
+
19 PESCADO 38 (n + m 2) n m
Media 18,579 t calculada = 0,3
Desviacin estndar 9,26 t calculada= 0,3 < t tabulado p = 0,76
Varianza 85,8
Variable RESULTADO Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin

Cuantitativa continua Fajardo FJ. Bioestadstica amigable. Madrid: Ediciones Daz
de Santos; 2001.
Test de la t de Student
t calculada < t tabulada t calculada > t tabulada

p > 0,05 p < 0,05
Hiptesis nula H0 Hiptesis alternativa Ha
Las medias de la reduccin Las medias de la reduccin

del peso en los dos grupos del peso en los dos grupos
comparados es independiente de comparados son diferentes
la intervencin diettica entre s, es decir NO pueden
considerarse iguales
t calculada = 0,3 < t tabulado p = 0,76
Tienen el mismo efecto las dietas ensayadas para reducir el peso corporal?
S
Interpretacin del valor de la t de Student (t=0,30)
- La diferencia observada (t calculada= 0,3) es pequea en relacin a la

variabilidad aleatoria esperada (t tabulada) , y por tanto no existen diferencias
significativas (p>0,05)
- El efecto observado (diferencia entre las dos dietas) es solo del 30% de la
variabilidad biolgica esperada.
- El efecto observado (diferencia entra las dos dietas) es insignificante, es
decir mucho menor de lo esperado por el azar.
- El valor de la t tabulada para un error alfa del 5% es superior al encontrado
t tabulado > t calculada
- El valor de la p (p = 0,76) indica que existe una probabilidad muy alta (76%)
de observar al menos estas diferencias en la reduccin del peso si la muestra
procediese de una poblacin donde las dos dietas tienen el mismo efecto (las
diferencias observadas son producidas por el AZAR y no porque las dietas
tengan distinto efecto).

- n1 y n2 >= 30
- Normalidad (Requisitos necesarios)
- Comprobar que el mximo y el mnimo quedan dentro del intervalo
definido por 3 DE por encima y por debajo de la media (media 3 DE)
- Que la asimetra (en valor absoluto) sea menor que dos veces el error
estndar [asimetra] < 2 EE de asimetra
- Que la curtois (en valor absoluto) sea menor que 2 veces su EE [Curtois] <
2 EE de curtois
Test de Shapiro-Wilks

Homogeneidad de varianzas (homoscedasticidad)

- Test de Barttlet Varianza mayor
- Test de Levene F=
Varianza menor
Ho: Las varianzas de ambos grupos son iguales Test T de Student
Ha: Existen diferencias entre las varianzas Test de Welch
Fcalculada < Ftabulada p>0,05 (aceptamos la Ho)
Fcalculada > Ftabulada p<0,05 (rechazamos la hiptesis nula)

La t de Student es un test paramtrico, es decir para usarlo se debe

cumplir la normalidad de la variable cuantitativa. Se cumple?Como lo has
comprobado?
He observado que en los dos grupos de estudio comparados solo tienen 19 y

11 sujetos respectivamente. Ante tan bajo volumen muestral (n < 30),
Cmo justificas esa supuesta normalidad?Que test has empleado para

comprobar esa normalidad de la reduccin del peso? Ests seguro que se
cumplen los criterios para poder usar la t de Student ? Se cumplen todos los
requisitos para su utilizacin?
Qu relacin existe entre el grupo cultural/religioso y los niveles
de anticuerpos frente al virus de la Rubeola en la poblacin gestante
inmunizada de Ceuta?
Cualitativa dicotmica Cuantitativa continua
Cristianas inmunizadas
Musulmanas inmunizadas

Figura 1.- Ttulos de anticuerpos frente al virus de la Rubeola en gestantes inmunizadas de Ceuta.
Distribucin por grupos culturales.
P < 0,001
La t de Student para muestras independientes es un test paramtrico, es decir

para usarlo se debe cumplir la normalidad de la variable cuantitativa.
La variable cuantitativa niveles de anticuerpos (UI/ml) en la poblacin

gestante inmunizada de Ceuta sigue una distribucin normal?
No encuentro datos estadsticos de dispersin (desviacin tpica)
Cmo justificas esa supuesta normalidad? Qu test has empleado para

comprobar que se cumple la normalidad (campana de Gauss)?



Test de la U de Mann-Whitney
Condiciones de aplicacin:
- Si alguna de las dos muestras contiene menos de 30 observaciones y No se puede
asumir la normalidad
- Variable medida en escala ORDINAL
- Si la muestra es de muy pequeo tamao (<10 observaciones en alguno de los dos
grupos)
Inconvenientes:
- Se pierde potencia para detectar diferencias significativas (para una comparacin que
resulte significativa con 95 individuos en la t de Student, se necesitaran 100 individuos
para que la misma comparacin resulte significativa con el test de Mann-Whitney)
- No permite construir intervalos de confianza



Variables cuantitativas:
Comparacin de la media entre dos grupos
Muestras independientes Muestras relacionadas
Tipos de dieta Peso (Kg)
Pescado 23
Peso inicial Peso final (Kg) DIF
Pescado 19 23 21 -2
Pescado 28
19 22 +3
Pescado 23
Pescado 5 28 26 -2
Pescado 17 23 25 +2
Pescado 14
5 2 -3
Pescado 13
. 17 28 + 11
Huevos 21 14 17 +3
Huevos 22
13 4 -9
Huevos 26
Huevos 25 ..
Huevos 2
Huevos 28
Huevos 17
Huevos 4 Se compara cada individuo consigo mismo antes y
Huevos 12
.
despus de un tratamiento con una determinada dieta.
Test de la t de Student para datos apareados (muestras

relacionadas)
Caractersticas del test:
- Se realizan mediciones repetidas en un mismo individuo.

- Se aplican dos frmacos consecutivos a un mismo paciente.
- Se desea evaluar el cambio de una variable cuantitativa tras aplicar un
tratamiento (cambio entre antes y despus).
- Calcular una nueva variable que es la diferencia entre los valores antes
y despus de cada individuo.
- Cuando el tamao muestral es inferior al 30, se debe probar si la nueva
variable sigue una distribucin normal.
- En las muestras relacionadas la variabilidad ALEATORIA es menor que en

las muestras independientes.

relacionadas)
Ejemplo
Estudio sobre la forma fsica de un grupo de 30 individuos antes y despus
de un programa de entrenamiento deportivo (PED).
Pregunta de investigacin:
Ha mejorado la forma fsica del grupo durante las sesiones del PED?
Reduce el PED la frecuencia cardiaca media?

PED Frecuencia Cardaca Media
Objetivo: Conocer si el entrenamiento deportivo (PED) mejora la forma fsica

de un grupo de individuos.
Material: Grupo de 30 individuos antes y despus de un programa de

entrenamiento deportivo (PED)
Mtodo: Se evala la frecuencia cardiaca antes (FRECPRE) y despus del
PED (FRECPOST).
Se define una nueva variable DIF = FRECPRE FRECPOST.
Hiptesis nula Ho X antes = X despus

( DIF = FRECPRE FRECPOST =
Hiptesis alternativa H1 X antes X despus

(DIF = FRECPRE FRECPOST 0)
Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajajardo FJ. Bioestadstica amigable. Madrid:
Resultados
Variables Media N Desviacin Error estndar de

estndar (s) la media (EEM)
FRECPRE 79,53 30 19,15 3,50
FRECPOST 70,40 30 12,95 2,36
Variables N Correlacin (r) Significacin

FRECPRE versus FRECPOST 30 0,828 0,000
Variables Diferencias Intervalo de t calculada gl Significacin

relacionadas confianza de la bilateral
diferencia
Media s EEM Inferior Superior 4,49 29 0,000
FRECPRE - 9,13 11,12 2,031 4,98 13,29
FRECPOST
t calculada < t tabulada p>0,05 (aceptamos la Ho)
t calculada > t tabulada p<0,05 (rechazamos la hiptesis nula)


relacionadas)
Ejemplo - Conclusiones
1. Puede concluirse que ha existido un descenso significativo (p<0,001)
de la frecuencia cardiaca despus del PED. Existen evidencias, con una
confianza del 95%, para afirmar que el PED se ha acompaado de un
descenso de la frecuencia cardaca .
2. El descenso medio estimado fue de 9 latidos por minuto despus del

PED.
La t de Student de datos apareados es un test paramtrico, es decir para

usarlo se debe cumplir la normalidad de la variable cuantitativa. Se cumple?
La nueva variable DIF = FRECPRE FRECPOST sigue una distribucin
normal?
He observado en tus resultados de DIF un valor de la desviacin tpica (11,1)

muy superior a la media (9,1), Cmo justificas esa supuesta normalidad?
Qu test has empleado para comprobar esa supuesta normalidad?
Objetivo: Comprobar si la reduccin ponderal conseguida tras intervencin

diettica en los pacientes con obesidad mrbida disminuye los factores de
riesgo cardiovascular.
Prueba de la t de Student para datos apareados
Prueba de Shapiro-Wilk (test de normalidad)
IMC > 40
Inicio Final p IC (95%)

Peso (Kg) 149,1 (22) 115 (18) < 0,001 26,9-39,8
IMC (Kg/m2) 49,2 (7,7) 38,8 (5) < 0,001 7,8-13,2
Cintura (cm) 144,4 (17,3) 119,6 (12,1) < 0,001 18,4-36,5
Cadera (cm) 143,3 (17,5) 127,7 (14,6) 0,02 9,1-24,1
Indice C/c 1,01 (0,12) 0,94 (0,08) 0,02 0,017-0,16
Los valores se expresan como media (desviacin estndar); p nivel de significacin; IC intervalo de
confianza; IMC: ndice de masa corporal; C/c cintura-cadera.
Objetivo: Comprobar si la reduccin ponderal conseguida tras intervencin

diettica en los pacientes con obesidad mrbida disminuye los factores de
riesgo cardiovascular.
Prueba de la t de Student para datos apareados
IMC > 40
Inicio Final p IC (95%)

Peso (Kg) 126 (19) 107 (18) < 0,001 13,5-20,3
IMC (Kg/m2) 48,7 (5,8) 42,5 (6,2) < 0,001 4,5-7,5
Cintura (cm) 129,8 (17,7) 118,7 (15,4) < 0,001 9,1-21,6
Cadera (cm) 142,5 (15,6) 132,8 (13) 0,003 3,6-15,9
Indice C/c 0,92 (0,11) 0,89 (0,09) 0,04 0,017-0,16
confianza; IMC: ndice de masa corporal; C/c cintura-cadera
La reduccin ponderal se acompa de una mejora del perfil lipdico

(triglicridos, cHDL y apoprotena B100 principalmente en los varones.
Varones Inicio Final p IC (95%)

Colesterol total (mg/dl) 192 (49,7) 179,7 (34,5) 0,16 -5,1 a 29,6
Triglicridos (mg/dl) 162,4 (73,6) 107,7 (33,7) 0,001 25,4 - 90,0
cLDL (mg/dl) 124,1 (38,5) 115 (30,4) 0,12 -12,9 a 5,7
cHDL (mg/dl) 35,4 (86,3) 43,5 (8,5) < 0,001 5,7 12,6
cVLDL (mg/dl) 32,5 (14,7) 21,9 (6,8) 0,002 4,8 18,5
Apo B100 (mg/dl) 122,1 (31,3) 100,7 (19,6) 0,01 6,5 40,5
Apo A1 (mg/dl) 117,8 (13,2) 126 (18,8) 0,24 - 17,5 a 4,9
confianza;
La reduccin ponderal se acompa de una mejora del perfil lipdico

(triglicridos, cHDL y apoprotena B100 principalmente en los varones.
Mujeres Inicio Final p IC (95%)

Colesterol total (mg/dl) 189 (29,2) 183,6 (32) 0,32 -5,7 a 16,5
Triglicridos (mg/dl) 137 (60,8) 109,5 (43,7) 0,22 -5,8 a 23,5
cLDL (mg/dl) 117,8 (13,2) 115,6 (26,4) 0,07 -0,8 a 18,5
cHDL (mg/dl) 41,9 (15,6) 45,6 (13.1) 0,03 0,4 6,6
cVLDL (mg/dl) 32,3 (15,9) 22 (8,4) 0,2 -1,1 a 4,8
Apo B100 (mg/dl) 110 (30,6) 106,1 (20,6) 0,7 -11,4 a 15,9
Apo A1 (mg/dl) 124,1 (23,2) 129 (21,4) 0,052 -0,07 a 19,4
confianza;
Discusin - Conclusiones
- Los varones presentaron una mayor reduccin ponderal que las mujeres.
- Con la intervencin diettica empleada conseguimos una mejora en el perfil

aterognico, principalmente en los triglicridos, VLDL y HDL.
- Los varones presentaron una mejora mas importante que las mujeres en el
perfil lipdico.
- La reduccin ponderal ha conseguido una reduccin de algunos de los

factores de riesgo cardiovascular (FRCV) analizados.
- El sexo masculino presenta una mejor respuesta global con reduccin de los
FRCV y mejora de la distribucin grasa.
La t de Student de datos apareados es un test paramtrico, es decir para

usarlo se debe cumplir la normalidad de las variables cuantitativas.
Se cumple en todas las variables? Las nuevas variables DIF = FRECPRE

FRECPOST siguen una distribucin normal? Cmo justificas esa supuesta
normalidad?Que test has empleado?
He observado que en tus resultados NO aparece las nuevas variables DIF ni

su desviacin tpica.
Porqu no se ha incluido en los resultados?




Test de Wilcoxon
Prueba NO PARAMTRICA o de libre distribucin

- No se basa en la media, desviacin estndar, etc.
Condiciones de aplicacin:
- Diseo emparejado o de medidas repetidas
- Datos a comparar son
ORDINALES o
Cuantitativos con BAJO tamao muestral (n < 30) y
NO siguen una distribucin NORMAL
Ejemplo (muestras relacionadas)

Test de Wilcoxon para datos apareados
Estudio sobre la mejora clnica del dolor en pacientes con artrosis tratados
con un infiltracin de corticoides.
Ha mejorado el grado de bienestar de los pacientes con artrosis tras el
tratamiento con infiltraciones?
Existen evidencias de una mejora en el nivel de dolor en los pacientes con

artrosis despus del tratamiento con infiltraciones intrarticulares?
Nivel de dolor ANTES Infiltracin Nivel de dolor DESPUS

del tratamiento del tratamiento
Objetivo: Conocer si la infiltracin con corticoides mejora el bienestar clnico

de en un grupo de los pacientes con artrosis de rodilla...
Material: Grupo de pacientes con artrosis de rodilla del Hospital X

seleccionados para el ensayo.
Mtodo: Se evala el nivel de dolor en los pacientes mediante un test

estandarizado antes (NDA) y despus del tratamiento infiltrativo (NDD). Se
define una nueva variable DIF = NDA NDD.
Hiptesis nula Ho X antes = X despus ( DIF = NDA NDD = 0)
Ho (hiptesis nula) = La infiltracin con corticoides NO mejora el bienestar

clnico de los pacientes con artrosis de rodilla.
Hiptesis alternativa H1 X antes X despus (DIF = NDA NDD 0)
Ha (hiptesis alternativa) = La infiltracin con corticoides SI mejora el

bienestar clnico de los pacientes con artrosis de rodilla.
Test de Wilcoxon para datos apareados
Ejercicio: Realizamos un estudio de cohortes recogiendo datos sobre la

actividad deportiva que practicaban en su juventud 9 pareja de gemelos de
Ceuta, donde despus de un seguimiento de 20 aos, uno de los gemelos ha
muerto y el otro sobrevive.
Variable predictora: Variable resultado:
Pareja Gemelo vivo Gemelo muerto

Actividad deportiva
1 0 0
Variable cuantitativa ordinal
2 1 0
0 = sedentarios
3 2 1
1= deporte espordico 4 2 1
2= deporte regular 5 1 0
3= deporte competitivo-entrenamiento 6 2 1
7 1 2
8 1 2
Martnez Gonzlez MA, Jokin de Irala Estvez, 9 3 1
Faulin Fajardo FJ. Bioestadstica amigable. Madrid:
Ho = La prctica deportiva en la juventud NO reduce la mortalidad
Ha = La prctica deportiva en la juventud REDUCE la mortalidad

n(n + 1)
n(n + 1) W
W 4
4 z= ~ N (0,1)
z= ~ N (0,1) n(n + 1)(2n + 1) g t i3 t i
n(n + 1)(2n + 1)
24 24 i =1 2
1. Calculo del estadstico z: Zcalculado= 1,4
2. Comparacin del Zcalculado con el Ztabulado de las tablas de la normal. Zcalculado= 1,4 < Ztabulado = 1,96
para p < 0,05 a dos colas. La significacin estadstica p = 0,16
3. No se dispone de evidencias para rechazar la Ho de igualdad de medias entre el gemelo que sobrevivi y
el que muri. La probabilidad de hallar unas diferencias al menos como las encontradas es de slo el 16%.
Las diferencias encontradas pueden ser debidas al AZAR.
4. No se puede rechazar Ho, ya que el valor de p es superior a 0,05. Estos datos NO proporcionan
evidencias que indiquen que la prctica deportiva era superior en los gemelos supervivientes respecto a
sus hermanos gemelos fallecidos. El estudio NO apoya que el deporte en la juventud reduzca la mortalidad
en el futuro.
5. ERROR de DISEO: falta de potencia estadstica por su escaso tamao muestral. ERROR BETA
Desenlace (E) Variable resultado

Exposicin (F) Variable predictora Muerte Sobreviviente
Sedentarismo (+) A B
Sedentarismo (-) C D
A: Fallecidos con sedentarismo [ A / (A + B)]

Es la probabilidad de morir (E) en el grupo de sedentarios (expuestos al factor

de riesgo) en relacin con la probabilidad de muerte en deportistas (grupo no
expuesto).
RR = 1.41 IC95%=1.23-1.61 de los sedentarios frente a los para los ocasionalmente

activos
RR = 1.52 IC95%=1.06-2.17 de los sedentarios frente a los entrenados

Prdidas de
seguimiento
EXPUESTOS al Fallecimientos
factor de riesgo
(sedentarismo) Sobrevivientes
Seguimiento RIESGO
20 aos RELATIVO
Fallecimientos
NO expuestos al
factor de riesgo
Prdidas de
seguimiento
Kumala et al. Relationship of leisure-time physical activity and mortality: the Finnish twin cohort. JAMA
1998; 11; 279: 440-4.
Desenlace (E) Variable resultado

Exposicin (F) Variable predictora Muerte Sobreviviente
Deporte (+) A B
Deporte (-) C D
A: Fallecidos con sedentarismo [ A / (A + B)]

Es la probabilidad de morir (E) en el grupo de deportistas (expuestos al factor

de proteccin) en relacin con la probabilidad de muerte en sedentarios
(grupo no expuestos).
RR = 0.71 IC95%=0.62-0.81 para los ocasionalmente activos
RR = 0.66 IC95%=0.46-0.94 para los entrenados
Prdidas de
seguimiento
EXPUESTOS al Fallecimientos
factor de riesgo
Seguimiento RIESGO
20 aos RELATIVO
Fallecimientos
NO expuestos al
factor de riesgo
Prdidas de
seguimiento
1998; 11; 279: 440-4.
- Diseo: estudio de COHORTES

- 7925 varones gemelos
- 7977 mujeres gemelas
- Resultados:
- RR = 0.71: Se encontr una reduccin del 29% en la mortalidad para los
ocasionalmente activos comparados con los sedentarios.
- RR = 0.66: Se encontr una reduccin del 34% en la mortalidad para los entrenados
comparados con los sedentarios.
- Conclusiones: Este estudio es importante porque deja claro que la mejor superviviencia
de los ms activos NO se debe a una predisposicin gentica (controlada por el
emparejamiento entre gemelos), sino al efecto real del ejercicio fsico sobre la
superviviencia.
1998; 11; 279: 440-4.
Ejemplo (muestras relacionadas)

Estudio sobre los conocimientos adquiridos en Metodologa de Investigacin
en Ciencias de la Salud (MICS) en los alumnos del curso de Sevilla.
Han mejorado los conocimientos adquiridos en Metodologa de Investigacin
en los alumnos del curso de Sevilla?
Aumenta el curso el nivel de conocimientos sobre la materia impartida?
Existen evidencias de una mejora en los conocimientos tericos de
Metodologa de investigacin en los alumnos despus del curso?
Conocimientos de MICS Curso Conocimientos de MICS

previos al curso despus del curso
Objetivo: Conocer si el curso de Metodologa de Investigacin (CMI) realizado en Sevilla

mejora los conocimientos sobre dicha materia en un grupo de alumnos (licenciados en
Ciencias de la Salud).
Material: Grupo de 8 individuos FEA y residentes del Hospital Universitario de Valme

(Sevilla ) antes y despus de realizar el curso de Metodologa de Investigacin en Ciencias
de la Salud (CMICS)
Mtodo: Se evala los conocimientos mediante un test (examen) antes (RCAC) y despus
del CMICS (RCDC). Se define una nueva variable DIF = RCDC RCAC.
Hiptesis nula Ho X antes = X despus (DIF = RCDC RCAC = 0)
Ho (hiptesis nula) = La accin formativa (CMICS) no mejora los conocimientos sobre

metodologa de investigacin en los alumnos.
Hiptesis alternativa H1 X antes X despus (DIF = RCDC RCAC 0)
Ha (hiptesis alternativa) = La infiltracin con corticoides SI mejora el bienestar clnico de

los pacientes con artrosis de rodilla.
Existen evidencias de una mejora en los conocimientos

tericos de metodologa de investigacin en los alumnos
despus del curso?
N del N respuestas N respuestas correctas Diferencia de respuestas
Alumno correctas ANTES del DESPUS del curso (RCDC) acertadas DESPUS ANTES
curso (RCAC) (RCDC- RCAC)
1 10 14 4
2 7 14 7
3 7 14 7
4 5 14 9
5 4 13 9
6 3 13 10
7 2 13 11
8 2 11 9
Cul es el test estadstico mas acertado?

Prueba de los rangos con signo de Wilcoxon
N Rango promedio Suma de rangos

DIF = RCDC Rangos negativos 0 (a) 0,00 0,00
RCAC Rangos positivos 8 (b) 4,50 36,00
Empates 0 (c)
Total 8
Rangos
a Puntuacin al final del curso (RCDC) < Puntuacin al comienzo del curso (RCAC)
b Puntuacin al final del curso (RCDC) > Puntuacin al comienzo del curso (RCAC)
c Puntuacin al final del curso (RCDC) = Puntuacin al comienzo del curso (RCAC)
Prueba de los rangos con signo de Wilcoxon
Estadsticos de contraste de Puntuacin al comienzo del Puntuacin al final del curso

hiptesis (b) curso RCDC
RCAC
N 8 8
Vlidos 0 0
Perdidos 5,00 13,25
Media 4,50 13,50
Mediana 2 11
Mnimo 10 14
Mximo
(b) Prueba de los rangos con signo de Wilcoxon
Estadsticos descriptivos Puntuacin al final del curso -

Puntuacin al comienzo del curso
Z -2,536 (a)
Sig. asintt. (contraste 0,011
bilateral)
(a) Basado en los rangos negativos.

RESULTADOS: Se realiz la comparacin del Zcalculado con el Ztabulado de

las tablas de la normal mediante el programa estadstico SPSS. El valor del
estadstico Zcalculado = 2,536 fue superior al Ztabulado = 1,96 para p < 0,05 a
dos colas (test de contraste bilateral). La significacin estadstica encontrada
fue de p = 0,011. Estos datos permiten rechazar Ho, ya que el valor de p es
inferior a 0,05.
CONCLUSIONES: Estos datos proporcionan evidencias que indican una

mejora objetiva y significativa en los conocimientos terico-prcticos de
Metodologa de investigacin en los alumnos despus del curso (hiptesis
alternativa).
Por tanto, puede concluirse que ha existido un aumento significativo (p<0,05)
del nmero de respuestas acertadas despus del curso. Existen evidencias,
con una confianza del 95% (error alfa del 5%), para afirmar que la accin
formativa ha producido una mejora en los conocimientos.
MUESTRAS
INDEPENDIENTES APAREADAS
n1 y n2 30 n1 o n2 30 n 30 n 30
Test de normalidad Test de normalidad
Test de levene
SI NO
SI NO
Homogeneidad Heterogeneidad
de las varianzas de las varianzas
Test de la Test de la t de
Test de la t de U de Student para Test de
Student para Mann-
Test de Welch datos Wilcoxon
muestras Whitney apareados
independientes


CUANTITATIVA CUANTITATIVA
- Continua - Continua
- Discreta - Discreta
Datos cuantitativos:
Cuantitativa versus cuantitativa
Regresin lineal simple:

- Describe como es la relacin entre la variable predictora (X) y la variable
resultado (Y)
- Busca la lnea que mejor se ajusta a los puntos (x, y), y por tanto busca la
mejor prediccin de Y a partir de X
Correlacin:
- Mide el grado o fuerza de asociacin entre dos variables cuantitativas (X, Y).
Regresin lineal simple.

