Guia Practica Bioestadistica PDF

Gua Prctica del Curso
de Bioestadstica Aplicada
a las Ciencias de la Salud
Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada

Hospital Universitario de Ceuta
Direccin Territorial de Ceuta
Urb. 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-33564-2011
NIPO: 865-11-010-6
Coleccin Editorial de Publicaciones del INGESA: 1.921
La medicina es una ciencia de probabilidades y el arte de manejar la incertidumbre...

La estadstica es la ciencia que permite tomar decisiones en situaciones
de incertidumbre.
Bailar JC III. Some uses of statistical thinking. En: Bailar JC III,

Mostoller F, editors. Medical uses of statistics. Boston: N Engl
J Med Books, 1992; p. 25-57.
ndice
Gua Prctica del Curso de Bioestadstica Aplicada
Captulo 1
Pgina 10
Publicacin Bioestadstica: Introduccin.
Captulo 2
Pgina 72
Publicacin Bioestadstica: Variables y grficos.
Captulo 3
Pgina 161
Publicacin Bioestadstica: Tamao muestral, Error y .
Captulo 4
Pgina 214
Publicacin Bioestadstica: Error y . Evaluacin de pruebas

diagnsticas.
Captulo 5
Pgina 355
Publicacin Bioestadstica: Anlisis bivariante. Test de
contraste de hiptesis. Cualitativa versus cualitativa.
Captulo 6
Pgina 450
contraste de hiptesis. Cualitativa versus cualitativa. Medidas
de asociacin.
Captulo 7
Pgina 640
contraste de hiptesis. Cuantitativa versus cuantitativa.
Captulo 8
Pgina 727
contraste de hiptesis. Cualitativa dicotmica versus
cuantitativa.
Captulo 9
Pgina 874

contraste de hiptesis. Cualitativa policotmica versus
cuantitativa.
Captulo 10
Pgina 992
Publicacin Bioestadstica:
Medidas de concordancia. Variables cualitativas.
Captulo 11
Pgina 1021
Publicacin Bioestadstica: Medidas de concordancia.

Variables cuantitativas.
Captulo 12
Pgina 1158
Publicacin Bioestadstica: Anlisis multivariante.
Captulo 13
Pgina 1337
Publicacin Bioestadstica: Bibliografa.
Es una verdad muy cierta que, cuando no est a nuestro alcance determinar
lo que es verdad, deberemos buscar lo que es ms probable.
Discurso del Mtodo. Ren Descartes.
No existe ni el negro ni el blanco, solo existe una completa escala de grises...

La respuesta est dibujada en el aire...
Si, segn Montaigne, para juzgar cosas grandes y nobles, es necesario

poseer un alma igual de grande y noble(*), para juzgar un artculo cientfico
escrito por un colega es necesario poseer, adems, conocimientos,
experiencia, imparcialidad, confidencialidad, diligencia, una cierta dosis de
pedagoga y otra no menos esencial de compaerismo (**).
(*) Montaigne M. Les essais [libro en internet]. Versin HTML daprs ldition de 1595 [acceso 31 de
octubre de 2008]. Disponible en: http://www.bribes.org/trismegiste/montable.htm
(**) F. Antoja Rib. Revisores. Revista del laboratorio clnico. 2009; 2: 63.
C aptulo 1
Captulo 1
Publicacin Bioestadstica: Introduccin.

Pgina 10
C aptulo 1
Pgina 11
Bioestadstica aplicada a las Ciencias de la Salud

Definicin
La Estadstica es la ciencia que se ocupa de los mtodos y procedimientos
para recoger, clasificar, resumir, hallar regularidades y analizar los datos,
siempre y cuando la variabilidad e incertidumbre sea una causa intrnseca de
los mismos; as como de realizar inferencias a partir de ellos, con la finalidad
de ayudar a la toma de decisiones y en su caso formular predicciones.
C aptulo 1

Estadstica descriptiva
Describe, analiza y representa un grupo de datos utilizando mtodos
numricos y grficos que resumen y presentan la informacin contenida en
ellos.
Pgina 12
C aptulo 1
Pgina 13

Estadstica inferencial
Apoyndose en el clculo de probabilidades y a partir de datos de una
muestra (procedente de una poblacin), efecta estimaciones, decisiones,
predicciones u otras generalizaciones sobre un conjunto mayor de datos.
Permite generalizar los datos obtenidos a partir de una muestra a la poblacin
de la que proceden. Se basa en la teora de las probabilidades y trabaja con
los datos que le proporciona la estadstica descriptiva.
C aptulo 1
Pgina 14

Estadstica en Medicina
La medicina es una ciencia estadstica, pues siempre se trabaja con la
probabilidad de enfermar y con la oportunidad incierta del diagnstico y del
tratamiento. El mdico debe adecuar el conocimiento cientfico y tecnolgico
a la situacin clnica personal y social del paciente del que se ocupa en ese
momento, ya que no existen enfermedades sino enfermos. El buen juicio
mdico logra un equilibrio entre el riesgo que comporta toda intervencin
diagnstica y/o teraputica y el beneficio esperable de dicha intervencin
en el paciente concreto, lo que obliga a combinar ciencia y arte, pues no
es fcil trabajar con la incertidumbre, y slo la estadstica nos proporciona
el instrumento adecuado que nos permite convivir con el azar, y con las
limitaciones del conocimiento mdico.
C aptulo 1
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.
Pgina 15
C aptulo 1
Pgina 16
Mitos y Leyendas en Bioestadstica
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 17
Mitos y Realidades en Bioestadstica
MITO 1: La sonrisa de la esfinge.

Cul es el ser que por la maana anda con cuatro patas, luego por la
tarde con dos, y despus por la noche 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 18

REALIDAD 1: Respuesta de Edipo.
Cul es el ser que por la maana anda con cuatro patas, luego por la tarde
con dos, y despus por la noche con tres patas, y que se vuelve ms dbil
cuanto ms patas tiene?
Edipo respondi correctamente y dijo: el HOMBRE, porque la maana, la
tarde y la noche traducen las etapas de la vida. El da o comienzo de la vida
muestra al beb gateando en cuatro pies o patas, la tarde o mitad de la vida
es la adultez del ser humano caminando en dos pies y la noche o final de la
vida muestra al anciano con un bastn o sea en tres pies.
Hay dos hermanas una de las cuales engendra a la otra, y sta a su vez
engendra a la primera Quines son?
Edipo contest: el DA y la NOCHE.
Furiosa, la Esfinge se suicida lanzndose al vaco y Edipo fue aclamado como
el salvador de Tebas, y como premio, Edipo fue nombrado rey de Tebas.
C aptulo 1
Pgina 19

MITO 1: 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...
Si lo publican seguro que alguien me lo critica con una carta al director
que se publica en el nmero siguiente, y todo el mundo va a conocer mis
deficiencias
Hospital Universitario INGESA de Ceuta
C aptulo 1
Realidad 1: Respuesta de Edipo

FORMACIN CONTINUADA
METODOLOGA DE INVESTIGACIN
BIOESTADSTICA
ESCRITURA CIENTFICA
PRESENTACIONES CIENTFICAS EN POWER POINT
BSQUEDA DE BIBLIOGRFICA SEGN CRITERIOS
DE MEDICINA BASADA EN LA EVIDENCIA
Pgina 20
C aptulo 1
Bioestadstica
La bioestadstica es la punta visible del iceberg de la metodologa de
investigacin.

Pgina 21
C aptulo 1
Pgina 22

REALIDAD 1: 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 23

REALIDAD 1: 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

REALIDAD 1: 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.
Pgina 24
C aptulo 1
Enseanza de la Bioestadstica Aplicada

MITO 2: Enseanza de la investigacin clnica.
Antonio Fraguas de Pablo (Forges).

Qu le pasa, Doctor?Eh?. Ediciones Doyma 1988 (Barcelona).
Pgina 25
C aptulo 1
Pgina 26

Enseanza autodidacta de la Bioestadstica aplicada
REALIDAD 2: La educacin autodidacta en Bioestadstica es el conjunto de
procesos que realizamos para incorporar nuevos conocimientos necesarios
para cada momento, donde uno mismo selecciona la informacin que
necesita y se evala a s mismo con el mtodo ensayo-error.
La educacin autodidacta es, creo firmemente, el nico tipo de educacin
que existe.
Isaac Asimov.
C aptulo 1
Pgina 27

MITO 3: 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

REALIDAD 3: 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.
Dr. Manuel Bobenrieth Astete

Profesor de Metodologa de Investigacin y Escritura Cientfica
Escuela Andaluza de Salud Pblica.
Pgina 28
C aptulo 1
Pgina 29
Mitos y Realidades en las publicaciones cientficas

REALIDAD 3: 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.
REALIDAD 3: 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 30
Realidad 3
...de lo estadsticamente significativo a lo clnicamente relevante
Hallazgos estadsticos
Hallazgos clnicos
1. Reflejan la influencia del azar en el

resultado
1. Reflejan el valor biolgico del resultado
2. Derivan de grupos de individuos

3. Requieren cantidades adecuadas de
datos para ser vlidas
4. Las respuestas estadsticas son
probabilsticas
5. El anlisis estadstico siempre requiere
medicin.
2. Se practica en individuos especficos

3. Las decisiones clnicas deben tomarse a
menudo con datos insuficientes
4. Los tratamientos mdicos requieren
decisiones oportunas comprometidas
5. La prctica clnica no puede medir
fcilmente cada funcin, cada sistema,
cada signo o sntoma clnico
C aptulo 1
Realidad 3
Por todo ello, es ms apropiado que hablar de SIGNIFICACIN
ESTADSTICA es ms 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.
Pgina 31
C aptulo 1
Pgina 32
Realidad 3
Realidad 3: ...de lo
estadsticamente significativo a lo
clnicamente relevante.
Es clnicamente relevante?
Es estadsticamente significativo?
S (xito)
No (fracaso)
S (p < 0,05)
Clnicamente relevante
Clnicamente irrelevante (p < 0,05)
Estadsticamente significativo
Error Alfa?
No (p > 0,1)
Clnicamente irrelevante
Estadsticamente NO
significativo
Estadsticamente NO significativo
Error Beta?
C aptulo 1
Pgina 33

REALIDAD 3: 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

REALIDAD 3: 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).
Pgina 34
C aptulo 1

MITO 4: La ausencia de evidencia es evidencia de ausencia.
REALIDAD 4: La ausencia de evidencia NO es evidencia de ausencia.
Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ 1995;311:485.
Pgina 35
C aptulo 1
Pgina 36

MITO 4: La ausencia de significacin estadstica (p > 0,05) implica que
dos tratamientos comparados tienen la misma eficacia y por tanto pueden
prescribirse indistintamente.
C aptulo 1
Pgina 37

REALIDAD 4: Altman y Bland alertaron sobre un error comn en la
bibliografa biomdica: interpretar un resultado estadsticamente no
significativo, cuando se comparan dos tratamientos, como sinnimo de su
equivalencia teraputica.
Argimon JM. La ausencia de significacin estadstica en un ensayo clnico no significa equivalencia
teraputica. Med Clin (Barc) 2002; 118: 701-3.
C aptulo 1
Pgina 38

REALIDAD 4: Un valor de significacin estadstica mayor p > 0,05 se
etiqueta como no significativo. Estos estudios se les denomina negativos,
un trmino que implica errneamente que los tratamientos son iguales,
cuando lo nico que sucede es que no se ha podido demostrar una
diferencia. Ambos conceptos son distintos. Un resultado que no alcance
significacin estadstica quiere decir que (si en realidad no existe esa
diferencia), es probable que la observada en el estudio pueda haberse
producido simplemente por el AZAR (variabilidad aleatoria). No debe
interpretarse como indicativo de que no existe una diferencia en la realidad,
sino tan slo de que no puede descartarse esta posibilidad, en especial en
los estudios que han incluido a pocos sujetos.
C aptulo 1
Pgina 39

MITO 5: 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 40

REALIDAD 5: En la bibliografa cientfica se est abusando del trmino
significacin estadstica. Numerosos investigadores dan por supuesto que
si en un estudio 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

REALIDAD 5: 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.
Pgina 41
C aptulo 1

REALIDAD 5: 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.
Pgina 42
C aptulo 1
Pgina 43

REALIDAD 5: 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 44
El Borracho
Utiliza la estadstica como un borracho usa una farola, para aguantarse
en lugar de para iluminarse
Andrew Lang
C aptulo 1
Pgina 45
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) ms 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 46
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

MITO 6 (significantitis): Si p es mayor que el 5%, el resultado del estudio
no vale para nada; slo si es menor de 0,05, hemos hecho un gran
descubrimiento.
Chia KS. Significant-itis: an obsession with the P value. Scand J Work Environ Health. 1997; 23:152-4.
Christenson P. To p or not to p. J Child Adolesc Psychiatr Nurs. 1995; 8:42.
Pgina 47
C aptulo 1
Pgina 48

REALIDAD 6: Algunos, de forma irnica, a esta postura tan drstica y
que pocas veces est realmente justificada la consideran una autntica
enfermedad llamada significantitis o es como un problema de conciencia:
to p or not to p. Neyman et al. al considerar que haba que establecer un
lmite claro en el valor p para aplicar los razonamientos anteriores de forma
absoluta. Este valor crtico de p es el famoso 0,05 y marca el mtico lmite
de la significacin estadstica.
Neyman J, Pearson E. On the problem of the most efficient tests of statistical hypothesis. Philosophical trans
of the Royal Society of London (A) 1933;231:289-337.
C aptulo 1
Pgina 49

REALIDAD 6: Neyman et al lanzaron este lema exclusivamente bajo
el punto de vista de la toma de decisin ante un problema que fuera
trascendente y en el que, urgiera tal toma de decisin: rechazar o no la
hiptesis nula con sus consecuencias derivadas. Lo que ocurre es que se
ha universalizado demasiado y se lo ha sacado de su contexto, ya que se
aplica a cualquier inferencia estadstica, aunque el fin de la investigacin no
suponga obligacin alguna de tomar una decisin tan drstica, basada en la
ley del todo o nada.
Neyman J, Pearson E. On the problem of the most efficient tests of statistical hypothesis. Philosophical trans
of the Royal Society of London (A) 1933;231:289-337.
C aptulo 1
Pgina 50

MITO 7 (adoradores de la p): La esencia de la estadstica es la bsqueda
de los valores ms bajos de la p, (una p < 0,001 es mejor que una p < 0,01,
y sta 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 51
Mito 7: 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 52

REALIDAD 7: La utilidad de la p es una medida de la influencia del AZAR
en la posible asociacin entre las variables 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. 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 53

MITO 8: 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 el artculo 16 de la Constitucin Espaola
sobre la libertad religiosa).
C aptulo 1
Pgina 54

REALIDAD 8: La estadstica constituye un instrumento cientfico que
requiere el cumplimiento de NUMEROSAS CONDICIONES para producir
resultados vlidos.
1. Es preciso que los experimentos tengan un diseo muy escrupuloso.
2. Es inexcusable aplicar en cada circunstancia aquellos mtodos que en
ella son idneos y controlar rigurosamente su validez.
3. NUNCA es legtimo deducir que un resultado significativo es clnicamente
relevante.
4. Una correlacin entre dos variables acabar siendo siempre significativa
(p < 0,05) si la muestra es lo suficientemente grande.
5. Por eso en algunos casos, se dice que: La estadstica es un
instrumento, que si no se usa adecuadamente, puede demostrar cualquier
MENTIRA.
C aptulo 1
Pgina 55

REALIDAD 8: 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. El fin nunca
justifica los medios.
Ars A. Tmese una antes de acostarse. 1 edicin. Barcelona: Planeta; 1998.
C aptulo 1
La estadstica es un instrumento, que si no se usa adecuadamente, puede

demostrar cualquier mentira.
En Bioestadstica el fin nunca justifica los medios.
Pgina 56
C aptulo 1
Pgina 57

REALIDAD 8: Si los datos de un estudio se analizan con muchos enfoques
distintos y con la suficiente intensidad hasta TORTURARLOS, acaban
dando los resultados que al investigador le hubiese gustado obtener,
aunque tales resultados suelen ser cientficamente NEFASTOS.
Mills JL. Data torturing. N Engl J Med. 1993; 329: 1196-9.
C aptulo 1
Pgina 58

MITO 9: La inocencia de las cigeas
Una buena correlacin estadstica (coeficiente de correlacin r elevado)
(p < 0,05) siempre significa que existe una relacin entre las variables
evaluadas y, por tanto, existe una relacin causa - efecto.
C aptulo 1
Pgina 59
C aptulo 1

REALIDAD 9:
- Una buena correlacin estadstica (r elevado) (p < 0,05) NO siempre
significa que exista 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.
Pgina 60
C aptulo 1
Estudio ecolgico
Variable PREDICTORA
Factor de exposicin (F)
CIGEAS
Nmero de ejemplares de
cigeas
Variable RESULTADO
Efecto o Enfermedad (E)
NATALIDAD HUMANA
Tasa de natalidad de la
poblacin humana
Pgina 61
C aptulo 1
Variable cuantitativa continua
Tasa de nacimientos en la poblacin humana
Variable RESULTADO-RESPUESTA-posible EFECTO
Estudio de Bartels (Alemania)
Enero
Mayo
Abril
Junio
Noviembre
Febrero
Marzo
Agosto
Octubre
Julio
Septiembre
Diciembre
Variable PREDICTORA-EXPOSICIN-posible CAUSA
Nmero de ejemplares de cigeas

Pgina 62
C aptulo 1
Estudio de Bartels (Alemania)

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.
Pgina 63
C aptulo 1
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 tienen 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.
Pgina 64
C aptulo 1
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 cules no tiene sentido hacerlas?
Esto slo 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 obtienen al aplicar las pruebas estadsticas slo tienen
sentido cuando las variables (datos) estn bien definidas y tienen plausibilidad
biolgica.
Pgina 65
C aptulo 1
Estos tipos de errores se originan cuando los autores NO tienen claros

algunos conceptos bsicos de METODOLOGA de INVESTIGACIN
pero disponen de programas estadsticos potentes, en los que slo
se necesita sealar y aceptar con el ratn entre un amplio abanico de
pruebas estadsticas.
Pgina 66
C aptulo 1
Parafraseando a Sneca , debemos convenir que

todo lo honesto es difcil
y la investigacin clnica no es una excepcin.
Sneca LA. De los beneficios. En: Lucio Anneo Sneca: Obras completas. Madrid: Aguilar, 1961.
Pgina 67
C aptulo 1
Pgina 68
Curso de Bioestadstica Aplicada

1. Introduccin a la bioestadstica.
2. Estadstica descriptiva. Variables y grficos.
3. Tamao muestral: Error alfa y error beta.
4. Evaluacin de pruebas diagnsticas.
5. Test de contraste de hiptesis: variable cualitativa versus cualitativa.
6. Test de contraste de hiptesis: variable cuantitativa versus cuantitativa.
7. Test de contraste de hiptesis: variable cuantitativa versus cualitativa.
8. Anlisis estadstico multivariante.
9. Utilidad de la bioestadstica en los resultados y discusin del estudio.
C aptulo 1
Salir de nuestra cueva de BENZ, de nuestro nicho ecolgico

Comunicar nuestra experiencia a los dems
Utilizando la bioestadstica como herramienta de trabajo.
Pgina 69
C aptulo 1
Etapas del proceso de investigacin

TEORIA
18. Conclusin
(Respuestas)
Fase interpretativa
DISCUSIN
1. Problema
(Preguntas)
2. Revisin
bibliogrfica
17. Alcance
y limitaciones
16. Importancia
Novedad
3. Marco
terico
15. Validez interna y

externa
13. Presentacin
de datos
Procesamiento
12. 12.
Procesamiento
de datos
estadstico
de datos
DEDUCCIN
INDUCCIN
4. Definicin
Variables
14. ANLISIS
Fase emprica
RESULTADOS
Fase conceptual
INTRODUCCIN
5. HIPTESIS
OBJETIVOS
6. Seleccin del
diseo
TEMA A INVESTIGAR
Campo de investigacin
11. Recoleccin
de datos
7. Identificacin de
la poblacin
8. Determinacin
Casos/muestra
9. Estudio
piloto
10. Fuentes de
informacin
HECHOS
DATOS
Fase planificacin
MATERIAL y
MTODOS
Pgina 70
C aptulo 1
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.
Bioestadsticos
Expertos en
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.
Pgina 71
C aptulo 2
Captulo 2
Publicacin Bioestadstica: Variables y grficos.

Pgina 72
C aptulo 2
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 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.
Pgina 73
C aptulo 2
Tipos de variables
- Variables cualitativas
- Categricas nominales
- Dicotmicas o Binarias
- Policotmicas
- Categricas ordinales
- Variables cuantitativas
- Discretas
- Continuas
Categorizacin
Pgina 74
C aptulo 2
Pgina 75
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).
C aptulo 2
Pgina 76
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 medirlas existe un
cierto orden, grado o jerarqua entre las categoras.
- Grado de disnea.
- Grado de dolor.
- Intensidad del hbito tabquico.
- Tipo de fumador.
C aptulo 2
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.
Pgina 77
C aptulo 2
Categorizacin de variables cuantitativas

Variable
Cuantitativa continua
Triglicridos
Variable
Cualitativa dicotmica
Hipertriglicridemia
Normotriglicridemia
Categorizacin
Variable
Cuantitativa discreta
Test de APGAR
Variable
Cualitativa ordinal
Patolgico < 7
Dudoso = 7
Fisiolgico > 7
Categorizacin
Pgina 78
C aptulo 2
Tipos de variables
Ejemplos
Variables cualitativas
- Binarias
- Policotmicas
- Ordinales
Variables cuantitativas
- Discretas
- Continuas
- Sexo
- Credo religioso en Ceuta
- Hipertensin
- Tipo de fumador
- Colesterolemia
- Nmero de abortos
- Nivel de instruccin
- Edad gestacional
- Frecuencia cardiaca
- Test de apgar
Pgina 79
C aptulo 2
Tipos de variables
Ejemplos
- Binarias
- Policotmicas
- Ordinales
- Discretas
- Continuas
- Antecedentes de IAM
- Grupo sanguneo
- Hipertensin
- Tipo de fumador
- Colesterolemia
- N intentos de dejar fumar
- Nivel econmico
- Edad
- Peso
- Test de apgar
Pgina 80
C aptulo 2
Pgina 81
Tipos de variables
Ejemplos
- Binarias
- Policotmicas
- Ordinales
- Discretas
- Continuas
- Desenlace
- Estado civil
- Inmunizacin toxoplasma
- Intensidad del hbito tabquico
- LDL colesterol
- Nmero de cigarrillos
- Grado de disnea
- Aos de evolucin
- Hemoglobina
- Nmero de hijos
C aptulo 2
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
Pgina 82
C aptulo 2
Pgina 83
Pruebas estadsticas de contraste de hiptesis ms

aplicables a cada situacin
Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
Pruebas de contraste de
hiptesis
Observaciones y/o limitaciones del test
Cualitativa
Cualitativa
Ji cuadrado
Prueba exacta de Fisher
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA
Si el tamao muestral es grande

Si el tamao muestral es pequeo
Dos grupos de muestras repetidas o apareadas
Ms de dos grupos de muestras repetidas o apareadas
Varias variables predictoras cualitativas
Cualitativa
Cuantitativa
t de Student
Anlisis de la Varianza
Test de Mann-Whitney
Test de Wilcoxon
Test de Kruskall-Wallis
Test de Friedman
Compara medias entre dos grupos independientes

Compara medias entre ms de dos grupos independientes
Dos grupos independientes No paramtricos
Dos grupos medidas repetidas No paramtrico
Ms de dos grupos No paramtrico, grupos indendientes
Ms de dos grupos No paramtrico medidas repetidas
Cuantitativa
Cualitativa
Regresin logstica simple

Regresin logstica multivariante
Una sola variable predictora cuantitativa

Varias variable predictoras cuantitativa o cualitativas
Cuantitativa
Cuantitativa
Regresin lineal simple

Correlacin de Pearson
Correlacin de Sperman
REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Varias variables predictoras cuantitativas
Cualitativa
Superviviencia
Kaplan-Meier
Long-Rank
Regresin de COX
Curvas de supervivencia
Compara curvas de superviviencia
Anlisis Multivariante
C aptulo 2
Fases del anlisis estadstico

1.- ANLISIS DESCRIPTIVO
2.-ANLISIS BIVARIANTE
3.- ANLISIS MULTIVARIANTE
Pgina 84
C aptulo 2
Estadsticos descriptivos
Medidas de tendencia central

- Media aritmtica
- Media geomtrica
- Media armnica
- Media ponderada
- Mediana
- Moda
Medidas de forma
- Asimetra
- Curtosis o apuntamiento
Medidas de dispersin
- Varianza
- Desviacin estndar
- Coeficiente de variacin
- Error estndar de la media
Medidas de posicin
- Cuantiles
- Percentiles
Pgina 85
C aptulo 2
- Media aritmtica [x]

- Media geomtrica
- Media armnica
- Media ponderada
- Mediana (P50)
- Moda
Pgina 86
C aptulo 2
Pgina 87
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.
C aptulo 2
Pgina 88
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)
W5
30%
Media ponderada = 6,7
C aptulo 2
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)
Pgina 89
C aptulo 2
Medidas de dispersin
- Varianza [s2]
- Desviacin tpica o estndar [s]
- Coeficiente de variacin [CV]
- Error estndar de la media [EE]
Pgina 90
C aptulo 2
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?
Pgina 91
C aptulo 2
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.
Pgina 92
C aptulo 2
Pgina 93
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.
C aptulo 2
Pgina 94
Cul de las siguientes variables presenta un mayor grado de

dispersin?
Repetibilidad interdiaria de los procedimientos de anlisis del metabolismo frrico
Componente
Media
Desviacin
estndar
Coeficiente de
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 transferrina
20
2,39
0,13
5,44
Cul de las siguientes variables presenta un menor grado de

dispersin?
C aptulo 2
Pgina 95
Distribucin de los valores de una variable x

medidos en los individuos de una poblacin
Desviacin estndar: Mide el grado de

dispersin de todos los individuos que
forman la muestra (s) o la poblacin ().
Media poblacional desconocida de la que

proceden todas las muestras extradas
Sigma : desviacin
estndar de los individuos
de la poblacin general
Distribucin de las medias X observadas en las infinitas muestras

de tamao n que pueden obtenerse de una poblacin de media
y de desviacin estndar
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).
C aptulo 2
Medidas de forma
Asimetra (coeficiente de asimetra g1 de Fisher)
Simtrica (coeficiente de asimetra g1 = 0)
Asimtrica (coeficiente de asimetra g1 0)
g1 =
i =1
3
i
R3
Asimetra positiva (coeficiente de asimetra g1 > 0)

Asimetra negativa (coeficiente de asimetra g1 < 0)
Curtosis o apuntamiento (coeficiente g2 curtosis de Fisher)

Mesocrtica (g2 = 0)
Platicrtica (g2 < 0)
Leptocrtica (g2 > 0)
Coeficiente g2 mide el grado de
APLASTAMIENTO de una curva
g2 =
i =1
R4
4
i
-3
Pgina 96
C aptulo 2
Medidas de forma
Asimetra
g1 =
i =1
R3
Histograma de frecuencias de una variable cuantitativa

con distribucin simtrica (coeficiente de asimetra g1 = 0)
Distribucin normal
[Asimetra] < 2 EEasimetra
g1 < 2 EE g1
Pgina 97
C aptulo 2
Medidas de forma
Asimetra

con distribucin Asimtrica Positiva (coeficiente de asimetra g1 > 0)
Pgina 98
C aptulo 2

con distribucin Asimtrica positiva (coeficiente de asimetra g1 > 0)
Moda
%
Mediana
Media
* Coeficiente de asimetra g1 > 0 (VALOR POSITIVO)

* La Mediana es un valor ms pequeo que la Media
* La cola de la distribucin se aleja por la derecha
Pgina 99
C aptulo 2
Medidas de forma
Asimetra

con distribucin Asimtrica Negativa (coeficiente de asimetra g1 < 0)
Pgina 100
C aptulo 2
Histograma de frecuencias de una variable cuantitativa con

distribucin Asimtrica negativa (coeficiente de asimetra g1 < 0)
Mediana
Moda
Media
* Coeficiente de asimetra g1 < 0 (VALOR NEGATIVO)

* La Mediana es un valor ms grande que la Media
* La cola de la distribucin se aleja por la izquierda
Pgina 101
C aptulo 2
Pgina 102
Medidas de forma
Curtosis o apuntamiento
Coeficientes g2 de apuntamiento o curtosis de Fisher
Mesocrtica (g2 = 0)
Distribucin normal
Platicrtica (g2 < 0)
Leptocrtica (g2 > 0)
[curtosis] < 2 EEcurtois
g2 < 2 EE g2
C aptulo 2
Segn las medidas de forma Cmo puede clasificarse esta

variable?
Asimetra g1 = 0,01
Curtosis g2 = 0,02
Simtrica (g1 0)
Mesocrtica (g2 0)
Distribucin
NORMAL
Coeficientes de asimetra g1 y de apuntamiento o curtosis g2

en diversos tipos de distribuciones
Pgina 103
C aptulo 2

variable?
Asimetra g1 = + 2,98
Curtosis g2 = +11,53
Asimtrica (g1 >0)(+)

Leptocrtica (g2 >0)
Distribucin
ANORMAL

Pgina 104
C aptulo 2

variable?
Asimetra g1 = -1,59
Curtosis g2 = +1,97
Asimtrica (g1 <0)(-)

Leptocrtica (g2 >0)
Distribucin
ANORMAL

Pgina 105
C aptulo 2

variable?
Asimetra g1 = - 0,04
Curtosis g2 = - 1,37
Simtrica (g1 0)
Platicrtica (g2 <0)

Pgina 106
C aptulo 2
Segn las medidas de forma Como puede clasificarse esta

variable?
Asimetra g1= + 0,135
Curtosis g2 = + 0,320
Simtrica (g1 0)
Mesocrtica (g2 0)
Frecuencia
Sigue una Distribucin Normal?

Distribucin
NORMAL
Peso en adultos (Kg)
Test de Kolmogorov - Smirnov = 0,705
p = 0,702
Pgina 107
C aptulo 2

variable?
Asimetra g1 = + 0,713
Curtosis g2 = + 3,660
Frecuencia

Distribucin ANORMAL
Asimtrica (g1 >0)(+)

Leptocrtica (g2 >0)
Edad
Test de Kolmogorov - Smirnov = 1,498
p = 0,022
Pgina 108
C aptulo 2
Medidas de posicin:
Cuartiles y percentiles
6 datos
Mediana P50
6 datos
120
110
110
95
92
91
90
88
85
76
76
73
72
Cuartil 3 = P75
Cuartil 2 = P50
Cuartil 1 = P25
RIC: Rango intercuartlico
Representacin esquemtica de la Mediana P50

(percentil 50) y de los cuartiles P75 y P25
RIC
Pgina 109
C aptulo 2
Grficos de caja (box-plot)

Bigote superior
=[1,5 * RI ] + P75
80
Tercer cuartil
70
60
P75
Rango intercuartlico (RI)
50
Tercer cuartil Primer cuartil
40
30
Mediana
20
10
Primer cuartil
Consumo de Cigarrillos / da
Bigote inferior
P50
P25
= P25 [1,5 * RI ]
Diagrama de caja (box & whister plot)
Pgina 110
C aptulo 2

Es legtimo un dato
puntual cuyo valor
es excepcionalmente
grande o pequeo?
Es 220 un valor mal
registrado?
Es el resultado de un
error o accidente en la
experimentacin?
Perifrico o Outlier
220
Bigote superior = 180
Mediana = 140
P75 = 158
RIC = 33
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.
Pgina 111
C aptulo 2
Tcnicas de deteccin de Outlier
Variable resultado
outlier?
Variable predictora
Pgina 112
C aptulo 2
Tcnicas de deteccin de Outlier
Variable resultado
Coeficiente de determinacin R2
Variable predictora
Pgina 113
C aptulo 2

Sigue el sTfR una Distribucin Normal?
6
Perifrico o Outlier
sTfR (mg/L)
Receptor soluble
de la transferrina
en suero (sTfR)
4
3
Tamao muestral N = 121
Distribucin de los valores de sTfR en el grupo de referencia
Pgina 114
C aptulo 2
Pgina 115
Variable resultado
Mediana
Media
Perifrico o Outlier
Grupos de estudio
C aptulo 2
Grficos de histograma
Frecuencia (%)
30
Asimetra positiva g1 >0

Mesocrtica g2 =0
Distribucin
ANORMAL
20
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
Pgina 116
C aptulo 2
Pgina 117
Grficos de histograma
195
Nmero total de observaciones
180
Asimetra positiva g1 >0

Mesocrtica g2 =0
165
150
135
120
Distribucin ANORMAL
105
90
75
60
45
30
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
C aptulo 2
Distribucin uniforme discreta
120
Frecuencia
100
80
60
40
20
0
1
Nmero de caras
Resultados empricos obtenidos en la realidad

despus de lanzar un dado 600 veces
Cul es el nmero que sale con ms frecuencia?
Pgina 118
C aptulo 2
1200
120
Frecuencia
Frecuencia
1000
100
80
60
40
20
0
800
600
400
200
0
Nmero
caras
de de
caras
Nmero
Resultados empricos obtenidos en la realidad

despus de lanzar un dado 600 veces
Pgina 119
C aptulo 2
Distribucin normal
200
7 = 3+ 4, 4+ 3, 6+1, 1+ 6, 2+ 5, 5+ 2
180
160
12 = 6 + 6
2=1+1
Frecuencia
140
120
100
80
60
40
20
0
Sumas
10
11
12
Resultados empricos (sumatorio) obtenidos

en la realidad despus de lanzar dos dados 1000 veces
Pgina 120
C aptulo 2
Frecuencia
Distribucin normal
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
Cul es el nmero que sale con MENOS frecuencia?
Pgina 121
C aptulo 2
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
Pgina 122
C aptulo 2
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)
Pgina 123
C aptulo 2
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.
Pgina 124
C aptulo 2
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 g1 debe ser menor que 2 veces su error estndar
[Asimetra] < 2 EEasimetra g1 < 2 EEg1
- La distribucin debe ser MESOCRTICA. La curtois en valor
absoluto g2 debe ser menor que 2 veces su error estndar
[curtois] < 2 EEcurtois g2 < 2 EEg2
Pgina 125
C aptulo 2
Propiedades de la distribucin normal

1 f ( x) =
e
2
( x - )2
2 2
Pgina 126
C aptulo 2
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 32 D.E.
D.E.
Media
95%
99% del
delrea
reatotal
total
Media 3 D.E. 99% del rea total
Pgina 127
C aptulo 2
Distribucin de la t de Student
= n-1
Grados de libertad = n - 1
valores " t " : t =
(x - )
s
Pgina 128
C aptulo 2
Distribucin de la F de Snedecor
s12 12
valores " F " : F = 2 2
s2 2
Grados de libertad 1 y 2
1 = n1 - 1 2 = n2 - 1
Pgina 129
C aptulo 2
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 g1 > 0 (+)
Leptocrtica g2 > 0 (+)
Distribucin ANORMAL
Pgina 130
C aptulo 2
Histograma de la uremia en 504 individuos

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

40
S (desviacin tpica) > X (media aritmtica)/2 (CV>50%)

44,69 > 64,8/2 (32,4) (CV=69%)
20
0
10
30
50
70
90 110
150
170
Uremia (mg/dl)
190 210
250
Distribucin ANORMAL
Pgina 131
C aptulo 2
Histograma de la urea en sangre en 94 pacientes con

insuficiencia renal
Sigue una distribucin normal?
Frecuencia (%)
20
N = 94
Media (x) = 126
X x
s< > s
2 2
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
Pgina 132
C aptulo 2
Histograma de la urea en sangre en 410 individuos sin

insuficiencia renal
Sigue una distribucin normal?
140
N = 410
Media (x) = 51
Frecuencia absoluta
120
100
> s
S (desviacin tpica) > X (media aritmtica)/2 (CV>50%)
80
29,9 > 51/2 (25,5) (CV=59%)
60
40
Distribucin ANORMAL
20
0
s<
10
45
80
110
145
180
Uremia (mg/dl) en 410 individuos sin IR
Pgina 133
C aptulo 2

Medidas de dispersin o variabilidad
Media = 183,9
Desviacin estndar = 82,5
N = 293
40
Frecuencia relativa (%)
Distribucin
ANORMAL
Valores entre X 3 s (< 431,4)
S (desviacin tpica) < X (media aritmtica)/2 (CV<50%)
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)
X
2
> s
Pgina 134
C aptulo 2
Condiciones y pruebas de normalidad
90
Frecuencia (%)
80
70
60
50
40
30
Asimtrica (+) (g1 > 0)

Leptocrtica (+) (g2 > 0)
X
2
> s
Distribucin ANORMAL
CV > 50%
20
10
0
Bilirrubinemia (mg/dl)
Distribucin de frecuencias de los niveles de bilirrubina en pacientes cirrticos.
(Distribucin Anormal con asimetra positiva)
Pgina 135
C aptulo 2
Condiciones y pruebas de normalidad
Frecuencia
Transformacin logartmica
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
Pgina 136
Pgina 137
C aptulo 2
50%
40%
40%
97.5% URL
30%
Frequency of normal population
30%
99% URL
20%
20%
10%
10%
0%
0,00
0,02
0,04
0.03
ng/mL
0,06
0.06
ng/mL
0,08
0,10
cTnI g/L
0,12
0,14
0,16
0,18
0%
0,20
5
Total Imprecision (CV%)
50%
Total I mprecision (CV%)
Frequency of normal population
Troponina I en poblacin sana
C aptulo 2
Frecuencia absoluta
La amilasemia sigue una Distribucin Normal?
Asimtrica (+) (g1 > 0)

Leptocrtica (+) (g2 > 0)
Distribucin ANORMAL
Amilasemia (UI/l)
Pgina 138
Pgina 139
C aptulo 2
Estadsticos descriptivos de la amilasemia
Amilasa
Media
Desviacin tpica
549
90,86
135,043
Asimetra
Curtosis
g1
EEg1
g2
EEg2
11,359
0,104
170,89
0,208
Asimetra
Amilasa
Curtosis
g1
EEg1
g1/ EEg1
g2
EEg2
g2/ EEg2
11,359
0,104
109,22
170,89
0,208
821,6
[Asimetra] > 2 EEasimetra g2 > 2 EEg2
Distribucin ANORMAL
[Curtosis] > 2 EEcurtois g2 > 2 EEg2
Distribucin ANORMAL
C aptulo 2
Pgina 140
Test de normalidad
- Test de Kolmogoroff-Smirnoff-Lilliefors (test ms potente para muestra > 30 casos).

- Test de Shapiro-Wilk (la prueba ms potente para muestra < 30 casos).
- Test de DAgostino.
- Test de Anderson-Darling.
- Test chi-cuadrado de bondad de ajuste.
- Test de Contraste de asimetra: Sirve para contrastar la hiptesis de que el coeficiente de
asimetra de Fisher g1 es cero. Propiedad que verifica la distribucin normal (g1 = 0).
- Test de Curtosis: Contraste de apuntamiento, sirve para contrastar la hiptesis de que
el coeficiente g2 curtosis de Fisher (coeficiente de apuntamiento) es cero. Propiedad que
verifica la distribucin normal (g2 = 0).
- Test de Jarque-Bera.
C aptulo 2
Pgina 141
Test de Kolmogorov-Smirnov
- Es el test de normalidad ms difundido en los programas estadsticos.
- Otorga un MENOR PESO 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 tests 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 considera uno de los tests ms potentes para muestras
mayores de 30 casos).
- 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 tests 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.
C aptulo 2
Pregunta de investigacin
Los valores analticos de ambas tcnicas siguen una
distribucin normal?
Objetivo: Evaluacin de la amilasa tcnica 1 frente a la tcnica 2.
Amilasa (srica)
Tcnica 1
Amilasa (srica)
Tcnica 2
Cul es el test estadstico ms acertado?

Pgina 142
C aptulo 2
Pgina 143
Resultados del test
Tcnica 1
Tcnica 2
548
548
Media
91,03
79,29
Desviacin tpica
135,11
120,52
Absoluta
0,289
0,301
Positiva
0,289
0,301
Negativa
- 0,280
- 0,299
Z de Kolmogorov-Smirnov
6,763
7,034
Significacin bilateral
0,000
0,000
Parmetros normales
Diferencias ms extremas
Como la significacin p < 0,05 se rechaza la hiptesis nula Ho (normalidad) y se acepta la

hiptesis alternativa Ha (no se cumple la normalidad), se deben usar test NO paramtricos.
C aptulo 2
Test de Jarque-Bera
- El test de Jarque-Bera se realiza para contrastar:
H0: g1 = g2 = 0, lo que significa simetra y curtsis exactas (g = 0)
H1: g1 0 o g2 0 lo que significa que existe curtsis (g 0) o asimetra.
- La consecuencia es que si existe asimetra o curtsis falla la normalidad.
H0: p > 0,05
simetra y curtsis exactas (g = 0)
test paramtricos
H1: p < 0,05
curtsis (g 0) 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
g1 =
i =1
R3
3
i
g2 =
4
i =1
R4
g12 g 22
JB = t + t = T +
-3
6 24
2
1
2
2
Pgina 144
C aptulo 2
Test de Jarque-Bera
Asimetranegativa:
positiva
Asimetra
casi nula:mayor
mediana
mediana
que
menorlaque
la media
media
Forma terica de la
normal
TEST de normalidad de JARQUE-BERA

Estadstico 2 = 1.54
valor de p = 0.463 (p > 0,05)
Se acepta la H0
H0: g1= g2= 0, lo que significa
simetra y curtsis exactas.
DISTRIBUCIN NORMAL
Curtsis negativa: mas

apuntamiento que la normal
Forma terica de la
distribucin emprica
Pgina 145
C aptulo 2
TIPO DE DISTRIBUCIN
SIMTRICA
ASIMTRICA
ndice de tendencia central
Media
Mediana
ndice de dispersin
EEM
Rango intercuartil
Peso de valores extremos

(outlier o perifricos)
Importante
Escaso o nulo
Fiabilidad del estadstico
Mucha
Poca
Pgina 146
C aptulo 2
Pgina 147
Pruebas paramtricas: Requisitos
- Las variables cuantitativas tienen que ser continuas.

- Los datos siguen una distribucin normal.
- Los datos numricos se expresan con la media y la desviacin estndar o el EEM
- Homogeneidad de las varianzas muestrales.
- Tamao muestral > 30.
- Presentan un mayor poder de contraste que los tests no paramtricos, y pueden analizar
interacciones entre variables predictoras.
- Cuando se dan las condiciones de aplicacin, las pruebas paramtricas tienen ms
potencia que las no paramtricas, pero, cuando esto no es as, el riesgo alfa puede ser
mayor que el especificado de antemano.
C aptulo 2
Pruebas NO paramtricas: Requisitos
- Las variables cuantitativas pueden ser ordinales o discretas.

- Los datos siguen una distribucin libre (no necesariamente normal), uno de los grupos
puede tener una distribucin normal mientras que el otro no.
- Los datos numricos se expresan con la mediana y los intervalos intercuartlicos.
- Heterogeneidad de las varianzas muestrales (en uno o ms de un grupo).
- Tamao muestral < 30.
- Presentan un menor poder estadstico que los tests paramtricos.
- Trabajan con la simple ordenacin y recuento (asignando rankings) a los valores de la
variable sin importar el tipo distribucin.
Pgina 148
C aptulo 2
Principales pruebas NO paramtricas
- Chi cuadrado de Pearson.

- Test exacto de Fisher.
- Chi cuadrado de Mc Nemar.
- Q de Cochran.
- U de Mann Whitney.
- Wilcoxon.
- Kruskall Wallis.
- Friedman.
http://www.slideshare.net/freddygarcia/pruebas-no-parametricas-presentation
Pgina 149
C aptulo 2
Pgina 150
Pruebas robustas: Caractersticas
- Otra alternativa a los mtodos paramtricos; la utilizacin de los llamados mtodos

robustos. Estos mtodos son menos potentes que los paramtricos, pero se muestran
superiores a los no paramtricos clsicos.
- La principal de sus ventajas es que no se afectan por la existencia de datos anmalos.
- Los mtodos robustos pueden ser de utilidad para la realizacin de inferencias sin tener
que depurar los datos extremos.
- Como parmetros de localizacin (posicin central) se recomienda en primer lugar, el
estimador de Huber y, en segundo lugar, la media a-recortada muestral (con a = 0,2).
- Como medida de dispersin se utiliza la desviacin absoluta mediana estandarizada.
- Mtodos robustos para el contraste de hiptesis con los parmetros antes referidos, se
pueden construir intervalos de confianza robustos y realizar contrastes de hiptesis.
C aptulo 2
Pgina 151
Mtodos robustos para el clculo de medidas de posicin:

Medidas robustas de tendencia central
Media -winsorizada muestral
Se sustituye un determinado porcentaje, , (20% Generalmente) de valores extremos a
cada lado de la muestra por el valor ms prximo no sustituido.
Media -recortada muestral
Se eliminan las k observaciones extremas de cada lado en lugar de winsorizarlas,
calculando la media aritmtica de las observaciones restantes.
Mediana muestral
Divide la distribucin en dos partes con el mismo nmero de elementos.
Estimador de Huber
Se encuentra dentro de los denominados M-estimadores, que generalizan al estimador de
mxima verosimilitud con buenas propiedades de robustez y eficiencia. En este caso se
descartan las observaciones que sean mayores (o menores) a una constante.
C aptulo 2
Pgina 152
Mtodos robustos para el clculo de medidas de dispersin:

Medidas robustas de dispersin
Desviacin absoluta mediana estandarizada
Es la mediana de las desviaciones absolutas a la mediana.
Cuasi desviacin tpica -winsorizada muestral
En la que se sustituye un determinado porcentaje de valores extremos a cada lado de la
muestra por el valor ms prximo no sustituido.
C aptulo 2
Pgina 153
Pruebas Robustas de contraste de hiptesis
- Mtodos robustos para el contraste de hiptesis con los parmetros antes referidos, se
pueden construir intervalos de confianza robustos y realizar contrastes de hiptesis.
- El test de Yuen es una alternativa a las pruebas de la t de Student y U de Mann-Whitney
para tamaos muestrales pequeos y distribuciones no normales.
- Para comparar ms de dos medias, cuando no puede utilizarse el ANOVA clsico,
deberamos recurrir a los clsicos no paramtricos de Kruskal-Wallis o, mejor, a mtodos
robustos como la generalizacin robusta del test Welch, que utiliza medias a-recortadas
muestrales.
- Deberamos recurrir a mtodos no paramtricos (Spearman) o, mejor, a mtodos robustos
como el coeficiente de porcentaje ajustado poblacional y el estimador robusto de regresin
medio biponderado.
http://www.slideshare.net/freddygarcia/pruebas-no-parametricas-presentation
C aptulo 2
Seleccin de la muestra
Poblacin
Seleccin aleatoria
Muestra
TCNICAS DE MUESTREO
ERROR ALEATORIO
Parmetro
Media poblacional
Inferencia
Estructura del proceso de la INFERENCIA ESTADSTICA
Estadstico X
Media muestral
Pgina 154
C aptulo 2
Pgina 155
Prueba de rachas
- Sirve para determinar si una muestra de observaciones es o no aleatoria, es decir, si las

observaciones de una determinada secuencia son independientes entre si.
- En una serie temporal, las observaciones no son aleatorias: lo que ocurre con una
observacin cualquiera depende, de las caractersticas de una observacin anterior.
- En una muestra aleatoria, lo que ocurre con una observacin cualquiera sea
independiente de las caractersticas de la(s) observacion(es) anterior(es).
- Esta prueba permite determinar si el nmero de rachas (R), observado en una
determinada muestra de tamao n es lo suficientemente grande o lo suficientemente
pequea como para poder rechazar la hiptesis de independencia-aleatoriedad de las
observaciones.
C aptulo 2
Prueba de rachas
El concepto de RACHA hace referencia a una secuencia de observaciones de un

mismo tipo.
Supongamos que lanzamos una moneda al aire 10 veces seguidas, repitiendo la
experiencia en tres ocasiones
Cmo garantizamos que el resultado obtenido es ALEATORIO?
Pgina 156
C aptulo 2
Prueba de rachas
1 EXPERIENCIA: Tenemos 5 RACHAS: CCC, X,CC, XXX, C
C C C
C C
2 EXPERIENCIA: Tenemos 2 RACHAS: CCCCC, XXXXX
C C C C C
3 EXPERIENCIA: Tenemos 10 RACHAS: CX, CX, CX, CX, CX
En cul de las 3 experiencias podemos garantizar que el resultado obtenido es

ALEATORIO?
Pgina 157
C aptulo 2
Prueba de rachas
Prueba de RACHAS
EXP 1
EXP 2
EXP 3
Valor de prueba
Casos < Valor de prueba
Casos Valor de prueba
Casos en total
10
10
10
Nmero total de rachas
10
- 0,211
- 2,348
2,348
0,833
0,019
0,019
Como el nivel de significacin es mayor a 0,05 en la experiencia 1, podemos

aceptar la hiptesis de independencia (Ho) y concluir que la secuencia de
observaciones estudiada es ALEATORIA.
Como el nivel de significacin es inferior a 0,05 en la experiencia 2 y 3,
podemos rechazar la hiptesis de independencia y concluir que la secuencia de
observaciones estudiada NO es aleatoria (Ha).
Pgina 158
C aptulo 2
Los valores analticos de ambas tcnicas son aleatorias?
Objetivo: Evaluacin de la amilasa tcnica 1 frente a la tcnica 2.
Amilasa (srica)
Tcnica 1
Amilasa (srica)
Tcnica 2

Prueba de RACHAS
Pgina 159
C aptulo 2
Prueba de rachas
Tcnica 1
Tcnica 2
Valor de prueba (mediana)
70
61
Casos < Valor de prueba
267
267
Casos Valor de prueba
282
281
Casos en total
549
549
Nmero total de rachas
259
263
- 1,393
- 1,012
0,164
0,312
Como el nivel de significacin es mayor a 0,05 en ambas tcnicas, podemos

aceptar la hiptesis de independencia (Ho) y concluir que la secuencia de
observaciones estudiada es ALEATORIA.
Pgina 160
C aptulo 3
Captulo 3
Publicacin Bioestadstica: Tamao muestral, Error y .

Pgina 161
C aptulo 3
Pgina 162
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 experimentales).
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).
C aptulo 3
Materiales
Pacientes
2. Procedencia.
- Edad.
- Sexo.
- Procedencia.
- Gravedad.
- Aos de evolucin de la enfermedad.
Pgina 163
C aptulo 3
Seleccin de la muestra
Poblacin
Seleccin aleatoria
Muestra
TCNICAS DE MUESTREO
ERROR ALEATORIO
Parmetro
Media poblacional
Inferencia
Estructura del proceso de la INFERENCIA ESTADSTICA
Estadstico X
Media muestral
Pgina 164
C aptulo 3
Pgina 165
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.
C aptulo 3
Muestra de la poblacin
Muestra
Poblacin en estudio
Poblacin diana
Pgina 166
C aptulo 3
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.
Pgina 167
C aptulo 3
Poblacin diana: Pacientes con HTA esencial del rea sanitaria de Ceuta.
Validez externa
Poblacin de estudio: Pacientes con HTA esencial leve-moderada de edad comprendida

40-60 aos del rea sanitaria de Ceuta.
Muestreo
Validez interna
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.
Pgina 168
C aptulo 3
Pgina 169
Poblacin diana: Poblacin peditrica de Ceuta.

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.
C aptulo 3
Pgina 170
Poblacin diana: Poblacin gestante de Ceuta.

Validez externa
Poblacin de estudio: Mujeres gestantes del rea sanitaria que acuden a la consulta de
Obstetricia del INGESA de Ceuta.
Muestreo
Validez interna
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.
C aptulo 3
Pgina 171
Proceso de seleccin de individuos para el estudio

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

de Ceuta atendidos por el personal sanitario.
Muestreo
Validez interna
Muestra: Individuos inmigrantes 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.
C aptulo 3
Material
Pacientes
- Criterios de seleccin de la muestra (inclusin y exclusin).
- Procedencia.
- Tcnica de reclutamiento utilizada.
- Tiempo empleado para reunir a todos los participantes.
- Principales caractersticas de los pacientes.
Edad.
Sexo.
Procedencia.
Gravedad.
Aos de evolucin de la enfermedad.
Patologas asociadas...
- Clculo de tamao muestral.
Pgina 172
C aptulo 3
Pgina 173
Qu error alfa y que error beta estoy dispuesto a asumir?

Cuntos pacientes debo elegir para que mi estudio sea correcto?
C aptulo 3
Concepto e importancia y utilidad prctica del error alfa

() y error beta ()
- Determinacin del tamao muestral
- Estudios para determinar parmetros poblacionales (slo 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).
Pgina 174
C aptulo 3
Riesgos al tomar decisiones

Ejemplo: Se juzga a un individuo por la presunta comisin de un delito
H0: Hiptesis nula
- Es inocente (no se encuentran
indicios de culpabilidad)
Los datos pueden refutarla

Es la hiptesis que se acepta si las
pruebas no indican lo contrario
Rechazarla por error tiene graves
consecuencias (condenar a un
inocente)
H1: Hiptesis alternativa

- Es culpable (se encuentran
indicios de culpabilidad)
No debera ser aceptada sin

una gran evidencia a favor.
Rechazarla por error tiene
consecuencias consideradas
menos graves que la anterior
(liberar a un delincuente)
Pgina 175
C aptulo 3
Pgina 176
Tipos de error al tomar una decisin

Tipos de error al tomar una decisin
Realidad
Culpable
Veredicto
Resultado de la prueba
Sentencia del juez
Inocente
Culpable
OK
Hiptesis ALTERNATIVA No error
aceptada
VP
Ha
Error
Muy grave
FP
Encarcelar a un inocente
Inocente
Hiptesis NULA
aceptada
Ho
OK
No error
VN
Error
FN
Menos grave: Liberar un
culpable
C aptulo 3
Pgina 177
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
Ha
Ho
AB
Ha
VP
FP
A=B
Ho
FN
VN
A=B
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).
C aptulo 3
Tipos de error al contrastar hiptesis

Realidad
Rechazo H0
Acepto H1
AB
H0 Falsa
AB
H0 Cierta
A=B
Correcto
El tratamiento nuevo B tiene
mayor efecto que A y el
experimento lo confirma.
Error de tipo I
El tratamiento nuevo B realmente no es
mejor que el antiguo A pero se decide
errneamente que s.
Probabilidad
VP
No Rechazo H0
Acepto H0
A=B
Error de tipo II
El tratamiento nuevo B
realmente si tiene mayor efecto
que el antiguo A pero no lo
percibimos en nuestro estudio.
Probabilidad
FN
FP
Correcto
El tratamiento nuevo B no tiene mayor
efecto que el antiguo A y as se decide.
VN
Pgina 178
C aptulo 3

Realidad
Rechazo H0
Acepto H1
AB
Encuentro pruebas (+)
p < 0,05
No Rechazo H0
Acepto H0
A=B
No encuentro pruebas (-)
p > 0,05
H0 Falsa
AB
H0 Cierta
A=B
Correcto
Se rechaza la hiptesis nula (H0)
(se dice que los resultados son
estadsticamente significativos y
es verdad.
Error de tipo I
Se rechaza la H0 (se dice que los
resultados son estadsticamente
significativos) pero nos equivocamos.
Probabilidad
VP
FP
Error de tipo II
No se rechaza la hiptesis
nula (H0) (se dice que no hay
diferencias significativas) pero
nos equivocamos. Probabilidad
Correcto
No se rechaza la hiptesis nula H0 (el
azar puede explicar las diferencias
observadas en los datos), y es verdad.
FN
Error BETA
VN
Error ALFA
Pgina 179
C aptulo 3
Pgina 180

Realidad
Ha
p < 0,05
Ha
H0
Acierto
(1- )
POTENCIA ESTADSTICA
Error de tipo I
FP
Error ALFA
VP
H0
Error de tipo II
p > 0,05
FN
Acierto
(1- )
Error BETA
VN
POTENCIA ESTADSTICA: Es la capacidad del estudio para detectar una diferencia si sta existe realmente.
C aptulo 3
Pgina 181

Realidad
Ha
p < 0,05
Ha
H0
Acierto
(1- )
POTENCIA ESTADSTICA
Error de tipo I
FP
Error ALFA
VP
H0
Error de tipo II
p > 0,05
FN
Acierto
(1- )
Error BETA
VN
NIVEL DE CONFIANZA (1 - ): Es la probabilidad a priori de que el intervalo de confianza (IC) a calcular

contenga al verdadero valor del parmetro
C aptulo 3
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
Pgina 182
C aptulo 3
Pgina 183
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
C aptulo 3
Pgina 184
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.
C aptulo 3
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.

