0 calificaciones0% encontró este documento útil (0 votos)
87 vistas6 páginas
Este documento presenta conceptos estadísticos como riesgo, riesgo relativo, momios y razón de momios. Como ejemplo, analiza datos de bajo peso al nacer y factores de riesgo como si la madre fuma. Calcula riesgos, riesgos relativos y razón de momios asociados con el tabaquismo materno, así como sus límites de confianza. El documento concluye explicando cómo calcular y comparar estas medidas estadísticas.
Este documento presenta conceptos estadísticos como riesgo, riesgo relativo, momios y razón de momios. Como ejemplo, analiza datos de bajo peso al nacer y factores de riesgo como si la madre fuma. Calcula riesgos, riesgos relativos y razón de momios asociados con el tabaquismo materno, así como sus límites de confianza. El documento concluye explicando cómo calcular y comparar estas medidas estadísticas.
Este documento presenta conceptos estadísticos como riesgo, riesgo relativo, momios y razón de momios. Como ejemplo, analiza datos de bajo peso al nacer y factores de riesgo como si la madre fuma. Calcula riesgos, riesgos relativos y razón de momios asociados con el tabaquismo materno, así como sus límites de confianza. El documento concluye explicando cómo calcular y comparar estas medidas estadísticas.
2007 Peter B. Mandeville TEMA 14: LA RAZN DE MOMIOS 1 Ciencia UANL, abril-junio, ao/vol. X, nmero 002 Universidad Autnoma de Nuevo Len Monterrey, Mxico pp. 222-226
Red de Revistas Cientficas de Amrica Latina y el Caribe, Espaa y Portugal Universidad Autnoma del Estado de Mxico http://redalyc.uaemex.mx
CIENCIA UANL / VOL. X, No. 2, ABRIL-JUNIO 2007 222 Como ejemplo, se utilizan los da- tos del estudio de bajo peso al nacer, donde la meta del estudio fue identi- ficar factores de riesgo asociados con el nacimiento con bajo peso, menor de 2500 gramos. 6 Los datos estn incluidos en la biblioteca de funcio- nes MASS. 7 Se levanta una tabla de distribu- cin de frecuencia de los datos de los factores de nacimiento con bajo peso (< 2500 gr.) (0=peso normal, 1=bajo peso) y madre fuma (0=no fuma, 1=fuma). Al principio, los da- tos se tratan como el resultado de un estudio prospectivo (cohorte). > library(MASS) > data(birthwt) > TIPS BIOESTADSTICOS Tema 14: La razn de momios 1 PETER B. MANDEVILLE Life is good for only two things, discovering mathematics and teaching mathematics. Simon Poisson a es la probabilidad condicional de la condicin dado el factor de riesgo. En el proceso de asesorar tesis de especialidad mdica, he notado que varios mdicos que estn terminan- do su residencia tienen problemas con los conceptos y las interpretacio- nes de la razn de momios en regre- sin logstica y la razn de riesgo en regresin de riesgos proporcionales (la regresin de Cox). En este artculo se presentan los conceptos de riesgo, riesgo relativo, momio, razn de momios y sus lmi- tes de confianza. En el siguiente n- mero se presentar la razn de momios en la regresin logstica y la razn de riesgos con la regresin de riesgos proporcionales. Todos los clculos estn efectua- dos con R versin 2.4.0. 2,3 Riesgo En epidemiologa, muchas veces se tiene inters en evaluar la posibili- dad de que un sujeto que posee un cierto atributo tambin tiene una con- dicin especfica. La medida epide- miolgica ms bsica es la probabi- lidad de que un sujeto adquiera, la condicin dado que el sujeto tiene el atributo particular bajo consideracin. Esta cantidad se llama riesgo de la condicin; el atributo considerado se llama factor de riesgo. Por lo cual, el riesgo mide la probabilidad de inci- dencia de una condicin. 