- Coeficiente de regresin
- Covarianza
Correlacin paramtrica
- Coeficiente de correlacin de Pearson (r)
- Coeficiente de determinacin r2
Correlacin NO paramtrica
- Coeficiente de correlacin de Spearman ()
Concordancia
- Coeficiente de correlacin intraclase
Comparacin de mtodos analticos
Regresin paramtrica
- Regresin lineal simple
- Coeficiente de regresin
Regresiones NO paramtricas
- Regresin de Theil
- Regresin de Passing - Bablok
- Regresin de Bland - Altman
- Regresin de Tholen - Ludbrook
Relacin directa e inversa

330 100
80
280 Incorrelacin 90 Fuerte relacin 70 Cierta relacin
80 directa. 60 inversa
230
50
70
180 40
60
30
130
50 20
80 40 10
30 0
30
140 150 160 170 180 190 200
140 150 160 170 180 190 200 140 150 160 170 180 190 200
Para valores de X por en- Para los valores de X mayores Para los valores de X mayores
cima de la media tenemos que la media le corresponden que la media le corresponden
valores de Y por encima y valores de Y mayores tambin. valores de Y menores. Esto es
por debajo en proporciones Para los valores de X menores relacin inversa o decreciente.
similares. Incorrelacin. que la media le corresponden
valores de Y menores tambin.
Esto se llama relacin directa.
Qu relacin existe entre el grado de IRC y el grado de
anemizacin del enfermo?
Variable PREDICTORA (X) Variable RESULTADO (Y)

Cuantitativa continua Cuantitativa continua
IRC Anemia
Creatinemia Hemoglobinemia
Relacin entre variables cuantitativas continuas

Hemoglobina (g/dl)
11
10
2 3 4 5 6 7 8 Creatinina (mg/dl)
Representacin grfica de los niveles de creatinina y hemoglobina en

50 pacientes con fallo renal crnico
Variable independiente, fija controlada por el investigador
Regresin lineal simple. Coeficiente de regresin

Hemoglobina (g/dl)
0 Estimaciones de los parmetros y sus
1 1 errores estndar para en la relacin de los
niveles de creatinina y hemoglobina en 50
pacientes con fallo renal crnico
Variable Estimacin Error estndar
Constante 12,25 0,2984
Creatinina - 0,5708 0,05312
Representacin grfica de los niveles de creatinina y

hemoglobina en 50 pacientes con fallo renal crnico
E(Y) = 0 + 1 * X
Coeficiente de regresin 1
Hb (Y) = 12,25 0,5708 * [Creatinina]

Regresin Lineal Simple. Coeficiente de regresin

El valor de 1 es estadsticamente distinto de cero y por tanto podemos decir que existe
dependencia lineal entre los niveles de Hb y los de Cr en los pacientes con IRC?
Z Valor Error Estimaciones de los parmetros y sus

Z90% 1,64 90% 10% errores estndar para en la relacin de los
niveles de creatinina y hemoglobina en 50
Z95% 1,96 95% 5% pacientes con fallo renal crnico
Z99% 2,56 99% 1% Variable Estimacin Error estndar
Z99,5% 3,29 99,5% 0,5% Constante 12,25 0,2984
Creatinina - 0,5708 0,05312
1 0,5708
= = 10,74 > Z95%
EE1 0,05312
Podemos decir con error inferior al 5% que el nivel de Hb est asociado o depende del
nivel de Cr.
Clculo del Intervalo de Confianza (IC) del coeficiente de

regresin
Cul es el IC al 95% de confianza para el cambio en el nivel de Hb por unidad de
aumento en el nivel de Cr en los pacientes con IRC?
Z Valor
Z95% 1,96 95%
Z99% 2,56 99%
Z99,5% 3,29 99,5%
1 Z95% X EE1
- 0,5708 (1,96) X 0,05312 = (- 0,67, -0,47)
Podemos decir con error inferior al 5% , es decir con una confianza del 95%, que el
descenso medio del nivel de Hb ser como mnimo 0,47 g/dl y como mximo 0,67 g/dl por
aumento en 1 mg/dl en el nivel de Cr. El hecho de que el IC95% no contenga al cero esta
de acuerdo con el resultado del contraste de hiptesis realizado (p<0,05).
Covarianza de dos variables X e Y
- La covarianza entre dos variables, Sxy, nos indica si la posible relacin entre
dos variables es directa o inversa.
Directa: Sxy >0 1
Inversa: Sxy <0 S xy =
n

i
( xi x )( yi y )
Incorreladas: Sxy =0
- El signo de la covarianza nos dice si el aspecto de la nube de puntos es

creciente o no, pero no nos dice nada sobre el grado de relacin entre las
variables.
Regresin lineal simple: Covarianza

n
Covarianza positiva > 0 Covarianza negativa < 0 ( X i X )(Yi Y )

sxy = i =1
Valores de la COVARIANZA dependiendo de la variacin al unsono de x e y n

100
( X i X )(Yi Y )
rxy = i =1
90
n sx s y
80
70
sxy
Covarianza nula = 0 rxy =
sx s y
60
10 20 30 40 50
El valor de la COVARIANZA es cero cuando no hay variacin al unsono de x e y

Covarianza y coeficiente de correlacin de Pearson (r)
( X i X )(Yi Y )
rxy = i =1
n sx s y
sxy
rxy =
sx s y
S xy
Coeficiente de correlacin lineal de Pearson r=
SxS y
- La coeficiente de correlacin lineal de Pearson de dos variables, r, nos indica si los
puntos tienen una tendencia a disponerse alineadamente.
- El coeficiente tiene el mismo signo que la covarianza Sxy por tanto su signo nos informa
del tipo de relacin, directa o inversa.
r es til para determinar si hay relacin lineal entre dos variables, pero no servir para otro
tipo de relaciones (cuadrtica, logartmica, ...)
- El coeficiente de correlacin no se debe extrapolar ms all del rango de valores
observado de las variables en estudio ya que la relacin existente entre X e Y puede
cambiar fuera de dicho rango.
- La correlacin no implica causalidad. La causalidad es un juicio de valor que requiere
ms informacin que un simple valor cuantitativo de un coeficiente de correlacin (*).
- No debe utilizarse para comparar dos mtodos que intentan medir el mismo evento
(variable), como por ejemplo dos instrumentos que miden la tensin arterial. El coeficiente
r mide el grado de asociacin entre dos cantidades pero no mira el nivel de acuerdo
o concordancia. Si los instrumentos de medida miden sistemticamente cantidades
diferentes uno del otro, la correlacin puede ser r 1 y su concordancia ser nula (**).
(*) Pita Fernndez S. Correlacin frente a causalidad JANO 1996; (1174): 59-60.
(**) Bland JM, Altman DG. Statistical methods for assesing agreement between two methods of clinical
measurement. Lancet 1986; 1: 307-310.
Propiedades de r
- Es adimensional
- Slo toma valores en [-1,1]
- Las variables son incorreladas r=0
- Relacin lineal perfecta entre dos variables r=+1 o r=-1
- Excluimos los casos de puntos alineados horiz. o verticalmente.
- Cuanto ms cerca est r de +1 o -1 mejor ser el grado de relacin lineal.
- Siempre que no existan observaciones anmalas.
Relacin Variables Relacin

inversa incorreladas directa casi
perfecta perfecta
-1 0 +1
Hb (Y) = 12,25 0,5708 * [Creatinina] Hb (Y) = 12,25 0,5708 * [Creatinina]
12
1 = - 0,5708 12 1 = - 0,5708
Y
Y
10
10
8
8
6
6
2 4 6 8 10
X X
2 4 6 8 10
Nube de puntos con distinta fuerza de asociacin pero con la misma regresin 1
Coeficiente de correlacin de Pearson

Y Y
12
1 =1-= 0,5708
- 0,5708 12 1 = - 0,5708
10
10
8
8
6
6
r = - 0,72
0,98 r = - 0,72
2 4 6 8 10
X X
2 4 6 8 10
Alta fuerza de asociacin Menor fuerza de asociacin

Alto valor de r Menor valor de r

Y
12
- El valor absoluto de r es una medida de la fuerza de
asociacin entre dos variables cuantitativas distintas.
r > 0,70: magnitud intensa
10
0,3 < r < 0,7: magnitud moderada
r < 0,3: magnitud dbil
- Valores: -1 y 1
8 - Clculo del tamao muestral
- Mide la asociacin pero NO confundir la asociacin
estadstica con una relacin CAUSA-EFECTO.
6
r = - 0,72
2 4 6 8 10
X
Valor de r indica FUERZA de asociacin


Y
12
- El valor absoluto de r es una medida de la fuerza de
asociacin entre dos variables cuantitativas distintas.
r > 0,70: magnitud intensa
10
0,3 < r < 0,7: magnitud moderada
r < 0,3: magnitud dbil
- Valores: -1 y 1
8 - Clculo del tamao muestral
- Mide la asociacin pero NO confundir la asociacin
estadstica con una relacin CAUSA-EFECTO.
6
r = - 0,72
2 4 6 8 10
X
Valor de r indica FUERZA de asociacin

r =r 0,136;
= -0,136; p = 0,048
p = 0,042 r = 0,178; p = 0,042
r = - 0,178
Indice de Quetelet (IMC)

Edad
Excrecin de sodio (mEq) en orina de 24 horas
Bajo valor de r Baja fuerza de asociacin

Ejemplo del clculo del tamao muestral para el clculo del

coeficiente de correlacin entre dos variables cuantitativas
Supongamos que se desea estudiar la asociacin entre la edad y el nivel de colesterol
entre los pacientes de un centro de salud. Se disea un estudio piloto en el que se
determinar mediante una analtica el colesterol en una muestra aleatoria de los pacientes
durante un periodo de tiempo prefijado, de los que tambin se registrar su edad. Se
obtiene un valor del coeficiente de correlacin lineal de Pearson entre la edad y el
colesterol de r=0,3. Aplicando las frmulas, con un NIVEL DE CONFIANZA del 95% (error
=5%) y un PODER ESTADSTICO del 80% (error =20%), se obtiene:
En este caso, se necesitara incluir a 85

pacientes para llevar a cabo el estudio.
Si, adems, en este ltimo caso se prev un 20% de posibles prdidas de informacin
durante la ejecucin del estudio, el tamao muestral se recalcular segn la expresin:
Es decir, se necesitara una muestra
de 107 pacientes para llevar a cabo la
investigacin.
Prtegas Daz S, Pita Fernndez S. Determinacin del tamao muestral para calcular la significacin del
coeficiente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211.
Regresin lineal simple. Coeficiente de determinacin

Hemoglobina (g/dl)
0 11
r = - 0,84
1
10
r2 = 0,71
Y = 12,25 0,5708 * X
7
2 3 4 5 6 7 8 Creatinina (mg/dl)
Representacin grfica de los niveles de creatinina y hemoglobina en

50 pacientes con fallo renal crnico
Coeficiente de determinacin r2
- Indica el porcentaje de la variabilidad total de la variable dependiente o resultado
(Y) que puede ser explicada por la variable independiente o predictora (X)
- Se puede afirmar que el 71% de la variabilidad de las Hb (variable resultado) de

los 50 pacientes con IRC puede ser explicada por la distinta Cr de ellos ( r 2 =
0,71 ), resta por explicar un 29% que es achacable a otras variables predictoras
distintas de la Cr.
- Valores: -1 y 1
- El coeficiente de correlacin r de Pearson deca que la magnitud de la

asociacin entre la Hb y la Cr es del 84% (r=0,84) de la mxima posible.
Tipos de correlaciones: positivas (r > 0)

330 130
120
280 110
230 100
90
180 80
70
130 60
50
80 r=0,1 r=0,4
40
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200
100 100
90 90
80 80
70 70
60 60
50 50
40 r=0,8 40 r=0,99
30 30
140 150 160 170 180 190 200 140 150 160 170 180 190 200
1 = constante (+)
Tipos de correlaciones: negativas (r < 0)

90 80
80 70
70 60
60 50
50
40
40
30
30
20
20
10 r=-0,5 10 r=-0,7
0 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200
80 80
70 70
60 60
50 50
40 40
30 30
20 20
10 r=-0,95 10 r=-0,999
0 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200
1 = constante (-)
Limitaciones del coeficiente de correlacin de Pearson

Representacin grfica de la actividad de protrombina (INR) y la albmina srica en pacientes con hepatocarcinoma.
120
Protrombina (INR) = 25,1 + (14,4 * [Albmina])
100
= 14,4 (IC95%: 8,3-20,5)
Variable RESULTADO-RESPUESTA

80
PROTROMBINA
60
40
20
R2 = 0,16
0
1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,2 3,4 3,6 3,8 4,0
ALBMINA
Variable PREDICTORA
Solo con la variable predictora incluida en el modelo (ALBMINA srica) solo se puede explicar el 16% de
la variabilidad de la variable resultado (PROTROMBINA), queda por explicar un 84% de la variabilidad que
es achacable a otras variables predictoras distintas no incluidas.
Sangro B, Herraiz M, Martnez-Gonzlez MA et al. Prognosis of hepatocellular carcinoma in relation to

treatment: a multivariate analysis of 178 patiens from a single European institution, Surgery 1998; 124: 575-583.

El modelo (coeficiente ) indica 26,0

IMC = 23,5 + (0,03 * Horas sentada)
que por cada 10 horas que pasa
IMC (peso [Kg] / Talla 2 [m2])

25,5 R2 = 0,006
sentada una mujer a la semana

aumenta su peso en unos 800 25,0
gr. 24,5
24,0
Solo con la variable predictora 23,5
incluida en el modelo (horas 23,0
0 10 20 30 40 50 60 70 80
sentado) solo se puede explicar
el 0,6% de la variabilidad de la Horas sentado / semana (tiempo libre)
variable resultado (IMC), queda

Relacin entre el ndice de masa corporal (IMC) y las horas de estar sentado
por explicar un 99,4% de la a la semana en el tiempo libre.
variabilidad que es achacable Muestra representativa (n=7.926) mujeres de la Unin Europea
a otras variables predictoras Variable PREDICTORA-EXPOSICIN-posible CAUSA
distintas no includas. Variable cuantitativa continua
100
34
1 = 0
32
1 = 0
90 30
Indice de masa Corporal (IMC)

Glucemia (mg/dl)
28
80
26
24
70
22
60 20
10 20 30 40 50 60 70 80
10 20 30 40 50
Edad Edad
Dos nubes de puntos con la misma pendiente 1 de valor cero que muestran dos situaciones muy diferentes.
A la izquierda ausencia de relacin. A la derecha relacin NO lineal.
NO se puede emplear el coeficiente de correlacin de Pearson

Relacin y=a+b
1
cuadrtica X
y = a + b x2 Relacin
hiperblica
NO se puede emplear el coeficiente de correlacin de Pearson
Podemos encontrar cualquier tipo de funcin matemtica con claro apartamiento de la

linealidad.
Otros coeficientes de correlacin

- Cuando las variables en vez de ser numricas son ordinales, es posible
preguntarse sobre si hay algn tipo de correlacin entre ellas?.
- Disponemos para estos casos de tres test estadsticos:
- (ro) de Spearman
- (tau) de Kendall
- Coeficiente de asociacin ordinal de Goodman-Kruscall (coefiente
gamma)
- Son estadsticos anlogos al coeficiente de correlacin lineal de Pearson r,
que aparecen en estudios donde las variables cuantitativas no son continuas
y/o no siguen una distribucin normal.
- El coeficiente de correlacin de Spearman es recomendable utilizarlo
cuando los datos presentan valores externos ya que dichos valores afectan
mucho el coeficiente de correlacin de Pearson, o ante distribuciones NO
normales.
n
6 di2
rs = 1 i =1
n ( n 2 1)
Coeficientes de correlacin
PEARSON SPEARMAN
- Ambas variables deben seguir - No requiere supuestos previos

la distribucin NORMAL de normalidad
- Slo detecta asociaciones
lineales - Detecta asociaciones distintas
- Las observaciones han de ser de la lineal
independientes
- Es un mtodo no paramtrico
pero permite la construccin de
intervalos de confianza
- Estima el grado de asociacin

de cualquier tipo con
independencia de la funcin
matemtica que relaciona ambas
variables
Coeficiente de correlacin de Spearman

Pregunta de investigacin: Existe relacin entre la intensidad del
estudio y el rendimiento acadmico en el examen?
N del Horas N
Nmero de respuestas correctas

Alumno de respuestas
estudio correctas 20
(X) (Y)
15 r = 0.976 p< 0.001

1 5 6
2 9 16
3 17 18 10
4 1 1
5 2 3 5
6 21 21
7 3 7 0
8 29 20
9 7 15 10 30 50 70 90
10 100 22 Nmero de horas de estudio
He observado que el individuo n 20 se aparta bastante de la tendencia del

grupo. De hecho si se eliminara se podra considerar una supuesta relacin
lineal.
Ests seguro que ese dato n 10 es correcto?Est bien tomado? Cmo

ests seguro de que ese individuo ha estudiado 100 horas? Qu medidas
has tomado para considerar la credibilidad de la variable predictora (horas de
estudio)?
No podra considerarse a ese individuo n 10 como un perifrico o
OUTLIER?


CUALITATIVA policotmica CUANTITATIVA
Anlisis de la varianza para un factor (ANOVA):

Condiciones de aplicacin
- Tipos de variables
- Variable resultado: Cuantitativa numrica
- Variable predictora: Cualitativa policotmicas
- Normalidad: Variable resultado siga una distribucin normal o de gauss.
- Homogeneidad de las varianzas (homocedasticidad): Las varianzas de cada

grupo deben ser iguales
- Test de Barttlet
- Test de Levene
Test de la t de Student
Anlisis de la varianza para un factor
Variables PREDICTORAS Variable RESULTADO
Distribucin ANORMAL
Tienen la misma eficacia las dietas ensayadas para reducir
el nivel de colesterol-LDL?

CUALITATIVA policotmica CUANTITATIVA continua
Tipos de dieta LDL- colesterol
- Dieta control
- Dieta moderada
- Dieta estricta


Variaciones en los niveles de colesterol-LDL (mg/dl) a los 6 meses de
seguimiento en 3 grupos de voluntarios asignados a diferentes medidas de
intervencin diettica.
Grupo Control Dieta moderada Dieta estricta

+ 13 -4 0
+ 10 -8 - 12
+2 -9 - 15
-2 - 10 - 21
-8 - 20
N=5 N=5 N=4
Media = + 3 Media = - 10,2 Media = - 12
N = 14 Media total = - 6
Hiptesis nula: 1 = 2 = 3 = = n
Hiptesis alternativa: al menos una de las medias x es distinta
EFECTO debido a la dieta Varianza entre grupos (EFECTO)

=
Dispersin debido a la dieta al AZAR (error) Varianza residual (ERROR)
Varianza entre grupos (EFECTO) 318,6

F= = = 5,2
Varianza residual (ERROR) 61,0

Cambio en los niveles de colesterol-LDL (mg/dl) a los 6 meses de

15
tratamiento de intervencin diettica en 3 grupos de voluntarios

10
asignados a diferentes dietas

0
-5
Cambio de el LDL (mg/dl)
- 10
-15
- 20
- 25 Control Moderada Estricta
Cul es la intervencin diettica que ms reduce los niveles de colesterol-LDL?


Anlisis de la Varianza para un factor
t calculada < t tabulada Varianza entre grupos (EFECTO) 318,6 t calculada > t tabulada
F= = = 5,2
p > 0,05 Varianza residual (ERROR) 61,0 p < 0,05
Hiptesis nula H0 Hiptesis alternativa Ha
El cambio en el nivel de cLDL es Las medias del cLDL de los

independiente de la intervencin distintos grupos son diferentes
diettica entre s, es decir NO pueden
considerarse iguales
Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
NO
Cul es la intervencin diettica que ms reduce los niveles de colesterol-LDL?

?
Cul es la intervencin diettica que ms reduce los niveles

de colesterol-LDL?
Se comparan los
Procedimiento de SCHEFFE grupos de 2 en 2
Se comparan los
Procedimiento de BONFERRONI grupos de 2 en 2
Se comparan los
Mtodo de DUNNET grupos de 2 en 2
Se comparan los
Mtodo de TUKEY grupos de 2 en 2
Se comparan los
Mtodo de DUCAN grupos de 2 en 2
Mtodo de STUDENT- Se obtienen

intervalos de medias
NEWMAN-KEULS
ANOVA es un test paramtrico, es decir para usarlo se debe cumplir la

normalidad de la variable cuantitativa. Se cumple?
He observado que en los tres grupos de estudio solo tienen 5 sujetos. Ante
tan bajo volumen muestral, Cmo justificas esa supuesta normalidad?Que
test has empleado para comprobar esa normalidad de la reduccin del LDL?
Ests seguro que se cumplen los criterios para poder usar ANOVA?
El objetivo del ANOVA es comparar los diversos valores medios para

determinar si alguno de ellos difiere significativamente del resto.
Como Fcal (10,30) > Ftab (2,79), en este caso se podra concluir que al
menos uno de los laboratorios el resultado de su media difiere de forma
estadsticamente significativa del resto de laboratorios.
ANOVA no indica cuntos laboratorios difieren ni cules son.
Anlisis de la varianza para un factor:

Ejemplo
Comparacin de 5 laboratorios que analizan n veces con el mismo
procedimiento la concentracin de Pb en una misma muestra de agua de ro.
Observando los valores medios todo parece indicar que existen diferencias
entre los laboratorios. Ahora bien, son dichas diferencias significativas?
El peso al nacer de los RN difiere segn la localidad
de origen?

Ciudad de origen Peso del RN
1. Ceuta
2. Algeciras
3. Tarifa
4. La Lnea

Hiptesis nula Ho: El peso al nacer de los RN NO difiere segn la localidad de

origen.
Hiptesis alternativa Ha: El peso al nacer de los RN difiere segn la localidad
de origen.
Estadsticos Peso al nacer del RN

Localidad de origen Ceuta Algeciras Tarifa La Lnea
Media 3366,2 3217,2 3188,4 3169,0
Desviacin estndar (S) 393,0 444,1 471,5 361,4
n 1146 214 80 186
Varianza entre grupos (EFECTO)

F= = 21,3
Varianza residual (ERROR)
Distribucin normal tipificada (Z)
El ANOVA para un factor para poblaciones con alto tamao muestral

presenta una distribucin muy similar a la distribucin normal tipificada Z.
El test ANOVA es una pruebas BILATERALES, y por tanto NO especifica

la direccin de la diferencia.
Nivel de significacin
estadstica = 0,05 F calculada = 21,3
Z 1- /2 Z 1- /2
- 3,23 3,23
F tabulado = 3,23 para los grados de libertad de la muestra
Peso del RN Suma de gl Media cuadrtica F Significacin

cuadrados
Inter-grupos 10290751 3 3430250,3 21,351 0,000
Intra-grupos 260596358 1622 160663,599
Total 270887109 1625
F calculada= 21,3 > F tabulado = 3,23; p < 0,001
Hiptesis alternativa Ha: El peso al nacer de los RN difiere segn la localidad

de origen.
Cul es la ciudad donde los nios nacen con mayor peso?

Ciudad de origen Peso del RN
1. Ceuta
2. Algeciras
3. Tarifa
4. La Lnea

Pruebas Post Hoc
Se comparan los
Procedimiento de SCHEFFE grupos de 2 en 2
Se comparan los
Procedimiento de BONFERRONI grupos de 2 en 2
Se comparan los
Mtodo de DUNNET grupos de 2 en 2
Se comparan los
Mtodo de TUKEY grupos de 2 en 2
Se comparan los
Mtodo de DUCAN grupos de 2 en 2
Mtodo de STUDENT- Se obtienen

intervalos de medias
NEWMAN-KEULS
Pruebas Post Hoc
Hiptesis nula Ho: Los RN que nacen en Ceuta tiene un peso medio similar
al resto de los RN de las otras ciudades.
Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso
medio que el resto de las ciudades.
Ciudades Ceuta Algeciras Tarifa La Lnea
Ceuta Ho = Ho = Ho =
Ha Ha Ha
Algeciras Ho = Ho =
Ha Ha
Tarifa Ho =
Ha
La Lnea
Procedimiento de Scheffe
Ciudad (I) Ciudad (J) Diferencias de Error estndar Significacin

medias (I J)
Ceuta Algeciras 148.92 29,85 0,000
Tarifa 177,79 46,35 0,002
La Lnea 197,13 31,69 0,000
Algeciras Ceuta - 148,92 29,85 0,000
Tarifa 28,87 52,53 0,960
La Lnea 48,21 40,18 0,696
Tarifa Ceuta - 177,79 46,35 0,002
Algeciras - 28,87 52,53 0,960
La lnea 19,34 53,59 0,988
La Lnea Ceuta - 197,13 31,69 0,000
- 48,21 40,18 0,696
Tarifa - 19,92 53,59 0,988
Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso medio que el resto de las ciudades.
Procedimiento de Bonferroni
Ciudad (I) Ciudad (J) Diferencias de Error estndar Significacin

medias (I J)
Ceuta Algeciras 148.92 29,85 0,000
Tarifa 177,79 46,35 0,001
La Lnea 197,13 31,69 0,000
Algeciras Ceuta - 148,92 29,85 0,000
Tarifa 28,87 52,53 1,000
La Lnea 48,21 40,18 1,000
Tarifa Ceuta - 177,79 46,35 0,001
Algeciras - 28,87 52,53 1,000
La lnea 19,34 53,59 1,000
La Lnea Ceuta - 197,13 31,69 0,000
- 48,21 40,18 1,000
Tarifa - 19,92 53,59 1,000
Procedimiento de Duncan
Procedencia Subconjunto para alfa

= 0,05
Test de Duncan Ciudad N 1 2 (Ceuta)
La Lnea 186 3169,03
Tarifa 80 3188,38
Algeciras 214 3217,24
Ceuta 1146 3366,16 0,960
Significacin 0,298 1,000
La prueba de Kruskal-Wallis para comparar ms

de dos grupos
- La prueba de Kruskal-Wallis, es una alternativa a la prueba F del anlisis
de varianza (ANOVA) para diseos de clasificacin simple donde NO se
cumple la normalidad de la variable cuantitativa.
- En este caso se comparan varios grupos de la variable predictora

(cualitativa POLICOTMICA) pero usando la MEDIANA de cada uno de
ellos, en lugar de las medias.
Ho: La mediana de las k poblaciones consideradas son iguales y

Ha: Al menos una de las poblaciones tiene mediana distinta a las otras.
12 k
Ri2
H= 3(n + 1)
n(n + 1) i =1 ni
donde, n es el total de datos.

Test de Kruskal-Wallis
VENTAJAS INCONVENIENTES
Permite datos ordinales y cuantitativos discretos Menor potencia estadstica
No es necesaria la normalidad Menor sensibilidad para detectar diferencias entre

(test no paramtrico) grupos
El tamao muestral puede ser pequeo No permite construir intervalos de confianza
Anova de 2 factores
Variable
Predictora 1
Causa o Factor 1: Cualitativa
Variable RESULTADO
Interaccin Desenlace o efecto:

Cuantitativa
Variable
Predictora 2
Causa o Factor 2: Cualitativa

Anova de 2 factores
Factor 1:
Variable predictora 1
F= 7,49 p<0,01
Grupo cultural
Variable RESULTADO
Cuantitativa
F= 1,09 p<0,01
Peso del RN
Factor 2:
Tabaquismo materno F= 0,59 N.S

Anlisis de la varianza (ANOVA) de dos factores

Variable dependiente cuantitativa: Peso del RN
Factor 1 cualitativa: Grupo cultural
Factor 2 cualitativa: Tabaquismo materno
Estudio de la variable resultado peso del RN. Efecto de las variables predictoras grupo cultural y hbito de
tabaquismo en las madres.
Factor Varianza F Significacin
Grupo cultural 3,2631 7,49 p < 0,01
Tabaquismo 2,5776 0,59 N.S
Interaccin (*) 4,7592 1,09 p < 0,01
(*) Test ANOVA de dos factores
Las diferencias en el peso de los RN se mantuvieron slo dependientes del grupo cultural
o de la interaccin de
ambos factores, pero no del hbito de fumar. A ello pudo contribuir el bajo nmero de
madres musulmanas fumadoras.
Anova de 2 factores
Factor 1:
F= 3,67 p<0,01
Grupo cultural
Variable RESULTADO
Cuantitativa
F= 0,34 N.S
Desenlace o efecto:
VCM
Factor 2:
Tipo de lactancia F= 1,03 p<0,01

Anlisis de la varianza (ANOVA) de dos factores

Variable dependiente o resultado cuantitativa: VCM
Factor 1 cualitativa (variable predictora principal): Grupo cultural
Factor 2 cualitativa (variable predictora secundaria): Tipo de lactancia
Estudio de la variable resultado VCM en lactantes. Efecto de las variables predictoras grupo cultural y tipo
de lactancia.
Factor Varianza F Significacin
Grupo cultural 6,0017 3,673 p < 0,01
Lactancia 1,6904 1,034 p < 0,01
Interaccin (*) 0,5579 0,341 N.S
(*) Test ANOVA de dos factores
Las diferencias en el VCM (microcitosis) se mantuvieron dependientes tanto del grupo

cultural como del tipo de lactancia, pero no de la interaccin de ambas variables.
Qu relacin existe entre los niveles de colesterol-LDL en
sangre y la probabilidad de padecer un IAM?

CUANTITATIVA continua CUALITATIVA dicotmica
Niveles colesterol-LDL IAM

Qu relacin existe entre los niveles de alcoholemia y la
probabilidad de tener un accidente de trfico?

Niveles de Alcoholemia Accidente de trfico

Qu relacin existe entre la ingesta crnica de alcohol y la
probabilidad de desarrollar cncer de esfago?

Ingesta crnica de alcohol Cncer de esfago

Qu relacin existe entre la edad gestacional y la
probabilidad de muerte del recin nacido?

Edad gestacional Muerte del RN

- Variable RESULTADO: Dicotmica
- Variable PREDICTORA:
Cuantitativa
Categrica
Variables PREDICTORAS Variable

RESULTADO Menor potencia estadstica
Alcoholemia Accidente de trfico
Ingesta de alcohol Cncer de esfago
Colesterolemia IAM
Edad gestacional Muerte del RN
Qu relacin existe entre la edad gestacional y la
probabilidad de muerte del recin nacido?
Estudio caso-control realizado por Brand et al con 410 RN de edad
gestacional entre 24-29 semanas.

Edad gestacional Probabilidad de morir
Anlisis de Regresin Logstica Simple



Qu relacin existe entre la edad gestacional y la probabilidad de muerte
del recin nacido?
Variable PREDICTORA Edad gestacional

Edad gestacional Semanas 24 25 26 27 28 29 Total
Vivo 3 16 38 49 45 30 181
Muerto 26 56 69 50 21 7 229
Variable RESULTADO
Riesgo de muerte del RN
Estimaciones de los parmetros del modelo logstico

propuesto para los datos anteriores
Creatinina - 0,6819 0,08908
P = probabilidad que muera un RN
Regresin logstica. Coeficiente de regresin logstica 1

Existe relacin entre la probabilidad de muerte neonatal (Variable Resultado) y la edad
gestacional (Variable Predictora) en los RN de 24-29 semanas?
Z Valor Estimaciones de los parmetros del

Z95% 1,96 95% modelo logstico propuesto para los datos
anteriores
Z99% 2,56 99%
Z99,5% 3,29 99,5% Variable Estimacin Error estndar
Creatinina - 0,6819 0,08908
1 0,6819
= = 7,65 > Z95%
EE1 0,08908
Podemos decir con error inferior al 5% que existe asociacin entre la mortalidad de los RN
prematuros y su edad gestacional en el rango estudiado.