Pgina 185
C aptulo 3
Importancia del error alfa y error beta

- Determinacin del tamao muestral
- Estudios para determinar parmetros poblacionales (slo 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).
Pgina 186
C aptulo 3
Pgina 187
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 ms 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%
C aptulo 3
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)
N=
Z2 * P * (1- P)
i2
Estimacin de una variable CUANTITATIVA (MEDIA)
N=
Z2 * s2
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
Pgina 188
C aptulo 3
Pgina 189
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
C aptulo 3
Pgina 190
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
C aptulo 3
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
Pgina 191
C aptulo 3
Variabilidad
Precisin 5%
i = 0,05
i = 0,05
Precisin 5%
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
Pgina 192
C aptulo 3
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%
Pgina 193
C aptulo 3
Variabilidad
Precisin i = 0,5%
Nivel de confianza
95%
= 0,05
i = 0,005
Precisin 0,5%
Pgina 194
C aptulo 3
Pgina 195
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.
C aptulo 3
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).
Pgina 196
C aptulo 3
Prueba UNILATERAL: Se utiliza cuando se pretende determinar si el frmaco nuevo B

Prueba
UNILATERAL:
Se utiliza
cuando
se slo
pretende
determinar
el frmaco
nuevo
es ms eficaz
que
el clsico A,
es decir,
tan
interesa
unasi de
las direcciones
de la
B es ms eficaz que el clsico A, es decir, tan solo interesa una de las direcciones de
comparacin
(B > A), interesa
demostrar
queque
B sea
efectivo
la comparacin
(B > A), interesa
demostrar
B seams
ms efectivo
queque
A. A.
DISTRIBUCIN
NORMAL
TIPIFICADA (Z)
Valores de la distribucin normal
tipificada (Z) correspondientes al
valor del 5% en las pruebas
estadsticas unilaterales y bilaterales.
Las pruebas unilaterales especifica
la direccin de la diferencia.
Las pruebas bilaterales NO especifica
la direccin de la diferencia.
Una sola cola
Z 1-
Ho: o
Ha: o >
= 0,05
B>A
Z = 1.645
Dos colas
Z 1- /2
Ho: o =
Ha: o
AB
Z = - 1.96
Z = 1.96
Prueba BILATERAL: Se utiliza cuando se pretende determinar si dos frmacos
Prueba BILATERAL:
Seenutiliza
cuando
se pretende
determinar si dos frmacos A y B
A y B difieren
su efectividad
clnica
(A B)
difieren en su efectividad clnica (A B).
Pgina 197
C aptulo 3
Pruebas de contraste unilateral:

Riesgo en la toma de decisiones
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)
Ho
Riesgo beta
error b
1 - = Nivel de confianza
Probabilidad de Ho cuando esta es cierta
Ha
Una sola cola

B>A
Riesgo alfa
= 0,05
Z = 1,645
1 - b = Potencia estadstica
Probabilidad de Ha cuando esta es cierta
Pgina 198
C aptulo 3
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
error b
B<A
Riesgo beta
error b
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
Pgina 199
C aptulo 3
Pgina 200
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.
C aptulo 3
Pgina 201
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
Z = 1.96
BA
Necesitamos un total de 1184 pacientes, 592 para cada grupo (A y B).
C aptulo 3
Influencia de la magnitud del efecto a detectar y del poder estadstico en la

determinacin del tamao muestral (n1 y n2).
Comparacin de dos Prevalencias (proporciones) P1 y P2.
100%
P1 = 40% = 20%
P2 = 60%
Poder estadstico (1 )
90%
P1 = 40% = 15%
P2 = 55%
80%
70%
60%
P1 = 40% = 10%
P2 = 50%
50%
40%
30%
20%
10%
0%
50
100
150
200
250
300
Nmero de casos por grupo
350
400
450
500
Pgina 202
C aptulo 3
Pgina 203
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.
C aptulo 3
Pgina 204
C aptulo 3
Pgina 205
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.
C aptulo 3
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
Pgina 206
C aptulo 3
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
Pgina 207
C aptulo 3
n = Tamao muestral. En un estudio de casos y controles, n es el nmero de casos.

P1 = En un estudio transversal o de cohortes, proporcin de expuestos que
desarrollan la enfermedad. En un estudio de casos y controles, proporcin de casos
expuestos
P2 = En un estudio transversal o de cohortes, proporcin de NO expuestos que
desarrollan la enfermedad. En un estudio de casos y controles, proporcin de
controles expuestos
d = Valor mnimo de la diferencia a detectar entre dos medias
s2 = Varianza en el grupo control o de referencia
c = Nmero de controles por caso, en estudios caso-control
m = En un estudio de casos y controles, nmero de controles
OR = Valor aproximado del odds ratio a detectar
RR = Valor aproximado del riesgo relativo a detectar
r = Magnitud del coeficiente de correlacin a detectar
Pgina 208
C aptulo 3
Valores de los estadsticos Z ms frecuentemente utilizados en el clculo del tamao muestral

considerando el error y
Error
Seguridad (1 - )
Test unilateral
Z 1-
Test bilateral
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
Pgina 209
C aptulo 3
Asociacin observada
p < 0,05
p > 0,1
Estadsticamente NO significativa
Estadsticamente significativa
AB
A=B
VP
FP
Falsa
Verdadera
(no existe asociacin)
Utilidad clnica
Error
Sesgo
Verdadera
VN
Sin inters prctico
Error
FN
Falsa
Comparacin
poco sensible
Nmero insuficiente de sujetos
Interpretacin de una asociacin (o diferencia) observada en un estudio
Sesgo
Pgina 210
C aptulo 3
Interpretacin de una asociacin (o diferencia)

observada en un estudio ERROR ALFA
Expedicin de pesca
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
Pgina 211
C aptulo 3
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

explicarlo todo
No se puede descartar que el azar lo

explique todo
El EFECTO observado es mayor que

el ERROR
El EFECTO observado es similar que el

ERROR
Hay diferencias estadsticamente

significativas
NO hay diferencias estadsticamente

significativas
Existen evidencias a favor de la

hiptesis alternativa Ha, y por tanto
rechazamos la hiptesis nula Ho
NO existen evidencias a favor de la

aceptamos la hiptesis nula Ho
Los lmites de 0,05 y 0,1 pueden ser considerados en cierto modo

arbitrarios y aproximados
Pgina 212
C aptulo 3
Materiales
Pacientes
2. Procedencia.
- Edad.
- Sexo.
- Procedencia.
- Gravedad.
- Aos de evolucin de la enfermedad.
Pgina 213
C aptulo 4
Captulo 4
Publicacin Bioestadstica: Error y .
Evaluacin de pruebas diagnsticas.

Pgina 214
C aptulo 4
Pgina 215
Bioestadstica: Error y
Influencia de los errores y en la rentabilidad clnica de las
pruebas diagnsticas
Evaluacin de las pruebas diagnsticas
C aptulo 4
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).
Pgina 216
Pgina 217
C aptulo 4
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
Se produce un cierto solapamiento en las

distribuciones de probabilidad de la Ho y de
la Ha, en este solapamiento siempre aparece
el error y asumido, el cual ser mayor o
menor en funcin del resultado o diferencia
observada en nuestro estudio
Resultado
de la prueba
estadstica
p < 0,05
Acepto la Ha
p > 0,05
Acepto la Ho
Existe
diferencia
(Ha
verdadera)
No existe
diferencia
(Ho
verdadera)
No error
VP (1-)
Error tipo I
FP ( )
Error tipo II No error

FN ()
VN
Resultados de una prueba de significacin estadstica

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
C aptulo 4
Relacin de los riesgos asociados a un test de hiptesis

unilateral (estadstico valor de la media):
Error tipo I (riesgo a) y tipo II (riesgo b)
Muestra:
cae en esta lnea:
Riesgo beta
error b
xx
cae en esta lnea:
Riesgo alfa
error 0,05
Significacin
estadstica
Regin
de aceptacin
H0
Regin de
aceptacin
H0
Regin de rechazo H1
Regin de rechazo Ha
x
Regin de
rechazo
H0
Regin
de rechazo
H
Regin de
aceptacin
H1
Regin
de aceptacin
H
Pgina 218
C aptulo 4
Riesgo alfa y riesgo beta

Se produce un cierto de la
Ho y de la Ha, en este
solapamiento siempre
aparece el error y
asumido, el cual ser
mayor o menor en funcin
del resultado o diferencia
observada en nuestro
estudio
Ho
Ha
Riesgo alfa
error 0,05
Significacin
estadstica
Riesgo beta
error b
Se acepta Ho
Se rechaza Ha
Se acepta Ha
Se rechaza Ho
Pgina 219
C aptulo 4
Error alfa versus error beta:

No se puede tener todo
b
ERROR BETA
FALSOS NEGATIVOS
a
ERROR ALFA
FALSOS POSITIVOS
Pgina 220
C aptulo 4

a 1-5 %
ERROR ALFA
b 10-20 %
ERROR BETA
FALSOS NEGATIVOS
FALSOS POSITIVOS
Pgina 221
C aptulo 4
Pgina 222

Hay que buscar un equilibrio entre los FALSOS POSITIVOS (error ) y los FALSOS
NEGATIVOS (error b).
Ho
error b
10%
Ho
error b
20%
Ha
error
(0,05)
Ha
error
(0,01)
Para un tamao muestral fijo (N= cte), no se pueden reducir a la vez ambos tipos de error.
Para reducir b, hay que aumentar el tamao muestral N.
C aptulo 4
Tipos de error en las pruebas diagnsticas

Realidad
Test de laboratorio
Enfermos
Sanos
Positivo
(+)
Hiptesis alternativa
VERDADEROS
POSITIVOS
VP
(1- )
FALSO POSITIVO
error
Error Muy grave
Negativo
(-)
Hiptesis nula
FALSO NEGATIVO
error
Error Menos grave
VERDADEROS
NEGATIVOS
VN
Pgina 223
C aptulo 4

Test de laboratorio
PSA
Realidad
Enfermos
Sanos
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Pgina 224
C aptulo 4

Resultados de la prueba
diagnstica
Evento o enfermedad estudiada

Enfermos
Sanos
Total
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO
POSITIVO
FP
VP + FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
FN + VN
Total
VP + FN
FP + VN
SENSIBILIDAD =
VP
VP + FN
SENSIBILIDAD
Enfermos positivos
Total de ENFERMOS
Pgina 225
C aptulo 4
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 ().
Pgina 226
C aptulo 4

Resultados de la prueba
diagnstica

Enfermos
Sanos
Total
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO
POSITIVO
FP
VP + FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
FN + VN
Total
VP + FN
FP + VN
ESPECIFICIDAD
==
Sanos negativos
Total de SANOS
ESPECIFICIDAD =
VN
VN + FP
Pgina 227
C aptulo 4
Pgina 228
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 ().
C aptulo 4
Pgina 229
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).
EXACTITUD =
VP
VN
VP + FN + FP + VN
C aptulo 4
Exactitud en las pruebas diagnsticas
EXACTITUD =
VP
VN
VP + FN + FP + VN
SENSIBILIDAD
EXACTITUD =
ESPECIFICIDAD
ACIERTOS
ACIERTOS + FALLOS
Pgina 230
C aptulo 4

Tipos de error en las pruebas
diagnsticas
Resultados
de la prueba
diagnstica

Enfermos
Sanos
Total
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO
POSITIVO
FP
VP + FP
(total de positivos)
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
FN + VN
Total
VP + FN
FP + VN
VPP =
VP
Total de POSITIVOS
VPP =
VP
VP + FP
Pgina 231
C aptulo 4
Pgina 232
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.
C aptulo 4

Tipos de error en las pruebas
diagnsticas
Resultados
de la prueba
diagnstica

Enfermos
Sanos
Total
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO
POSITIVO
FP
VP + FP
(total de positivos)
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
FN + VN
(total de
negativos)
Total
VP + FN
FP + VN
VPN =
VN
Total de NEGATIVOS
VPN =
VN
VN + FN
Pgina 233
C aptulo 4
Pgina 234
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.
C aptulo 4
Prevalencia de la enfermedad
Es la frecuencia con la que se presenta una determina enfermedad en una

poblacin definida en un momento dado.
PREVALENCIA =
PREVALENCIA =
VP
FN
VP + FP + FN + VN
ENFERMOS
ENFERMOS + SANOS
Pgina 235
C aptulo 4
PREVALENCIA =
VP
FN
VP + FP + FN + VN
PREVALENCIA = VALOR
ENFERMOS
PREDICTIVO
ENFERMOS
POSITIVO (VPP)
VALOR
PREDICTIVO
SANOS
NEGATIVO (VPN)
Los valores predictivos (VPP y VPN) dependen de la prevalencia de la

enfermedad en estudio.
Pgina 236
C aptulo 4
EXACTITUD
SENSIBILIDAD
ESPECIFICIDAD
VALOR PREDICTIVO
NEGATIVO (VPN)
VALOR PREDICTIVO
POSITIVO (VPP)
PREVALENCIA
Pgina 237
C aptulo 4
Pgina 238
Relacin entre la prevalencia y el valor predictivo positivo

(VPP)
Prevalencia
de la
enfermedad
Resultado
prueba
diagnstica
Enfermos
Sanos
(No enfermos)
Total
VPP
1%
99
495
594
9404
9406
15%
(99/595)
Total
100
9900
10000
495
475
970
9025
9030
Total
500
9500
10000
5%
SENSIBILIDAD DIAGNSTICA = 99%
51%
(495/970)
ESPECIFICIDAD DIAGNSTICA = 95%
C aptulo 4
Relacin entre la prevalencia y el valor predictivo
Valor predictivo (%)
VALOR PREDICTIVO POSITIVO (VPP)
VALOR PREDICTIVO NEGATIVO (VPN)
Pgina 239
C aptulo 4
Razn de verosimilitud
RV + =
RV + =
SENSIBILIDAD
1 - ESPECIFICIDAD
Tasa de VP (%)
Tasa de FP (%)
Pgina 240
C aptulo 4
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)?
Variable PREDICTORA
PSA (+)
Variable RESULTADO
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).
Pgina 241
C aptulo 4
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).
Pgina 242
C aptulo 4
Pgina 243
Cul es la probabilidad de que un paciente diagnosticado

de carcinoma de prstata presente un PSA (+) ([PSA] > 4
ng/ml)?
Variable PREDICTORA
Carcinoma de prstata
Variable RESULTADO
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).
C aptulo 4
Pgina 244
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).
C aptulo 4
Pgina 245
Cul es la probabilidad de que un valor de PSA patolgico

([PSA] > 4 ng/ml)? sea X veces ms 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).
C aptulo 4
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
TACTO RECTAL
Tcnica de referencia
(patrn de oro)
BIOPSIA PROSTTICA mediante
ecografa transrectal

Pita Fernndez S, Prtegas Daz S. Pruebas diagnsticas. Cad Aten Primaria 2003; 10: 120-124.
Pgina 246
C aptulo 4

TACTO RECTAL
(BIOPSIA transrectal ecodirigida)
POSITIVA
NEGATIVA
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Pgina 247
C aptulo 4
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
SENSIBILIDAD =
SENSIBILIDAD =
VP
VP + FN
634
634 + 487
= 56,5%
Pgina 248
C aptulo 4

TACTO RECTAL
positiva (+)
negativa (-)
Total
Positivo (+)
634
269
903
Negativo (-)
487
1251
1738
Total
1121
1520
2641
ESPECIFICIDAD =
ESPECIFICIDAD =
VN
VN + FP
1251
1251 + 269
= 82,3%
Pgina 249
C aptulo 4

TACTO RECTAL
positiva (+)
negativa (-)
Total
Positivo (+)
634
269
903
Negativo (-)
487
1251
1738
Total
1121
1520
2641
EXACTITUD =
EXACTITUD =
VP + VN
VP + FN + FP + VN
634 +
1251
634 + 487 + 269 + 1251
= 71,4 %
Pgina 250
C aptulo 4

TACTO RECTAL
positiva (+)
negativa (-)
Total
Positivo (+)
634
269
903
Negativo (-)
487
1251
1738
Total
1121
1520
2641
VPP =
VP
VP + FP
VPP =
634
634 + 269
= 70,2%
La probabilidad de tener un CP es del 70% cuando el tacto rectal es positivo.
Pgina 251
C aptulo 4

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

Como la prueba tiene un VPN bajo, un resultado negativo del tacto rectal slo permite descartar el
diagnstico de CP con una probabilidad del 72%.
Pgina 252
C aptulo 4

TACTO RECTAL
positiva (+)
negativa (-)
Total
Positivo (+)
634
269
903
Negativo (-)
487
1251
1738
Total
1121
1520
2641
PREVALENCIA =
PREVALENCIA =
VP + FN
VP + FP + FN + VN
634
487
634 + 269 + 487 + 1251
= 42,4 %
Pgina 253
C aptulo 4
Pgina 254

TACTO RECTAL
positiva (+)
negativa (-)
Total
Positivo (+)
634
269
903
Negativo (-)
487
1251
1738
Total
1121
1520
2641
RV + =
SENSIBILIDAD
1
ESPECIFICIDAD
RV + =
0,565
1
0,823
= 3,2
Un tacto rectal anormal (+) es 3 veces ms probable en un paciente con CP que en otro sujeto sin cncer.
C aptulo 4
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.
TIRA REACTIVA
(orina)
(patrn de oro)
CULTIVO
(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.
Pgina 255
C aptulo 4

Test de laboratorio
TIRA REACTIVA
orina
(CULTIVO)
POSITIVO
NEGATIVO
Positiva
(+)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativa
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Pgina 256
C aptulo 4
INFECCIN DEL TRACTO URINARIO (ITU)

Tira reactiva
SI
NO
Total
Positva (+)
86
433
519
Negativa (-)
20
548
568
Total
106
981
1087
SENSIBILIDAD =
SENSIBILIDAD =
VP
VP + FN
86
86
+ 20
= 81,1%
Pgina 257
C aptulo 4

Tira reactiva
SI
NO
Total
Positva (+)
86
433
519
Negativa (-)
20
548
568
Total
106
981
1087
ESPECIFICIDAD =
ESPECIFICIDAD =
VN
VN + FP
548
548
+ 433
= 55,9%
Pgina 258
C aptulo 4

Tira reactiva
SI
NO
Total
Positva (+)
86
433
519
Negativa (-)
20
548
568
Total
106
981
1087
EXACTITUD =
EXACTITUD =
VP + VN
VP + FN + FP + VN
86
548
86 + 20 + 433 + 548
= 58,3%
Pgina 259
C aptulo 4

Tira reactiva
SI
NO
Total
Positva (+)
86
433
519
Negativa (-)
20
548
568
Total
106
981
1087
VPP =
VP
VP + FP
VPP =
86
86 + 433
= 16,6%
La probabilidad de tener una ITU es de tan slo el 17% cuando la tira reactiva es positiva.
Pgina 260
C aptulo 4
Pgina 261

Tira reactiva
SI
NO
Total
Positva (+)
86
433
519
Negativa (-)
20
548
568
Total
106
981
1087
VPN =
VN
VN + FN
VPN =
548
548 + 20
= 96,5%
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%.
C aptulo 4

Tira reactiva
SI
NO
Total
Positva (+)
86
433
519
Negativa (-)
20
548
568
Total
106
981
1087
PREVALENCIA =
PREVALENCIA =
VP + FN
VP + FP + FN + VN
86
20
86 + 433 + 20 + 548
= 9,7 %
Pgina 262
C aptulo 4

Tira reactiva
SI
NO
Total
Positva (+)
86
433
519
Negativa (-)
20
548
568
Total
106
981
1087
RV + =
RV + =
SENSIBILIDAD
1
ESPECIFICIDAD
0,811
1
0,559
= 1,84
Una tira reactiva anormal (+) es casi 2 veces ms probable en un paciente con ITU que en otro sujeto sin
infeccin.
Pgina 263
C aptulo 4
Qu utilidad clnica tienen los niveles de ferritina srica
en el diagnstico de la anemia ferropnica?
Objetivo: Evaluacin de la FERRITINA en el diagnstico de la anemia
ferropnica.
FERRITINA
(srica)
(patrn de oro)
ANEMIA FERROPNICA
DL Sackett. Epidemiologa clnica. Buenos Aires, Editorial Mdica Panamericana, 1994.
Pgina 264
C aptulo 4

Test de laboratorio
FERRITINA
srica
Realidad
Anemia ferropnica
Sanos
Positivo
(+)
FERRITINA
BAJA
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FERRITINA
NORMAL
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Pgina 265
C aptulo 4
ANEMIA FERROPNICA
FERRITINA
SI
NO
Total
BAJA (+)
731
270
1001
NORMAL (-)
78
1500
1578
Total
809
1770
2579
SENSIBILIDAD =
SENSIBILIDAD =
VP
VP +
FN
731
731 + 78
= 90,3%
Si una prueba tiene una sensibilidad alta, un resultado negativo descarta el diagnstico.
Pgina 266
C aptulo 4
ANEMIA FERROPNICA
FERRITINA
SI
NO
Total
BAJA (+)
731
270
1001
NORMAL (-)
78
1500
1578
Total
809
1770
2579
ESPECIFICIDAD =
ESPECIFICIDAD =
VN
VN + FP
1500
1500 + 270
= 84,7%
Si una prueba tiene una especificidad alta, un resultado positivo confirma el diagnstico.
Pgina 267
C aptulo 4
ANEMIA FERROPNICA
FERRITINA
SI
NO
Total
BAJA (+)
731
270
1001
NORMAL (-)
78
1500
1578
Total
809
1770
2579
EXACTITUD =
EXACTITUD =
VP + VN
VP + FN + FP + VN
731 + 1500
731 + 78 + 270 + 1500
= 86,5%
Una exactitud elevada permite distinguir con un mnimo error entre dos estados de salud.
Pgina 268
C aptulo 4
ANEMIA FERROPNICA
FERRITINA
SI
NO
Total
BAJA (+)
731
270
1001
NORMAL (-)
78
1500
1578
Total
809
1770
2579
VPP =
VP
VP + FP
VPP =
731
731 + 270
= 73%
La probabilidad de tener una anemia ferropnica es del 73% cuando la ferritina srica es baja.
Pgina 269
C aptulo 4
Pgina 270
ANEMIA FERROPNICA
FERRITINA
SI
NO
Total
BAJA (+)
731
270
1001
NORMAL (-)
78
1500
1578
Total
809
1770
2579
VPN =
VN
VN + FN
VPN =
1500
1500 + 78
= 95,1%
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%.
C aptulo 4
ANEMIA FERROPNICA
FERRITINA
SI
NO
Total
BAJA (+)
731
270
1001
NORMAL (-)
78
1500
1578
Total
809
1770
2579
PREVALENCIA =
PREVALENCIA =
VP + FN
VP + FP + FN + VN
731
78
731 + 270 + 78 + 1500
= 31%
Pgina 271
C aptulo 4
Pgina 272
ANEMIA FERROPNICA
FERRITINA
SI
NO
Total
BAJA (+)
731
270
1001
NORMAL (-)
78
1500
1578
Total
809
1770
2579
RV + =
RV + =
SENSIBILIDAD
1
ESPECIFICIDAD
0,903
1
0,847
= 5,9
Una ferritina baja es casi 6 veces ms probable en un paciente con anemia ferropnica que en otro sujeto
sin anemia ferropnica.
C aptulo 4
Qu utilidad clnica tiene el ttulo srico de anticuerpos
antinucleares en el diagnstico de enfermedades autoinmunes?
Objetivo: Evaluacin del ttulo de ANA en el diagnstico de diferentes
enfermedades autoinmunes.
ANA (IFI)
(patrn de oro)
ENFERMEDADES
AUTOINMUNES
Pgina 273
C aptulo 4

Test de laboratorio
ANA
(IFI)
Realidad
Enfermedad autoinmune
Sanos
Positivo
(+)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Pgina 274
C aptulo 4
Cocientes de probabilidades
RV + =
RV + =
SENSIBILIDAD
1 - ESPECIFICIDAD
Tasa de VP (%)
Tasa de FP (%)
Pgina 275
C aptulo 4
Grupos de estudio
Razn de verosimilitud (+) (cociente de probabilidades positivo)

Ttulo 1/40
Ttulo 1/80
Ttulo 1/160
Ttulo 1/320
LES (n= 38)
3,1
7,3
18,9
26,1
ESP (n= 37)
3,2
7,1
17,3
25,1
SS (n= 37)
2,7
5,7
14,7
21,3
AR (n= 38)
1,5
2,8
2,7
0,81
RPB (n= 37)
1,2
1,7
1,5
1,2
Sanos (n=120)
1,0
1,0
1,0
1,0
La razn de verosimilitud positivo (RV+) o cociente de probabilidad (CP)

positivo (sensibilidad dividida por el complementario de la especificidad)
es una medida que calcula cunto ms probable es que un resultado
positivo de una prueba (ANA) se presente en un sujeto enfermo (EAI)
frente a uno sano.
La razn de verosimilitud negativo (RV-) o cociente de probabilidad (CP)
negativo (complementario de la sensibilidad dividida por la especificidad)
relaciona la probabilidad de que un resultado negativo de una prueba se
presente en un enfermo frente a un sano.
Pgina 276
C aptulo 4
Pgina 277
Cocientes de probabilidades
RV +
Ttulo 1/40
Ttulo 1/80
Ttulo 1/160
Ttulo 1/320
Camps Garca MT, Muoz Rocan N, Calvo de Mora A, De Ramn Garrido E. Los cocientes de probabilidad
como medida de la utilidad de la determinacin de anticuerpos antinucleares por inmunofluorescencia
indirecta en la clnica. Aplicacin de los resultados de la investigacin clnica. Med Clin (Barc)1999;113: 476.
C aptulo 4

Test de laboratorio
FERRITINA
IST
Realidad
Hemocromatosis
Sanos
Positivo
(+)
FERRITINA alta
IST alto
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
FERRITINA normal
IST normal
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Pgina 278
C aptulo 4
Pgina 279
Mutacin C282Y
91,3
97
96
90
86
IST > 55%
88
90
92
Ferritina > 300 ng/ml varones
94
96
Ferritina > 200 ng/ml mujeres
98
IHH > 1,9
Genotypic/phenotypic correlations in genetic hemochromatosis: evolution of diagnostic criteria.Adams PC,

Chakrabarti S. Gastroenterology. 1998 Feb;114(2):319-23.
C aptulo 4
Pgina 280
Valoracin conjunta del IST y ferritina en el screening de la

hemocromatosis
IST (-) y Ferritina (-)

IST (+) y Ferritina (+)
92
93
97
94
94
Sensibilidad
95
96
valor predictivo negativo
Holman JR. Hereditary hemochromatosis. J Fam Pract 1997; 44: 304-308.
97
C aptulo 4
Pruebas diagnsticas en el cncer de prstata
FAP
PSA
Cociente
PSA libre/ PSA total
Tacto rectal
Citologa aspiracin
Biopsia prosttica mediante
ecografa transrectal
Pgina 281
C aptulo 4
Pruebas diagnsticas:
Mala rentabilidad diagnstica.
Baja sensibilidad y especificidad (FAP)
Sanos
Enfermos
HPB
Cncer Prstata
FN
error b
FP
error
Niveles de FAP
Pgina 282
C aptulo 4
Buena rentabilidad diagnstica.
Equilibrio entre sensibilidad y especificidad (PSA)
HPB
Cncer Prstata
Niveles de PSA (ng/ml)
error b
error
Pgina 283
C aptulo 4
Excelente rentabilidad diagnstica.
Mxima sensibilidad y especificidad (Cociente PSAlibre/total)
Sanos
Enfermos
HPB
Cncer Prstata
error b
error
Cociente PSAlibre/total
Pgina 284
C aptulo 4
Situacin ideal de las pruebas diagnsticas:
Frecuencia
Mxima sensibilidad y especificidad
HPB
Sanos
Su Negatividad indican
siempre la ausencia de la
enfermedad
Especificidad ~ 100%
Cncer Prstata
Enfermos
Su Positividad indican
siempre la presencia de la
enfermedad
Sensibilidad ~ 100%
Pgina 285
C aptulo 4
Situacin real de las pruebas diagnsticas:
Frecuencia
PSA - Buen equilibrio entre sensibilidad y especificidad
HPB
Sanos
Cncer Prstata
Enfermos
Concentracin PSA (ng/ml)
Sensibilidad ~ 61%
Especificidad ~ 90%
Zona gris / Zona indeterminada
Pgina 286
C aptulo 4
Pruebas diagnsticas a evitar:

Fosfatasa cida prosttica
Mal equilibrio entre sensibilidad y especificidad
Frecuencia
Baja Especificidad
HPB
sanos
Cncer Prstata
enfermos
Concentracin FAP
Sensibilidad ~ 60-70%
Especificidad ~ 40-50%
Zona gris / Zona indeterminada
Pgina 287
C aptulo 4
Eleccin del punto de corte
Frecuencia
Punto de corte ideal
HPB
Cncer Prstata
Enfermos
Sanos
Especificidad = 100%
Su Negatividad indican
siempre la ausencia de la
enfermedad
Xideal
Sensibilidad = 100%
Su Positividad indican
siempre la presencia de la
enfermedad
Pgina 288
C aptulo 4
Eleccin del punto de corte
Frecuencia
Punto de corte real
HPB
Cncer Prstata
Enfermos
Sanos
Las pruebas
pruebas diagnosticas
Las
diagnsticasno
notienen
un soloun
parsolo
sensibilidad/especificidad
tienen
par sensibilidad/
especificidad
(S/E), sino
(S/E), sino muchos,
uno por cada
muchos,
uno
por
cada
nivel
nivel de decisin o punto
dedecorte
decisin
o
punto
de
corte
que
que se adopte
se adopte.
Sensibilidad ~ 61%
Especificidad ~ 90%
Zona gris
Zona indeterminada
Pgina 289
C aptulo 4
Aumento del valor del punto de corte
Frecuencia
Aumentar la especificidad
HPB
sanos
Sensibilidad ~ 30%
Especificidad 99%
enfermos
Cncer Prstata
10
Para cualquier prueba en la que la distribucin de los

resultados de los grupos sano y enfermo se solapen,
existe un equilibrio entre sensibilidad y especificidad.
Ambas varan en direcciones opuestas: si se
AUMENTA el punto de corte disminuye la sensibilidad,
y aumenta la especificidad.
Pgina 290
C aptulo 4
Disminucin del valor del punto de corte
Frecuencia
Aumentar la sensibilidad
Cncer Prstata
HPB
enfermos
sanos
1,0 4.0
Sensibilidad 92%
Especificidad ~ 35%
Para cualquier prueba en la que la distribucin de los

resultados de los grupos sano y enfermo se solapen,
existe un equilibrio entre sensibilidad y especificidad.
Ambas varan en direcciones opuestas: si se
DISMINUYE el punto de corte aumenta la
sensibilidad, y disminuye la especificidad.
Pgina 291
C aptulo 4
PSA: ejemplo de error alfa (FP) y error beta (FN)
Error b
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
Pgina 292
C aptulo 4
Sensibilidad y especificidad diagnstica:

Pruebas en el Cncer de Prstata
Prueba
Patrn de oro
(tcnica de
referencia)
FAP
56%
94%
PSA
61%
90%
Biopsia de la
prstata mediante
Ecografa
transrectal
PSA libre/PSA total
69%
95%
Examen rectal
56%
82%
Citologa aspiracin
55%
91%
Pgina 293
C aptulo 4
Pgina 294
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
(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).
C aptulo 4
Diagrama de la curva ROC de la prueba diagnstica A
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
(Falsos positivos)
Pgina 295
C aptulo 4
Diagrama de la curva ROC de la prueba diagnstica B
La diagonal muestra la peor

situacin posible.
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
(Falsos positivos)
Pgina 296
C aptulo 4
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.
Pgina 297
C aptulo 4
Med Clin (Barc) 2006;127:41-6
Pgina 298
C aptulo 4
Pgina 299
C aptulo 4
Pgina 300
Introduccin (fragmento del texto)

Objetivos
El objetivo fundamental de este estudio es valorar la utilidad de la calprotectina fecal
(CPF) para predecir la presencia de una colonoscopia patolgica y, secundariamente,
analizar su uso para discriminar entre diferentes enfermedades orgnicas y correlacionar
sus valores con el grado de actividad clnica, endoscpica e histolgica en pacientes con
enfermedad inflamatoria intestinal (EII).
C aptulo 4
Qu utilidad clnica tienen los niveles de calprotectina fecal de
la actividad de la enfermedad inflamatoria intestinal?
Calprotectina fecal
(patrn de oro)
Colonoscopia: ndice de actividad
de la enfermedad inflamatoria
intestinal
Pgina 301
C aptulo 4
Pgina 302
Resultados (fragmento del texto)
La curva ROC mostr que el valor de CPF de 217 mg/kg fue el mejor punto de corte para
discriminar a los pacientes con enfermedad orgnica en colon. A partir de estos datos,
obtuvimos una sensibilidad de la medida de CPF del 85%, una especificidad del 81%, un
valor predictivo positivo del 64% y un valor predictivo negativo del 93%, respectivamente
(p < 0,001).
Valor
Sensibilidad
85%
Especificidad
81%
Valor predictivo positivo
64%
Valor predictivo negativo
93%
C aptulo 4
Pgina 303
Discusin (fragmento del texto)
En el presente estudio, la CPF ha mostrado ser una prueba altamente sensible para
detectar a pacientes con CCR y EII utilizando un punto de corte de 217 g/g.
La eleccin de un punto de corte ptimo debera realizarse a partir de un procedimiento
de referencia estndar, lo que en pacientes con dolor abdominal y diarrea implicar un
estudio gastrointestinal completo. De todas formas, siempre es aconsejable utilizar puntos
de corte ms bajos porque lo que debemos pretender con esta prueba es seleccionar a los
pacientes que requieren un estudio endoscpico posterior.
C aptulo 4
MITO 1: La sonrisa de la esfinge
Me parece acertada la eleccin de la curva ROC. Sin embargo

Por qu no has incluido el grfico de la curva?
Cul es el rea de la curva ROC y su IC95%?
En la bibliografa existen datos de curvas ROC que dan datos inferiores de rentabilidad
diagnstica, que no coinciden con lo presentados por Garca Snchez et al.
Cmo justificas esas diferencias?
Pgina 304
C aptulo 4
Pgina 305
Diagrama de la curva ROC de la calprotectina fecal
S = 85%
S = 70%
E = 65%
E = 85%
Tibblea J et al. Faecal calprotectin and faecal occult blood tests in the diagnosis of colorectal carcinoma and
adenoma. Gut 2001;49:402-408.
C aptulo 4
Pgina 306
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 al
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.
C aptulo 4
Pgina 307
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.
C aptulo 4
Comparacin del rea bajo la curva:

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

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
(Falsos positivos)
Pgina 308
C aptulo 4
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
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
(fraccin de Falsos positivos)
Pgina 309
C aptulo 4
Pgina 310
Comparacin del rea de las curvas ROC en muestras

independientes
Z=
( A 1 A 2)
( 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).
C aptulo 4

apareadas
Z=
( A 1 A 2)
( 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
Pgina 311
C aptulo 4
Comparacin del rea bajo la curva: prueba A

versus prueba B
B
0,9
0,8
0,7
0,6
0,5
0,4
0,3
Qu prueba diagnstica (A versus B)

presenta una mayor rentabilidad,
efectividad, exactitud o valor global?
0,2
0,1
0
0,1 0,2
0,3
0,4
0,5
0,6
0,7
1 ESPECIFICIDAD
0,8 0,9 1
Dos curvas ROC (A y B) con

igual rea. Sin embargo,
estas dos curvas ROC no
son idnticas. La prueba B
es superior a la prueba
A en el rango alto de falsos
positivos (o intervalo de
alta sensibilidad), mientras
que en la zona baja de
falsos negativos (intervalo
de baja sensibilidad) la
prueba A es superior a la B
Pgina 312
C aptulo 4
Qu utilidad clnica tienen 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.
Uremia (mg/dl)
(patrn de oro)
Insuficiencia renal
Pgina 313
C aptulo 4

Enfermedad en estudio
Valor del punto de corte 90 mg/dl
Insuficiencia renal
No enfermos
Test de laboratorio
uremia
Positivo
(+)
Uremia > 90 mg/dl
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
Uremia 90 mg/dl
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
Pgina 314
C aptulo 4
VN
FP
Individuos SIN
Insuficiencia renal
Uremia mg/dl
300 mg/dl
Pacientes
Insuficiencia renal
FN
VP
Punto de corte
optimo 90 mg/dl
Pgina 315
C aptulo 4
Individuos SIN
Insuficiencia renal
Frecuencia
Pacientes con
Insuficiencia renal
50
100
150
200
Uremia mg/dl
Punto de corte optimo 90 mg/dl
250
300 mg/dl
Pgina 316
C aptulo 4
(fraccin de verdaderos positivos)
1,00
Curva ROC
de la uremia
0,75
0,50
Las curvas ROC
son
ndices
deson
la ndices
Las curvas
ROC
exactitud
diagnstica
de la exactitud
diagnosticayy
proporcionan
el mejor
proporcionan el mejor
criterio
criterio
en el
unificadorunificador
en el proceso
de
evaluacin de
de una
prueba. de
proceso
evaluacin
una prueba.
0,25
0,00
0,00
0,25
0,50
0,75
1 ESPECIFICIDAD
1,00
Pgina 317
C aptulo 4
Pgina 318
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
C aptulo 4
1,00
(fraccin de Verdaderos Positivos)
Curva ROC
de la creatinemia
0,75
Curva ROC
de la uremia
0,50
Cuanto ms prxima se sita una curva
ROC a la esquina superior izquierda,
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.
0,25
0,00
0,00
0,25
0,50
0,75
1 ESPECIFICIDAD
(fraccin de Falsos Positivos)
1,00
Pgina 319
C aptulo 4
Pgina 320
Qu prueba diagnstica (uremia versus creatinemia) presenta
una mayor rentabilidad, exactitud o valor global en el diagnstico
de la insuficiencia renal?
Variables
contrastadas
rea bajo la curva Error estndar del Lmite inferior

ROC
rea
del intervalo de
confianza al 95%
Lmite superior
del intervalo de
confianza al 95%
Uremia
0,930
0,012
0,906
0,955
Creatinemia
0,984
0,005
0,974
0,994
C aptulo 4

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

Pgina 321
C aptulo 4
Z=
Pgina 322
( A 1 A 2)
( 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.
C aptulo 4
Qu utilidad clnica tienen los niveles de VCM en el diagnstico de la anemia ferropnica?
Objetivo: Evaluacin del VCM en el diagnstico de la anemia ferropnica.
VCM
(hemograma)
(patrn de oro)
Depsitos de Fe en mdula sea
Pgina 323
C aptulo 4
Pgina 324

Test de laboratorio
VCM
(hemograma)
Examen de los depsitos de hierro en mdula sea

Dficit de Fe
Presencia de Fe
Positivo
(+)
VCM
BAJO
(microcitosis)
VERDADEROS
POSITIVOS
VP
FALSO POSITIVO
FP
Negativo
(-)
VCM
NORMAL
FALSO NEGATIVO
FN
VERDADEROS
NEGATIVOS
VN
C aptulo 4
VCM en 100 pacientes con diagnstico de

anemia ferropnica
Tcnica de referencia: Examen de los
depsitos de hierro en mdula sea
Volumen corpuscular medio (VCM)
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.
Pgina 325
C aptulo 4
110
100
Tcnica analtica a evaluar
VCM
(hemograma)
90
FN
VN
FP
VP
80
70
60
50
VCM < 80
Sensibilidad = 55,9%
Especificidad = 71,2%
Hierro normal
Hierro BAJO

Tcnica de referencia (patrn de oro)
Pgina 326
C aptulo 4
110
100
VCM
(hemograma)
90
80
FN
VN
70
60
FP
VP
50
VCM < 65
Sensibilidad = 8,8%
Hierro normal
Hierro BAJO

Pgina 327
C aptulo 4
110
100
VCM
(hemograma)
90
80
70
FN
VN
FP
VP
60
50
VCM < 90
Sensibilidad = 94,1%
Hierro normal
Hierro BAJO

Pgina 328
C aptulo 4
La pruebas diagnsticas
tienen
un solonopar
Lano
pruebas
diagnosticas
tienen
unsensibilidad/especificidad
solo par sensibilidad/especificidad
(S/E),
sino sino
muchos,
uno por cada
(S/E),
muchos,
uno
nivel
decisin
o punto
corte
pordecada
nivel
dededecisin
que
adopte.
o se
punto
de corte que se
adopte.
(fraccin de Verdaderos Positivos)
100
80
VCM < 81
60
40
Cul ser el par que describa
la exactitud de la prueba?
20
0
0
20
40
Pgina 329
60
80
1 ESPECIFICIDAD
(fraccin de Falsos Positivos)
100
Punto de corte ideal para el

VCM es de < 81, valor lmite que
permite resumir los resultados de
una escala continua en dos
categoras: positivo y negativo
con una mayor exactitud o
rentabilidad diagnstica.
VCM < 81
Sensibilidad = 61%
Fraccin de FP = 30%
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.
C aptulo 4
Pgina 330
C aptulo 4
Pgina 331
C aptulo 4
Pgina 332
C aptulo 4
Pgina 333
C aptulo 4
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
(hemograma)
Ferritina (srica)

Comparacin del rea bajo la curva ROC
Pgina 334
C aptulo 4
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.
Pgina 335
C aptulo 4
Pgina 336
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
(Falsos positivos)
100
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.
C aptulo 4

dependientes
Z=
( A 1 A 2)
( 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.
Pgina 337
C aptulo 4
Z=
Pgina 338
( A 1 A 2)
( 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.
C aptulo 4
Comparacin del rea bajo la curva: ferritina srica

versus VCM
Pgina 339
C aptulo 4
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.
m =
Coste de FP
Coste de FN
1-P
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.
Pgina 340
C aptulo 4
Pgina 341

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.
Podras poner algn ejemplo?
Galen RS, Gambino SR. Beyond normality: The predictive value and efficiency of medical diagnoses. Nueva
York: J Wiley and Sons, lnc., 1975.
C aptulo 4
Pgina 342
Cribado poblacional de cncer de mama (CaM)

Programa preventivo destinado a la deteccin precoz de CaM mediante la
realizacin de mamografa bilateral con periodicidad bienal en mujeres de 45
a 70 aos. La realizacin del screening permite la deteccin precoz de CaM
en un estadio menos avanzado que el que correspondera a un diagnstico
clnico, lo que supone una considerable mejora en cuanto a la afectacin,
pronstico de la enfermedad y reduccin de aos de vida perdidos.
Variable PREDICTORA
Mamografa bilateral
Variable RESULTADO
Cncer de mama
C aptulo 4
Pgina 343
Cumple los postulados de Galen y Gambino?

En Espaa se ha descrito que la tasa acumulada de falsos positivos en un
programa de cribado de mama es del 30% tras 10 determinaciones bianuales
(1). De hecho, diversos estudios han demostrado que, por cada muerte
prevenida a travs de un programa de cribado, han aparecido al menos 200
resultados falsos positivos (2). En respuesta a este hecho, la OMS ha incidido
en nuevos criterios para los programas de cribado, centrndose en aspectos
ticos, en las consecuencias psicolgicas de resultados falsos positivos y en
la necesidad del consentimiento informado (3).
1. Castells X, Molins E, Macia F. Cumulative false positive recall rate and association with participant
related factors in a population based breast cancer screening programme. J Epidemiol Community Health.
2006;60:316-21.
2. Raffle AE, Alden B, Quinn M, Babb PJ, Brett MT. Outcomes of screening to prevent cancer: analysis
of cumulative incidence of cervical abnormality and modelling of cases and deaths prevented. BMJ.
2003;326:901.
3. Brodersen J, McKenna SP, Doward LC, Thorsen H. Measuring the psychosocial consequences of
screening. Health Qual Life Outcomes. 2007;5:3.
C aptulo 4
Cribado poblacional del cncer de pulmn (CP)

mediante TC
Variable PREDICTORA
Tomografa computarizada (TC)
Variable RESULTADO
Cncer de pulmn
Pgina 344
C aptulo 4
Pgina 345
Un estudio publicado por Bach et al (2007) acerca del cribado de cncer de

pulmn sealaba que el uso de la tomografa computarizada (TC) puede
aumentar la tasa de diagnstico y tratamiento de dicho cncer sin reducir el
riesgo de avance de la enfermedad o la mortalidad. Por lo tanto, concluan la
inutilidad del cribado en la prevencin del cncer de pulmn.
Bach PB, Jett JR, Pastorino U, Tockman MS, Swensen SJ, Begg CB. Computed tomography screening and
lung cancer outcgomes. JAMA. 2007;297:953-61.
C aptulo 4
Pgina 346
Cribado poblacional de cncer de colon

Programa preventivo destinado a la deteccin precoz de colon
Variable PREDICTORA
Variable RESULTADO
Deteccin de SANGRE OCULTA en

heces (guayacol)
Cncer de colon
Sensibilidad = 40-80%
Especificidad = 90-99%
La sensibilidad de la prueba es tan slo de 5060% cuando se lo utiliza una

vez, pero puede ascender a 90% cuando se la utiliza cada 12 aos en un
perodo de tiempo prolongado (sensibilidad programtica).
C aptulo 4
Pgina 347
Cribado poblacional de cncer de colon

Programa preventivo destinado a la deteccin precoz de colon
El cncer de colon es el tipo de cncer con mayor posibilidad de deteccin
precoz y que responde mejor al tratamiento en estadios iniciales, por ello se
propone una prueba gentica a la poblacin diana: hombres y mujeres a partir
de los 50 aos..
Variable PREDICTORA
Variable RESULTADO
Deteccin de la forma metilada del

gen Septina 9 (SEPT9).
Cncer de colon
Sensibilidad = 67%
Especificidad = 88%
C aptulo 4
Pgina 348

Los resultados FALSOS POSITIVOS causan ansiedad y pueden conducir
a un aumento de pruebas invasivas para determinar si hay enfermedad
realmente, en este caso una prueba positiva a la deteccin de sangre oculta
en heces ser seguida por una colonoscopia.
C aptulo 4
Pgina 349
Falsos positivos versus Falsos negativos

1. Gravedad o importancia en salud pblica. Si la enfermedad puede ser tratada y
detectada evitando complicaciones posteriores han de utilizarse pruebas con alta
SENSIBILIDAD, es decir con baja tasa de FALSOS NEGATIVOS.
2. Si el coste del proceso asistencial (posibles pruebas invasivas complementarias,
exmenes y cuidados mdicos y de enfermera requeridos ) del enfermo es alto se deben
elegir pruebas con alta ESPECIFICIDAD, para reducir los falsos positivos.
3. Si la enfermedad diagnosticada conlleva consecuencias psicosociales graves, como
la infeccin por VIH, han de minimizarse los falsos positivos, eligiendo pruebas de alta
ESPECIFICIDAD.
4. Baja prevalencia de la enfermedad. En los programas de screening se eligen pruebas
de alta ESPECIFICIDAD, para reducir la tasa de falsos positivos y as garantizar la
eficiencia del programa.
C aptulo 4
Pgina 350
Las carencias metodolgicas en la investigacin evaluativa de pruebas diagnsticas

explican en parte la inadecuacin del uso de pruebas diagnsticas. Por otra parte, no se
ha considerado la potencial iatrogenia atribuible al uso de pruebas diagnsticas, y se hace
necesaria una monitorizacin de los posibles efectos adversos derivados de cualquier
tecnologa diagnstica, as como la informacin detallada a los pacientes de sus beneficios
y riesgos, tanto en el campo del cribado como en el del diagnstico clnico.
C aptulo 4
Pgina 351

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.
Podras poner algn ejemplo?
C aptulo 4
Pgina 352

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.
VPP =
VP
VP + FP
C aptulo 4
Pgina 353

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.
C aptulo 4
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.
Pgina 354
C aptulo 5
Captulo 5
Publicacin Bioestadstica: Anlisis bivariante.
Test de contraste de hiptesis.
Cualitativa versus cualitativa.

Pgina 355
C aptulo 5
Pgina 356
Materiales y mtodos
Estructura
1. Tipo de diseo (estudio)
2. Sujetos incluidos (criterios de seleccin de la muestra)
3. Fuentes de informacin
investigacin (estudios experimentales)
5. Instrumentos y procedimientos de medida (cuestionarios)
estudio y criterio de evaluacin)
7. Limitaciones y consideraciones ticas de la investigacin
8. Pruebas estadsticas a utilizar (programa estadstico)
C aptulo 5

1. ANLISIS DESCRIPTIVO
2. ANLISIS BIVARIANTE
3. ANLISIS MULTIVARIANTE
Pgina 357
C aptulo 5

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

explicarlo todo

explique todo

el ERROR

ERROR

significativas

significativas



Pgina 358
C aptulo 5
Anlisis estadstico
Tipos de test analticos estadsticos de contraste de hiptesis
segn el tipo de variables implicadas en el estudio
Variable dependiente
Variable resultado
Variable
Predictora
Variable
Independiente
Dicotmica
Continua
Dicotmica
Test de 2
t de Student
Continua
Regresin logstica
Regresin lineal
Pgina 359
C aptulo 5
Anlisis estadstico
ANLISIS ESTADSTICO
Variable
Predictora
Variable
Independiente
Variable resultado
Dicotmica
Continua
Dicotmica
Test de 2
t de Student
Continua
Regresin logstica
Regresin lineal
Test de 2
Pgina 360
C aptulo 5
Pgina 361
Tipos de test analticos estadsticos bivariantes de contraste

de hiptesis ms frecuentes
Variable
PREDICTORA o
Independiente (factor
de estudio)
Variable RESULTADO o Dependiente (Criterio de evaluacin)

Cualitativa nominal
dos
categoras
Cualitativa nominal
>2
categoras
Cualitativa ordinal o
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica
Cualitativa dos grupos

independientes
Chi cuadrado
Z comparacin de
proporciones
Test exacto de
Fisher
Chi cuadrado
U de Mann-Whitney
T de Student
(prueba de Welch)

apareados
Test de McNemar
Q de Cochran
Prueba de los
rangos
de Wilcoxon
T de Student
para datos
emparejados
Cualitativa > 2 grupos

independientes
Chi cuadrado
Chi cuadrado
Prueba de KruskalWallis
(ANOVA)

apareados
Q de Cochran
Q de Cochran
Prueba de Friedman
de dos vas
Cuantitativa
Regresin logstica
Regresin logstica
Correlacin de
Sperman
Tau de Kendall
Regresin lineal
C aptulo 5
Pgina 362

Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Cualitativa
Cualitativa
Ji cuadrado
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA

Cualitativa
Cuantitativa
t de Student
Test de Wilcoxon
Test de Friedman

Ms de dos grupos No paramtrico, medidas repetidas
Cuantitativa
Cualitativa


Cuantitativa
Cuantitativa

REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Cualitativa
Superviviencia
Kaplan-Meier
Long-Rank
Regresin de COX
Curvas de superviviencia
C aptulo 5
Datos categricos:
Cualitativa versus cualitativa. Nominales
- Test de 2 de Pearson
- Relacin entre dos variables cualitativas nominales o policotmicas
- Comparacin de proporciones
- Correccin de Yates
- Test exacto de Fisher
- Valores esperados menores de 5
- Razn de verosimilitud
- Evaluacin de pruebas diagnsticas
- Test de 2 de McNemar
- Datos apareados o emparejados
- Coeficiente PHI ()
- V de Cramer
- Coeficiente de contingencia
- Coeficiente de incertidumbre
- Tau de Goodman y Kruskal
- Lambda de Goodman y Kruskal (coeficiente de predictibilidad de Guttman)
Pgina 363
C aptulo 5
Datos categricos:
Cualitativa versus cualitativa. Ordinales
- Test de 2 de tendencia lineal
- Tau-B de Kendall o Stuart
- Tau-C de Kendall
- Coeficiente Gamma de Goodman y Kruskal
- D de Somers
- Correlacin de Spearman
Estos estadsticos NO se pueden
utilizar cuando alguna de las variables
sea NOMINAL
Pgina 364
C aptulo 5
Test de 2 de Pearson
Variable RESULTADO
Variable PREDICTORA
(+)
(-)
Total
Si
a+b
No
c+d
Total
a+c
b+d
n ( a d b c )2
(a + b) (c + d) (a + c) (b + d)
Grados de libertad = [ K - 1] [F - 1]
2 =
(f f )
fo
o- e
Pgina 365
C aptulo 5
Grados de libertad = [K - 1] [F - 1]
Tabla de valores crticos (tabulados) de 2
Grados de libertad
Tabla 2 x F
Valores crticos con un nivel de

confianza del 95%
3,84
5,99
7,81
9,49
11,07
12,59
100
99
124,34
K = n de columnas
F = n de filas
Pgina 366
C aptulo 5
Pgina 367
Frecuencia relativa esperada
Influencia de los Grados de libertad k en la distribucin de

probabilidades de 2 de Pearson
Grados de libertad (gl) = (K - 1) (F 1)
2 de Pearson para gl=1
C aptulo 5
Frecuencia relativa esperada
2
(
o - fe )
f
2 =
fo
fo =
fe =
frecuencia observada
frecuencia esperada
Error alfa
Ho
Ha
2Pearson tabulado= 3,84
Pgina 368
C aptulo 5
Pgina 369
Influencia de los Grados de libertad k en la distribucin de

probabilidades de 2 de Pearson
Grados de libertad (gl) = (K - 1) (F 1)
gl = 3
gl = 5
gl = 10
Grados de libertad
7,81
2 3 4
6 7
K = n de columnas
F = n de filas
11,07
8 9 10 11 12 13 14 15
C aptulo 5
Pgina 370
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%.
C aptulo 5
Pgina 371
Qu tcnica quirrgica es preferible en pacientes que deben ser
intervenidos de colecistectoma va laparoscpica?
Variable PREDICTORA
- KTP/532 lser
- Electrociruga monopolar
Variable RESULTADO
Desarrollo de complicaciones graves
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.
C aptulo 5
Pgina 372
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.
C aptulo 5
Variable resultado
Complicaciones postquirrgicas graves
Variable predictora
Tipo de ciruga
SI (+)
NO (-)
Total
KTP/532 lser
16 (8%) P1
183
199
Electrociruga
monopolar
11 (2,6%) P2
411
422
2Pearson = 9,60
p = 0,0019
Existe asociacin
Pgina 373
C aptulo 5
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 ]
[P1 - P2] = [0,080 - 0,026] = 0,054
Z95% X EE
P= [P1 - P2] / 2 = [0,080 + 0,026] / 2 = 0,053

El error estndar se calcula de la siguiente forma:
EE = p (1 p ) ( 1 / n1 + 1 / n2 )
Error estndar (EE) = p (1 p ) ( 1 / n1 + 1 / n2 )
Error estndar (EE) = 0,053 (1-0,053) (1/199+ 1/422)= 0,00035

Error estndar (EE) multiplicado por Z95% = 0,00035 * 1,96 = 0,00069
Z95%= 1,96
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%
EE
p > 0,1
Ho (hiptesis nula)
[ P1 - P2 ] > Z95%
EE
p < 0,05
Ha (hiptesis alternativa)
Pgina 374
C aptulo 5
Pgina 375
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.
C aptulo 5
Resultados de un estudio
imaginario que estudia la
eficacia de dos tratamientos
A y B en dos grupos de 30
pacientes
Variable resultado
Porcentaje de respuestas a cada tratamiento
Variable predictora
Tipo de tratamiento
SI (+)
NO (-)
Total
16 (8%) P1
183
199
11 (2,6%) P2
411
422
2Pearson = 2,5
p = 0,12
No existe asociacin
Pgina 376
C aptulo 5
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%
Pgina 377
C aptulo 5
Pgina 378

S (xito)
No (fracaso)
S (p < 0,05)
Estadsticamente NO
significativo
No (p > 0,1)
Clnicamente
relevante
C aptulo 5
Resultados de un estudio
imaginario que estudia la
eficacia de dos tratamientos
A y B en dos grupos de 800
pacientes
Variable resultado
Porcentaje de respuestas a cada tratamiento
Variable predictora
Tipo de tratamiento
SI (+)
NO (-)
Total
480 (60%) P1
320
800
520 (65%)
280
800
2Pearson = 4,2
p = 0,04
P2
Existe asociacin
Pgina 379
C aptulo 5
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%
Pgina 380
C aptulo 5
Pgina 381

S (xito)
No (fracaso)
S (p < 0,05)
Estadsticamente NO
significativo
No (p > 0,1)
Clnicamente
relevante
C aptulo 5
Pgina 382

Cul de los siguientes tratamientos es estadsticamente
significativo?
Ho
A= B
Ha
Diferencia con INTERS CLNICO
B - A = 0 A B
AB
BA=
10%
Ho
RC
A
B
C
D
E
-10
-5
0% 5 10 15 20% 25 30
35 40
B A = 20%
Tratamiento
Diferencia
observada
Significacin
estadstica
IC95%
20%
p < 0,05
+10 a
+30%
30%
p < 0,05
+25 a
+35%
10%
p < 0,05
+5 a +15%
10%
NS
-5 a +25%
25%
p < 0,05
+15 a
+35%
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.
C aptulo 5
Pgina 383

Tratamiento
Diferencia
observada
Significacin
estadstica
IC95%
Interpretacin
20%
p < 0,05
+10 a +30%
No concluyente
Potencialmente
importante
(observado =
relevante)
30%
p < 0,05
+25 a +35%
Importante
10%
p < 0,05
+5 a +15%
No concluyente
10%
NS
-5 a +25%
No concluyente
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.
C aptulo 5
Pgina 384
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?
Variable PREDICTORA
- Cristianas
- Musulmanas
Variable RESULTADO
Virus de la Rubeola

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.
C aptulo 5
Rubeola
Variable predictora
Religin
Variable resultado
Inmunizacin
Cristiana
Musulmana
(+)
279 (87,2%)
372 (86,1%)
(-)
41
60
2Pearson = 0,18; p=0,668
No existe asociacin
Pgina 385
C aptulo 5
Pgina 386
Resumen del procesamiento informtico de los datos

Clculos del programa estadstico
tabla 2 x 2
Valor
2 Pearson
Grados de
libertad
Contraste
bilateral
0,183
0,669
Correccin de Yates
0,102
0,749
0,184
Test exacto de Fisher

N Casos vlidos
Contraste
unilateral
0,668
1
0,746
0,376
752
Ho (hiptesis nula) = La inmunizacin frente al virus de la rubeola NO est asociada al grupo cultural de la
gestante.
Ha (hiptesis alternativa) = La inmunizacin frente al virus de la rubeola est asociada al grupo cultural de la
gestante.
C aptulo 5
Test de 2 de Pearson (1 grado de libertad)

2Pearson calculado = 0,183 < 2Pearson tabulado
= 3,84
AZAR
2 = 0,183
Ho (hiptesis nula) = La inmunizacin frente al

virus de la rubeola NO est asociada al grupo
cultural de la gestante.
Error alfa
Ha
Ho
AZAR
2Pearson tabulado = 3,84
Pgina 387
C aptulo 5
Pgina 388
Qu relacin existe entre el hbito tabquico y el cncer de mama?
Variable PREDICTORA
Hbito tabquico
Variable RESULTADO
Cncer de mama
Cul es la prueba estadstica ms adecuada?
C aptulo 5
Tabla de contingencia cncer de mama

versus tabaquismo
Variable RESULTADO
Cncer de mama
Variable PREDICTORA
Si
No
Total
Fumadora
15
20
35
No fumadora
10
40
50
Total
25
60
85
Clculos del
programa
estadstico tabla
2x2
2Pearson
Valor
Grados de libertad Contraste bilateral Contraste

unilateral
5,18
0,023
Correccin de
Yates
4,14
0,042
Razn de
verosimilitud
5,14
Test exacto de
Fisher
N Casos vlidos
0,023
1
85
0,030
0,021
Pgina 389
C aptulo 5

2Pearson calculado = 5,18 > 2Pearson tabulado
= 3,84
AZAR
Ha (hiptesis alternativa) = El hbito tabquico est
asociado al cncer de mama en las mujeres de mi estudio.
2 = 5,18
Error alfa
Ha
Ho
AZAR
Pgina 390
C aptulo 5
Pgina 391
El hbito tabquico de los alumnos del I curso de metodologa de
investigacin depende del sexo?
Variable PREDICTORA
Sexo de los alumnos
Variable RESULTADO
Hbito tabquico
C aptulo 5
Pgina 392
Alumnos del curso
Variable RESULTADO
Variable PREDICTORA
Fumador
No fumador
Total
Masculino
28
33
Femenino
18
10
28
38
61
Total
23
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.
C aptulo 5
= 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.
2 = 15,57
Error alfa
Ha
Ho
AZAR
Pgina 393
C aptulo 5
Pgina 394
Clculos del
programa
estadstico
2Pearson (*)
Valor

unilateral
15,57
0,000
Correccin de
Yates
13,54
0,000
Razn de
verosimilitud
16,28
Test exacto de
Fisher
N Casos vlidos
0,000
1
0,000
0,000
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.
C aptulo 5
Pgina 395
El hbito tabquico es homogneo en los alumnos del II curso de
metodologa de investigacin en funcin del sexo?
Variable PREDICTORA
Sexo de los alumnos
Variable RESULTADO
Hbito tabquico
C aptulo 5
Alumnos del curso
Variable RESULTADO
Variable PREDICTORA
(+)
(-)
Total
Si
15
No
24
28
Total
32
11
43
Ho (hiptesis nula) = El hbito tabquico es homogneo en hombres y

mujeres 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.
Pgina 396
C aptulo 5
= 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.
2 = 5,38
Error alfa
Ha
Ho
AZAR
Pgina 397
C aptulo 5
Pgina 398
Mito 1: La sonrisa de la esfinge
Se cumplen todos lo requisitos para el uso del test de Pearson?