4 En trminos de una tabla de do- ble entrada del estado de salud para la exposicin al factor de riesgo, 5 el riesgo (prevalencia) de la condi- cin es: el riesgo de la condicin, dado la ex- posicin al factor de riesgo es: a y el riesgo de la condicin, dado la no exposicin al factor de riesgo es: CIENCIA UANL / VOL. X, No. 2, ABRIL-JUNIO 2007 223 PETER B. MANDEVILLE with(birthwt,table(smoke,low)) low smoke 0 1 0 86 29 1 44 30 Es necesario reordenar la tabla para la presentacin tradicional. El riesgo de un nacimiento con bajo peso (prevalencia) es: el riesgo de un nacimiento con bajo peso, dado que la madre fuma, es: y el riesgo de un nacimiento con bajo peso dado que la madre no fuma es: La International Committee of Medical Journal Editors ha adopta- do la poltica de que los lmites de confianza son ms importantes que los valores P, porque permiten eva- luar la falta de precisin de los resul- tados. 8 El riesgo es simplemente una pro- babilidad y se estima el error estn- dar del riesgo: 4 Si se utiliza una aproximacin normal a la distribucin binomial en- tonces se calculan los lmites de con- fianza: 4 y se pueden calcular los lmites de confianza con la funcin rnd <- function(x){ format(round(x,4),nsmall=4) } CLR <- function(r,n,alpha=0.05){ se <- sqrt(r*(1-r)/n) zeta <- qnorm(1-alpha/2) L <- r-zeta*se U <- r+zeta*se res <- data.frame(rnd(L),r,rnd(U)) names(res) <- c("LCL","RIESGO","UCL") print(res) } Para el riesgo de nacimiento de bajo peso (prevalencia), los lmites de confianza son: > CLR(0.3122,189) LCL RIESGO UCL 1 0.2461 0.3122 0.3783 Para el riesgo de nacimiento de bajo peso si la madre fuma, los lmi- tes de confianza son: Riesgo relativo Mientras el riesgo es un resumen til de la relacin entre el factor de ries- go y la enfermedad, no es suficiente por s mismo evaluar la importancia del factor de riesgo a la incidencia de la enfermedad. Se requiere adems un grupo de comparacin y el ms indicado es el grupo sin el factor de riesgo. Esto conduce a la definicin del riesgo relativo, que es el de la condi- cin con el factor de riesgo entre el riesgo de la condicin sin el factor de riesgo. Si el riesgo relativo es mayor que 1, entonces el factor bajo inves- tigacin incrementa el riesgo. Si el riesgo relativo es menor que 1, en- tonces se reduce el riesgo. Algunas veces, un factor que tiene un riesgo relativo menor que 1 es un factor pro- tector. Comnmente se util iza lambda, , para representar el ries- go relativo de una poblacin. 4 La interpretacin es que el riesgo de un nacimiento con bajo peso es 1.6075 veces, 160.75%, mayor si fuma que si no fuma. 5,9,10 Se le llama alternativa para defi- nir el denominador en el riesgo rela- tivo y la razn de momios la base o la referencia. Generalmente la base est tomada como la ausencia del factor de riesgo. 4 > CLR(0.4054,189) LCL RIESGO UCL 1 0.3354 0.4054 0.4754 Para el riesgo de nacimiento de bajo peso si la madre no fuma, los lmites de confianza son: > CLR(0.2522,189) LCL RIESGO UCL 1 0.1903 0.2522 0.3141 CIENCIA UANL / VOL. X, No. 2, ABRIL-JUNIO 2007 224 TIPS BIOESTADSTICOS Tambin es posible calcular el riesgo relativo de bajo peso al nacer correspondiente a madres no fuma- doras, comparadas con madres fu- madoras. Se pueden efectuar estos clculos simplemente con tomar el recproco del riesgo relativo. Por lo cual es indispensable que se especi- fique cul riesgo est comparado con otro cuando se expresa un riesgo re- lativo. 4,10 La interpretacin es que el riesgo de un nacimiento con bajo peso para no fumadores es 0.6221, 62.21%, del riesgo de fumadores. 