Estimaciones de los parmetros del
modelo logstico propuesto para los datos
anteriores

Constante 18,36 2,375 1/OR = 1,98
Creatinina - 0,6819 0,08908 Un RN presenta casi 2 veces mas riesgo de
morir que otro RN con una semana ms
20
OR = 0,506
1 = - 0,6819 Es el riesgo de morir de un RN respecto
10
a otro que tiene una semana menos
Logit
- 10
Cul es el riesgo de morir de un RN
con 25 semanas en relacin a otro de 29
24 25 26 27 28 29 semanas?
Edad gestacional (semanas)
Representacin grfica de los logits en las diferentes edades OR = e1 (X1-X2)
gestacionales estudiadas
OR = e -0,6819 (25-29) = 15,30

PREDICTORA o Cualitativa nominal Cualitativa nomi- Cualitativa ordinal o Cuantitativa
Independiente (factor dos nal > 2 Cuantitativa NO paramtrica
Cualitativa dos Chi cuadrado Chi cuadrado U de Mann-Whitney T de Student
grupos Z comparacin de (prueba de Welch)
independientes proporciones
Cualitativa dos Test de McNemar Q de Cochran Prueba de los rangos T de Student
grupos de Wilcoxon para datos
apareados emparejados

Cuantitativa Regresin logstica Regresin logs- Correlacin de Regresin lineal
tica Sperman Correlacin de Pearson
Tau de Kendall
Bioestadstica. Medidas de concordancia
- Fiabilidad de los procedimientos de medida empleados.
- Fleis: ni el mas elegante de los diseos seria capaz de paliar el dao

causado por un sistema de medida poco fiable.
- Error de medida: Variabilidad entre observadores.
- Estudios de fiabilidad.
- Sesgo entre observadores.
- Concordancia entre observadores.
- Indicadores del grado de variabilidad.

- Coeficiente de correlacin intraclase (variables cuantitativas).
- ndice de Kappa (variables cualitativas tipo categricos).
Anlisis de concordancia
- VARIABLES CUALITATIVAS
- ndice kappa
- VARIABLES CUANTITATIVAS
- ANOVA
- Anlisis de las diferencias individuales (Bland y Altman)
ndice Kappa (medida dicotmica)
OBSERVADOR A OBSERVADOR B TOTAL

( 1 medicin) ( 2 medicin)
Anormal (+) Normal (-)
Anormal (+) a b a+b
Normal (-) c d c+d
Total a+c b+d N

Tienen los dos radilogos de mi servicio el mismo
criterio-juicio clnico para informar las radiografas?
Radilogo 2
Radilogo 1 Anormal Dudosa Normal
Anormal 18 4 3
Dudosa 1 10 5
Normal 2 4 53
Se enfrenta ambos radilogos a la tarea de categorizar una misma muestra

de 100 radiografas mediante la escala: anormal, dudosa, normal.
Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice Kappa. Cad Aten
Primaria 1999; 6: 169-171.
ndice de Kappa
k = 0 cuando la concordancia observada es la que se espera a causa del azar

k > 0 cuando la concordancia es mayor de la esperada solo por el azar
Valoracin del ndice Kappa

Valor de k Fuerza de concordancia
< 0,20 Pobre
0,21 0,40 Dbil
0,41 0,60 Moderada
0,61 0,80 Buena
0,81 1,00 Muy buena
Con los datos de la tabla se obtiene aplicando esta frmula un valor de k =

0.660 (IC95%: 0.527-0.793), que segn la clasificacin anterior calificaramos
como una buena concordancia.
Podemos sustituir en instrumento clsico analgico por el
nuevo sistema digital para la medida de la tensin arterial?
Sistema analgico Sistema digital
Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis de concordancia
para variables numricas. Cad Aten Primaria 2004.
Medidas de tensin arterial sistlica en un grupo de 30 pacientes mediante

dos mtodos de medicin (tradicional y automatizado)
Mtodo digital
Mtodo analgico
Coeficiente de correlacin lineal de Pearson r = 0,997
Se representan los datos de un estudio en el que se tom la tensin arterial sistlica

en 30 pacientes utilizando dos mtodos diferentes. Se representan grficamente estos
datos, indicando el coeficiente de correlacin lineal de Peason r=0,997 una asociacin
prcticamente lineal.
Coeficiente de correlacin intraclase

Medidas de tensin arterial sistlica en un grupo de 30 pacientes mediante
dos mtodos de medicin (tradicional y automatizado)
Mtodo digital
Mtodo analgico
Coeficiente de correlacin lineal de Pearson r = 0,997
Para variables cuantitativas, es frecuente que el anlisis de la concordancia entre dos

medidas de la misma variable se realice ERRNEAMENTE mediante el clculo del
coeficiente de correlacin de lineal (r) de Pearson como ndice de concordancia.
Porqu has elegido el coeficiente de correlacin de Pearson?.Se cumplen

todos los requisitos para poder utilizarlo?Te permite ese test decir que los
resultados son intercambiables entre ambos instrumentos de medida?
El coeficiente de correlacin de lineal (r) de Pearson NO resulta una medida

adecuada del grado de acuerdo o concordancia entre dos mediciones de
un mismo parmetro (presin arterial), ya que si dos instrumentos miden
sistemticamente cantidades diferentes uno del otro, la correlacin puede ser
perfecta (r 1), a pesar de que la concordancia sea nula.
El coeficiente de correlacin r de Pearson deca que la magnitud de la

asociacin de la medida de la presin arterial entre el mtodo manual A y el
mtodo digital B es del 99,7 (r=0,997) de la mxima posible.
- Los valores del CCI pueden oscilar entre 0 y 1, de modo que la mxima
concordancia posible corresponde a un valor de CCI=1.
- Cuando el valor CCI=0 se obtiene cuando la concordancia observada es

igual a la que se esperara que ocurriera slo por AZAR. En este caso la
variabilidad observada se explicara por las discrepancias entre los mtodos
de medicin o de los diferentes criterios utilizados por los observadores en
el experimento.
CORRELACIN CONCORDANCIA

Ejemplo
- En este caso CCI=0.991, casi toda la variabilidad observada no depende

de las diferencias en los mtodos de medicin empleados o los diferentes
observadores (tan solo el 0,9%).
- Es decir, solo el 0,9% de la variabilidad observada es debida a las

discrepancias o diferencias entre los mtodos de medicin o por el diferente
criterios utilizados por los observadores.
Sistema analgico Sistema digital
Valoracin del coeficiente de correlacin intraclase
- Presentar informacin esencial de tipo repetitivo en una forma fcilmente

visible y comprensible.
- Mostrar frecuencias, relaciones, contrastes, variaciones y tendencias

mediante la presentacin ordenada de la informacin.
- Complementar (no duplicar) lo descrito en el texto.
Valoracin de la concordancia segn los

valores de Coeficiente de Correlacin
Intraclase (CCI)
CCI Fuerza de concordancia
> 0,90 Muy buena
0,71 - 0,90 Buena
0,51 - 0,70 Moderada
0,31 - 0,50 Mediocre
< 0,30 Mala o nula
Limitaciones del coeficiente de correlacin intraclase
A pesar de ser la medida de concordancia ms adecuada para el caso de

variables NUMRICAS, el CCI presenta ciertas limitaciones:
1. A la hora de interpretar los valores del CCI, la clasificacin de la tabla 5 es

subjetiva.
2. Dificultad inherente a su clculo.
3. Se trata de una prueba PARAMTRICA, por lo que limita su uso a:
- variables distribuidas segn una normal.
- igualdad de varianzas.
- independencia entre los errores de cada observador.
4. El CCI depende en gran medida de la variabilidad de los valores
observados: cuanto ms homognea sea la muestra estudiada, ms bajo
tender a ser el valor del CCI.
5. Lo que ms ha limitado la difusin del uso del CCI en la literatura mdica
es la carencia de interpretacin clnica completamente objetiva.
Captulo 7

Bioestadstica:
Anlisis Multivariante.
Material y mtodos.



Anlisis multivariante
Anlisis multivariante para la deteccin de potenciales factores de
confusin
Variable Predictora 1
Variable Resultado
Variable Predictora n
REGRESIN LINEAL REGRESIN LOGSTICA

MLTIPLE MULTIVARIANTE
Variable Cuantitativa Cualitativa
RESULTADO (dicotmica)
Variables Cualitativa Cualitativa

PREDICTORAS Cuantitativa Cuantitativa
ECUACIN
Regresin logstica multivariante
Es un modelo de regresin que permite estudiar si una variable resultado

de tipo cualitativa nominal depende, o no, de otras variables predictoras. La
naturaleza de las variable predictoras puede ser:
- Categrica DICOTMICA, es decir, solo puede admitir dos posibles

resultados.
- CUANTITATIVA (discreta o continua).

Variable Resultado
Variable Predictora 5 Cualitativa dicotmica
Ejemplos de posibles modelos de regresin logstica
Variable RESULTADO Variables PREDICTORAS
Curacin (si/no) tratamiento aplicado

grado de cumplimiento
gnero
comorbilidad
HTA (si/no) ingesta de sal

antecedentes familiares
edad
Morir por cncer de mama grado del tumor

edad
tipo histolgico
receptores hormonales
RN de bajo peso HTA, edad, tabaquismo, peso materno,

raza, complicaciones obsttricas
Aplicacin de los modelos de regresin logstica
- En ENSAYOS CLNICOS en los que se evala un evento o resultado en

relacin a uno o ms factores etiolgicos, predictores o asociados (RR).
- En estudios de COHORTES en los que se evala un evento o resultado en

relacin a uno o ms factores de riesgo (etiolgicos, predictores o asociados)
(RR).
- En estudios de CASOS Y CONTROLES en los que se evalan diferentes

factores en cada grupo, para encontrar asociaciones entre ellos y la
enfermedad o caso (OR).
- En estudios TRANSVERSALES en los que se evalan diferentes variables

predictoras (factores de riesgo), para encontrar asociaciones entre ellas y la
enfermedad en estudio (variable resultado).
Objetivos de los modelos de regresin logstica
1. ESTIMAR la relacin entre una o mas variables predictoras con la variable

resultado
- Estudios etiolgicos
- Confusin e interaccin
2. PREDECIR lo mejor posible la variable RESULTADO o respuesta, usando

la combinacin ms eficiente de las variables PREDICTORAS incluidas en el
estudio.
Caractersticas de los modelos de regresin logstica

multivariante
- La variable RESULTADO es siempre cualitativa discreta

Si = 1
No = 0
- Las variables PREDICTORAS del modelo puede ser
Continuas
Discretas
- La ecuacin inicial del modelo NO es una funcin lineal, sino
EXPONENCIAL, si bien una sencilla transformacin logartmica (LOGIT) la
convierte finalmente en una funcin lineal, que sigue la ecuacin de la recta
cuyas pendientes son los distintos coeficientes de regresin i
Anlisis de regresin logstica mltiple

Ventajas de los modelos de regresin logstica multivariante

(1)
1. Es un modelo til en muchas circunstancias de investigacin en medicina...

- En las que se quiere analizar o predecir una respuesta dicotmica de la
variable resultado
Enfermo / sano
Vive / muere
Presente / ausente
Positivo / negativo
- En funcin de su perfil de variables predictoras o factores de riesgo, que
pueden ser
cualitativas: gnero, sexo, grupo cultural, estado civil, nivel de estudios,
nivel socioeconmico,...
cuantitativas: edad, n de cigarrillos, IMC, colesterol, TAS,...

(2)
2. Es la mejor aproximacin a la realidad biolgica, ya que la influencia

de una variable predictora o factor de riesgo sobre la probabilidad de
que aparezca una enfermedad (variable resultado) suele asemejarse
ms a una curva sigmoidea (funcin exponencial) que a una recta.
La curva sigmoidal es la representacin habitual de una respuesta a
diferentes dosis de un estmulo.
Probabilidad de Y
enfermedad
coronaria
X1
Factor de riesgo: cLDL

(3)
3. El modelo matemtico del modelo permite obtener directamente la ODDS

RATIO (OR) o el RIESGO RELATIVO (RR) para cada factor de riesgo o
variable PREDICTORA incluida en el modelo. El coeficiente i de cada
variable predictora obtenido por regresin logstica es el logaritmo neperiano
de la OR o del RR del factor de riesgo.
OR OR1 = e 1
RR RR1 = e 1
Funciones de los modelos de regresin logstica

multivariante
1. CUANTIFICAR la relacin existente entre las distintas variables predictoras

incluidas en el modelo y la variable resultado (respuesta).
2. CONTROLAR Y AJUSTAR aquellas variables predictoras que actan como
potenciales FACTORES MODIFICADORES de EFECTO, especialmente los
FACTORES de CONFUSIN
3. PREDECIR LA RESPUESTA de la variable resultado en funcin de las
variables predictoras o factores de riesgo, clasificando a los individuos en
una de las dos posibles respuestas en funcin de la probabilidad que arroje
su perfil de variables predictoras incluidas en el modelo de regresin logstica
multivariante.
Variables explicativas o predictoras en el modelo de

regresin logstica
Variables CUALITATIVAS Variables CUANTITATIVAS
El modelo asume estimaciones basa- La OR y el RR son medidas que cuan-

das en variables continuas tifican el cambio en el riesgo cuando se
pasa de un valor del factor a otro
Las variables cualitativas deben ser Este aumento o disminucin del riesgo es
modeladas en 2 categoras (0,1) o lineal y proporcional al cambio
transformadas en tantas variables
dicotmicas como categoras (varia-
bles DUMMY)
Regresin logstica:
Estimacin de coeficientes i
0, 1, 2,.., n son los coeficientes de regresin logstica del modelo

- 0 es el trmino independiente (o constant en SPSS)
- El resto de las i son los coeficientes de regresin logstica para las
diferentes variables predictoras incluidas en le modelo
- La evidencia de relacin entre una variable predictora y la variable
resultado es la existencia de un coeficiente de regresin logstica
significativamente diferente a cero i 0
- El signo de i tiene un significado importante porque
- Si es positivo (i > 0) significa que esa variable predictora AUMENTA la
PROBABILIDAD del suceso (variable resultado o respuesta) que estamos
analizando.
- Si es negativo (i < 0) su clculo se lleva a cabo mediante la FUNCIN
DE MXIMA VEROSIMILITUD.
Regresin logstica:
Definicin de las hiptesis nula Ho y alternativa Ha
- La hiptesis conceptual es que una o varias variables predictoras influyen

significativamente en la probabilidad del suceso en estudio (que la variable
predictora tome un valor u otro)
- Las hiptesis operativas se reducen al contraste de los diferentes

coeficientes i obtenidos en el anlisis de los datos como estimadores de las
variables predictoras de inters
As, cuando solo hay una variable predictora X1
H0 1 = 0
Ha 1 0
- Hay varios procedimientos para llevar a cabo este contraste.

Regresin logstica:
Procedimientos para evaluar el contraste de hiptesis
1. Evaluacin estadstica del coeficiente i

2. Evaluacin estadstica de WALD
- El estadstico de WALD es el resultado de dividir el cuadrado del coeficiente
de regresin logstica i por el cuadrado de su error estndar EEi
3. Evaluacin estadstica de la razn de verosimilitud (L0)
4. Evaluacin estadstica del cambio del estadstico -2LL0
- Este estadstico resulta ser menor de dos veces el logaritmo neperiano de la
razn de verosimilitud (L0)
5. Evaluacin del estadstico Z2, (Goodness of Fit)
1. Evaluacin estadstica del coeficiente i
- El coeficiente de regresin logstica i de la variable predictora i debe

ser estadsticamente distinto de cero i 0 para que esta tenga influencia
significativa sobre la variable resultado.
- La hiptesis H0 ser que... i = 0
- La hiptesis Ha ser que... i 0
- Para tener en cuenta el error aleatorio (EEi) con que el coeficiente

i (obtenido en la regresin logstica) estima al coeficiente de regresin
poblacional n se lleva a cabo un contraste a travs del estadstico t
de Student con un nmero de grados de libertad igual al nmero de
individuos de la muestra (N) menos el nmero de variables predictoras (n)
introducidas en el modelo.
Interpretacin del coeficiente de regresin logstica i
- Si su signo es positivo (i > 0), la probabilidad de que se d o aparezca la

caracterstica de la variable predictora aumentar segn aumente el valor de
xn (la variable resultado a quien afecta)
- Si i 0 es significativamente distinta de cero (test de contraste de hiptesis

p < 0,05), la variable predictora i influye significativamente en la probabilidad
de que se d o aparezca la caracterstica de la variable resultado, y el modelo
logstico tiene sentido
2. Evaluacin estadstica de Wald
El estadstico de Wald (W) es tambin muy utilizado para evaluar la

significacin estadstica del modelo de regresin logstica multivariante.
El estadstico W se obtiene dividiendo el cuadrado de i por el cuadrado del

error estndar de i
El estadstico de Wald se distribuye segn una CHI CUADRADO.
La hiptesis a contrastar son las mismas que en el caso anterior

La hiptesis H0 ser que... W = 0
La hiptesis Ha ser que... W 0
Evaluacin del modelo de Regresin logstica multivariante mediante el programa estadstico SPSS
ESTADSTICO HIPTESIS NULA CONTRASTE SIGNIFICACIN
i i = 0 t de Student p < 0,05
Wald i = 0 CHI CUADRADO p < 0,05
(i)2 / (EEi)2
- 2 Log Likelihood L=1 CHI CUADRADO Si rechaza la hiptesis
(-2LL) con n-k-1 grados de nula
(-2LL) = 0 libertad (p < 0,05) significa que el
ajuste perfecto modelo de regresin no
es significativo
Improvement (-2LLK-1) - (-2LLK ) CHI CUADRADO p < 0,05
o cambio en la razn con k grados de
de verosimilitud en libertad
cada paso
Z2 Z2 0 CHI CUADRADO Si se rechaza la
(Goodness of Fit) hiptesis nula
(p < 0,05) significa que el
modelo de regresin no
es significativo
Model Chi- Square (-2LL0) - (-2LLK ) CHI CUADRADO p < 0,05
con k grados de
libertad
- Qu relacin existe entre diversas posibles variables predictoras y la probabilidad de
muerte del recin nacido de bajo peso?
- Estudio de COHORTES realizado por Horbar et al (1993) con 3603 RN de peso entre
501-1500 g (2 aos de seguimiento).
Variable Predictora 1 Anlisis Multivariante

Variable Resultado
Variable Predictora 5 Probabilidad de morir
Estudio de cohortes prospectivo de Recin Nacidos
Variable RESULTADO-
Factores de Riesgo RESPUESTA-posible EFECTO
Variables predictoras Variable dependiente
Variable cualitativa dicotmica
Muertos por otras

causas Fallecimientos
3603 RN de peso
comprendido
entre 501 y 1500 g
Sobrevivientes
Prdidas de
seguimiento
Seguimiento mediana 2 aos
Estudio de cohortes prospectivo de Recin Nacidos

Objetivo: Evaluar el riesgo de muerte en RN de bajo peso (entre 501 1500 g)
Variable resultado: Fallecimiento del RN (dicotmica)
Variable predictora [1]: peso en gramos del RN

Variable predictora [2]: Tamao segn edad gestacional
Variable predictora [3]: Raza
Variable predictora [4]: Sexo
Variable predictora [5]: tipo de parto (vaginal/cesrea)
Variable predictora [6]: presentacin del parto
Variable predictora [7]: ndice del Apgar al minuto
Variable predictora [8]: Presencia o no de complicaciones maternas (diabetes melitus,
eclampsia, hipertensin o hemorragia) antes del parto
Anlisis de regresin logstica mltiple

Estimacin del modelo para predecir la mortalidad en recin nacidos con
pesos entre 501 y 1500 gramos
Variables predictoras 2,606
Constante t de Student 0,029
Peso (en gr/100) - 0,422 0,157
BPSEG - 0,491 0,145
Raza - 0,450 p < 0,05
Sexo 0,656 0,131
Apgar 0,971 0,131
Tipos de variables del estudio Horbar et al

Variable resultado (cualitativa dicotmica):
- Muerte = 1
- Sobrevivi = 0
1. Variable predictora 1: Peso del RN (gramos/100)
2. Variable predictora 2: Bajo peso segn la edad gestacional (BPSEG).
- Peso inferior al P10 para su edad gestacional = 1
- Peso igual o superior al P10 para su edad gestacional = 0
3. Variable predictora 3: RAZA
- Raza negra = 1
- Raza blanca = 0
4. Variable predictora 4: SEXO
- Hombre = 1
- Mujer = 0
5. Variable predictora 5: Indice de APGAR
- Apgar =< 3 = 1
- Apgar > 3 = 0
Qu diferencia promedio de riesgo de morir existe entre

un RN A con 850 gramos y otro B con 1250 gramos
iguales para el resto de las variables predictoras ensayadas?
Variables i RN A RN B
predictoras
Peso en - 0,422 850 g [8,5] 1250 g [12,5]
gramos/100
RR
RR = e i (X a X b) Un RN A de 850 g de peso al nacer

presenta 5.4 veces ms riesgo de
morir que otro RN B de 1250 g a
(850/100 1250/100)
RR = e
-0,422 igualdad del resto de las variables
= 5.4 predictoras (Xi) incluidas en el
modelo.

un RN A con SFA (Apgar < 3) con respecto a otro RN B sin
SFA (Apgar > 3) con igualdad para el resto de las variables
predictoras?
Variables i RN A SFA (+) RN B SFA (-)
predictoras
APGAR (>3/<=3) 0,971 APGAR < 3 [1] APGAR > 3 [0]
[1/0]
RR
e i (X a X b) Los RN con SFA presenta 2,62

RR = veces ms riesgo de morir que los
RN sin SFA a igualdad del resto
0,971 (1 0)
e
de las variables predictoras (Xi)
RR = = 2,62 incluidas en el modelo.

un RN A nio con respecto a otro RN B nia con igualdad
para el resto de las variables predictoras incluidas en el
modelo?
Variables i RN A nio RN B nia
predictoras
SEXO (hombre/ 0,656 hombre [1] mujer [0]
mujer) [1/0]
RR
e (X X )
i a b
Los RN varones presentan 1,93
RR = veces ms riesgo de morir (un 93%)
que los RN mujeres a igualdad del
0,656 (1 0)
RR = e
resto de las variables predictoras
= 1,93 (Xi) incluidas en el modelo.

un RN N de raza negra con respecto a otro RN B de raza
blanca con igualdad para el resto de las variables predictoras?
Variables i RN N RN B
predictoras
Raza (>1/<=1) - 0,450 Negra [1] Blanco [0]
[1/0]
RR
Los RN de raza blanca estn a Los RN de raza negra presenta 0.64

RR = e i (X n X b)
1/0.64 = 1.56 veces (un 56%) ms
riesgo de morir que los RN de raza
veces ms riesgo de morir que los
RN de raza blanca a igualdad del
negra a igualdad del resto de las resto de las variables predictoras
(1 0)
RR = e -0,450 = 0.64
variables predictoras. incluidas en el modelo.

dos RN A y B con las siguientes caractersticas?
Variables predictoras i RN A RN B
Peso en gramos/100 - 0,422 1150 g [11,5] 1400 g [14,0]

Bajo peso para su edad - 0,491 BPPSEG [1] [0]
gestacional BPSEG [1/ 0]
Raza (>1/<=1) [1/0] - 0,450 Negra [1] Blanco [0]
Sexo (mujer/hombre) [1/ 0] 0,650 Nia [0] Nio [1]
Apgar (<=3/ >3) [1/ 0] 0,971 Apgar <=3 [1] Apgar >3 [0]
El RN A (nia negra) presenta un

RR 54% de riesgo de morir que el RN B
(nio blanco) segn el valor de las
variables predictoras incluidas en el
modelo.
Clculo de la probabilidad (P) de muerte individual
Variables predictoras RN A RN C
Peso en gramos/100 1150 g [11,5] 750 g [7,5]

Bajo peso para su edad BPPSEG [1] [0]
gestacional BPSEG [1/ 0]
Raza (>1/<=1) [1/0] Negra [1] Blanco [0]
Sexo (mujer/hombre) [1/ 0] Nia [0] Nio [1]
Apgar (<=3/ >3) [1/ 0] Apgar <=3 [1] Apgar >4 [1]
RN A
RN C
Estudio de Marshall et al (NEOCOSUR)
- Objetivo: Desarrollar una ecuacin que permita predecir el riesgo de

mortalidad neonatal en RN de muy bajo peso de nacimiento basado en
variables predictoras conocidas en el momento del nacimiento, antes del
ingreso a la unidad de cuidado intensivo neonatal.
- Mtodos: Fueron incluidos en este estudio 1801 RN con peso al

nacimiento de 500 a 1500 gramos.
- Variables Predictoras: edad materna, peso de nacimiento, edad

gestacional, Apgar al 1 minuto, malformaciones congnitas mayores, sexo,
gestacin mltiple, uso de esteroides prenatales y peso pequeo para su
edad gestacional (BPSEG) (definida como ms bajo que Percentil 10 de
peso para edad gestacional).
Marshall G, Tapia JL, DApremont I, Grandi C. Un nuevo score para predecir el riesgo de mortalidad
neonatal del muy bajo peso de nacimiento en la red sudamericana NEOCOSUR. Journal of Perinatology
2005; 25:577582.
Estudio de Marshall et al (NEOCOSUR)

Objetivo: Predecir el riesgo de mortalidad neonatal en RN de muy bajo peso de nacimiento
(entre 500 1500 g)
Variable resultado: Fallecimiento del RN (dicotmica)

Variable predictora [1]: Edad materna
Variable predictora [2]: Peso de nacimiento
Variable predictora [3]: Edad gestacional
Variable predictora [4]: ndice del Apgar al minuto
Variable predictora [5]: Malformaciones congnitas mayores
Variable predictora [6]: Sexo
Variable predictora [7]: Gestacin mltiple
Variable predictora [8]: Uso de esteroides prenatales
Variable predictora [9]: Peso pequeo para su edad gestacional (definida como ms bajo
que Percentil 10 de peso para edad gestacional) (BPSEG)
5. Malformaciones
1. Edad de la madre congnitas
2. Peso Riesgo de 6. Sexo

muerte
7. Gestacin
3. Edad gestacional
8. Uso de esteroides
prenatales
4. APGAR al 1 minuto
9. BPSEG
Estudio de Marshalll et al (NEOCOSUR)
APGAR Malformaciones
al 1 minuto congnitas
Fallecimientos
1801 RN de peso
Variable RESULTADO
comprendido entre Variable cualitativa dicotmica
500 y 1500 g
Sobrevivientes
Peso Edad Sexo Esteroides

del RN gestacional prenatales
Marshall G, Tapia JL, DApremont I, Grandi C. Un nuevo score para predecir el riesgo de mortalidad
neonatal del muy bajo peso de nacimiento en la red sudamericana NEOCOSUR. Journal of Perinatology
2005; 25:577582.
Anlisis de Regresin Logstica Mltiple: Estimacin del modelo para predecir la mortalidad en recin
nacidos con pesos entre 500 y 1500 gramos
Variables predictoras Estimacin Error estndar Cociente OR IC95%
Coeficiente EE / EE
Peso del RN - 0,331 0,04 8,27 0,72 0,64 0,79
Edad gestacional - 0,132 0,04 3,3 0,88 0,80 0,95
Apgar al minuto 0,265 0,03 8,83 0,77 0,71 0,82
Malformaciones 3,419 0,64 5,32 30,55 8,74 106,77
congnitas
(Si =1; No = 0)
Uso de esteroides - 0,302 0,08 3,77 0,74 0,58 0,89
prenatales
(Si =1; No = 0)
Sexo (mujer =1; - 0,474 0,16 2,96 0,62 0,30 0,93

hombre = 0)
Se ha utilizado el modelo de regresin logstica mltiple con un procedimiento paso a paso,descartndose

3 variables e incluyendo 6 variables predictoras que fueron estadsticamente significativos.
Interpretacin del modelo del estudio NEOCOSUR

La Tabla muestra los coeficientes del modelo de regresin logstica mltiple ,el error
estndar EE y los odds ratios (OR) asociados. Estos coeficientes para las 6 variables
predictoras seleccionadas en el modelo logstico permite evaluar el score NEOCOSUR
y puede ser usado para calcular el riesgo de mortalidad del RN con muy bajo peso al
nacimiento.
- Un aumento de 100 g en el peso de nacimiento redujo el riesgo de mortalidad

intrahospitalaria en 28% (OR = 0,72).
- La adicin de 1 punto en el score de Apgar al 1-minuto redujo el riesgo en 23% (OR =
0,77).
- Una semana adicional de edad de gestacin redujo el riesgo en 12% (OR= 0,88).
- La presencia de malformacin congnita tuvo el mayor efecto de entre todas las variables
predictoras (factores de riesgo)(OR=30,55) aumentando notablemente el riesgo de
mortalidad neonatal.
RRR = [ 1 RR ] * 100