2
He observado que en uno de los casilleros el valor obtenido es inferior a 5

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

asociadas cuando la muestra a estudiar es pequea y no se cumplen las
2
condiciones necesarias para que la aplicacin del test Pearson sea
2
adecuada (uno de las casillas es inferior a 5). El test de Pearson exige que
todos los valores esperados de las celdas en una tabla de contingencia sean
mayores de 5.
C aptulo 5
Pgina 399
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).
mujeres del II curso de Metodologa de Investigacin
Regla de Decisin: Frecuencias esperadas
3
Fisher
Yates
Pearson
C aptulo 5

Clculos del
programa
estadstico
Valor
Grados de libertad
Contraste bilateral
2Pearson (*)
5,38
0,020
Correccin de
Yates
3,81
0,051
Razn de
verosimilitud
5,21
Test exacto de
Fisher
N Casos vlidos
Contraste unilateral
0,022
1
0,031
0,027
43
(*) 1 casillas (25%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 3,84
Ho (hiptesis nula) = El hbito tabquico NO depende del sexo de alumno del I curso
de Metodologa de Investigacin. Es decir NO hay diferencias en el hbito tabquico en
funcin del sexo.
Pgina 400
C aptulo 5
Variable RESULTADO
Variable PREDICTORA
(+)
(-)
Total
Si
a+b
c+d
a+c
b+d
No
Total
(a + b)! * (c + d)! * (a + c)! * (b + c)!

n! * a! * b! * c! * d!
Pgina 401
C aptulo 5
Pgina 402
El hbito tabquico es homogneo en los alumnos del III curso de
metodologa de investigacin en funcin del sexo?
Variable PREDICTORA
Sexo de los alumnos
Variable RESULTADO
Hbito tabquico
C aptulo 5
Alumnos del curso
Variable RESULTADO
Variable PREDICTORA
Fumador
Masculino
Femenino
Total
No fumador
Total
10
10
17

mujeres del III curso de Metodologa de Investigacin.
hombres y mujeres del III curso de Metodologa de Investigacin.
Correccin de continuidad de Yates

Pgina 403
C aptulo 5

= 3,84
AZAR
hombres y mujeres del III curso de Metodologa de Investigacin. Es decir
hay diferencias en el hbito tabquico en funcin del sexo.
2 = 4,49
Error alfa
Ha
Ho
AZAR
Pgina 404
C aptulo 5
Pgina 405
Se cumplen todos lo requisitos para el uso del test de 2 Pearson?

He observado que en varios casilleros el valor 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.
C aptulo 5
Pgina 406

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).
mujeres del III curso de Metodologa de Investigacin.
Regla de Decisin: Frecuencias esperadas
3
Fisher
Yates
Pearson
C aptulo 5
Clculos del
programa
estadstico
2Pearson
Valor

unilateral
4,49
0,034
Correccin de
Yates
2,62
0,105
Razn de
verosimilitud
4,65
Test exacto de
Fisher
N Casos vlidos
Pgina 407
0,031
1
0,058
0,052
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.
C aptulo 5
Pgina 408
Qu utilidad clnica tiene la prueba diagnstica X en el diagnstico
clnico de una determinada enfermedad E?
Objetivo: Evaluacin de la prueba X en el diagnstico de la enfermedad E.
PRUEBA X
(diagnstico definitivo)
ENFERMEDAD E
C aptulo 5
Pgina 409
Razn de Verosimilitud de 2
- Si la proporcin o frecuencia observada fo es en realidad igual a la
proporcin esperada fe segn la hiptesis nula (Ho), las 2 probabilidades
calculadas sern iguales y su razn ser igual a 1.
- Cuanto mayor sea la diferencia entre fo y fe, mayor ser la razn entre
ambas. La razn de estas 2 probabilidades o verosimilitudes puede utilizarse
como estadstico para medir el grado de ajuste entre las frecuencias
observadas y las esperadas.
- Esta prueba se calcula de la siguiente manera:
RV2 = 2 * fo * ln fe
fo
C aptulo 5
Estudio
Casos - Controles
Diagnstico definitivo
Prueba X
Enfermos
Sanos
Total
Positiva (+)
9 (2,1%)
19 (4,4%)
28 (6,5%)
Negativa (-)
67 (15,7%)
335 (93,5%)
402 (93,5%)
Total
76 (17,7%)
354 (82,3)
430
Ho (hiptesis nula) = Los resultados de la prueba diagnstica X NO estn

relacionados con el diagnstico definitivo.
Ha (hiptesis alternativa) = Los resultados de la prueba diagnstica X estn
relacionados con el diagnstico definitivo.
Pgina 410
C aptulo 5
Pgina 411
Clculos del
programa
estadstico
Valor
Grados de libertad
Contraste bilateral
2Pearson
4,309
0,038
Correccin de
Yates
3,311
0,069
Razn de
verosimilitud
3,706
Test exacto de
Fisher
N Casos vlidos
0,054
1
0,067
0,041
430
A pesar de que el test de 2 de Pearson es significativo (p < 0,05) no podemos rechazar

la hiptesis nula ya que la razn de verosimilitud es mayor de 0,05 (diseo de casos y
controles).
Ho (hiptesis nula) = Los resultados de la prueba diagnstica X NO estn relacionados con
el diagnstico definitivo
C aptulo 5
Un equipo de traumatlogos desarrollaron una nueva tcnica quirrgica

para el reemplazo de la cabeza del fmur que suponan superior a la
tcnica tradicional.
Existen diferencias significativa respecto al porcentaje de complicaciones
postoperatorias inmediatas?
Ho (hiptesis nula) = No hay diferencia entre ambas tcnicas de
quirrgicas.
Ha (hiptesis alternativa) = S existe diferencia entre ambas tcnicas de
quirrgicas.
Tcnica CLSICA
Tcnica NUEVA
Pgina 412
C aptulo 5
Variable resultado
Variable predictora Tipo de ciruga
Complicaciones
INMEDIATAS
Tcnica CLSICA
Tcnica NUEVA
Dao nervioso
485 (50%)
28 (26,4%)
Hemorragia
285 (29,4%)
16 (15,1%)
Desplazamiento
52 (5,4%)
4 (3,8%)
Ninguna
148 (15,3%)
58 (54,7%)
Total
970
106

2Pearson = 129,97
p < 0,0001
Existe asociacin
Pgina 413
C aptulo 5
p < 0,0001
Frecuencia absoluta(%)
2Pearson = 129,97
Complicaciones postquirrgicas
INMEDIATAS
Pgina 414
C aptulo 5
Grados de libertad = [ K - 1] [F - 1] = (2-1) (4 -1) = 3
2Pearson calculado = 129,97 > 2Pearson tabulado =

2 = 129,97
Ho
AZAR
7,81
AZAR
Ha
7,81
Ha (hiptesis alternativa) = La frecuencia de las complicaciones postquirrgicas

inmediatas en la nueva tcnica NO eran iguales que en la tcnica clsica.
Pgina 415
C aptulo 5
Pgina 416
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?
Variable PREDICTORA
Cualitativa policotmica
Pases africanos de origen
Variable RESULTADO
Infeccin tuberculosa

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.
C aptulo 5
Pas de procedencia
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
Pgina 417
C aptulo 5
Pas africano de procedencia del inmigrante
Gambia
11%
20%
Sierra Leona
Mauritania
24%
Argelia
Guinea Bissau
25%
26%
Liberia
27%
Costa de marfil
28%
29%
Nigeria
33%
Mali
34%
R.D. Congo
Camern
48%
R. Guinea
65%
Prevalencia de infeccin tuberculosa

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.
Pgina 418
C aptulo 5
Pgina 419
Existen diferencias en la prevalencia de infeccin tuberculosa en el
colectivo de inmigrantes segn la ciudad de destino (Ceuta, Barcelona, Toledo)?
Variable PREDICTORA
Destino
- Ceuta
- Barcelona
- Toledo
Variable RESULTADO
Infeccin tuberculosa
C aptulo 5
Pgina 420
Variable RESULTADO
Prueba de Mantoux
Variable PREDICTORA
(+)
(-)
Total
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).
C aptulo 5
Pgina 421
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.
Duran E, Cabezos J, Ros M, et al. Tuberculosis 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.
C aptulo 5
Pgina 422
Realidad 3
S (xito)
No (fracaso)
S (p < 0,05)
Error Alfa?
No (p > 0,1)
Estadsticamente NO
significativo
Error Beta?
C aptulo 5
Pgina 423
Qu relacin y qu grado de asociacin existe entre el grupo cultural/religioso de la ciudad de Ceuta y la prevalencia de inmunizacin
frente a Toxoplasma goondi en la poblacin gestante?
Variable PREDICTORA
Grupo cultural:
- Cristianas
- Musulmanas
Variable RESULTADO
Infeccin Toxoplasma goondi

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.
C aptulo 5
Variable predictora Religin
Variable resultado
Inmunizacin
Cristiana
Musulmana
(+)
112
220
(-)
210
148
2Pearson= 43,99; p<0,0000001
Existe asociacin
No cuantifica el grado de intensidad de la asociacin.
Pgina 424
C aptulo 5
Test de McNemar para datos apareados

(Prueba de la significacin de los cambios)
McNemar
DESPUS
ANTES
XITO (+)
FRACASO (-)
XITO (+)
FRACASO (-)
2McMemar
[ ( B C ) 1 ]2
B+C
Pgina 425
C aptulo 5
Pgina 426
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
C aptulo 5
N = 20 pacientes
KETOROLACO
METAMIZOL
Pgina 427
C aptulo 5

McNemar
METAMIZOL
KETOROLACO
XITO = 1
FRACASO = 0
XITO = 1
FRACASO = 0
2McMemar
Z McNemar =
[ ( B C ) 1 ]2
B+C
(B C)1
B+C
Pgina 428
C aptulo 5

McNemar
METAMIZOL
KETOROLACO
XITO = 1
FRACASO = 0
XITO = 1
FRACASO = 0
McMemar =
[ ( 9 2 ) 1 ]2
9+2
= 3,27 p > 0,05
Pgina 429
C aptulo 5
Procesamiento informtico de los datos

Valor
Significacin bilateral (*)
Prueba de McNemar
3,27
0,065
N casos vlidos
20
(*) Utilizada la distribucin binomial

Hiptesis nula Ho: La eficacia de ambos analgsicos es la misma, es decir
Metamizol = Ketorolaco
Es posible un error ?
Qu ocurre si aumentamos el tamao muestral?
Pgina 430
C aptulo 5
N = 30 pacientes
KETOROLACO
METAMIZOL
Pgina 431
C aptulo 5

McNemar
METAMIZOL
KETOROLACO
XITO = 1
FRACASO = 0
XITO = 1
11
14
FRACASO = 0
McMemar =
[ ( 14 3 ) 1 ]2
14 + 3
= 5,88
p = 0,013
Pgina 432
C aptulo 5
Procesamiento informtico de los datos

Valor
Significacin bilateral (*)
Prueba de McNemar
5,88
0,013
N casos vlidos
30
(*) Utilizada la distribucin binomial

Hiptesis alternativa Ha: La eficacia de ambos analgsicos es NO la misma,
es decir Metamizol Ketorolaco
Pgina 433
C aptulo 5
Pgina 434
Existen evidencias de una mejora en los conocimientos
tericos de Metodologa de investigacin en los 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 ] = 1
Suspenso: [ < 8 respuestas correctas de 14 ] = 0
DESPUS del curso
ANTES del curso
APROBADO (> 7)
SUSPENSO (< 8)
APROBADO (> 7)
SUSPENSO (< 8)
C aptulo 5

McNemar
DESPUS del curso
ANTES del curso
APROBADO (< 7)
SUSPENSO (< 8)
APROBADO (< 7)
SUSPENSO (< 8)
2McMemar
[ ( B C ) 1 ]2
Z McNemar =
B+C
(B C)1
B+C
Pgina 435
C aptulo 5

tericos de metodologa de investigacin en los alumnos
despus del curso?
N del Alumno
Evaluacin ANTES del curso
Evaluacin DESPUS del curso
APROBADO (10)
APROBADO (14)
SUSPENSO (7)
APROBADO (14)
SUSPENSO (7)
APROBADO (14)
SUSPENSO (5)
APROBADO (14)
SUSPENSO (4)
APROBADO (13)
SUSPENSO (3)
APROBADO (13)
SUSPENSO (2)
APROBADO (13)
SUSPENSO (2)
APROBADO (11)
Pgina 436
C aptulo 5

McNemar
DESPUS del curso
ANTES del curso
APROBADO (< 7)
SUSPENSO (< 8)
APROBADO (< 7)
SUSPENSO (< 8)
McMemar =
[ ( 0 7 ) 1 ]2
0+7
= 9,14
Pgina 437
C aptulo 5
Z McNemar =
Z McNemar =
(B C)1
B+C
(0 7)1
0+7
Valor
Z95%
1,96
0,05
Z98%
2,32
0,02
Z99%
2,56
0,01
Z99,5%
3,29
0,005
= 3,03 > Z 99% = 2,56
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.
Pgina 438
C aptulo 5
Colesterol total (mg/dl) al nacimiento
110
80
50
20
80
130
180
Colesterol total (mg/dl) durante el segundo ao de vida
230
Pgina 439
Pgina 440
C aptulo 5
110
21/108 (19,4%)
14/61 Cristianos (23,0%)
6/44 Musulmanes (13,6%)
8/108 (7,4%)
80
P75
50
64/108 (59,5%)
20
80
130
14/108 (13,9%)
180
P75
230
C aptulo 5

McNemar
SEGUNDO AO DE VIDA
NEONATOS
CT > P75
CT P75
CT P75
2McMemar
CT > P75
Z McNemar =
[ ( B C ) 1 ]2
B+C
(B C)1
B+C
Pgina 441
C aptulo 5
Pgina 442

McNemar
NEONATOS
CT > P75
CT P75
SEGUNDO AO DE VIDA
CT > P75
CT P75
14
64
21

Valor
Significacin unilateral
Prueba de McNemar
1,03
0,311
0,155
N casos vlidos
108
C aptulo 5

McNemar
NEONATOS
CT > P75
CT P75
McMemar =
SEGUNDO AO DE VIDA
CT > P75
CT P75
14
64
[ ( 21 14 ) 1 ]2
21 + 14
21
= 1,03
Jacobo Daz Portillo .Influencia del grupo tnico en el patrn lipoproteico de una determinada poblacin
peditrica de Ceuta, Tesis doctoral. Facultad de Medicina de la Universidad de Cdiz. 1997
Pgina 443
C aptulo 5
Z McNemar =
Z McNemar =
(B C)1
B+C
( 21 14 ) 1
21 + 14
Valor
Z95%
1,96
0,05
Z98%
2,32
0,02
Z99%
2,56
0,01
Z99,5%
3,29
0,005
Pgina 444
= 1,014
Conclusin: Como el estadstico Z calculado 1,014 es INFERIOR a Z tabulado

evaluadas son independientes, es decir, NO estn asociadas, y por tanto no
hay cambios importantes en la distribucin del colesterol total al pasar del
nacimiento al segundo ao de vida. Este comportamiento tambin se repite
en los dos grupos culturales (cristianos y musulmanes).
C aptulo 5
Existen evidencias de un mejor efecto antitusgeno en los 3 frmacos ensayados?

TOS
Si (1)
No (0)
RESPUESTA A
TOS
Si (1)
No (0)
RESPUESTA B
TOS
Si (1)
No (0)
RESPUESTA C
Pgina 445
C aptulo 5
Pgina 446
Q de Cochran
Para tres o ms muestras dependientes
- La prueba Q de Cochran es una extensin de la prueba de McNemar, que
se utiliza en los modelos experimentales con 3 o ms muestras dependientes
o relacionadas entre s, es decir, esta poblacin sirve como su propio control,
en el que existe un perodo previo y otro ulterior; adems, el tipo de escala
debe ser nominal.
- El valor calculado en la prueba Q de Cochran se distribuye igual que la ji
cuadrada, por lo cual el smbolo utilizado ser X 2Q.
Donde:
X 2Q = estadstico ji cuadrada de la prueba Q de Cochran.
K = nmero de tratamientos.
Gn = nmero total de respuestas de cambio de cada tratamiento o columna.
Lc = nmero total de respuestas de cambio por individuo de la muestra o hileras.
C aptulo 5
Pgina 447
25 pacientes reciben 3 frmacos para mejorar su tos

Paciente
Frmaco A Frmaco B
Frmaco C
Paciente
Frmaco A Frmaco B
Frmaco C
15
16
17
18
19
20
21
22
23
10
24
11
25
12
13
14
0 = Mejora la tos
1 = NO mejora la tos
C aptulo 5
Media
DE
Mnimo
Mximo
Frmaco A
25
0,60
0,500
Frmaco B
25
0,65
0,478
Frmaco C
25
0,48
0,510
Valores
Test estadsticos
250
Frmaco A
10
15
Q de Cochran
2,111
Frmaco B
17
gl
Frmaco C
13
12
Significacin
0,348
Grados de libertad = [ K - 1] [F - 1]
Hiptesis nula Ho: No hay diferencia entre los 3 frmacos para evitar la tos.
Hiptesis alternativa Ha: Hay diferencia entre los 3 frmacos para evitar la tos.
Conclusiones: No hay diferencias estadsticamente significativas entre los 3 frmacos
para evitar la tos en los pacientes.
Pgina 448
C aptulo 5
Pgina 449
Datos categricos
Cualitativa versus cualitativa ORDINALES
- Tau-C de Kendall
- Gamma de Goodman y Kruskal
- D de Somers
Estos estadsticos NO se pueden utilizar cuando alguna de las variables sea
NOMINAL
C aptulo 6
Captulo 6
Cualitativa versus cualitativa.
Medidas de asociacin.

Pgina 450
C aptulo 6
Datos categricos:
Cualitativa versus cualitativa. Nominales
- Test de 2 de Pearson
- Relacin entre dos variables cualitativas nominales o policotmicas
- Comparacin de proporciones
- Correccin de Yates
- Test exacto de Fisher
- Valores esperados menores de 5
- Razn de verosimilitud
- Evaluacin de pruebas diagnsticas
- Test de 2 de McNemar
- Datos apareados o emparejados
- Coeficiente PHI ()
- V de Cramer
- Coeficiente de contingencia
- Coeficiente de incertidumbre
- Tau de Goodman y Kruskal
- Lambda de Goodman y Kruskal (coeficiente de predictibilidad de Guttman)
Pgina 451
C aptulo 6
Datos categricos:
- Tau-C de Kendall
- D de Somers
sea NOMINAL
Pgina 452
C aptulo 6
Pgina 453
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
V de Cramer
SI
SI
SI
Coeficiente de contingencia
SI
SI
SI
Lambda
SI
SI
SI
Tau de Goodman y Kruskal
SI
SI
SI
Coeficiente de incertidumbre
SI
SI
SI
Gamma
SI
SI
SI
D de Somers
SI
SI
SI
Tau-b de Kendall
SI
SI
SI
C aptulo 6
Test de 2 de independencia de Pearson
CONTRASTES A POSTERIORI
Test de la Q de Yule
Nominales
Tablas = 2 x 2
Coeficiente PHI
V de Cramer
No es un test de contraste de
hiptesis (no calcula p)
Tablas = 2 x 2
Nominales
Tablas > 2 x 2
Coeficiente Lambda
Nominales
Tablas > 2 x 2
Coeficiente Tau-b de Kendall
Coeficiente Gamma
D de Somers
Nominales
Tablas > 2 x 2
Ordinales
Tablas > 2 x 2
Ordinales
Tablas > 2 x 2
Ordinales
Tablas > 2 x 2
Pgina 454
C aptulo 6
Variable predictora Religin
Variable resultado
Inmunizacin
Cristiana
Musulmana
(+)
(-)
Q =
[ (A * D) (B * C) ]
[ (A * D) + (B * C) ]
Pgina 455
C aptulo 6
Coeficiente Gamma
- Interpretacin:
-Q=0
-Q>0
-Q<0
independencia
asociacin positiva
asociacin negativa
- Intervalo de Q: (-1, +1)

- Informacin:
- Medida de la intensidad de la asociacin
- Sentido de la misma
Pgina 456
C aptulo 6
Pgina 457
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, slo cambia la direccin de la misma, es
decir el signo de la Q.
- Es ms valida con un test previo de contraste de hiptesis que indique
relacin entre ambas variables.
C aptulo 6
Coeficiente Gamma
Rubeola
Religin
Variable resultado
Inmunizacin
Cristiana
Musulmana
(+)
279 (87,2%)
372 (86,1%)
(-)
41
60
Q =
[ (279 * 60) (372 * 41) ]
= 0,047
[ (279 * 60) + (372 * 41) ]
Gamma (Q de Yule)
EEk
0,047
0,113
T aprox
0,430
p
0,667
Pgina 458
C aptulo 6
Pgina 459
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 slo 0,18, con p = 0,67. Cmo
justificas el empleo de la Q de Yule si NO existe asociacin estadstica entre
ambas variables?
C aptulo 6
Toxoplasma goondi
Religin
Variable resultado
Inmunizacin
Cristiana
Musulmana
(+)
112 (34,8%)
220 (59,8%)
(-)
210
148
Q =
[ (112 * 148) (220 * 210) ]

[ (112 * 148) + (220 * 210) ]
Gamma (Q de Yule)
EEk
- 0,47
0,041
T aprox
- 6,780
p
0,000
= 0,47
Pgina 460
C aptulo 6
Q = 0,47
Q = 0,70
Pgina 461
Q = 0,72
59,8
Seroprevalencia (%)
53,6
43,3
34,8
17,3
11,0
Figura .- Evolucin de la seroprevalencia de la toxoplasmosis en gestante de Ceuta (periodos 1994, 2004,

2010) (Q= Q de Yule; gamma; p < 0,001)
C aptulo 6
Pgina 462
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
Q =
[ (32 * 27) (11 * 10) ]

[ (32 * 27) + (11 * 10) ]
Gamma (Q de Yule)
EEk
0,774
0,102
T aprox
4,782
= 0,77
p
0,000
C aptulo 6
Pgina 463
Ejercicio: Qu grado de asociacin existe entre el infarto

de miocardio y el sexo del paciente?
Q de Yule
El valor de 0,77 sugiere un grado de asociacin entre los factores sexo y
acontecimiento del infarto bastante elevado, ya que 0,77 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.
C aptulo 6
Pgina 464
En qu grupo cultural/religioso es mayor la prevalencia de inmunizacin frente a Toxoplasma goondi en la poblacin gestante de Ceuta?
Musulmanas o cristianas?
Variable PREDICTORA
Grupo cultural:
- Cristianas
- Musulmanas
Variable RESULTADO
Infeccin Toxoplasma goondi

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.
C aptulo 6
Coeficiente PHI ()
Variable predictora
Variable resultado
Positiva (+)
Negativa (-)
Total
Positiva (+)
a+b
Negativa (-)
c+d
Total
a+c
b+d
Coeficiente PHI
(a * d) (b * c)
(a + c) (b + d) (a + b) (c + d)
Pgina 465
C aptulo 6
Coeficiente PHI
Coeficiente PHI ()
Variable predictora
Variable resultado
Positiva (+)
Negativa (-)
Total
Positiva (+)
112 (34,8%)
220 (59,8%)
332
Negativa (-)
210
148
358
Total
322
368
690
Coeficiente es un test de contraste de hiptesis
43,99
690
p < 0,01
0,25
Pgina 466
C aptulo 6
Coeficiente PHI
Coeficiente PHI ()
Variable predictora
Variable resultado
Positiva (+)
Negativa (-)
Total
Positiva (+)
112 (34,8%)
220 (59,8%)
332
Negativa (-)
210
148
358
Total
322
368
690
(112 * 148) (220 * 210)
(112 + 210) (220 + 148) (112 + 220) (210 + 148)
= - 0,25
Ha: La inmunizacin a Toxoplasma se encuentra asociada a la cultura musulmana.
Pgina 467
C aptulo 6
Pgina 468
Coeficiente PHI
- Condiciones: Tablas tetracricas (2 x 2).

- Interpretacin:
- =0
- >0
- <0
independencia.
asociacin positiva.
asociacin negativa.
- Intervalo de : entre -1 y 1.
- Informacin: Es un test de contraste de hiptesis que ofrece una medida
de 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 asociadas.
C aptulo 6
El resultado del tratamiento depende del frmaco empleado?
La condicin de asintomtico se encuentra asociado al uso de
Mosaprida?
Variable PREDICTORA
- Metoclopramida (n = 99)
- Cisaprida (n = 102)
- Mosaprida (n = 99)
Variable RESULTADO
- Asintomtico
- Sntomas
- Mejora clnica
Pgina 469
C aptulo 6
Nominal x Nominales (Tablas > 2 x 2)

V de Cramer
Lambda
Pgina 470
C aptulo 6
El resultado del tratamiento depende del frmaco

empleado?
Variable RESULTADO Resultado del tratamiento a la semana
Variable PREDICTORA
Tipo de medicamento
Asintomtico
Sintomtico
Mejora
Metoclopropamida
24 (8%)
54 (18%)
21 (7%)
Cisaprida
27 (9%)
18 (6%)
57 (19%)
Mosaprida
51 (17%)
27 (9%)
21 (7%)
2Pearson= 60,12
p = 0,000
Existe asociacin
Ha: El resultado del tratamiento depende del frmaco empleado

La condicin de asintomtico se encuentra asociado al uso de Mosaprida?
V de Cramer
Pgina 471
C aptulo 6
Pgina 472
V de Cramer
V=
n (k- 1)
V=
60,12
300 (3 -1)
Nominal por nominal
Valor del estadstico
Significacin (p)
Coeficiente PHI
0,448
0,000
V de Cramer
0,317
0,000
N de casos vlidos
0,317
300 pacientes
Ha: La condicin de asintomtico se encuentra asociado al uso de Mosaprida.
C aptulo 6
Pgina 473
V de Cramer
- Definicin: V de Cramer es una manera de calcular la correlacin en los cuadros que
tienen ms de 2x2 filas y columnas. Se utiliza como posterior a la prueba para determinar
la intensidad de la asociacin despus de que el test de chi-cuadrado ha sido significativa.
Chi-cuadrado, dice que existe una relacin significativa entre las variables, pero no dice
nada del grado de significancia ni de su importancia. V de Cramer es un post-test para dar
esta informacin adicional.
- Condiciones: Tablas de ms de 2 x 2. Cuando la tabla es de 2 x 2 (tetracrica), utilice el
coeficiente PHI.
- Interpretacin:
-V =0
independencia.
-V >0
asociacin positiva.
- Intervalo de V : entre 0 y 1.
- Informacin: Es una medida de 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.
Cramer, H. (1999). Mtodos Matemticos de Estadstica, Princeton University Press.
C aptulo 6
Pgina 474
Limitaciones del test 2 de Pearson como medida de

asociacin
Una vez que tenemos hallado el valor del 2 podemos preguntarnos si existe
o no asociacin. No se puede emplear el valor de 2 como una medida de
asociacin ya que este aumenta con el tamao muestral. El valor absoluto de
2 no permite tener una idea clara de la fuerza de la asociacin ya que sus
valores no estn acotados en un intervalo definido.
Un coeficiente que s tiene la propiedad de que sus valores varen dentro de
un intervalo es el COEFICIENTE DE CONTINGENCIA.
El valor de este coeficiente nunca ser inferior a 0 ni superior a 1. El 0
corresponder a ausencia de asociacin, con 2 = 0. No en todos los casos
la dependencia extrema necesariamente debe dar 1, depender del nmero
de categoras k.
C aptulo 6
Pgina 475
Coeficiente de contingencia (C)

El coeficiente de contingencia se utiliza para saber la asociacin de variables
cualitativas NOMINALES, que tienen dos o ms categoras. Este coeficiente
requiere del clculo previo del estadstico 2 de Pearson.
Cmx =
k-1
k
C=
2
2 + n
Donde:
C = coeficiente de contingencia.
2 = valor de chi-cuadrado de Pearson calculado previamente.
n = tamao o nmero de la muestra.
C=0
Significa que NO hay asociacin.
C > 0,30
Indica una buena asociacin entre las variables.
Cmx No alcanza el valor 1 aunque las dos variables estn totalmente
relacionadas.
C aptulo 6
Pgina 476
Coeficiente de contingencia (C)

El coeficiente de contingencia se utiliza para saber la asociacin de variables
cualitativas NOMINALES, que tienen dos o ms categoras. Este coeficiente
requiere del clculo previo del estadstico 2 de Pearson.
C=
Cajustado =
Cmx =
2
2 + n
k-1
k
C aptulo 6
Pgina 477
La ADHERENCIA al curso de bioestadstica depende del

modelo docente utilizado (presencial, semipresencial o
online)?
Cursos semipresenciales
Presencial
Online (a distancia)
C aptulo 6

V de Cramer
Lambda
Pgina 478
C aptulo 6
Pgina 479
Variable predictora TIPO DE CURSO

Variable resultado
Adherencia al curso
PRESENCIAL
ONLINE
semiPRESENCIAL
Seguimiento
190
170
180
Abandonos
10 (5%)
30 (15%)
20 (10%)
Total
200
200
200
2Pearson= 11,11
p = 0,004
Existe asociacin
Ha: La adherencia al curso es dependiente del tipo de modalidad de enseanza empleado.

El modelo PRESENCIAL se encuentra asociado a una mayor adherencia del alumno al
curso?
C aptulo 6
El modelo presencial se encuentra asociado a una mayor

adherencia del alumno al curso?
Variable resultado
Adherencia al curso
PRESENCIAL
ONLINE
semiPRESENCIAL
Seguimiento
190
170
180
Abandonos
10 (5%)
30 (15%)
20 (10%)
Total
200
200
200
C=
2
2 + n
C=
11,11
11,11 + 600
0,135
C < 0,30
Ha: La adherencia al curso es mayor en la modalidad PRESENCIAL.
Pgina 480
C aptulo 6
Nominal por nominal
Significacin (p)
Coeficiente de contingencia C
0,135
0,004
V de Cramer
0,136
0,004
N de casos vlidos
Cmx =
k-1
k
600 pacientes
Cmx =
C ajustado =
3-1
3
0,135
0,816
= 0,816
= 0,165 (16,5%)
Pgina 481
C aptulo 6
Pgina 482
Decisin: El coeficiente de contingencia como medida de asociacin para una escala

nominal, es una funcin de 2. La decisin de aceptar o rechazar la hiptesis se establece
mediante el valor de 2 = 11,11 con dos grados de libertad, y se obtiene una probabilidad
en su distribucin de p < 0,05. Entonces se acepta Ha y se rechaza Ho; adems, el
coeficiente 0,135 es distinto de 0, aunque muy lejos de su valor mximo (0,816), ya que
slo supone el 16,5% de dicho valor, y tambin est lejos del punto de corte (0,30) por lo
que la asociacin encontrada es dbil.
Grados de libertad = [ K - 1] [F - 1] = [ 3 1] [2 1] = 2
2 = 11,11
Ho
p = 0,004
Ha
AZAR
5,99
C aptulo 6
Interpretacin del coeficiente de contingencia

La asociacin existente entre la ADHERENCIA al curso del alumno y el
tipo de modalidad docente utilizada es verdadera, en la cual conforme
sea el tipo de modalidad empleada, cambia la frecuencia de abandonos
de manera significativa, siendo mayor el porcentaje de abandonos en el
modelo ONLINE, con un valor de coeficiente de contingencia de 0,135.
PRESENCIAL
Pgina 483
C aptulo 6

V de Cramer
Lambda
Pgina 484
C aptulo 6
Pgina 485

Al igual que el coeficiente de incertidumbre y lambda, el coeficiente Tau (de
Goodman y Kruskal) es una medida de asociacin basada en la reduccin
proporcional del error. Es una medida que expresa el grado de incertidumbre
que conseguimos reducir cuando utilizamos una variable para efectuar
pronsticos sobre otra.
Nominal por nominal
Valor Tau
EE
Significacin
Tipo de modalidad de curso variable resultado
0,009
0,005
0,004
Rendimiento del curso variable resultado
0,019
0,010
0,004
C aptulo 6
Pgina 486
Al igual que el coeficiente Tau y lambda, el coeficiente de incertidumbre es
una medida de asociacin basada en la reduccin proporcional del error. Es
una medida que expresa el grado de incertidumbre que conseguimos reducir
cuando utilizamos una variable para efectuar pronsticos sobre otra.
Nominal por nominal
Valor
EE
T aprox
Significacin
Simtrica
0,014
0,008
1,762
0,003
Tipo de modalidad de curso variable

resultado
0,009
0,005
1,762
0,003
Adhesin al curso variable resultado
0,030
0,017
1,762
0,003
C aptulo 6
Pgina 487
El RENDIMIENTO acadmico (adquisicin de conocimientos)

al curso de bioestadstica depende del modelo docente
utilizado (presencial, semipresencial o online)?
Cursos semipresenciales
Presencial
Online (a distancia)
C aptulo 6

V de Cramer
Lambda
Pgina 488
C aptulo 6
Pgina 489
El RENDIMIENTO acadmico (adquisicin de conocimientos)

al curso de bioestadstica depende del modelo docente
utilizado (presencial, semipresencial o online)?
Variable resultado
Evaluacin de los
conocimientos
ONLINE
SEMIpresencial
PRESENCIAL
Total
Aprobados
15 (37,5%)
20 (38,4%)
60 (80%)
95
Suspensos
25
32
15
72
Total
40
52
75
167
2Pearson= 29,68
p = 0,0000004
Existe asociacin
Ha: El rendimiento del curso es dependiente del tipo de modalidad de enseanza

empleado.
El modelo PRESENCIAL se encuentra asociado a un mayor rendimiento del alumno?
C aptulo 6
Pgina 490
El modelo PRESENCIAL se encuentra asociado a un mayor

rendimiento del alumno?
Variable resultado
Evaluacin de los
conocimientos
ONLINE
SEMIpresencial
PRESENCIAL
Total
Aprobados
15 (37,5%)
20 (38,4%)
60 (80%)
95
Suspensos
25
32
15
72
Total
40
52
75
167
C=
2
2 + n
C=
29,68
29,68 + 167
= 0,388
C > 0,30
Ha: El rendimiento del curso es mayor en la modalidad PRESENCIAL.
C aptulo 6
Nominal por nominal
Significacin (p)
Coeficiente de contingencia C
0,388
0,000
V de Cramer
0,421
0,000
N de casos vlidos
Cmx =
167 alumnos
k-1
k
Cmx =
C ajustado =
0,388
0,816
3-1
3
= 0,816
= 0,475 (47,5%)
Ha: El rendimiento del curso es mayor en la modalidad PRESENCIAL.
Pgina 491
C aptulo 6
Pgina 492
Decisin: El coeficiente de contingencia como medida de asociacin para una escala

nominal, es una funcin de 2. La decisin de aceptar o rechazar la hiptesis se establece
mediante el valor de 2 = 29,68 con dos grados de libertad, y se obtiene una probabilidad
en su distribucin de p < 0,00001, dado que la zona de rechazo es mayor que 0,05.
Entonces se acepta Ha y se rechaza Ho; adems, el coeficiente 0,388 es distinto de
0, aunque no muy lejos de su valor mximo (0,816), ya que supone el 47,5% del valor
mximo.
Grados de libertad = [ K - 1] [F - 1] = [ 3 1] [2 1] = 2
2 = 29,68
Ho
p = 0,0000004
Ha
AZAR
5,99
C aptulo 6
Interpretacin del coeficiente de contingencia

La asociacin existente entre el RENDIMIENTO acadmico del alumno
y el tipo de curso realizado es verdadera, aumentando la frecuencia
de aprobados de manera significativa (p < 0,00001) en el modelo
PRESENCIAL, con un elevado valor de coeficiente de contingencia de
0,388 (C > 0,30).
PRESENCIAL
Pgina 493
C aptulo 6
Pgina 494
Coeficiente Lambda
Al igual que el coeficiente de incertidumbre, lambda es una medida que
expresa el grado de incertidumbre que conseguimos reducir cuando
utilizamos una variable para efectuar pronsticos sobre otra. Lambda tiene
tres versiones dos asimtricas (cuando conocemos la variable predictora y la
resultado) y una simtrica cuando no sabemos cual es la variable predictora y
cual es la variable resultado).
Nominal por nominal
Valor
EE
T aprox
Significacin
Simtrica
0,238
0,077
2,801
0,005

resultado
0,185
0,067
2,527
0,012
0,306
0,111
2.331
0,020

empleado.
C aptulo 6
Pgina 495

Al igual que el coeficiente de incertidumbre y lambda, el coeficiente Tau (de
Goodman y Kruskal) es una medida de asociacin basada en la reduccin
proporcional del error. Es una medida que expresa el grado de incertidumbre
que conseguimos reducir cuando utilizamos una variable para efectuar
pronsticos sobre otra.
Nominal por nominal
Valor Tau
EE
Significacin
Tipo de modalidad de curso variable resultado
0,103
0,034
0,000
Rendimiento del curso variable resultado
0,178
0,057
0,000
Ha: El rendimiento del curso es dependiente del tipo de modalidad de

enseanza empleado.
C aptulo 6
Pgina 496
Nominal por nominal
Valor
EE
T aprox
Significacin
Simtrica
0,106
0,036
2,958
0,000

resultado
0,087
0,030
2,958
0,000
0,136
0,046
2,958
0,000

empleado.
C aptulo 6
La condicin de asintomtico se encuentra asociado al uso de
Mosaprida?
Variable PREDICTORA
Variable RESULTADO
- Asintomtico
- Sntomas
- Mejora clnica
Pgina 497
C aptulo 6

V de Cramer
Lambda
Pgina 498
C aptulo 6
Pgina 499

Variable RESULTADO Resultado del tratamiento a la
semana
Tipo de medicamento
Asintomtico
Sintomtico
Mejora
Metoclopropamida
24 (8%)
54 (18%)
21 (7%)
Cisaprida
27 (9%)
18 (6%)
57 (19%)
Mosaprida
51 (17%)
27 (9%)
21 (7%)
2Pearson= 60,12
p = 0,000
Existe asociacin
Ha: El resultado del tratamiento depende del frmaco empleado.

La condicin de asintomtico se encuentra asociada al uso de Mosaprida?
Coeficiente Lambda
C aptulo 6
Pgina 500
Coeficiente Lambda
Al igual que el coeficiente de incertidumbre, lambda es una medida que
expresa el grado de incertidumbre que conseguimos reducir cuando
utilizamos una variable para efectuar pronsticos sobre otra. Lambda tiene
tres versiones dos asimtricas (cuando conocemos la variable predictora y la
resultado) y una simtrica cuando no sabemos cual es la variable predictora y
cual es la variable resultado).
Nominal por nominal
Valor
EE
T aprox
Significacin
Simtrica
0,303
0,048
Tipo de Frmaco variable resultado
0,303
5,814
0,000
0,052
5,108
0,000
Resultado del tratamiento a la semana

variable resultado
0,303
0,054
4,899
0,000
Ha: La condicin de asintomtico se encuentra asociada al uso de Mosaprida.
C aptulo 6

V de Cramer
Lambda
Pgina 501
C aptulo 6
La condicin de asintomtico se encuentra asociada al uso de
Mosaprida?
Variable PREDICTORA
Variable RESULTADO
- Asintomtico
- Sntomas
- Mejora clnica
Pgina 502
C aptulo 6
Pgina 503

Variable RESULTADO Resultado del tratamiento a la
semana
Variable PREDICTORA Asintomtico
Tipo de medicamento
Sintomtico
Mejora
Metoclopropamida
24 (8%)
54 (18%)
21 (7%)
Cisaprida
27 (9%)
18 (6%)
57 (19%)
Mosaprida
51 (17%)
27 (9%)
21 (7%)
2Pearson= 60,12
p = 0,000
Existe asociacin
Ha: El resultado del tratamiento depende del frmaco empleado.

La condicin de asintomtico se encuentra asociada al uso de Mosaprida?
C aptulo 6
Pgina 504
Nominal por nominal
Valor
EE
T aprox
Significacin
Simtrica
0,086
0,023
3,801
0,000
Tipo de Frmaco variable resultado
0,086
0,023
3,801
0,000
Resultado del tratamiento a la semana

variable resultado
0,086
0,023
3,801
0,000
Ha: La condicin de asintomtico se encuentra asociada al uso de Mosaprida.
C aptulo 6
Pgina 505
Odds Ratio (OR)

Enfermedad (Variable resultado)
Exposicin (Variable predictora)
Casos
(+)
(-)
A: Personas enfermas que estn expuestas

B: Personas sanas que estn expuestas
C: Personas enfermas que no estn
expuestas
D: Personas sanas que no estn expuestas
Controles
Tasa de exposicin
Tasa de exposicin
observada
en los CASOS
observada en los CASOS
OR
de exposicin observada en
OR ==Tasa
Tasa de exposicin observada en
los CONTROLES
los CONTROLES
OR
OR ==
OR
OR ==
[ [AA/ /CC] ]
[ [BB/ /DD] ]
[ [(A
(A**D)
D)] ]
[ [(B
(B**C)
C)] ]
C aptulo 6
Pgina 506
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.
C aptulo 6
Qu relacin y qu medida de asociacin existe entre la
cloracin del agua y el cncer de vejiga?
Variable PREDICTORA
CUALITATIVA dicotmica
Cloracin del agua
Variable RESULTADO
Cncer de vejiga
Pgina 507
C aptulo 6
Pgina 508
Odds Ratio (OR)

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

expuestas al cloro
B: Personas sanas expuestas al cloro
C: Personas enfermas de cncer de vejiga no
expuestas al cloro
D: Personas sanas no expuestas al cloro
OR
OR ==TasaTasadedeCLORACIN
exposicin observada
observadaen
los en
CONTROLES
SANOS (controles)
[A/C]
OR =
OR =
[B/D]
[ (A * D) ]
[ (B * C) ]
C aptulo 6
Influencia de la metodologa de la evaluacin

de la exposicin
Pgina 509
C aptulo 6
Pgina 510
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
C aptulo 6
Pgina 511
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.
Cln Esp 2001; 201:81-84.
C aptulo 6
Odds Ratio (OR)

Ejemplo estudio caso-control
Pgina 512
C aptulo 6
Odds Ratio (OR)

Ejemplo estudio caso-control
Pgina 513
C aptulo 6
Pgina 514
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.
Cln Esp 2001; 201:81-84.
C aptulo 6
Pgina 515

En las tablas 1 y 2 presentadas se han incluido slo 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?
Por qu 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 )?
C aptulo 6

prctica del cultivo de arroz y la estrongiloidiasis?
Variable RESULTADO
Estrongiloidiasis
Variable PREDICTORA
Cultivo de arroz
Casos
Controles
Total
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
Pgina 516
C aptulo 6
Pgina 517

Clculos del programa estadstico tabla
2x2
Valor
Grados de
libertad
Contraste
bilateral
2Pearson
6,361
0,012
Correccin de Yates
5,345
0,021
6,447
0,011

N Casos vlidos
0,020
Contraste
unilateral
0,010
94
Ho (hiptesis nula) = La prctica del cultivo de arroz NO est asociada a la estrongiloidiasis

en el grupo estudiado.
Ha (hiptesis alternativa) = La prctica del cultivo de arroz est asociada a la
estrongiloidiasis en el grupo estudiado.
C aptulo 6
= 3,84
AZAR
Ha (hiptesis alternativa) = Existe relacin entre la
prctica del cultivo de arroz y la estrongiloidiasis.
2 = 6,36
Error alfa
Ha
Ho
2
AZAR
Pgina 518
C aptulo 6
prctica del cultivo del arroz y la estrongiloidiasis?
Variable PREDICTORA
Variable RESULTADO
Cultivo de arroz
Estrongiloidiasis
OR = 2,97
IC95% = 1,16 7,71
2Pearson = 6,36;
p = 0,012
Q de Yule = 0,50
Pgina 519
C aptulo 6

prctica de la limpieza de acequias y la estrongiloidiasis?
Variable RESULTADO
Estrongiloidiasis
Variable PREDICTORA
Limpieza de acequia
Casos
Controles
Total
Si
17 (36%)
9 (19%)
26
No
30
38
68
Total
47
47
94
2 = 3,40 ;
p = 0,065
No existe asociacin
Pgina 520
C aptulo 6

Clculos del programa estadstico tabla
2x2
Valor
Grados de
libertad
Contraste
bilateral
2Pearson
3,403
0,065
Correccin de Yates
2,605
0,107
3,445

N Casos vlidos
Contraste
unilateral
0,063
1
0,106
94
Ho (hiptesis nula) = La limpieza de acequias NO est asociada a la

Ha (hiptesis alternativa) = La limpieza de acequias est asociada a la
0,053
Pgina 521
C aptulo 6
prctica de la limpieza de acequias y la estrongiloidiasis?
Variable PREDICTORA
Limpieza de acequias
Variable RESULTADO
Estrongiloidiasis
OR = 2,39
2 = 3,40 ;
IC95% = 0,85 - 6,82

p = 0,065
Q de Yule = 0,41
Pgina 522
C aptulo 6

2Pearson calculado = 3,40 < 2Pearson tabulado
= 3,84
AZAR
Ho (hiptesis nula) = NO existe relacin entre la prctica
de la limpieza de acequias y la estrongiloidiasis.
2 = 3,40
Error alfa
Ha
Ho
2
AZAR
Pgina 523
C aptulo 6
Pgina 524
Riesgo Relativo (RR)

Enfermedad (E)
Exposicin (F)
Casos
Tabaco (+)
Controles
Tabaco (-)
A: Personas enfermas de cncer de pulmn

fumadoras
B: Personas sanas fumadoras
C: Personas enfermas de cncer de pulmn
no fumadores
D: Personas sanas no fumadoras
[ A / (A + B)]
RR =
[ C / (C + D) ]
A<< B
A+ B B C+D D
RR =
Es la probabilidad de que una enfermedad (E) se desarrolle en el
grupo expuesto (F) en relacin a la del grupo no expuesto.
C<< D
[ (A * D) ]
[ (B * C) ]
C aptulo 6
exposicin al humo del tabaco durante la gestacin y el bajo
peso al nacimiento del RN?
Variable PREDICTORA
Exposicin al humo del
tabaco
Variable RESULTADO
Peso del RN
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.
Pgina 525
Pgina 526
C aptulo 6
Riesgo Relativo (RR)

Enfermedad (E)
Exposicin (F)
Casos
Tabaco (+)
A (20)
B (833)
Controles
Tabaco (-)
C (14)
D (1606)
A: RN de bajo peso de madres expuestas al

tabaco
B: RN normopeso de madres expuestas al
tabaco
C: RN de bajo paso de madres NO expuestas
al tabaco
D: RN normopeso de madres NO expuestas
al tabaco
En la Tabla, exponemos los resultados

de un estudio de seguimiento donde
853 mujeres estuvieron pasivamente
expuestas al humo del tabaco durante
la gestacin y 1620 no lo estuvieron,
y su asociacin con el bajo peso al
nacer.
2 = 9.03; p = 0.00265
95% IC (1.38;5.34)
Q de Yule = 0,47
RR =
Ie
Io
20/853
14/1620
= 2,713
El RR es 2.71, significa que las

expuestas al factor F (exposicin
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.
C aptulo 6
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?
Variable PREDICTORA
Ejercicio moderado/
Sedentarismo
Variable RESULTADO
Muerte / Supervivencia
100 pacientes
con IAM
Pgina 527
C aptulo 6
Pgina 528
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?
Sedentarios
N = 40
Seguimiento
5 aos
100 pacientes
con IAM
Ejercicio
moderado
N = 60
Seguimiento
5 aos
Fallecimientos A = 15
Sobrevivientes B = 25
Fallecimientos C = 10
Sobrevivientes D = 50
C aptulo 6
Evolucin de 100 pacientes

con IAM a los 5 aos en
funcin del ejercicio fsico
Exposicin (F) Variable
predictora
Desenlace (E)
Variable resultado
Muerte
Sobreviviente
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
Existe asociacin entre el factor

de riesgo (SEDENTARISMO) y el
desenlace (MUERTE)?
Pgina 529
C aptulo 6
Clculos del
programa
estadstico
Valor
Grados de libertad
Contraste bilateral
2Pearson (*)
5,56
0,018
Correccin de
Yates
4,50
0,034
Razn de
verosimilitud
5,47
Test exacto de
Fisher
N Casos vlidos
0,019
1
0,033
0,017
100
Ha: Existe asociacin entre el factor de riesgo (SEDENTARISMO) y el desenlace

(MUERTE).
Pgina 530
C aptulo 6
Pgina 531
2 = 5,56
Error alfa
Ho
Ha
2
AZAR
2Pearson
2Pearson calculado = 5,56 >2Pearson
= 43,99;
p<0,0000001
tabulado
= 3,84
Existe asociacin
p < 0,05
C aptulo 6

predictora
Pgina 532
Desenlace (E)
Variable resultado
Muerte
Sobreviviente
Sedentarismo (+)
A = 15
B = 25
Sedentarismo (-)
C = 10
D = 50

Cul es la intensidad o
magnitud de dicha asociacin?
RR =
[ A / (A + B)]
[ 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).
C aptulo 6
Riesgo Relativo (RR) =
RR =
Tasa de Incidencia de muertes en

sedentarios (en expuestos)
[ A / (A + B)]
[ C / (C + D) ]
Tasa de Incidencia de muertes

en deportistas ( NO expuestos )
RR =
[ 15 / (15 + 25)]
[ 10 / (10 + 50) ]
RR = 2,25
Q de Yule = 0,50
2Pearson= 5,56;
RR =
p = 0,018
Ie
Io
= 2,25
Pgina 533
C aptulo 6
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?
Variable PREDICTORA
Ejercicio moderado/
Sedentarismo
Variable RESULTADO
Muerte / Supervivencia
100 pacientes
con IAM
Pgina 534
C aptulo 6
Pgina 535
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?
Ejercicio
moderado
N = 60
Sedentarios
N = 40
Seguimiento
5 aos
100 pacientes
con IAM
Seguimiento
5 aos
Fallecimientos C = 10
Sobrevivientes D = 50
Fallecimientos A = 15
Sobrevivientes B = 25
C aptulo 6

predictora
Pgina 536
Desenlace (E)
Variable resultado
Muerte
Sobreviviente
Ejercicio fsico (+)
A = 10
B = 50
Ejercicio fsico (-)
C = 15
D = 25

A: Fallecidos con ejercicio fsico moderado
B: Sobrevivientes con ejercicio fsico
moderado
C: Fallecidos sedentarios (NO deportistas)
D: Sobrevivientes sedentario (NO deportistas)
RR =
[ A / (A + B)]
[ C / (C + D) ]
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).
C aptulo 6
RR =
Tasa de Incidencia de muertes en

deportistas moderados (en expuestos)
Tasa de Incidencia de muertes
en sedentarios ( NO expuestos )
[ A / (A + B)]
[ C / (C + D) ]
RR =
[ 10 / (10 + 50)]
[ 15 / (15 + 25) ]
RR = 0,44
Q de Yule = - 0,50
2Pearson= 5,56;
RR =
p = 0,018
Ie
Io
= 0,44
Pgina 537
C aptulo 6
Pgina 538
Evolucin de 100 pacientes operados con una NUEVA tcnica quirrgica frente a 100
pacientes operados con la tcnica CLSICA.
Nueva tcnica quirrgica