5, 9,11 El no fumar reduce el riesgo de un nacimiento con bajo peso, 62.21% del riesgo que si fuma. 10,11 La distribucin muestral del ries- go relativo est sesgada y se necesi- ta una transformacin logartmica para asegurar una aproximacin a la distribucin normal. El error estn- dar del riesgo relativo es: 4 Y los lmites de confianza del lo- garitmo del riesgo relativo son: Se calculan los lmites de confian- za del riesgo relativo tomando los antilogaritmos de los lmites de con- fianza para el logaritmo del riesgo re- lativo: En este caso se calcula el error estndar del riesgo relativo, > se <- sqrt((1/30)-(1/ ( 3 0 + 4 4 ) ) + ( 1 / 2 9 ) - ( 1 / (29+86))) > se [1] 0.2135578 los lmites de confianza del logarit- mo del riesgo relativo > Ulog <- log(1.6075)+ qnorm(1-0.05/2)*se > Ulog [1] 0.8932457 > Llog <- log(1.6075)- qnorm(1-0.05/2)*se > Llog [1] 0.05611462 y los lmites de confianza del riesgo relativo. > exp(Llog) [1] 1.057719 > exp(Ulog) [1] 2.443046 Se pueden calcular los lmites de confianza para el riesgo relativo de un nacimiento con bajo peso si la madre no fuma en comparacin con la madre que fuma, 0.6221, 62.21%, > Ulog <- log(0.6221)+ qnorm(1-0.05/2)*se > Ulog [1] -0.05608887 > Llog <- log(0.6221)- qnorm(1-0.05/2)*se > Llog [1] -0.89322 > exp(Llog) [1] 0.4093356 > exp(Ulog) [1] 0.9454551 Tambin se pueden conseguir los mismos resultados tomando los rec- procos de los lmites de la formula- cin original, pero se necesita inver- tir el orden. > 1/1.057719 [1] 0.9454307 > 1/2.443046 [1] 0.4093251 Momios Tambin se puede una especificacin alternativa del riesgo del evento lla- mado momio (odds). El momio de un evento es la razn de la probabili- dad que sucede al evento, a la pro- babilidad que no sucede el evento. 4 El momio de un nacimiento con bajo peso si fuma es: CIENCIA UANL / VOL. X, No. 2, ABRIL-JUNIO 2007 225 El momio de un nacimiento con bajo peso, si no fuma es: La relacin entre momios y pro- babilidades es: 20 Razn de momios En estudios retrospectivos (caso-con- trol) se utiliza la razn de momios (odds ratio, OR) para estimar el ries- go relativo. La razn de momios no involucra las frecuencias marginales, por lo cual se puede medir depen- dencia aun cuando un estudio sea retrospectivo, donde el nmero de casos y el nmero de controles son fijados por el investigador y no se puede estimar el riesgo relativo. 12,13 La razn de momios es la razn de dos momios. 5,14 Comnmente se utiliza la letra griega psi,, para re- presentar la razn de momios de una poblacin: 4 Con el riesgo relativo, la razn de momios aproxima una distribucin normal mejor, si se aplica una trans- formacin logartmica. 4 En este caso el error estndar del logaritmo de la razn de momios es: > se <- sqrt((1/30)+(1/ 44)+(1/29)+(1/86)) > se [1] 0.3196424 Los lmites de confianza del loga- ritmo de la razn de momios son: > Ulog <- log(2.0219)+ qnorm(1-0.05/2)*se > Ulog [1] 1.330525 > Llog <- log(2.0219)- qnorm(1-0.05/2)*se > Llog [1] 0.07755005 y los lmites de confianza del riesgo relativo. > exp(Llog) [1] 1.080636 > exp(Ulog) [1] 3.78303 Si se desea calcular la razn de momios contrario, se calcula el rec- proco de la razn de momios y los lmites de confianza, invirtiendo el or- den de la formulacin original de la misma manera que se hace con el riesgo relativo. Se debe notar que cuando una di- ferencia est medida como el con- traste entre dos riesgos, la condicin de no diferencia donde los riesgos son PETER B. MANDEVILLE iguales est representado por 0. Mientras que cuando el contraste est descrito por el riesgo relativo o la ra- zn de momios, la condicin de no diferencia esta representada por 1. 10 La razn de momios proporciona un estimado del riesgo relativo cuan- do la proporcin de los sujetos con la condicin es pequea, 9,11,14-17 >0.10 en la poblacin. 18,19 Cuan- do esto sucede, se puede interpretar la razn de momios como un riesgo relativo. Esto generalmente sucede en estudios retrospectivos. 13 Si la condicin es poco probable de suceder entonces est aproximado por y ,est aproximada por y el riesgo relati- vo es: 13,20 son iguales a 1. Si RR>1, OR>RR. Si RR<1, OR<RR. Generalmente, la diferencia es menor que 10% de ries- go relativo, cuando la suma de los riesgos de los expuestos y los no ex- puestos es menor que 0.1. 