ECUACIN Y = 0 + 1X1 + ... + nXn

Regresin lineal mltiple
Se utiliza la regresin lineal mltiple cuando estudiamos la posible relacin

entre varias variables predictoras Xi (independientes o explicativas) y una
variable resultado (respuesta, dependiente, explicada ) que es siempre de tipo
numrico (cuantitativa).
Y = 0 + 1X1 + ... + nXn

Y = 0 + 1X1 + ... + nXn

Variable Resultado
Variable Predictora 5 Cuantitativa
Utilidades de la regresin lineal mltiple
- Prediccin de respuestas (variable resultado) a partir de un conjunto de

variables explicativas (predictoras).
- Identificacin de variables predictoras y construccin del modelo de

regresin lineal mltiple.
- Deteccin de interacciones entre las distintas variables predictoras que

afectan a la variable resultado.
- Identificacin (y ajuste) de variables predictoras que actan como

FACTORES de CONFUSIN.
Requisitos para el uso de la regresin lineal mltiple
1. Linealidad
La variable RESULTADO depende linealmente de las variables
PREDICTORAS.
Si encontramos respuestas no-lineales, esas variables predictoras se pueden
transformar en lineales.
2. Normalidad de las variables cuantitativas

Modelo de la regresin lineal mltiple
Y = 0 + 1X1 + ... + nXn

- Y es la variable resultado o dependiente (debe ser siempre numrica).
- Los trminos Xi son las variables predictoras o independientes o explicativas,

las cuales pueden ser
Cuantitativas (discretas o continuas)
Cualitativas (categricas); en este caso deben transformarse en
cuantitativas ( 0, 1 ), son las variables dummy.
- Los trminos i son los coeficientes de regresin del modelo y los calcula el
programa estadstico.
Hbito tabquico materno

Edad de la madre
durante el embarazo
HTA durante el embarazo Peso

Trabajo prematuro de parto
del RN
N de visitas al gineclogo
Raza materna durante el embarazo
ITU durante
Peso de la madre la gestacin
Interpretacin prctica de los resultados de la regresin lineal

mltiple
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 2975,284 315,998 9,416 ,000 2351,748 3598,820
Edad de la madre -1,919 9,544 -,014 -,201 ,841 -20,752 16,914
Hbito tabquico materno -338,413 106,977 -,227 -3,163 ,002 -549,503 -127,322
Hipertensin durante el
-573,555 200,591 -,192 -2,859 ,005 -969,369 -177,742
embarazo
Infeccion urinaria en la
-488,353 136,959 -,239 -3,566 ,000 -758,604 -218,102
gestacin
Raza materna (blanca vs
-380,931 104,245 -,262 -3,654 ,000 -586,630 -175,232
otras)
Peso de la madre en Kg 8,055 3,570 ,155 2,256 ,025 1,010 15,100
N de visitas en el
-11,248 99,741 -,008 -,113 ,910 -208,059 185,563
embarazo categorizada
Trabajo prematuro de
-203,230 136,333 -,102 -1,491 ,138 -472,247 65,787
parto
a. Dependent Variable: Peso del RN
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 24747080 8 3093384,997 7,407 ,000a
Residual 75169973 180 417610,959
Total 99917053 188
a. Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el
embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de
la madre, Hbito tabquico materno
b. Dependent Variable: Peso del RN

mltiple
- La aceptacin de la Ho (p > 0,05) implica que la variable resultado Y no est

influenciada por las variables predictoras Xi incluidas en el modelo.
- La aceptacin de la Ha (p < 0,05) supone que hay algn tipo de influencia
de algunas de las variables predictoras Xi sobre la variable resultado.
- La significacin estadstica se realiza mediante el test de contraste de
hiptesis del anlisis de la varianza (ANOVA).
ANOVAb
Sum of Significacin estadstica

Model
1 Regression
Squares
24747080
df
8
Mean Square
3093384,997
F
7,407
Sig.
,000a
del modelo de regresin
Residual 75169973 180 417610,959
Total 99917053 188
a. Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el
embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de
la madre, Hbito tabquico materno
b. Dependent Variable: Peso del RN

mltiple
- Los programas estadsticos como el SPSS ofrecen una estimacin de los distintos
coeficientes de regresin i , junto al:
- Error estndar de los coeficientes de regresin EEi.
- Significacin estadstica (valor de p) de i cada variable predictora.
- Un intervalo de confianza (IC95%) de los coeficientes de regresin i.
- Las variables predictoras con significacin estadstica (p < 0,05) deben quedar en el
modelo multivariante y en la ecuacin que predice a la variable resultado
- Las variables predictoras sin significacin estadstica (p > 0,1) deben ser excluidas del
modelo final.
i EEi IC95%i
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 2975,284 315,998 9,416 ,000 2351,748 3598,820
Edad de la madre -1,919 9,544 -,014 -,201 ,841 -20,752 16,914
Hbito tabquico materno -338,413 106,977 -,227 -3,163 ,002 -549,503 -127,322
-573,555 200,591 -,192 -2,859 ,005 -969,369 -177,742
embarazo
-488,353 136,959 -,239 -3,566 ,000 -758,604 -218,102
gestacin
-380,931 104,245 -,262 -3,654 ,000 -586,630 -175,232
otras)
Peso de la madre en Kg 8,055 3,570 ,155 2,256 ,025 1,010 15,100
N de visitas en el
-11,248 99,741 -,008 -,113 ,910 -208,059 185,563
Trabajo prematuro de
-203,230 136,333 -,102 -1,491 ,138 -472,247 65,787
parto

mltiple
- El trmino estadstico R cuadrado (R2) es el porcentaje de reduccin de la incertidumbre
sobre la variabilidad de la variable RESULTADO (respuesta) cuando son conocidas las
variables PREDICTORAS. Cuanto ms se acerque a 1 ms poder explicativo tiene el
modelo.
- La R cuadrado corregida es un resultado ajustado, que penaliza la introduccin de
variables innecesarias en el modelo, es decir disminuye su valor cuando se introducen
variables que no actan sobre la variable resultado.
R2 (R Square o bondad del ajuste) Model Summary

R2 corregida (ajustada)
Adjusted Std. Error of
Model R R Square R Square the Estimate
1 ,498a ,248 ,214 646,228
a. Predictors: (Constant), Trabajo prematuro de parto,
Hipertensin durante el embarazo, Raza materna
(blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso
de la madre en Kg, Edad de la madre, Hbito
tabquico materno

mltiple
- La tabla o matriz de correlaciones es de gran inters para identificar correlaciones
lineales entre parejas de variables cuantitativas
- Interesante si ocurre entre la variable resultado y alguna de las variables predictoras.
- Problemtico si ocurre entre dos variables predictoras porque indica COLINEALIDAD.
- La matriz est formada por todos los coeficientes de correlacin lineal de Pearson (r) para
cada par de variables cuantitativas del estudio.
Coefficient Correlationsa
N de visitas
Trabajo Hipertensin Raza materna en el Infeccion Hbito
prematuro durante el (blanca vs embarazo urinaria en la Peso de la Edad de tabquico
Model de parto embarazo otras) categorizada gestacin madre en Kg la madre materno
1 Correlations Trabajo prematuro de
1,000 -,050 -,126 ,074 -,174 ,113 -,150 -,218
parto
-,050 1,000 -,053 -,065 ,092 -,240 ,043 -,025
embarazo
-,126 -,053 1,000 -,164 -,014 ,045 ,192 ,370
otras)
N de visitas en el
,074 -,065 -,164 1,000 -,042 ,028 ,165 -,199
-,174 ,092 -,014 -,042 1,000 ,091 ,061 -,020
gestacin
Peso de la madre en Kg ,113 -,240 ,045 ,028 ,091 1,000 -,170 ,023
Edad de la madre -,150 ,043 ,192 ,165 ,061 -,170 1,000 ,094
Hbito tabquico materno -,218 -,025 ,370 -,199 -,020 ,023 ,094 1,000
Covariances Trabajo prematuro de
18586,737 -1365,589 -1791,262 1009,836 -3254,760 55,082 -195,718 -3181,035
parto
-1365,589 40236,901 -1118,575 -1306,095 2519,927 -171,932 81,982 -525,956
embarazo
-1791,262 -1118,575 10866,947 -1707,605 -200,116 16,866 190,755 4124,674
otras)
N de visitas en el
1009,836 -1306,095 -1707,605 9948,197 -574,052 9,929 156,628 -2124,941
-3254,760 2519,927 -200,116 -574,052 18757,679 44,682 80,006 -292,270
gestacin
Peso de la madre en Kg 55,082 -171,932 16,866 9,929 44,682 12,745 -5,795 8,723
Edad de la madre -195,718 81,982 190,755 156,628 80,006 -5,795 91,092 95,883
Hbito tabquico materno -3181,035 -525,956 4124,674 -2124,941 -292,270 8,723 95,883 11444,113
En la regresin lineal mltiple realizado se han incluido inicialmente 8 posibles

variables predictoras de la variable resultado (peso del RN). De ellas solo 5
han quedado en el modelo final.
Estas seguro que se ha realizado una completa y actualizada revisin

bibliogrfica?
Porqu no se ha tenido en cuenta en el modelo de regresin la variable

DIABETES GESTACIONAL que es ampliamente conocido que aumenta el
peso del RN causando macrosomas?
Estudio transversal en pacientes con diabetes mellitus

Objetivo: Evaluar la influencia de determinadas variables en el control metablico de
la diabetes mellitus tipo 2.
Variable resultado: Niveles de hemoglobina glicosilada

Variable predictora [1]: Tipo de tratamiento
Variable predictora [2]: Sexo del paciente
Variable predictora [3]: Aos desde el diagnstico de la enfermedad
Variable predictora [4]: Nmero de enfermedades relacionadas con la diabetes
Variable predictora [5]: Acceso al dietista
Variable predictora [6]: Mdico interesado por la diabetes (actitud y conocimiento)
Variable predictora [7]: Nivel socioeconmico
Variable predictora [8]: Estilos de vida (tabaco, alcohol)
Variable predictora [9]: Edad del mdico
Variable predictora [10]: Sexo del mdico
Y = 0 + 1X1 + ... + nXn

Anlisis bivariante:
Existe relacin entre el tipo de tratamiento y los niveles de
hemoglobina glicosilada?
Variable PREDICTORA 1 Variable RESULTADO

Cualitativa policotmica Cuantitativa continua
Tipo de tratamiento %HbA1c
- Dieta
- Insulina
- ADO
Anlisis de la Varianza para un factor (ANOVA) p < 0,05

Anlisis bivariante:
Existe relacin entre el sexo del paciente y los niveles de

Sexo del paciente %HbA1c
T de Student para muestras independientes p < 0,05

Anlisis bivariante:
Existe relacin entre los aos desde el diagnstico de la enfermedad
y los niveles de HbA1c?

Aos desde el diagnstico %HbA1c
de la enfermedad
Coeficiente de correlacin de Pearson p < 0,05

Anlisis bivariante:
Existe relacin entre los aos desde el diagnstico de la enfermedad
y los niveles de HbA1c?

Aos desde el diagnstico %HbA1c
de la enfermedad
> 7 aos
< 7 aos

Anlisis bivariante:
Existe relacin entre el nmero de enfermedades relacionadas con
la diabetes y los niveles de HbA1c?

Cuantitativa discreta Cuantitativa continua
Nmero de enfermedades %HbA1c
relacionadas con la DM
Coeficiente de correlacin de Spearman p < 0,05

Anlisis bivariante:
Existe relacin entre el nmero de enfermedades relacionadas con
la diabetes y los niveles de HbA1c?

Nmero de enfermedades %HbA1c
relacionadas con la DM
- Ms de una
- Una o menos de una

Anlisis bivariante:
Existe relacin entre el acceso al dietista y los niveles de

Acceso al DIETISTA %HbA1c

Anlisis bivariante:
Existe relacin entre la actitud y conocimiento del mdico por la
DM y los niveles de HbA1c?

Mdico interesado %HbA1c
por la DM
- Si
- No

Anlisis bivariante:
Existe relacin entre el nivel socioeconmico del paciente y
los niveles de HbA1c?

Cualitativa policotmica Cuantitativa continua
Nivel %HbA1c
socioeconmico
Anlisis de la Varianza para un factor (ANOVA) p > 0,1

Anlisis bivariante:
Existe relacin entre el estilo del vida del paciente y los niveles de

Estilos de vida %HbA1c
- Adecuados
- Inadecuados
(tabaco, alcohol, etc)
T de Student para muestras independientes p > 0,1

Anlisis Bivariante:
Existe relacin entre el sexo del mdico y los niveles de

Sexo del Mdico %HbA1c
T de Student para muestras independientes p > 0,1

Anlisis Bivariante:
Existe relacin entre el tipo de tratamiento y los niveles de

Edad del Mdico %HbA1c
Coeficiente de correlacin de Pearson p > 0,1

Acceso al
Tipo de tratamiento
Dietista hospitalario
Sexo del paciente %HbA1c Actitud y conocimiento de

la DM por parte del mdico
Aos desde el diagnstico
de la enfermedad Sexo
del mdico
N de enfermedades
relacionadas Edad del mdico
con la DM
Estilos de vida
Nivel socioeconmico
Anlisis de regresin lineal mltiple

5. Acceso al
1. Tipo de tratamiento
Dietista hospitalario
2. Sexo del paciente %HbA1c 6. Actitud y conocimiento de

la DM por parte del mdico
3. Aos desde el diagnstico
de la enfermedad
4. N de enfermedades
relacionadas
con la DM
Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 + 5X5 + 6X6


1.- Tipo de tratamiento
Variables predictoras (X)
Insulina
Antidiabticos orales (ADO)
Dieta Variable resultado (Y):
2.- Sexo del paciente (mujer [1]; hombre [0]) HbA1c(%)
3.- Aos desde el diagnstico de la enfermedad
> 7 aos: [1]
< 7 aos: [0]
4.- Nmero de enfermedades relacionadas con la diabetes
- Ms de una: [1]
- Una o menos de una: [0]
5.- Acceso al dietista (si [1]; no [0])
6- Mdico interesado por la diabetes (si [1]; no [0])
Y = 0 + 1X1 + ... + nXn

Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 + 5X5 + 6X6

Variable resultado (Y): Y = 0 + 1X1 + ... + nXn Variables predictoras (X)
HbA1c(%)
Variables asociadas al nivel de hemoglobina glicosilada
Variables PREDICTORAS Variables predictoras Estimacin Error estndar
que estaban relacionadas EE
estadsticamente con la Constante 10,51 0,59
variable resultado HbA1c Antidiabticos orales / insulina 0,29 0,37
en el anlisis univariante
Dieta / insulina -0,97 0,46
N enfermedades relacionadas con la 0,20 0,08
diabetes (> 1 / 1)
Sexo (mujer/hombre) 0,72 0,28
Aos desde el diagnstico (> 7 / 7) 0,04 0,02
Acceso al dietista hospitalario (si/no) -1,06 0,43
Mdico interesado en la diabetes (si/no) - 0,86 0,38
sexo 0,72
= = 2,57 > Z95% (1,96) p < 0,05
EE sexo 0,28
En la tabla de la regresin lineal mltiple presentada se han incluido solo

el valor de y su error estndar EE, pero no se ha incluido el IC95% de
ni la significacin estadstica p de cada variable predictora. Tampoco veo
la tabla donde se indica el R2 (R Square o bondad del ajuste del modelo
multivariante).
Estas seguro que las 6 variables predictoras incluidas en el modelo

multivariante presentan significacin estadstica (p<0,05)?
La variable ADO/insulina presenta un valor de (0,29) inferior a su error

estndar EE, (0,37) por lo que su cociente vale 0,78, cifra muy inferior al 1,96
(Z95%)
Por qu has incluido en el modelo de regresin la variable ADO/insulina?


HbA1c(%)
Cual de las distintas va- Variables predictoras Estimacin Error estndar
riables predictoras inclui- EE
das en el modelo parece Constante 10,51 0,59
afectar ms a la variable Antidiabticos orales / insulina 0,29 0,37
resultado (HbA1c)?
Dieta / insulina -0,97 0,46
N enfermedades relacionadas con la 0,20 0,08
diabetes (> 1 / 1)
Sexo (mujer/hombre) 0,72 0,28
Aos desde el diagnstico (> 7 / 7) 0,04 0,02
Acceso al dietista hospitalario (si/no) -1,06 0,43
Mdico interesado en la diabetes (si/no) - 0,86 0,38

HbA1c(%)
Variables predictoras Estimacin Error estndar Cociente / Significacin
EE EE p
Antidiabticos orales / insulina 0,29 0,37 0,78 p > 0,1
Dieta / insulina -0,97 0,46 2,11 p < 0,05

N enfermedades relacionadas con la 0,20 0,08 2,5 p < 0,05
diabetes (> 1 / 1)
Sexo (mujer/hombre) 0,72 0,28 2,57 p < 0,01
Aos desde el diagnstico (> 7 / 7) 0,04 0,02 2,00 p < 0,05
Acceso al dietista hospitalario (si/no) -1,06 0,43 2,47 p < 0,02
Mdico interesado en la diabetes (si/no) - 0,86 0,38 2,26 p < 0,05
Qu diferencia promedio de HBA1c existe entre un

paciente A mujer (sexo=1) y un paciente B hombre
(sexo=0) y a igualdad del resto de las variables predictoras
incluidas en el modelo?
Variables i Paciente A Paciente B
predictoras
SEXO (hombre/ +0,72 mujer [1] hombre [0]
mujer) [1/0]
Y = 0 + 1X1 + ... + nXn
Las mujeres presentan 0,72

HbA1c (A)= 10,51 + 0,72 (1) = 11,23 unidades mas de HbA1c que los
hombres a igualdad del resto de las
variables predictoras incluidas en el
HbA1c (B) = 10,51 + 0,72 (0) = 10,51 modelo.

paciente A con acceso al dietista hospitalario (1) de un
paciente B sin acceso (0) y a igualdad del resto de las
variables predictoras incluidas en el modelo?
Variables predictoras i Paciente A Paciente B
Acceso al dietista -1,06 SI [1] NO [0]

hospitalario
(si =1, no =0)
Y = 0 + 1X1 + ... + nXn
Los pacientes CON acceso al

HbA1c (A)= 10,51 1,06 (1) = 9,45 dietista por termino medio presentan
1,06 unidades menos de HbA1c
HbA1c (B) = 10,51 1,06 (0) = 10,51 que los pacientes SIN dietista
hospitalario a igualdad del resto de
las variables predictoras incluidas
en el modelo.

paciente A tratado con ADO (1) de un paciente N tratado
con insulina (0) a igualdad del resto de las variables
predictoras incluidas en el modelo?
Variables predictoras i Paciente A Paciente N
ADO/insulina + 0,29 ADO [1] insulina [0]

(ADO=1, insulina=0)
Y = 0 + 1X1 + ... + nXn
Los pacientes en tratamiento con

HbA1c (A)= 10,51 + 0,29 (1) = 10,8 ADO por termino medio presentan
0,29 unidades ms de HbA1c que
HbA1c (N) = 10,51 + 0,29 (0) = 10,51 los pacientes tratados con insulina
a igualdad del resto de las variables
predictoras incluidas en el modelo.

paciente A tratado slo con DIETA (1) de un paciente B
tratado con insulina (0) a igualdad del resto de las variables
predictoras incluidas en el modelo?
Variables predictoras i Paciente A Paciente N
Dieta/insulina - 0,97 dieta [1] insulina [0]

(dieta=1, insulina=0)
Y = 0 + 1X1 + ... + nXn
Los pacientes en tratamiento

HbA1c (D)= 10,51 - 0,97 (1) = 9,54 solo con dieta por termino medio
presentan 0,97 unidades menos de
HbA1c (N) = 10,51 - 0,97 (0) = 10,51 HbA1c que los pacientes tratados
con insulina a igualdad del resto de
las variables predictoras incluidas
en el modelo.
Qu diferencia promedio de HbA1c existe entre dos

pacientes A y B con las siguientes caractersticas?
Variables predictoras Paciente A Paciente B
Antidiabticos orales/insulina [1/ 0] ADO [1] Insulina [0]
Dieta/insulina [1/ 0] Dieta [1] Insulina [0]
N enfermedades relacionadas con la diabetes 3 [1] 1 [0]

(>1/<=1) [1/ 0]
Sexo (mujer/hombre) Hombre [0] Mujer [1]
Aos desde el diagnstico (> 7 / 7) 8 aos [1] 3 aos [0]
Acceso al dietista hospitalario (si/no) [1/ 0] Si [1] No [0]
Mdico interesado en la diabetes (si/no) Si [1] Si [1]
HbA1c A = 10,51 + 0,29 (1) 0,97 (0) + 0,20 (1) + 0,72 (0) + 0,04 (1) 1,06 (1) 0,86 (1) = 9.12%
HbA1c B = 10,51 + 0,29 (0) 0,97 (1) + 0,20 (0) + 0,72 (1) + 0,04 (0) 1,06 (0) 0,86 (1) = 9,40%
Diferencia HbA1c (A-B) = - 0,28%
Interaccin o modificacin de efecto
Problema clnico: En Atencin Primaria la eficiencia de la determinacin de la excrecin

urinaria de albmina en orina de 24 horas (EUA) para el diagnostico de la nefropata
diabtica es baja.
Objetivo del estudio: Introducir el cociente albmina/creatinina en una muestra de orina

matinal (CAC) como alternativa a la EUA.
Pregunta de investigacin: Podemos sustituir el cociente albmina/creatinina en orina

matinal (CAC) por la excrecin urinaria de albmina (EUA) en orina de 24 horas en
pacientes con sospecha de nefropata diabtica?Qu relacin existe entre el CAC y la
EUA en orina de 24 horas en dichos pacientes?

Qu relacin existe entre el cociente albmina/creatinina en orina
matinal (CAC) y la excrecin urinaria de albmina (EUA) en orina de
24 horas?

CAC EUA
REGRESIN LINEAL SIMPLE Y = 0 + 1 * X
Coeficiente de correlacin r = 0,893 (89,3%)

Correlacin global EUA versus CAC r = 0,893; R2= 0,806; p < 0,01
COEFICIENTE DE PEARSON: La magnitud de la asociacin entre la EUA y

la CAC es del 89,3% de la posible.
COEFICIENTE DE DETERMINACIN: El 80,6% de la variabilidad de la EUA

puede ser explicada por la distinta CAC, resta por explicar un 19,4% que es
achacable a otras variables PREDICTORAS distintas de la CAC.
Cules son esas variables predictoras?
Influencia del SEXO

Correlacin global EUA versus CAC
Sexo masculino r= 0,753
Sexo femenino r=0,979
Factor 1: R2 = 0,806 (80,6%)

CAC
1 = 7.65 p=0,001
Factor 3: Variable RESULTADO

Variable predictora 3 Cuantitativa continua
Edad EUA
3= -0.54 p=0,42
Factor 2: Aplicacin del modelo de regresin mltiple

a los datos de un estudio que usa como
Variable predictora 2 variables predictoras el cociente albmina/
creatinina en orina matinal (CAC), sexo y
Sexo edad del individuo frente a la excrecin
2 = -30.26 p=0,01 urinaria de albmina en orina 24 horas EUA
(variable resultado).
EUA: Excrecin urinaria de Modelo de Regresin Lineal Mltiple

albmina en orina de 24 horas
Coeficiente IC95% de p
CAC: Cociente albmina/creatinina
en una muestra de orina matinal Constante 110,85 13,88 a 187,84 0,02
CAC 7,65 7,13 a 8,16 0,001

EUA: Variable dependiente o
resultado Edad - 0,54 - 1,86 a 0,78 0,42
CAC: Variable Predictora 1 Sexo - 30,26 - 53,93 a 6,58 0,01
SEXO: Variable Predictora 2
EDAD: Variable Predictora 3
EUA (Y) = 110,85 + 7,65 CAC - 0,54 EDAD 30,26 SEXO
EUA (Y) = 110,85 + 7,65 CAC 30,26 SEXO

Qu variables predictoras se deben incluir en el anlisis de

regresin lineal mltiple?
Con significacin estadstica

(p<0,05)
Edad
Sexo
Nivel cultural
Tabaquismo
Prxima a la significacin estadstica

(0,05 < p < 0,1)
- IMC
- Hiperlipidemia

Cual de las distintas variables Resultados del anlisis de Regresin Lineal Mltiple
predictoras con significacin
Coeficiente IC95% de p
estadstica (p<0,05) del anlisis
univariante NO aparecen en el Constante 96,67 19,2 a 174,15 0,015
modelo multivariante? Edad - 1,17 - 1,89 a 0,44 0,002
Nivel cultural Sexo 28,71 4,65 a 52,78 0,020
Tabaquismo 29,22 3,83 a 54,6 0,024
Cual de las distintas variables
predictoras prximas a la IMC 4,15 2,00 a 6,29 0,000
significacin estadstica (0,05 La codificacin de las variables dicotmicas se realiz
<p<0,1) del anlisis univariante sexo: mujer = 0, hombre = 1, tabaquismo: no fumador
0, fumador 1). IMC = peso / (talla)2
SI aparecen en el modelo
multivariante?
Obesidad (IMC)
En el anlisis de regresin lineal MLTIPLE se incluyeron las variables predictoras con

Significacin estadstica en el anlisis de regresin lineal SIMPLE (edad, sexo, nivel cultural,
tabaquismo; p<0,05) y aquellas prximas a la significacin (IMC y hiperlipidemia; p=0,1),
identificndose como verdaderas variables predictoras o independientes solo la edad, sexo,
IMC y el tabaco r=0,388 (p<0,05). El resto de las variables NO fueron incluidas en el modelo.
Qu relacin existe entre los niveles de colesterol en sangre y la
tensin arterial?

Colesterol Tensin arterial
REGRESIN LINEAL SIMPLE Y = 0 + 1 * X
Coeficiente de correlacin R2 = 0,691 (69,1%)

Modelo de regresin lineal simple para la variable resultado tensin

arterial diastlica ajustado por la variable predictora colesterol
Variable Coeficiente EE IC95% t p
Constante 26,91 7,15 12,63 41,19 3,76 < 0,001
Colesterol 0,23 0,03 0,17 0,29 7,70 < 0,001
Suma de g.l Media F p

cuadrados Cuadrtica
Regresin 4067,11 1 4067,11 59,29 < 0,001
Residual 4459,01 65 68,60
Total 8526,12 66 29,22
Y = 0 + 1 * X
TAD = 26.91 + 0.23 * Colesterol
Es el modelo de regresin simple que resulta de tomar como nica variable predictora el colesterol
de un individuo. El valor del coeficiente de determinacin R2 es 0.691 (69.1%). Se puede mejorar el
R2 incluyendo otra variable predictora?. R2 puede ser mejorado a 0.722 (72.2%) aplicando un modelo
multivariante en el que se introduce el ndice de masa corporal (IMC) como nueva variable predictora.
Correlacin lineal de las variables predictoras edad, colesterol e ndice

de masa corporal con la variable resultado tensin arterial diastlica
TAD NS
NS EDAD NS NS
NS Colesterol
NS IMC
Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria
2000; 7: 173-176.