Grupo problema
N= 100
Tcnica clsica
Grupo Control
N = 100
Seguimiento
Complicaciones A = 15
Sin complicaciones B = 85
Complicaciones C = 20
Seguimiento
Sin complicaciones D = 80
C aptulo 6
RR =
Tasa de Incidencia de complicaciones

con la NUEVA tcnica
Tasa de Incidencia de
complicaciones con la tcnica
CLASICA
[ A / (A + B)]
[ C / (C + D) ]
RR =
RR =
[ 15 / (15 + 85)]
[ 20 / (20 + 80) ]
Ie
Io
= 0,75
RR = 0,75
RRR = [ 1 RR ] * 100
RRR = 25%
RRA = [ IN IC ] * 100
RRA = 5%
Pgina 539
C aptulo 6
Evento en estudio
Frmula
Incidencia de complicaciones
quirrgicas con la NUEVA
tcnica
I N = [ A / (A + B)]
Incidencia de complicaciones
quirrgicas con la tcnica
CLSICA
I C = [ C / (C + D) ]
RIESGO RELATIVO (RR)
[ A / (A + B)]
RR =
Reduccin del RIESGO

RELATIVO (RRR)
Reduccin ABSOLUTA del
RIESGO (RAR)
Nmero de pacientes que se
necesita operar (NNT)
Complicaciones quirrgicas
15%
20%
0,75
[ C / (C + D) ]
RRR = [ 1 RR ] * 100
RAR = [ IN IC ] * 100
NNT = [ 1 / RAR ] * 100
25%
5%
20
Pgina 540
C aptulo 6
Pgina 541
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
DIFERENCIA
Pacientes
9599
9586
ICTUS
4,6%
4,8%
- 0,2%
IAM
2,9%
3,5%
- 0,6%
Otras muertes vasculares
2,4%
2,4%
0%
Total de eventos vasculares
9,8%
10,7%
- 0,9%
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 slo 0,9%.
C aptulo 6
Pgina 542
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
PLAVIX
Grupo control
ASPIRINA
Iplavix = 9,8
Eventos cardiovasculares A
Seguimiento
Sin eventos B
Seguimiento
Iaspirina = 10,7
Eventos cardiovasculares C
Sin eventos D
C aptulo 6
RR =
IP
IA
Tasa de Incidencia de eventos

cardiovasculares con el PLAVIX
Tasa de Incidencia de eventos
cardiovasculares con ASPIRINA
9,8
10,7
= 0,916
RRR = [ 1 RR ] * 100
RR =
IP
IA
RR = 0,916
RRR = 8,7%
IC95% = 0,3-16,5% p = 0,045
RAR = [ IP IA ] * 100
NNT = [ 1 / RAR ] * 100
RAR = 0,9%
NNT = 111
pacientes
Pgina 543
C aptulo 6
Evento en estudio
Incidencia de eventos
cardiovasculares con el PLAVIX
Incidencia de eventos
cardiovasculares con la
ASPIRINA
Frmula
Complicaciones quirrgicas
I Plavix= [ A / (A + B)]
9,8%
I Aspirina = [ C / (C + D) ]
RIESGO RELATIVO (RR)
RR =
Reduccin del RIESGO
RELATIVO (RRR)
[ A / (A + B)]
0,916
[ C / (C + D) ]
RRR = [ 1 RR ] * 100
Reduccin ABSOLUTA del

RIESGO (RAR)
RAR = [ IN IC ] * 100
Nmero de pacientes que se

necesita operar (NNT)
NNT = [ 1 / RAR ] * 100
Aumento del coste mensual del

Plavix respecto a la aspirina
10,7%
Ensayo CAPRIE (Lancet)
8,7%
0,9%
111
+ 112 $ (94 )
Pgina 544
C aptulo 6
Pgina 545
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 (slo 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.
C aptulo 6
Pgina 546
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.
C aptulo 6
Grupo problema
SIMVASTATINA
N = 2223
Grupo control
PLACEBO
N = 2221
ISimvastatina = 19%
Seguimiento
medio 5,4 aos
IPlacebo = 28%
Incidentes coronarios
mayores A = 431
Sin eventos B
Incidentes coronarios
mayores C = 622
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.
Pgina 547
C aptulo 6
Muertes de origen NO
cardiovascular 46
Grupo problema
SIMVASTATINA
N = 2223
Grupo control
PLACEBO
N = 2221
ISimvastatina = 8%
Muertes de origen NO
cardiovascular 49
IPlacebo = 12%
Muertes de origen
cardiovascular A = 111
Sin eventos B
Muertes de origen
cardiovascular C = 189
Sin eventos D
Seguimiento
medio 5,4 aos
Pgina 548
Pgina 549
C aptulo 6
Simvastatina Placebo
RR
RRR
RAR
Incidentes
cardiovasculares
mayores
19%
28%
0,68
32%
9%
11
Mortalidad
8%
12%
0,66
33%
4%
25
RR =
IA
[ 1 / RAR ] * 100
Incidencia
en tratados
con
placebo
IP
[ 1 RR ] * 100
Incidencia
en tratados
con
Simvastatina
IS
IS
IS IP
NNT
C aptulo 6
Prdidas
Grupo problema
WARFARINA
N = 1103
IWarfarina = 17,8
Prdidas
Grupo control
ASPIRINA
N = 1103
IAspirina = 16,0
Pgina 550
Recurrencia de accidentes
vasculares cerebrales de origen isqumico o muerte
196
Sin eventos
Recurrencia de accidentes
vasculares cerebrales de origen isqumico o muerte
176
Sin eventos
Seguimiento 2 aos
Mohr JP, Thompson JLP, Lazar RM, Levin B, Sacco RL, Furie KL, et al. A comparison
of warfarin and aspirin for the prevention of recurrent ischemic stroke.
N Engl J Med 2001;345:1444-51.
C aptulo 6
Pgina 551
C aptulo 6
RR =
17,8
16,0
Tasa de Incidencia de Recurrencia de

accidentes vasculares cerebrales de origen
isqumico o muerte con WARFARINA
Tasa de Incidencia de Recurrencia de
accidentes vasculares cerebrales de
origen isqumico o muerte con ASPIRINA
RR =
IW
IA
= 1,13
RR = 1,13 ;
IC95% = 0,92 - 1,38
RRR = [ 1 RR ] * 100
p = 0,25
RRR = - 13%
N Engl J Med 2001;345:1444-51.
Pgina 552
C aptulo 6
IWarfarina = 2,2
Grupo problema
WARFARINA
N = 1103
Grupo control
ASPIRINA
N = 1103
Prdidas
Seguimiento 2 aos
IAspirina = 1,5
Prdidas
Hemorragias
Intensas
44
Sin eventos
Hemorragias
Intensas
30
Sin eventos
Seguimiento 2 aos
N Engl J Med 2001;345:1444-51.
Pgina 553
C aptulo 6
RR =
IP
IA
Tasa de Incidencia de HEMORRAGIAS

intensas con WARFARINA
intensas con ASPIRINA
RR =
2,2
1,5
= 1,48
RR = 1,48;
IC95%= 0,93-2,44
RRR = [ 1 RR ] * 100
p = 0,10
RRR = - 48%
N Engl J Med 2001;345:1444-51.
Pgina 554
C aptulo 6
Aspirina
Incidencia en
tratados con
WARFARINA
IW
Incidencia
en tratados
con
ASPIRINA
IA
2,2
1,5
RR
RRR
IS IW
RRRR
= =
IA IA
1,48
[ 1 RR ] * 100
Incidencia
HEMORRAGIAS
intensas
Warfarina
- 48%
RAR
IW I A
0,7
Adems, tal como comentaban los autores en la discusin del artculo, la

warfarina tiene un coste mayor y requiere una monitorizacin ms estrecha.
Con estos datos, se puede considerar que la warfarina y la aspirina
son alternativas teraputicas razonables para prevenir los accidentes
cerebrovasculares isqumicos recurrentes?
Mohr JP, Thompson JLP, Lazar RM, Levin B, Sacco RL, Furie KL, et al.
A comparison of warfarin and aspirin for the prevention of recurrent ischemic stroke.
N Engl J Med 2001;345:1444-51.
Pgina 555
C aptulo 6
Grupo problema
WARFARINA
N = 1103
Grupo control
ASPIRINA
N = 1103
IWarfarina = 20,8
Prdidas
Seguimiento 2 aos
IAspirina = 12,9
Prdidas
Hemorragias leves
413
Sin eventos
Hemorragias leves
259
Sin eventos
Seguimiento 2 aos
N Engl J Med 2001;345:1444-51.
Pgina 556
C aptulo 6
RR =
IP
IA

leves con WARFARINA
leves con ASPIRINA
RR =
20,8
12,9
= 1,61
RR = 1,61;
IC95%= 1,38-1,89
RRR = [ 1 RR ] * 100
p < 0,001
RRR = - 61%
N Engl J Med 2001;345:1444-51.
Pgina 557
C aptulo 6
Aspirina
Incidencia en
tratados con
WARFARINA
IW
Incidencia
en tratados
con
ASPIRINA
IA
20,8
12,9
RR
RRR
IS IW
RRRR
= =
IA IA
1,61
[ 1 RR ] * 100
Incidencia
HEMORRAGIAS leves
Warfarina
- 61%
RAR
IW I A
7,9
Adems, tal como comentaban los autores en la discusin del artculo, la

warfarina tiene un coste mayor y requiere una monitorizacin ms estrecha.
Con estos datos, se puede considerar que la warfarina y la aspirina
son alternativas teraputicas razonables para prevenir los accidentes
cerebrovasculares isqumicos recurrentes?
Mohr JP, Thompson JLP, Lazar RM, Levin B, Sacco RL, Furie KL, et al.
A comparison of warfarin and aspirin for the prevention of recurrent ischemic stroke.
N Engl J Med 2001;345:1444-51.
Pgina 558
C aptulo 6
Pgina 559
C aptulo 6
Pgina 560
C aptulo 6
Pgina 561
C aptulo 6
Pgina 562
C aptulo 6
Pgina 563
C aptulo 6
Pgina 564
C aptulo 6
Pgina 565
C aptulo 6
Pgina 566
C aptulo 6
there were no significant differences between the warfarin and

aspirin groups in the time to the primary end point (p = 0,25 by
two-tailed logrank test; hazard ratio for warfarin as compared with
aspirin, 1.13; 95 percent confidence interval, 0.92 to 1.38; two-year
probability of an event, 17.8 percent with warfarin and 16.0
percent with aspirin) (Table 2 and Fig. 2)
Pgina 567
C aptulo 6
RESULTS (fragmento del texto)

The rates of major hemorrhage were low, with no significant
differences between treatment groups; the annual rates were
2.22 per 100 patient-years for warfarin and 1.49 per 100
patient-years for aspirin (rate ratio, 1.48; p = 0,10). Patients in
the warfarin group had significantly more minor hemorrhages
than did those in the aspirin group (Table 3). There was no
significant difference between groups in the time to the first
occurrence of major hemorrhage or the primary end point (p =
0,16; hazard ratio with warfarin as compared with aspirin, 1.15;
95 percent confidence interval, 0.95 to 1.39) (Table 2).
Pgina 568
C aptulo 6
DISCUSSION
(fragmento del texto)
We observed no significant difference between treatment

with warfarin and treatment with aspirin in the prevention of
recurrent ischemic stroke or death or in the occurrence of
serious adverse events in this large cohort of patients with
inferred noncardioembolic ischemic stroke..
Warfarin offered no additional benefit over aspirin in
preventing recurrent ischemic stroke in the population we
studied. Patients with other, established reasons for warfarin
use may take comfort in the evidence of safety and lack of
significant difference overall, as compared with aspirin.
However, aspirin, either alone or in combination with some
other antiplatelet agents, 38 appears to be a well-justified
choice for the prevention of recurrent ischemic stroke.
Pgina 569
C aptulo 6
Pgina 570
Por qu concluyes que la ausencia de evidencia es evidencia de ausencia?

La ausencia de evidencia NO es evidencia de ausencia.
Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ
1995;311:485.
Altman y Bland alertaron sobre un error comn en la bibliografa biomdica:
interpretar un resultado estadsticamente no significativo, cuando se comparan
dos tratamientos, como sinnimo de su equivalencia teraputica.
C aptulo 6
Pgina 571

En este estudio se comparaba la eficacia de la warfarina y de la aspirina para prevenir las
recurrencias de los accidentes vasculares cerebrales de origen isqumico. Mohr JP, et al
disearon el estudio para poder demostrar una reduccin relativa del riesgo (RRR) del 30%
en el grupo tratado con warfarina. Cuando finaliz el perodo de dos aos de seguimiento,
no se observaron diferencias estadsticamente significativas entre los dos grupos, y los
autores llegaron a la conclusin de que la warfarina y la aspirina son opciones teraputicas
razonables en este tipo de situaciones clnicas. Sin embargo, la warfarina no slo NO
consigui reducir el riesgo en un 30%, sino que lo INCREMENT en un 13%, y el riesgo
de HEMORRAGIAS importantes fue SUPERIOR en el grupo de la WARFARINA (2,22 por
100 pacientes/ao) frente a la ASPIRINA (1,49 por 100 pacientes/ao en el grupo aspirina)
pero sin alcanzar significacin. Con estos datos.
Crees que se puede considerar que la warfarina y la aspirina son alternativas teraputicas
razonables para prevenir los accidentes cerebrovasculares isqumicos recurrentes?
NO.
Adems, tal como comentaban los autores en la discusin del artculo, la warfarina tiene
un coste mayor y requiere una monitorizacin ms estrecha.
C aptulo 6
Pgina 572
C aptulo 6
El Romiplostim produjo un aumento estadsticamente significativo

del recuento de plaquetas durante el periodo de estudio, pero no
se asoci a una disminucin del las hemorragias de grado .
Pgina 573
C aptulo 6
Pgina 574
C aptulo 6
Pgina 575
C aptulo 6
Pgina 576
C aptulo 6
Pgina 577
Romiplostim. PTI
- Romiplostim. Ensayo pivotal. Fase III vs. placebo.
- Inclusin: < 30.000 plaquetas/mmc.
- Objetivo principal: > 50.000 plaquetas/mmc.
Efectos adversos:
Hemorragia Grado 3/4
Objetivo subrrogado
Romiplostim
Placebo
6 de 84 (7%)
5 de 41 (12%)
n.s.
David J Kuter, James B Bussel. Efficacy of romiplostim in patients with chronic immune thrombocytopenic
purpura: a double-blind randomised controlled trial. Lancet 2008; 371: 395403.
C aptulo 6
Pgina 578
Romiplostim. PTI
Hemorragia Grado 3/4
Romiplostim
Placebo
Total
SI
6 (7%)
5 (12%)
11
NO
78
36
114
Total
84
41
125
El Romiplostim produjo un aumento estadsticamente significativo del

recuento de plaquetas durante el periodo de estudio, pero no se asoci a
una disminucin del las hemorragias de grado .
2Pearson= 0,88;
p = 0,349
David J Kuter, James B Bussel. Efficacy of romiplostim in patients with chronic immune thrombocytopenic
purpura: a double-blind randomised controlled trial. Lancet 2008; 371: 395403.
C aptulo 6
Odds Ratio (OR) versus Riesgo Relativo (RR)

Enfermedad (E)
Exposicin (F)
Cncer de
pncreas (+)
No enfermos (-) Total
Tabaco (+)
A (10)
B (9990)
10000
Tabaco (-)
C (10)
D (19990)
20000
Total
20
29980
30000
Tasa de exposicin
observada en los CASOS
OR = [ A
/ (A + B)]
de exposicin observada en
RR = Tasa
los CONTROLES
[ C / (C + D) ]
[ 10 / (10000)]
RR =
[A/C]
OR = 2,001
OR =
[B/D]
[ 10 / (20000) ]
[ 10/10 ]
OR =
[ 9990 /19990 ]
RR = 2,000
[ (A * D) ]
La OR slo se aproxima al RR cuando el suceso es raro y ocurre en menos del 10% de los sujetos, en
OR =
estos casos ambos estimadores son intercambiables.
[ (B * C) ]
Pgina 579
C aptulo 6
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
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.
Pgina 580
C aptulo 6
Datos categricos:
- Tau-C de Kendall
- D de Somers
sea NOMINAL
Pgina 581
C aptulo 6
Existe relacin entre el nivel cultural y el hbito tabquico?
Variable PREDICTORA
CUALITATIVA ordinal
Nivel cultural
Variable RESULTADO
Hbito tabquico
Pgina 582
C aptulo 6
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
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
Pgina 583
C aptulo 6
Frecuencia de tabaquismo
Grfico que representa el porcentaje de fumadores

segn su nivel de instruccin
p = 0,001
Pgina 584
C aptulo 6
Existe relacin entre el nivel cultural y la realizacin de
alguna mamografas de cribado en los 3 ltimos aos?
Variable PREDICTORA
CUALITATIVA ordinal
Nivel educativo
Variable RESULTADO
Mamografa
Pgina 585
C aptulo 6
Existe relacin entre el nivel de instruccin y la

realizacin de mamografas?
Tabla de contingencia que representa el nivel de estudios alcanzado frente a la realizacin de alguna
mamografa de cribado en los ltimos 3 aos.
Mamografa de cribado
ESTUDIOS
SI
NO
OR
Sin estudios
233
3,7%
1,00
Primarios
81
700
10,4%
3,00
1,48 - 6,06
Secundarios
23
140
14,1%
4,25
1,91 9.45
Universitarios
13
41
24,1%
8,21
3,30 20,44
TOTAL
126
1114

p < 0,00001
IC 95%
Pgina 586
C aptulo 6
Frecuencia de participacin en programas de prevencin

Mujeres que se han realizado alguna mamografia en los 3 ltimos aos
Grfico que representa el porcentaje de fumadores

segn su nivel de instruccin
p < 0,0001
Pgina 587
C aptulo 6
Pgina 588

El conocimiento que las mujeres tienen de la mamografa como medida
preventiva del cncer de mama se encuentra asociado estadsticamente a
la mayor utilizacin de la misma por parte de stas y se detecta una clara
tendencia creciente en la utilizacin de la mamografa de cribado a medida
que aumenta el nivel educativo de las mujeres de la muestra.
Sim Miana J, Gaztambide Ganuza M, Morote Sanchs M, et al. Utilizacin de la mamografa de cribado
y sus determinantes demogrficos y de riesgo entre mujeres de 25 a 65 aos. Med Clin (Barc) 1997; 108:
767-771.
C aptulo 6
Pgina 589

Coincidente con otros datos publicados es la relacin encontrada entre el
nivel educativo y la utilizacin de la mamografa de cribado. Al igual que
ocurre con otras prcticas de carcter preventivo, la mamografa de cribado
es ms utilizada por las mujeres con mayor nivel educativo. No hay que
olvidar que este factor est relacionado con el nivel econmico, variable que
no ha sido recogida en nuestro trabajo y que tambin ha sido asociada a una
mayor utilizacin de la mamografa de cribado.
Sim Miana J, Gaztambide Ganuza M, Morote Sanchs M, et al. Utilizacin de la mamografa de cribado
y sus determinantes demogrficos y de riesgo entre mujeres de 25 a 65 aos. Med Clin (Barc) 1997; 108:
767-771.
C aptulo 6
Existe relacin entre el sndrome anmico gestacional
y el grupo cultural en Ceuta? Existen diferencias en la
prevalencia durante los trimestres de la gestacin?
Variable PREDICTORA
- Cristianas
- Musulmanas
Variable RESULTADO
Cualitativa ordinal
Sndrome anmico gestacional
- Primer trimestre
- Segundo trimestre
- Tercer trimestre
Daz Portillo J et al. Prevalencia del sndrome anmico gestacional en Ceuta. Estudio de una poblacin
birracial. Ciencia Ginecolgika 1998, 2 (1): 3-14.
Pgina 590
C aptulo 6
Pgina 591
Tabla de contingencia que representa la prevalencia de sndrome anmico gestacional en los dos grupos
culturales mayoritarios de Ceuta, y su incidencia en cada trimestre del embarazo.
Mamografa de cribado
Trimestre
Cristianas
Musulmanas
Test 2
Total
1 trimestre
5,1%
11,4%
4,75
p = 0,029
7,9%
2 trimestre
23,9%
27,0%
NS
NS
25,5%
3 trimestre
39,6%
57,4%
19,91
p < 0,0001 49,2%
de tendencia lineal
34,3
56,7
71,8
Significacin (p)
p < 0,001
p < 0,001
p < 0,001

Test de 2 de Pearson de indepencia
C aptulo 6
Frecuencia de Sndrome anmico gestacional
Grfico que representa la prevalencia de sndrome

anmico gestacional en los dos grupos culturales
mayoritarios de Ceuta
Pgina 592
C aptulo 6
La hipertrigliceridemia en sangre de cordn umbilical
puede ser indicativa de episodios de sufrimiento fetal?
Variable PREDICTORA
SFA
Test de APGAR
Variable RESULTADO
Hipertrigliceridemia
Triglicridos (sangre de
cordn)
Pgina 593
C aptulo 6
Pgina 594

Categorizacin
Variable RESULTADO
Cualitativa nominal
Variable RESULTADO
Variable PREDICTORA
Variable
PREDICTORA
Cualitativa ordinal
Tabla 4.- Relacin entre la presencia de hipertrigliceridemia neonatal y el indice de apgar al minuto.
OR
TEST DE
Normotrigliceridemia
APGAR
Mayor de 7
Igual a 7
Menor de 7
(n=36)
(n=636)
27 (2,1%)
1253 (97,9%)
1,00
4 (11,1%)
81 (88,9%)
2,29
5 (15,6%)
27 (84,4%)
8,57
OR: Odds Ratio

Test de ji al cuadrado de tendencia (2) = 20,85 ; p<0,0001
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.
C aptulo 6
Pgina 595
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.
C aptulo 6
Pgina 596
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
SFA
Desenlace o efecto
OR = 7,23 p=0,003
C aptulo 6
Pgina 597
La hipertrigliceridemia en sangre de cordn umbilical puede
ser debida al consumo de tabaco durante la gestacin?
Variable PREDICTORA
Consumo de tabaco
Variable RESULTADO
Triglicridos (sangre de cordn)
Jacobo Daz Portillo, Mara Jess Snchez Del Pino, Ana Navarro Arvalo. INFLUENCIA DEL
TABAQUISMO EN EL PERFIL LIPOPROTEICO Y GRADO DE PEROXIDACIN LIPDICA EN SANGRE DE
CORDN.
Revista de Diagnstico Biolgico 2000; 49: 23-30.
C aptulo 6

Categorizacin
Variable RESULTADO
Cualitativa nominal
Variable RESULTADO
Influencia del tabaco
neonatal
Normotrigliceridemia
neonatal
OR
No fumadoras
1,7%
98,3%
1,00
Fumadoras moderadas
5,3%
94,7%
3,20
Grandes fumadoras
5,4%
94,6%
3,27
p=0,017
Utiliza la estadstica como un borracho usa una farola, para aguantarse en

lugar de para iluminarse
Andrew Lang
Pgina 598
C aptulo 6
Pgina 599
Existen diferencias en la prevalencia de infeccin tuberculosa
en el colectivo de inmigrantes residentes en el campamento de
Calamocarro en Ceuta segn la edad?
Variable PREDICTORA
CUALITATIVA policotmica
Inmigrantes
< 25 aos
25-35 aos
>35
Variable RESULTADO
Tuberculosis

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.
C aptulo 6
Pgina 600
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.
C aptulo 6
Pgina 601

Categorizacin
Variable RESULTADO
Cualitativa nominal policotmica
Variable RESULTADO
Grupo etario
Mantoux (+)
Mantoux (-)
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%
p = 0,07

Andrew Lang
C aptulo 6
Test de 2 de Pearson de independencia

Categorizacin
Variable RESULTADO
Cualitativa nominal dicotmica
Variable RESULTADO
Grupo etario
Mantoux (+)
Mantoux (-)
Prevalencia
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
Pgina 602
C aptulo 6
Pgina 603
Existen diferencias en la prevalencia de infeccin tuberculosa
en el colectivo de inmigrantes residentes en Toledo segn la
edad?
Variable PREDICTORA
Inmigrantes
< 20 aos
25-29 aos
30-39 aos
Variable RESULTADO
Tuberculosis

C aptulo 6
Pgina 604
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.
C aptulo 6

Categorizacin
Variable RESULTADO
Cualitativa nominal ordinal
Variable RESULTADO
Prueba de la
tuberculina
Transversal
Casoscontroles
Grupo etario
Mantoux (+)
Mantoux (-)
Prevalencia
OR
Menos de 25 aos
61
64
7,8%
1,00
25 - 35 aos
21
41
62
33,9%
6,25
> 35 aos
36
57
93
38,7%
7,71
p = 0,00003
Pgina 605
C aptulo 6
Qu relacin existe entre la edad y la presencia de deterioro
cognitivo moderado-severo en un grupo de enfermos mayores
( aos) atendidos en los servicios de urgencia del hospital?
Variable PREDICTORA
Cualitativa ORDINAL
Grupo etario
- 60-64 aos
- 65-69 aos
- 70-74 aos
- 75-79 aos
- 80-84 aos
85 aos
Variable RESULTADO
Deterioro cognitivo

Laguna P, Moya M, Gazapo R, Salgado R, Calabrese S. Deteccin de deterioro cognitivo en ancianos
atendidos en un servicio de urgencias hospitalario. Rev Cln Esp 1997; 197: 336-340.
Pgina 606
C aptulo 6

Categorizacin
Variable RESULTADO
Variable RESULTADO
Deterioro cognitivo
Transversal
Casos-controles
Grupo etario
SI
NO
Prevalencia
OR
60 - 64 aos
41
49
16,3%
1,00
65 - 69 aos
14
56
70
20 %
1,28
0,45 - 3,72
70 - 74 aos
19
64
83
22,9%
1,52
0,56 - 4,20
75 - 79 aos
18
51
69
26,1%
1,81
0,66 - 5,09
80 - 84 aos
18
33
51
35,3%
2,80
0,99 - 8,09
85 aos
17
13
30
56,7%
6,70
2,11 22,07
Total
94
258
352
26,7%
p = 0,0005
IC95%
Pgina 607
C aptulo 6
Pgina 608

Por qu estratificas la variable edad en 6 categoras?
Por qu no categorizas la variable edad en slo 3 estratos ordinales?
Aunque el clculo de la prueba Pearson de tendencia lineal ha resultado
significativa, el IC95% de los OR de los distintos grupos de edad incluyen el 1
(valor numrico de igualdad), con lo que perdemos informacin...
2
El test de de tendencia lineal, aunque admite ms de 3 categoras ordinales

para la variable predictora, no es conveniente estratificar ms all a no ser
que se disponga de un importante volumen muestral, de lo contrario los
IC95% no son significativos.
2
C aptulo 6

Categorizacin
Variable RESULTADO
Variable RESULTADO
Deterioro cognitivo
Transversal
Casos-controles
Grupo etario
SI
NO
Prevalencia
OR
60 - 69 aos
22
97
119
18,5%
1,00
IC95%
70 79 aos
37
115
152
32,2%
1,42
(1,12 1,83)
80 aos
35
46
81
43,2%
3,35
(2,05 4,96)
Total
94
258
352
26,7%
El anlisis de tendencias demostr una relacin estadsticamente significativa entre la

edad del anciano y el deterioro cognitivo de grado moderado o severo (p < 0,001).
p = 0,0002
Pgina 609
C aptulo 6
Existe relacin entre el hbito tabquico y la presencia del
ADN del Papiloma virus (HPV) en pacientes con lesiones
escamosas intraepiteliales del crvix uterino?
Variable PREDICTORA
Cualitativa ORDINAL
Hbito tabquico
(n cigarrillos/da)
1. No fumador (0 )
2. Moderado ( 20)
3. Alto (> 20)
Variable RESULTADO
ADN del HPV
Human Papilloma Virus

Laguna P, Moya M, Gazapo R, Salgado R, Calabrese S. Deteccin de deterioro cognitivo en ancianos
atendidos en un servicio de urgencias hospitalario. Rev Cln Esp 1997; 197: 336-340.
Pgina 610
C aptulo 6

ADN HPV
TABACO
(+)
(-)
OR
No fumador
13
27,8
1,00
IC 95%
Moderado
19
24
44,2
2,06
0,55 8,62
0,36
Alto
80,0
TOTAL
28
38
10,40
0,70 550,31
0,06
0,045
Tabla de contingencia que representa el hbito tabquico (n de cigarrillos al da) y la

presencia del ADN del papiloma virus (HPV) en pacientes con lesiones escamosas
intraepiteliales del crvix uterino.
Pgina 611
C aptulo 6
Pgina 612
No se observaron diferencias significativas entre la edad media y la edad

media de inicio de las relaciones sexuales, y la positividad del HPV. Por
el contrario, la asociacin con el hbito tabquico fue estadsticamente
significativa, observndose una asociacin creciente ente la deteccin del
HPV y el consumo de cigarrillos (tabla).
Torn A, Ordi J, Lluis M, et al. Determinacin del papiloma virus mediante hibridacin in situ. Correlacin
clnicopatolgica y virolgica en pacientes con lesiones escamosas intraepiteliales del crvix uterino. Med
Clin (Barc) 1997; 109: 691-695.
C aptulo 6
Pgina 613
Diversos estudios han destacado el efecto que el consumo de tabaco

puede ejercer en interaccin con el HPV facilitando y cooperando con los
mecanismos oncogenticos. En el presente estudio, el hallazgo de una
asociacin creciente entre la deteccin del HPV y el consumo de cigarrillos
puede relacionarse con el resultado de estudios experimentales que
demuestran que los productos del tabaco causan un defecto inmunolgico
a nivel cervical, disminuyendo la capacidad de presentacin de antgenos
por las clulas de langerhans, fenmeno que finalmente favorece tanto la
infeccin por HPV en el epitelio cervical.
Torn A, Ordi J, Lluis M, et al. Determinacin del papiloma virus mediante hibridacin in situ. Correlacin
clnicopatolgica y virolgica en pacientes con lesiones escamosas intraepiteliales del crvix uterino. Med
Clin (Barc) 1997; 109: 691-695.
C aptulo 6
Pgina 614

Aunque el clculo de la prueba Pearson de tendencia lineal ha resultado
significativa (p= 0,045), sin embargo el IC95% de los OR de los distintos
grupos de fumadoras (moderadas e intensas) incluyen el 1 (valor numrico de
igualdad), con lo que perdemos informacin, adems se pierde significacin
estadstica (p>0,05)
2
El test de de tendencia lineal, aunque admite 3 o ms categoras ordinales

para la variable predictora, NO es conveniente que los casilleros contengan
valores inferiores a 5, como ocurre en el grupo de las fumadoras intensas (>
20 cigarrillos/da) .
2
Sabes lo que ocurre si agrupas las fumadoras moderadas con las intensas y
la enfrentas a las no fumadoras (no fumadoras versus fumadoras)?
OBSERVA LO QUE OCURRE!!!
C aptulo 6
Tabla de contingencia que representa la presencia del HPV con el hbito

tabquico.
ADN HPV
TABACO
SI (+)
NO (-)
Total
NO
13
18
SI
23
25
48
TOTAL
28
38
66

2 = 2,17
p=0,140
No existe asociacin
Pgina 615
C aptulo 6
Pgina 616

Por qu torturas a los datos con test estadsticos NO idneos para que te
digan lo que a ti te interesa?
Sabes lo que te ha ocurrido?
Te ha abrumado el enorme peso de la bibliografa que es muy numerosa
en estudios experimentales y clnicos que relacionan el tabaco, el HPV y el
cncer de crvix, y su interaccin.
Ante tan bajo volumen muestral
No crees que puedes haber cometido un error beta (bajo tamao muestral)?
Sndrome de la CARGA bibliogrfica

C aptulo 6
Existe asociacin entre el hbito tabquico y la EPOC?
Variable PREDICTORA
Hbito tabquico
Variable RESULTADO
EPOC
Pgina 617
C aptulo 6
Tabla de contingencia que representa la EPOC frente al hbito tabquico.

EPOC
TABACO
SI
NO
Total
SI
26 (43%)
34
60
NO
7 (23%)
23
30
TOTAL
33
57
90

2 = 3,44
p=0,063
No existe asociacin
Pgina 618
C aptulo 6
Existe relacin entre la EPOC y el la intensidad del hbito
tabquico?
Variable PREDICTORA
Cualitativa ordinal
Hbito tabquico
1. No fumador
2. Moderado
3. Alto
Variable RESULTADO
EPOC
Pgina 619
C aptulo 6

EPOC
TABACO
SI
NO
Total
No fumador
23
30
Moderado
11
19
30
Alto
15
15
30
TOTAL
33
57
90

2 = 4,60
p=0,111
No existe asociacin
Pgina 620
C aptulo 6
Pgina 621

Por qu utilizas el test de
Pearson
Se cumplen sus condiciones de aplicacin?

En el clculo de la prueba Pearson no se tiene en cuenta el orden de las
categoras y de este modo perdemos una valiosa informacin..
2
El test de de tendencia lineal, siempre tiene un grado de libertad, e incluye

2
una modificacin para su clculo respecto a la expresin de la prueba
, de modo se tiene en cuenta el orden de las categoras.
Pearson
2
C aptulo 6

EPOC
Caso-control
TABACO
SI
NO
Total
OR
No fumador
23
30
1,00
Moderado
11
19
30
1,90
Alto
15
15
30
3,29
TOTAL
33
57
90

2 = 4,54
p = 0,033
Existe asociacin
Pgina 622
C aptulo 6
Existe relacin entre la gravedad de la EPOC y la intensidad
del hbito tabquico?
Variable PREDICTORA
Cualitativa ordinal
Hbito tabquico
1. No fumador
2. Moderado
3. Alto
Variable RESULTADO
Cualitativa ordinal
Gravedad EPOC
1. Leve
2. Moderada
3. Grave
Pgina 623
C aptulo 6
Tabla de contingencia que representa la gravedad de la EPOC frente al hbito tabquico

EPOC
TABACO
Leve
Moderado
Grave
Total
No Fumador
20
30
Moderado
10
12
30
Alto consumo
20
30
TOTAL
30
26
34
90

Coeficiente Gamma
= 0,718
Fuerte asociacin positiva entre ambas variables
Existe asociacin
Pgina 624
C aptulo 6
Existe asociacin entre el nivel de instruccin (cultural) y el
nivel econmico?
A mayor nivel cultural habr mayor nivel econmico?
Variable PREDICTORA
Cualitativa ordinal
Nivel instruccin
Variable RESULTADO
Cualitativa ordinal
Nivel econmico
Pgina 625
C aptulo 6
Existe asociacin entre el nivel de instruccin y el nivel

econmico?
Tabla de contingencia que representa el nivel de estudios frente al nivel econmico
Nivel econmico
ESTUDIOS
Alto
Medio
Bajo
TOTAL
Universitarios
19
25
Secundarios
14
22
37
Primarios
36
50
TOTAL
40
63
112
2 Pearson = 30,15
p <0,000001
SI
Existe relacin gradual entre el nivel de instruccin y el nivel econmico?
Tau-b de Kendall
Pgina 626
C aptulo 6
Existe relacin gradual entre el nivel de instruccin y el nivel

econmico?
Ho: A mayor nivel de instruccin no existe mayor nivel econmico.
Ha: A mayor nivel de instruccin mayor nivel econmico.
Tau-b de Kendall
Ordinal por ordinal
Significacin
Tau-b de Kendall
+ 0,448
0,000
Tau-c de Kendall
+ 0,399
0,000
SI
Pgina 627
C aptulo 6
Tau-b de Kendall
- Condiciones de aplicacin.
- Tablas cuadradas (3 x 3), (4 x 4)
- Interpretacin:
Estadistico
Tipo Variables
- Tau = 0 independencia.
- Tau > 0 asociacin positiva.
Tau-b de Kendall
Ordinal X Ordinal
- Tau < 0 asociacin negativa.
Tau-c de Kendall
Ordinal X Ordinal
- Intervalo de Tau : (-1, +1).
- Informacin:
- Medida de la intensidad de la asociacin de variables ordinales.
- Sentido de la misma (direccionalidad).
Tipo tabla
K=F
KF
Tau-b de Kendall
- Condiciones de aplicacin: nmero de filas distinto al nmero de columnas (Tablas NO
cuadradas).
Pgina 628
C aptulo 6
nivel econmico?
Variable PREDICTORA
Cualitativa ordinal
Nivel instruccin
Variable RESULTADO
Cualitativa ordinal
Nivel econmico
Pgina 629
C aptulo 6

econmico?
Nivel econmico
ESTUDIOS
Alto
Medio
Bajo
TOTAL
Universitarios
19
25
Secundarios
14
22
37
Primarios
36
50
TOTAL
40
63
112
2 Pearson = 30,15
p <0,000001
SI
Coeficiente Gamma
Pgina 630
C aptulo 6

econmico?
Coeficiente Gamma
Ordinal por ordinal
Valor de
EE
T aprox
Significacin
Gamma
+ 0,687
0,098
5,804
0,000
N de casos vlidos
112
SI
Pgina 631
C aptulo 6
Coeficiente Gamma
- Test de contraste de hiptesis.
- Test de asociacin para variables ordinales.
- Interpretacin:
=0
independencia
>0
asociacin positiva
<0
asociacin negativa
- Intervalo de : (-1, +1).
- Informacin:
A mayor nivel de
instruccin MENOR
nivel econmico
-1
Variables no
asociadas
A mayor nivel de
instruccin MAYOR
nivel econmico
+1
Pgina 632
C aptulo 6
nivel econmico?
Variable PREDICTORA
Cualitativa ordinal
Nivel instruccin
Variable RESULTADO
Cualitativa ordinal
Nivel econmico
Pgina 633
C aptulo 6

econmico?
Nivel econmico
ESTUDIOS
Alto
Medio
Bajo
TOTAL
Universitarios
19
25
Secundarios
14
22
37
Primarios
36
50
TOTAL
40
63
112
2 Pearson = 30,15
p <0,000001
SI
Ha: El nivel econmico (variable resultado) es dependiente del nivel de

instruccin (variable predictora).
D de Somers
Pgina 634
C aptulo 6

econmico?
D de Somers
Valor del estadstico D
Significacin
0,447
0,000
Nivel de instruccin resultado (dependiente) 0,484
0,000
Nivel econmico resultado (dependiente)
0,000
Simtrica (no se sabe cual es la resultado)
0,415
SI
Pgina 635
C aptulo 6
D de Somers
- Test de contraste de hiptesis.
- Test de asociacin para variables ordinales.
- Interpretacin:
D =0
independencia
D >0
asociacin positiva
D <0
asociacin negativa
- Intervalo de D de Somers: (-1, +1).
- Informacin:
A mayor nivel de
instruccin MENOR
nivel econmico
-1
Variables no
asociadas
A mayor nivel de
instruccin MAYOR
nivel econmico
+1
Pgina 636
C aptulo 6
nivel econmico?
Variable PREDICTORA
Cualitativa ordinal
Nivel instruccin
Variable RESULTADO
Cualitativa ordinal
Nivel econmico
RESUMEN
Cul es los tests estadsticos ms acertados?
Pgina 637
C aptulo 6
Nivel econmico
ESTUDIOS
Alto
Medio
Bajo
Muy bajo
TOTAL
Titulado superior
12
32
50
Titulado medio
21
136
19
181
Secundarios
94
95
190
Primarios
24
29
53
TOTAL
17
54
260
143
474
D de Somers
Tau-b de Kendall
Gamma
Tau-c de Kendall
Pgina 638
C aptulo 6
D de Sommers (medidas
direccionales)
Valor del
estadstico
EED
T aprox
Muy bajo
Simtrica (no se sabe cual es la 0,557

variable resultado)
0,029
16,075
0,000
Nivel econmico variable

resultado (dependiente)
0,525
0,030
16,075
0,000
Nivel de instruccin variable

resultado (dependiente)
0,593
0,030
16,075
0,000
Ordinal por ordinal
EE
T aprox
Significacin
Gamma
0,798
0,031
16,075
0,000
Tau-b de Kendall
0,558
0,029
16,075
0,000
Tau-c de Kendall
0,469
0,029
16,075
0,000
N de casos vlidos
474
Pgina 639
C aptulo 7
Captulo 7
Cuantitativa versus cuantitativa.

Pgina 640
C aptulo 7
Pgina 641
Materiales y mtodos
Estructura
C aptulo 7

Pgina 642
C aptulo 7

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

explicarlo todo

explique todo

el ERROR

ERROR

significativas

significativas



Pgina 643
C aptulo 7
Anlisis estadstico
Variable resultado
Variable
Predictora
Variable
Independiente
Dicotmica
Continua
Dicotmica
Test de 2
t de Student
Continua
Regresin logstica
Regresin lineal
Pgina 644
C aptulo 7
Anlisis estadstico
ANLISIS ESTADSTICO
Variable
Predictora
Variable
Independiente
Variable resultado
Dicotmica
Continua
Dicotmica
Test de 2
t de Student
Continua
Regresin logstica
Regresin lineal
REGRESIN LINEAL SIMPLE
Pgina 645
C aptulo 7
Pgina 646

Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Cualitativa
Cualitativa
Ji cuadrado
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA

Cualitativa
Cuantitativa
t de Student
Test de Wilcoxon
Test de Friedman

Cuantitativa
Cualitativa


Cuantitativa
Cuantitativa

REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Cualitativa
Superviviencia
Kaplan-Meier
Long-Rank
Regresin de COX
C aptulo 7
Pgina 647

Variable
PREDICTORA o
de estudio)

Cualitativa nominal
dos
categoras
Cualitativa nominal
>2
categoras
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica

independientes
Chi cuadrado
Z comparacin de
proporciones
Test exacto de
Fisher
Chi cuadrado
U de Mann-Whitney
T de Student
(prueba de Welch)

apareados
Test de McNemar
Q de Cochran
Prueba de los
rangos
de Wilcoxon
T de Student
para datos
emparejados

independientes
Chi cuadrado
Chi cuadrado
(ANOVA)

apareados
Q de Cochran
Q de Cochran
Prueba de Friedman
de dos vas
Cuantitativa
Regresin logstica
Regresin logstica
Correlacin de
Sperman
Tau de Kendall
Regresin lineal
C aptulo 7
Cualitativa versus cuantitativa

Cules son las pruebas estadsticas que tenemos que emplear?
Variable PREDICTORA
CUANTITATIVA
- Continua
- Discreta
Variable RESULTADO
CUANTITATIVA
- Continua
- Discreta
Pgina 648
C aptulo 7
Pgina 649
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).
C aptulo 7
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
Pgina 650
C aptulo 7
Comparacin de mtodos analticos
Regresin paramtrica
- Regresin lineal simple
- Coeficiente de regresin
- Coeficiente de correlacin intraclase
Regresiones NO paramtricas
- Regresin de Theil
- Regresin de Passing - Bablok
- Regresin de Bland - Altman
- Regresin de Tholen - Ludbrook
Pgina 651
Pgina 652
C aptulo 7
Relacin directa e inversa

100
330
280
Incorrelacin
90
80
230
80
Fuerte relacin
directa.
60
50
70
180
40
60
130
30
50
20
80
40
10
30
140
30
150
160
170
180
190
Para valores de X por encima de la media tenemos

valores de Y por encima y
por debajo en proporciones
similares. Incorrelacin.
200
Cierta relacin
inversa
70
140
150
160
170
180
190
200
Para los valores de X mayores

que la media le corresponden
valores de Y mayores tambin.
Para los valores de X menores
valores de Y menores tambin.
Esto se llama relacin directa.
140
150
160
170
180
190
200
Para los valores de X mayores

valores de Y menores. Esto es
relacin inversa o decreciente.
C aptulo 7
Qu relacin existe entre el grado de IRC y el grado de
anemizacin del enfermo?
Variable PREDICTORA (X)
IRC
Creatinemia
Variable RESULTADO (Y)

Anemia
Hemoglobinemia
Pgina 653
C aptulo 7
Relacin entre variables cuantitativas continuas

Hemoglobina (g/dl)
11
10
7
2
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
Pgina 654
C aptulo 7
Regresin lineal simple. Coeficiente de regresin

0
Hemoglobina (g/dl)
Estimaciones de los parmetros y sus

errores estndar para en la relacin de los
niveles de creatinina y hemoglobina en 50
pacientes con fallo renal crnico
Variable
Representacin grfica de los niveles de creatinina y

hemoglobina en 50 pacientes con fallo renal crnico
Coeficiente de regresin 1
Hb (Y) = 12,25 0,5708 * [Creatinina]
Estimacin Error estndar
Constante 12,25
0,2984
Creatinina - 0,5708
0,05312
E(Y) = 0 + 1 * X
Pgina 655
C aptulo 7
Pgina 656
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
Z90%
Z99%
1,64
90%
10%
Z95%
1,96
95%
5%
2,56
99%
1%
Z99,5%
3,29
99,5%
0,5%
1
EE1
0,5708
0,05312
Estimaciones de los parmetros y sus

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
10,74 > Z95%
Podemos decir con error inferior al 5% que el nivel de Hb est asociado o depende del
nivel de Cr.
C aptulo 7
Pgina 657
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%
2,56
99%
Z99,5%
3,29
99,5%
Z99%
Z95%
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).
C aptulo 7
Pgina 658
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
S
=
( xi - x )( yi - y )
Inversa: Sxy <0
xy
n
i
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.
C aptulo 7
Regresin lineal simple: Covarianza

n
Covarianza negativa < 0
Covarianza positiva > 0
sxy =
Valores de la COVARIANZA dependiendo de la variacin al unsono de x e y
( X
i =1
100
rxy =
90
( X
i =1
- X )(Yi - Y )
- X )(Yi - Y )
n sx s y
80
70
rxy =
Covarianza nula = 0
60
10
20
30
40
50
El valor de la COVARIANZA es cero cuando no hay variacin al unsono de x e y
sxy
sx s y
Pgina 659
C aptulo 7
Covarianza y coeficiente de correlacin de Pearson (r)

n
rxy =
( X
i =1
rxy =
- X )(Yi - Y )
n sx s y
sxy
sx s y
Pgina 660
C aptulo 7
Coeficiente de correlacin lineal de Pearson
r=
Pgina 661
S xy
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.
C aptulo 7
Pgina 662
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 horizontal 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
inversa
perfecta
Variables
incorreladas
Relacin
directa casi
perfecta
-1
+1
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.
Pgina 663
C aptulo 7
Hb (Y) = 12,25 0,5708 * [Creatinina]

12
1 = - 0,5708
Hb (Y) = 12,25 0,5708 * [Creatinina]
1 = - 0,5708
12
10
10
10
10
Nube de puntos con distinta fuerza de asociacin pero con la misma regresin 1
C aptulo 7
Coeficiente de correlacin de Pearson

Y
12
1 =1-= 0,5708
- 0,5708
1 = - 0,5708
12
10
10
r = - 0,72
0,98
2
10
Alta fuerza de asociacin

Alto valor de r
r = - 0,72
2
10
Menor fuerza de asociacin

Menor valor de r
Pgina 664
C aptulo 7
Pgina 665

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

0,3 < r < 0,7: magnitud moderada

r < 0,3: magnitud dbil
- Valores: -1 y 1
- Clculo del tamao muestral
- Mide la asociacin pero NO confundir la asociacin
estadstica con una relacin CAUSA-EFECTO.
10
r = - 0,72
2
10
Valor de r indica FUERZA de asociacin
C aptulo 7

r =r 0,136;
p = 0,042
= -0,136;
p = 0,048
Edad
Indice de Quetelet (IMC)
r = 0,178;
p = 0,042
r = - 0,178
Excrecin de sodio (mEq) en orina de 24 horas
Bajo valor de r
Baja fuerza de asociacin
Pgina 666
C aptulo 7
Pgina 667
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.
C aptulo 7
Regresin lineal simple. Coeficiente de determinacin

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

50 pacientes con fallo renal crnico
Pgina 668
C aptulo 7
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.
Pgina 669
Pgina 670
C aptulo 7
Tipos de correlaciones: positivas (r > 0)

330
280
230
180
130
r=0,1
80
30
140
150
160
170
180
190
200
130
120
110
100
90
80
70
60
50
40
30
140
100
100
90
90
80
80
70
70
60
60
50
50
r=0,8
40
30
140
150
160
170
180
190
r=0,4
150
160
170
180
200
200
r=0,99
40
30
140
190
150
1 = constante (+)
160
170
180
190
200
Pgina 671
C aptulo 7
Tipos de correlaciones: negativas (r < 0)

90
80
80
70
70
60
50
40
30
20
10
0
60
50
40
30
20
r=-0,5
140
150
160
170
180
190
200
0
140
80
80
70
70
60
60
50
50
40
40
30
30
20
10
0
140
20
r=-0,95
150
r=-0,7
10
10
160
170
180
190
200
150
160
170
180
190
200
160
170
180
190
200
r=-0,999
0
140
150
1 = constante (-)
C aptulo 7
Fenmeno Tracking
FACTORES AMBIENTALES
PERFIL LIPDICO
NEONATO
Estudio de cohortes
de 108 nios
PERFIL LIPDICO
SEGUNDO AO
FACTORES GENTICOS
peditrica de Ceuta. Tesis doctoral (Noviembre 1997). Facultad de Medicina de la Universidad de Cdiz.
Pgina 672
C aptulo 7
110
r = 0,23
r2 = 0,05
p < 0,05
80
50
20
80
130
180
230
Pgina 673
C aptulo 7
110
21/108 (19,4%)
8/108 (7,4%)
80
P75
50
c
64/108 (59,5%)
20
80
130
14/108 (13,9%)
180
P75
230
Pgina 674
C aptulo 7

McNemar
DESPUS del curso
NEONATOS
CT > P75
CT P75
CT P75
2McMemar
CT > P75
Z McNemar =
[ ( B C ) 1 ]2
B+C
(B C)1
B+C
Pgina 675
C aptulo 7

McNemar
NEONATOS
CT > P75
CT P75
McMemar =
DESPUS del curso

CT > P75
CT P75
14
64
[ ( 21 14 ) 1 ]2
21 + 14
21
= 1,03
Pgina 676
C aptulo 7
Valor
Z95%
1,96
0,05
Z98%
2,32
0,02
Z99%
2,56
0,01
Z99,5%
3,29
0,005
Z McNemar =
Z McNemar =
Pgina 677
(B C)1
B+C
( 21 14 ) 1
21 + 14
= 1,014
Conclusin: Como el estadstico Z calculado 1,014 es INFERIOR a Z tabulado

evaluadas son independientes, es decir NO estn correlacionadas, y por tanto
no hay cambios importantes en la distribucin del colesterol total al pasar del
nacimiento al segundo ao de vida. Este comportamiento tambin se repite
en los dos grupos culturales (cristianos y musulmanes) de Ceuta.
C aptulo 7
110
80
P75
50
c
D
20
80
130
180
P75
230
Pgina 678
C aptulo 7
r = 0,37
r2 = 0,14
p < 0,01
Apoprotena B (mg/dl) al nacimiento
50
40
30
20
10
0
30
40
50
60
70
80
90
100
110
120
130
Apoprotena B (mg/dl) durante el segundo ao de vida (12-20 meses)
Pgina 679
C aptulo 7
42
34
26
r = 0,29 (IC95%=0,03-0,50)
r2 = 0,08
p < 0,05
18
10
30
70
110
150
Apoprotena B (mg/dl) durante los primeros meses (12-13) del segundo ao de vida
Pgina 680
C aptulo 7
47
39
r = 0,50 (IC95%=0,25-0,68)
r2 = 0,25
p < 0,001
31
23
15
7
40
60
80
100
120
Apoprotena B (mg/dl) durante los 14-20 meses del segundo ao de vida
Pgina 681
C aptulo 7
Pgina 682
Limitaciones del coeficiente de correlacin de Pearson

Representacin grfica de la actividad de protrombina (INR) y la albmina srica en pacientes con hepatocarcinoma.
PROTROMBINA
Variable RESULTADO-RESPUESTA
120
Protrombina (INR) = 25,1 + (14,4 * [Albmina])
100
= 14,4
(IC95%: 8,3-20,5)
80
60
40
20
R2 = 0,16
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
Slo con la variable predictora incluida en el modelo (ALBMINA srica) slo 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.
Pgina 683
C aptulo 7
Slo con la variable predictora

incluida en el modelo (horas
sentado) slo se puede explicar
el 0,6% de la variabilidad de la
variable resultado (IMC), queda
por explicar un 99,4% de la
variabilidad que es achacable
a otras variables predictoras
distintas no incluidas.
26,0
IMC (peso [Kg] / Talla 2 [m2])
El modelo (coeficiente ) indica

que por cada 10 horas que pasa
sentada una mujer a la semana
aumenta su peso en unos 800
gr.


IMC = 23,5 + (0,03 * Horas sentada)
R2 = 0,006
25,5
25,0
24,5
24,0
23,5
23,0
0
10
20
30
40
50
60
70
80
Horas sentado / semana (tiempo libre)
Relacin entre el ndice de masa corporal (IMC) y las horas de estar sentado
a la semana en el tiempo libre.
Muestra representativa (n=7.926) mujeres de la Unin Europea
Pgina 684
C aptulo 7

100
34
Indice de masa Corporal (IMC)
Glucemia (mg/dl)
90
1 = 0
32
1 = 0
80
70
60
30
28
26
24
22
20
10
20
30
40
50
10
20
30
40
Edad
50
60
70
80
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
C aptulo 7

Relacin
cuadrtica
y=a+b
y = a + b x2
1
X
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.
Pgina 685
C aptulo 7
Pgina 686
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
rs = 1 -
6 di2
i =1
n ( n 2 - 1)
C aptulo 7
Coeficientes de correlacin
PEARSON
SPEARMAN
- Ambas variables deben seguir

la distribucin NORMAL
- Slo detecta asociaciones
lineales
- Las observaciones han de ser
independientes
- No requiere supuestos previos

de normalidad
- Detecta asociaciones distintas
de la lineal
- 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
Pgina 687
C aptulo 7
Existe relacin entre la edad del paciente y la duracin de
la estancia en UCI?
Variable PREDICTORA 1
CUANTITATIVA continua
Edad
- Aos
Variable RESULTADO
CUANTITATIVA discreta
Estancia
- Das
Pgina 688
C aptulo 7
Pgina 689
C aptulo 7
Das de estancia en UCI
80
Lnea continua ajuste mediante estimador robusto de

regresin medio ponderado
Lnea de trazos discontinuos: ajuste mediante mnimos
cuadrados
60
40
20
0
20
30
40
50
60
Edad del paciente
70
80
Pgina 690
C aptulo 7
Resultados
Coeficiente de correlacin de Spearman
Variable
Correlacin (r)
Significacin
Edad del paciente versus Estancia en UCI
22
0,614 (**)
0,002
Variable
Correlacin (r)
Significacin
Edad del paciente versus Estancia en UCI
22
0,470 (**)
0,003
Tau-b de Kendall
** La correlacin es significativa al nivel 0,01 (bilateral).

p < 0,01
Rechazamos la hiptesis nula
Pgina 691
C aptulo 7
Existe relacin entre la intensidad del estudio y el rendimiento
acadmico en el examen del curso de Bioestadstica?
Horas de estudio
Variable RESULTADO
Rendimiento acadmico
Pgina 692
C aptulo 7
Pgina 693
N del
Horas
Alumno de
estudio
(X1)
N
respuestas
correctas
(Y)
16
17
18
21
21
29
20
15
10
100
22
Nmero de respuestas correctas
Pregunta de investigacin: Existe relacin entre la intensidad del

estudio y el rendimiento acadmico en el examen del curso de
Bioestadstica?
20
r = 0.976 p< 0.001
15
10
5
0
10
30
50
70
Nmero de horas de estudio
90
C aptulo 7
Resultados
Variable
Correlacin (r)
Significacin
Horas de estudio versus Respuestas correctas
10
0,976 (**)
0,000
Variable
Correlacin (r)
Significacin
Horas de estudio versus Respuestas correctas
10
0,911 (**)
0,000
Tau-b de Kendall

p < 0,01
Pgina 694
C aptulo 7
Pgina 695

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?
C aptulo 7
Pgina 696
Existe relacin entre el coeficiente intelectual de los alumnos y el
rendimiento acadmico en el examen del curso de Bioestadstica?
Coeficiente intelectual
Variable RESULTADO
C aptulo 7
Pgina 697
N del
Horas
Alumno de
estudio
(X 2)
N
respuestas
correctas
(Y)
104
125
16
115
18
100
100
140
21
112
130
20
125
15
10
122
22
Pregunta de investigacin: Existe relacin entre el coeficiente

intelectual del alumno y el rendimiento acadmico en el examen
del curso de Bioestadstica?
20
15
r = 0.811 p< 0.01
10
5
0
100
110
120
130
Coeficiente intelectual (CI)
140
C aptulo 7
Resultados
Variable
Correlacin (r)
Significacin
Coeficiente intelectual versus respuestas correctas
10
0,811 (**)
0,004
Variable
Correlacin (r)
Significacin
Coeficiente intelectual versus respuestas correctas
10
0,705 (**)
0,005
Tau-b de Kendall

p < 0,01
Pgina 698
C aptulo 7
Pgina 699
Existe relacin entre las horas de asistencia a clase y el
rendimiento acadmico en el examen del curso de Bioestadstica?
Horas de asistencia a clases
Variable RESULTADO
Pgina 700
C aptulo 7
N del
Horas
Alumno de
estudio
(X3)
N
respuestas
correctas
(Y)
23
92
16
78
18
15
20
100
21
35
95
20
75
15
10
100
22
Pregunta de investigacin: Existe relacin entre las horas de

asistencia a clase y el rendimiento acadmico en el examen del
curso de Bioestadstica?
r = 0.985 p< 0.01
20
15
10
0
25
50
75
Horas de asistencia a clase
100
C aptulo 7
Resultados
Variable
Correlacin (r)
Significacin
Asistencia a clase versus respuestas correctas
10
0,985 (**)
0,000
Variable
Correlacin (r)
Significacin
Asistencia a clase versus respuestas correctas
10
0,944 (**)
0,000
Tau-b de Kendall

p < 0,01
Pgina 701
C aptulo 7
Resumen de los resultados de correlacin bivariante

Variables predictoras
Rho Spearman
Significacin
Tau de Kendall
Significacin
Horas de estudio
0,976
0,000
0,911
0,000
0,811
0,004
0,705
0,005
Asistencia a clase
0,985
0,000
0,944
0,000
Variable resultado: Rendimiento acadmico (nmero de respuestas correctas)
Existe relacin entre las distintas variables predictoras?