19 Para eventos comunes, el riesgo relativo y la razn de momios pue- den ser muy diferentes y es mejor pensar la razn de momios como una medida propia y distinta al riesgo re- CIENCIA UANL / VOL. X, No. 2, ABRIL-JUNIO 2007 226 lativo. 9,11,17 El momio de un nacimiento de bajo peso est estimado como 2.0219 veces mayor para madres que fuman con respecto a madres que no fuman. Se est 95% seguro que el intervalo (1.0806, 3.7830) contiene la verdadera razn de momios. En resumen, se estima que fumar aumenta el momio de un na- cimiento bajo por 202.19%. 4 Los epidemilogos toman el mo- mio y la razn de momios para refe- rirse a la posibilidad de la incidencia del evento, igual que riesgo y riesgo relativo. En la prctica, los momios pocas veces son de inters y gene- ralmente se utiliza slo la razn de momios. 4 Referencias 1. Mathematics Magazine. (1991). vol. 64, no.1, feb. 2. R. Ihaka, R. Gentleman. (1996). R: A language for data analysis and graphics. Journal of Computatio- nal and Graphical Statistics, volume 5, pages 299-314. 3. R Development Core Team. (2006). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Aus- tria. ISBN 3-900051-07-0, URL http://www.R-project.org. 4. Mark Woodward. (1999). Epidemiology: Study Design and Data Analysis. Texts in Statistical Science. Chapman & Hall/CRC, Boca Raton, FL, USA. 5. Beth Dawson, Robert G. Trapp. (2005). Bioestadstica mdica. 4a edicin. Editorial El Manual Moder- no, S.A. de C.V., Mxico, D. F., MEX. 6. David W. Hosmer, Stanley Lemeshow. (2000). Applied Logistic Regression. Second edition. Wiley Series in Probability and Mathematical Statistics. John Wiley & Sons, Inc., New York, NY, USA. 7. Venables, W. N. y Ripley, B. D.. (2002). Modern Applied Statistics with S. Fourth Edition. Springer, New York. ISBN 0-387-95457-0. 8. Douglas G. Altman, David Machin, Trevor N. Bryant, Martin J. Gardner (ed.). (2000). Statistics with Confidence. Second edition. British Medical Journal, London, UK. 9. Douglas G. Altman. (1991). Practical Statistics for Medical Re- search. Chapman & Hall, London, UK. 10.James F. Jekel, David L. Katz, Joann G. Elmore. (2001). Epidemiology, Biostatistics, and PreventiveMedicine. Second edition. W. B. Saunders Co., Phi- ladelphia, PA, USA. 11.Julian J. Faraway. (2006). Extending the Linear Model with R: Generalized Linear, Mixed Effects and Nonparametric Regression Models. Texts in Statistical Science. Chapman & Hall/CRC, Boca Raton, FL, USA. 12.J. K. Lindsey. (1999). Introductory Statistics: A Modelling Approach. Oxford Science Publications. Oxford University Press, Oxford, UK. 13.Stephen B. Hulley, Steven R. Cummings, Warren S. Browner, Deborah Grady, Norman Hearst, Thomas B. Newman. (2001). Designing Clinical Research: An Epidemologic Approach. Second Edition. Lippincot Williams & Williams, Philadelphia, PA, USA. 14.Michael J. Campbell, David Machin. (1999). Medical Statistics: A Commonsense Approach. Third edition. John Wiley & Sons, Ltd., Chichester, UK. 15.Raymond S. Greenberg, Stephen R. Daniels, W. Dana Flanders, John William Eley y John R. Boring III. (2005). Epidemiologa mdica. 4a edicin. Editorial El Manual Mo- derno, S.A. de C.V., Mxico, D. F., MEX. 16.James J. Schlesselman. (1982). Case-Control Studies: Design, Conduct, Analysis. Oxford Univer- sity Press, New York, NY, USA. 17.Rebecca G. Knapp, M. Clinton Mi- ller III. (1992). Clinical Epidemiology and Biostatistics. The National Medical Series for Independent Study. Williams & Wilkins, Baltimore, MD, USA. 18.Rollin Brant. (1996). Digesting Logistic Regression Results. The American Statistician, May 1996, Vol. 50, No. 2, Pag. 117-119. 19.Nicholas P. Jewell. (2004). Statistics for Epidemiology. Texts in Statistical Science. Chapman & Hall/CRC, Boca Raton, FL, USA. 20.Paul D. Allison. (1999). Logistic Regression Using the SAS System: Theory and Application. SAS Insti- tute Inc., Cary, NC, USA. TIPS BIOESTADSTICOS