Variable
Predictora 1
Causa o Factor 1: Cuantitativa
Variable RESULTADO

Cuantitativa
Variable
Predictora 2
Causa o Factor 2: Cuantitativa

Y = 0 + 1 * X1 + 2 * X2
R2 = 0,722 (72,2%)
Factor 1:
Colesterol
t= 5.26 p<0,001
Desenlace o efecto
Factor 2: Tensin arterial

IMC Aplicacin del modelo de regresin
t= 2.45 p=0,017 mltiple a los datos de un estudio que
usa como variables predictoras de la
tensin diastlica (variable resultado) el
colesterol y el ndice de masa corporal de
un individuo.

arterial diastlica ajustado por las variables predictoras colesterol e
ndice de masa corporal
Constante 19,42 7,54 4,37 34,48 2,58 0,012
Colesterol 0,18 0,03 0,11 0,25 5,26 < 0,001
IMC 0,73 0,30 0,14 1,33 2,45 0,017

cuadrados Cuadrtica
Regresin 4449,72 2 2224,86 34,93 < 0,001
Residual 4076,40 64 63,69
Total 8526,12
TAD = 19,42 + 0.18 * Colesterol + 0,73 IMC
Los coeficientes de regresin para ambas variables predictoras fueron 0.18 (= 0.03) y 0.73 (=0.30)
respectivamente, siendo ambos significativamente distintos de cero. Esto indica que por trmino medio la
tensin arterial diastlica de un paciente se incrementa en 1.8 y 7.3 respectivamente por cada 10 unidades
a mayores en su colesterol o ndice de masa corporal. El valor del coeficiente de determinacin R2=0.72
(72%) y la significacin del contraste F global de la regresin (p<0.001) sugieren que gran parte de la
variabilidad de la respuesta (TAD) viene explicada por el modelo ajustado.
Factor 1: R2 = 0,52 (52%)

Colesterol
t= 4.84 p<0,001
Factor 3:
Desenlace o efecto
Edad Tensin arterial
t= 1.67 p=0.10
Factor 2: Aplicacin del modelo de regresin mltiple

a los datos de un estudio que usa como
Variable predictora 2 variables predictoras de la tensin diastlica
(variable resultado) el colesterol, ndice de
IMC masa corporal y edad de un individuo.
t= 2.31 p=0,024

arterial diastlica (TAD) ajustado por las variables predictoras coles-
terol, ndice de masa corporal y edad
Constante 10,55 9,13 -7,70 a 28,81 1,15 0,252
Colesterol 0,17 0,03 0,1 0,24 4,84 < 0,001
IMC 0,68 0,30 0,09 1,28 2,31 0,024
Edad 0,24 0,14 - 0,05 a 0,53 1,67 0,100

cuadrados Cuadrtica
Regresin 4622,52 3 1540,84 24,87 < 0,001
Residual 3903,60 63 61,96
Total 8526,12 66
Los coeficientes de regresin para el colesterol fue 0.17 (= 0.03) y de 0.68 (=0.30) para el IMC
continuaran siendo distintos de cero (p<0.05). La introduccin de la nueva variable predictora EDAD en el
modelo, proporciona un cambio en el coeficiente de determinacin R2 de tan solo 0.028 que NO mejora de
forma significativa (p=0.059). La entrada de la variable edad NO produce una mejora del ajuste del modelo.
El coeficiente de regresin de la EDAD (0.24) no es significativo (p=0.100).

arterial diastlica (TAD) ajustado por las variables predictoras coles-
terol, ndice de masa corporal y edad
Constante 10,55 9,13 -7,70 a 28,81 1,15 0,252
Colesterol 0,17 0,03 0,1 0,24 4,84 < 0,001
IMC 0,68 0,30 0,09 1,28 2,31 0,024
Edad 0,24 0,14 - 0,05 a 0,53 1,67 0,100

cuadrados Cuadrtica
Regresin 4622,52 3 1540,84 24,87 < 0,001
Residual 3903,60 63 61,96
Total 8526,12 66
edad 0,24
= = 1,71 < Z95% (1,96) p = 0,100
EE edad 0,14
Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria
2000; 7: 173-176.


ECUACIN
Y = 0 + 1X1 + ... + nXn
Modelo de regresin mltiple de Cox
REGRESIN
MLTIPLE de COX
Variable Cuantitativa
RESULTADO Desenlace: supervivencia a tiempo t
Variables Cualitativa
PREDICTORAS Cuantitativa
(factores pronstico)
ECUACIN
Edad
Estado civil
Tiempo de alcoholismo
Probabilidad de muerte
Bilirrubina
Presencia de ascitis
Albmina
Estudio de cohortes prospectivo de pacientes alcohlicos
Variables predictoras Anlisis Univariante (p)
Edad p < 0,05
Estado civil p < 0,05
Tiempo de alcoholismo p < 0,05
Bilirrubina srica p < 0,05
Presencia de ascitis p < 0,05
Albmina srica p < 0,05

Factores de Riesgo
Muertos por otras

causas
Fallecimientos 56
162 pacientes
alcohlicos
hospitalizados
Sobrevivientes 59
Prdidas de
seguimiento
Seguimiento mediana 8,7 aos

Edad Ascitis
Pacientes Muerte
alcohlicos
Bilirrubina Estado civil
Variables predictoras con significado pronstico en pacientes alcohlicos

Modelo de Regresin de Cox (mtodo paso a paso)
Variable RR IC95% del RR Significacin
Edad 1,0763 1,0334-1,1209 0,0004
Ascitis 2,0940 1,0553-4,1551 0,0345
Bilirrubina 1,4220 1,2058-1,6769 0,0000
Estado civil 2,3922 1,1796-4,8515 0,0156

Pruebas estadsticas de contraste de hiptesis ms

aplicables a cada situacin
Variable Variable Pruebas de contraste de Observaciones y/o limitaciones del test
Independiente o Dependiente o hiptesis
PREDICTORA RESULTADO
Cualitativa Cualitativa Chi cuadrado Si el tamao muestral es grande
Prueba exacta de Fisher Si el tamao muestral es pequeo
Test de McNemar Muestras repetidas o apareadas
REGRESIN LOGSTICA Varias variables predictoras cualitativas
Cualitativa Cuantitativa t de Student Compara medias entre dos grupos independientes
Anlisis de la Varianza Compara medias entre mas de dos grupos independientes
Test de Mann-Whitney Dos grupos independientes No paramtricos
Test de Wilcoxon Dos grupos medidas repetidas No paramtrico
Test de Kruskall-Wallis Mas de dos grupos No paramtrico, medidas repetidas
Test de Friedman Mas de dos grupos No paramtrico medidas repetidas
Cuantitativa Cuantitativa Regresin lineal simple Paramtrico
Correlacin de Pearson Paramtrico
Correlacin de Sperman No paramtrico
REGRESIN MULTIPLE Varias variables predictoras cuantitativas
Cualitativa Superviviencia Kaplan-Meier Curvas de superviviencia
Long-Rank Compara curvas de superviviencia
Regresin de COX Anlisis Multivariante
Errores ms frecuentes material y mtodos
- Diseo inapropiado
- Sujetos a estudio no representativos de la poblacin diana
- Ausencia de descripcin de la asignacin de los sujetos a los grupos
(problema y control)
- Imprecisin en la descripcin y caracterizacin de las variables
- Insuficiente descripcin de las fuentes y/o mtodos para recoleccin de los
datos
- Ignorar las limitaciones o aspectos ticos de la investigacin
- No describir pruebas estadsticas que posteriormente aparecen en los
resultados
- No se justifican los test estadsticos utilizados en los resultados
- Inclusin anticipada de resultados de la investigacin
Captulo 8

Resultados y Discusin



Resultados
- Qu se encontr en la investigacin?
- Cules son los hallazgos principales, producto de la metodologa utilizada?
- Con que grado de detalle tcnico deben presentarse los hallazgos? Con el suficiente para
que sean entendidos por el lector.
- Seleccionar, ordenar y presentar sus hallazgos mediante formas estilsticas:

- Primarias: Texto (forma estilstica ms eficiente en la presentacin de los resultados)
- Secundarias: Auxiliares del texto
Tablas
Grficos
Figuras
Fotografas
Diagramas
Texto en los resultados
- Claro, preciso y limitarse a lo estrictamente necesario

- Utiliza una sucesin adecuada de prrafos
- Utiliza ttulos y/o subttulos solamente para agregar claridad a la
categorizacin
- Citar todas las tablas y figuras
- Citar todas las referencias bibliogrficas
- Se expresa en tiempo pasado
- No repite lo descrito en materiales y mtodos
Justificacin de las tablas en los resultados
- Presentar informacin esencial de tipo repetitivo en una forma fcilmente

visible y comprensible.
- Mostrar frecuencias, relaciones, contrastes, variaciones y tendencias

mediante la presentacin ordenada de la informacin.
- Complementar (no duplicar) lo descrito en el texto.

Caractersticas de las tablas
1. Autoexplicativas
2. Sencilla y de fcil comprensin
3. Ttulo breve y claro
4. Indicar la fuente de origen de la informacin (lugar y fecha)
5. Incluir las unidades de medida en el encabezamiento de cada columna
6. Indicar la base de las medidas relativas (porcentajes, tasas, ndices...)
7. Indicar llamadas a notas a pie de tabla mediante letras o smbolos
colocadas como exponentes, en orden alfabtico.
8. Agregar informacin, no duplicarla
Ejemplo de presentacin de resultados por tablas
Objetivo principal del estudio: Determinar la asociacin entre los niveles

sricos de cHDL y la edad
Objetivo secundario: Conocer la influencia del tabaco en dicha relacin.
Variable resultado: Niveles de cHDL
Variable predictora principal: Edad

Variable predictora secundaria: Tabaco
Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin primaria de salud. 1
Ed. Barcelona: Doyma; 1991.

Objetivo principal del estudio:
Determinar la asociacin entre los niveles sricos de cHDL y la edad
Variable predictora principal: Edad Variable resultado: Niveles de cHDL
Objetivo secundario:
Conocer la influencia del tabaco en dicha relacin
Variable predictora secundaria: Tabaco Variable resultado: Niveles de cHDL

Grupos de edad 35 44 45 54 55
A Fumador 50,0 44,04 40,13
No fumador 61,12 60,04 54,91
Grupos de edad Hbito tabquico Total

(aos) Fumador No fumador
35 44 50,0 65,1 57,5
B
45 54 44,9 60,0 52,5
55 40,1 54,9 47,5
Total 45,0 60,0 52,5
Niveles de colesterol-HDL segn edad y hbito tabquico
Grupos de edad 35 44 45 54 55
A Fumador 50,0 44,04 40,13
No fumador 61,12 60,04 54,91
La lectura de la tabla A es complicada, con demasiados dgitos en cada una de las casillas y adems NO
contiene resultados globales

35 44 50,0 65,1 57,5
B
45 54 44,9 60,0 52,5
55 40,1 54,9 47,5
Total 45,0 60,0 52,5
Variable predictora Variable predictora Variable

principal secundaria resultado
La expresin de los resultados totales en la fila inferior y en la columna de la derecha permite una
rpida visin global del resumen de los resultados, tanto en cada uno de los grupos de edad como en la
estratificacin segn la variable predictora secundaria hbito tabquico
Justificacin de las figuras en los resultados
- Aumentar la informacin escrita, aclarar conceptos

y ofrecer una orientacin visual
- Completar el texto sin reemplazarlo
- Destacar tendencias
- Hacer comparaciones claras y exactas

Caractersticas de las figuras
1. Autoexplicativas
2. Sencilla y de fcil comprensin
3. Ttulo breve y claro
4. Indicar la fuente de origen de la informacin (lugar y fecha)
5. Indicar las coordenadas, escalas y unidades de medida
6. Equilibrar la sencillez con la claridad y la funcionalidad
7. Agregar informacin, no duplicarla.
Leyes de Edward Tufte

Mienten los grficos?
1. El tamao del efecto es igual en los grficos que en los datos?
2. Se muestra solo un pequeo porcentaje de los posibles eventos?
3. Comienza el eje de las Y en cero?
4. Se alarga grfico mas all del periodo del estudio?

1 Ley de Tufte
El tamao del efecto es igual en los grficos que en los datos?
Tamao del efecto mostrado
en el grfico
El factor mentiroso de Tufte =
Tamao del efecto en los
datos
Un factor mentiroso >1,05 o <0,95 representa una tergiversacin importante.

Un anuncio reciente de Quinapril utiliz inexplicablemente conos de
diferentes tamaos para representar el tiempo de ejercicio, segn varias
dosis de medicamento y con placebo. Un cono dos veces ms alto que otro
(representando el doble de tiempo de ejercicio), tena un volumen cuatro
veces mayor que el otro. El factor mentiroso este caso es de 2.2 (4.4/2).Sin
embargo, en el mismo artculo se comparaban los efectos adversos, se
utilizaron tringulos (menor volumen) en lugar de conos!
2 Ley de Tufte
Se muestra slo un pequeo porcentaje de los posibles eventos?
A menudo el eje de la y es, solo, levemente, mayor que el porcentaje de

eventos de uno de los grupos, lo cual tiende a magnificar las cosas, parece
como si uno de los grupos tuviera el mayor porcentaje de los posibles. Por
ejemplo en un anuncio de pravastatina, refirindose al estudio WOS (West
of Scotland Study), el eje de las y termina en el 8%. La tasa de Infartos de
miocardio en el grupo placebo era de 7.9%. La diferencia del 2.4% entre el
grupo de tratamiento y placebo queda con esta grfica muy amplificado.
Cuando se describen grficamente los efectos secundarios, los anuncios
por el contrario hacen que el eje de las y llegue al 100%, esto hace casi
microscpico el bajo porcentaje de incidencia de efectos adversos.
Estudio WOS (West of Scotland Study)
Figura 1.- Reduccin de la incidencia de eventos cardiovasculares graves (IAM) de la pravastatina con
respecto al placebo
3 Ley de Tufte
Comienza el eje de las Y en cero?
El eje y debe comenzar siempre en cero. Si no es as, alguien esta tratando

de hacerle creer que uno de los grupos ha alcanzado menor proporcin o
nmero cuando posiblemente no sea este el caso.
4 Ley de Tufte
Se alarga grfico ms all del periodo del estudio?
Aunque en las curvas de supervivencia de los estudios originales

habitualmente indican el nmero de pacientes elegibles en cada ao del
estudio desde el momento de la aleatorizacin, los anuncios solo hacen esto
en contadas ocasiones. En otro estudio sobre simvastatina se dibuja una
curva de supervivencia de unos 6 aos. El nmero de pacientes elegibles
en cada ao desde la aleatorizacin no se muestra (aunque si aparece en
el articulo original), de hecho solo un pequeo nmero de rezagados haba
quedado (228 de 4444) en los seis aos. La diferencia a los seis aos
aparece en el anuncio mayor que a los cinco aos.
Recomendaciones de Tufte
Tenga cuidado con:
1. Intervalos de tiempo incongruentes en el eje de las x: pueden hacer

creer que los incrementos o reducciones se vean ms abruptos que lo que
realmente son.
2. Grficos que son ms altos que anchos, los cuales exageran los
incrementos y las reducciones.
3. Grficos que utilizan reas (o representacin de volumen) para dibujar

un dato de una sola dimensin; el nmero de dimensiones representado no
debera exceder el nmero de magnitudes en los datos.
Figura 1.- Ttulos de anticuerpos frente al virus de la Rubeola en gestantes inmunizadas de Ceuta.
Distribucin por grupos culturales.
Daz Portillo J, Torres E, Vadillo Andrade J, Laroca C.PREVALENCIA DE ANTICUERPOS FRENTE AL

VIRUS DE LA RUBOLA EN UNA POBLACIN GESTANTE DE CEUTA. Revista de Diagnstico Biolgico
1995, 44: 114-119.
Edward Tufte dice que siempre el eje y de la variable resultado debe

comenzar siempre en cero. Si no es as, se puede pensar que el autor esta
tratando de hacerme creer que uno de los grupos ha alcanzado menor
proporcin o nmero cuando posiblemente no sea este el caso.
Porqu el eje Y no empieza con cero?
Qu test de contraste de hiptesis has empleado?
Porqu no aparece en la grfica?

Veo que el eje de la y es, solo, levemente, mayor que el ttulo de anticuerpos
de las gestantes cristianas, lo cual tiende a magnificar la diferencia real,
parece como si el grupo cristiano tuviera el mayor porcentaje de los posibles.
Parece que el autor esta intentado magnificar la diferencia real entre ambos
grupos.
Porqu eliges ese valor para el final del eje Y?

Figura 1.- Evolucin de la seroprevalencia de la toxoplasmosis en gestante de Ceuta (periodos 1990-94

versus 2004)
Q= 0.47
Q= 0.70

Estructura bsica de los resultados
1. Datos descriptivos generales de la poblacin estudiada (tabla 1)
2. Datos principales que responden a los objetivos del estudio (datos crudos,
anlisis bivariante) (tabla 2)
3. Datos secundarios derivados del anlisis estratificado o multivariante (datos

estratificados) (tabla 3).
4. Descripcin de los datos negativos o inesperados (contrarios a los

planteamientos iniciales).

Ejemplo
De los 2.223 inmigrantes que pasaron por el

campamento de Calamocarro en 1998, 1.979
(89,0%) eran varones y 244 (11,0%) mujeres
(p<0,001), con una edad media de 25,4 4,6 y
1. Datos descriptivos generales de 23,3 5,0 aos respectivamente (p < 0,0001).
la poblacin estudiada (tabla 1) Los inmigrantes eran originarios de 36 pases
africanos, principalmente subsaharianos,
localizados en el golfo de Guinea, en la zona
central del continente. El pas de procedencia
ms representado fue Nigeria con 597
individuos (27,4%) (tabla 1)

Ejemplo
En la tabla 2 se presentan los datos de la prueba del
Mantoux (PPD) para el total de individuos examinados,
agrupados segn sexo, edad y pas de origen. De
los 2.216 PPD ledos (sobre 2.223 realizados) 722
(32,6%) presentaron una respuesta al test de Mantoux
igual o superior a 10 mm, de los cuales 494 (22,2%)
presentaron una induracin mayor a 15 mm. Slo 24
2. Datos principales que respon- casos (1,1%) presentaban induracin entre 5-10 mm.
den a los objetivos del estudio Con independencia del punto de corte seleccionado,
(datos crudos, anlisis univariante) se observ mayor positividad en el sexo masculino que
en el femenino, y la positividad tambin present una
(tabla 2) ligera tendencia a aumentar con la edad (p=0,07).
La edad media de los sujetos con PPD positivo fue de
25,5 4,4 aos, con un dimetro medio de induracin
de 18,7 6,2 mm. No se valor el estado vacunal de
los sujetos ni se les realiz pruebas de deteccin del
VIH a nivel colectivo.

Ejemplo Por zonas geogrficas, las tasas ms altas se
presentaron en inmigrantes procedentes de la
Repblica Democrtica del Congo (65,1%) y del
Camern (48,4%), seguidos a distancia por Nigeria
(34,0%), Liberia (32,7%), Mauritania (29,1%), Sierra
Leona (28,8%), Costa de Marfil (27,8%), Guinea Bissau
(27,4%), Ghana (26,3%), Argelia (25,6%), Mali (24,1%) y
R.Guinea (20,9%) (p<0,0001) (tabla 2)
No se descartaron previamente los casos de
3. Datos secundarios derivados tuberculosis anterior. No obstante estos sujetos
del anlisis estratificado (pas de eran captados en los estudios que se realizaban
posteriormente. En dichos estudios complementarios
origen) o multivariante. se detectaron 19 casos con imgenes radiolgicas
pulmonares sugestivas de enfermedad tuberculosa,
siendo finalmente hallados dos casos de baciloscopia
positiva, a los que se les prescribi tratamiento
con pauta 6RHZ. Asimismo aquellos que eran
diagnosticados de infeccin tuberculosa latente eran
tratados con una quimioprofilaxis de isoniazida 300
mg/24 horas en ayunas durante seis meses.
Principales errores en los resultados
- No se describen las caractersticas de la poblacin (tabla 1)
- No se localizan los resultados principales en respuesta a los objetivos del

estudio (anlisis univariante) (tabla 2)
- Se incluye informacin (datos) no anunciada en materiales y mtodos
- Se emplean tablas y grficos inadecuados, confusos o repetitivos de la

informacin contenida en el texto
- Se mezclan datos con opiniones (discusin)

Informacin sobre el anlisis estadstico incompleta, inadecuada o deficiente.

Objetivo principal del estudio:
Determinar la asociacin entre los niveles sricos de cHDL y la edad
Variable predictora principal: Edad Variable resultado: Niveles de cHDL
Objetivo secundario:
Conocer la influencia del tabaco en dicha relacin
Variable predictora secundaria: Tabaco Variable resultado: Niveles de cHDL

35 44 50,0 65,1 57,5
B
45 54 44,9 60,0 52,5 (2)
55 40,1 54,9 47,5
Total 45,0 60,0 52,5
(1)
Qu test estadstico es el (1) Anlisis de la varianza (2) T de Student

mas adecuado?
La tabla muestra que la edad est asociada con los niveles de cHDL, siendo ms bajos a medida que
aumenta la edad. Igualmente, est asociado con el hbito tabquico, siendo menores en los fumadores
Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J.

Prevalencia de infeccin tuberculosa en la poblacin de
inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica
2001; 75: 551-8.
Discusin
- Cul es el significado de los hallazgos del estudio?
- Destacar los aspectos nuevos y relevantes del estudio y las principales

conclusiones.
- Anlisis e interpretacin de los datos de la investigacin segn la

metodologa empleada.
- Concretar una respuesta (conclusin) a la pregunta (objetivo) de

investigacin.
Discusin
1. Validez
Ausencia de sesgos
- Interna
- Externa
2. Importancia
3. Novedad
4. Utilidad clnica
Ratificar la ausencia de sesgos que puedan contaminar los resultados y conclusiones (validez externa).
Convencer al lector de la fiabilidad y validez interna de los resultados.
Validez
Interna:
Las diferencias observadas en la variable resultado en los individuos
o grupos participantes en nuestro estudio son atribuibles a la variable
predictora (causa) y no a otras variables extraas (factores de confusin) o
al azar?.
Externa:
A que poblacin, y en qu medios y condiciones puede aplicarse los
resultados del estudio?.
Se puede generalizar o extrapolar los resultados obtenidos de la muestra
estudiada a la poblacin de donde proviene?
Estructura de la discusin
1. Comentar los resultados propios

2. Corroborar la fiabilidad y validez de la investigacin
3. Interpretar los hallazgos no esperados
4. Confrontar los datos de la investigacin con otras similares
5. Reconocer las limitaciones del estudio y confirmar la ausencia de sesgos
(autocrtica del estudio con honestidad).
6. Discutir las implicaciones tericas y/o prcticas del estudio (valorar el
alcance de la investigacin).
7. Sugerir nuevos estudios concretos sobre el problema de investigacin.
Marcar futuras lneas de investigacin.
1. Comentar los
resultados propios
6. Discutir las implicaciones

tericas y/o prcticas del estudio
(valorar el alcance
de la investigacin)
2. Corroborar o justificar
la fiabilidad y validez
de la investigacin
4. Confrontar los datos de la

investigacin con otras similares
Duran E, Cabezos J, Ros M, et al. Tuberculosa en los inmigrantes recin llegados a Barcelona. Med Clin
(Barc) 1996; 106: 525-528
Variable resultado
Prueba de Mantoux
Variable (+) (-) Total
PREDICTORA
Ceuta 722 (32,6%) 1501 2223
Barcelona 506 (34%) 983 1489
Toledo 75 (27,7%) 269 344
2 Pearson = 19,29; p = 0,000065
.
Ha: Existen diferencias en la prevalencia de infeccin tuberculosa en el colectivo de inmigrantes segn la
ciudad de destino (Ceuta, Barcelona, Toledo)
Realidad 15: ...de lo Es clnicamente relevante?

estadsticamente significativo a lo
clnicamente relevante.
Es estadsticamente significativo? S (xito) No (fracaso)
S (p < 0,05) Estadsticamente significativo Estadsticamente significativo
Clnicamente relevante Clnicamente irrelevante (p < 0,05)
No (p > 0,1) Estadsticamente NO Estadsticamente NO significativo

significativo
Clnicamente irrelevante
Clnicamente
relevante
3. Interpretar y comentar
los hallazgos no esperados

(valorar el alcance e importancia
de la investigacin)
7. Sugerir nuevos estudios

concretos sobre el problema de
investigacin. Marcar futuras
lneas de investigacin
RESUMEN
Fundamento: El aumento en la frecuencia de tuberculosis (TB) se produce
por varios factores: resistencias al tratamiento, la infeccin por el virus
de la inmunodeficiencia humana, el paro, la pobreza y los movimientos
migratorios. El objetivo del estudio fue conocer la prevalencia de infeccin
tuberculosa en poblacin inmigrante del rea de Salud de Toledo.
Mtodos: Estudio descriptivo, transversal y multicntrico con
emplazamiento en Atencin Primaria. La captacin y reclutamiento de
las personas inmigrantes se realiz sobre base de tarjeta sanitaria, entre
diciembre de 2002 y septiembre de 2003. Se realiz intradermorreaccin
de Mantoux (IDRM), con 0,1 ml (2UT) de PPD RT-23, previa firma del
consentimiento informado. Otras variables recogidas fueron: edad, sexo,
peso, pas de origen, situacin laboral, vacunacin BCG, nmero de
convivientes, tiempo de residencia en Europa.
Resultados: Fueron incluidos 344 inmigrantes, con una edad media de
28,812,7 aos. El 50% (172) eran mujeres. Llevaban un promedio de
3,43,7 aos de residencia en Europa. El 78,8% (271) de las personas
inmigrantes completaron el estudio. La IDRM fue positiva en 75 de
ellos [27,7% (IC 95%: 23,1-32,5)]. Los inmigrantes con Mantoux positivo
tenan ms edad (32,5 8,5 aos) frente a (27,7 13,8 aos) en los que
el resultado fue negativo, p=0,006. El origen subsahariano aumentaba la
probabilidad de presentar IDRM positiva.
Conclusiones: La poblacin inmigrante del rea de Salud de Toledo
presenta una prevalencia alta de infeccin tuberculosa, superior a la
poblacin general espaola. Existen diferencias segn el pas de origen.
Estos resultados indican la importancia de considerar la prueba de
Mantoux en las actividades preventivas dirigidas a la poblacin inmigrante.
4. Confrontar los datos de la La tasa de infeccin tuberculosa en personas

inmigrantes vara mucho de unos estudios
investigacin con otras similares a otros, posiblemente por las diferentes
caractersticas de los sujetos estudiados en cada
uno de ellos. En los asentamientos de Ceuta,
con inmigrantes procedentes principalmente
de pases subsaharianos, la prevalencia de
infeccin tuberculosa fue del 32,5%15. En
colectivos de inmigrantes de procedencia
norteafricana residentes en la Comunidad de
Madrid16,17 fue superior al 70%. En nuestro
estudio las personas inmigrantes subsaharianas
presentaron cifras ms elevadas (45,1%), por
el contrario en los inmigrantes marroques
encontramos una menor frecuencia de infeccin
tuberculosa (17,3%).
15. Fernndez MT, Daz J, Snchez JM, Prez A, Vadillo J. Prevalencia de infeccin tuberculosa en la
poblacin de inmigrantes en Ceuta, Espaa. Rev Esp Salud Pblica 2001; 75: 551-8.
16. Rivas Clemente FP, Nacher Conches M, Corrillero Martin J, Garca-Herreros Madueno MT. Prevalencia
de infeccin tuberculosa en inmigrantes magrebes. Med Clin (Barc) 2000;114: 245-9.
17. Palomo ML, Rodrguez C, Ayerbe MT. Un estudio de contactos de tuberculosis en inmigrantes
marroques. Rev Esp Salud Pblica 1996; 70: 345-8.
Sesgos
Aparecen cuando se introduce un error en el diseo del trabajo
- Sesgos de informacin: Es un error sistemtico en la medicin de la

variable. Todas las variables (predictoras y resultado) deben medirse de la
misma forma en todos los participantes del estudio.
- Sesgos de seleccin: Es un error sistemtico en el proceso de seleccin

de los individuos que limitan la comparacin de los grupos. Criterios de
inclusin y de exclusin en la muestra.
- Sesgos de confusin: Es un error debido a la presencia de otras variables

(predictoras) con influencia sobre la variable dependiente (resultado) que no
han sido estudiadas y/o controladas adecuadamente.
Ejemplo de sesgo de informacin:

Qu grado de asociacin existe entre la endometriosis como causa de la
infertilidad?
Variable predictora: Variable resultado:

Criterio de evaluacin - Laparoscopia
Endometriosis Infertilidad
Sesgo de informacin
Ejemplo en un estudio caso-control
Bsqueda de endometriosis por laparoscopia
Endometriosis 21 A
Casos: 100 mujeres diagnosticadas
de INFERTILIDAD
Sin endometriosis (No expuestos) 79 C
21/79
OR = = 13
4/196
Bsqueda de endometriosis por laparoscopia
Controles: 200 mujeres frtiles Endometriosis 4 B
que se les haba realizado laparoscopia
para ligadura de trompas Sin endometriosis (No expuestos) 196 D
OR de 13 refleja la probabilidad de que la infertilidad (enfermedad- variable resultado) est producida por la
endometriosis (factor de estudio o variable predictora) comparada con la probabilidad de que lo estn los
controles.
Sesgo de informacin
Sesgo del entrevistador
Los encuestadores pueden introducir errores de clasificacin diferencial si

conocen las hiptesis del estudio y la condicin del entrevistado.
Este tipo de problema se puede controlar por medio de:

a. Desconocimiento del entrevistado.
b. Desconocimiento de las hiptesis de estudio.
c. Utilizacin de cuestionarios estructurados.
d. Control de los tiempos de ejecucin de la entrevista definitiva
e. Utilizacin de pocos entrevistadores (medidas de concordancia
entre distintos entrevistadores).
Pita Fernndez S. Tipos de estudios clnico epidemiolgicos. Epidemiologa. Conceptos bsicos. En:
Tratado de Epidemiologa Clnica. Madrid; DuPont Pharma, S.A.; Unidad de epidemiologa Clnica,
Sesgo de seleccin
Ejemplo en un estudio caso-control
Expuestos 90%
Casos: Enfermos con
Cncer de Pulmn
No expuestos
LCFA: Limitacin crnica del flujo areo
Controles: Pacientes ingresados en el Expuestos 88%

mismo servicio la mayora
de ellos con LCFA No expuestos
La seleccin del grupo control NO ha sido afortunada, ya que la LCFA est relacionada con el tabaco, lo
que enmascara su asociacin con el cncer de pulmn
Sesgo de seleccin
Variable predictora Exposicin F Variable resultado Enfermedad o

o factor de riesgo TABACO efecto E CNCER DE PULMN
LCFA
Si se eligen como controles personas (pacientes) con enfermedades relacionadas positiva o negativamente
con la exposicin aparece el sesgo de SELECCIN
Sesgo de confusin

o factor de riesgo efecto E
Variable
confundente
Es el nico sesgo que se puede controlar (evitar) en la fase de anlisis y no solo en la fase de diseo.
Distorsin en las conclusiones del estudio, producida por la distribucin desigual, en los grupos de
comparacin, de una tercera variable (confundente C).
Factores de confusin
- Es una variable (C) que distorsiona la verdadera medida de la asociacin entre otras dos
variables (F) y (E).
- Tipos variables de confusin
- Confusin positiva (error alfa)
- Confusin negativa (error beta)
- Es el resultado de relaciones especficas entre las variables incluidas en la base de datos
(muy difcil de prevenir o evitar)
- Tpicas variables de confusin: sexo y edad
- Se detecta cuando aparecen diferencias importantes entre las OR crudas de una
asociacin y las ajustadas segn posibles factores de confusin
- Mtodo de deteccin y control de Factores de Confusin
- Anlisis ESTRATIFICADO
- Anlisis MULTIVARIANTE (regresin lineal mltiple y regresin logstica
multivariante)
Criterios
La variable fumador cumple los criterios para ser un factor de confusin:
1. El tabaco es un factor de riesgo del cncer de vejiga.
2. El tabaco esta relacionado con la variable objeto de estudio (caf), ya que los
fumadores toman ms caf que los no fumadores.
Caf Cncer de Vejiga

2 1
Tabaquismo
Variable
confundente
Si se eligen como controles personas (pacientes) con enfermedades relacionadas positiva o negativamente
con la exposicin aparece el sesgo de SELECCIN
Sesgo de confusin
Ejemplo
Entre el 30-70% de los casos de cncer de vejiga estn relacionados con el consumo de
TABACO.
Entre el 10-20% de los casos de cncer de vejiga estn relacionados con ciertas
EXPOSICIONES LABORALES
Industrias textiles
Industrias mecnicas
Industrias grficas.
Influencia de la cloracin del agua

Dieta X Cncer de Vejiga

Exposicin laboral
(industrias textiles)
Variable
confundente
Dieta Y Cncer de Vejiga

Tabaquismo
Variable
confundente
Control de factores de confusin

Anlisis estratificado
OR cruda (ORc)
OR ponderada (ORp)
OR estratificada A (ORa) OR estratificada B (ORb)
Factor de confusin: Los datos crudos y estratificados difieren (ORc ORp)
Interaccin o modificacin de efecto: Los datos difieren en cada uno de los estratos (ORc ORp y ORa
ORb)
Alcohol Coronariopatas
Tabaco
Ejemplo de FACTOR DE CONFUSIN. Resultados de un estudio hipottico de casos

y controles sobre la asociacin entre consumo de alcohol y coronariopata, en funcin
del hbito tabquico.
Consumo de ALCOHOL
SI NO Total
Casos 71 29 100
Controles 52 48 100
OR OR = 2,26
p 2 Pearson = 7,62; p = 0,0058
Ejemplo de FACTOR DE CONFUSIN. Resultados de un estudio hipottico de casos y controles sobre la
asociacin entre consumo de alcohol y coronariopata, en funcin del hbito tabquico.
Consumo de Casos Controles OR

ALCOHOL
FUMADORES SI 63 36 1,0
NO 7 4
Total 70 40
p 2 Pearson = 0,00; p = 0.99
NO fumadores SI 8 16 1,0
NO 22 44
Total 30 60
p 2 Pearson = 0,00; p = 0.99
Positivos
Bebidas
destiladas
La verdadera influencia del alcohol sobre las coronariopatas puede estar condicionado por el tipo de bebida
alcohlica, ya que est bien documentado que las bebidas destiladas NO tienen efecto cardioprotector
Negativos
Vino tinto
La verdadera influencia del alcohol sobre las coronariopatas puede estar condicionado por el tipo de
bebida alcohlica, ya que est bien documentado que el vino tinto puede tener un efecto cardioprotector
Caf Cncer de laringe
Tabaco
El TABACO est fuertemente asociado al CAF la variable predictora principal del estudio, ya que la
proporcin de fumadores que toman caf es mucho mayor que en el grupo de no fumadores.
El TABACO es un conocido e importante factor de riesgo del cncer de laringe.

Control de FACTORES DE CONFUSIN. Resultados de un estudio hipottico que

describe la posible relacin entre el consumo de caf y el carcinoma de laringe,
teniendo en cuenta la influencia del hbito tabquico.
Caf
SI NO Total
Cncer de laringe 175 (58%) 125 (42%) 300
Controles 125 (42%) 175 (58%) 300
OR OR = 1,96
p 2 Pearson = 16,67; p < 0.00014
Q de Yule = 0,32
CAF Control de FACTORES DE
SI NO Total CONFUSIN. Resultados de un
FUMADORES estudio hipottico que describe la
Cncer de laringe 150 (75%) 50 (25%) 200 posible relacin entre el consumo
Controles 75 (75%) 25 (25%) 100 de caf y el carcinoma de laringe,
teniendo en cuenta la influencia
OR OR = 1,0
del hbito tabquico.
p 2 Pearson = 0,00; p = 0.99
NO fumadores La proporcin de controles fumadores
Cncer de laringe 25 (25%) 75 (75%) 200 que toman caf (75%) es mucho mayor
que entre los controles no fumadores
Controles 50 (25%) 150 (75%) 100 (25%)
OR OR = 1,0
p 2 Pearson = 0,00; p = 0.99
OR = 2,3 p=0,003
Grupo cultural Diabetes gestacional
OR = 2,8 OR = 4,8
p < 0,00001 p < 0,00001
Obesidad
La OBESIDAD est fuertemente asociado a la variable predictora principal del estudio (grupo cultural), ya
que la proporcin de obesas es mucho mayor en las musulmanas que en las cristianas.
Tabla. Prevalencia de DMG segn obesidad.

Distribucin por grupos culturales
Grupos DMG (+) DMG (-) Odds Ratio OR cruda = 2,3 > OR
ponderada de Mantel-
Total Musulmanas 41 (5,9%) 655 OR = 2,32 Haenszel = 2,0
p= 0,003
Cristianas 17 (2,6%) 633 Q = 0.40 2 Resumen de Mantel-
Haenszel = 4,24 (p= 0,039)
Obesas Musulmanas 17 (16,3%) 87 OR = 3,44
Test de Woolf de
heterogeneidad de OR ( 2
NS (p > 0,05)
Cristianas 2 (5,4%) 35 Q = 0.55
de Woolf = 0,71 p>0,05)
No obesas Musulmanas 24 (4,1%) 568 NS (p > 0,05)

Q = 0.25
Cristianas 15 (2,4%) 598
OBESIDAD FACTOR DE CONFUSIN
Test de Woolf de heterogeneidad de NO interaccin multiplicativa

OR p > 0,05
Figura .- Prevalencia de DMG segn obesidad (anlisis estratificado). Distribucin por grupos culturales
Q= 0.55 p > 0,05
p > 0,05
Q= 0.25
Daz Portillo J, Snchez Del Pino MJ, Navarro Arvalo A, Torres Milln E. PREVALENCIA DE DIABETES
MELLITUS GESTACIONAL EN LA POBLACIN BIRRACIAL DE CEUTA. Ciencia Ginecolgika 1998;
2(4):169-178.
Variables Coeficiente i EE IC95% Significacin

Constante
Grupo cultural
Obesidad
Log P/ 1- P = o + 1 Grupo CULTURAL + 2 OBESIDAD
Daz Portillo J, Snchez Del Pino MJ, Navarro Arvalo A, Torres Milln E. PREVALENCIA DE DIABETES
MELLITUS GESTACIONAL EN LA POBLACIN BIRRACIAL DE CEUTA. Ciencia Ginecolgika 1998;
2(4):169-178.
Exposicin OR = 7,23 p=0,003 Desenlace o efecto
Grupo Cultural
Daz Portillo J, Snchez Del Pino MJ, Navarro Arvalo A. EFECTO DEL ESTRS INTRAPARTO SOBRE EL
METABOLISMO LIPOPROTEICO Y SOBRE EL GRADO DE PEROXIDACIN LIPDICA EN SANGRE DE
CORDN. Anlisis Clnicos 1999; 24 (3): 104-116.
Tabla. Prevalencia de DMG segn obesidad. Distribucin por grupos culturales
Grupos SFA (+) SFA (-) Odds Ratio

Total Hipertrigliceridemia 11,3% 1,7% OR= 7,23
p= 0,003
Normotrigliceridemia Q=0.76
Cristianas Hipertrigliceridemia 3 10 OR= 5,86

p= 0,0039
Normotrigliceridemia 25 488 Q=0.71
Musulmanas Hipertrigliceridemia 5 8 OR= 8,78

p= 0,00001
Normotrigliceridemia 37 520 Q=0.80
OR cruda =7,23 OR ponderada de Mantel-Haenszel = 7,38

2 Resumen de Mantel-Haenszel = 22,7 (p= 0,0000002)
Test de Woolf de heterogeneidad de OR 2 de Woolf = 0,20 p>0,05)
(sangre de cordn)
Grupo cultural NO FACTOR DE CONFUSIN
Test de Woolf de heterogeneidad de NO interaccin multiplicativa

OR p > 0,05

OR = 1,8
HTA IAM
La INTERACCIN se presenta
cuando la fuerza de la relacin
entre dos variables es diferente
Cuando dos factores en funcin de una tercera
de exposicin actan llamada MODIFICADOR DE
conjuntamente, sus efectos EFECTO.
no son necesariamente La EDAD es un posible
aditivos, a veces el riesgo factor de confusin ya que
resulta mayor del que Edad est relacionada con la TA
se espera sumando los y con el IAM.
factores.
- Factor de confusin: Los datos crudos y estratificados difieren.

- Interaccin o modificacin de efecto: Los datos difieren en cada uno de los estratos.
OR cruda (ORc)
OR ponderada (ORp)
OR estratificada A (ORa) OR estratificada B (ORb)
- Factor de confusin: Los datos crudos y estratificados difieren (ORc ORp)

- Interaccin o modificacin de efecto: Los datos difieren en cada uno de los estratos (ORc ORp y ORa
ORb)

INTERACCIN o MODIFICACIN DE EFECTO.
Resultados de un estudio que relaciona la tensin arterial con la presencia de infarto de
miocardio.
IAM
TA SI NO Total
TA 140 28 540 568
TA < 140 27 960 1555
Total 55 1500 30
OR OR = 1,8 IC95%: 1,04 - 3,26
p p = 0,024
2 Pearson = 5,09; p = 0.024
Q de Yule = 0,30

IAM Infarto agudo de miocardio
TA SI NO Total (variable resultado) segn
EDAD 60 la tensin arterial y la edad
TA 140 9 110 119 (variables predictoras).
TA < 140 6 70 76
Total 15 180 196
OR OR = 0,9 2 Pearson = 0,01; p = 0.93
EDAD < 60 OR ponderada = 1,75
TA 140 20 435 455
TA < 140 20 885 1005
Total 40 1320 1460
OR OR = 2,0 2 Pearson = 5,07; p = 0.024

Infarto agudo de miocardio (variable resultado) segn la tensin arterial y la edad (variables
predictoras).
Factor de confusin: EDAD

Los datos crudos y estratificados difieren
(ORc:1.8 ORp: 1.75)
Interaccin o modificacin de efecto: EDAD

Los datos difieren en cada uno de los estratos
(ORa: 0.9 ORb: 2.0)

Infarto agudo de miocardio (variable resultado) segn la tensin arterial y la edad (variables
predictoras).
TENSIN Coronariopatas
Factor de confusin:
Los datos crudos y
estratificados difieren.
Interaccin o EDAD La EDAD es un posible

modificacin de efecto: factor de confusin ya
Los datos difieren en que est relacionada con
cada uno de los estratos. la TA y con el IAM.
Sinergismo
OR cruda = 3,69 (IC95%: 1,4-9,8)
HTA Cncer de Pulmn
OR cruda = 10,1 (IC95%: 3,5-29,1)
Tabaco
ORajustado=2,80 (IC95%:1,0-7.9)
Modelo de regresin logstica
La relacin ASBESTO-CNCER PULMN persiste como estadsticamente.
significativa al ajustar el modelo logstico para el TABACO como posible factor de confusin.
Sinergismo
OR cruda - OR ajustado
X 100 > 10%
OR cruda
3,69 - 2,80
X 100 > 24%
3,69
Falsos factores de confusin:

Sobreajuste
Cerveza Cncer de colon
Consumo de pizza
Marcador de la exposicin o
producido por la exposicin
Factor de colisin
UDPV Homosexualidad
El FACTOR de COLISIN
Infeccin por VIH (VIH) est asociado con la
exposicin (UDPV) y con el
Factor de colisin desenlace (Homosexualidad).
pero a diferencia de los
FACTORES DE CONFUSIN
NO distorsiona la medida de
asociacin entre ambos.
Caso hipottico de variable de colisin

OR cruda = 1,00
El VIH es un FACTOR Si consideramos a la
HMSX No HMSX
de COLISIN porque INFECCIN por VIH como
UDPV 10 90
ambos colectivos FACTOR DE CONFUSIN,
comparados tiene una No UDPV 90 810 y estratificamos estaramos
mayor prevalencia de OR p = 0.30 introduciendo un SESGO
infeccin por VIH en de CONFUSIN all donde
comparacin con la OR cruda OR p NO exista previamente.
poblacin general.
A VIH (+) B VIH (-)

HMSX No HMSX HMSX No HMSX
UDPV 8 60 UDPV 2 30
No UDPV 60 10 No UDPV 30 800
OR a = 0,02 (p < 0,00001) OR a OR b OR b = 1,78 (p > 0,05)

Anlisis Multivariante para la deteccin de potenciales factores de
confusin
Variable Resultado
Portadores del Alelo 4
- Elevada prevalencia de enfermedad coronaria

- Mayor extensin de la arteriosclerosis
- Mayor tasa de IAM
- Mayor mortalidad de causa coronaria
Alelo 4 Enfermedad coronaria
- ANLISIS UNIVARIANTE:
El 15,7% de los portadores del alelo 4 presentaban CI frente al 6,9% en NO
4 (p<0,01)
ORc = 2,49 IC95%: 1,19-5,22
Modelo de regresin logstica
Potenciales FACTORES DE CONFUSIN

- Edad
- Sexo
- HTA
- Tabaquismo
- Obesidad (IMC)
- Lpidos y lipoprotenas
Regresin logstica multivariante para la deteccin de

potenciales factores de confusin
OR (IC95%)
No corregido
Corregido para la edad y el sexo 2,49 (1,19 - 5,22)
Corregido para la edad, el sexo y otros 2,59 (1,15 - 5,83)
factores de riesgo cardiovascular (FRCV)
2,83 (1,18 - 6,81)
Corregido para la edad, el sexo, otros
factores de FRCV y perfil lipdico 2,56 (1,03 - 6,39)
0,75 1 2 4 8
Asociacin entre la prevalencia de enfermedad coronaria y el tipo de apo E (4 frente a no 4) expresada

como OR e IC95% en una poblacin de 386 pacientes con hipercolesterolemia. Se presenta la asociacin
simple (anlisis univariante) (OR no corregido) y despus de corregir, de forma escalonada, para distintas
variables predictoras potencialmente confundentes como la edad y el sexo, para estas variables ms la
presencia de hipertensin arterial, tabaquismo e IMC y, por ltimo, todos los anteriores ms el perfil lipdico
colesterol total, cHDL y triglicridos mediante anlisis multivariante.
Se ha cometido algn tipo de sesgo? Cul?
RESULTADOS
De las 458 personas inmigrantes contactadas, 114 no acudieron a la cita. Fueron incluidos
en el estudio las 344 restantes. Su edad media era de 28,8 aos (DE=12,7; rango de 0
a 81 aos) y el 50,0 % (172) eran mujeres. La edad de los hombres (29,712,1 aos) fue
ligeramente mayor que la de las mujeres (27,913,4 aos). Llevaban un promedio de 3,4
aos (DE=3,7) de residencia en Europa.
De los 344 sujetos completaron el estudio 271 (78,8%); 44 (12,8%) no acudieron a la
lectura y en 29 mujeres (8,4%) no se realiz la prueba por embarazo o lactancia. La IDRM
fue positiva en 75 de ellos [27,7% (IC 95%; 23,1- 32,5)].
Sesgo de seleccin
El 25% de los inmigrantes NO acudieron a la cita mdica. Esto supone un

importante prdida de datos. Posteriormente un 13% no acudieron a la lectura
del Mantoux.
Qu garanta existe de que ese 25% de inmigrantes que no participaron

en el estudio fuera por motivos relacionados directa o indirectamente con la
infeccin tuberculosa?
Puede ser que los que faltaron a la lectura fuese porque la prueba fue
positiva y teman algn tipo de accin negativa sobre su futura permanencia
en nuestro pas?
Reflexiones finales
Los distintos tipo de sesgos, la influencia del azar y la presencia de variables

predictoras de CONFUSIN deben finalmente siempre, tenerse en cuenta,
en todos los estudios como explicacin posible de cualquier asociacin
estadstica ya sea esta positiva, negativa o no existente.
Y como sealaba M. Susser en sus reflexiones sobre causalidad

cuando hay minas por todas partes uno no debe aventurarse sin un detector
de minas (ANLISIS MULTIVARIANTE)
Susser M. Conceptos y estrategias en epidemiologa. El pensamiento causal en ciencias de la salud.

Mxico: Biblioteca de la Salud; 1991
Estructura de la discusin
1. Comentar los resultados propios

2. Corroborar la fiabilidad y validez de la investigacin
3. Interpretar los hallazgos no esperados
4. Confrontar los datos de la investigacin con otras similares
5. Reconocer las limitaciones y confirmar la ausencia de sesgos (autocrtica
del estudio con honestidad).
6. Discutir las implicaciones tericas y/o prcticas del estudio (valorar el
alcance de la investigacin).
7. Sugerir nuevos estudios concretos sobre el problema de investigacin.
Marcar futuras lneas de investigacin.
1. Comentar los
resultados propios

(valorar el alcance
de la investigacin)
2. Corroborar o justificar
la fiabilidad y validez
de la investigacin
4. Confrontar los datos

de la investigacin con
otras similares
Rivas FPJ, Ncher M, Corrillero J, Garca-Herreros T. Prevalencia de infeccin tuberculosa entre los
inmigrantes magrebes. Med Clin (Barc) 2000; 114: 245-249.
3. Interpretar y comentar
los hallazgos no esperados

(valorar el alcance e importancia
de la investigacin)
Objetivos de la discusin
1. Examinar e interpretar los resultados en funcin de su evidencia y de sus

limitaciones
2. Determinar la relacin de coherencia o contradiccin entre los datos
presentados
3. Sealar las similitudes y las diferencias entre los resultados
4. Determinar la validez interna de la investigacin
5. Determinar la validez externa de la investigacin
6. Destacar cualquier consecuencia terica de los resultados
7. Sugerir mejoras en la investigacin del tema
8. Sealar reas distintas que hace falta investigar sobre el tema en cuestin
Estilo de la discusin
1. Estilo argumentativo (debate y controversia)

2. Diferenciar lo cierto frente a lo probable y a lo meramente especulativo
3. Equilibrio: objetividad imaginacin
ponderacin entusiasmo
honestidad intelectual pura especulacin
4. Tono ponderado y sincero (huir del lenguaje triunfalista o pesimista).
5. Tiempo verbal:
- PRESENTE para las referencias a otros autores
- PASADO para aludir a la propia investigacin
Errores ms frecuentes en la discusin
- Reiteracin de la informacin dada en la introduccin.

- Repeticin de los resultados de la investigacin
- Hacer referencias a datos no publicados
- No hay consideraciones sobre las limitaciones (estudios transversales) y
validez del estudio (casos-controles, cohortes)
- No se explican las similitudes o diferencias con estudios afines
- No se hacen recomendaciones para mejorar los mtodos en futuras
investigaciones (siempre hay algo que mejorar o que no se ha investigado en
nuestro estudio).
- Las interpretaciones sobre los resultados son excesivamente optimistas o
pesimistas.
Conclusin
Representa la respuesta del investigador (apoyado en la interpretacin de los

resultados obtenidos) a la pregunta de investigacin planteada en forma de
objetivo.
Errores ms frecuentes de las conclusiones

- Discordancia numrica entre objetivos y conclusiones.
- Las conclusiones no se justifican al no apoyarse en los resultados del
estudio.
- Las conclusiones no concuerdan con los objetivos (preguntas de
investigacin, y por tanto dejan sin respuesta la pregunta)
- Las conclusiones no se entienden.
Recomendaciones de Tufte
Financiacin Generacin de ideas
Eleccin del diseo Ttulo Tratamiento estadstico
Autores
Recoleccin de datos Resumen Acceso a fuentes

de informacin
Introduccin
Utilizacin de equipos,
materiales, frmacos o
tecnologa especiales Revisin del manuscrito
Agradecimientos
Reconocimiento de personas o instituciones que ayudaron en...
1. Forma intelectual o material al autor en su investigacin
2. La redaccin del artculo
3. La revisin del manuscrito tanto en aspectos de su contenido como

de su estructura y de su estilo
Utilidades de la revisin bibliogrfica
- Fuente de ideas susceptibles de investigacin (objetivos)

- Valoracin de los conocimientos actuales sobre el tema (introduccin)
- Valoracin de la pertinencia y viabilidad del proyecto de investigacin
- Provisin del marco conceptual para la investigacin (introduccin)
- Ayuda en la delimitacin del objetivo especfico (introduccin)
- Comparaciones de los propios resultados con estudios similares (discusin)
- Contribucin a la valoracin de la validez externa (discusin)
- Deteccin y control de potenciales variables de confusin (mtodos)
- Informacin sobre aspectos concretos del diseo (material y mtodos)
- Informacin sobre los mtodos estadsticos (material y mtodos)
Utilidades de la revisin blibliogrfica en el diseo del estudio
- Estrategias
- Procedimientos
- Pautas de seguimiento
- Criterios de seleccin
- Determinacin del tamao de muestra
- Definicin de variables (predictoras y resultado)
- Instrumentos de medida
- Prevencin de potenciales problemas
- Anlisis estadstico (test estadsticos ms adecuados)
Bibliografa
Revisiones bibliogrficas
1 Revisin bibliogrfica:
Plantear y planear el estudio
2 Revisin bibliogrfica:
- Interpretar los hallazgos del estudio (resultados)
- Nueva informacin sobre el problema
- Paso del tiempo (actualizacin)
Operaciones Tareas del investigador

Identificacin Extraccin de palabras clave
de trminos
Consulta en obras de referencia
Bsqueda Bsqueda en fuentes secundarias

bibliogrfica
Identificacin de fuentes primarias
Recuperacin de Extraccin de referencias

la informacin
Localizacin de referencias en catlogos
Seleccin de fuentes primarias

Bibliografa
- Introduccin en el texto: Sistema Vancouver (orden de mencin en el texto)
- Distribucin en el texto: 30-40% de las citas aparece apoyando la discusin

(2 revisin bibliogrfica)
- Cantidad: 25 citas/2.000 palabras de texto.

Bibliografa gris o no localizable
- Datos no publicados
- Informes internos
- Libros de resmenes de Comunicaciones
- Tesis doctorales
- Conferencias no publicadas
- Artculos o editoriales de peridicos

Ejemplo de bibliografa
Rev Esp Salud Pblica 2001; 75: 551-558 N. 6 - Noviembre-Diciembre 2001

ORIGINAL
PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA,

ESPAA
Mara Teresa Fernndez Sanfrancisco, Jacobo Daz Portillo, Jos Mara Snchez Romero, Aitana Prez
Fernndez y Juan Vadillo Andrade.
INTRODUCCIN
La tuberculosis (TB) es una de las enfermedades infecciosas de mayor importancia en nuestro pas y
en gran parte del mundo, constituyendo un importante problema de salud pblica, razn por la cual la
Organizacin Mundial de la Salud (OMS) la declar emergencia global en 1993 (1).
Se estima que se producen en torno a 8 millones de casos nuevos anualmente en todo el mundo que
unidos a los 12 millones ya existentes arrojan un total de 20 millones de casos, lo que la convierte en la
enfermedad infecciosa ms prevalente (2). Los pases en vas de desarrollo son los ms frecuentemente
afectados, aportando ms del 95% de los casos, en especial los localizados en el frica Subsahariana,
estimndose la incidencia de enfermedad tuberculosa en estos pases en 7 millones de personas/ao (3).
Bibliografa
Orden de mencin
1. TB. A Global Emergency. WHO Report on the TB Epidemic.

WHO/TB/94.177.
2. Dye C, Scheele S, Dolin O, Pathania V, Raviglione M.

For the WHO Global Surveillance and Monitoring Project. Global Burden of
Tuberculosis. Estimated Incidence, Prevalence, and Mortality by Country.
JAMA 1999; 282: 677-686.
3. CDC. Tuberculosis in developing countries. MMWR 1990; 33: 561-569.

Ventajas del orden de mencin
- Permite una lectura rpida que se puede interrumpir para consultar las
referencias citadas.
- Ahorra espacio en la revista
- Concuerda con el sistema VANCOUVER adoptado por varios centenares de

revistas biomdicas importantes de alcance internacional y elevado ndice de
impacto
Ejemplo de bibliografa
Rev Esp Salud Pblica 2001; 75: 551-558 N. 6 - Noviembre-Diciembre 2001

ORIGINAL
PREVALENCIA DE INFECCIN TUBERCULOSA EN LA POBLACIN DE INMIGRANTES EN CEUTA,

ESPAA
Mara Teresa Fernndez Sanfrancisco, Jacobo Daz Portillo, Jos Mara Snchez Romero, Aitana Prez
Fernndez y Juan Vadillo Andrade.
INTRODUCCIN
La tuberculosis (TB) es una de las enfermedades infecciosas de mayor importancia en nuestro pas y
en gran parte del mundo, constituyendo un importante problema de salud pblica, razn por la cual la
Organizacin Mundial de la Salud (OMS) la declar emergencia global en 1993 (WHO/TB).
Se estima que se producen en torno a 8 millones de casos nuevos anualmente en todo el mundo que
unidos a los 12 millones ya existentes arrojan un total de 20 millones de casos, lo que la convierte en la
enfermedad infecciosa ms prevalente (Dye C et al 1999). Los pases en vas de desarrollo son los ms
frecuentemente
afectados, aportando ms del 95% de los casos, en especial los localizados en el frica Subsahariana,
estimndose la incidencia de enfermedad tuberculosa en estos pases en 7 millones de personas/ao
(CDC).
Bibliografa
Nombre y ao, alfabtico
CDC. Tuberculosis in developing countries. MMWR 1990; 33: 561-569.

Dye C, Scheele S, Dolin O, Pathania V, Raviglione M. For the WHO Global Surveillance and
Monitoring Project. Global Burden of Tuberculosis. Estimated Incidence, Prevalence, and Mortality by
Country. JAMA 1999; 282: 677-686.
TB. A Global Emergency. WHO Report on the TB Epidemic. WHO/TB/94.177.

Ventajas del orden de nombre y ao
- Pueden aadirse o eliminar citas bibliogrficas fcilmente.
- Permite relacionar inmediatamente a autores con los fenmenos

relacionados.
Inconvenientes de nombre y ao
- Es dificultoso para la lectura, especialmente cuando se citan varias

referencias en un solo prrafo.
- Es mas costoso para la revista por cuanto desperdicia mucho espacio.