COLINEALIDAD?
Pgina 702
C aptulo 7
Existe relacin entre las horas dedicadas al estudio por el
alumno y el coeficiente intelectual de los alumnos del curso
de Bioestadstica?
Horas de estudio
Pgina 703
C aptulo 7
Resultados
Variable
Correlacin (r)
Significacin
Horas de estudio versus coeficiente intelectual
10
0,787 (**)
0,007
Tau-b de Kendall
Variable
Correlacin (r)
Significacin
Horas de estudio versus coeficiente intelectual
10
0,614 (*)
0,015
* La correlacin es significativa al nivel 0,05 (bilateral).

p < 0,05
Pgina 704
C aptulo 7
Existe relacin entre las horas de estudio del alumno y las
horas de asistencia a clase del curso de Bioestadstica?
Horas de estudio
Pgina 705
C aptulo 7
Resultados
Variable
Correlacin (r)
Significacin
Horas de estudio versus asistencia a clase
10
0,954 (**)
0,000
Tau-b de Kendall
Variable
Correlacin (r)
Significacin
Horas de estudio versus asistencia a clase
10
0,854 (**)
0,001

p < 0,05
Pgina 706
C aptulo 7
Existe relacin entre el coeficiente intelectual del alumno y
las horas de asistencia a clase del curso de Bioestadstica?
Pgina 707
C aptulo 7
Resultados
Variable
Correlacin (r)
Significacin
Coeficiente intelectual versus asistencia a clase
10
0,869 (**)
0,001
Tau-b de Kendall
Variable
Correlacin (r)
Significacin
Coeficiente intelectual versus asistencia a clase
10
0,782 (**)
0,002

p < 0,05
Pgina 708
C aptulo 7
Cuantitativa
Horas
de estudio
Cuantitativa
Variable RESULTADO
Cuantitativa
Coeficiente
intelectual
Rendimiento
acadmico
Cuantitativa
Horas de
asistencia a clases
Pgina 709
C aptulo 7
Pgina 710
C aptulo 7
Qu relacin existe entre el consumo de cigarrillos y los

niveles de cadmio en sangre?
Consumo de cigarrillos
Nmero de cigarrillos
consumidos por da
Cadmio en sangre
Niveles sricos de cadmio
(g/L)
Pgina 711
C aptulo 7
r = 0,532 p = 0,001
Pgina 712
C aptulo 7
Med Clin (Barc) 2006;127:41-6.
Pgina 713
C aptulo 7
Pgina 714
C aptulo 7
Qu relacin y que grado de asociacin existe entre el
ndice de actividad clnica de las enfermedades inflamatorias
intestinales (EII) y los niveles de calprotectina fecal?
Variable PREDICTORA
Calprotectina fecal
Variable RESULTADO
ndice de actividad de la enfermedad
inflamatoria intestinal (HarveyBradshaw modificado para colitis
ulcerosa y enfermedad de Crohn)
Pgina 715
C aptulo 7
ndice de Harvey-Bradshaw
Qu tipo de variable es el ndice de Harvey-Bradshaw?
Pgina 716
C aptulo 7
Coeficiente de correlacin
Rho de Spearman
15
ndice de Harvey- Bradshaw
ndice de actividad clnica
20
r = 0,719 p < 0,01
10
0
0
1.000 2.000
3.000 4.000 5.000 6.000
Calprotectina fecal (g/g)
Cul es la prueba estadsticas ms adecuada?
7.000 8000
Pgina 717
C aptulo 7
Pgina 718
Anlisis estadstico (fragmento del texto)
El anlisis de los datos se llev a cabo mediante el programa estadstico SPSS 11.0. El
valor de la CPF se presenta como media y con un intervalo de confianza (IC) del 95%.
Se utiliz el test de Kruskal-Wallis para evaluar las diferencias entre los valores de CPF
entre los diferentes grupos y el coeficiente de Spearman para valorar la correlacin entre
este marcador y el ndice de actividad de la enfermedad en el grupo de pacientes con
C aptulo 7
Pgina 719

En la figura 2 se muestra la correlacin positiva entre la concentracin de la CPF y
el ndice de actividad de la enfermedad en pacientes con enfermedades inflamatoria
intestinales (EII) (enfermedad de Crohn (EC) y colitis ulcerosa (CU)) (r = 0,719, p < 0,01).

El presente trabajo muestra que la concentracin de CPF est significativamente elevada
en pacientes con procesos orgnicos en colon, fundamentalmente en el cncer colorrectal
y enfermedad inflamatoria intestinal (EII). Adems, los valores ms altos se alcanzan
en pacientes con EII, y sus valores se correlacionan con el grado de actividad de la
enfermedad.
C aptulo 7
Qu relacin y qu grado de asociacin existe entre el nivel
de conocimientos mdicos actualizados sobre el mejor tratamiento posible y el tiempo transcurridos desde la graduacin?
Variable PREDICTORA
Aos desde la graduacin
Variable RESULTADO
Conocimientos actualizados
sobre el mejor tratamiento posible
(medidos segn escala de MBE)
Pgina 720
C aptulo 7
Conocimientos actualizados sobre el mejor

tratamiento posible (niveles de evidencia)
Coeficiente de correlacin Rho de Spearman
. ..
. . .... .
...
...
r = - 0,54
p < 0,001
...
....
....
Una Pendiente Resbaladiza

Aos desde la graduacin
...
..
Pgina 721
C aptulo 7
Estudios ecolgicos
Seven
Countries
Study
EE.UU
Ferroviarios
FINLANDIA
HOLANDA
Zutphen
ITALIA
Crevalcore
GRECIA
Montegiorgio
Creta
Roma
Corfu
YUGOSLAVIA
Belgrado
Dalmacia
Eslavonia
Velika Krsna
Zrenjanin
JAPON
Tanushimaru
Ushibuka
Pgina 722
C aptulo 7
Estudio ecolgico
Variable PREDICTORA
Grasas saturadas
cidos grasos saturados

de la dieta (% de aporte
calrico)
Variable RESULTADO
Cardiopata coronaria
Tasas de mortalidad por

cardiopata coronaria
Pgina 723
C aptulo 7
Pgina 724
Fallecimiento por cardiopata coronaria (%)
Estudio ecolgico
5
Coeficiente de correlacin r de Spearman
3
2
MC
DB
V
0
N
W
r = 0,84
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.
C aptulo 7
Estudio ecolgico
Variable PREDICTORA
Grasas saturadas

de la dieta (% de aporte
calrico)
Variable RESULTADO
Colesterolemia
Tasas de colesterol en
sangre (mg/dl)
Pgina 725
C aptulo 7
Pgina 726
Estudio ecolgico
Coeficiente de correlacin r de Spearman
280
W E
Colesterolemia (mg/dl)
260
240
220
200
180
160
B
K Z
S
MC
D
U N
r = 0,89
140
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.
C aptulo 8
Captulo 8
Cualitativa dicotmica versus cuantitativa.

Pgina 727
C aptulo 8
Pgina 728
Materiales y mtodos
Estructura
C aptulo 8

Pgina 729
C aptulo 8

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

explicarlo todo

explique todo

el ERROR

ERROR

significativas

significativas



Pgina 730
C aptulo 8
Anlisis estadstico
Variable resultado
Variable
Predictora
Variable
Independiente
Dicotmica
Continua
Dicotmica
Test de 2
t de Student
Continua
Regresin logstica
Regresin lineal
Pgina 731
C aptulo 8
Anlisis estadstico
ANLISIS ESTADSTICO
Variable
Predictora
Variable
Independiente
Variable resultado
Dicotmica
Continua
Dicotmica
Test de 2
t de Student
Continua
Regresin logstica
Regresin lineal
t de Student
Pgina 732
C aptulo 8
Pgina 733

Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Cualitativa
Cualitativa
Ji cuadrado
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA

Cualitativa
Cuantitativa
t de Student
Test de Wilcoxon
Test de Friedman

Cuantitativa
Cualitativa


Cuantitativa
Cuantitativa

REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Cualitativa
Superviviencia
Kaplan-Meier
Long-Rank
Regresin de COX
C aptulo 8
Pgina 734

Variable
PREDICTORA o
de estudio)

Cualitativa nominal
dos
categoras
Cualitativa nominal
>2
categoras
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica

independientes
Chi cuadrado
Z comparacin de
proporciones
Test exacto de
Fisher
Chi cuadrado
U de Mann-Whitney
T de Student
(prueba de Welch)

apareados
Test de McNemar
Q de Cochran
Prueba de los
rangos
de Wilcoxon
T de Student
para datos
emparejados

independientes
Chi cuadrado
Chi cuadrado
(ANOVA)

apareados
Q de Cochran
Q de Cochran
Prueba de Friedman
de dos vas
Cuantitativa
Regresin logstica
Regresin logstica
Correlacin de
Sperman
Tau de Kendall
Regresin lineal
C aptulo 8

Variable PREDICTORA
Variable RESULTADO
CUANTITATIVA
Pgina 735
C aptulo 8
Cualitativa dicotmica versus cuantitativa

PARAMTRICOS
NO PARAMTRICOS
2 GRUPOS
U de Mann-Whitney
Independientes
T de Student para muestras independientes
Aparejados
T de Student para muestras apareadas
Wilcoxon
Variable predictora Cualitativa versus variable resultado Cuantitativa.
Pgina 736
C aptulo 8
Pgina 737
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
C aptulo 8
Pgina 738

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)
C aptulo 8
El peso al nacer de los varones difiere del peso al nacer de
las mujeres?
Variable PREDICTORA
Sexo
Variable RESULTADO
Peso (Kg)
Pgina 739
C aptulo 8
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
833
789
t calculada =
X1 X2
(n 1) S12 + (m 1) S22
(n + m 2)
1
n
1
m
tcalculada= 6,666
Pgina 740
C aptulo 8
Test de la T de Student para muestras independientes

Grados de libertad (g.l) = n + m - 2
gl = 883 + 789 - 2 = 1620
Peso del RN
Varones
Mujeres
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
Pgina 741
C aptulo 8
Distribucin de la t de Student
= n-1
Grados de libertad = n - 1
valores " t " : t =
(x - )
s
Pgina 742
C aptulo 8
Distribucin de la t de Student (gl 30)

El test de la T de Student para muestras de ms de 30 individuos presenta
una distribucin muy similar a la distribucin normal tipificada Z.
El test de la T de Student es una prueba BILATERAL, 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)
Pgina 743
C aptulo 8
Pgina 744
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.
C aptulo 8
Tiene influencia el tipo de dieta (pescado/huevos) seguida
en el peso del individuo?
Variable PREDICTORA
Tipo de dieta
Variable RESULTADO
Peso (Kg)
Pgina 745
C aptulo 8
Hiptesis nula Ho
Hiptesis alternativa H1
(ambas dietas tienen igual efecto)

(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
P a base de pescado n=19
H a base de huevo n=10
Variable PREDICTORA
Cualitativa discreta y
dicotmica:
TIPO DE DIETA
Variacin en el peso (kg)

Variacin en el peso (kg)
3 meses
Pgina 746
C aptulo 8

P a base de pescado n=19

H a base de huevo n=10
ID
DIETA
REDUCCION PESO (Kg)
ID
DIETA
REDUCCION PESO
(Kg)
PESCADO
19
20
HUEVOS
23
PESCADO
28
21
HUEVOS
23
PESCADO
17
22
HUEVOS
23
HUEVOS
14
PESCADO
15
24
HUEVOS
22
25
HUEVOS
20
26
HUEVOS
27
HUEVOS
12
PESCADO
16
PESCADO
21
PESCADO
27
28
HUEVOS
18
PESCADO
18
29
HUEVOS
33
PESCADO
15
30
10
PESCADO
10
11
PESCADO
10
12
PESCADO
13
PESCADO
12
14
PESCADO
13
15
PESCADO
19
16
PESCADO
17
PESCADO
29
18
PESCADO
35
19
PESCADO
38
Media
18,579
Desviacin estndar
9,26
Varianza
85,8
Variable RESULTADO
HUEVOS
19
Media
17,545
Desviacin estndar
8,43
Varianza
71,1
Variable RESULTADO
t calculada =
X1 X2
t calculada = 0,3
(n 1) S12 + (m 1) S22
(n + m 2)
1
n
1
m
t calculada= 0,3 < t tabulado p = 0,76
Pgina 747
C aptulo 8
Pgina 748
Test de la t de Student
t
calculada < t tabulada
p > 0,05
calculada > t tabulada

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

del peso en los dos grupos
comparados es independiente de
la intervencin diettica
Las medias de la reduccin

del peso en los dos grupos
comparados son diferentes
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
C aptulo 8
Pgina 749
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 slo 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).
C aptulo 8
Pgina 750

- 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
C aptulo 8
Pgina 751

Homogeneidad de varianzas (homoscedasticidad)
- Test de Barttlet
Varianza mayor
- Test de Levene
F=
Varianza menor
Test T de Student
Test de Welch
C aptulo 8
Pgina 752

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 slo 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?
C aptulo 8
Pgina 753

Reduccin del peso
Tipo de dieta
Estadstico
g.l
Significacin
Pescado
0,166
19
0,178
Huevos
0,168
11
0,200
Test de Shapiro-Wilk
Reduccin del peso
Tipo de dieta
Estadstico
g.l
Significacin
Pescado
0,956
19
0,493
Huevos
0,950
11
0,615
Ho: p > 0,05 test paramtricos
Ha: p < 0,05 test NO paramtricos
Los test de normalidad ensayados dan un valor de p NO significativo (p >0,05) en ambos

grupos (tipos de dieta). Por tanto no hay evidencias suficientes para rechazar la hiptesis
nula de normalidad de la variable reduccin del peso en ambas muestras.
C aptulo 8
Pgina 754
C aptulo 8
Pgina 755
C aptulo 8
+ IC95%
+ IC95%
Media Kg pescado
Media Kg huevos
- IC95%
- IC95%
Pgina 756
C aptulo 8
Existen diferencias en los valores del VCM en sangre en
funcin de los depsitos de hierro normales o ferropnicos
en mdula sea?
Variable PREDICTORA
Normal =1
Dficit = 0
Variable RESULTADO
VCM
(hemograma)
Pgina 757
C aptulo 8
Pgina 758
C aptulo 8
Pgina 759
C aptulo 8

gl = 67 + 33 - 2 = 98
VCM
Medula normal
Dficit de hierro
67
33
Media
83,56
76,89
Desviacin estndar
8,588
9,323
EEM
1,049
1,623
t calculada
3,560
0,001
Grados de libertad
t calculada = 3,560 > t tabulado = 1,96;
98
p < 0,001
Ha: El VCM es depende de los depsitos medulares de hierro.
Pgina 760
C aptulo 8
Existen diferencias en los valores de la ferritina en sangre en
funcin de los depsitos de hierro normales o ferropnicos
en mdula sea?
Variable PREDICTORA
Normal =1
Dficit = 0
Variable RESULTADO
FERRITINA srica
Pgina 761
C aptulo 8
Pgina 762
C aptulo 8
Test de Welch para desigualdad de varianzas

FERRITINA srica
Mdula normal
Dficit de hierro
67
33
Media
21,76
12,61
Desviacin estndar
9,165
5,528
EEM
1,120
0,962
T calculada
6,201
Grados de libertad
93,876
0,000
p < 0,001
Ha: El ferritina srica depende de los depsitos medulares de hierro.
Pgina 763
C aptulo 8
Pgina 764
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 en el ao 1994?
Variable PREDICTORA
Cristianas inmunizadas
Musulmanas inmunizadas
Variable RESULTADO
Virus de la Rubeola
C aptulo 8
Pgina 765
Test de t de Student para muestras independientes

P < 0,001
Figura 1.- Ttulos de anticuerpos frente al virus de la Rubeola en gestantes inmunizadas de Ceuta en 1994.
Distribucin por grupos culturales.
C aptulo 8
Pgina 766
Variable PREDICTORA
Variable RESULTADO
Virus de la Rubeola
C aptulo 8

gl = 234 + 487 - 2 = 719
IgG-anti-RUBEOLA
Cristianas
Musulmanas
234
487
Media
133,20
94,90
Desviacin estndar
197,26
100,69
EEM
12,89
4,56
t calculada
3,452
Grados de libertad
719
0,001
p < 0,001
Ha: Los niveles de IgG anti-Rubeola depende del grupo cultural, siendo distintos en
cristianas y musulmanas.
Pgina 767
C aptulo 8
Pgina 768

(varianzas desiguales)
Ttulos de anticuerpos IgG anti-RUBEOLA (UI/ml)
p = 0,006
133,2
94,9
Figura 2.- Ttulos de anticuerpos frente al virus de la Rubeola en gestantes inmunizadas de Ceuta en 2010.
C aptulo 8
Para poder usar la t de Student para muestras independientes es

necesario, entre otras condiciones, la homogeneidad de las varianzas
(homocedasticidad) de la variable cuantitativa.
La variable cuantitativa niveles de anticuerpos IgG anti-RUBEOLA
(UI/ml) en la poblacin gestante inmunizada de Ceuta cumple la
homocedasticidad?
Que test has empleado para comprobar que se cumple la homogeneidad
de las varianzas?
Pgina 769
C aptulo 8
Test de Levene para homocedasticidad

Test de Levene para la igualdad de varianzas
IgG-anti-RUBEOLA
14,498
Significacin
0,000
Ho: Las varianzas de ambos grupos son iguales.

Ha: Existen diferencias entre las varianzas.
Test de Welch
p < 0,05 (rechazamos la hiptesis nula)
Pgina 770
C aptulo 8
Test de Welch para desigualdad de varianzas
IgG-anti-RUBEOLA
Cristianas
Musulmanas
234
487
Media
133,20
94,90
Desviacin estndar
197,26
100,69
EEM
12,89
4,56
T calculada
2,800
Grados de libertad
292,8
0,005
tcalculada= 2,800 > ttabulado = 1,96;
p < 0,01
Ha: Los niveles de IgG anti-Rubeola depende del grupo cultural, siendo distintos en
cristianas y musulmanas.
Pgina 771
C aptulo 8
Pgina 772
Qu relacin existe entre el grupo cultural/religioso y los niveles de
anticuerpos frente a Toxoplasma en la poblacin gestante inmunizada
de Ceuta en el ao 1994?
Variable PREDICTORA
Variable RESULTADO
Virus de la Rubeola
C aptulo 8
Ttulos de IgG anti-toxoplasma (UI/ml)
p > 0,1
35,5
32,8
Figura 1.- Ttulos de anticuerpos frente a Toxoplasma en gestantes inmunizadas de Ceuta en 1994.
Pgina 773
C aptulo 8
Pgina 774
Variable PREDICTORA
Variable RESULTADO
Toxoplasma
C aptulo 8
p > 0,1
78,6
67,9
Figura 2.- Ttulos de anticuerpos frente a Toxoplasma en gestantes inmunizadas de Ceuta en 2010.
Pgina 775
C aptulo 8
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)?
Pgina 776
C aptulo 8
Test de normalidad
Ao 2010
Media
DE
Estadstico Z
Significacin
Niveles de anticuerpos IgG

anti-RUBEOLA
721
107,3
140,6
6,870
0,000
Test de normalidad
Ao 2010
Tipo de cultura
Media
DE
Estadstico Z
Significacin
Niveles de
anticuerpos
IgG antiRUBEOLA
Cristianas
234
133,2
197,3
4,211
0,000
Musulmanas
487
94,9
100,7
4,723
0,000
Pgina 777
Los test de normalidad ensayados dan un valor de p significativo (p <0,05) en ambos

grupos culturales. Por tanto hay evidencias suficientes para rechazar la hiptesis nula de
normalidad de la variable reduccin del peso en ambas muestras. NO PODEMOS USAR
TEST PARAMTRICOS.
C aptulo 8
Test de normalidad
Ao 2010
Media
DE
Estadstico Z
Significacin

anti-RUBEOLA
297
77,5
133,6
5,321
0,000
Test de normalidad
Ao 2010
Tipo de cultura
Media
DE
Estadstico Z
Significacin
Niveles de
anticuerpos
IgG antiRUBEOLA
Cristianas
32
67,9
58,6
1,260
0,084
Musulmanas
265
78,62
139,9
5,110
0,000
Pgina 778

TEST PARAMTRICOS.
C aptulo 8

PARAMTRICOS
NO PARAMTRICOS
2 GRUPOS
U de Mann-Whitney
Independientes
Aparejados
Wilcoxon
Pgina 779
C aptulo 8
Pgina 780
Existen diferencias de la tensin arterial sistlica (TAS) de los 20
alumnos del curso de Metodologa de investigacin en funcin del
sexo?
Variable PREDICTORA
Sexo
Variable RESULTADO
Cuantitativa
TAS
C aptulo 8
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.
Pgina 781
C aptulo 8
Alumnos
TAS
Alumnos
Rango 1
(R1)
Orden
Alumnas
TAS
Alumnas
Rango 2
(R2)
Orden
110
9,5
90
120
16
15
95
2,5
100
110
9,5
115
13,5
13
110
9,5
10
110
9,5
120
16
17
100
115
13,5
14
120
16
16
110
9,5
11
125
18,5
18
100
125
18,5
19
95
2,5
10
125
20
20
10
100
9,5
12
10
Total
10
78,5
Hiptesis nula Ho: La TAS es igual en alumnos y en alumnas.

Hiptesis alternativa Ha: La TAS es diferente en alumnos y en alumnas.
Pgina 782
C aptulo 8
U de Mann-Whitney
rea de
rechazo
Ha
Area de NO
rechazo
Hiptesis nula
rea de
rechazo
Ha
Los valores de estadstico U y W calculados por el test se comparan con los tabulados para un contraste
bilateral con un error alfa 0,05.
Pgina 783
C aptulo 8
Pgina 784
U de Mann-Whitney
TAS
SEXO
Mean Rank
Sum of Ranks
Alumna
10
7,85
78,50
Alumno
10
13,15
131,50
Total
20
Test estadsticos
TAS
Mann-Whitney U
23,50
Wilcoxon W
78,50
Zu
- 2,030
Significacin a dos colas
0,041
Significacin exacta a una cola
0,043
Mean rank
Zu
Sum of ranks
=
U-R
El ranking promedio de la TAS en mujeres es 7,85 y en los hombres 13,15, es decir existen
diferencias entre alumnos y alumnas, y por tanto como p < 0,05 se rechaza la Ho.
Conclusin: La TAS es diferente en alumnos y en alumnas, siendo mayor en varones.
C aptulo 8
Pgina 785
Ejemplo para muestras pequeas
- Un profesor de bioestadstica utiliza dos tipos de modelos de cursos para

ensear la misma materia a un grupo de 10 alumnos mdicos con un nivel
previo similar de conocimientos en bioestadstica. El experimentador quiere
demostrar que el procedimiento clsico de asistencia a clase (PRESENCIAL)
es ms efectivo que el curso online (a DISTANCIA) que le propone la
direccin que presupone que es ms eficiente; para ello, mide el nivel de
conocimientos adquiridos por los alumnos en bioestadstica en ambos
modelos de curso mediante el mismo examen de conocimientos realizado al
final de cada tipo de curso.
- El plan experimental preliminar consiste en elegir al azar tanto una muestra
total de 10 mdicos, 5 para cada mtodo.
C aptulo 8
Pgina 786
Planteamiento de la hiptesis
- Hiptesis nula (Ho). Las diferencias observadas entre las calificaciones del
examen de conocimientos mediante los dos tipos de cursos se deben al azar.
- Hiptesis alternativa (Ha). Las calificaciones del examen de conocimientos,
segn el mtodo de enseanza PRESENCIAL son ms altas y diferentes que
las observadas en el mtodo A DISTANCIA.
C aptulo 8
Tipo de Curso
Calificaciones de los alumnos
N del alumno
A DISTANCIA
80
85
25
70
90
Tipo de Curso
N del alumno
10
PRESENCIAL
95
100
93
110
45
- Nivel de significacin: Para todo valor de probabilidad igual o menor que p = 0,05, se
acepta Ha y se rechaza Ho.
- Zona de rechazo: Para todo valor de probabilidad mayor que 0,05, se acepta Ho y se
rechaza Ha.
- Dos cursos diferentes aplicados en dos grupos de alumnos mdicos.
Pgina 787
C aptulo 8
Test de la U de Mann-Whitney (paso 1)

- Aplicacin de la prueba estadstica.
De acuerdo con los pasos, las observaciones se deben ordenar en rangos del
menor al mayor.
- Rangos de lectura de la tabla anterior.
Tipo de Curso
R (S)
A distancia Grupo 1
80 (4)
85 (5)
25 (1)
70 (3)
90 (6)
19
Presencial Grupo 2
95 (8)
100 (9)
93 (7)
110 (10)
45 (2)
36
Pgina 788
C aptulo 8

Calculamos las U de Mann-Whitney (U1 y U2) con las siguientes frmulas:
Pgina 789
C aptulo 8

Calculamos las U de Mann-Whitney (U1 y U2)
Pgina 790
C aptulo 8

- De los dos valores de U calculados (U1 y U2), se elige el valor ms pequeo (U2
= 4) y se comparan con los valores tabulados crticos de la U Mann-Whitney
- En caso de que el valor de U calculado no se localice en las tablas
correspondientes, se obtendr de la frmula siguiente;
Ucalculado = [ n1 * n2 ] - U
Ucalculado = [ 5 * 5 ] 21 = 4
- En esta frmula, U corresponde al valor ms alto (U1 = 21) . El resultado en
ambos casos es el mismo (4).
Pgina 791
C aptulo 8
Tamao
muestral
Ucalculado =
p = 0,048
Pgina 792
C aptulo 8
Decisin
A la probabilidad del valor U de Mann-Whitney, calculado anteriormente (Ucalculado),
corresponde a un valor de la p de 0,048, el cual es ms pequeo que el nivel de
significancia (0,05); por lo tanto, se acepta Ha y se rechaza Ho.
Pgina 793
C aptulo 8
Interpretacin
Entre las calificaciones del examen de conocimientos adquiridos mediante las dos
modalidades del curso de enseanza de la bioestadstica, existe una diferencia
significativa con un nivel de probabilidad de error alfa menor del 5% (p<0,05); es
decir, aun cuando las muestras de ambos grupos son pequeas, las calificaciones
ms altas mediante el curso clsico PRESENCIAL sealan ms efectividad, con
la probabilidad de equivocarse de 0,048 para aceptarlo por la influencia del AZAR
(4,8%).
Pgina 794
C aptulo 8
Pgina 795
Ejemplo aplicable cuando la muestra es mayor de 25 y donde

n1 y n2 pueden ser iguales o de un tamao diferente:
El Profesor del curso de Bioestadstica aplicada para mdicos, entusiasmado
por las observaciones y conclusiones preliminares, decide repetir el experimento
aumentando el tamao muestral en ambos grupos. Disea un nuevo estudio con 10
alumnos mdicos que realizan el curso con el mtodo a DISTANCIA y 25 mdicos
mediante el procedimiento clsico PRESENCIAL. Los nuevos datos del estudio se
muestran en la tabla siguiente.
C aptulo 8
Planteamiento de la hiptesis
- Hiptesis nula (Ho). Las posibles diferencias entre las calificaciones dadas por
los alumnos en ambos tipos de cursos se deben al azar.
- Hiptesis alternativa (Ha). Las calificaciones de los alumnos inscritos en el curso
realizado por el mtodo clsico PRESENCIAL, propuesto por el experimentador,
son diferentes y con valores ms altos.
- Nivel de significacin: Para todo valor de probabilidad igual o menor que 0,05,
se acepta Ha y se rechaza Ho.
- Zona de rechazo: Para todo valor de probabilidad mayor que 0,05, se acepta Ho
y se rechaza Ha.
Pgina 796
Pgina 797
C aptulo 8
Poblacin de alumnos mdicos a los cuales se les aplic dos

tipos de cursos (mtodo presencial, mtodo a distancia)
Curso PRESENCIAL N=25
PRESENCI
AL
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
Notas
55
70
90
110
45
60
60
75
80
95
100
110
95
60
70
80
40
65
50
75
90
90
100
80
100
Curso a DISTANCIA (online) N=10

DISTANCIA N=10
10
Notas
60
80
25
30
40
60
90
100
60
55
C aptulo 8

- Aplicacin de la prueba estadstica. Primero ordenamos los rangos de todas las
observaciones.
- Direccin de las ligas o empates y el tamao de estas.
Pgina 798
C aptulo 8
Pgina 799
C aptulo 8

Calculamos las U de Mann-Whitney (U1 y U2)
Pgina 800
C aptulo 8

Teniendo en cuenta los pasos del test, hay que saber que cuando el tamao
muestral total es mayor de 25 (como ocurre en este caso), el estadstico del
test de Mann-Whitney se distribuye normalmente, por tanto se calcula el
estadstico Z, que se compara con el tabulado para conocer la probabilidad
(p). Esto se calcula como sigue:
Z=
_
U- U
Pgina 801
C aptulo 8
Test de la U de Mann-Whitney (paso 3a)

Donde:
Z = valor estadstico de la curva normal.
U = cualquier valor de U calculado (ya sea U1 o U2).
U = valor promedio de U.
U = desviacin estndar de U.
Calculamos el valor promedio de U:
_
U=
n1 * n2
2
U=
10 * 25
2
= 125
Pgina 802
C aptulo 8
Test de la U de Mann-Whitney (paso 3b)

- La desviacin estndar de U (U ) se determina de la forma siguiente:
- Donde:
U = desviacin estndar de U.
n1 y n2 = tamao de la muestra de los grupos 1 y 2.
N = tamao total de la muestra (la suma de n1 y n2).
Li = sumatoria de las ligas o empates.
El clculo de Li se realiza de la siguiente manera:
Li =
Pgina 803
C aptulo 8
Z=
Li =
_
U- U
U=
U =
n1 * n2
2
Pgina 804
C aptulo 8
Test de la U de Mann-Whitney (paso 3c)

- Una vez obtenida la sumatoria de Li, se determinar la desviacin estndar de U
(U ) mediante la expresin siguiente:
U =
U =
U = 27,24
Pgina 805
C aptulo 8
Test de la U de Mann-Whitney (paso 3d)

- Una vez calculados todos los parmetros necesarios, se obtiene el valor Z
conforme la frmula anterior:
Z=
_
U- U
Z=
178 - 125
27,24
72
- 125
27,24
U = cualquier valor de U calculado (ya sea U1 o U2).
= 1,95
= - 1,95
Pgina 806
C aptulo 8

- Para obtener la probabilidad (valor de la p) del valor Zcalculado de 1.95 (1,9 +
0,05), se debe consultar la tabla de tamao de la muestra en funcin de los
valores d y buscar la hilera 1.9, en cuya columna correspondiente al error alfa de
0,05 se localiza el nmero 0,9788, cuyo complementario (1 - 0,9744 = 0,0256)
corresponde a la probabilidad del valor de U con respecto al promedio (p =
0,0256). Esto quiere decir que es menor que el nivel de significancia (p<0,05).
Pgina 807
C aptulo 8
p = [ 1 - 0,9744 ] = 0,0256
Pgina 808
C aptulo 8
Pgina 809
Decisin
A la cifra de Z de 1,95 le corresponde una probabilidad menor que 0,05 (p = 0,0256),
por lo cual se acepta Ha y se rechaza Ho (tabla de probabilidades asociadas en
valores extremos como los de 2 en la distribucin normal).
C aptulo 8
Pgina 810
Interpretacin
El experimentador (profesor de bioestadstica de los cursos), al aumentar el tamao
muestral en ambos grupos (n1=10, y n2=25, N=35), CONFIRMA la investigacin
preliminar con una muestra pequea (n1=5, y n2=5, N=10), con lo cual da a
entender que los resultados (calificaciones de los alumnos) logrados con el mtodo
PRESENCIAL son diferentes de los obtenidos con el mtodo de enseanza A
DISTANCIA; adems, este ltimo revela calificaciones ms bajas y permitira concluir
que es menos efectivo que el otro.
C aptulo 8
Pgina 811
Variable PREDICTORA
Variable RESULTADO
Virus de la Rubeola
C aptulo 8
Anti-IgGRUBEOLA
SEXO
Mean Rank
Sum of Ranks
Cristianas
234
392,46
91836,0
Musulmanas
487
345,88
168445,0
Total
721
Test estadsticos
IgG-Rubeola
Mann-Whitney U
49573,00
Wilcoxon W
168401,0
Zu
- 2,828
Significacin a dos colas (bilateral)
0,005
Significacin exacta a una cola
0,043
Mean rank
Zu
Sum of ranks
=
U-R
El ranking promedio de los niveles de Anti-IgG-RUBEOLA en gestantes inmunizadas

cristianas superior al de las musulmanas, es decir existen diferencias significativas entre
ambos grupos culturales, y por tanto como p < 0,05 se rechaza la Ho.
Conclusin: El grado de inmunizacin frente a la rubeola es diferente en cristianas y
musulmanas, siendo mayor en las primeras.
Pgina 812
C aptulo 8
Pgina 813
Variable PREDICTORA
Variable RESULTADO
Toxoplasma
C aptulo 8
Test de normalidad
Ao 2010
Media
DE
Estadstico Z
Significacin

anti-toxoplasma
297
77,5
133,6
5,321
0,000
Test de normalidad
Ao 2010
Tipo de cultura
Media
DE
Estadstico Z
Significacin
Niveles de
anticuerpos
IgG antitoxoplasma
Cristianas
32
67,9
58,6
1,260
0,084
Musulmanas
265
78,62
139,9
5,110
0,000
Pgina 814

TEST PARAMTRICOS.
C aptulo 8
Anti-IgGtoxoplasma
SEXO
Mean Rank
Sum of Ranks
Cristianas
32
162,11
5187,50
Musulmanas
265
147,42
39065,50
Total
297
Test estadsticos
IgG-toxoplasma
Mann-Whitney U
3820,50
Wilcoxon W
39065,50
Zu
- 0,914
Significacin a dos colas (bilateral)
0,361
Mean rank
Zu
Pgina 815
Sum of ranks
=
U-R
El ranking promedio de los niveles de Anti-IgG-toxoplasma en gestantes inmunizadas

cristianas similar al de las musulmanas, es decir NO existen diferencias significativas entre
ambos grupos culturales, y por tanto como p > 0,05 se acepta la Ho (igualdad).
Conclusin: El grado de inmunizacin (nivel de anticuerpos especficos) frente a
Toxoplasma es igual cristianas y musulmanas.
C aptulo 8

PARAMTRICOS
NO PARAMTRICOS
2 GRUPOS
U de Mann-Whitney
Independientes
Aparejados
T de Student para datos

apareados
Wilcoxon
Pgina 816
C aptulo 8
Variables cuantitativas:
Comparacin de la media entre dos grupos
Tipos de dieta
Peso (Kg)
Pescado
23
Pescado
19
Pescado
28
Pescado
23
Pescado
Pescado
17
Pescado
14
Pescado
13
.
Huevos
21
Huevos
22
Huevos
26
Huevos
25
Huevos
Huevos
28
Huevos
17
Huevos
Huevos
12
Muestras relacionadas
Peso inicial
Peso final (Kg)
DIF
23
21
-2
19
22
+3
28
26
-2
23
25
+2
-3
17
28
+ 11
14
17
+3
13
-9
..
Se compara cada individuo consigo mismo antes y despus de un tratamiento con una
determinada dieta.
Pgina 817
C aptulo 8
Pgina 818
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.
C aptulo 8
Test de la t de Student para muestras relacionadas

Pregunta de investigacin: Existen variacin del peso de la madre antes y
despus del embarazo?
Hiptesis nula Ho X antes = X despus ( DIF = POST FREC = 0)
Hiptesis alternativa Ha X antes X despus ( DIF = POST FREC 0)
t calculada =
d - O
S2
n
Variables
Estadsticos
Peso antes del

embarazo
Peso despus del

parto
Diferencia de peso
Media
54,26
55,64
1,38
6,653
7,624
4,096
1626
1626
1626
Pgina 819
C aptulo 8
Media
Desviacin
estndar (s)
Error estndar de
la media (EEM)
Peso ANTES
embarazo
54,26
1626
6,653
0,165
Peso DESPUS
del parto
55,64
1626
7,624
0,189
Variables
Variable
Correlacin (r)
Significacin
Peso ANTES embarazo versus Peso

DESPUS del parto
1626
0,844
0,000
Variables
Diferencias relacionadas Intervalo de

confianza de la
diferencia
t calculada
gl
Media
13,562
1625 0,000
Peso despus del 1,378

parto peso antes
del embarazo
EEM
Inferior
Superior
4,096
0,102
1,178
1,577
t calculada= 13,56 > t tabulado = 1,96;

tcalculada > ttabulada
Significacin
bilateral
p < 0,001
Ha: Existe variacin en el peso de las madres antes y despus de un embarazo.
Pgina 820
C aptulo 8
Distribucin de la t de Student (gl 30)

El test de la T de Student para muestras de ms de 30 individuos presenta
una distribucin muy similar a la distribucin normal tipificada Z.
El test de la T de Student es una prueba BILATERAL, y por tanto NO
especifica la direccin de la diferencia ( A B).
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)
Pgina 821
C aptulo 8
Pgina 822

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?
Variable PREDICTORA
PED
Variable RESULTADO
Cuantitativa
Frecuencia Cardaca Media
C aptulo 8
Pgina 823
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)
C aptulo 8
Resultados
Variables
Media
Desviacin
estndar (s)
Error estndar de
la media (EEM)
FRECPRE
79,53
30
19,15
3,50
FRECPOST
70,40
30
12,95
2,36
Variables
Correlacin (r)
Significacin
FRECPRE versus FRECPOST
30
0,828
0,000
Variables
FRECPRE FRECPOST
Diferencias
relacionadas
Media
EEM
9,13
11,12 2,031
Intervalo de
confianza de la
diferencia
t calculada
gl
Significacin
bilateral
Inferior
Superior
4,49
29
0,000
4,98
13,29
t calculada < t tabulada
t calculada > t tabulada
Pgina 824
C aptulo 8

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.
Pgina 825
C aptulo 8
Pgina 826

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?
La frecuencia cardiaca es una variable cuantitativa DISCRETA.
Por qu empleas un test paramtrico para este tipo de variables?No sera
ms adecuado utilizar el test de WILCOXON?
C aptulo 8
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
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.
Pgina 827
C aptulo 8
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
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
ndice 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
Pgina 828
C aptulo 8
La reduccin ponderal se acompa de una mejora del perfil lipdico

(triglicridos, cHDL y apoprotena B100 principalmente en los varones.
Varones
Final
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
117,8 (13,2)
126 (18,8)
0,24
- 17,5 a 4,9
Apo A1 (mg/dl)
Inicio
confianza;
Pgina 829
C aptulo 8
La reduccin ponderal se acompa de una mejora del perfil lipdico

(triglicridos, cHDL y apoprotena B100 principalmente en los varones.
Mujeres
Final
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
124,1 (23,2)
129 (21,4)
0,052
-0,07 a 19,4
Apo A1 (mg/dl)
Inicio
confianza;
Pgina 830
C aptulo 8
Pgina 831
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 ms 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.
C aptulo 8
Pgina 832
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?
C aptulo 8

PARAMTRICOS
NO PARAMTRICOS
U de Mann-Whitney
Independientes
Aparejados
Wilcoxon
Pgina 833
C aptulo 8
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
Pgina 834
C aptulo 8
Pgina 835
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
del tratamiento
Infiltracin
Nivel de dolor DESPUS

del tratamiento
C aptulo 8
Pgina 836
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.
C aptulo 8
Pgina 837

Ejercicio: Realizamos un estudio hipottico de cohortes recogiendo datos
sobre la actividad deportiva que practicaban en su juventud 10 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:
Actividad deportiva
Variable cuantitativa ordinal
S= sedentarios
O= deporte ocasional
R= deporte regular
C = deporte competitivo
E = deporte de elite
Variable resultado:
Pareja
Gemelo vivo
Gemelo muerto
10
C aptulo 8
Pgina 838
Test de Wilcoxon para datos apareados

Ejercicio: Realizamos un estudio hipottico de cohortes recogiendo datos
sobre la actividad deportiva que practicaban en su juventud 10 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:
Actividad deportiva
Variable cuantitativa ordinal
0 = sedentarios
1= deporte espordico
2= deporte regular
3= deporte competitivo
4= deporte de lite
Variable resultado:
Pareja
Gemelo vivo
Gemelo muerto
10
C aptulo 8
Prueba de los rangos con signo de WILCOXON

para datos apareados
Estadstico de contraste
DESENLACE - TIPO DE DEPORTE
- 1,897
Significacin asintomtica (bilateral)
0,058
Prueba de los signos para datos apareados

0,180
Pgina 839
C aptulo 8
El test de Wilcoxon es una prueba BILATERAL, y por tanto NO especifica

la direccin de la diferencia ( A B).
estadstica ( = 0,05)
Z calculado= - 1,89
Ho
Z 1- /2
Z 1- /2
Ha
Ha
- 1,96
Z calculado= - 1,89
1,96
<
Z tabulado = 1,96
Pgina 840
C aptulo 8
Pgina 841
Ho = La prctica deportiva en la juventud NO reduce la mortalidad

Ha = La prctica deportiva en la juventud REDUCE la mortalidad
z=
n(n + 1)
4
~ N (0,1)
n(n + 1)(2n + 1)
24
W-
z=
n(n + 1)
4
~ N (0,1)
n(n + 1)(2n + 1) g t i3 - t i
-
24
2
i =1
W-
1. Calculo del estadstico z: Zcalculado= -1,89

2. Comparacin del Zcalculado con el Ztabulado de las tablas de la normal. Zcalculado= -1,89 < Ztabulado = -1,96 para
p < 0,05 a dos colas. La significacin estadstica p = 0,058
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 5,8%.
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.
C aptulo 8
Pgina 842
Desenlace (E) Variable resultado

Exposicin (F) Variable predictora
Muerte
Sobreviviente
Sedentarismo (+)
Sedentarismo (-)

RR =
[ A / (A + B)]
[ 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).
C aptulo 8
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
factor de riesgo
(sedentarismo)
NO expuestos al
factor de riesgo
(sedentarismo)
Seguimiento
20 aos
RIESGO
RELATIVO
Fallecimientos
Sobrevivientes
Fallecimientos
Sobrevivientes
Prdidas de
seguimiento
Kumala et al. Relationship of leisure-time physical activity and mortality: the Finnish twin cohort. JAMA
1998; 11; 279: 440-4.
Pgina 843
C aptulo 8
Pgina 844
Desenlace (E) Variable resultado

Exposicin (F) Variable predictora
Muerte
Sobreviviente
Deporte (+)
Deporte (-)

RR =
[ A / (A + B)]
[ C / (C + D) ]
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).
C aptulo 8
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
factor de riesgo
(sedentarismo)
NO expuestos al
factor de riesgo
(sedentarismo)
Seguimiento
20 aos
RIESGO
RELATIVO
Fallecimientos
Sobrevivientes
Fallecimientos
Sobrevivientes
Prdidas de
seguimiento
1998; 11; 279: 440-4.
Pgina 845
C aptulo 8
Pgina 846
- 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.
RRR = [ 1 RR ] * 100
RRR1 = 29%
RRR2 = 34%
- 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.
C aptulo 8
Pgina 847
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
previos al curso
Curso
Conocimientos de MICS
despus del curso
C aptulo 8
Pgina 848
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 accin formativa (CMICS) mejora los conocimientos sobre
metodologa de investigacin en los alumnos.
C aptulo 8
Pgina 849

tericos de metodologa de investigacin en los alumnos
despus del curso?
N del
Alumno
N respuestas
correctas ANTES del
curso (RCAC)
N respuestas correctas
Diferencia de respuestas
DESPUS del curso (RCDC) acertadas DESPUS ANTES
(RCDC- RCAC)
10
14
14
14
14
13
13
10
13
11
11
C aptulo 8
Prueba de los rangos con signo de WILCOXON

para datos apareados
-2,536
0,011
Prueba de los signos para datos apareados

0,008
Pgina 850
C aptulo 8
Pgina 851
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: 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. Por
tanto, 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).
C aptulo 8
MUESTRAS
APAREADAS
INDEPENDIENTES
n 30
n1 o n2 30
n1 y n2 30
Test de normalidad
Test de levene
Homogeneidad
de las varianzas
Test de la t de
Student para
muestras
independientes
SI
n 30
Test de normalidad
NO
SI
NO
Heterogeneidad
de las varianzas
Test de Welch
Test de la
U de
MannWhitney
Test de la t de
Student para
datos
apareados
Test de
Wilcoxon
Pgina 852
C aptulo 8
Qu relacin existe entre los niveles de colesterol-LDL en
sangre y la probabilidad de padecer un IAM?
Variable PREDICTORA
Niveles colesterol-LDL
Variable RESULTADO
IAM
Pgina 853
C aptulo 8
Qu relacin existe entre los niveles de alcoholemia y la
probabilidad de tener un accidente de trfico?
Variable PREDICTORA
Niveles de Alcoholemia
Variable RESULTADO
Accidente de trfico
Pgina 854
C aptulo 8
Qu relacin existe entre la ingesta crnica de alcohol y la
probabilidad de desarrollar cncer de esfago?
Variable PREDICTORA
Ingesta crnica de alcohol
Variable RESULTADO
Cncer de esfago
Pgina 855
C aptulo 8
Qu relacin existe entre la edad gestacional y la
probabilidad de muerte del recin nacido?
Variable PREDICTORA
Edad gestacional
Variable RESULTADO
Muerte del RN
Pgina 856
C aptulo 8
Predice
VCM (hemograma)
Produce
Produce
Ferritina (srica)
Predice
Pgina 857
C aptulo 8
Qu relacin existe entre el VCM del hemograma y la
probabilidad de tener dficit de los depsitos de hierro en
mdula sea?
Variable PREDICTORA
VCM
(hemograma)
Variable RESULTADO
Pgina 858
C aptulo 8
Qu relacin existe entre los niveles de ferritina srica y la
mdula sea?
Variable PREDICTORA
Ferritina (srica)
Variable RESULTADO
Pgina 859
C aptulo 8
Anlisis estadstico
Variable resultado
Variable
Predictora
Variable
Independiente
Dicotmica
Continua
Dicotmica
Test de 2
t de Student
Continua
Regresin logstica Regresin lineal

simple
Pgina 860
C aptulo 8
Anlisis estadstico
ANLISIS ESTADSTICO
Variable
Predictora
Variable
Independiente
Variable resultado
Dicotmica
Continua
Dicotmica
Test de 2
t de Student
Continua
Regresin logstica
Regresin lineal
REGRESIN LOGSTICA SIMPLE
Pgina 861
C aptulo 8
Anlisis de Regresin Logstica Simple

- Variable RESULTADO: Dicotmica
- Variable PREDICTORA:
- Cuantitativa
- Categrica
Variables PREDICTORAS
Variable RESULTADO
Alcoholemia
Accidente de trfico
Ingesta de alcohol
Cncer de esfago
Colesterolemia
IAM
Edad gestacional
Muerte del RN
Pgina 862
C aptulo 8
Qu relacin existe entre los niveles de colesterol-LDL en
sangre y la probabilidad de padecer un IAM?
Variable PREDICTORA
Niveles colesterol-LDL
Variable RESULTADO
IAM
Pgina 863
C aptulo 8
Modelo de Anlisis de Regresin Logstica Simple
P=
e 1X1
1 + e 1X1
log
P
1-P
= 0 + 1X1
Y
Y=1
Modelo de regresin
logstica simple
Probabilidad de
enfermedad
coronaria
Modelo de probabilidad
lineal simple
Y=0
Factor de riesgo: cLDL
X1
Pgina 864
C aptulo 8
Anlisis de regresin logstica simple
Pgina 865
C aptulo 8
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.
Variable PREDICTORA
Edad gestacional
Variable RESULTADO
Probabilidad de morir
Pgina 866
Pgina 867
C aptulo 8

Qu relacin existe entre la edad gestacional y la probabilidad de muerte
del recin nacido?
Variable PREDICTORA
Edad gestacional
Variable RESULTADO
Riesgo de muerte del RN
Edad gestacional
Semanas
24
25
26
27
28
29
Total
Vivo
16
38
49
45
30
181
Muerto
26
56
69
50
21
229
Estimaciones de los parmetros del modelo logstico

propuesto para los datos anteriores
Variable
Estimacin
Error estndar
Constante
18,36
2,375
Edad
gestacional
- 0,6819
0,08908
P = probabilidad que muera un RN
C aptulo 8
Pgina 868
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
Z95%
1,96
95%
2,56
99%
Z99,5%
3,29
99,5%
Z99%
Estimaciones de los parmetros del modelo logstico

propuesto para los datos anteriores
Coeficiente de regresin
logstica estandarizado
1
EE1
0,6819
0,08908
7,65
>
Variable
Estimacin
Error estndar
Constante
18,36
2,375
Edad
gestacional
- 0,6819
0,08908
Z95%
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.
C aptulo 8

Estimaciones de los parmetros del modelo
logstico propuesto para los datos anteriores
Variable
Estimacin
Error estndar
Constante
18,36
2,375
Edad
gestacional
- 0,6819
0,08908
1/OR = 1,98
Un RN presenta casi 2 veces ms riesgo de

morir que otro RN con una semana ms
OR = 0,506
20
1 = - 0,6819
Es el riesgo de morir de un RN respecto

a otro que tiene una semana menos
Logit
10
- 10
24
25
26
27
28
29
Edad gestacional (semanas)
Representacin grfica de los logits en las diferentes edades

gestacionales estudiadas
Cul es el riesgo de morir de un RN

con 25 semanas en relacin a otro de 29
semanas?
OR = e1 (X1-X2)
OR = e -0,6819 (25-29) = 15,30
Pgina 869
C aptulo 8
Qu relacin existe entre el VCM del hemograma y la
mdula sea?
Variable PREDICTORA
VCM
(hemograma)
Variable RESULTADO
Pgina 870
C aptulo 8
Pgina 871

Qu relacin existe entre el VCM y los depsitos de
hierro en mdula sea?
Variable PREDICTORA
Variable RESULTADO
VCM
Depsitos de Fe medular

Variable
Estimacin
Constante
- 6,1112
VCM
0,08485
Error estndar
0,02689
log
P
1- P
- 6,1112
0,08485 VCM
P = probabilidad de que existan depsitos de hierro medular
C aptulo 8
Pgina 872

Qu relacin existe entre la Ferritina srica y los depsitos
de hierro medular?
Variable PREDICTORA
Variable RESULTADO
Ferritina srica

Variable
Estimacin
Constante
- 2,1290
FERRITINA
0,1713
Error estndar
0,04085
log
P
1
- 2,1290
0,1713 FERRITINA
C aptulo 8
Pgina 873

Variable
PREDICTORA o
de estudio)

Cualitativa nominal
dos
categoras
Cualitativa nominal > 2

categoras
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica
Cualitativa dos
grupos
independientes
Chi cuadrado
Z comparacin de
proporciones
Chi cuadrado
U de Mann-Whitney
T de Student
(prueba de Welch)
Cualitativa dos
grupos
apareados
Test de McNemar
Q de Cochran
Prueba de los rangos

de Wilcoxon
T de Student
para datos
emparejados

independientes
Chi cuadrado
Chi cuadrado
(ANOVA)

apareados
Q de Cochran
Q de Cochran
Prueba de Friedman
de dos vas
Cuantitativa
Regresin logstica
simple
Correlacin de
Sperman
Tau de Kendall
Regresin lineal
C aptulo 9
Captulo 9
Cualitativa policotmica versus cuantitativa.

Pgina 874
C aptulo 9
Pgina 875
Materiales y mtodos
Estructura
C aptulo 9

Pgina 876
C aptulo 9
Pgina 877

Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Cualitativa
Cualitativa
Ji cuadrado
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA

Cualitativa
Cuantitativa
t de Student
Test de Wilcoxon
Test de Friedman

Cuantitativa
Cualitativa


Cuantitativa
Cuantitativa

REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Cualitativa
Superviviencia
Kaplan-Meier
Long-Rank
Regresin de COX
C aptulo 9
Pgina 878

Variable
PREDICTORA o
de estudio)

Cualitativa nominal
dos
categoras
Cualitativa nominal
>2
categoras
Cuantitativa NO
paramtrica
Cuantitativa
paramtrica

independientes
Chi cuadrado
Z comparacin de
proporciones
Test exacto de
Fisher
Chi cuadrado
U de Mann-Whitney
T de Student
(prueba de Welch)

apareados
Test de McNemar
Q de Cochran
Prueba de los
rangos
de Wilcoxon
T de Student
para datos
emparejados

independientes
Chi cuadrado
Chi cuadrado
(ANOVA)

apareados
Q de Cochran
Q de Cochran
Prueba de Friedman
de dos vas
Cuantitativa
Regresin logstica
Regresin logstica
Correlacin de
Sperman
Tau de Kendall
Regresin lineal
C aptulo 9

Variable PREDICTORA
Variable RESULTADO
CUANTITATIVA
Pgina 879
C aptulo 9
Cualitativa policotmica versus cuantitativa

PARAMTRICOS
NO PARAMTRICOS
2 GRUPOS
Independientes
Aparejados
ANOVA para muestras

independientes
Kruskal-Wallis
para muestras dependientes o apareadas
Friedman
Pgina 880
C aptulo 9
Pgina 881
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.
- Prueba F de Snedecor.
- Test de Barttlet.
- Test de Levene.
C aptulo 9
Homogeneidad de varianzas (homocedasticidad)
- Test de Barttlet
- Test de Levene
F=
Varianza mayor
Varianza menor
ANOVA
KRUSKAL-WALLIS
Pgina 882
C aptulo 9
HIPERLIPIDEMIA
EDAD
SEXO
NIVEL CULTURAL
TABAQUISMO
OBESIDAD IMC
DIABETES
Excrecin urinaria
de sodio en 24 horas
Pgina 883
C aptulo 9
Test de la t de Student
Anlisis de la varianza para un factor
Variable RESULTADO

Distribucin ANORMAL
Pgina 884
C aptulo 9
Tienen la misma eficacia las dietas ensayadas para reducir
el nivel de colesterol-LDL?
Variable PREDICTORA
Tipos de dieta
- Dieta control
- Dieta moderada
- Dieta estricta
Variable RESULTADO
LDL- colesterol
Pgina 885
C aptulo 9
Grupo Control (n=10)
Dieta moderada (n=10)
Dieta estricta (n=10)
+ 13
+ 10
12
+2
15
10
21
-8
20
-10
+5
15
-18
-16
+8
-10
+2
16
-20
-2
-15
Media = + 2,5
Media = - 10,1
Media = - 13,7
Pgina 886
C aptulo 9
Hiptesis nula: 1
2 = 3 =
= n
Hiptesis alternativa: al menos una de las medias x es distinta
EFECTO debido a la dieta

Dispersin debida al AZAR (error)
F =
Varianza entre grupos (EFECTO)
Varianza residual (ERROR)

723,6
35,7
= 20,2
Pgina 887
C aptulo 9
Pgina 888
F =
15

723,6
35,7
= 20,2
10
5
Cambio de el LDL (mg/dl)
0
-5
- 10
-15
- 20
- 25
Control
Moderada
Estricta
Cambio en los niveles de colesterol-LDL (mg/dl) a los 6 meses de

tratamiento de intervencin diettica en 3 grupos de voluntarios
asignados a diferentes dietas

Cul es la intervencin diettica que ms reduce los niveles de colesterol-LDL?