Bibliografa seleccionada segn criterios de

La medicina basada en la evidencia (MBE) es la utilizacin consciente,

explcita y juiciosa de la mejor evidencia (prueba) cientfica disponible a la
hora de tomar decisiones sobre el cuidado de los pacientes. La prctica de
la MBE significa integrar en la maestra clnica individual la mejor evidencia
(prueba) cientfica disponible procedente de una investigacin vlida y fiable.
Sackett et al., BMJ 1996; 312: 71-72

Bibliografa seleccionada segn criterios de

Efecto Halo
Errores ms frecuentes de la bibliografa
1. Citar todos los artculos indiscriminadamente (escoger los ms adecuados).

2. Copia de referencias incluidas en otros artculos sin haberlas ledo [Errores
en la transcripcin de una referencia (citar sin error)].
3. Apoyar conceptos ampliamente conocidos y aceptados.
4. Omitir las citas de mayor actualidad.
- No se ha realizado una buena bsqueda.
- Excesiva inspiracin en alguna de ellas.
5. Inclusin de citas desfasadas o antiguas.
6. Inexistencia o parquedad en las referencias.
7. No pertinencia con el problema de investigacin.
8. Ausencia de una segunda revisin bibliogrfica (para armar la discusin).
9. Referencia a documentos no recuperables por el lector (bibliografa gris o
no recuperable).
Software disponible
Procesadores de texto Hojas de clculo

- Microsoft WORD - Quattro-Pro
- Word Perfect - Lotus 1-2-3
- Excell
Bases de datos
- DBASE Paquetes estadsticos
- ACCESS - RSIGMA
- STATGRAPHICS
Gestores de GRFICOS - SPSS
- Harvard Graphiccs - EPIINFO
- Microsoft PowerPoint
- Corel Presentations
Bibliografa utilizada en el curso (1)
- Morell Ocaa M, Redondo Bautista M. Metodologa cientfica en ciencias de la salud.

Grupo editorial 33 (Mlaga); 2002.
- Argimn Palls JM, Jimnez Villa J. Mtodos de investigacin aplicados a la atencin
primaria de salud. 2 ed. Barcelona: Mosby-Doyma; 1994.
- Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajajardo FJ. Bioestadstica
amigable. Madrid: Ediciones Daz de Santos; 2001.
- Sackett DL, Richarson WS, Rosenberg W, Hynes RB. Evidence-based medicine: how to
practice and teach EBM. 2nd ed. London: Churchill-livingstone; 2000.
- Silva Ayaguer LC. Cultura estadstica e investigacin cientfica en el campo de la salud:
una mirada crtica. Madrid: Ediciones Daz de Santos; 1997.
- Martn Andrs A, Luna del Castillo JD. Bioestadstica para las ciencias de la salud. 4 ed.
Madrid:NORMA; 1993.
- Milton JS, Tsokos JO. Estadstica para biologa y ciencias de la salud. Madrid:
Interamericana McGraw Hill; 2001.
- Dawson-Saunders B, Trapp RG. Bioestadstica Mdica . 2 ed. Mxico: Editorial el
Manual Moderno;1996.
- Pita Fernndez, S. Uso de la estadstica y la epidemiologa en atencin primaria. En: Gil
VF, Merino J, Orozco D, Quirce F. Manual de metodologa de trabajo en atencin primaria.
Universidad de Alicante. Madrid, Jarpyo Editores, S.A. 1997; 115-161.
- Pita Fernndez S. Tipos de estudios clnico epidemiolgicos. Epidemiologa. Conceptos
bsicos. En: Tratado de Epidemiologa Clnica. Madrid; DuPont Pharma, S.A.; Unidad de
epidemiologa Clnica, Departamento de Medicina y Psiquiatra.Universidad de Alicante:
1995. p. 25-47.
- Bobenrieth Astete M.A . Mitos y realidades en torno a la publicacin cientfica. Med Clin
(Barc) 2000; 114: 339-341.
- Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud. Medicina de
Familia (And) 2001; 2: 81-90.
- Salsburg DS. The religion of statistics as practiced in medical journals. Am Statistician
1985; 39: 220-223.
- Pocock SJ. The role of statistics in medical research. Br J Psychiat 1980; 137: 188-190.
- Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.
- Pita Fernndez S, Prtega Daz S. Significancia estadstica y relevancia clnica. Cad Aten
Primaria 2001; 8: 191-195.
- Pita Fernndez S. Elementos bsicos en el diseo de un estudio. Cad Aten Primaria
1996; 3: 83-85.
- Iraurgi I. Significancia estadstica y relevancia clnica. Norte de Salud Mental 2009; 94 -

108.
- Rubio C. Diseo estadstico de ensayos clnicos. Med Clin (Barc) 1996; 107: 303-309.
- Plasencia A, Porta Serra M. La calidad de la informacin clnica (II): significacin
estadstica. Med Clin (Barc) 1988; 90: 122-126.
- Carlos Manterola D, Viviana Pineda N. El valor de p y la significacin estadstica.
Aspectos generales y su valor en la prctica clnica. Interpretation of medical statistics.
Rev. Chilena de Ciruga 2008; 60: 86-89.
- Henrquez Fiero E, Zepeda Gonzalez. Elaboracin de un artculo cientfico de
investigacin. Ciencia y Enfermera X (1): 17-21, 2004.
- Benach de Rovira J , Tapia Granados JA. Mitos o realidades: a propsito de la

publicacin de trabajos cientficos Mundo Cientfico, 1995; 15 (154): 124-30.
- Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice
Kappa. Cad Aten Primaria 1999; 6: 169-171.
- Pita Fernndez S, Prtegas Daz S. Relacin entre variables cuantitativas. Cad Aten
Primaria 1997; 4: 141-144.
- Pita Fernndez S, Prtegas Daz S. Pruebas diagnsticas. Cad Aten Primaria 2003; 10:
120-124.
- Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis de
concordancia para variables numricas. Cad Aten Primaria 2004.
- Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad
Aten Primaria 2000; 7: 173-176.
- Pita Fernndez S, Prtegas Daz S. Tcnicas de regresin: regresin lineal mltiple. Cad
Aten Primaria 2000; 7: 91-94.
- Pita Fernndez S. Correlacin frente a causalidad JANO 1996; (1174): 59-60.
- Pita Fernndez S. Determinacin del tamao muestral. Cad Aten Primaria 1996; 3: 138-
144.
- Prtegas Daz S , Pita Fernndez S. La distribucin normal. Cad Aten Primaria 2001; 8:
268-274.
- Prtegas Daz S , Pita Fernndez S. Mtodos paramtricos para la comparacin de dos
medias. t de Student. Cad Aten Primaria 2001; 8: 37-41.
- Prtegas Daz S , Pita Fernndez S. Determinacin del tamao muestral para calcular la
significacin del coeficiente de correlacin lineal. Cad Aten Primaria 2001; 9: 209-211.
- Burgueo MJ, Garca-Bastos JL y Gonzlez-Buitrago JM. Las curvas ROC en la
evaluacin de las pruebas diagnsticas. Med Clin (Barc) 1995: 104: 661-670.
- Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Curvas ROC. Cad Aten Primaria 1998;
5: 229-235.
- Pita Fernndez S. Dificultades de los mdicos para la realizacin de estudios clnico-
epidemiolgicos. Congreso Galego de Estadstica e Investigacin de Operacins. Santiago
de Compostela, A Corua (Espaa). 11-13 Novembre-1999.
Captulo 9
Bsqueda bibliogrfica segn criterios de MBE electrnica:

Internet; concepto, funcionamiento y bsqueda de informacin

Internet
Concepto
Internet es un conjunto de redes (net) de ordenadores

conectadas entre s por todo el mundo.
Qu es una red de ordenadores?
Una red de ordenadores es un conjunto de tcnicas, conexiones fsicas y

programas informticos empleados para conectar dos o ms computadoras
para compartir su informacin y recursos.
Clasificacin segn la extensin de la red de ordenadores
Segn su extensin geogrfica, las redes se clasifican en:
LAN (Redes de rea Local):

Son redes de propiedad privada de extensin restringida. Ej.: Hospital.
WAN (Redes de rea Amplia):

Permiten conectar redes o equipos entre s a grandes distancias, dando
servicio a un pas o un continente a travs de poderosos nodos de
conmutacin.
Componentes de la red
Una red tiene tres tipos de componentes:
- Hardware de red
- Software de red
- Software de aplicaciones
Hardware de red
El hardware de red est formado por los componentes fsicos que unen los
ordenadores.
Entre ellos encontramos:
- Las tarjetas adaptadoras de red que permiten acceder al medio material

(cables, fibras pticas o enlaces de radio) que conecta a los ordenadores.
- Los medios de transmisin de las seales de los ordenadores (fibras pticas,

cables telefnicos, cables coaxiales, haces de luz infrarroja, microondas o
enlaces satlites).
- Concentradores y controladores de red: Son dispositivos de hardware que

controlan el trfico dentro de una red o bien sirven como conectores de una
red a otra.
Software de red
El software de red son los programas informticos que establecen normas o

mtodos para que los ordenadores se comuniquen entre s, a estas normas
se les llama lenguajes.
- NetBeui utilizado en las redes de Microsoft Windows
- TCP/IP, ste ltimo de particular importancia es el que se utiliza en las

conexiones de Internet
Protocolo TCP/IP
El Protocolo de Internet (IP) y el Protocolo de Control de Transmisin (TCP)

fueron desarrollados en 1973 por el informtico estadounidense Vinton Cerf
como parte de un proyecto patrocinado por el Departamento de Defensa de
EEUU.
La caracterstica fundamental del protocolo TCP/IP es que se envan

mensajes empaquetados (packets) en una especie de envoltura digital, este
mensaje es puesto en un paquete IP (Internet Protocol), es enviado por la
computadora fuente y ella misma se encarga de hacer que el mensaje llegue
en ptimas condiciones.
Protocolo TCP/IP
Protocolo TCP
Protocolo IP Protocolo IP Protocolo IP
INTERNET
Protocolo TCP
Software de aplicaciones
El software de aplicaciones est formado por programas informticos

(navegador - browser) que se comunican con los usuarios de la red y permiten
compartir informacin.
- Internet Explorer un programa que permite navegar a travs del servicio de

WWW (World Wide Web) que Internet ofrece.
- Otros navegadores son Google Chrome, Mozilla Firefox, Netscape, ...

Navegadores (Web browser)
Programas que permiten visualizar la informacin contenida en una pgina

web, interpretando el cdigo en que estn escritas (HTML generalmente),
permitiendo al usuario interactuar con su contenido y navegar hacia otros
lugares de la red mediante enlaces o hipervnculos.
Navegadores (Web browser)
Direcciones IP
Las direcciones IP son nmeros enteros de 32 bits, separados en conjuntos

de 4 octetos, que sirven como identificador universal de un ordenador dentro
de una red TCP/IP y que permite identificarlo.
192.168.122.275
Dominios
El propsito principal de los nombres de dominio en Internet y del sistema de

nombres de dominio (DNS), es traducir las direcciones IP de cada nodo activo
en la red, a trminos memorizables y fciles de encontrar.
www.seorl.es
Dominios en Internet
- El formato standard es:

nombre de mquina o servicio . nombre de dominio . tipo de
dominio/pas
- Ej.: www.seorl.es equivale a:

www = servicio world wide web
seorl = Sociedad Espaola de Otorrinolaringologa
es = Espaa
Dominios en Internet
.es, pas
.com, organizaciones de mbito comercial
.gov, organizaciones de mbito gubernamental
.edu, organizaciones de mbito educacional
.net, organizaciones de Investigacin sobre redes
.mil, organizaciones de mbito militar
.int, organizacin de carcter internacional
.org, organizaciones sin nimo de lucro
Internet
Bsqueda de Informacin en la Red
- Buscadores
- Infranet
Buscadores en internet
Los buscadores se han convertido en la puerta de acceso a la red para la

gran mayora de los usuarios que buscan informacin, y generan actualmente
el 85 % del trfico en Internet.
Buscadores: Clasificacin
- Directorios temticos o ndices
- Motores de bsqueda
- Metabuscadores o buscador de buscadores

Directorios temticos o ndices
Los ndices o Buscadores temticos son sistemas creados con la finalidad

de disear una bsqueda por temas o categoras clasificadas. Son bases
de datos de direcciones Web elaboradas manualmente, es decir, hay
personas encargadas de asignar cada pgina Web a una categora o tema
determinado.
La funcin de este tipo de sistemas es presentar algunos de los datos de

las pginas ms importantes, desde el punto de vista del tema y no de lo
que se contiene. Los resultados de la bsqueda de estos ndices pueden ser
muy limitados ya que las bases de datos de direcciones son muy pequeas,
adems de que puede ser posible que el contenido de las pginas no est
completamente al da. Ej: Yahoo, Ol, Oz, etc...
Directorios temticos o ndices

Ozu
Motores de bsqueda
Este tipo de buscadores son los de uso ms comn, basados en aplicaciones

llamadasspiders(araas ) orobots, que realizan una bsqueda
automatizada en sus bases de datos, haciendo una recopilacin sobre
el contenido de las pginas y mostrando como resultado aquellas que
contengan la palabra o frase solicitada en alguna parte del texto.
Ej.: Altavista, Google, Northem Light, FAST, Open Text, etc...
Motores de bsqueda
Google
Metabuscadores o buscador de buscadores
Los Metabuscadores son sistemas que localizan informacin en los motores

de bsqueda ms utilizados, realizan un anlisis y seleccionan sus propios
resultados. No tienen una base de datos, por lo que no almacenan pginas
web y realizan una bsqueda automtica en las bases de datos de otros
buscadores, tomando un determinado rango de registros con los resultados
ms relevantes.
Coprnico URL: http://www.copernico.com/

Dogpile URL: http://www.dogpile.com/
Ixquick URL: http://www.ixquick.com/
Mamma URL: http://www.mamma.com/
Metacrawler URL: http://www.metacrawler.com/
Metabuscadores o buscador de buscadores

Metacrawler
Bsqueda de informacin en Internet

Infranet
Existe tambin una ingente cantidad de informacin escondida en la Internet

profunda o invisible.
Como un iceberg, Internet slo deja ver a los motores de bsqueda

tradicionales una nfima parte de lo que contiene.
Constituyen la Internet invisible o infranet (en ingls deep web), el conjunto

de fuentes y recursos de informacin sumamente valiosos, cuyo acceso es
nicamente posible mediante algn tipo de pasarela (gateway) o formulario
web.
Buscadores tiles para encontrar recursos en internet

invisible o infranet
InvisibleWeb URL: http://www.invisibleweb.com/
CompletePlanet URL: http://www.completeplanet.com/

Captulo 10

Internet y Ciencias de la Salud

- Buscadores para profesionales sanitarios.
- Criterios de calidad de la informacin en salud.
- Requisitos de uniformidad para manuscritos presentados a

revistas biomdicas (Normas de Vancouver).

Buscadores para profesionales sanitarios
Motores de bsqueda en salud para profesionales
- La bsqueda de informacin sobre salud representa una importante

parte del trfico en Internet. Sin embargo no es fcil encontrar informacin
cientfica de calidad.
- Por ello se han desarrollado buscadores especializados en salud

para profesionales, que incorporan el criterio de expertos a la hora de
seleccionar la informacin sobre salud en la red.
- All HealthNet, BioResearch, Hardin Meta Directory, Medscape,

SUMSearch, Medexplorer, ...

Allhealtnet
Directorio temtico y buscador de recursos mdicos. Proporciona informacin

mdica especializada y actual. Posee una interfaz muy simple en la que
el usuario puede acceder a distintos tipos de servicio como ayuda mdica
por Internet y bibliotecas, as como enlaces con diversas organizaciones
especializadas en distintas ramas de la medicina. Provee acceso a ms de 20
millones de pginas.
Idioma: Ingls
URL: http://www.allhealthnet.com/

Allhealtnet

Bioresearch
Presenta una gua de recursos en Internet con acceso libre, sobre las ciencias
biolgicas y biomdicas. Tiene un catlogo de sitios y bases de datos
importantes en medicina.
Idioma: Ingls
URL: http://bioresearch.ac.uk/

Bioresearch

Hardin Meta Directory
Excelente metabuscador de fuentes de informacin sobre salud en Internet.

Presenta un gran directorio con temticas de salud.
Idioma: Ingls
URL: http://www.lib.uiowa.edu/hardin/md/index.html

Hardin MD

Medscape
Buscador muy interesante sobre salud. Tiene caractersticas de portal,

con distintas temticas, a las que el usuario puede suscribirse para recibir
boletines de noticias.
Idioma: Ingls.
URL: http://www.medscape.com/

Medscape

SUMSearch
Buscador especializado en el campo de la salud. Utiliza una interfaz muy

parecida a la de Medline. Permite consultar los trminos MESH.
Idiomas: Ingls, espaol y francs
URL: http://sumsearch.uthscsa.edu/espanol.htm

SUMSearch

Medexplorer
Buscador tipo ndice. Presenta distintas categoras temticas relativas

a la salud para delimitar la bsqueda, entre ellas: medicina alternativa,
estomatologa, servicios de emergencia, enfermera, laboratorios y otras.
Idioma: Ingls
URL:http://www.medexplorer.com/

Medexplorer

Criterios de Calidad de la Informacin en Salud
Informacin de calidad sobre salud en Internet
La Fundacin HON ( Health on Net Foundation) es un organizacin no

gubernamental conocida internacionalmente por su cdigo tico, el HON
code, que garantiza la fiabilidad y credibilidad de la informacin sobre salud
publicada en los distintos sitios Web.
Informacin de calidad sobre salud en Internet

HONcode
Requisitos de uniformidad para manuscritos

presentados a revistas biomdicas
Normas de Vancouver
Normas de Vancouver
- En 1978 un pequeo grupo de directores de revistas mdicas se reunieron

informalmente en Vancouver (Columbia britnica) para establecer las pautas
relativas al formato de los manuscritos enviados a sus revistas. Estos
requisitos fueron publicados por primera vez en 1979.
- El Grupo de Vancouver creci denominndose Comit Internacional de

Directores de Revistas Mdicas (CIDRM).
- A las revistas que estn de acuerdo con el uso de los Requisitos de

Uniformidad (lo hacen ms de 500), se les pide que mencionen este
documento (5 edicin de 1997) en sus instrucciones a los autores.
Normas de Vancouver
Estos Requisitos (Actualizacin 2003) se estructuran en los siguientes puntos:

(Para ampliar informacin puede consultarse en http//fisterra.com/recursos_web/mbe/
vancouver.asp, Documento elaborado por la Biblioteca del Complexo Hospitalario
Universitario de A Corua. 2006)
0. El Comit Internacional de Directores de Revistas Mdicas.
1. Cuestiones previas antes del envo de un original.

Normas de Vancouver
2. Requisitos para el envo de manuscritos.
a) Resumen de los requisitos tcnicos. k) Estadstica

b) Referencias bibliogrficas l) Resultados
c) Preparacin del original m) Discusin
d) Artculos en disquete n) Agradecimientos
e) Pgina del ttulo bibliogrficas ) Referencias
f) Autora o) Tablas
g) Resumen y palabras clave p) Ilustraciones (Figuras)
h) Introduccin q) Unidades de medida
i) Mtodos r) Abreviaturas y smbolos
j) tica
Normas de Vancouver
3. Envo del manuscrito a la revista.
4. Declaraciones adicionales.
- Definicin de una revista con sistema de revisin por expertos (peer-review).
- Libertad e integridad editoriales.
5. Conflicto de intereses.
6. Correcciones, retracciones o notas explicativas sobre los resultados de la investigacin.
7. Confidencialidad.
8. Las Revistas Mdicas y los Medios de Comunicacin.

Normas de Vancouver
9. Publicidad.
10. Suplementos.
11. El papel de la Seccin de correspondencia.
12. Manuscritos opuestos basados en el mismo estudio.
13. Acerca del ICMJE.
14. Ejemplos de Referencias Bibliogrficas.
15. Recomendaciones para escribir Referencias Bibliogrficas.

Recomendaciones para escribir Referencias Bibliogrficas
- Las Referencias o Citas Bibliogrficas constituyen una seccin destacada en un trabajo

cientfico. La seleccin cuidadosa de documentos relevantes, es un elemento que da
solidez a la exposicin terica del texto, a la vez que constituye una importante fuente de
informacin para el lector.
- Las referencias deben numerarse consecutivamente segn el orden en que se
mencionen por primera vez en el texto. Algunas revistas en sus instrucciones para autores
recomiendan que se utilicen nmeros arbigos en superndice y sin parntesis.
- Cuando hay ms de una cita, estas deben separarse mediante comas, pero si fueran
correlativas, se menciona la primera y la ltima separadas por un guin.
- Cuando en el texto se menciona un autor, el nmero de la referencia se pone tras el
nombre del autor. Si se tratase de un trabajo realizado por ms de dos autores, se cita el
primero de ellos seguido de la abreviatura et al y su nmero de referencia.
- Se incluirn slo aquellas referencias consultadas personalmente por los autores.
- Se recomienda no incluir trabajos escritos en idiomas poco frecuentes.
- Se recomienda no citar revistas traducidas al espaol. Es aconsejable recuperar la cita de
la versin original.
Recomendaciones para escribir Referencias Bibliogrficas (2)
- Los documentos que se citen deben ser actuales. Algunas revistas sealan que no deben
de tener ms de cinco aos y preferiblemente que sean de los dos ltimos. Recurriramos
a citar documentos que tengan ms aos, por motivos histricos o si no encontrsemos
referencias actualizadas como alternativa.
- Los documentos, informes, memorias, protocolos etc.no publicados, se recomienda
no incluirlos en la bibliografa, pero puede incluirlos en el texto comoobservaciones no
publicadas.
- Las referencias que se realicen de originales aceptados pero an no publicados se
indicar con expresiones del tipoen prensaoprxima publicacin.
- Debe evitarse citar resmenes.
- Con respecto al nmero de citas a incluir en cada trabajo, las revistas suelen recomendar
que los trabajos originales incluyan entre 20-30 referencias; los originales breves y notas
clnicas, entre 10 y 20 referencias; las cartas al director un mximo de 10. Para otras
secciones: Revisiones, Editoriales, se recomienda consultarlo en las Instrucciones para
Autores o al Comit de Redaccin.
Recomendaciones para escribir Referencias Bibliogrficas (3)
- Con respecto al nmero de firmantes, se recomienda que los trabajos originales no

excedan de seis.
- Los ttulos de las revistas deben abreviarse segn el estilo que utiliza la National Library
of Medicine (NLM). Puede consultarse elJournals Databasede PubMed.
- Una vez finalizada la bibliografa, tiene que asegurarse de la correspondencia de las citas
en el texto y el nmero asignado en la bibliografa.
- No todas las revistas comprueban la exactitud de las referencias bibliogrficas, que en
muchas ocasiones contienen errores. Para evitar tales errores, se deben verificar las
referencias con los documentos originales. PubMed, en elSingle Citation Matcherpermite
comprobar de una manera sencilla los datos bibliogrficos de las revistas indizadas en
Medline.
Captulo 11

Medicina Basada en la Evidencia en Internet (e-MBE)

Internet y Medicina Basada en la Evidencia

Qu es la MBE?
Es la utilizacin concienzuda, juiciosa y explcita de las mejores pruebas

disponibles, en la toma de decisiones sobre el cuidado de los pacientes. [*]
[*]. Sackett DL, Richardson WS, Rosenberg W, Haynes RB. Medicina Basada en la Evidencia. Cmo ejercer
y ensear la MBE. Churchill Livingstone Espaa. C/ Almirante 16. 28004. Madrid.
- El objetivo primordial de la MBE es que la actividad mdica cotidiana

se fundamente en datos cientficos y no en suposiciones, creencias o la
costumbre.
- Herramientas bsicas sobre las que se asienta la metodologa de la MBE

son la lectura crtica de la literatura biomdica y los mtodos racionales de
toma de decisiones clnicas o teraputicas.
Medicina Basada en la Evidencia Electrnica(e-MBE)
- La idea fundamental de la e-MBE es que la Medicina Basada en la

Evidencia puede realizarse desde un ordenador personal y que los
conocimientos y habilidades necesarios para su prctica pueden adquirirse
tambin a travs de los propios recursos del world wide web con mnimo
coste [*].
[*] Phillips RS. Accessing electronic information for clinical decisions. Arch Dis Child 2000; 83(5):373-374
Ventajas de Internet en la bsqueda de informacin cientfica

Bsqueda clsica Bsqueda en Internet
Biblioteca Ordenador
Consulta de fichas Medline
Localizacin de artculo
Nuevas referencias bibliogrficas Lectura crtica de los resmenes
Consulta de fichas Consulta On-Line de artculos

Solicitud a
otras bibliotecas
Localizacin de artculos
TIEMPO TIEMPO
DINERO DINERO
Los cuatro pasos de la prctica de la e-MBE
1. Problema clnico
2. Formular la pregunta
Internet
3. Buscar la evidencia
4. Valoracin crtica
5. Aplicarla a la prctica
*. Rosenberg W, Donald A. Evidence based medicine: an approach to clinical problem-solving. Br Med J

1995; 310: 1.122-1.126.
Estrategia prctica de la e-MBE
Formular la pregunta clnica
Bsqueda de la mejor evidencia para responder a la pregunta planteada

- Fuentes terciarias (guas clnicas): - National Guideline Clearinghouse
- Fuentes secundarias (revisiones sistemticas): Biblioteca Cochrane Plus
- Fuentes primarias (no filtradas): Pubmed
Evaluacin crtica (validez y utilidad)

Nivel de la evidencia
Grado de recomendacin
Aplicacin en la prctica diaria y evaluacin de decisiones

1. Problema clnico
La pregunta clnica, comienza siempre a partir del problema clnico a

analizar y se debe construir de una manera que facilite la bsqueda de una
respuesta precisa: P. I. R.
P : Paciente (edad, sexo, patologa asociada,...)
I : Intervencin ( prueba diagnstica, tratamiento, exposicin,...)
R : Resultado ( eficacia teraputica, precisin diagnstica,
supervivencia,...)
Ejemplo de problema clnico
Caso:
Paciente de 25 aos con un peso de 129 Kg. y un altura de 1.68 m tras
visitar una clnica de adelgazamiento, le han informado que si le ponen
un baln intragstrico perder peso rpidamente y que tras su retirada
no volver a recuperarlo porque el estmago reduce su tamao.
2. Formular la pregunta clnica
1. Definir el Paciente (mi paciente). P
2. Definir la Intervencin (la intervencin puede ser teraputica, diagnstica, preventiva,

etc). I
3. Definir con que se compara la intervencin (la comparacin puede ser: con alternativas
teraputicas, tratamiento estndar, placebo, no-exposicin al riesgo, etc).
4. Definir los Resultados de inters que me interesa evaluar (no siempre los resultados
que reportan los artculos son los que me interesan como clnico). R
Ejemplo de formulacin de pregunta clnica
En respuesta a la cuestin debe contestarse a; En un paciente joven con

obesidad mrbida (P), es efectivo el tratamiento con baln intragstrico (I) en
la prdida de peso y en su mantenimiento (R) a largo plazo?.
3. Buscando la mejor evidencia
- Una vez que hemos formulado una pregunta clnica bien estructurada,
se inicia la estrategia para buscar las mejores pruebas disponibles en la
bibliografa para identificar los trabajos ms actuales y relevantes.
- Recursos disponibles:
Fuentes terciarias
- Guas de prctica clnica
Fuentes secundarias
- Base de datos de la colaboracin Cochrane
- Publicaciones secundarias: ACP Journal Club y Evidence Based
Medicine
Fuentes primarias
- Base de datos: Medline como Pubmed (consulta on-line)
3.1. Fuentes terciarias

Guas de prctica clnica
- La Gua de prctica clnica es una coleccin de recomendaciones

que ayuda a la toma de decisiones para situaciones especficas, que
est basada en la evidencia disponible o en resultados de estudios de
investigacin.
National Guideline Clearinghouse (www.guideline.gov)

Fuentes terciarias
Las Guas de prctica clnica surgen como respuesta a una seleccin de problemas
clnicos u organizacionales, de acuerdo a algunos de los siguientes criterios:
- Variabilidad en la prctica clnica (en cuanto a procesos diagnsticos y estrategias

teraputicas para un mismo problema).
- Problemas clnicos comunes (gran volumen asistencial).
- Incertidumbre o controversia clnica generalizada.
- Alto coste y/o consumo de recursos.
- Problemas de alto riesgo o manejo de riesgo.
- Introduccin de nuevas pruebas diagnsticas, procedimientos teraputicos o
medicacin.
- Cuestiones de calidad de la asistencia percibidas por los pacientes, los mdicos o los
directivos.
- Reclamaciones frecuentes.
National Guideline Clearinghouse

(www.guideline.gov)
National Guideline Clearinghouse

(www.guideline.gov)
3.2. Fuentes Secundarias
Son direcciones de sitios web que facilitan revisiones de los estudios ms

relevantes relacionados con un tema.
- The Cochrane Library (http://www.thecochranelibrary.com/view/0/index.ht

ml?gclid=CNHp5sDSgqQCFZNo4wod8ntHHg)
- Database of Abstracts of Reviews of Effectiveness (DARE) (http://www.
brad.ac.uk/library/elecinfo/dare.php)
- The Cochrane Central Controlled Trials Register (CCTR)
- Bandolier(http://www.medicine.ox.ac.uk/bandolier/). Existe una versin
espaola: revista Bandolera.
- ACP Journal Club (http://www.acpjc.org/)
- Evidence-Based Medicine (http://ebm.bmj.com/)
Revisin sistemtica
- Es una revisin acerca de una cuestin concreta hecha por expertos,

mediante una exhaustiva bsqueda y seleccin de la bibliografa y estudios
originales existentes, con la finalidad de emitir un informe sintetizado de
resultados y conclusiones, empleando mtodos cientficos que permitan
analizar la calidad y validez de las evidencias cientficas estudiadas.
- Lo ms comn son las revisiones sistemticas de ensayos clnicos.

Fuentes secundarias
Colaboracin Cochrane:
- 50 Grupos de Revisin (internacionales y multidisciplinarios).
- 12 Centros Cochrane en el mundo.
- Centro Cochrane Iberoamericano

(Casa de Convalescencia del Hospital Santa Creu i Sant Pau Barcelona).
Biblioteca Cochrane plus
Es posible el acceso universal gratuito en todo el territorio espaol gracias a la suscripcin

realizada por el Ministerio de Sanidad, Poltica Social e Igualdad. Se publica en Internet
cuatro veces al ao: en febrero, mayo, agosto y noviembre.
Ventajas:
- Permite mantenerse actualizado en las evidencias ms relevantes dentro de cada
especialidad.
- Revisa la evidencia publicada y la no publicada ( que puede ser muy importante).
- La mayor parte de las bases de datos bibliogrficas contienen menos de la mitad de la
literatura mundial, desvindose claramente hacia publicaciones de habla inglesa.
- Los libros de texto, las editoriales y las revisiones no sistemticas resultan poco fiables.
- Traducida al espaol.
Inconvenientes:
- No todas las cuestiones clnicas que podamos plantearnos habrn sido revisadas.
- Una revisin sistemtica estar siempre limitada por la calidad y cantidad de estudios
incluidos.
Fuentes secundarias
Fuentes secundarias
3.3. Fuentes primarias
Si tras realizar una bsqueda en fuentes secundarias no se obtiene suficiente informacin,

tendremos que repetir la bsqueda en fuentes no filtradas (primarias) como las bases
de datos bibliogrficas que contienen las referencias y los resmenes de los artculos
originales.
- Medline. Es la primera base de datos biomdicos producida por la National Library of
Medicine de Estados Unidos. Es la versin electrnica del Index Medicus, del International
Nursng Index y del International Dental Literature. En Internet se permite su consulta on-
line a travs de Pubmed (http://www.ncbi.nlm.nih.gov/pubmed).
- Embase (http://www.embase.com). Es la principal base de datos alternativa a Medline. Es
la versin electrnica de Excerpta Mdica (soporte en papel).
- ndiceMdicoEspaol (http://www.bdcsic.csic.es:8084/IME/BASIS/ime/imewww/docu/SF):
Es un ndice de artculos de las revistas de medicina que se publican en Espaa.
- Otros: Current Concepts, Science Citation Index (SCI), Inside Science Plus,...
Fuentes primarias
Medline Pubmed
Pubmed: Estrategia de bsqueda

Cmo realizar una bsqueda en Pubmed?
1 Localizar las palabras claves de la pregunta clnica:
Ej.: obesidad, baln intragstrico
2 Traduccin al ingls:
Ej.: obesity, gastric balloon
3 Iniciar la bsqueda en la base de datos Mesh (Medical Subject Headings)

que incluye Pubmed.
El MeSH (trmino descriptor) constituye la herramienta lingstica por excelencia para realizar bsquedas
bibliogrficas de alta calidad enMedline. Se obtienen resultados ms precisos, reduciendo el nmero de
trabajos irrelevantes a los intereses de los usuarios.
Pubmed: Estrategia de bsqueda (2)

4 Pulsaremos el Link (en el margen derecho del trmino Mesh),
seleccionamos Pubmed y nos realizar la bsqueda de aquellos artculos
que contengan el Mesh seleccionado.
5 Operadores Booleanos (AND, OR, NOT).

Nos permite dirigir la bsqueda combinndolos.
Ejemplo: - obesity AND gastric balloon. Buscar slo aquellos artculos que
traten sobre la obesidad y el uso de baln intragstrico.
- obesity OR gastric balloon. Buscar aquellos artculos que
traten de la obesidad o del baln intragstrico.
- obesity NOT gastric balloon. Buscar aquellos artculos que
traten de la obesidad excluyendo los que versen sobre el baln intragstrico.

6 Si obtenemos un nmero elevado de artculos podemos restringir la

bsqueda utilizando los lmites (Limits).
Es recomendable que seleccionemos al menos los siguientes items:

- Published in the last 5 years.
- Type of article Clinical Trial + Meta-Analysis.
- Species Human.
- Subsets / Journal Groups Core clinical journals.
- Text options Abstracts
7 Finalmente marcaremos sobre el ttulo del artculo y nos remitir al

resumen del mismo. En ocasiones tambin podremos acceder al artculo
completo (versin Free Full Text).
Ejemplo
Fuentes primarias
Medline Pubmed (I)
Fuentes primarias
Medline Pubmed (II)
Fuentes primarias
Medline Pubmed (III)
Fuentes primarias
Medline Pubmed (IV)
Fuentes primarias
Medline Pubmed (V)
Fuentes primarias
Medline Pubmed (VI)
Fuentes primarias
Medline Pubmed (VII)
4. Valoracin crtica de la evidencia
- Evaluacin crtica de la evidencia por su validez y utilidad.
- Niveles de evidencia y grado de recomendaciones.

Lectura crtica y filtrado de la bibliografa

Artculos encontrados
Primer filtro Titulo interesante? NO
Segundo filtro leer resumen: Estudio experimental? NO
S
Lectura crtica y filtrado de la bibliografa (2)

S
Tercer filtro. Leer Resumen: NO

Escenario clnico aplicable?
Cuarto filtro: Pregunta clave sobre NO

el diseo del estudio
TERAPUTICA DIAGNSTICO PRONSTICO ETIOLOGA

(Asignacin aleatoria) (Gold standard) (Cohorte-inicio) (Causalidad)
TABLA DE EVIDENCIA CIENTFICA

Niveles de evidencia cientfica
- Las escalas de clasificacin de la evidencia cientfica diferencian de forma jerrquica los

distintos niveles de la evidencia en funcin del rigor cientfico del diseo del estudio.
- Los aspectos del diseo que estn asociados a un mayor rigor cientfico son: la
asignacin aleatoria a los grupos experimental y control de la intervencin sanitaria a
evaluar, la existencia de un grupo control concurrente en el tiempo, el sentido prospectivo
del estudio, la tcnica de doble ciego y la inclusin en el estudio de un nmero de
pacientes suficiente como para detectar diferencias estadsticamente significativas en la
determinacin del efecto verdadero de la tecnologa o procedimiento que se evala.
- Adems del tipo de diseo debe considerarse la calidad y el rigor cientfico del estudio,
pues podra darse el caso de que un estudio de menor gradacin cientfica (ej.: casos
y controles bien diseado) presentara una validez interna mayor que la de un ensayo
.
controlado no aleatorizado con un sesgo de seleccin.
Fortaleza de la evidencia segn el tipo de estudio

EVIDENCIA FUERTE
ENSAYO CLNICO ALEATORIZADO CONTROLADO
ENSAYO CLNICO NO CONTROLADO
ESTUDIO DE COHORTES
ESTUDIO DE CASOS Y CONTROLES
ESTUDIO DE CORTE TRANSVERSAL
VIGILANCIA EPIDEMIOLGICA (BASES DE DATOS O REGISTROS)
ESTUDIO DE SERIE CONSECUTIVO DE CASOS
ESTUDIO DE UN CASO
EVIDENCIA DBIL
Escalas de evidencia cientfica
Hay diferentes Escalas de gradacin de la calidad de la Evidencia Cientfica,

todas ellas similares entre s:
- North of England Evidence Based Guideline Development Project.
- U.S Preventive Services Task Force.
- Scottish Intercollegiate Guidelines Network.
- The Swedish Council on Technology Assesment in Health Care.
- Agencia de Evaluacin de Tecnologa Mdica, del Servicio Cataln de
Salud.

4 Pulsaremos el Link (en el margen derecho del trmino Mesh),
seleccionamos Pubmed y nos realizar la bsqueda de aquellos artculos
que contengan el Mesh seleccionado.
5 Operadores Booleanos (AND, OR, NOT).

Nos permite dirigir la bsqueda combinndolos.
Ejemplo: - obesity AND gastric balloon. Buscar slo aquellos artculos que
traten sobre la obesidad y el uso de baln intragstrico.
- obesity OR gastric balloon. Buscar aquellos artculos que
traten de la obesidad o del baln intragstrico.
- obesity NOT gastric balloon. Buscar aquellos artculos que
traten de la obesidad excluyendo los que versen sobre el baln intragstrico.
ESCALA DE NIVELES DE EVIDENCIA DE LA NORTH OF ENGLAND

EVIDENCE BASED GUIDELINE DEVELOPMENT PROJECT
Categorizacin de la Evidencia:
I Ensayos clnicos controlados, metaanlisis o revisiones sistemticas bien
diseadas.
II Estudios controlados no aleatorizados bien diseados (cohortes, casos y
controles).
III Estudios no controlados o consenso.
Fuerza de las Recomendaciones:
A Basadas directamente en evidencia de categora I.
B Basadas directamente en evidencia de categora II o extrapoladas a
partir de evidencia de categora I.
C Basadas directamente en evidencia de categora III o extrapoladas a
partir de evidencia de categora II.
ESCALA DE NIVELES DE EVIDENCIA DE LA

U.S. PREVENTIVE SERVICES TASK FORCE
Categorizacin de la Evidencia: (a)
I Evidencia obtenida a partir de al menos un ensayo aleatorizado y controlado,
diseado de forma apropiada.
II-1 Evidencia obtenida a partir de ensayos controlados no aleatorizados y bien
diseados.
II-2 Evidencia obtenida a partir de estudios de cohorte o caso-control bien diseados,
realizados preferentemente en ms de un centro o por un grupo de investigacin.
II-3 Evidencia obtenida a partir de mltiples series comparadas en el tiempo con o sin
intervencin (b).
III Opiniones basadas en experiencias clnicas, estudios descriptivos o informes de
comits de expertos.
(a) De mayor (I) a menor (III) calidad de diseo y rigor cientfico.
(b) Este tipo de evidencia tambin incluye resultados dramticos producidos
en experimentos incontrolados, como son los derivados de la introduccin de la
penicilina en los aos cuarenta.
CLASIFICACIN DE LA SWEDISH COUNCIL ON TECHNOLOGY ASSESMENT IN

HEALTH CARE
Categorizacin segn el rigor cientfico de los estudios:
1 Ensayo controlado y aleatorizado con una muestra grande.
2 Ensayo controlado y aleatorizado con una muestra pequea.
3 Ensayo no aleatorizado con controles coincidentes en el tiempo.
4 Ensayo no aleatorizado con controles histricos.
5 Estudio de cohorte.
6 Estudio de casos y controles.
7 Estudios transversales.
8 Vigilancia epidemiolgica (bases de datos o registros).
9 Serie consecutiva de casos.
10 Notificacin de un caso aislado (ancdota).
ESCALA DE LA SCOTTISH INTERCOLLEGIATE GUIDELINES NETWORK

Categorizacin de la evidencia:
1 ++ Meta-anlisis de alta calidad, revisiones sistemticas de ensayos controlados y
aleatorizados (ECA) o ECA con riesgo de sesgos muy bajos.
1 + Meta-anlisis bien realizados, revisiones sistemticas de ECA, o ECA con riesgo
de sesgos bajo.
1 Meta-anlisis, revisiones sistemticas de ECA, o ECA con riesgo de sesgos alto.
2 ++ Revisiones sistemticas de alta calidad de estudios de cohortes o casos-
controles. Estudios de cohortes o casos-controles con riesgo de sesgos muy bajo y
alta probabilidad de que la relacin sea causal.
2 + Estudios de cohortes y casos-controles bien realizados y con riesgo de sesgos
bajo y probabilidad moderada y probabilidad moderada de que la relacin sea causal.
2 Estudios de cohortes y casos-controles con riesgo de sesgos alto y riesgo
significativo de que la relacin no sea causal.
3 Estudios no analticos. (Ej.. Serie de casos)
4 Opinin de expertos.
ESCALA DE LA AGENCIA DE EVALUACIN DE TECNOLOGA MDICA,

DEL SERVICIO CATALN DE SALUD
Niveles (del mayor I, a la Calidad de la evi- Tipo de diseo del estudio Condiciones de rigor cientfico*
evidencia menor IX) dencia
I* Buena Meta-anlisis de ensayos controlados y aleatorizados Anlisis de los datos del paciente
Meta-regresin
Diferentes tcnicas de anlisis
Ausencia de heterogeneidad
Calidad de los estudios
II* Buena Ensayos controlados y aleatorizados de muestra Evaluacin del poder estadstico
grande Multicntrico
Calidad del estudio
III* Buena a Regular Ensayos controlados y aleatorizados de muestra Evaluacin del poder estadstico
pequea Multicntrico
Calidad del estudio
IV* Buena a Regular Ensayos prospectivos controlados no aleatorizados Evaluacin del poder estadstico
Multicntrico
Calidad del estudio
V* Regular Ensayos prospectivos controlados no aleatorizados Controles histricos
VI* VII* Regular Estudios de cohorte Multicntrico Estudios caso- Evaluacin del poder estadstico
control Multicntrico
Calidad del estudio
VIII IX Baja Series clnicas no controladas: Estudios descriptivos:
seguimiento de la enfermedad, vigilancia epidemiol-
gica, registros, bases de datos. Comits de expertos,
conferencias de consenso. Ancdotas o casos
Fuerza de las recomendaciones
- Recomendaciones: son las conclusiones obtenidas ante las problemas

clnicos planteados, basadas en la fuerza de la evidencia encontrada.
- Se redactan en las Guas Clnicas, pueden recomendar o desaconsejar la

adopcin de un determinado procedimiento mdico basndose en una fuerte
evidencia cientfica o por el contrario encontrar slo una dbil evidencia que
apoye dicha recomendacin. Igualmente pueden existir reas en las que no
se encuentre ningn tipo de evidencia, ni a favor ni en contra.
- Las Recomendaciones se pueden categorizar segn su fortaleza.

Fuerza de las recomendaciones
GRADO FUERZA DE LAS RECOMENDACIONES

A Directamente basada en evidencia de categora I (en algunas versiones la categora I inclu-
ye la evidencia de al menos un ECA).
B Directamente basada en evidencia de categora II o recomendacin extrapolada a partir
de categora I (en algunas versiones la categora II incluye diseos cuasi-experimentales).
C Directamente basada en evidencia de la categora III recomendacin extrapolada a
partir de evidencia de la categora I II.
D Directamente basada en evidencia de la categora IV recomendacin extrapolada a
partir de evidencia de la categora I II III.
Fuerza de las recomendaciones (2)
GRADO FUERZA DE LAS RECOMENDACIONES

A Al menos un meta-anlisis, revisin sistemtica de ECA, o ECA de nivel 1++ ,directamen-
te aplicables a la poblacin diana, o evidencia suficiente derivada de estudios de nivel 1+,
directamente aplicable a la poblacin diana y que demuestren consistencia global en los
resultados.
B Evidencia suficiente derivada de estudios de nivel 2++, directamente aplicable a la pobla-
cin diana y que demuestren consistencia global en los resultados. Evidencia extrapolada
de estudios de nivel 1++ 1+.
C Evidencia suficiente derivada de estudios de nivel 2+, directamente aplicable a la pobla-
cin diana y que demuestren consistencia global en los resultados.
Evidencia extrapolada de estudios de nivel 2++.
D Evidencia de nivel 3 4. Evidencia extrapolada de estudios de nivel 2+.
Recomendaciones: Ejemplo
Gua clnica valvulopatas
Recomendaciones: Ejemplo
Gua clnica valvulopatas (2)
Tabla de evidencia cientfica

- Por ltimo, resumiremos en una Tabla la valoracin crtica de los distintos

artculos encontrados, describiendo someramente los aspectos ms
importantes del mismo segn los apartados que se detallan a continuacin.
- De este modo podremos tener una visin rpida y global de los resultados
de nuestra bsqueda bibliogrfica y estaremos en condiciones de aplicarlo a
nuestra prctica clnica: fin ltimo de la MBE.
- Autor: se escribir el apellido del primer firmante seguido de et al si hay ms autores.
- PMID: es el acrnimo de PubMed Unique Identifier, es un nmero nico asignado a

cada cita de un artculo de revista biomdica recogida en PubMed. Nos permite localizar
rpidamente el artculo en cuestin.
- Ao de publicacin: si no coincide con el ao de realizacin del estudio lo sealaremos

con un asterisco (*).
- Poblacin: se anotar el nmero de pacientes del estudio analizados en el estudio tras

las prdidas en el seguimiento. Si en el artculo no se especifica este punto lo sealaremos
con un asterisco (*). Una muestra es pequea si es < de 30, mediana entre 30 y 300; y
grande cuando es > de 300.
- Tipo de estudio: ensayo clnico controlado (ECA), meta-anlisis, revisiones sistemticas,

estudio de cohortes, estudio de casos y controles, gua de prctica clnica.
- Resultados (VP y VS): se detallar el nombre de la Variable/es Principal/es y

Secundaria/s.
- Magnitud efecto: especificaremos los valores de la/s Variable/es Principal/es y

Secundaria/s mediante los estimadores ms relevantes para caracterizar los grupos (
intervalos de confianza, media, desviacin estndar y odds ratio ) as como el nivel de
significacin estadstica inferencial en la comparacin.
- Nivel de evidencia: representan los niveles de calidad de la evidencia cientfica segn la

Escala utilizada.
- Observaciones: aquellas anotaciones relacionadas con el artculo que nos parezcan

oportunas.
Tabla de evidencia cientfica: Ejemplo

AUTOR AO PMID N TIPO DE VBLE. PRINCIPAL y MAGNITUDES NIVEL DE OBS
ESTUDIO SECUNDARIA EVIDENCIA
(VP y VS)
Van der Meer 2008 19168472 650 M etaanlisis VP1: hospitalizacin VP1: menor hospitalizacin 1
VP2: mortalidad RR = 0.59; IC 95% (0.41 a 0.86);
VP3: morbilidad p = 0.006
VP2: igual mortalidad
RR = 0.69; IC 95 % 0.39 a 1.23; p = 0.21
VP3: igual morbilidad
No aparece estadsticamente significativo
Parissis JT 2008+ 18371487 32 ECA VP: FEVI con EPO vs VP: mayor FEVI EPO frente a placebo 1
placebo p < 0.001
Ghali, JK 2008+ 18195176 319* ECA VP: tolerancia al VP: igual tolerancia al ejercicio. 1
ejercicio No aparece estadsticamente significativo
VS: calidad de vida VS: igual calidad de vida .
No aparece estadsticamente significativo
Palazzuoli, A 2008+ 17892986 51 ECA VP: FEVI VP: mayor FEVI 1
p <0.05
5. Aplicacin a la prctica clnica
La decisin sobre si aplicar una determinada intervencin a nuestro(s)

paciente(s) debera ser precedida de una respuesta afirmativa a tres aspectos
fundamentales:
- Validez
- Importancia
- Aplicabilidad
Resumen e-M.B.E.:
1 Formular la Pregunta Clnica (P.I.R.)
2 Buscar la mejor evidencia:

a) Fuentes terciarias - Guas Clnicas
National Guideline Clearinghouse (www.guideline.gov)
b) Fuentes secundarias - Biblioteca Cochrane Plus
c) Fuentes primarias Pubmed
3 Evaluacin crtica ( Nivel de evidencia)
4 Tabla de evidencia cientfica
5 Aplicacin clnica
Bibliografa
- Sackett DL, Richardson WS, Rosenberg W, Haynes RB. Medicina Basada en la
Evidencia. Cmo ejercer y ensear la MBE. Churchill Livingstone Espaa. Madrid 1997.
- Sackket DL, Rosenberg WMC, Muir Gray JA, et al. Evidence-based medicine. What it is
and what it isn`t. BMJ 1996; 312:71-2.
- Gonzlez de Dios J. De la medicina basada en la evidencia a la evidencia basada en la
medicina. An Esp Pediatr 2001; 55:429-39.
- Carrasco G. Medicina basada en la evidencia electrnica (e-MBE): metodologa,
ventajas y limitaciones. Rev Calidad Asistencial 2002; 17(2):113-25.
- Carrasco G., Pallars A. Manual de Gestin del conocimiento. Medicina basada en la
evidencia cientfica e internet. Captulo 5. 51-80. Barcelona Grup Assistncia, 2006.
- Rodrguez Camio R. Motores de bsqueda sobre salud en Internet. ACIMED 2003; 11(5).
- Glasziou PP, Irwig LM. An evidence based approach to invidualising treatment. BMJ
1995;311:1356-1358.
- Straus SE, Sackett DL Getting research findings into practice: using research findings in
clinical practice. BMJ 1998; 317:339-342.
- Haines A, Donald a. Getting research findings into practice: making better use of research
findings. BMJ 1998; 317:72-75.
Bibliografa (2)
- Sheldon TA, Guyatt GH, Haines A. Getting research findings into practice: when to act on
the evidence. BMJ 1998; 317:139-142.
- Antes G, Bassler D. Evidence-based medicine, dissemination of resarch information and the
role of the medical journal. Dtsch Med Wochenschr 2000; 125 (38):1116-21.
- Guyatt GH. Practitioners of evidence based care. Editorials. BMJ; 320; 954-5.
- Mulrow CD, Cook DJ, Davidoff F. Systematic reviews: Critical links in the great chain of
evidence. Ann Intern Med 1997; 126:389-91.
- Rosenberg W, Donald A. Evidence based medicine: an approach to clinical problem-solving.
Br Med J 1995; 310: 1.122-1.126.
- Bero L: The Cochrane Collaboration. Preparing, maintaining and disseminating systematic
reviews of the effects of health care. JAMA 1995: 1935-8.
- Cook DJ, Mulrow CD, Haynes RB. Systematic reviews: Synthesis of best evidence for clinical
decisions. Ann Intern Med 1997; 126:376-80.
-Haynes B, Haynes A. Barriers and bridges to evidence-based clinical practice.BMJ 1998;
317:273-276.
- Haynes RB, Sackett DL, Muir Gray JA, Cook DJ, Guyatt GH. Transferring evidence from
research to clinical practice: 1. The role of clinical research evidence in clinical decisions. ACP
J Club 1997; 126: A 14-16.
Bibliografa (3)
- Gates PE. Think globally, act locally: An approach to implementation of clinical practice
guidelines. J Qual Improve 1995; 21:71-85.
- Comit Internacional de Editores de Revistas Mdicas. Requisitos de Uniformidad para los
manuscritos enviados a revistas biomdicas: escritura y proceso editorial para la publicacin
de trabajos biomdicos. Actualizado en Noviembre de 2003. Rev Esp Cardiol 2004;57(6):538-
56
- International Commitee of Medical Journal Editors. Uniform Requirement for Manuscript
Submitted to Biomedical Journal. N Engl J Med 1997;336:309-315.
- Phillips RS. Accessing electronic information for clinical decisions. Arch Dis Child 2000;
83(5):373-374.
- http://www.fisterra.com/mbe/index.asp Medicina basada en la evidencia. Fisterra.com.
Atencin Primaria en la Red.
- http://www.guideline.gov/ National Guideline Clearing House
- http://www.bibliotecacochrane.com/ Utilizacin de la Biblioteca Cochrane Plus. La Biblioteca
Cochrane Plus.
- http//www.ncbi.nlm.nih.gov/pubmed Using Pubmed. Pubmed Central. U.S. National Institutes
of Health (NIH).
Gua Metodolgica de Investigacin
en Ciencias de la Salud


Direccin Territorial de Ceuta

Loma Colmenar, s/n
51003 Ceuta
Edita: Instituto Nacional de Gestin Sanitaria

Subdireccin General de Gestin Econmica y Recursos Humanos
Servicio de Recursos Documentales y Apoyo Institucional
Alcal, 56 28014 Madrid
El copyright y otros derechos de propiedad intelectual pertenecen

al Instituto Nacional de Gestin Sanitaria.
Se autoriza la reproduccin total o parcial para uso no comercial,
siempre que se cite explcitamente su procedencia.
Depsito Legal: M-47507-2010

NIPO: 846-10-017-X
Coleccin Editorial de Publicaciones del INGESA: 1.914
Gua Metodolgica
de Investigacin en
Ciencias de la Salud

Guia Metodologica Inv CCSS PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Guia Metodologica Inv CCSS PDF

Uploaded by

Copyright:

Available Formats

Gua Metodolgica

Dr. Jacobo Daz Portillo

Dr. Toms Orgaz Morales

Dr. J. Enrique Roviralta Arango

Direccin Territorial de Ceuta

Edita: Instituto Nacional de Gestin Sanitaria

El copyright y otros derechos de propiedad intelectual pertenecen

Depsito Legal: M-47507-2010

Pgina 683 Bsqueda bibliogrfica segn

Metodologa de Investigacin 2010:

Escritura cientfica en clnica

Dr. Jacobo Daz Portillo

Dr. Toms Orgaz Morales

Metodologa de investigacin en Ciencias de la Salud

Metodologa de investigacin en Ciencias de la Salud

Es un proceso sistemtico, organizado y objetivo, destinado a responder a

- Sistemtico: A partir de una hiptesis u objetivo de trabajo se recogen unos

Caractersticas de un buen investigador

- Voluntad de investigar - Perseverancia

- Experiencia - Capacidad para reconocer

- Capacidad para obtener recursos - Competitividad

- Flexibilidad - Capacidad de redaccin

Reduccin de la produccin cientfica

- Envejecimiento de las plantillas

Devaluacin del currculum cientfico

- Depreciacin de los mritos acadmicos

- Potente endogamia de los servicios hospitalarios

- Reticencia a solicitar becas de formacin en el extranjero

- Encorsetamiento del mercado laboral

Mritos de investigacin en la carrera profesional

Captulo 2.- FORMACIN

Captulo 4.- INVESTIGACIN

Qu beneficios obtiene el clnico de hacer investigacin?

1. Actividad creativa: rompe la rutina diaria, aumentando su motivacin.

2. Actualizacin continua de la bibliografa: el clnico se encuentra mucho ms

3. Mejora el modo de enfrentarse a los problemas clnicos.

4. Al centrarse en un problema de investigacin muy concreto, se pueden

Vertiente INVESTIGACIN Vertiente

Hay verdades que por sabidas no se dicen, y por no decirlas se olvidan...

Dr. Jacobo Daz Portillo

Mitos y Leyendas en las publicaciones cientficas

Bobenrieth Astete M.A . Mitos y realidades en torno a la publicacin

Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud.

Profesor Bobenrieth Astete M.A.

Mitos y Leyendas en las publicaciones cientficas

MITO 1: El hecho de que la comunicacin cientfica se presente en

Mitos y Realidades en las publicaciones cientficas

REALIDAD 1: Mucho de lo que se publica actualmente NO logra convencer

Dr. Manuel Bobenrieth Astete

Mitos y Realidades en las publicaciones cientficas

REALIDAD 1: En las revistas de primera lnea se publican trabajos que de

J. Benach de Rovira y J.A. Tapia Granados.

Medicina Basada en la Evidencia

La medicina basada en la evidencia (MBE) es la utilizacin consciente,

(Sackett et al., BMJ 1996; 312: 71-72)

GERENCIA DEL HOSPITAL UNIVERSITARIO DEL INGESA DE CEUTA.

Mitos y Leyendas en las publicaciones cientficas

MITO 2: El hecho de que los autores tengan prestigio por su prctica

Mitos y Realidades en las publicaciones cientficas

REALIDAD 2: El proceso de investigacin requiere de una preparacin

La buena experiencia de prctica profesional en Ciencias de la Salud NO

Dr. Manuel Bobenrieth Astete

Medicina Basada en la Evidencia