+10
- 10
- 20

tratamiento de intervencin diettica en 3 grupos de voluntarios
C aptulo 9
Control
Moderada
Estricta
Pgina 889
C aptulo 9

Peso del RN
Suma de
cuadrados
gl
Media
cuadrtica
Significacin
Inter-grupos
1447,2
723,6
20,235
0,000
Intra-grupos
965,5
27
35,7
Total
2412,7
29
F calculada= 20,235 > F tabulado = 3,23;
p < 0,001
Hiptesis alternativa Ha: El reduccin del LDL difiere segn el tipo de dieta.
Cul es la intervencin diettica que ms reduce los niveles de colesterolLDL?
Pgina 890
C aptulo 9
s12 12
valores " F " : F = 2 2
s2 2
Grados de libertad 1 y 2
1 = n1 - 1 2 = n2 - 1
El ANOVA para un factor para poblaciones con alto tamao

muestral presenta una distribucin de la F de Snedecor.
Pgina 891
C aptulo 9
Ho
F calculada = 20,2
F
Ha
calculada >
tabulada
p < 0,05
F tabulado = 3,23 para los grados de libertad de la muestra
Pgina 892
C aptulo 9

Anlisis de la Varianza para un factor
t

p > 0,05
F=
318,6
61,0
= 5,2

p < 0,05
Hiptesis nula H0
El cambio en el nivel de cLDL es

independiente de la intervencin
diettica
Las medias del cLDL de los

distintos grupos son diferentes
Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
NO
?
Pgina 893
C aptulo 9
Pgina 894
Cul es la intervencin diettica que ms reduce los niveles

de colesterol-LDL?
Procedimiento de SCHEFFE
Procedimiento de BONFERRONI
Mtodo de DUNNET
Mtodo de TUKEY
Mtodo de DUCAN
Mtodo de STUDENTNEWMAN-KEULS
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se obtienen
intervalos de medias
C aptulo 9
Contrastes a posteriori en SPSS
Pgina 895
C aptulo 9
Pruebas Post Hoc

Hiptesis nula Ho: La dieta ESTRICTA reduce el LDL de forma similar al
resto de las dietas comparadas.
Hiptesis alternativa Ha: La dieta ESTRICTA reduce el LDL de forma
significativa con respecto al resto de las dietas comparadas.
DIETAS
Control
Moderada
Estricta
Control
Moderada
Estricta
Ho =
Ha
Ho =
Ha
Ho =
Ha
Pgina 896
C aptulo 9
Procedimiento de Bonferroni
Dieta (I)
Dieta (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Control
Moderada
12,60
2,674
0,000
Estricta
16,20
2,674
0,000
Control
- 12,60
2,674
0,000
Estricta
3,60
2,674
0,568
Control
- 16,20
2,674
0,000
Moderada
- 3,60
2,674
0,568
Moderada
Estricta
Hiptesis nula Ho: La dieta ESTRICTA reduce el LDL de forma similar al resto de las dietas comparadas.
Pgina 897
C aptulo 9
Procedimiento de Scheffe
Dieta (I)
Dieta (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Control
Moderada
12,60
2,674
0,000
Estricta
16,20
2,674
0,000
Control
- 12,60
2,674
0,000
Estricta
3,60
2,674
0,416
Control
- 16,20
2,674
0,000
Moderada
- 3,60
2,674
0,416
Moderada
Estricta
Pgina 898
C aptulo 9
Procedimiento de HSD de Tukey

Dieta (I)
Dieta (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Control
Moderada
12,60
2,674
0,000
Estricta
16,20
2,674
0,000
Control
- 12,60
2,674
0,000
Estricta
3,60
2,674
0,383
Control
- 16,20
2,674
0,000
Moderada
- 3,60
2,674
0,383
Moderada
Estricta
Pgina 899
C aptulo 9
Procedimiento de Gabriel
Dieta (I)
Dieta (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Control
Moderada
12,60
2,674
0,000
Estricta
16,20
2,674
0,000
Control
- 12,60
2,674
0,000
Estricta
3,60
2,674
0,459
Control
- 16,20
2,674
0,000
Moderada
- 3,60
2,674
0,459
Moderada
Estricta
Pgina 900
C aptulo 9
Procedimiento de Sidak
Dieta (I)
Dieta (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Control
Moderada
12,60
2,674
0,000
Estricta
16,20
2,674
0,000
Control
- 12,60
2,674
0,000
Estricta
3,60
2,674
0,467
Control
- 16,20
2,674
0,000
Moderada
- 3,60
2,674
0,467
Moderada
Estricta
Pgina 901
C aptulo 9
Procedimiento de la t de Dunnett (bilateral)

Dieta (I)
Dieta (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Control
Estricta
16,20
2,674
0,000
Moderada
Estricta
3,60
2,674
0,315
La prueba de Dunnett trata como un grupo como control y lo compara con

todos los dems grupos.
Pgina 902
C aptulo 9
Mtodo de Duncan
Tipo de dieta
Test de Duncan
Subconjunto para alfa

= 0,05
DIETA
Estricta
10
-13,700
Moderada
10
-10,100
Control
10
Significacin
Comparacin de la dieta estricta

con la moderada (p > 0,1).
2,500
0,189
1,000
Comparacin de la dieta control con las

dems (1- p = 1,000; p = 0,000).
Hiptesis nula Ho: La dieta CONTROL reduce el LDL de forma similar al resto de las dietas comparadas.
No existe diferencia entre la moderada y la estricta).
Pgina 903
C aptulo 9
Pgina 904
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 slo tienen 10 sujetos. Ante
tan bajo volumen muestral
Cmo justificas esa supuesta normalidad?
Qu test has empleado para comprobar esa normalidad de la reduccin del
LDL?
Ests seguro que se cumplen los criterios para poder usar ANOVA?
C aptulo 9

Estadsticos descriptivos del LDL en cada dieta
Tipo de dieta Media
Reduccin del Control
LDL
Moderada
Estricta
Distribucin normal
DE
Mediana g1
EEg1
g2
EEg2
2,500
6,53
2,000
0,127
0,687
-0,732
1,334
-10,100
5,19
-8,500
- 0,880
0,687
-0,307
1,334
- 13,700
6,12
-15,000
1,172
0,687
1,909
1,334
[Asimetria] < 2 EEasimetra g1 < 2 EE g1

[Curtosis] < 2 EEcurtois
g2 < 2 EE g2
Pgina 905
C aptulo 9
Pgina 906

Reduccin del LDL
Tipo de dieta
Estadstico Z
g.l
Significacin
Control
0,488
10
0,971
Moderada
0,657
10
0,782
Estricta
0,582
10
0,887
Ho: p > 0,05 NORMALIDAD
Test paramtricos
Ha: p < 0,05 ANORMALIDAD
Test NO paramtricos
Los test de normalidad ensayados dan un valor de p NO significativo (p > 0,05) en los 3 grupos (tipos de
dieta). Por tanto no hay evidencias suficientes para rechazar la hiptesis nula de normalidad de la variable
reduccin del peso en ambas muestras: podemos usar test PARAMTRICOS.
C aptulo 9
Pgina 907
Test ANOVA: Observaciones

- Los resultados del contraste estadstico F en la prueba ANOVA son sustancialmente
vlidos aunque los datos no sean normales, en ese sentido se dice que es una
tcnica ROBUSTA frente a desviaciones de la normalidad.
- El efecto de desigualdad de las varianzas en los grupos sobre el contraste F y
los contrastes de medias dependen de que el nmero de observaciones en cada
grupo sea igual o muy distinto. Si todos los grupos tienen el mismo nmero de
observaciones, el contraste F es igualmente exacto aunque las varianzas sean
distintas. Es decir, podemos despreocuparnos de las varianzas a efectos de
contrastes de medias, siempre que haya aproximadamente el mismo nmero de
observaciones por grupo, en caso contrario, diferencias entre las varianzas pueden
ser graves.
C aptulo 9
El peso al nacer de los RN difiere segn la localidad
de origen?
Variable PREDICTORA
Ciudad de origen
1. Ceuta
2. Algeciras
3. Tarifa
4. La Lnea
Variable RESULTADO
Peso del RN
Pgina 908
C aptulo 9
Pgina 909
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
393,0
444,1
471,5
361,4
1146
214
80
186
F=
= 21,3
C aptulo 9
Ho
F calculada = 21,3
Ha
F tabulado = 3,23 para los grados de libertad de la muestra
Pgina 910
C aptulo 9
Pgina 911

Peso del RN
Suma de
cuadrados
gl
Media cuadrtica
Significacin
Inter-grupos
10290751
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?
C aptulo 9
Cul es la ciudad donde los nios nacen con mayor peso?
Variable PREDICTORA
Ciudad de origen
1. Ceuta
2. Algeciras
3. Tarifa
4. La Lnea
Variable RESULTADO
Peso del RN
Pgina 912
C aptulo 9
Pruebas Post Hoc paramtrico

Procedimiento de SCHEFFE
Mtodo de DUNNET
Mtodo de TUKEY
Mtodo de DUCAN
Mtodo de STUDENTNEWMAN-KEULS
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se comparan los
grupos de 2 en 2
Se obtienen
intervalos de medias
Pgina 913
C aptulo 9
Pgina 914
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
Algeciras
Tarifa
La Lnea
Ho =
Ha
Ho =
Ha
Ho =
Ha
Ho =
Ha
Ho =
Ha
Ho =
Ha
C aptulo 9
Pgina 915
Procedimiento de Scheffe
Ciudad (I)
Ciudad (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Ceuta
Algeciras
148.92
29,85
0,000
Tarifa
177,79
46,35
0,002
La Lnea
197,13
31,69
0,000
Ceuta
- 148,92
29,85
0,000
Tarifa
28,87
52,53
0,960
La Lnea
48,21
40,18
0,696
Ceuta
- 177,79
46,35
0,002
Algeciras
- 28,87
52,53
0,960
La lnea
19,34
53,59
0,988
Ceuta
- 197,13
31,69
0,000
- 48,21
40,18
0,696
- 19,92
53,59
0,988
Algeciras
Tarifa
La Lnea
Tarifa
Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso medio que el resto de las ciudades.
C aptulo 9
Pgina 916
Procedimiento de Bonferroni
Ciudad (I)
Ciudad (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Ceuta
Algeciras
148.92
29,85
0,000
Tarifa
177,79
46,35
0,001
La Lnea
197,13
31,69
0,000
Ceuta
- 148,92
29,85
0,000
Tarifa
28,87
52,53
1,000
La Lnea
48,21
40,18
1,000
Ceuta
- 177,79
46,35
0,001
Algeciras
- 28,87
52,53
1,000
La lnea
19,34
53,59
1,000
Ceuta
- 197,13
31,69
0,000
- 48,21
40,18
1,000
- 19,92
53,59
1,000
Algeciras
Tarifa
La Lnea
Tarifa
C aptulo 9
Pgina 917
Procedimiento de Duncan
Procedencia
Test de Duncan
Subconjunto para alfa

= 0,05
Ciudad
La Lnea
186
3169,03
Tarifa
80
3188,38
Algeciras
214
3217,24
Ceuta
1146
3366,16
0,960
0,298
1,000
Significacin
Comparacin de las 3 ciudades

(p > 0,1).
2 (Ceuta)
Comparacin de Ceuta con las dems

ciudades (1- p = 1,000; p = 0,000).
C aptulo 9

PARAMTRICOS
NO PARAMTRICOS
2 GRUPOS
Independientes
Aparejados
ANOVA para muestras

independientes
Kruskal-Wallis
Friedman
Pgina 918
C aptulo 9
Pgina 919
La prueba de Kruskal-Wallis (comparar ms de dos grupos)

- Para la comparacin de una misma variable cuantitativa en ms de tres grupos.
Es la prueba NO paramtrica ms potente para comparar >2 variables continuas
independientes. Es el similar al test de ANOVA para un factor.
- La prueba de Kruskal-Wallis, es una alternativa a la prueba F del ANOVA
(anlisis de varianza) 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, donde, n es el total de datos.
k
Ri2
12
H=
- 3(n + 1)
n(n + 1) i =1 ni
Ho: La mediana de las k poblaciones consideradas son iguales y

Ha: Al menos una de las poblaciones tiene mediana distinta a las otras
C aptulo 9
Tienen la misma eficacia las dietas ensayadas en grupos de
5 individuos para reducir el nivel de colesterol-LDL?
Variable PREDICTORA
Tipos de dieta
- Dieta control
- Dieta moderada
- Dieta estricta
Variable RESULTADO
LDL- colesterol
Pgina 920
C aptulo 9

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
+ 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
Pgina 921
C aptulo 9
Resultados: Prueba de Kruskal-Wallis

Rangos
Cambio del LDLc
Tipo de DIETAS
Rango promedio
CONTROL
12,30
MODERADA
6,70
ESTRICTA
5,00
Total
15
N
15
Chi-cuadrado
gl
(K 1)
Significacin
7,308
2
0,026
Pgina 922
C aptulo 9
Test de Kruskal-Wallis
t

p > 0,05
X2 H = 7,3 p = 0,026

p < 0,05
Hiptesis nula H0
El cambio en el nivel de cLDL es

independiente de la intervencin
diettica
Las medias del cLDL de los

distintos grupos son diferentes
Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
NO
?
Pgina 923

+10
+3
- 10,2
- 10
-12
- 20
Control
Moderada
Estricta
tratamiento de intervencin diettica en 3 grupos de 5 voluntarios
C aptulo 9
Pgina 924
C aptulo 9
Pruebas Post Hoc no paramtricas

Procedimiento de IDK
Mtodo de HOLM
Mtodo de HOLLAND-COPENHAVER
Mtodo de HOCHBERG
Mtodo de HOMMEL
Mtodo de ROM
Pgina 925
C aptulo 9
Med Clin (Barc) 2006;127:41-6.
Pgina 926
C aptulo 9
Pgina 927
C aptulo 9
Qu relacin existe entre los niveles de calprotectina fecal
y las diferentes enfermedades orgnicas intestinales?
Variable PREDICTORA
Controles
- Plipos
- Cncer colorrectal
- Enfermedad inflamatoria intestinal
Variable RESULTADO
Calprotectina fecal
Pgina 928
C aptulo 9
4.000
3.600
Calprotectina fecal (g/g)
3.200
2.800
2.400
2.000
1.600
1.200
800
400
217
Normal
Polipos
Cncer
colorrectal
Diagnstico endoscpico
Enfermedad
inflamatoria
intestinal
Pgina 929
C aptulo 9
Qu relacin existe entre los niveles de calprotectina fecal

y las diferentes enfermedades orgnicas intestinales?
Concentraciones de calprotectina fecal (g/g)
Grupos
Media
DE
Controles
117
113,7
113,1
Plipos
28
158,3
155,8
Cncer colorrectal
20
726,6
533,2
Enfermedad inflamatoria intestinal
25
2171,1
2133,6
Test de KRUSKAL-WALLIS
p < 0,001
Pgina 930
C aptulo 9
Pgina 931
Anlisis estadstico (fragmento del texto)
El anlisis de los datos se llev a cabo mediante el programa estadstico SPSS 11.0. El
valor de la CPF se presenta como media y con un intervalo de confianza (IC) del 95%.
Se utiliz el test de Kruskal-Wallis para evaluar las diferencias entre los valores de CPF
entre los diferentes grupos y el coeficiente de Spearman para valorar la correlacin entre
este marcador y el ndice de actividad de la enfermedad en el grupo de pacientes con
C aptulo 9
Pgina 932

En la figura 1 se muestra los valores de CPF en los diferentes grupos de pacientes. Se
encontr un incremento del valor medio (DE) en pacientes con enfermedad inflamatoria
intestinal (EII) EII (2.171 [2.134] mg/kg) y CCR (727 [533] mg/kg) con diferencias
estadsticamente significativas con respecto al grupo 1 (114 [113] g/g, p < 0,001).

El presente trabajo muestra que la concentracin de CPF est significativamente elevada
en pacientes con procesos orgnicos en colon, fundamentalmente en el cncer colorrectal
y enfermedad inflamatoria intestinal (EII). Adems, los valores ms altos se alcanzan
en pacientes con EII, y sus valores se correlacionan con el grado de actividad de la
enfermedad.
C aptulo 9
Me parece acertada la eleccin del test de KRUSKAL-WALLIS como

contraste de hiptesis, sin embargo
Qu test has empleado para comprobar esa supuesta anormalidad de la
calprotectina fecal?
Si la calprotectina no sigue la distribucin normal
Por qu utilizas la media y la desviacin estndar como estadsticos
descriptivos?
Pgina 933
C aptulo 9
Pgina 934
El test de KRUSKAL-WALLIS muestra un nivel crtico que es menor de 0,05,

y slo podemos rechazar la hiptesis de igualdad de promedios, concluyendo
que los grupos comparados (control, plipos, cncer colorrectal y enfermedad
inflamatoria intestinaI), difieren en los niveles de calprotectina fecal. Sin
embargo el test no te permite decir que en la enfermedad inflamatoria
intestinal los valores son mayores.
Por qu dices que los valores ms altos se alcanzan en pacientes con
enfermedad inflamatoria intestinal, cuando eso no te lo permite el test
estadstico empleado?
C aptulo 9
Pgina 935
Aunque existen procedimientos POCT HOC para efectuar comparaciones

mltiples tras obtener un estadstico H significativo, para analizar con SPSS
que grupo tiene un mayor valor de CPF puedes utilizar la U de Mann-Whitney
para dos muestras independientes, pero acompaada de la correccin de
Bonferroni para controlar la probabilidad de cometer un error alfa.
Puesto que con 4 grupos de la variable predictora; control (CT), polipos (PL),
cncer colorrectal (CCR) y enfermedad inflamatoria intestinal (EII), necesitas
hacer 6 comparaciones 2 a 2 (CT-PL, CT-CCR, CT-EII, PL-CCR, PL-EII,
CCR-EII), la aplicacin de la correccin de Bonferroni te llevar a basar
vuestras decisiones en un nivel de significacin de 0,05/6 = 0,0083. Es decir,
consideraremos que dos grupos comparados difieren significativamente
cuando el nivel crtico obtenido (p) sea inferior a 0,0083.
C aptulo 9
VENTAJAS
INCONVENIENTES
Permite datos ordinales y cuantitativos

discretos
Menor potencia estadstica
No es necesaria la normalidad (test no

paramtrico)
Menor sensibilidad para detectar

diferencias entre grupos
El tamao muestral puede ser pequeo
No permite construir intervalos de

confianza
Pgina 936
C aptulo 9
Prueba de la Mediana
- Su objetivo es comparar las medianas de dos muestras y determinar si

pertenecen a la misma poblacin o no.
- Se calcula la mediana de todos los datos conjuntamente. Despus, se divide
cada muestra en dos subgrupos: uno para aquellos datos que se siten por
encima de la mediana y otro para los que se siten por debajo.
- La prueba de chi-cuadrado determinar si las frecuencias observadas en cada
grupo difieren de las esperadas con respecto a una distribucin de frecuencias
que combine ambas muestras.
- Esta prueba est especialmente indicada cuando los datos sean extremos o
estn sesgados.
Pgina 937
C aptulo 9
Variable PREDICTORA
Tipos de dieta
- Dieta control
- Dieta moderada
- Dieta estricta
Variable RESULTADO
LDL- colesterol
Pgina 938
C aptulo 9
Grupo Control (n=10)
Dieta moderada (n=10)
Dieta estricta (n=10)
+ 13
+ 10
12
+2
15
10
21
-8
20
-10
+5
15
-18
-16
+8
-10
+2
16
-20
-2
-15
Media = + 2,5
Media = - 10,1
Media = - 13,7
Pgina 939
C aptulo 9
Prueba de la Mediana
Tipo de dietas
Control
Moderada
Estricta
> Mediana
Mediana
Hay 3 casillas con frecuencia esperada menor de 5.

La frecuencia de casilla esperada mnima es de 4,7
LDL
30
Mediana
- 8,000
Chi-cuadrado
13,125
gl
(K 1)
Significacin
0,001
Pgina 940
C aptulo 9
Test de Jonckheere-Terpstra
- Cuando no se cumplen las condiciones para el ANOVA, hay tres tests

disponibles: H de Kruskal-Wallis, mediana y Jonckheere-Terpstra.
- El test H de Kruskal-Wallis, una extensin del test U de Mann-Whitney es el
anlogo no-paramtrico del ANOVA.
- El test de la mediana, que es una prueba ms general pero no tan potente,
detecta diferencias en la situacin y forma de las distribuciones. Ambas pruebas
asumen que no hay un ordenamiento a priori de las k poblaciones de las que se
han extrado las muestras.
- Cuando hay una ordenacin natural a priori (ascendente o descendente) de las
k poblaciones, es preferible usar el test de Jonckheere-Terpstra.
Pgina 941
C aptulo 9
74 pacientes ingresados en una UCI y queremos comparar las

estancias generadas en dicha unidad entre tres grupos de pacientes clasificados en funcin de la edad (jvenes, maduros y
ancianos)
CUALITATIVA ordinal
Grupos etarios
- Jvenes
- Maduros
- Ancianos
Variable RESULTADO
CUANTITATIVA
Estancia
- Das
Pgina 942
C aptulo 9
Pgina 943
Variable resultado
ESTANCIA
Media
DE
EEM
Mediana
Variable predictora
Grupos etarios
JVENES
28
5,18
11,17
2,11
2,00
MADUROS
23
9,22
15,29
3,19
3,00
ANCIANOS
23
21,51
21,52
4,49
3,00
Variable resultado
ESTANCIA
EE1
EE1
Variable predictora
Grupos etarios
JVENES
28
3,944
0,441
16,048
0,858
MADUROS
23
2,760
0,481
8,430
0,935
ANCIANOS
23
2,290
0,481
5,682
0,935
Distribucin normal
g1 < 2 EE g1 g2 < 2 EE g2
La variable resultado ESTANCIA, como casi todas las que se refieren al tiempo, es una variable conocida
por su distribucin alejada de lo normal. Si el tamao de los grupos que se estudian es pequeo menor
de 30, no sera adecuada la utilizacin de mtodos paramtricos (ANOVA) y deberamos recurrir a los
clsicos no paramtricos (KRUSKAL-WALLIS).
C aptulo 9
Media
Media
Mediana
Mediana
Pgina 944
C aptulo 9
Pgina 945
Test de normalidad
Variable resultado
ESTANCIA
Variable predictora
Grupos etarios
N
Estadstico Z Significacin
Jvenes
28
2,301
0,000
Maduros
23
1,668
0,008
Ancianos
23
1,236
0,097
Total
74
2,829
0,000
Ho: p > 0,05 NORMALIDAD Test paramtricos

Ha: p < 0,05 Test NO paramtricos
El test de normalidad ensayado da un valor de p significativo (p < 0,05). Por tanto hay evidencias suficientes
para rechazar la hiptesis nula de normalidad de la variable ESTANCIA en UCI en los grupos. No se puede
asumir la normalidad.
C aptulo 9
Prueba de la homogeneidad de las varianzas

Test de Levene
Variable resultado ESTANCIA en UCI (das)
Estadstico de Levene
gl1
gl2
Significacin
3,707
71
0,022
El test de Levene (1960) se usa para contrastar si los 3 grupos comparados tienen la misma varianza, es
decir, la homogeneidad de varianzas. Para poder utilizar el anlisis de la varianza es necesario que las
varianzas son iguales para todos los grupos. De ah la importancia de verificar con el test de Levene esa
hiptesis.

p > 0,05 (aceptamos la Ho)
ANOVA
KRUSKAL-WALLIS
ANOVA
KRUSKAL-WALLIS
Pgina 946
C aptulo 9
Reflexiones: existen varios incumplimientos para el

ANOVA
1. Ausencia de normalidad.
2. Ausencia de homocedasticidad: el test de Levene para valorar la
homogeneidad de las variancias muestra que existen diferencias entre ellas (p =
0,027).
3. Y existencia de valores anmalos (outliers) que impiden la utilizacin de
mtodos paramtricos (ANOVA clsico).
Tenemos que recurrir a los clsicos no paramtricos de Kruskal-Wallis o, mejor, a
mtodos robustos como la generalizacin robusta del test Welch, que utiliza medias
-recortadas muestrales y es capaz de detectar diferencias significativas entre los
grupos.
Pgina 947
C aptulo 9
Resultados: Prueba H de Kruskal-Wallis

Clculo de Rangos
GRUPO ETARIO
Rango promedio
JVENES
28
31,00
MADUROS
23
38,37
ANCIANOS
23
44,54
Total
74
Chi-cuadrado
gl
(K 1)
Significacin
ESTANCIA
5,234
2
0,073
Hiptesis nula Ho: La estancia en UCI de los pacientes estudiados NO difiere segn el
grupo etario.
Pgina 948
C aptulo 9
Test de Jonckheere-Terpstra (J-T)

ESTANCIA
Nmero de niveles
74
Estadstico de J-T observado
1136,500
Media del estadstico J-T
908,500
Desviacin tpica del estadstico J-T
99,118
Estadstico de J-T tipificado
2,305
0,021
Hiptesis alternativa Ha: La estancia en UCI de los pacientes estudiados difiere segn el
grupo etario.
Pgina 949
C aptulo 9

PARAMTRICOS
NO PARAMTRICOS
2 GRUPOS
Kruskal-Wallis
Independientes
para muestras independientes
Aparejados
ANOVA
para medidas repetidas
Friedman
Pgina 950
C aptulo 9
Anlisis de la Varianza (ANOVA) para muestras

dependientes o apareadas (medidas repetidas)
- Anlisis de la variancia (ANOVA) se utiliza para la obtencin del coeficiente de
correlacin intraclase (CCI).
- En los estudios que evalan la concordancia, cada sujeto es examinado por
ms de un observador, siendo adecuado realizar un anlisis de la variancia
(ANOVA) para medidas repetidas (generalizacin de la prueba de la t de Student
para datos apareados).
- Este tipo de diseo permite aislar la variabilidad entre pacientes y
concentrarnos en la variabilidad debida al factor de inters; en el anlisis de la
variancia simple, la variabilidad entre pacientes est incluida en la variabilidad
residual.
Pgina 951
C aptulo 9
Pgina 952
Experimento diseado para estudiar el efecto del paso del tiempo sobre la calidad del recuerdo y realizacin
prctica de estudios con aplicacin de la estadstica de los 30 alumnos que han realizado el curso de
BIOESTADSTICA APLICADA A LAS CIENCIAS DE LA SALUD. Se evala el grado de conocimientos con
el mismo examen de 20 preguntas tipo test en 4 momentos diferentes; inmediatamente despus de finalizar
el curso, al ao, a los 2 aos, y a los 3 aos del curso. Se valora el nmero de respuestas correctas.
TIEMPO
Media
DE
EE1
EE1
INICIO
30
15,53
2,776
0,014
0,427
- 0,946
0,833
PRIMER AO
30
12,00
2,626
- 0,159
0,427
- 0,515
0,833
SEGUNDO AO
30
9,37
2,282
0,334
0,427
0,412
0,833
TERCER AO
30
8,03
2,539
0,366
0,427
- 0,647
0,833
TIEMPO
N
Estadstico Z
Significacin
INICIO
30
0,618
0,839
PRIMER AO
30
0,548
0,925
SEGUNDO AO
30
0,679
0,746
TERCER AO
30
0,648
0,795
C aptulo 9
Comparacin de > de 2 grupos apareados

p > 0,05; Normalidad
Prueba de la esfericidad de Mauchly

p > 0,05
ESFERICIDAD
Contrastes UNIVARIADOS
p < 0,05
p < 0,05
NO ESFERICIDAD
Contrastes MULTIVARIADOS
p < 0,05
POST HOC: Procedimiento de BONFERRONI: Comparacin por pares
Pgina 953
C aptulo 9
Pgina 954

Efecto intra-sujetos
TIEMPO
Prueba de esfericidad de Mauchly

W de Mauchly
Chi cuadrado
g.l
Significacin
0,803
6,096
0,297
Para el ANOVA de medidas repetidas es conveniente suponer que las varianzas de las diferencias entre
cada dos niveles del factor TIEMPO son iguales. Con los 4 niveles, tenemos 6 pares de combinaciones
dos a dos entre niveles; inicio-1ao, inicio-2ao, inicio-3 ao, 1ao-2ao, 1 ao-3ao, 2ao3ao. Calculando las diferencias entre las puntuaciones de esos 6 pares, tendremos 6 nuevas variables.
Este supuesto equivale a afirmar que la matriz de varianzas-covarianzas es circular o esfrico. Para el
procedimiento de medidas repetidas esto se realiza con la prueba de esfericidad de MAUCHLY. Puesto que
la significacin estadstica asociada al estadstico W de Mauchly es de 0,297, (mayor de 0,05), NO podemos
rechazar la hiptesis nula de esfericidad. La matriz de las varianzas-covarianzas es ESFRICA.
C aptulo 9
Pgina 955

TIEMPO
Epsilon
Greenhous e-Geisser
Hunh-Feldt
Lmite-interior
0,865
0,958
0,333
Cuando el estadstico W de Mauchly nos lleve al rechazo de la esfericidad (NO ESFERICIDAD), podemos
basar nuestra decisin en los estadsticos F MULTIVARIADOS que no les afecta la falta de esfericidad, o
bien podemos utilizar el estadstico F UNIVARIADO aplicando el ndice corrector EPSILON.
El ndice corrector EPSILON expresa el grado en que la matriz de varianzas-covarianzas se aleja de la
esfericidad. En condiciones de esfericidad perfecta, psilon vale 1. En este caso psilon es alto porque hay
ESFERICIDAD.
Existen 3 estimaciones del ndice psilon, Greenhous e-Geisser es la ms conservadora. El lmite inferior
expresa el valor que adoptara psilon en caso de incumplimiento extremo de la esfericidad. El valor
de EPSILON se utiliza para corregir el valor del F UNIVARIADO. En este caso NO es necesario utilizar
EPSILON porque se cumple la ESFERICIDAD (p > 0,05).
C aptulo 9
TIEMPO
Valor
GI de la hiptesis
GI del error Significacin
Traza de Pillai
0,902
83,25
27
0,000
Lambda de Wilks
0,098
83,25
27
0,000
Traza de Hotelling
9,250
83,25
27
0,000
Raz mayor de Roy
9,250
83,25
27
0,000
La tabla contiene 4 estadsticos multivariados: Traza de Pillai, Lambda de Wilks, Traza de Hotelling, Raz
mayor de Roy. Se interpretan de la misma forma que todos los estadsticos ya estudiados; puesto que la
significacin de cada uno de ellos (p < 0,001) es menor que 0,05, podemos rechazar la hiptesis nula
de igualdad de las medias y concluir que la calidad del recuerdo de los conocimientos de bioestadstica
adquiridos no es la misma en los 4 momentos temporales definidos en el factor tiempo.
Ha: La calidad del recuerdo de los conocimientos de bioestadstica NO es la misma en

los 4 momentos considerados.
Pgina 956
C aptulo 9
TIEMPO
Pgina 957
Contrastes UNIVARIADOS: Prueba de efectos INTRA-SUJETOS

Suma de cuadrados gl
tipo III
Media cuadrtica
Significacin
Esfericidad asumida
984,067
328,022
103,236
0,000
Greenhouse-Geisser
984,067
2,596
379,006
103,236
0,000
Huynh-Feldt
984,067
2,874
342,361
103,236
0,000
Lmite-inferior
984,067
1,000
984,067
103,236
0,000
Si de cumple la ESFERICIDAD (homogeneidad de las varianzas) es preferible utilizar la aproximacin

UNIVARIADA (esfericidad asumida), ya que en condiciones de esfericidad, el estadstico UNIVARIADO F
(F= 103,236) es ms potente que los estadsticos MULTIVARIADOS de la tabla anterior (F= 83,246), sobre
todo con muestras pequeas, aunque, si ambos estadsticos conducen a la misma conclusin es irrelevante
utilizar uno u otro.
Observando los resultados de esta tabla vemos que las cuatro versiones del estadstico F UNIVARIADO (la
no corregida y las 3 corregidas con el valor de EPSLION) conducen a la misma conclusin, que coincide
con la ya alcanzada en la tabla de contrastes MULTIVARIADOS, por tanto, de nuevo rechazamos la Ho
(igualdad de medias) y aceptamos la Ha.
Ha: la calidad del recuerdo de los conocimientos NO es la misma en los 4 momentos considerados.
C aptulo 9
TIEMPO
MEDIAS MARGINALES ESTIMADAS

Media
Error tpico
Lmite inferior del IC95% Lmite inferior del IC95%
INICIO
15,553
0,507
14,494
16,570
1 ao
12,000
0,479
11,019
12,981
2 ao
9,367
0,417
8,515
10,219
3 ao
8,033
0,464
7,085
8,981
Se observa en la tabla que la media de los conocimientos adquiridos en el curso van disminuyendo
paulatinamente con el paso del TIEMPO.
Esta disminucin es estadsticamente significativa en cada uno de los

estratos temporales?
Pgina 958
C aptulo 9
Grfico de perfil representando el efecto del factor

tiempo
Medidas marginales estimadas
16
Se observa en el grfico que los conocimientos

adquiridos en el curso van disminuyendo
paulativamentre con el paso del TIEMPO en
todos los intervalos ensayados (p< 0,05)
14
12
10
8
Inicio
1 ao
2 ao
TIEMPO
Qu test has utilizado para llegar a esa conclusin?
3 ao
Pgina 959
C aptulo 9
TIEMPO
Pgina 960
Pruebas de CONTRASTES INTRA-SUJETOS

tipo III
Media cuadrtica
Significacin
LINEAL
947,527
947,527
206,956
0,000
CUADRTICO
36,300
36,300
13,815
0,001
CBICO
0,240
0,240
0,103
0,750
La tabla ofrece contrastes polinmicos, de tipo ortogonal, mostrando tantos contrastes como niveles tiene el
factor tiempo menos uno, como el factor tiempo tiene 4 niveles, aparecen 3 contrastes (lineal, cuadrtico y
cbico).
Si miramos la significacin (p) asociados a cada estadstico F podemos rechazar las hiptesis nulas
referidas a los componentes lineal y cuadrtico, pero no la referida al componente cbico. Podemos
concluir que las medias de los conocimientos adquiridos en el curso en cada momento temporal se ajustan
significativamente tanto a una lnea recta (componente lineal) como a una curva (componente cuadrtico).
Pero como existe ms de un componente significativo se elige el de mayor orden (modelo lineal) (mayor
valor de F, y mejor significacin). El grafico del perfil siguiente nos ayuda a comprender con ms claridad lo
que est ocurriendo.
C aptulo 9
Pruebas Post Hoc Anova apareado

TIEMPOS
INICIO
1 AO
2 AO
3 AO
INICIO
1 AO
2 AO
3 AO
Ho =
Ha
Ho =
Ha
Ho =
Ha
Ho =
Ha
Ho =
Ha
Ho =
Ha
Pgina 961
C aptulo 9
Procedimiento de Bonferroni: Comparacin por pares

Tiempo (I)
Tiempo (J)
Diferencias de
medias (I J)
Error estndar
Significacin
Inicio
1 ao
3,533
0,417
0,000
2 ao
6,167
0,407
0,000
3 ao
7,500
0,544
0,000
Inicio
- 3,533
0,417
0,000
2 ao
2,633
0,405
0,000
3 ao
3,967
0,531
0,000
Inicio
- 6,167
0,401
0,000
1 ao
- 2,633
0,405
0,000
3 ao
1,333
0,440
0,031
Inicio
- 7,500
0,544
0,000
1 ao
- 3,9967
0,531
0,000
2 ao
- 1,333
0,440
0,031
1 ao
2 ao
3 ao
Pgina 962
C aptulo 9
Relacin entre las glucemias medias, la hemoglobina

glicosilada y el riesgo de aparicin de complicaciones
de la diabetes
RIESGO DE COMPLICACIONES
GLUCEMIAS MEDIAS
HbA1c (%)
60
90
120
150
180
210
RIESGO AUMENTADO
240
10
RIESGO ALTO
270
11
300
12
330
13
360
14
RIESGO BAJO
RIESGO MODERADO (control aceptable hasta 7,5%)
RIESGO CRTICO
MAL CONTROL
METABLICO
(> 9,5%)
Pgina 963
C aptulo 9
Pgina 964
Objetivo: Conocer si el curso de educacin diabetolgica mejora el control

metablico de un grupo de pacientes diabticos mal controlados (HbA1c > 8,0).
Material: Grupo de 30 individuos antes y despus de un programa de
educacin para el control diabtico (ECD).
Mtodo: Se evala la hemoglobina glicosilada antes (HbA1cPRE) y despus
del ECD (HbA1cPOST).
Se define una nueva variable HbA1cDIF = HbA1cPRE HbA1cPOST.
Hiptesis nula Ho X antes = X despus
( DIF = HbA1cPRE HbA1cPOST = 0)
Hiptesis alternativa H1 X antes X despus
(DIF = HbA1cPRE HbA1cPOST 0)
C aptulo 9
El curso de educacin diabetolgica (ECD) mejora el control diabtico de un grupo de pacientes mal controlados
(HbA1c > 8,0)?
Diabetes = Educacin
HbA1c ANTES
HbA1c DESPUS
Pgina 965
C aptulo 9
Pgina 966
Resultados 1 objetivo
HbA1c
Media
DE
EE1
EE2
INICIAL (PRE)
30
10,150
1,77
0,745
0,427
- 0,516
0,833
PRIMER AO (POST)
30
7,130
0,932
1,408
0,427
2,619
0,833
HbA1c
Estadstico Z
Significacin
INICIAL (PRE) 30
0,827
0,501
PRIMER AO
1,034
0,235
30
Experimento diseado con dos objetivos:

1. Se evala el control metablico con los niveles de HbA1c antes y despus (al ao) de la imparticin de un
curso intensivo de educacin diabetolgica a un grupo de 30 pacientes mal controlados (HbA1c > 8) para
comprobar si el curso ha sido til en la mejora del control glucmico a CORTO plazo.
2. Estudiar el efecto del paso del tiempo (LARGO plazo) sobre el control metablico tras la realizacin de
un curso de educacin diabetolgica en un grupo de 30 pacientes con diabetes mal controlada (HbA1c > 8),
realizando controles sucesivamente cada ao (2, 3 y 4 ao). Se quiere valorar si es necesario un nuevo
curso y con que frecuencia debera realizarse.
C aptulo 9
Variables
Media
Desviacin
estndar (s)
Error estndar de
la media (EEM)
HbA1cPRE
10,150
30
1,772
0,323
7,130
30
0,932
0,170
HbA1cPOST
Variable
Correlacin (r)
Significacin
HbA1cPRE versus HbA1cPOST
30
0,772
0,000
Variables
HbA1cPRE
HbA1cPOST

confianza de la
diferencia
t calculada
gl
Significacin
bilateral
Media
EEM
Inferior
Superior
13,692
29
0,000
3,020
1,208
0,2206
2,569
3,471
t calculada < t tabulada
Pgina 967
C aptulo 9
Pgina 968
HbA1c
Media
DE
EE1
EE2
PRIMER AO
30
7,130
0,932
1,408
0,427
2,619
0,833
SEGUNDO AO
30
7,207
0,835
1,110
0,427
1,805
0,833
TERCER AO
30
7,707
0,712
1,056
0,427
0,998
0,833
CUARTO AO
30
9,050
0,910
0,652
0,427
- 0,084
0,833
HbA1c
N
Estadstico Z
Significacin
PRIMER AO
30
1,034
0,235
SEGUNDO AO
30
0,901
0,392
TERCER AO
30
0,990
0,281
CUARTO AO
30
0,737
0,649
2. Estudiar el efecto del paso del tiempo (LARGO plazo) sobre el control metablico tras la realizacin de
un curso de educacin diabetolgica en un grupo de 30 pacientes con diabetes mal controlada (HbA1c > 8),
realizando controles sucesivamente cada ao (2, 3 y 4 ao). Se quiera valorar si es necesario un nuevo
curso y con que frecuencia debera realizarse.
C aptulo 9
Pgina 969

HbA1c
Prueba de esfericidad de Mauchly

W de Mauchly
Chi cuadrado
g.l
Significacin
0,368
27,717
0,000
Para el ANOVA de medidas repetidas es conveniente que las varianzas de las diferencias entre cada
dos niveles del factor TIEMPO son iguales. Con los 4 niveles, tenemos 6 pares de combinaciones dos
a dos entre niveles; 1ao-2ao, 1 ao-3ao, 1ao-4ao, 2ao-3ao, 2ao-4ao, 3ao- 4ao.
Calculando las diferencias entre las puntuaciones de esos 6 pares, tendremos 6 nuevas variables. Este
supuesto equivale a afirmar que la matriz de varianzas es circular o esfrico. Para el procedimiento de
medidas repetidas esto se realiza con la prueba de esfericidad de MAUCHLY. Puesto que la significacin
estadstica asociada al estadstico W de Mauchly es p < 0,001, (MENOR de 0,05), podemos rechazar la
hiptesis nula de esfericidad.
NO HAY ESFERICIDAD.
C aptulo 9
Pgina 970

TIEMPO
Epsilon
Greenhous e-Geisser
Hunh-Feldt
Lmite-interior
0,654
0,701
0,333
Cuando el estadstico W de Mauchly nos lleve al rechazo de la esfericidad (NO ESFERICIDAD), podemos
basar nuestra decisin en los estadsticos F MULTIVARIADOS que no les afecta la falta de esfericidad, o
bien podemos utilizar el estadstico F UNIVARIADO corregido aplicando el ndice corrector EPSILON.
El ndice corrector EPSILON expresa el grado en que la matriz de varianzas-covarianzas se aleja de la
esfericidad. En condiciones de esfericidad perfecta, psilon vale 1. Cuanto menor es psilon menor es la
esfericidad.
Existen 3 estimaciones del ndice psilon, Greenhous e-Geisser es la ms conservadora. El lmite inferior
expresa el valor que adoptara psilon en caso de incumplimiento extremo de la esfericidad. El valor de
EPSILON se utiliza para corregir el valor del F UNIVARIADO cuando no se cumple la esfericidad.
C aptulo 9
TIEMPO
Pgina 971
Contrastes UNIVARIADOS: Prueba de efectos INTRA-SUJETOS

tipo III
Media cuadrtica
Significacin
Esfericidad asumida
71,079
23,693
238,282
0,000
Greenhouse-Geisser
71,079
1,961
36,238
238,282
0,000
Huynh-Feldt
71,079
2,102
33,810
238,282
0,000
Lmite-inferior
71,079
1,000
71,079
238,282
0,000
Si se cumple la ESFERICIDAD es preferible utilizar la aproximacin UNIVARIADA (versin esfericidad

asumida), pues en condiciones de esfericidad el estadstico F UNIVARIADO es ms potente que los
estadsticos MULTIVARIADOS, sobre todo con muestras pequeas.
Si NO se cumple la ESFERICIDAD es preferible utilizar los estadsticos F MULTIVARIADOS (como en este
caso).
C aptulo 9
Comparacin de > de 2 grupos apareados

p > 0,05; Normalidad

p > 0,05
ESFERICIDAD
Contrastes UNIVARIADOS
p < 0,05
p < 0,05
NO ESFERICIDAD
p < 0,05
POST HOC: Procedimiento de BONFERRONI: Comparacin por pares
Pgina 972
C aptulo 9
TIEMPO
Pgina 973
Valor
GI de la hiptesis
GI del error Significacin
Traza de Pillai
0,931
120,741
27
0,000
Lambda de Wilks
0,069
120,741
27
0,000
Traza de Hotelling
13,416
120,741
27
0,000
Raz mayor de Roy
13,416
120,741
27
0,000
La tabla contiene 4 estadsticos multivariados: Traza de Pillai, Lambda de Wilks, Traza de Hotelling, Raz
mayor de Roy. Se interpretan de la misma forma que todos los estadsticos ya estudiados; puesto que la
significacin de cada uno de ellos (p = 0,000) es menor que 0,05, podemos rechazar la hiptesis nula de
igualdad de las medias y concluir que el control metablico debido a la educacin del diabtico por el curso
no es el mismo en los 4 momentos temporales definidos en el factor tiempo.
Ha: el control metablico debido a la educacin del diabtico por el curso

no es la misma en los 4 momentos temporales definidos en el factor
tiempo.
C aptulo 9
TIEMPO
Pgina 974
MEDIAS MARGINALES ESTIMADAS

Media
Error tpico
Lmite inferior del IC95% Lmite inferior del IC95%
1 ao
7,130
0,170
6,782
7,478
2 ao
7,207
0,152
6,895
7,518
3 ao
7,707
0,130
7,441
7,973
4 ao
9,050
0,166
8,710
9,390
Se observa en la tabla que la media de la hemoglobina glicosilada va aumentando paulatinamente con el

paso del TIEMPO.
Este aumento es estadsticamente significativo en cada uno de los

estratos?
C aptulo 9
Grfico de perfil representando el efecto del factor

tiempo
9,5
Medidas marginales estimadas
9,0
Se observa en el grfico que la HbA1c

va aumentando con el paso del TIEMPO,
siendo este aumento significativo (p < 0,05) al
pasar del 2 ao al 3 ao, y del 3 al 4 ao.
8,5
8,0
7,5
7,0
1 ao
2 ao
3 ao
TIEMPO
Qu test has utilizado para llegar a esa conclusin?
4 ao
Pgina 975
C aptulo 9
Procedimiento de Bonferroni: Comparacin por pares

Tiempo (I)
Tiempo (J)
Diferencias de
medias (I J)
Error estndar
Significacin
1 ao
2 ao
- 0,077
0,041
0,425
3 ao
0,577
0,070
0,000
4 ao
- 1,920
0,098
0,000
1 ao
0,077
0,041
0,425
3 ao
- 0,500
0,068
0,000
4 ao
- 1,843
0,104
0,000
1 ao
0,577
0,070
0,000
2 ao
0,500
0,068
0,000
4 ao
- 1,343
0,090
0,000
1 ao
1,920
0,098
0,000
2 ao
1,843
0,104
0,000
3 ao
1,343
0,090
0,000
2 ao
3 ao
4 ao
Pgina 976
C aptulo 9

PARAMTRICOS
NO PARAMTRICOS
2 GRUPOS
Kruskal-Wallis
Independientes
para muestras independientes
Aparejados
Friedman
Pgina 977
C aptulo 9
Pgina 978
Existen diferencias en el tiempo de reaccin frente a los 3

frmacos ensayados?
RESPUESTA A
A
Tiempo A
RESPUESTA B
Tiempo B
RESPUESTA C
Tiempo C
C aptulo 9
Pgina 979
Test de Friedman
- Es la versin NO PARAMTRICA del ANOVA para muestras apareadas.
- Utiliza la modificacin estadstica de Iman & Davenport (1980) que lo hace
menos conservador.
- El valor de z de cada hiptesis se puede utilizar para calcular la probabilidad
de error (valor p) mediante la distribucin normal.
- Se cumplen las condiciones impuestas por el test ANOVA?
SI: Utilizar ANOVA
NO: Utilizar el test de FRIEDMAN
C aptulo 9
Se ha medido el tiempo de la reaccin farmacolgica de 10 pacientes a 3

medicamentos diferentes.
Paciente
Frmaco A
Frmaco B
Frmaco C
10
10
15
10
15
20
11
15
12
12
10
12
15
10
15
14
12
18
10
14
17
12
10
10
14
16
Ho: No existen diferencias entre los tiempos de reaccin frente a los 3 frmacos.
Ha: Existen diferencias entre los tiempos de reaccin frente a los 3 frmacos.
Pgina 980
C aptulo 9
Test de Friedman
Tratamiento
Mean
Standars Desviation
Minimum
Maximum
Frmaco A
10
10,40
2,458
7,00
15,00
Frmaco B
10
12,30
2,162
9,00
15,00
Frmaco C
10
14,40
3,565
8,00
20,00
Ranks
Tratamiento
Friedman test Statistics
Promedio de rangos
10
Frmaco A
1,35
Chi cuadrado
Frmaco B
2,00
gl
Frmaco C
2,65
Significacin
(K 1)
9,135
2
0,010
Ha: Existen diferencias entre los tiempos de reaccin frente a los 3 frmacos.
Pgina 981
C aptulo 9
Coeficiente de concordancia W de Kendall

- Mide le grado de concordancia entre un grupo de elementos y un grupo
de caractersticas.
- Si la concordancia es mxima W=1, si la concordancia es mnima W=0.
W=
S
1/12 K2 (N3 N) K Li
Donde:
w = coeficiente de concordancia de Kendall.
S = suma de los cuadrados de las diferencias observadas con respecto a un promedio.
N = Tamao de la muestra en funcin del nmero de tripletes, tetrapletes, quintupletes, etc.
K = nmero de variables incluidas.
Li = sumatoria de las ligas o empates entre los rangos.
Pgina 982
C aptulo 9

- El coeficiente W de Kendall y el estadstico 2 de Friedman son
aplicables al mismo tipo de situaciones.
- La hiptesis nula de que los tratamientos aplicados son iguales en su
efectividad es exactamente lo mismo que mantener la hiptesis nula
de ausencia de concordancia en los resultados de los tratamientos
ensayados.
Pgina 983
C aptulo 9
Pgina 984
Existen diferencias en la medida de la frecuencia cardaca

en los tres mdicos evaluados?
Mdico JEFE SERVICIO
MEDIDA A
A
Mdico RESIDENTE
10 PACIENTES
B
Mdico ADJUNTO
C
FC A
MEDIDA B
FC B
MEDIDA C
FC C
C aptulo 9
Pgina 985
Comparacin de las mediciones consecutivas de la FRECUENCIA CARDACA en

pulsaciones por minuto (ppm) en 10 pacientes realizada por tres mdicos diferentes: un
mdico A, jefe del servicio, un mdico B en periodo de formacin, y un mdico C adjunto
del mismo departamento.
Pacientes
Mdico JEFE
SERVICIO (A)
Medico
RESIDENTE (B)
Mdico ADJUNTO (C)
75
80
74
74
84
72
76
81
75
79
83
80
82
92
84
83
88
82
85
90
84
87
92
86
87
92
88
10
88
93
88
Media
81,6
87,5
81,3
DE
5,3
5,04
5,85
C aptulo 9
Test de Friedman
Mdico
Media
Desviacin estndar
Mnimo
Mximo
JEFE A
10
81,6
5,23
74
88
RESIDENTE B
10
87,5
5,04
80
93
ADJUNTO C
10
81,3
5,85
72
88
Rangos
Estadstico de contraste prueba de Friedman
Promedio de rangos
10
JEFE A
1,35
Chi cuadrado
RESIDENTE B
2,00
gl
ADJUNTO C
2,65
Significacin
(K 1)
15,846
2
0,000
Ha: Existen diferencias entre la medida de la frecuencia cardiaca en los tres mdicos.
Pgina 986
C aptulo 9

Rangos
Estadstico de contraste prueba de Kendall
Promedio de rangos
10
JEFE A
1,35
W de Kendall (*)
0,792
RESIDENTE B
2,00
Chi cuadrado
15,846
ADJUNTO C
2,65
gl
(K 1)
Significacin
2
0,000
(*) Coeficiente de concordancia de Kendall
Ha: Existen diferencias entre la medida de la frecuencia cardiaca en los tres mdicos.
Pgina 987
C aptulo 9
Pgina 988
Experimento diseado para estudiar el efecto del paso del tiempo sobre la calidad del
recuerdo y realizacin prctica de estudios con aplicacin de la estadstica de los 10
alumnos que han realizado el curso de BIOESTADSTICA APLICADA A LAS CIENCIAS
DE LA SALUD. Se evala el grado de conocimientos con el mismo examen de 20
preguntas tipo test en 4 momentos diferentes; inmediatamente despus de finalizar el
curso, al ao, a los 2 aos, y a los 3 aos del curso.
La calidad y cantidad del recuerdo de los conocimientos sobre bioestadstica

es la misma en los 4 momentos considerados?
C aptulo 9
Respuestas acertadas en funcin del tiempo transcurrido desde la realizacin del curso
Alumnos
Tiempo 0
1 ao
2 ao
3 ao
16
12
12
10
12
10
10
15
13
11
18
12
12
12
13
13
10
18
16
10
13
15
20
11
10
14
12
11
Pgina 989
C aptulo 9
Test de Friedman
Tiempo
Media
Desviacin estndar
Mnimo
Mximo
INICIO
10
15,30
2,710
12
20
1 AO
10
11,10
2,514
16
2 AO
10
9,20
1,932
12
3 AO
10
9,90
2,183
13
Rangos
Estadstico de contraste prueba de Friedman
Rango promedio
10
INICIO
3,95
Chi cuadrado
1 AO
2,50
gl
2 AO
1,70
Significacin
3 AO
1,85
(K 1)
20,868
3
0,000
Ha: la calidad del recuerdo de los conocimientos no es la misma en los 4 momentos

considerados.
Pgina 990
C aptulo 9

Rangos
Estadstico de contraste prueba de Kendall
Rango promedio
10
INICIO
3,95
W de Kendall (*)
0,698
1 AO
2,50
Chi cuadrado
20,868
2 AO
1,70
gl
3 AO
1,85
Significacin
(K 1)
3
0,000
(*) Coeficiente de concordancia de Kendall
Ha: La calidad del recuerdo de los conocimientos no es la misma en los 4 momentos

considerados
Pgina 991
C aptulo 10
Captulo 10
Variables cualitativas.

Pgina 992
C aptulo 10
Medidas de concordancia
- Fiabilidad de los procedimientos de medida empleados.
- Fleis: ni el ms 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).
Pgina 993
C aptulo 10
Valoracin de la fiabilidad externa de las publicaciones de dos revistas

cientficas durante el ltimo quinquenio.
En 5 (4 de JAMA y uno de MC) de los 12 artculos se han llevado a
cabo tratamientos estadsticos no idneos para medir la concordancia,
mediante las siguientes pruebas de contraste de hiptesis:
- Comparacin de medias con la t de Student
- Test exacto de Fisher,
- Test de chi-cuadrado 2
- Anlisis de la varianza (ANOVA)
- Test de Wilcoxon
- Coeficiente de Spearman
Med Clin (Barc) 2003; 121 (20): 793-8
Pgina 994
C aptulo 10
Anlisis de concordancia: Variables Cualitativas
- ndice kappa de Cohen (2 observadores)

- ndice kappa de Fleiss (> 2 observadores)
- ndice kappa ponderado
- Prueba de homogeneidad de kappas
Pgina 995
C aptulo 10
ndice kappa de Cohen (medida dicotmica)
OBSERVADOR A
( 1 medicin)
OBSERVADOR B
( 2 medicin)
TOTAL
Anormal (+)
Normal (-)
Anormal (+)
a+b
Normal (-)
c+d
Total
a+c
b+d
Statistical methods for rates and proportions. Joseph L. Fleis. Ed.John Wiley New York 1981.
Pgina 996
C aptulo 10
Dos radilogos del programa de tuberculosis se les remiten radiografas de trax de 170
sujetos que estn controlados en una unidad de neumologa, y que se quiere estimar
el grado de concordancia entre ellos. Los radilogos A y B tienen que clasificar cada
radiografa en una de dos categoras:
(+) positiva (sospechosa de lesin tuberculosa).
(-) negativa (no sospechosa de lesin tuberculosa).
RADILOGO A
RADILOGO B
TOTAL
Anormal (+)
Normal (-)
Anormal (+)
58
39
97
Normal (-)
12
61
73
Total
70
100
170
k = 0,415
IC95% = 0,2862 0,5430
Pgina 997
C aptulo 10
Pgina 998
Cul es el grado de concordancia encontrado?

Medida de acuerdo
Valor de Kappa
EEk
Significacin
Kappa de Cohen
+ 0,415
0,0655
5,688
0,000
N de casos vlidos
200
Junto al ndice kappa aparece su error estndar EEk y el valor del

estadstico Z.
Puesto que el valor de p es muy pequeo (<0,001) podemos rechazar la
hiptesis nula y concluir que existe un ACUERDO significativamente ms
alto que el esperado por el azar.
Cmo se clasifica el grado de concordancia encontrado?
C aptulo 10
Pgina 999
ndice kappa de Cohen

k = 0 cuando la concordancia observada po es la que se esperada a causa del azar pe
k > 0 cuando la concordancia observada po es mayor de la esperada slo por el azar pe
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 = 0,415 (IC95%:
0,2862 0,5430), que segn la clasificacin anterior calificaramos como una MODERADA
concordancia.
C aptulo 10
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
Dudosa
10
Normal
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.
Pgina 1000
C aptulo 10
ndice kappa de Fleiss

Medida de acuerdo
Valor de Kappa
EEk
Kappa de Fleiss
+ 0,660
0,044
N de casos vlidos
100
T aprox
Significacin
8,944
0,000
Coeficiente Gamma
Gamma
EEk
0,899
0,044
N de casos vlidos
100
T aprox
8,744
p
0,000
Pgina 1001
C aptulo 10


Valor de k
< 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.
Pgina 1002
C aptulo 10
Tienen los dos psiquiatras de mi servicio el mismo criteriojuicio clnico al diagnosticar una muestra de 200 pacientes?
Psiquiatra 2
Psiquiatra 1
Fbica
Histrica
Obsesiva
Depresiva
Fbica
20
Histrica
36
14
Obsesiva
43
Depresiva
33
Pgina 1003
C aptulo 10
Medida de acuerdo
Valor de Kappa
EEk
Kappa de Fleiss
+ 0,538
0,046
N de casos vlidos
200
T aprox
12,921
Pgina 1004
Significacin
0,000
Junto al ndice kappa aparece su valor estandarizado (T aproximada),

resultado similar al resultante de dividir el valor de kappa por su error
estndar (EEk) (11,69).
Puesto que el valor de p es muy pequeo (<0,001) podemos rechazar la
hiptesis nula y concluir que existe un ACUERDO significativamente ms
alto que el esperado por el azar.
C aptulo 10


Valor de k
< 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 = 0,538, que
segn la clasificacin anterior calificaramos como una MODERADA concordancia.
Pgina 1005
C aptulo 10
Podemos sustituir el diabur-test por el clinitest para la medida
de la glucosuria?
Clinitest
Diabur-test 5000
Banauch D, Koller PU, Bablok W. Evaluation of Diabur-Test 5000: a cooperative study carried out at 12
diabetes centers. Diabetes Care 1983; 6(3): 213-18.
Pgina 1006
C aptulo 10
Pgina 1007
Se desea estimar la concordancia entre dos pruebas diagnsticas
de diabetes, el Diabur-Test5000 y el Clinitest en 1677 muestras
de orina. Calcula el valor de kappa sin ponderar y ponderado por
pesos cuadrticos.
Diabur-test 5000
Clinitest
Negativo
Trazas
++
+++
Negativo
452
Trazas
133
270
28
36
107
53
76
+++
12
28
81
35
++++
11
44
251
++
ndice kappa Ponderado
++++
C aptulo 10
Pgina 1008
Kappa ponderado. Si las categoras de clasificacin son ms de dos y estn definidas

en una escala ordinal, como por ejemplo sano, posiblemente enfermo y claramente
enfermo. A la hora de valorar el grado de discrepancia entre dos observadores, no es lo
mismo que uno clasifique a un sujeto como posiblemente enfermo y el otro lo declare
sano a que uno lo clasifique como sano y el otro como claramente enfermo. La
distancia entre ambas discrepancias no es la misma.
Cuando ciertos tipos de desacuerdo son ms acusados que otros, al investigador le puede
interesar tenerlo en cuenta en la construccin del ndice kappa. Para ello, se PONDERA
las diferentes discrepancias, usando una matriz de pesos que pueden variar segn el
criterio del investigador en funcin de lo que est analizando, aunque siempre cumpliendo
ciertas restricciones:
1. La matriz debe ser simtrica;
2. La diagonal de acuerdos se le asigna el mximo peso, que es 1 y el resto de pesos
deben ser inferiores, aunque siempre positivos o iguales a cero.
C aptulo 10
Medida de acuerdo
Valor de Kappa
EEk
Significacin
Kappa NO ponderado
+ 0,6706
0,013
57,098
0,0000
N de casos vlidos
1677
IC95%: 0,6450 0,6961
Medida de acuerdo
Valor
Acuerdo observado
+ 0,7376
Acuerdo esperado
+ 0,2035
Medida de acuerdo
Valor de Kappa
EEk
Significacin
Kappa ponderado
+ 0,9491
0,0033
38,982
0,0000
N de casos vlidos
1677
IC95%: 0,9427 0,9555
Medida de acuerdo
Valor
Acuerdo observado
+ 0,9856
Acuerdo esperado
+ 0,7165
Pgina 1009
C aptulo 10
Variabilidad en datos clnicos

Grado de acuerdo interobservador
Variables
Acuerdo preadiestramiento
Valor
(CCI / Kappa)
Acuerdo postadiestramiento
+ 0,9856
(CCI / Kappa)
+ 0,7165
+ 0,7165
Afectacin simtrica
0.14
0.79
Clase funcional
-0.08
0.65
Numero criterios diagnsticos
0.02
0.93
Sexo
Anticuerpos antinucleares
0.62
0.84
Valor mximo VSG
0.70
0.99
A. Gmez de la Cmara et al. Med Clin (Barc) 1997; 108:377-381
Pgina 1010
C aptulo 10
Pgina 1011
Limitaciones del estadstico Kappa
- El valor de kappa se ve afectado por la prevalencia del rasgo estudiado. Por tanto,
es necesario ser cuidadoso a la hora de generalizar los resultados de comparacin de
observadores en situaciones con prevalencias diferentes; esto quiere decir que kappa es
un estadstico descriptivo til, pero es inadecuado con fines de prediccin o inferencia.
- Kappa es dependiente del nmero de categoras. Cuantas ms categoras se estn
considerando, ms difcil ser clasificar correctamente los sujetos de observacin, lo que
implica valores de kappa ms bajos. Por tanto, debe tenerse en cuenta el nmero de
categoras a la hora de interpretar kappa.
- Para datos ordinales derivados de categorizar variables continuas, kappa depende
fuertemente las definiciones arbitrarias que se hacen de las categoras.
C aptulo 10
Se desea evaluar los conocimientos prcticos adquiridos por los residentes de

microbiologa a su paso por el departamento de micobacterias. Para ello se mide
la concordancia con el Especialista adjunto mediante la evaluacin conjunta de un
determinado nmero de tinciones de Ziehl Neelsen. Se desea estimar el grado de
concordancia de cada residente con el adjunto, y si el grado de adiestramiento ha
sido el mismo en los 4 residentes que han rotado por el departamento.
RESIDENTE
ADJUNTO
Pgina 1012
C aptulo 10
Prueba de homogeneidad de las kappas

Hiptesis nula: k1
k2 = k3 =
= kn
Hiptesis alternativa: al menos una de las kappas kx es distinta
Comparacin de kappas: Distribucin de 2 de Pearson

Hiptesis nula Ho: Igualdad de las kappas comparadas. El grado de
aprendizaje no varia entre los distintos residentes.
Hiptesis alternativa Ha: Desigualdad de las kappas comparadas. El grado de
aprendizaje varia entre los distintos residentes. Existe al menos una kappa
diferente al resto.
Pgina 1013
C aptulo 10
RESIDENTE R1
ADJUNTO
TOTAL
Anormal (+)
Anormal (-)
Anormal (+)
320
30
350
Dudosa (-)
120
29
149
Total
440
59
499
P = 72,7%
Kappa
EEk
IC95%
0,132
0,043
0,048 0,215
Gamma (Q de Yule)
EEk
0,441
0,113
T aprox
3,027
T aprox
3.448
0,001
p
0,002
Pgina 1014
C aptulo 10
RESIDENTE R2
ADJUNTO
TOTAL
Anormal (+)
Anormal (-)
Anormal (+)
890
210
1100
Dudosa (-)
290
700
990
Total
1180
59
2090
P = 75,4%
Kappa
EEk
IC95%
0,518
0,019
0,481 0,555
Gamma (Q de Yule)
EEk
0,822
0,017
T aprox
27,549
T aprox
23,764
0,000
p
0,000
Pgina 1015
C aptulo 10
RESIDENTE R3
ADJUNTO
TOTAL
Anormal (+)
Anormal (-)
Anormal (+)
350
120
470
Dudosa (-)
70
550
620
Total
420
670
1090
P = 83,3%
Kappa
EEk
IC95%
0,640
0,024
0,593 0,686
Gamma (Q de Yule)
EEk
0,916
0,013
T aprox
25,914
T aprox
21,226
0,000
p
0,000
Pgina 1016
C aptulo 10
RESIDENTE R4
ADJUNTO
TOTAL
Anormal (+)
Anormal (-)
Anormal (+)
280
80
360
Dudosa (-)
60
550
610
Total
340
630
970
P = 82,3%
Kappa
EEk
IC95%
0,687
0,024
0,639 0,735
Gamma (Q de Yule)
EEk
0,940
0,011
T aprox
24,63
T aprox
21,425
0,000
p
0,000
Pgina 1017
C aptulo 10
Comparacin de kappas
Nmero de Kappas a comparar
Nivel de confianza
95%
Kappa global
IC95%
0,687
0,5379 0,5855
Prueba de la homogeneidad de kappas

Chi cuadrado
gl
Valor p
143,0515
0,0000
Hiptesis alternativa Ha: Desigualdad de las kappas comparadas. El grado de aprendizaje varia entre los
distintos residentes. Existe al menos una kappa diferente al resto.
Pgina 1018
C aptulo 10
Comparacin de kappas: Distribucin de 2 de Pearson
2Pearson calculado = 143,05 > 2Pearson tabulado = 7,81

2 = 143,05
Ho
AZAR
Ha
7,81
AZAR
Hiptesis alternativa Ha: Desigualdad de las kappas comparadas. El grado de aprendizaje varia entre los
distintos residentes. Existe al menos una kappa diferente al resto.
Pgina 1019
C aptulo 10
Pgina 1020

El valor de kappa se ve afectado por la prevalencia del rasgo estudiado. Por tanto, es
necesario ser cuidadoso a la hora de generalizar los resultados de comparacin de
observadores en situaciones con prevalencias diferentes; esto quiere decir que kappa es
un estadstico descriptivo til, pero es inadecuado con fines de prediccin o inferencia.
La prevalencia (porcentaje de tinciones positivas valoradas) es la misma en la evaluacin
de los 4 residentes comparados?
Si no son iguales NO podemos comparar los ndices kappa.
Gardner PL. Measuring attitudes to science: Unidimensionality and internal consistency revisited. Research
in Science Education 1995; 25: 283-9.
C aptulo 11
Captulo 11
Variables cuantitativas.

Pgina 1021
C aptulo 11
Medidas de concordancia
- Fiabilidad de los procedimientos de medida empleados.
- Fleis: ni el ms 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).
Pgina 1022
C aptulo 11
Valoracin de la fiabilidad externa de las publicaciones de dos revistas

cientficas durante el ltimo quinquenio.
En 5 (4 de JAMA y uno de MC) de los 12 artculos se han llevado a
cabo tratamientos estadsticos no idneos para medir la concordancia,
mediante las siguientes pruebas de contraste de hiptesis:
- Comparacin de medias con la t de Student
- Test exacto de Fisher,
- Test de chi-cuadrado 2
- Anlisis de la varianza (ANOVA)
- Test de Wilcoxon
- Coeficiente de Spearman
Med Clin (Barc) 2003; 121 (20): 793-8.
Pgina 1023
C aptulo 11
Evaluacin de mtodos diagnsticos cuantitativos

- Variacin metrolgica.

Errores aleatorios.

Errores sistemticos.
- Comparacin de mtodos.
Pgina 1024
C aptulo 11
Evaluacin metrolgica
La evaluacin metrolgica de una prueba diagnstica CUANTITATIVA
persigue detectar los errores aleatorios y sistemticos que origina,
para cuantificarlos mediante clculos estadsticos y determinar si son
inferiores a los lmites permisibles que no comprometen a la utilizacin
clnica de los resultados.
Esta evaluacin nos permite conocer el error que cometemos en
nuestras condiciones de trabajo, y si el la prueba es adecuada para
nuestros fines o es necesario cambiarlo por otros mtodos.
Pgina 1025
C aptulo 11
INTRASERIAL
ERRORES ALEATORIOS
EXPERIMENTOS DE
REPLICACIN
INTERSERIAL
EVALUACIN METROLGICA
CONSTANTES
EXPERIMENTOS DE
REPLICACIN
ERRORES SISTEMTICOS
PROPORCIONALES
EXPERIMENTOS DE
REPLICACIN
Pgina 1026
C aptulo 11
Variacin
metrolgica
CVa =
SD
* 100
X
Error aleatorio
Error sistemtico
Inexactitud y imprecisin
Inexactitud y precisin
Exactitud y imprecisin
Exactitud y precisin
Pgina 1027
C aptulo 11
Especificaciones de la calidad para la imprecisin analtica
Prestacin ptima
CVa < CVBw
Prestacin deseable
CVa < CVBw
Prestacin mnima
CVa < CVBw
Pgina 1028
C aptulo 11
Fuentes de variacin biolgica

- Variacin biolgica NO aleatoria
- A lo largo de la vida
- Ritmo biolgico diario
- Ciclos mensuales
- Ritmos estacionales
- Variacin biolgica aleatoria
- Variacin biolgica intra-individual (CVBw)
- Variacin biolgica inter-individual (CVBb)
Pgina 1029
C aptulo 11
Fuentes de variacin biolgica
Concentracin relativa
Colesterol
Urea
Fsforo
20
30
40
50
60
Edad en aos
70
Pgina 1030
C aptulo 11
Variacin de los niveles de Colesterol total

Distribucin por grupos socioculturales
Colesterol total (mg/dl)
185
175
165
155
145
135
125
CRISTIANOS
1
1,5
MUSULMANES
7
EDAD (aos)
10
11
12
13
Pgina 1031
C aptulo 11
Ritmo biolgico circadiano

Cortisol nmol/L
GH
600
mU/L
GH
300
9:00 horas
Cortisol
24:00
Tiempo
9:00
Pgina 1032
C aptulo 11
Clculo de la variacin total (CVt)

Cuando se obtiene una sola muestra y esta es analizada una sola vez....
CVt =
CVp2 + CVa2 + CVBw2
Variacin
preanaltica
Variacin
analtica
Variacin
biolgica
intraindividual
Pgina 1033
C aptulo 11
Pgina 1034
Si minimizamos la variabilidad preanaltica mediante protocolizacin, entrenamiento,

buenas prcticas de laboratorio y seguimiento de los procedimientos operativos descritos y
estandarizados....
CVt =
CVa2 + CVBw2
Variacin
analtica
Variacin
biolgica
intraindividual
C aptulo 11
Variabilidad biolgica aleatoria

Lmite de referencia superior
Lmite de referencia superior
CVBw = 4,3
Mediana
Punto
de ajuste
homeost
homeosttico
tico
Lmite de referencia inferior
Creatinemia (mg/dl)
Creatinemia (mg/dl)
CVBb = 18,3
Lmite de referencia inferior
Pgina 1035
C aptulo 11
ndice de individualidad (II)
II > 0,6
CVBw > CVBb

Escasa individualidad
Diagnstico
Intervalos de referencia poblacionales
CVBw
CVBb
II < 0,6
CVBw < CVBb

Fuerte individualidad
Seguimiento
Diferencia crtica
Pgina 1036
C aptulo 11
DC = 2 * Z [CVBw2 + CVa2]
Cambio significativo con probabilidad del 95% (Z=1.96)
DC95 = 2,77 [CVBw2 + CVa2]

Cambio significativo con probabilidad del 99% (Z=2.58)
DC99 = 3,65 [CVBw2 + CVa2]
Pgina 1037
C aptulo 11
Varn de 63 aos con hipertensin y una concentracin de colesterol total de 254 mg/dl,
la cual tras modificar sus hbitos de vida (tratamiento diettico) cambi a 224 mg/dl.
Cunto ha cambiado la colesterolemia?
Variacin
porcentual
CT final
=
- CT inicial
CT inicial
- 11,8%
Ha cambiado significativamente la colesterolemia?
Pgina 1038
C aptulo 11
Pgina 1039
Interpretacin del cambio aplicando criterios basados en la

variabilidad biolgica
Variacin biolgica: de la teora a la prctica
Callum G. Fraser
Ninewells Hospital and medical School. Dundee. Scotland. 2001.
C aptulo 11
Ha cambiado significativamente la colesterolemia?
Cambio significativo con probabilidad del 95% (Z=1.96)(p<0,05)
DC95 = 2,77 [CVBw2 + CVa2]
DC = 19%
Cambio significativo con probabilidad del 99% (Z=2.58)(p<0,01)
DC99 = 3,65 [CVBw2 + CVa2]
DC = 24,5%
Pgina 1040
Probabilidad estadstica de cambio P(%) Z
C aptulo 11
99% (p<0,01)
95% (p<0,05)
90% (p<0,1)
82%
11,8%
15,6%
19%
24,5%
Dc Cambio en la colesterolemia (%)
Pgina 1041
C aptulo 11
Comparacin de mtodos
Diagnsticos cuantitativos
1. Mtodos analticos
2. Mtodos de regresin
3. Mtodos grficos
Pgina 1042
C aptulo 11
Pgina 1043
Comparacin de mtodos
Diagnsticos cuantitativos
- Se utiliza para demostrar que el nuevo mtodo (Y) presenta una buena
concordancia con el mtodo clsico de referencia (X).
- Demostrar que una misma medida tiene equivalencia con diferentes
equipos.
- Detectar la presencia de SESGOS (errores sistemticos):
- Error (sesgo) constante.
- Error (sesgo) proporcional.
C aptulo 11
Error (sesgo) constante
Mtodo Y
La diferencia entre
ambos mtodos se
mantiene constante a
lo largo del rango de
medidas
Mtodo X
Pgina 1044
C aptulo 11
Error (sesgo) proporcional
Mtodo Y
La diferencia entre
ambos mtodos se
lineal a lo largo de
todo el largo del rango
de medicin.
Mtodo X
Pgina 1045
C aptulo 11
Comparacin de mtodos diagnsticos cuantitativos

- Si los errores sistemticos detectados y medidos estn en un lmite aceptable,
la evaluacin se debe completar con un experimento de comparacin de
mtodos frente a los resultados obtenidos con un mtodo de referencia.
- La utilizacin de la estadstica en los experimentos de comparacin de mtodos
es la parte ms difcil del anlisis estadstico en los estudios de evaluacin de
mtodos.
- Qu mtodo estadstico es el que comete menos error para calcular el error
que comete un mtodo analtico?
Pgina 1046
C aptulo 11
Anlisis de concordancia: variables cuantitativas

Mtodos diagnsticos
- Coeficiente de correlacin intraclase (ANOVA).
- Modelo de efectos ALEATORIOS.
- Modelo de efectos FIJOS.
- Coeficiente de correlacin-concordancia de Lin.
- Concordancia de Krippendorff.
Pgina 1047
C aptulo 11

Mtodos de regresin
- Mtodo de regresin lineal por mnimos cuadrados.
- Mtodo de regresin ortogonal de Deming.
- Modelo de Passing-Bablock.
- Mtodo de mnimos cuadrados ponderado.
- Mtodo de regresin de Bland y Altman.
- ANOVA de medidas repetidas.
- Modelos de ecuaciones estructurales.
Pgina 1048
C aptulo 11

Mtodos grficos
- Anlisis de las diferencias individuales mtodo de Bland y Altman (que calcula
un intervalo de concordancia),
- Grfico de distribucin acumulativa emprica grfico montaa (mountain
plot)
- Grfico de la concordancia- supervivencia (survival-agreement plot).
Pgina 1049
C aptulo 11
Pgina 1050
Cul es el mtodo estadstico ms adecuado para calcular

el error que comete un mtodo diagnstico cuantitativo?
La utilizacin de la estadstica en los experimentos de comparacin de mtodos
cuantitativos es la parte ms difcil del anlisis estadstico en los estudios de
evaluacin de mtodos diagnsticos.
C aptulo 11
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.
Pgina 1051
C aptulo 11
Pgina 1052
Regresin lineal por mnimos cuadrados:

Condiciones de aplicacin(*)
1. Linealidad de datos.
2. Pequeos errores aleatorios.
3. Intervalo de valores normales suficientemente amplio de concentraciones.
4. Ausencia de valores aberrantes (outliers).
5. Que la variable PREDICTORA X no tenga error, es decir que el mtodo de
referencia utilizado sea exacto, pero en la mayora de ocasiones no es posible, por lo
que los resultados del mtodo de comparacin (X) tambin presenta errores.
(*) Westgard JO, Hunt MR. Use and interpretation of common statistical test in method-comparison studies.
Clin Chem 1973; 19: 44-57.
C aptulo 11
Mtodo digital
Medidas de tensin arterial sistlica en un

grupo de 30 pacientes mediante dos
mtodos de medicin (tradicional y
automatizado)
Error sistemtico
proporcional
Mtodo analgico
Pgina 1053
C aptulo 11
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 Pearson r=0,997 (p<0,0001) una
asociacin prcticamente lineal.
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.
Bland JM, Altman DG. Statistical methods for assesing agreement between two methods of clinical
measurement. Lancet 1986; 1: 307-310.
Pgina 1054
C aptulo 11
Regresin lineal por mnimos cuadrados:

Variable Y
DIGITAL
Variable X
ANALGICO
Tamao de muestra
30
Coeficiente de determinacin R
Ecuacin de regresin
0,9940
Y = 5,8672 + 0,9351 X
Parmetro Coeficiente Error estndar IC95%
5,8672
1,9830
1,8053-9,9291
2,9588
0,0062
0,9351
0,01369
0,9071-0,9632
66,295
< 0,0001
Pgina 1055
C aptulo 11
Pgina 1056

- Mide la fuerza de asociacin entre ambas variables (X-Y), es decir
la intensidad de la relacin lineal entre los dos mtodos diagnsticos
cuantitativos.
- No ofrece informacin sobre el grado de CONCORDANCIA, por tanto no
puede detectar sesgo constante o proporcional.
- Es posible encontrar un alto coeficiente de correlacin con una baja
intensidad de concordancia entre mtodos.
CORRELACIN CONCORDANCIA
C aptulo 11
Pgina 1057

Por qu 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.
C aptulo 11
Pgina 1058
Coeficiente de correlacin intraclase

- 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.
Bland JM, Altman DG. Statistical methods for assessing agreement between two methods of clinical
measurement. Lancet 1986;8:307-10.
C aptulo 11
Pgina 1059

- La obtencin del CCI que permite evaluar la concordancia general entre dos o ms
mtodos u observaciones diferentes se basa en un modelo de anlisis de la variancia
(ANOVA) con medidas repetidas, pero su obtencin directa no es posible con los paquetes
estadsticos habituales.
- La variabilidad total observada en el CCI puede dividirse en tres componentes:
- La variabilidad debida a las diferencias entre los pacientes (2P);
- La variabilidad debida a las diferencias entre los observadores (mdicos A y B)
(2O), y
- La variabilidad (residual), inexplicable (aleatoria), asociada al error inherente a toda
medicin (2R).
- El CCI se define como la proporcin de variabilidad total debida a la variabilidad de los
pacientes:
CCI =
2P
2P + 2O + 2R
C aptulo 11

- Los valores del CCI pueden oscilar entre 0 y 1: donde el 0 indica ausencia de
concordancia y el 1, la concordancia o fiabilidad absoluta de los resultados obtenidos.
- Si bien el valor del CCI que define una fiabilidad satisfactoria es arbitrario (criterios de
Fleiss):
- CCI < 0,4 representan BAJA fiabilidad.
- CCI entre 0,4 - 0,75 representan una fiabilidad entre REGULAR y BUENA.
- CCI > 0,75 representan una fiabilidad EXCELENTE.
Fleiss JL. The design and analysis of clinical experiments. Nueva York: John Wiley
& Sons, Inc., 1986.
- Los resultados ofrecidos por la r de Pearson para estos propsitos pueden resultar
equvocos.
- Se recomienda el uso del CCI para cuantificar la fiabilidad de las mediciones clnicas.
Pgina 1060
C aptulo 11
Sistema analgico
Sistema digital
Pgina 1061
C aptulo 11
Pgina 1062

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 slo el 0,9%).
- Es decir, slo 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
C aptulo 11

Clculo del CCI mediante programas estadsticos
Parmetro
Correlacin intraclase
IC95%
Medidas individuales
0,9911
0,9398 a 0,9971
Medidas promedio
0,9955
0,9690 a 0,9986
Pgina 1063
C aptulo 11
Valoracin del Coeficiente de correlacin intraclase

Valoracin de la concordancia segn los valores de Coeficiente
de Correlacin Intraclase (CCI)
CCI
Fuerza de la 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
Pgina 1064
C aptulo 11
Pgina 1065
Modelo de efectos aleatorios

Este modelo aleatorio es apropiado cuando los observadores implicados en la medicin,
las enfermeras A y B en el ejemplo, representan una muestra aleatoria de la poblacin
de posibles observadores (p. ej, otras enfermeras del hospital) que en el futuro harn uso
del instrumento evaluado (el esfigmomanmetro).
Luis Prieto, Rosa Lamarca, Alfonso Casado. La evaluacin de la fiabilidad en las observaciones clnicas: el
coeficiente de correlacin intraclase. Med Clin (Barc). 1998;110:142-5.
C aptulo 11
Se desea evaluar la concordancia entre las medidas de tensin arterial entre dos
enfermeras A y B mediante la comparacin de los resultados de dos mediciones
consecutivas de la presin arterial sistlica en 10 pacientes, realizadas en el mismo
esfingomanmetro por dos enfermeras.
ENFERMERA A
ENFERMERA B
Pgina 1066
C aptulo 11
Pgina 1067
Comparacin de dos mediciones consecutivas de la presin arterial

sistlica en 10 pacientes, realizadas en el mismo esfingomanmetro por dos
enfermeros diferentes.
Paciente
Enfermera A
Enfermera B
Diferencia (B-A)
135
140
140
145
130
135
145
150
140
145
150
160
10
140
145
135
140
140
145
10
135
145
10
Media
139
145
DE
5,68
6,67
2,11
C aptulo 11
150
Pearson
r = 0,954
ENFERMERA A
145
r2 =
0,910
Rho Spearman
r = 0,929
p < 0,01
p < 0,01
140
135
130
130
135
140
145
ENFERMERA B
150
160
Pgina 1068
C aptulo 11
160
Pearson
r = 0,954
150
ENFERMERA B
145
r2 = 0,910
p < 0,01
140
Rho Spearman
r = 0,929
p < 0,01
135
130
ENFERMERA A
130
135
140
145
150
Pgina 1069
C aptulo 11
160
Pearson
Error
sistemtico
constante
r = 0,954
150
ENFERMERA B
145
r2 = 0,910
p < 0,01
140
Rho Spearman
r = 0,929
p < 0,01
135
130
ENFERMERA A
130
135
140
145
150
160
Pgina 1070
C aptulo 11
Pgina 1071
T de Student para datos apareados:

1. Mide la diferencia entre las medias de las mediciones realizadas por los dos
mtodos comparados.
2. Slo puede detectar el sesgo o error sistemtico constante.
3. No puede detectar el error sistemtico PROPORCIONAL.
Gardner PL. Measuring attitudes to science: Unidimensionality and internal consistency revisited. Research
in Science Education 1995; 25: 283-9.
C aptulo 11
Resultados
Variables
Media
Desviacin
estndar (s)
Error estndar de
la media (EEM)
ENFERMERA A
139,0
10
5,678
1,795
ENFERMERA B
145,0
10
6,667
2,108
Variable
Correlacin (r)
Significacin
ENFERMERA A versus ENFERMERA B
10
0,954
0,000
Variables
Enfermera B Enfermera A

confianza de la
diferencia
t calculada
gl
Significacin
bilateral
Media
EEM
Inferior
Superior
9,000
0,000
6,00
2,108
0,667
4,492
7,508
La t de Student para datos apareados permite detectar el sesgo o error sistemtico CONSTANTE.
Pgina 1072
C aptulo 11
CCI =
2P
2P + 2O + 2R
Frmula simplificada del coeficiente de correlacin intraclase (CCI)

para un MODELO de EFECTOS ALEATORIOS
CCI =
( DEA )2 + ( DEB )2 - ( DEB-A )2

( DEA )2 + ( DEB )2 + ( XB-A )2 - ( DEB-A )2/ n
Clculo del CCI del ejemplo anterior:
CCI =
( 5,68 )2 + ( 6,67 )2 - ( 2,11 )2

( 5,68 )2 + ( 6,67 )2 + ( 6 )2 - ( 2,11 )2 / 10
= 0,64
Pgina 1073
C aptulo 11

Clculo del CCI mediante programas estadsticos
Parmetro
Correlacin intraclase
IC95%
Medidas individuales
0,6436
- 0,0488 a 0,9240
Medidas promedio
0,7831
- 0,1027 a 0,9695
Pgina 1074
C aptulo 11

CCI
> 0,90
Muy buena
0,71 - 0,90
Buena
0,51 - 0,70
Moderada
0,31 - 0,50
Mediocre
< 0,30
Mala o nula
Pgina 1075
C aptulo 11
Pgina 1076
Conclusiones
- El valor del CCI obtenido es claramente inferior al valor 0,954 obtenido
con la r de Pearson, demostrando que la existencia de una alta asociacin
entre dos variables no es necesariamente signo de una alta concordancia.
- Aplicando la frmula a los datos anteriores, se obtiene un CCI igual
a 0,64, lo que indica una concordancia moderada entre los resultados
obtenidos por las enfermeras A y B.
C aptulo 11
Pgina 1077
Modelo de efectos fijos

- Este modelo es apropiado cuando los observadores que intervienen en el
estudio son los nicos que participarn en el mismo.
- Se utiliza cuando el objetivo es conocer la magnitud de las discrepancias
entre dos mdicos y determinar si el mdico A puede ser sustituido por el
mdico B en esa tarea.
- Slo estamos interesados en la comparacin de los resultados obtenidos por
estos 2 mdicos y no desearemos generalizar los resultados al conjunto de
mdicos que miden la frecuencia cardaca en el hospital.
C aptulo 11
Se desea valorar la concordancia de las mediciones de la FRECUENCIA

CARDACA obtenidas en 10 pacientes por 2 mdicos diferentes: un mdico A, jefe
del servicio, y un mdico B, en perodo de formacin. El objetivo es conocer la
magnitud de las discrepancias entre ambos y determinar si el mdico A puede ser
sustituido por el mdico B en esa tarea.
El pulso radial se siente mejor en la

mueca, debajo del pulgar.
JEFE DE SERVICIO
MDICO RESIDENTE
Pgina 1078
C aptulo 11
Comparacin de dos mediciones consecutivas de la FRECUENCIA

CARDACA en pulsaciones por minuto (ppm) en 10 pacientes realizada por
dos mdicos diferentes: un mdico A, jefe del servicio, y un mdico B en
periodo de formacin (modelo de EFECTOS FIJOS).
Paciente
Mdico A
Medico B
Diferencia (B-A)
75
80
74
84
10
76
81
79
83
82
92
10
83
88
85
90
87
92
87
92
10
88
93
Media
81,6
87,5
5,9
DE
5,3
5,04
2,18
Pgina 1079
C aptulo 11
MEDICO RESIDENTE
95
90
Pearson
r = 0,912
r2 = 0,832
p < 0,01
85
80
Rho Spearman
r = 0,855
p = 0,002
75
75
80
RESIDENTE = 16,7 + 0,868 * JEFE
85
90
95
JEFE DE SERVICIO
Pgina 1080
C aptulo 11
MEDICO RESIDENTE
95
Error sistemtico
constante
90
85
80
75
75
80
RESIDENTE = 16,7 + 0,868 * JEFE
85
90
95
JEFE DE SERVICIO
Pgina 1081
C aptulo 11
CCI =
2P
2P + 2O + 2R
Frmula simplificada del coeficiente de correlacin intraclase (CCI)

para un MODELO de EFECTOS FIJOS
CCI =
( DEA )2 + ( DEB )2 - ( DEB-A )2

( DEA )2 + ( DEB )2 + ( XB-A )2 / 2 - ( DEB-A )2 / 2n
Clculo del CCI del ejemplo anterior:
CCI =
( 5,3 )2 + ( 5,04 )2 - ( 2,18 )2

( 5,3 )2 + ( 5,04 )2 + ( 5,9 )2 / 2 - ( 2,18 )2 / 2 x 10
= 0,69
Pgina 1082
C aptulo 11

CCI
> 0,90
Muy buena
0,71 - 0,90
Buena
0,51 - 0,70
Moderada
0,31 - 0,50
Mediocre
< 0,30
Mala o nula
Pgina 1083
C aptulo 11
Pgina 1084
Conclusiones
A pesar de que la r de Pearson indica una alta asociacin (r = 0,912),
aplicando la frmula a los datos anteriores, se obtiene un CCI igual a 0,69,
lo que indica una concordancia moderada entre los resultados obtenidos
por los mdicos A y B.
C aptulo 11
Pgina 1085
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.
Prieto L, Lamarca R, Casado A. La evaluacin de la fiabilidad en las observaciones clnicas: el coeficiente

de correlacin intraclase. Med Clin (Barc) 1998;110:142-5.
C aptulo 11
Sistema analgico
Sistema digital
Pgina 1086
C aptulo 11
Medidas de tensin arterial sistlica en un

grupo de 30 pacientes mediante dos mtodos
de medicin (tradicional y automatizado)
Mtodo digital
Error sistemtico
proporcional
Mtodo analgico
Pgina 1087
C aptulo 11
Pgina 1088
Coeficiente de concordancia de Lin

- El coeficiente de correlacin de las medidas de concordancia de LIN mide el
grado de acuerdo entre dos variables cuantitativas continuas.
- Es til para evaluar la reproducibilidad o fiabilidad entre dos observadores o
evaluadores.
Escala de McBrige para el coeficiente de
concordancia de Lin
Valor de la c
Fuerza de acuerdo
< 0,90
Pobre
0,90 0,95
Moderada
0,95 0,99
Sustanciales
> 0,99
Casi perfecto
C aptulo 11

Variable Y
DIGITAL
Variable X
ANALGICO
Tamao de muestra
30
Coeficiente de CONCORDANCIA de Lin
0,9908
Intervalo de confianza al 95%
0,9832 a 0,9949
Pearson (precisin)
0,9970
Factor de correccin del sesgo C b (exactitud)
0,9937
Pgina 1089
C aptulo 11
Se desea evaluar la concordancia entre las medidas de tensin arterial entre dos
enfermeras A y B mediante la comparacin de los resultados de dos mediciones
consecutivas de la presin arterial sistlica en 10 pacientes, realizadas en el mismo
esfingomanmetro por dos enfermeras.
ENFERMERA A
ENFERMERA B
Pgina 1090
C aptulo 11

Variable Y
Enfermera A
Variable X
Enfermera B
Tamao de muestra
10
Coeficiente de CONCORDANCIA de Lin
0,6190
Intervalo de confianza al 95%
0,3074 a 0,8107
Pearson (precisin)
0,9542
Factor de correccin del sesgo C b (exactitud)
0,6487
Pgina 1091
C aptulo 11
Sistema analgico
Sistema digital
Pgina 1092
C aptulo 11
Pgina 1093
Mtodo de regresin ortogonal de Deming

1. En el caso de que presenten errores aleatorios en el mtodo de referencia (X) ha sido
propuesto como ms aceptable el mtodo de regresin ortogonal establecido por Deming
en 1943 (*).
2. Es adecuado incluso si existen valores aberrantes (**).
3. Si el error que presenta esta variable es proporcional, cuando la varianza de los
resultados aumenta con la concentracin, ha sido considerado adecuado el clculo de la
correlacin lineal mediante el clculo de mnimos cuadrados ponderado.
4. Mientras que consideran mejor el mtodo de Deming si los errores en x son
significativos frente al intervalo ensayado, cuando el intervalo de concentraciones es
estrecho (v.g. en Potasio) (***).
(*) Wakkers PJM, Hallendoorn HBA, Op de Weegh GJ, Heerspink W. Applications of statistics in clinical
chemistry. A critical evaluation of regression lines. Clin Chim Acta 1975; 64: 173-84.
(**) Cornbleet PJ, Gochman N. Incorrect least-squares regression coefficients in method-comparison
analysis. Clin Chem 1979; 25: 432-38.
(***) Zaydman L, Lasky FD, Van Nostrand C, Doptis PD. Recommended linear regressin models for
comparison of method in clinical Chemistry. Clin Chem 1991, 37: 960.
C aptulo 11
Representacin grfica de Deming
Error sistemtico
proporcional
Pgina 1094
C aptulo 11

Variable Y
DIGITAL
Variable X
ANALGICO
Tamao de muestra
30
Ecuacin de regresin
Y = 5,4741 + 0,9379 X
Mtodo
Media
Coeficiente de variacin (CV%)
140,23
26,24
137,00
25,19
Parmetro
Coeficiente
Error estndar
IC95%
5,4741
1,7780
1,8377-9,1106
0,9379
0,01275
0,9124-0.9634
Pgina 1095
C aptulo 11
Representacin grfica de los residuales de Deming
Pgina 1096
C aptulo 11
Modelos de regresin de Passing-Bablock

- En los aos 80-90, para evitar los inconvenientes del mtodo simple de mnimos
cuadrados, Passing y Bablok desarrollan el clculo del mtodo de regresin no
paramtrica.
- Fue defendido como mtodo de eleccin debido a su robustez y a permitir obtener
una estimacin no sesgada de la recta de regresin.
Frey E, Fuentes-Arderiu X, Queralt JM. Comparacin estadstica de mtodos analticos. Educacin

continuada Qumica Clnica. 1988; 1:
69-79.
Pgina 1097
C aptulo 11
Pgina 1098

Condiciones y limitaciones de aplicacin
1. La razn de varianzas en Y y X iguale el cuadrado de la pendiente.
2. Ausencia de error en la variable PREDICTORA (independiente) X.
3. Que el error en la variable RESULTADO Y debe ser homogneo en todo el intervalo
de concentraciones.
Zaydman L, Lasky FD, Van Nostrand C, Doptis PD. Recommended

linear regressin models for comparison of method in clinical Chemistry. Clin Chem 1991, 37: 960.
C aptulo 11

Variable Y
DIGITAL
Variable X
ANALGICO
Tamao de muestra
30
Ecuacin de regresin
Y = 5,9375 + 0,9375 X
Parmetro
Coeficiente
IC95%
5,9375
1,4912-9,5455
0,9375
0,9091-0,9649
Test de linealidad de
suma acumulada
p < 0,10
No existe desviacin significativa de la linealidad
Pgina 1099
C aptulo 11
Pgina 1100
C aptulo 11
Se puede utilizar el mtodo de Passing-Bablock?
Sy 2
= [ 1 ]2
Sx 2
1190,69
1353,56
S.
= 0,8796
[ 0,9375 ]2 = 0,8789
Pgina 1101
C aptulo 11
El objetivo de este estudio ha sido analizar la concordancia entre dos mtodos enzimticos de determinacin de la
AMILASA srica perteneciente a una misma casa comercial
y basados en el mismo principio fsico-qumico.
Amilasa antigua
Amilasa nueva
Pgina 1102
C aptulo 11

Variable Y
AMILASA NUEVA
Variable X
AMILASA CLSICA
Tamao de muestra
548
Ecuacin de regresin
Y = 4,6190 + 0,8095 X
Parmetro
Coeficiente
IC95%
4,6190
4,000-5,200
0,8095
0,8000-0,8182
Test de linealidad de
suma acumulada
p < 0,01
Desviacin significativa de la linealidad
Pgina 1103
C aptulo 11
Error sistemtico
proporcional
Pgina 1104
C aptulo 11
CVa (nueva) = 152%
CVa =
SD
X
* 100
CVa (clsica) = 148%
NO SE PUEDE UTILIZAR el mtodo de Regresin ortogonal de Deming

porque los CV > 100%.
Pgina 1105
C aptulo 11
Se puede utilizar el mtodo de Passing-Bablock?
Sy 2
= [ 1 ]2
Sx 2
14508
18695
No.
= 0,7060
[ 0,8095 ]2 = 0,6553
Pgina 1106
C aptulo 11
Sistema analgico
Sistema digital
Pgina 1107
C aptulo 11
Pgina 1108
Mtodo de mnimos cuadrados ponderado

- En 1991 Zaydman et al., en su estudio sobre modelos de regresin lineal para
comparacin de mtodos, rechazan el mtodo de Passing-Bablok porque no cumple las
condiciones anteriores.
- Obtienen los mejores resultados con el mtodo de mnimos cuadrados ponderado
cuando los errores en la variable PREDICTORA X son pequeos frente al intervalo de
concentraciones como el medido (v.g. en Glucosa).
C aptulo 11
EE
0,935
0,014
= 66,76 >> Z95% (1,96)

Z99,5% (3,29)
p < 0,05
p < 0,005
Pgina 1109
C aptulo 11
Amilasa antigua
Amilasa nueva
Pgina 1110
C aptulo 11
Pgina 1111
C aptulo 11
Pgina 1112
Mtodo grfico de Bland y Altman

- Bland y Altman proponen su mtodo de evaluacin de las diferencias, con el atractivo de
su sencillez de clculo y su utilizacin frente al uso de los mtodos de regresin anteriores.
- Representan grficamente la diferencia entre los dos mtodos (D = Y X) frente a la
media de la suma de los dos resultados (A = X + Y / 2).
Altman DG, Bland JM. Measurement in medicine: the analysis of method comparison studies. The
Statistician 1983; 32, 307-317.
Lpez, F. Utilizacin adecuada de las pruebas estadsticas en los estudios de comparacin de
procedimientos. Quim Clin 2000; 19: 237.
C aptulo 11
Podemos sustituir en instrumento clsico de gran tamao
por el sistema mini porttil para la medida del flujo respiratorio mximo (FEM)?
Clsico grande
Mini porttil
Statistician 1983; 32, 307-317.
Pgina 1113
C aptulo 11
GRANDE 1 Medida
GRANDE 2 medida
MINI 1 medida
MINI 2 medida
494
490
512
525
395
397
430
415
516
512
520
508
434
401
428
444
476
470
500
500
557
611
600
625
413
415
364
460
442
431
380
390
650
638
658
642
10
433
429
445
432
11
417
420
432
420
12
656
633
626
605
13
267
275
260
227
14
478
492
477
467
15
178
165
259
268
16
423
372
350
370
17
427
421
451
443
Pgina 1114
Se midi el flujo respiratorio mximo (FEM) en una muestra de 17 individuos con un amplia gama de FEM. Se
realizaron 2 mediciones en cada instrumento (grande clsico y Mini portatil). Slo la 1 medida de cada aparato
se utiliz para la comparacin de los mtodos, la 2 medicin se utiliz en el estudio de la repetibilidad.
C aptulo 11
Generalmente los puntos de datos se agrupan cerca de la lnea y

es difcil evaluar las diferencias entre los mtodos comparados
Sistema portatil Mini (l/min)
800
r = 0,9433; p <0,0001
600
400
200
0
0
200
400
600
800
Sistema clsico grande Flujo respiratorio (l/min)
Pgina 1115
C aptulo 11
Pgina 1116
C aptulo 11
Pgina 1117
Mtodo grfico de Bland y Altman: Interpretacin

- En el caso de que no haya error sistemtico los puntos se distribuirn de forma aleatoria
a uno y otro lado de la recta correspondiente a la diferencia 0 entre medidas (lnea
horizontal naranja).
- La lnea azul representa la media de las diferencias, que en nuestro ejemplo corresponde
a 2,1 (error sistemtico del segundo mtodo respecto al primero).
- Las lneas marrones representan los lmites de confianza definidos mediante 2 DE de
la media de la diferencia, y se denominan lmites de concordancia
Statistician 1983; 32, 307-317.
Bland JM, Altman DG . Statistical methods for assessing agreement between two methods of clinical
measurement. Lancet 1986: 307310.
C aptulo 11
Pgina 1118
Reflexiones del grfico

- Se observa una considerable falta de concordancia entre los medidores grandes y mini,
con discrepancias de hasta 80 l/min.
- Siempre que las diferencias d 2s no sean clnicamente importantes podamos asumir
que los mtodos de medicin son intercambiables. Estas d 2s son los lmites de
acuerdo.
- Para los datos de FEM se tiene:
d - 2s = -2,1 - (2 * 38,8) = - 78,1 l / min
d + 2s = -2,1 + (2 * 38,8) = - 73,9 l / min
- El medidor Mini ofrece datos de hasta 80 l / min por debajo o de 76 l / min por encima del
medidor grande, lo que es inaceptable para los propsitos clnicos.
- Esta falta de concordancia NO es evidente en la figura de correlacin lineal de FEM.
C aptulo 11
Pgina 1119
Ensayo de repetibilidad
- La repetibilidad es relevante para el estudio de comparacin de mtodos porque la
repetibilidad de los mtodos de medida limita el grado de concordancia.
- Si un mtodo presenta una repetibilidad pobre - es decir, existe una considerable
variacin en las mediciones repetidas en la misma muestra - el grado de concordancia
entre ambos mtodos es pobre tambin.
- La mejor manera de examinar la repetibilidad de un instrumento es tomar medidas
repetidas en una serie de muestras.
- Se calcula la media y la desviacin estndar de la diferencias medidas. La diferencia
media debe ser cero, ya que se trata del mismo mtodo. Si la diferencia de medias
es significativamente diferente de cero, no podemos utilizar los datos para evaluar la
repetibilidad, ya sea porque el conocimiento de la 1 medida est afectando a la 2 o el de
la medida es modificar la cantidad).
C aptulo 11
Ensayo de repetibilidad en el Mini
Pgina 1120
C aptulo 11
Sistema analgico
Sistema digital
Pgina 1121
C aptulo 11
La diferencia entre
ambos mtodos es
LINEAL a lo largo del
rango de medicin
Error sistemtico
proporcional
Pgina 1122
C aptulo 11
Pgina 1123

- Existe un importante error sistemtico porque los puntos se distribuyen preferentemente
por encima de la recta correspondiente a la diferencia 0 entre medidas (lnea horizontal
naranja).
- El error sistemtico es proporcional porque la diferencia entre ambos mtodos es LINEAL
(lnea rosa) a lo largo del rango de medicin.
a 3,2 (error sistemtico del segundo mtodo digital- respecto al primero analgico-).
la media de la diferencia (de -3,8 a +10,2 ), y se denominan lmites de concordancia.
C aptulo 11
Amilasa antigua
Amilasa nueva
Pgina 1124
C aptulo 11

La diferencia entre ambos
mtodos es LINEAL a lo
largo del rango de medicin
Error sistemtico
proporcional
Pgina 1125
C aptulo 11
Pgina 1126

- Existe un error sistemtico porque casi todos los puntos se distribuyen preferentemente
naranja).
- El error sistemtico es proporcional porque la diferencia entre ambos mtodos es LINEAL
(lnea rosa) a lo largo del rango de medicin.
a 11,8 (y nos mide el error sistemtico del segundo mtodo amilasa nueva- respecto al
primero clsica-).
la media de la diferencia (de -21,2 a +44,8 ), y se denominan lmites de concordancia.
C aptulo 11
Evaluacin de mtodos diagnsticos cuantitativos

Recomendaciones de Zaydman

Pgina 1127
C aptulo 11
No debe utilizarse porque NO cumple la condicin:
1. La razn de varianzas en Y y X iguale el cuadrado de la pendiente.
Sy 2
Sx 2
= [ 1 ]2

Pgina 1128
C aptulo 11
Pgina 1129
Mtodo de mnimos cuadrados (mtodo regresin lineal simple)
No debe utilizarse porque NO cumple los siguientes requisitos:
1. Ausencia de error en la variable PREDICTORA (independiente) X.
2. Que el error en la variable RESULTADO Y debe ser homogneo en todo el intervalo
de concentraciones.

C aptulo 11
Pgina 1130
Debe utilizarse cuando:
Los errores en la variable predictora (independiente) x son pequeos frente al intervalo
de concentraciones medido (glucemia).

Debe utilizarse cuando:
Cuando los errores en la variable predictora x son significativos frente al intervalo
ensayado, cuando el intervalo de concentraciones es estrecho (kaliemia).

C aptulo 11
Pgina 1131
C aptulo 11
Pgina 1132
El objetivo de este estudio ha sido analizar la concordancia
entre dos dispositivos de medida del oxido ntrico (NO) exhalado, un Analizador de quimioluminiscencia estacionario
(NIOX Aerocrine) analizador ideal, y un analizador porttil
(NIOX-MINO), basado en anlisis electroqumico.
Equipo estacionario
N-6008 SIR
Equipo porttil
NIOX-MINO
Fortuna AM, Feixas T, Casan P. Determinacin de xido ntrico en aire espirado (FENO) mediante un equipo
porttil (NIOX-MINO Aerocrine) en poblacin sana. Arch Bronconeumol. 2007;43:176-9.
C aptulo 11
Pgina 1133
Anlisis estadstico
Para la descripcin de los valores de FENO se facilitan valores medios desviacin
estndar. La comparacin entre valores medios se llev a cabo mediante un test de MannWhitney. La comparacin de los resultados individuales se analiz mediante la correlacin
de Pearson. En todos los casos la aproximacin ha sido bilateral y el nivel de significacin
el habitual del 5% ( = 0,05). El programa informtico empleado en el anlisis fue el
paquete estadstico SPSS versin 11.
C aptulo 11
Pgina 1134
50
FENO (ppb) con el equipo NIOX-MINO
[NIOX-MINO] = 10 + 1,5 [N-6000 SIR]

40
30
20
10
r = 0,855; p =0,001
0
0
10
20
FENO (ppb) con el equipo N-6000 SIR
Fig. 3. Correlacin de xido ntrico en aire espirado (FENO) entre la determinacin con los equipos
N-6008 SIR (sensor de quimioluminiscencia) y NIOX-MINO (mtodo de electroqumica) en voluntarios
sanos. La correlacin de Pearson muestra la curva de regresin lineal entre ambos equipos (y = FENO
[ppb] con equipo NIOX-MINO; x = FENO [ppb] con el equipo N-6008 SIR).
C aptulo 11
Pgina 1135
Resultados
El valor medio ( desviacin estndar) de FENO con el equipo NIOX-MINO fue de 20 7
ppb (rango: 8-41ppb), y con el sensor N-6008, de 7 5 ppb (rango: 1-19 ppb).
Se observ una correlacin directa y estadsticamente significativa de la determinacin
de FENO entre ambos equipos (r = 0,92; p = 0,001). Los valores de FENO con el equipo
NIOX-MINO siempre fueron superiores a los obtenidos con el equipo N-6008. Adems,
la curva de regresin lineal demostr un factor de correccin de: FENO (NIOX-MINO) =
10 + 1,5 FENO (N-6008) (fig. 3).
C aptulo 11
Pgina 1136
Discusin
Al comparar los 2 equipos y mtodos se constata que existe una muy buena correlacin
de cada determinacin de FENO para ambos equipos, con un factor de correccin entre
los valores de los 2 equipos de 1,5 + 10 para cada valor de FENO obtenido con el equipo
N-6008 (figs. 2 y 3), lo que coincide con los valores obtenidos por otros autores.
C aptulo 11
Pgina 1137
C aptulo 11
Pgina 1138
Por qu das un valor de corte, como valor de referencia, a partir de la media ms 2

desviaciones estndar?
El clculo de valores de referencia basado en la media 2 desviaciones estndar slo
puede aplicarse si las variables siguen distribuciones normales.
Se cumplen la normalidad de la variable cuantitativa (medida del NO en el aire exhalado)
en los dos instrumentos comparados?
No aportas ningn test estadstico (analtico o grfico) que demuestre que dicha variable
sigue la distribucin normal. En la tabla I aparecen otros trabajos (5 y 10) se han tenido que
realizar transformaciones logartmicas para normalizar la variable.
Seguro que sigue una distribucin normal?
C aptulo 11
Pgina 1139

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 (NO),
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 del NO entre el equipo NIOX-MINO y el equipo N-6008 es del 92% (r=0,92) de
la mxima posible.
C aptulo 11

Se ha demostrado que el coeficiente de correlacin de Pearson para evaluar la
concordancia entre medidas cuantitativas es insuficiente-inadecuado y que la
interpretacin de dicho coeficiente como una medida de concordancia es errnea. La
igualdad de medias tan slo garantiza que los 2 mtodos se centran en el mismo valor,
pero en ningn caso que todos sus valores sean iguales.
Pgina 1140
C aptulo 11
Pgina 1141
Por qu utilizas el test de Mann-Whitney?

Los autores utilizan para la comparacin de medias el test de Mann-Whitney, que es
una prueba no paramtrica de comparacin de medias para grupos independientes; sin
embargo, al tratarse de medidas apareadas, deberan haber utilizado el test no paramtrico
para la comparacin de medias de medidas apareadas, que es la prueba de Wilcoxon.
C aptulo 11
Pgina 1142
Afortunadamente, un buen estudio con un anlisis deficiente siempre se puede volver

a analizar. Hay paquetes estadsticos (MedCalc) que incorporan directamente un
procedimiento de comparacin de mtodos que incluyen el clculo de test que determinan
la concordancia entre medidas cuantitativas:
a) mtodos analticos, a travs del clculo de diferentes coeficientes que evalan
la concordancia, como el coeficiente de correlacin intraclase o el coeficiente de
correlacin-concordancia de Lin, modelos de regresin (modelos de regresin de
Deming y de Passing-Bablock), ANOVA de medidas repetidas y modelos de ecuaciones
estructurales, y
b) mtodos grficos como el mtodo de Bland y Altman (que calcula un intervalo de
concordancia), el grfico de distribucin acumulativa emprica grfico montaa
(mountain plot) o el grfico de la concordancia- supervivencia (survival-agreement plot).
C aptulo 11
Pgina 1143
Como puedes observar en la tabla I he realizado una revisin bibliogrfica ms exhaustiva

que la tuya en la literatura mdica.
He encontrado en la pgina web http://www.nioxmino.com/references.html) muestra
diversos estudios que s utilizan algunos de estos mtodos (tabla I). Si hubieras usado los
grficos de Bland y Altman puede que hubieras encontrado (como los estudios 6 y 7 de
la tabla) una relacin entre los valores apareados de FENO con los 2 equipos de medida
de tipo heterocedstica, es decir, a mayores valores de FENO, mayores son las diferencias
entre las medidas.
C aptulo 11
Pgina 1144
C aptulo 11
Por qu no indicas el intervalo de confianza del coeficiente de correlacin de Pearson?

Los autores no aportan un intervalo de confianza para dicho coeficiente. Calculado
por m, dicho intervalo del 95% es de 0,83 a 0,96, lo que implica que valores posibles
de dicho coeficiente podran ser inferiores a 0,90, los cuales empricamente se han
clasificado como correlacin slo buena.
Pgina 1145
C aptulo 11
Eres el nico autor que ha investigado la correlacin entre dichos instrumentos?

Por qu no comparas tus resultados con los publicados en la bibliografa?
Otros trabajos, encontrados en mi revisin bibliogrfica, ninguno de los cuales han sido
mencionados por los autores, ofrecen coeficientes de correlacin de Pearson mejores
que el tuyo (0,92) y mucho ms cercanos a 1, como se indica en la tabla I.
Pgina 1146
C aptulo 11
Pgina 1147
C aptulo 11
Pgina 1148
Como has podido ver en la tabla I, aunque otros autores tambin han utilizado slo el
coeficiente de correlacin de Pearson (trabajos 2, 8 y 11), este valor nicamente indica la
fuerza de asociacin entre 2 variables (la proximidad de los puntos de los 2 mtodos de
medida a la recta de regresin) y que dicha relacin es lineal, pero no necesariamente
que dicha recta sea la bisectriz; ni siquiera una correlacin perfecta es sinnimo de
concordancia perfecta.
C aptulo 11
Pgina 1149
Aunque te puedo creer cuando describes las bondades de la medida de FENO con el
nuevo equipo porttil (sencillez, rapidez, manejabilidad, coste, etc.) y su utilidad en el
diagnstico y seguimiento del paciente asmtico, lo que en ningn caso, te puedo admitir
del anlisis estadsticos de tus datos es que dicho equipo sea concordante (fiable) con
el usado como referencia, ni que los valores de referencia propuestos sean vlidos sin
aportar informacin acerca de la forma de la distribucin de la variable.
C aptulo 11
2007; 67(6): 572-7
Pgina 1150
C aptulo 11
Pgina 1151
Anlisis estadstico
En el anlisis estadstico se ha estudiado la regresin de las medias de FENO obtenidas
con ambos dispositivos de medida respecto a la diferencia de las mismas, mediante
el mtodo Bland-Altman, tanto en valores absolutos como relativos. Asimismo, se ha
analizado el grado de acuerdo entre los dos dispositivos de medida, en relacin con los
valores de normalidad para ambos, mediante el estadstico kappa de Cohen.
C aptulo 11
40
30
DIFERENCIA
+ 2 DE
20
Media
10
-10
- 2 DE
50
100
150
200
Media FENO
Figura 2: Anlisis estadstico (Bland-Altman). Media FENO: media de la fraccin exhalada de xido ntrico;
DIF: diferencia de las medias de FENO obtenidas con NIOX y con NIOX-MINO, en valores absolutos.
Pgina 1152
C aptulo 11
Pgina 1153
- Existe un error sistemtico porque casi todos los puntos se distribuyen preferentemente
naranja).
- El error sistemtico es PROPORCIONAL porque la diferencia entre ambos mtodos es
LINEAL (lnea rosa) a lo largo del rango de medicin.
- La lnea azul representa la media de las diferencias, que en nuestro ejemplo
corresponde a 11 (y nos mide el error sistemtico del segundo mtodo porttil-respecto
al primero).
la media de la diferencia (de -3 a +25), y se denominan lmites de concordancia.
C aptulo 11
Anlisis estadstico mediante el ndice kappa de Cohen

NIOX-MINO
NIOX
TOTAL
Anormal (+)
Normal (-)
Anormal (+)
10
Normal (-)
18
20
Total
11
19
30
Punto de corte de FENO: media de la fraccin exhalada de xido ntrico.
Medida de acuerdo
Valor de Kappa
EEk
Significacin
Kappa de Cohen
+ 0,780
0,120
4,286
0,000
N de casos vlidos
20
Pgina 1154
C aptulo 11

La regresin de las medias obtenidas por ambos dispositivos de medida de FENO
respecto a la diferencia de las mismas fue significativa, tanto en valores absolutos como
relativos (p < 0,005) (fig. 2). Asimismo, hubo acuerdo entre los valores obtenidos con
ambos dispositivos de medida, kappa de Cohen 0,78 (fig. 3).
Pgina 1155
C aptulo 11
Pgina 1156

El objetivo de nuestro estudio ha sido analizar la concordancia entre dos dispositivos de
medida para NO exhalado, sistema NIOX y sistema porttil NIOX-MINO. Segn los datos
obtenidos en nuestra muestra, observamos que existen diferencias significativas (p <
0,005) en la regresin de las medias obtenidas por ambos dispositivos de medida respecto
a la diferencia de las mismas. Por tanto, los dos sistemas estudiados no son equivalentes,
por lo que no son sustituibles. De acuerdo con otros investigadores, los valores obtenidos
con el sistema NIOX-MINO han sido significativamente superiores a los obtenidos con el
sistema NIOX, tanto ms cuanto mayor ha sido el valor de FENO obtenido (fig. 2).
C aptulo 11
Pgina 1157
Discusin (conclusiones)
En conclusin, la FENO, determinada mediante tcnica electroqumica con sistemas
porttiles, es vlida en nios mayores de 5 aos y ofrece la posibilidad de cuantificar de
forma simple y no invasiva la inflamacin eosinoflica de la va area, que resulta de gran
utilidad como complemento a la funcin pulmonar en el diagnstico de asma y en el control
del tratamiento en nios.
Introduccin (fragmento del texto: objetivos)

El objetivo de este estudio ha sido analizar la concordancia entre dos dispositivos de
medida de NO exhalado, un analizador de quimioluminiscencia estacionario (NIOX,
Aerocrine, Suecia), considerado como analizador.
C aptulo 12
Captulo 12
Publicacin Bioestadstica: Anlisis multivariante.

Pgina 1158
C aptulo 12

Pgina 1159
C aptulo 12
Anova de 2 factores
Variable
Predictora 1
Causa o Factor 1: Cualitativa
Variable RESULTADO
Interaccin
Variable
Predictora 2
Causa o Factor 2: Cualitativa
Desenlace o efecto:
Cuantitativa
Pgina 1160
C aptulo 12
Anova de 2 factores
Factor 1:
Variable predictora 1
F= 7,49 p<0,01
Grupo cultural
F= 1,09 p<0,01
Interaccin
Factor 2:
Tabaquismo materno
F= 0,59 N.S
Variable RESULTADO
Cuantitativa
Desenlace o efecto:
Peso del RN
Pgina 1161
C aptulo 12
Pgina 1162
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
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.
C aptulo 12
Anova de 2 factores
Factor 1:
F= 3,67 p<0,01
Grupo cultural
F= 0,34 N.S
Variable RESULTADO
Cuantitativa
Desenlace o efecto:
VCM
Factor 2:
Tipo de lactancia
F= 1,03
p<0,01
Pgina 1163
C aptulo 12
Pgina 1164
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
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.
C aptulo 12
Pgina 1165
Anlisis multivariante
Anlisis multivariante para la deteccin de potenciales factores de
confusin
Variable Predictora 1
Variable Predictora n
Variable Resultado
C aptulo 12
Pgina 1166

Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Cualitativa
Cualitativa
Ji cuadrado
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA

Cualitativa
Cuantitativa
t de Student
Test de Wilcoxon
Test de Friedman

Cuantitativa
Cualitativa


Cuantitativa
Cuantitativa

REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Cualitativa
Superviviencia
Kaplan-Meier
Long-Rank
Regresin de COX
C aptulo 12
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
Variable
RESULTADO
Cuantitativa
Cualitativa
(dicotmica)
Variables
PREDICTORAS
Cualitativa
Cuantitativa
Cualitativa
Cuantitativa
ECUACIN
Pgina 1167
C aptulo 12
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, slo puede admitir dos posibles
resultados.
- CUANTITATIVA (discreta o continua).
Pgina 1168
C aptulo 12
Variable Resultado
Pgina 1169
C aptulo 12
Ejemplos de posibles modelos de regresin logstica

Variable RESULTADO
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
Pgina 1170
C aptulo 12
Pgina 1171
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).
C aptulo 12
Pgina 1172
Objetivos de los modelos de regresin logstica
1. ESTIMAR la relacin entre una o ms 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.
C aptulo 12
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.
Pgina 1173
C aptulo 12
Anlisis de regresin logstica mltiple
Pgina 1174
C aptulo 12
Pgina 1175
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,...
C aptulo 12
Pgina 1176

(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
enfermedad
coronaria
X1
Factor de riesgo: cLDL
C aptulo 12
Pgina 1177

(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
C aptulo 12
Pgina 1178
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.
C aptulo 12
Variables explicativas o predictoras en el modelo de

regresin logstica
Variables CUALITATIVAS
Variables CUANTITATIVAS
El modelo asume estimaciones basadas en variables continuas
La OR y el RR son medidas que cuantifican el cambio en el riesgo cuando se

pasa de un valor del factor a otro
Las variables cualitativas deben ser

modeladas en 2 categoras (0,1) o
transformadas en tantas variables
dicotmicas como categoras (variables DUMMY)
Este aumento o disminucin del riesgo es

lineal y proporcional al cambio
Pgina 1179
C aptulo 12
Pgina 1180
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.
C aptulo 12
Pgina 1181
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 slo hay una variable predictora X1
H0
1 = 0
Ha

1 0
- Hay varios procedimientos para llevar a cabo este contraste.
C aptulo 12
Pgina 1182
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)
C aptulo 12
Pgina 1183
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.
C aptulo 12
Pgina 1184
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.
C aptulo 12
Pgina 1185
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
C aptulo 12
Pgina 1186
Evaluacin del modelo de Regresin logstica multivariante mediante el programa estadstico SPSS
ESTADSTICO
HIPTESIS NULA
CONTRASTE
SIGNIFICACIN
i = 0
t de Student
p < 0,05
i = 0
CHI CUADRADO
p < 0,05
- 2 Log Likelihood
(-2LL)
L=1
CHI CUADRADO
con n-k-1 grados de
libertad
Si rechaza la hiptesis
nula
(p < 0,05) significa que el
modelo de regresin no
es significativo
Improvement
o cambio en la razn
de verosimilitud en
cada paso
(-2LLK-1) - (-2LLK )
CHI CUADRADO
con k grados de
libertad
p < 0,05
Z2
(Goodness of Fit)
Z2 0
CHI CUADRADO
Si se rechaza la
hiptesis nula
(p < 0,05) significa que el
modelo de regresin no
es significativo
Model Chi- Square
(-2LL0) - (-2LLK )
CHI CUADRADO
con k grados de
libertad
p < 0,05
Wald
(i)2 / (EEi)2
(-2LL) = 0
ajuste perfecto
C aptulo 12
Pgina 1187
Evaluacin del modelo de Regresin logstica multivariante

mediante el programa estadstico SPSS
ESTADSTICO
HIPTESIS NULA
CONSTANTE
SIGNIFICACIN
i = 0
t de Student
p < 0,05
W=0
CHI CUADRADO
p < 0,05
Wald
[i]2
[EEi]2
Si se rechaza la hiptesis nula (Ho) (p< 0,05) significa que el modelo de regresin es
significativo.
C aptulo 12
Es posible predecir el estado de los depsitos medulares

de hierro conociendo los niveles sricos de ferritina y el
VCM del hemograma?
VCM
Variable resultado cualitativa

Depsitos de hierro en
Mdula sea
FERRITINA
(srica)
1 = Depsitos de hierro normales

0 = Dficit de hierro medular
Pgina 1188
C aptulo 12
Anlisis de regresin lineal mltiple

Posible variables predictoras asociadas a los depsitos de hierro en mdula sea
Estimacin
Error estndar EE
Constante
- 0,6799
VCM
- 0,02223
0,03835
FERRITINA srica
0,1919
0,05525
Para que una variables PREDICTORAS est relacionada estadsticamente con la

variable resultado (depsitos de hierro en mdula sea) debe cumplirse siempre la
condicin de que
Ferritina
0,1919
=
= 3,47 > Z95% (1,96)
0,05525
Ferritina
EE
VCM
EE VCM
-0,02223
0,03835
= 0,06 << Z95% (1,96)
p < 0,05
p > 0,05
Pgina 1189
C aptulo 12
Mtodo de introduccin de las

variables
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
Forward (hacia adelante)
Introducir progresivamente en el modelo las variables

predictoras estadsticamente significativas, comenzando por
la que tenga mayor significacin
Backward (hacia atrs)
Comienza por estimar un modelo que contiene todas las

variables predictoras para ir eliminando posteriormente
una a una, de forma sucesiva, aquellas que no sean
significativas
Stepwise
Es una combinacin de los anteriores
Pgina 1190
C aptulo 12
Anlisis de Regresin Logstica mltiple

Qu relacin existe entre las variables predictoras VCM
y Ferritina srica y los depsitos de hierro medular?
VCM y Ferritina srica
log
log
P
1-P
P
1-P
Variable RESULTADO
= 0 + X1 + 2X2
= -2,1290 + 0,1713 FERRITINA
Pgina 1191
C aptulo 12
Anlisis de Regresin Logstica mltiple

Qu relacin existe entre las variables predictoras VCM
y Ferritina srica y los depsitos de hierro medular?
VCM y Ferritina srica
OR =
e (X)
OR = e
0,1713 (Xa Xb)
Xa = Niveles de ferritina srica del paciente A

Xb = Niveles de ferritina srica del paciente B
Variable RESULTADO
Pgina 1192
C aptulo 12
Pgina 1193
Qu diferencia promedio de probabilidades de tener depsitos

medulares normales existe entre un paciente A con 24 ng/ml de
ferritina y otro B con 3 ng/ml?
Paciente A
Paciente B
Ferrritina srica (ng/ml)
0,1713
24 ng/ml
3 ng/ml
OR =
OR =
i (X a X b)
0,1713 (24 - 3)
= 36,6
El paciente A tiene una probabilidad de 37 veces de tener depsitos medulares de

hierro normal frente al paciente B.
C aptulo 12
Pgina 1194
- 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 Resultado
Probabilidad de morir
C aptulo 12
Pgina 1195
Estudio de cohortes prospectivo de Recin Nacidos

Factores de Riesgo
Muertos por otras
causas
3603 RN de peso
comprendido
entre 501 y 1500 g
Variable RESULTADORESPUESTA-posible EFECTO

Variable cualitativa dicotmica
Fallecimientos
Sobrevivientes
Prdidas de
seguimiento
Seguimiento mediana 2 aos
C aptulo 12
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
Pgina 1196
C aptulo 12
1. Peso del RN
2. Tamao segn edad gestacional (BPSEG)
3. Raza
4. Sexo
5. APGAR al 1 minuto
6. Presentacin del parto
7. Tipo de parto
8. Complicaciones maternas de parto
Riesgo de muerte
Pgina 1197
C aptulo 12
Pgina 1198
Variables predictoras significativas en la regresin logstica

multivariante
1. Peso del RN
2. Tamao segn edad gestacional (BPSEG)
3. Raza
4. Sexo
Riesgo de muerte
C aptulo 12
Anlisis de regresin logstica mltiple

Estimacin del modelo para predecir la mortalidad en recin nacidos con
pesos entre 501 y 1500 gramos
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
Pgina 1199
C aptulo 12
Pgina 1200
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
C aptulo 12
Pgina 1201
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
predictoras
RN A
RN B
Peso en
gramos/100
- 0,422
850 g [8,5]
1250 g [12,5]
RR
RR =
-0,422
RR = e
i (X a X b)
(850/100 1250/100)
= 5.4
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
igualdad del resto de las variables
predictoras (Xi) incluidas en el
modelo.
C aptulo 12
Pgina 1202

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
predictoras
RN A SFA (+)
RN B SFA (-)
APGAR (>3/<=3)
[1/0]
0,971
APGAR < 3 [1]
APGAR > 3 [0]
RR
RR =
RR =
e
e
i (X a X b)
0,971 (1 0)
= 2,62
Los RN con SFA presenta 2,62

veces ms riesgo de morir que los
RN sin SFA a igualdad del resto
de las variables predictoras (Xi)
incluidas en el modelo.
C aptulo 12
Pgina 1203

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
predictoras
RN A nio
RN B nia
SEXO (hombre/
mujer) [1/0]
0,656
hombre [1]
mujer [0]
RR
e (X X )
0,656 (1 0)
RR = e
= 1,93
RR =
Los RN varones presentan 1,93

veces ms riesgo de morir (un 93%)
que los RN mujeres a igualdad del
resto de las variables predictoras
(Xi) incluidas en el modelo.
C aptulo 12
Pgina 1204

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
predictoras
RN N
RN B
Raza (>1/<=1)
[1/0]
- 0,450
Negra [1]
Blanco [0]
RR
RR =
RR =
i (X n X b)
e -0,450
(1 0)
= 0.64
Los RN de raza blanca estn a

1/0.64 = 1.56 veces (un 56%) ms
riesgo de morir que los RN de raza
negra a igualdad del resto de las
variables predictoras.
Los RN de raza negra presenta 0.64

veces ms riesgo de morir que los
RN de raza blanca a igualdad del
resto de las variables predictoras
incluidas en el modelo.
C aptulo 12
Pgina 1205

dos RN A y B con las siguientes caractersticas?
RN A
RN B
Peso en gramos/100
- 0,422
1150 g [11,5]
1400 g [14,0]
Bajo peso para su edad

gestacional BPSEG [1/ 0]
- 0,491
BPPSEG [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]
RR
El RN A (nia negra) presenta un

54% de riesgo de morir que el RN B
(nio blanco) segn el valor de las
variables predictoras incluidas en el
modelo.
C aptulo 12
Clculo de la probabilidad (P) de muerte individual

RN A
RN C
Peso en gramos/100
1150 g [11,5]
750 g [7,5]
Bajo peso para su edad

gestacional BPSEG [1/ 0]
BPPSEG [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
Pgina 1206
C aptulo 12
Pgina 1207
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.
C aptulo 12
Pgina 1208
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)
C aptulo 12
5. Malformaciones
congnitas
1. Edad de la madre
2. Peso
Riesgo de
muerte
6. Sexo
7. Gestacin
3. Edad gestacional
8. Uso de esteroides
prenatales
9. BPSEG
Pgina 1209
C aptulo 12
Pgina 1210
Variables predictoras significativas en la regresin logstica

multivariante
Malformaciones
congnitas
Peso del RN
Edad gestacional
APGAR al 1 minuto
Riesgo de
muerte
Sexo
Uso de esteroides
prenatales
C aptulo 12
Pgina 1211
Estudio de Marshalll et al (NEOCOSUR)

APGAR
al 1 minuto
Malformaciones
congnitas
Fallecimientos
1801 RN de peso
comprendido entre
500 y 1500 g
Variable RESULTADO
Variable cualitativa dicotmica
Sobrevivientes
Peso
del RN
Edad
gestacional
Sexo
Esteroides
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.
C aptulo 12
Pgina 1212
Anlisis de Regresin Logstica Mltiple: Estimacin del modelo para predecir la mortalidad en recin
nacidos con pesos entre 500 y 1500 gramos
Estimacin
Coeficiente
Error estndar
EE
Cociente
/ EE
OR
IC95%
8,378
0,99
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
congnitas
(Si =1; No = 0)
3,419
0,64
5,32
30,55
8,74 106,77
Uso de esteroides
prenatales
(Si =1; No = 0)
- 0,302
0,08
3,77
0,74
0,58 0,89
Sexo (mujer =1;

hombre = 0)
- 0,474
0,16
2,96
0,62
0,30 0,93
Constante
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.
C aptulo 12
Pgina 1213
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
C aptulo 12
Pgina 1214
Variables DUMMY (indicadoras)

Para la introduccin de variables policotmicas en el anlisis multivariante es necesario
crear las llamadas variables dummy. Siempre se elegir una categora de referencia
con la que se compararan el resto de las categoras. Si la variable tiene k categoras, se
proponen k - 1 variables dummy al modelo multivariante.
Hosmer and Lemeshow del Baystate Medical Center realizaron un estudio para conocer
los principales factores de riesgo asociados con el bajo peso del RN (definido como peso <
2500 g) en un grupo de 189 mujeres. Una de las 11 variables predictoras evaluadas fue la
RAZA, la cual tena 3 categoras (negra, blanca e hispana).
Para la variable RAZA se tienen que proponer dos variables dummy.
Cmo se formularon esas dos nuevas variables?
C aptulo 12
Anlisis bivariante previo

Relacin entre la variable predictora RAZA y la prevalencia del bajo peso al nacer.
Bajo peso del RN

RAZA
SI
NO
Total
(%)
Blanca
23
73
96
24%
Hispana
25
42
67
37%
Negra
11
15
26
42%
TOTAL
59
130
189
Test de 2 Pearson
= 5,005
p = 0,082
NO existe asociacin
Pgina 1215
C aptulo 12

Bajo peso del RN

RAZA
SI
NO
Total
(%)
Blanca
23
73
96
24%
Otras razas
36
57
93
39%
TOTAL
59
130
189
Test de 2 Pearson
= 4,787
p = 0,029
Existe asociacin
Pgina 1216
C aptulo 12

Bajo peso del RN
Caso-control
RAZA
SI
NO
Total
(%)
OR
Blanca
23
73
96
24%
1,00
Hispana
25
42
67
37%
1,89
Negra
11
15
26
42%
2,33
TOTAL
59
130
189
= 4,68
p = 0,030
Existe asociacin
TOTAL
Pgina 1217
C aptulo 12
Edad de la madre
HTA durante el embarazo
Hbito tabquico materno

durante el embarazo
Bajo peso
del RN
Trabajo prematuro de parto
Raza materna
N de visitas al gineclogo
durante el primer trimestre
Peso de la madre
Irritabilidad uterina
Pgina 1218
C aptulo 12
Variables predictoras significativas en el anlisis

multivariante
durante el embarazo
Bajo peso
del RN
Raza materna
Peso de la madre
Log
P
1-P
= 0
+ 1X1 + 2X2 + 3X3
Hosmer and Lemeshow (2000) Applied Logistic Regression: Second Edition. Baystate Medical Center,
Springfield, Massachusetts .
Pgina 1219
C aptulo 12
Pgina 1220
Modelo de regresin logstico para el BAJO PESO AL NACER

Estimacin
Error estndar EE
/EE
Constante
-0,109
0,882
0,123
0,901
Tabaquismo
1,060
0,378
2,804
0,005
Peso de la madre
-0,027
0,013
2,077
0,036
Raza negra (1 dummy)

(NEGRA=1, blanca =0,
hispana=0)
1,290
0,511
2,525
0,012
Raza hispana (2 dummy)

(HISPANA=1, blanca =0,
negra=0)
0,970
0,412
2,354
0,019
Para la variable RAZA se tienen que proponer dos variables dummy (k-1). La categora de referencia es la
que no tiene variable dummy propia, en esta caso la raza blanca.
C aptulo 12
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
Variable
RESULTADO
Cuantitativa
Cualitativa
(dicotmica)
Variables
PREDICTORAS
Cualitativa
Cuantitativa
Cualitativa
Cuantitativa
ECUACIN
Y = 0 + 1X1 + ... + nXn
Pgina 1221
C aptulo 12
Pgina 1222
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
C aptulo 12
Y = 0 + 1X1 + ... + nXn

Variable Resultado
Cuantitativa
Pgina 1223
C aptulo 12
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.
Pgina 1224
C aptulo 12
Pgina 1225
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.
C aptulo 12
Pgina 1226
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 dicotmicas; en este caso deben transformarse en
cuantitativas ( 0,1 ).
- Cualitativas policotmicas; 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.
C aptulo 12
Existe relacin entre la intensidad del estudio y el rendimiento
acadmico en el examen del curso de Bioestadstica?
Horas de estudio
Variable RESULTADO
Pgina 1227
C aptulo 12
Modelo de regresin lineal simple para la variable resultado nmero de RESPUESTAS

correctas del examen ajustado por la variable predictora nmero de horas de ESTUDIO
Resumen del modelo
Modelo
R2
R 2 corregido
Error estndar de la estimacin
Regresin
0,629
0,396
0,321
6,506
ANOVA
Modelo
Suma de cuadrados g.l
Media Cuadrtica
Regresin
222,234
222.234
5,250
0,051
Residual
338,666
42,333
Total
560,900
Coeficientes
Variables
Coeficiente
Constante
9,662
2,496
3,871
0,005
Horas de estudio
0,167
0,073
2,291
0,051
Pgina 1228
C aptulo 12
Variable predictora 1: Cuantitativa
Horas de estudio
Variable resultado:
Cuantitativa
Interaccin

Pgina 1229
C aptulo 12
Existe relacin entre el nmero de horas de estudio, el coeficiente intelectual del alumno y el rendimiento acadmico en el
examen del curso de Bioestadstica?
N del Alumno
Horas de estudio (X1) CI del alumno estudio (X 2)
N respuestas correctas (Y)
104
125
16
17
115
18
100
100
21
140
21
112
29
130
20
125
15
10
100
122
22
Pgina 1230
C aptulo 12
Pgina 1231
Modelo de regresin lineal MLTIPLE para la variable resultado nmero de RESPUESTAS

correctas del examen ajustado por las variables predictoras nmero de horas de ESTUDIO
y coeficiente intelectual CI
Resumen del modelo
Modelo
R2
R 2 corregido
Regresin
0,948
0,899
0,870
2,842
ANOVA
Modelo
Media Cuadrtica
Regresin
504,363
252,182
31,224
0,000
Residual
56,537
8,077
Total
560,900
Coeficientes
Variables
Coeficiente
Constante
- 41,153
8,667
- 4,748
0,002
Horas de estudio
0,096
0,034
2,836
0,001
0,445
0,075
5,910
0,0025
C aptulo 12
Pgina 1232

Para la realizacin del modelo de la regresin lineal mltiple es necesario que las
variables incluidas cumplan la normalidad.
Qu test de normalidad has utilizado?
Con independencia de la normalidad, los test paramtricos NO se recomiendan cuando el
tamao muestras es pequeo (n 10),y/o cuando la variables cuantitativa es discreta.
Ests seguro que se cumplen estas condiciones?
C aptulo 12
Pgina 1233

Variables
Estadstico
Significacin
Horas de estudio
0,881
10
0,420
0,648
10
0,795
0,439
10
0,991
El test de normalidad ensayado da un valor de p NO significativo (p >0,05) en las 3

variables evaluadas. Por tanto no hay evidencias suficientes para rechazar la hiptesis nula
de normalidad. Podemos utilizar test paramtricos.
C aptulo 12
Distribucin paramtrica del coeficiente intelectual en la poblacin
Pgina 1234
C aptulo 12
CI Score Distribucin
Porcentaje
de poblacin
CI Score Distribucin
Pgina 1235
C aptulo 12
Pgina 1236
C aptulo 12

Para la aplicacin del modelo de la regresin lineal mltiple es
necesario que NO exista COLINEALIDAD entre las variables
predictoras.
Horas de estudio
Existe COLINEALIDAD?
Pgina 1237
C aptulo 12
Pgina 1238
Colinealidad en la regresin lineal mltiple
- Es uno de los problemas ms importantes que se puede encontrar en un anlisis de

regresin. Si en un modelo de Regresin Lineal Mltiple alguna variable predictora es
combinacin lineal de otras variables predictoras, el modelo es irresoluble.
- La colinealidad aparece cuando alguna variable predictora es casi combinacin lineal de
otra u otras variables predictoras, es decir sus coeficientes de correlacin simple o mltiple
entre las variables predictoras son cercanos a 1, aunque no llegan a dicho valor.
- Como medida de la misma hay varios estadsticos propuestos, los ms sencillos son los
coeficientes de determinacin (r2) de cada variable predictoras con todas las dems.
C aptulo 12
Diagnstico de colinealidad (1):
- FACTOR DE INFLACIN DE LA VARIANZA (FIV)

FIV > 10: Colinealidad (*)
FIV =
1
1 - R 2j
- TOLERANCIA (T)
T < 0,1: Colinealidad (*)
T=
1
FIV
= 1 - R 2j
(*) Regla emprica de Kleinbaum
Pgina 1239
C aptulo 12
Diagnstico de colinealidad (1):

Modelo
R2
R 2 corregido
Regresin
0,948
0,899
0,870
2,842
Variable resultado: Nmero de respuestas correctas

FIV =
T=
FIV (estudio-CI) = 9,90
1 - R 2j
1
FIV
= 1 - R 2j
NO hay colinealidad
T (estudio-CI) = 0,101
Pgina 1240
C aptulo 12
Diagnstico de colinealidad (2) SPSP

Ruta con SPSS: Opcin: Anlisis, Regresin lineal, Estadsticos
Pgina 1241
C aptulo 12
Diagnstico de colinealidad (2)

NDICE DE CONDICIN: Regla emprica (Belsley):
- ndices de condicin < 5 : NO existe colinealidad.
- ndices de condicin entre 5 y 10: colinealidad dbil.
- ndices de condicin entre 10 y 30: colinealidad moderada.
- ndices de condicin > 30 colinealidad fuerte (grave).
Modelo
Dimensin
Autovalor
ndice de
condicin
Proporciones de la varianza
Constante
Horas de
Estudio
CI
2,456
1,000
0,00
0,06
0,00
0,536
2,136
0,00
0,84
0,00
0,005
21,608
1,00
0,10
1,00
Pgina 1242
C aptulo 12
Diagnstico de colinealidad (2)

- Hay un ndice de condicin alto (21,6) y asociado con el mismo est el trmino
constante y el coeficiente intelectual (CI) con proporcin de varianza alta.
- Nos indica, por tanto, que el CI slo es colineal con la constante, pero no con las
horas de estudio.
Modelo
Dimensin
Autovalor
ndice de
condicin
Constante
Horas de
Estudio
CI
2,456
1,000
0,00
0,06
0,00
0,536
2,136
0,00
0,84
0,00
0,005
21,608
1,00
0,10
1,00
NO hay colinealidad
Pgina 1243
C aptulo 12
Pgina 1244
Existe relacin entre el nmero de horas de estudio, el coeficiente intelectual del alumno, asistencia a clases (horas) y el rendimiento acadmico en el examen del curso de Bioestadstica?
N del Alumno
Horas de estudio (X1) CI del alumno Horas de Asistencia

(X 2)
a clase (X3)
N respuestas
correctas (Y)
104
23
125
92
16
17
115
78
18
100
15
100
20
21
140
100
21
112
35
29
130
95
20
125
75
15
10
100
122
100
22
C aptulo 12

Horas de estudio


Variable resultado:
Cuantitativa
Pgina 1245
C aptulo 12
Pgina 1246
Modelo de regresin lineal MLTIPLE para la variable resultado nmero de RESPUESTAS

correctas del examen ajustado por las variables predictoras nmero de horas de
ESTUDIO, coeficiente intelectual CI y asistencia a clase
Resumen del modelo
Modelo
R2
R 2 corregido
Regresin
0,984
0,969
0,954
1,696
ANOVA
Modelo
Media Cuadrtica
Regresin
543,632
181,211
62,963
0,000
Residual
17,268
8,077
Total
560,900
Coeficientes
Variables
Coeficiente
Constante
- 2,593
11,651
0.0223
0,831
Horas de estudio
0,028
0,104
1,007
0,353
0,022
0,123
0,177
0,865
Asistencia a clase (horas)
0,196
0,053
3,694
0,010
C aptulo 12
Variables
Estadsticos de colinealidad
Tolerancia (T)
FIV
Horas de estudio
0,477
2,098
0,117
8,552
Asistencia a clase (horas)
0,89
11,241
Obsrvese que los mayores valores de la tolerancia (T) y del factor de inflacin
corresponden a la variable predictora ASISTENCIA a clase.
- FACTOR DE INFLACIN DE LA VARIANZA (FIV)
FIV > 10: Colinealidad (*)
- TOLERANCIA (T)
T < 0,1: Colinealidad (*)
Pgina 1247
C aptulo 12
Autovalor
ndice de condicin
Constante
Horas de
ESTUDIO
Coeficiente
intelectual
ASISTENCIA
a clases
3.366
1,000
0,00
0,02
0,00
0,00
0,538
2,501
0,00
0,45
0,00
0,00
0,095
5.957
0,00
0,24
0,00
0,14
0,001
64,725
0,99
0,29
1,00
0,85
Variable resultado: Rendimiento acadmico (respuestas acertadas)
Hay un ndice de condicin alto (64,72) y asociado con el mismo hay dos variables
(el trmino constante, coeficiente intelectual, y ASISTENCIA a clase) con proporcin
de varianza alta. Nos indica, por tanto, que la asistencia a clase es COLINEAL con el
coeficiente intelectual y con la constante.
Pgina 1248
C aptulo 12
Grasas TOTALES
Colesterol diettico
cidos grasos insaturados
EDAD
EJERCICIO FSICO
Colesterol-LDL
Pgina 1249
C aptulo 12
Pgina 1250
Realizando los anlisis de regresin de cada una de las variables predictoras

del modelo con todas las dems, se obtienen los siguientes coeficientes de
determinacin, tolerancia y factores de inflacin de la varianza que indican
graves problema de COLINEALIDAD.
Coeficientes no
estandarizados
Significacin
Modelo
EE
Constante
258,484
130,837
1,976
0,70
Grasa TOTAL
- 5,714
4,776
-1,196
Colesterol dieta
0,067
0,036
Edad
0,443
Ejercicio
Estadsticos de
colinealidad
Tolerancia
FIV
0,253
0,20
49,978
1,851
0,087
0,038
26,530
2,867
0,155
0,879
0,098
10,225
- 3,115
45,953
- 0,068
0,947
0,143
7,005
cidos grasos
saturados
0,0722
0,075
0,966
0,351
0,066
15,242
cidos grasos
Insaturados
- 0,0746
1,150
- 0,065
0,949
0,130
7,683
Variable resultado colesterol-LDL
C aptulo 12
Pgina 1251
Obsrvese que el factor de inflacin mayor corresponde a la variable grasas

TOTAL, resultado esperable debido a que se han creado tres variables ms
(colesterol diettico, cidos grasos saturados y cidos grasos insaturados) a
partir de ella.
Autovalor ndice de
condicin
Constante
Edad
Grasas
totales
Ejercicio Colesterol cidos

diettico
grasos
insaturados
cidos
grasos
saturados
5,276
1,000
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,055
2,236
0,00
0,00
0,00
0,03
0,00
0,03
0,00
0,519
3,190
0,00
0,01
0,00
0,02
0,02
0,00
0,00
0,100
7,250
0,03
0,01
0,00
0,06
0,01
0,20
0,04
0,0354
12,200
0,06
0,00
0,00
0,78
0,03
0,64
0,04
0,01207
20,908
0,02
0,41
0,05
0,02
0,31
0,05
0,23
0,00205
50,781
0,89
0,58
0,95
0,09
0,64
0,07
0,69
Variable resultado: Colesterol-LDL
C aptulo 12
Autovalor ndice de
condicin
Constante
Edad
Grasas
totales
Ejercicio Colesterol cidos

diettico
grasos
insaturados
cidos
grasos
saturados
5,276
1,000
0,00
0,00
0,00
0,00
0,00
0,00
0,00
1,055
2,236
0,00
0,00
0,00
0,03
0,00
0,03
0,00
0,519
3,190
0,00
0,01
0,00
0,02
0,02
0,00
0,00
0,100
7,250
0,03
0,01
0,00
0,06
0,01
0,20
0,04
0,0354
12,200
0,06
0,00
0,00
0,78
0,03
0,64
0,04
0,01207
20,908
0,02
0,41
0,05
0,02
0,31
0,05
0,23
0,00205
50,781
0,89
0,58
0,95
0,09
0,64
0,07
0,69
Pgina 1252
Variable resultado: Colesterol-LDL
Hay un ndice de condicin alto (50,781) y asociado con el mismo hay cinco variables
(el trmino constante, EDAD, GRASAS TOTALES, COLESTEROL diettico, y cidos
grasos SATURADOS) con proporcin de varianza alta. Nos indica, por tanto, que Grasas
TOTALES es COLINEAL con el COLESTEROL diettico, cidos grasos SATURADOS,
EDAD y con la constante. Al existir esta ltima colinealidad, el centrado de variables podra
mejorar el problema, se podra tambin renunciar a estudiar los trminos no lineales
COLESTEROL diettico y cidos grasos SATURADOS.
C aptulo 12
Edad de la madre

durante el embarazo
Peso
del RN
Raza materna
N de visitas al gineclogo
durante el embarazo
Peso de la madre
ITU durante la gestacin
Pgina 1253
C aptulo 12
Pgina 1254
Interpretacin prctica de los resultados de la regresin lineal

mltiple
Coefficientsa
Model
1
(Constant)
Edad de la madre
Hipertensin durante el
embarazo
Infeccion urinaria en la
gestacin
Raza materna (blanca vs
otras)
Peso de la madre en Kg
N de visitas en el
embarazo categorizada
Trabajo prematuro de
parto
Unstandardized
Coefficients
Std. Error
B
315,998
2975,284
9,544
-1,919
106,977
-338,413
Standardized
Coefficients
Beta
-573,555
95% Confidence Interval for B

Lower Bound Upper Bound
3598,820
2351,748
16,914
-20,752
-127,322
-549,503
-,014
-,227
t
9,416
-,201
-3,163
Sig.
,000
,841
,002
200,591
-,192
-2,859
,005
-969,369
-177,742
-488,353
136,959
-,239
-3,566
,000
-758,604
-218,102
-380,931
104,245
-,262
-3,654
,000
-586,630
-175,232
8,055
3,570
,155
2,256
,025
1,010
15,100
-11,248
99,741
-,008
-,113
,910
-208,059
185,563
-203,230
136,333
-,102
-1,491
,138
-472,247
65,787
a. Dependent Variable: Peso del RN

ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
24747080
75169973
99917053
df
8
180
188
Mean Square
3093384,997
417610,959
F
7,407
Sig.
,000a
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
C aptulo 12
Modelo de regresin logstico para el BAJO PESO AL NACER

Estimacin
Error
/EE
estndar EE t
Constante
2975,28
315,998
9,416
0,000
Edad de la madre
-1,919
9,544
-0,201
0,841
-338,413
106,977
-3,163
0,002
Hipertensin durante el embarazo
-573,555
200,591
-2,859
0,005
Infeccin urinaria durante el embarazo
488,353
136,959
-3,566
0,000
Raza materna (blanca versus otras)
-380,931
104,245
-3,654
0,000
8,055
3,570
2,256
0,025
N visitas al gineclogo categorizada
-11,248
99,741
-0,113
0,910
-203,230
136,333
-1,491
0,138
Pgina 1255
C aptulo 12
t = - 3,163
p = 0,002

durante el embarazo
t = - 2,859
p = 0,005

t = - 3,654
p = 0,000
Peso
del RN
Raza materna
t = 2,256
p = 0,025
Peso de la madre
t = - 3,566
p = 0,000
ITU durante la gestacin
Pgina 1256
C aptulo 12
Pgina 1257
Interpretacin prctica de los resultados de la regresin

lineal 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
Model
1
Regression
Residual
Total
Sum of
Squares
24747080
75169973
99917053
df
8
180
188
Mean Square
3093384,997
417610,959
F
7,407
Sig.
,000a
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
Significacin estadstica
del modelo de regresin
C aptulo 12

lineal 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.
Pgina 1258
C aptulo 12
EEi
i
Model
1
(Constant)
Edad de la madre
embarazo
gestacin
otras)
N de visitas en el
parto
IC95%i
Coefficientsa
Unstandardized
Coefficients
Std. Error
B
315,998
2975,284
9,544
-1,919
106,977
-338,413
Standardized
Coefficients
Beta
-573,555
Pgina 1259
95% Confidence Interval for B

Lower Bound Upper Bound
3598,820
2351,748
16,914
-20,752
-127,322
-549,503
-,014
-,227
t
9,416
-,201
-3,163
Sig.
,000
,841
,002
200,591
-,192
-2,859
,005
-969,369
-177,742
-488,353
136,959
-,239
-3,566
,000
-758,604
-218,102
-380,931
104,245
-,262
-3,654
,000
-586,630
-175,232
8,055
3,570
,155
2,256
,025
1,010
15,100
-11,248
99,741
-,008
-,113
,910
-208,059
185,563
-203,230
136,333
-,102
-1,491
,138
-472,247
65,787
C aptulo 12
Pgina 1260

lineal 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
1
Model Summary
R
R Square
,498a
,248
Adjusted
R Square
,214
R2 corregida (ajustada)
Std. Error of
the Estimate
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
C aptulo 12
Pgina 1261

lineal 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
Model
1
Correlations
Covariances
parto
embarazo
otras)
N de visitas en el
gestacin
Edad de la madre
parto
embarazo
otras)
N de visitas en el
gestacin
Edad de la madre
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
1,000
-,050
-,126
,074
-,174
,113
-,150
-,218
-,050
1,000
-,053
-,065
,092
-,240
,043
-,025
-,126
-,053
1,000
-,164
-,014
,045
,192
,370
,074
-,065
-,164
1,000
-,042
,028
,165
-,199
-,174
,092
-,014
-,042
1,000
,091
,061
-,020
,113
-,150
-,218
-,240
,043
-,025
,045
,192
,370
,028
,165
-,199
,091
,061
-,020
1,000
-,170
,023
-,170
1,000
,094
,023
,094
1,000
18586,737
-1365,589
-1791,262
1009,836
-3254,760
55,082
-195,718
-3181,035
-1365,589
40236,901
-1118,575
-1306,095
2519,927
-171,932
81,982
-525,956
-1791,262
-1118,575
10866,947
-1707,605
-200,116
16,866
190,755
4124,674
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
55,082
-195,718
-3181,035
-171,932
81,982
-525,956
16,866
190,755
4124,674
9,929
156,628
-2124,941
44,682
80,006
-292,270
12,745
-5,795
8,723
-5,795
91,092
95,883
8,723
95,883
11444,113
C aptulo 12
Pgina 1262
En la regresin lineal mltiple realizado se han incluido inicialmente 8 posibles

variables predictoras de la variable resultado (peso del RN). De ellas slo 5
han quedado en el modelo final.
Ests seguro que se ha realizado una completa y actualizada revisin
bibliogrfica?
Por qu 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?
C aptulo 12
Pgina 1263
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
C aptulo 12
Anlisis bivariante:
Existe relacin entre el tipo de tratamiento y los niveles de
hemoglobina glicosilada?
Variable RESULTADO
Tipo de tratamiento
- Dieta
- Insulina
- ADO
%HbA1c

Anlisis de la Varianza para un factor (ANOVA) p < 0,05
Pgina 1264
C aptulo 12
Anlisis bivariante:
Existe relacin entre el sexo del paciente y los niveles de
Variable RESULTADO
Sexo del paciente
%HbA1c

p < 0,05
Pgina 1265
C aptulo 12
Pgina 1266
Anlisis bivariante:
Existe relacin entre los aos desde el diagnstico de la enfermedad
y los niveles de HbA1c?
Variable RESULTADO
Aos desde el diagnstico

de la enfermedad
%HbA1c

Coeficiente de correlacin de Pearson p < 0,05
C aptulo 12
Pgina 1267
Anlisis bivariante:
Existe relacin entre los aos desde el diagnstico de la enfermedad
y los niveles de HbA1c?
Variable RESULTADO

de la enfermedad
> 7 aos
< 7 aos
%HbA1c

p < 0,05
C aptulo 12
Pgina 1268
Anlisis bivariante:
Existe relacin entre el nmero de enfermedades relacionadas con
la diabetes y los niveles de HbA1c?
Variable RESULTADO
Nmero de enfermedades
relacionadas con la DM
%HbA1c

Coeficiente de correlacin de Spearman p < 0,05
C aptulo 12
Pgina 1269
Anlisis bivariante:
Existe relacin entre el nmero de enfermedades relacionadas con
la diabetes y los niveles de HbA1c?
Variable RESULTADO
Nmero de enfermedades
relacionadas con la DM
- Ms de una
- Una o menos de una
%HbA1c

p < 0,05
C aptulo 12
Anlisis bivariante:
Existe relacin entre el acceso al dietista y los niveles de
Variable RESULTADO
Acceso al DIETISTA
%HbA1c

T de Student para muestras independientes p < 0,05
Pgina 1270
C aptulo 12
Pgina 1271
Anlisis bivariante:
Existe relacin entre la actitud y conocimiento del mdico por la
DM y los niveles de HbA1c?
Variable RESULTADO
Mdico interesado
por la DM
- Si
- No
%HbA1c

p < 0,05
C aptulo 12
Anlisis bivariante:
Existe relacin entre el nivel socioeconmico del paciente y
los niveles de HbA1c?
Variable RESULTADO
Nivel socioeconmico
%HbA1c

Anlisis de la Varianza para un factor (ANOVA) p > 0,1
Pgina 1272
C aptulo 12
Pgina 1273
Anlisis bivariante:
Existe relacin entre el estilo del vida del paciente y los niveles de
Variable RESULTADO
Estilos de vida
- Adecuados
- Inadecuados
(tabaco, alcohol, etc)
%HbA1c

p > 0,1
C aptulo 12
Anlisis bivariante:
Existe relacin entre el sexo del mdico y los niveles de
Variable RESULTADO
Sexo del Mdico
%HbA1c

T de Student para muestras independientes p > 0,1
Pgina 1274
C aptulo 12
Anlisis bivariante:
Existe relacin entre el tipo de tratamiento y los niveles de
Variable RESULTADO
%HbA1c
Edad del Mdico

p > 0,1
Pgina 1275
C aptulo 12
Acceso al
Dietista hospitalario
Tipo de tratamiento
Sexo del paciente

de la enfermedad
N de enfermedades
relacionadas
con la DM
Nivel socioeconmico
%HbA1c
Actitud y conocimiento de
la DM por parte del mdico
Sexo
del mdico
Edad del mdico
Estilos de vida
Pgina 1276
C aptulo 12
Pgina 1277

1. Dummy
Tipo de tratamiento
2. Dummy
Tipo de tratamiento
6. Acceso al
Dietista hospitalario
%HbA1c
3. Sexo del paciente

4. Aos desde el diagnstico
de la enfermedad
5. N de enfermedades
relacionadas
con la DM
Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 + 5X5 + 6X6
7. Actitud y conocimiento de
la DM por parte del mdico
C aptulo 12

1.- Tipo de tratamiento

Insulina

Antidiabticos orales (ADO)

Dieta
2.- Sexo del paciente (mujer [1]; hombre [0])
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
Variables predictoras (X)

Variable resultado (Y):
HbA1c(%)
Pgina 1278
C aptulo 12
Pgina 1279

HbA1c(%)
que estaban relacionadas
estadsticamente con la
variable resultado HbA1c
en el anlisis univariante
Coeficiente de regresin
estandarizado
(t calculada)
sexo
EE sexo
0,72
0,28
Y = 0 + 1X1 + ... + nXn
Variables asociadas al nivel de hemoglobina glicosilada

Estimacin
Error estndar
EE
Constante
10,51
0,59
1 dummy Antidiabticos orales /

insulina
0,29
0,37
2 dummy Dieta / insulina
-0,97
0,46
N enfermedades relacionadas con la

diabetes (> 1 / 1)
0,20
0,08
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
= 2,57
> Z95% (1,96)
p < 0,05
C aptulo 12
En la tabla de la regresin lineal mltiple presentada se han incluido slo 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 R 2
(R Square o bondad del ajuste del modelo multivariante).
Ests seguro que las 6 variables predictoras incluidas en el modelo multivariante
presentan significacin estadstica (p<0,05)?
La variable 1 dummy 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?
Pgina 1280
C aptulo 12
Pgina 1281

HbA1c(%)
Cul de las distintas variables predictoras incluidas en el modelo parece
afectar ms a la variable
resultado (HbA1c)?
Y = 0 + 1X1 + ... + nXn

Estimacin
Error estndar
EE
Constante
10,51
0,59
1 dummy Antidiabticos orales /

insulina
0,29
0,37
-0,97
0,46

diabetes (> 1 / 1)
0,20
0,08
Sexo (mujer/hombre)
0,72
0,28
0,04
0,02
-1,06
0,43
- 0,86
0,38
Pgina 1282
C aptulo 12

HbA1c(%)
Y = 0 + 1X1 + ... + nXn

Estimacin
Error estndar
EE
Cociente /
EE
Significacin
p
Constante
10,51
0,59
1 dummy Antidiabticos orales / insulina
0,29
0,37
0,78
p > 0,1
-0,97
0,46
2,11
p < 0,05

diabetes (> 1 / 1)
0,20
0,08
2,5
p < 0,05
Sexo (mujer/hombre)
0,72
0,28
2,57
p < 0,01
0,04
0,02
2,00
p < 0,05
-1,06
0,43
2,47
p < 0,02
- 0,86
0,38
2,26
p < 0,05
C aptulo 12
Pgina 1283
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
predictoras
Paciente A
Paciente B
Sexo (mujer=1,
hombre =0)
+0,72
mujer [1]
hombre [0]
Y = 0 + 1X1 + ... + nXn
HbA1c (A)= 10,51 + 0,72 (1) = 11,23

HbA1c (B) = 10,51 + 0,72 (0) = 10,51
Las mujeres presentan 0,72

unidades ms de HbA1c que los
hombres a igualdad del resto de las
variables predictoras incluidas en el
modelo.
C aptulo 12

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?
Paciente A
Paciente B
Acceso al dietista
hospitalario
(si =1, no =0)
-1,06
SI [1]
NO [0]
Y = 0 + 1X1 + ... + nXn

HbA1c (A)= 10,51 1,06 (1) = 9,45
HbA1c (B) = 10,51 1,06 (0) = 10,51
Los pacientes CON acceso al

dietista por termino medio presentan
1,06 unidades menos de HbA1c
que los pacientes SIN dietista
hospitalario a igualdad del resto de
las variables predictoras incluidas
en el modelo.
Pgina 1284
C aptulo 12
Pgina 1285

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?
Paciente A
Paciente N
ADO/insulina
(ADO=1, insulina=0)
+ 0,29
ADO [1]
insulina [0]
Y = 0 + 1X1 + ... + nXn
HbA1c (A)= 10,51 + 0,29 (1) = 10,8

HbA1c (N) = 10,51 + 0,29 (0) = 10,51
Los pacientes en tratamiento con

ADO por termino medio presentan
0,29 unidades ms de HbA1c que
los pacientes tratados con insulina
a igualdad del resto de las variables
predictoras incluidas en el modelo.
C aptulo 12
Pgina 1286

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?
Paciente A
Paciente N
Dieta/insulina
(dieta=1, insulina=0)
- 0,97
dieta [1]
insulina [0]
Y = 0 + 1X1 + ... + nXn
HbA1c (D)= 10,51 - 0,97 (1) = 9,54

HbA1c (N) = 10,51 - 0,97 (0) = 10,51
Los pacientes en tratamiento

slo con dieta por termino medio
presentan 0,97 unidades menos de
HbA1c que los pacientes tratados
con insulina a igualdad del resto de
las variables predictoras incluidas
en el modelo.
C aptulo 12
Qu diferencia promedio de HbA1c existe entre dos

pacientes A y B con las siguientes caractersticas?
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

(>1/<=1) [1/ 0]
3 [1]
1 [0]
Sexo (mujer/hombre)
Hombre [0]
Mujer [1]
8 aos [1]
3 aos [0]
Acceso al dietista hospitalario (si/no) [1/ 0]
Si [1]
No [0]
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%
Pgina 1287
C aptulo 12

Pgina 1288
C aptulo 12
PC basal
Grupo Cultural
PC post
Tabaco
Colesterol total
Lp(a)
HTA
Colesterol-LDL
Cardiopata isqumica
Apoprotena B
Arteriopata perifrica
Urea
Accidente isqumico
cerebral
Retinopata
Proteinuria
Microalbuminuria
Pgina 1289
C aptulo 12

1.- Grupo cultural
Cristianos: [1]
Musulmanes: [0]
2.- Tabaco (si [1]; no [0])
3.- Hipertensin arterial
si: [1]
no: [0]
4.- Cardiopata isqumica
si: [1]
no: [0]
5.- Arteriopata perifrica (si [1]; no [0])
6- Accidente isqumico cerebral (si [1]; no [0])
7.- Retinopata (si [1]; no [0])
8.- Microalbuminuria (si [1]; no [0])
9.- Proteinuria (si [1]; no [0])

CUALITATIVAS
Lipoprotena a
314 pacientes con
DM tipo 2
Y = 0 + 1X1 + ... + nXn
Amor Garca, Jacobo Daz, Lus Escobar, Manuel Aguilar, Alipio Mangas.
LIPOPROTENA (a) Y DIABETES MELLITUS TIPO 2: FACTORES QUE INFLUYEN EN LAS
CONCENTRACIONES PLASMTICAS Y UTILIDAD COMO MARCADOR DE COMPLICACIONES
TARDAS (Premio AEBM). Revista: Revista de Diagnstico Biolgico 2000; 49: 125-137.
Pgina 1290
C aptulo 12

1.- Edad
2.- Peso
3.- IMC
4.- ICC
5.- Tensin arterial sistlica (TAS)
6- Tensin arterial diastlica (TAD)
7.- Glucemia
8.- Pptido C basal (PCB)
9.- Pptido C postprandrial (PCP)
10.- IPC
IPC = PCP - PCB
11.- HbA1c
12.- Colesterol total
13.- Triglicridos
14.- Colesterol-HDL
15.- Colesterol-LDL
16.- Apoprotena A1
17.- Apoprotena B
18.- Urea
19.- Creatinina

CUALITATIVAS
Lipoprotena a
314 pacientes con
DM tipo 2
Y = 0 + 1X1 + ... + nXn
TARDAS (Premio AEBM). Revista: Revista de Diagnstico Biolgico 2000; 49: 125-137.
Pgina 1291
C aptulo 12

Variables asociadas al nivel de lipoprotena (a)
CUALITATIVAS
Estimacin
Error estndar EE
/EE
Test F
Grupo cultural
- 5,1428
2,7270
1,88
3,5564
p > 0,1
Tabaco
0,1952
3,1477
0,062
0,0038
NS
HTA
2,4388
2,5480
0,960
0,9161
NS
Cardiopata isqumica
8,4219
2,8256
2,98
8,9028
p < 0,01
Arteriopata perifrica
3,1005
3,375
0,919
0,8440
NS
AIC
2,041
3,114
0,656
0,4298
NS
Retinopata
- 0,8838
2,6850
0,329
0,1084
NS
Microalbuminuria
0,4571
2,6964
0,169
0,0287
NS
Proteinuria
12,905
4,1180
3,13
9,821
p < 0,005
/ EE: Coeficiente de regresin estandarizado
Pgina 1292
C aptulo 12

Variables asociadas al nivel de lipoprotena (a)
Pptido C basal
- 1,863
0,9581
1,94
3,7807
0,051
Pptido C post
- 0,027
0,5067
0,053
0,0029
NS
Colesterol total
0,0638
0,0573
1,113
1,2420
NS
Colesterol-LDL
- 0,0518
0,0628
0,825
0,679
NS
Apoprotena B
0,0242
0,0747
0,324
0,1052
NS
Urea
0,1340
0,0704
1,90
3,6205
p > 0,1
AIC
2,041
3,114
0,656
0,4298
NS
/ EE: Coeficiente de regresin estandarizado
Pgina 1293
C aptulo 12
Lp(a)
Cardiopata isqumica
Proteinuria
Pgina 1294
C aptulo 12
Discusin (parte final)

Por lo tanto, la determinacin de Lp(a) presenta utilidad como marcador de las
complicaciones tardas de la DM tipo 2, y sus concentraciones plasmticas estn
influenciadas de forma directa e independiente por la cardiopata isqumica y la
nefropata. Cabe destacar que a pesar de que el diseo del estudio es transversal y no
permite inferir una relacin causal, si tenemos en cuenta el condicionamiento gentico
de la Lp(a), los resultados sugieren que la elevacin de los niveles plasmticos de
Lp(a) predisponen al enfermo diabtico a la aparicin de complicaciones vasculares,
principalmente la cardiopata isqumica y la nefropata diabtica. A pesar de tratarse de
un estudio con elevado nmero de pacientes, dada la gran variabilidad interindividual
de las concentraciones de Lp(a), estas asociaciones deberan confirmarse en estudios
longitudinales ms amplios y ms a largo plazo que los publicados en la actualidad.
TARDAS (Premio Nacional AEBM). Revista: Revista de Diagnstico Biolgico 2000; 49: 125-137.
Pgina 1295
C aptulo 12
Pgina 1296

Segn se desprende en el final de la discusin del estudio, se sugiere que la Lp(a), por su
condicionamiento gentico, podra actuar como variable predictora principal de la aparicin
de algunas complicaciones vasculares como la cardiopata isqumica y la nefropata
diabtica en los pacientes con diabetes tipo 2. Sin embargo en el anlisis multivariante la
has considerado con variable resultado.
Ests seguro que la lipoprotena a es realmente la variable resultado?
No crees que la Lp(a) podra ser la variable predictora principal y la aparicin de algn
tipo complicaciones vasculares la variable resultado?
C aptulo 12
Variable PREDICTORA
Lp(a)
Variable RESULTADO
Cualitativa dicotmica (s o no)
Complicaciones vasculares
- Cardiopata isqumica
- Proteinuria
Pgina 1297
C aptulo 12
PC basal
Lp(a)
PC post
Colesterol total
Colesterol-LDL
Apoprotena B
Urea
Grupo Cultural
Tabaco
HTA
Complicaciones
vasculares
Pgina 1298
C aptulo 12
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?.
Pgina 1299
C aptulo 12
Qu relacin existe entre el cociente albmina/creatinina en
orina matinal (CAC) y la excrecin urinaria de albmina (EUA)
en orina de 24 horas?
Variable PREDICTORA
CAC
Variable RESULTADO
EUA
Y = 0 + 1 * X
r = 0,893 (89,3%)
Pgina 1300
C aptulo 12
Pgina 1301

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
EUA versus CAC
Correlacin de Pearson r
Sexo masculino
0,753
Sexo femenino
0,979
Las diferencias entre los coeficientes de correlacin para cada sexo (masculino versus
femenino) se pueden analizar por el mtodo de OLKIN.
C aptulo 12
Pgina 1302
El test de Kaiser-Meyer-Olkin (KMO), que mide la idoneidad de los datos para realizar un
anlisis factorial comparando los valores de los coeficientes de correlacin observados con
los coeficientes de correlacin parcial (grupos comparados). Si la suma de los cuadrados
de los coeficientes de correlacin parcial entre todos los pares de variables es pequea
en comparacin con la suma de los coeficientes de correlacin al cuadrado, esta medida
tiende a uno. Para Kaiser los resultados del modelo factorial sern excelentes si el ndice
KMO est comprendido entre 0,9 y 1; buenos, si est comprendido entre 0,8 y 0,9;
aceptables, si se encuentra entre 0,7 y 0,8; mediocres o regulares, cuando resulte entre
0,6 y 0,7; malos, si est entre 0,5 y 0,6; e inaceptables o muy malos cuando sea menor que
0,5.
KMO =
( r global)2
( r global)2 + ( r hombres)2
C aptulo 12
Pgina 1303
El coeficiente de correlacin parcial es un indicador de la fuerza de las relaciones entre

dos variables eliminando la influencia del resto. Si las variables comparten factores
comunes, el coeficiente de correlacin parcial entre pares de variables deber ser bajo,
puesto que se eliminan los efectos lineales de las otras variables.
Una forma de evaluar este hecho es mediante la Medida de Adecuacin de la Muestra
KMO propuesta por Kaiser, Meyer y Olkin. Dicha medida viene dada por la ecuacin KMO
donde rij(p) es el coeficiente de correlacin parcial entre las variables Xi y Xj eliminando la
influencia del resto de las variables.
C aptulo 12
KMO =
( r global)2
(r
2
global)
+ (r
KMO hombres = 0,584
2
hombres)
KMO =
Pgina 1304
( r global)2
( r global)2 + ( r mujeres)2
KMO mujeres = 0,457
KMO es un ndice que toma valores entre 0 y 1 y que se utiliza para comparar las
magnitudes de los coeficientes de correlacin observados con las magnitudes de los
coeficientes de correlacin parcial de forma que, cuanto ms pequeo sea su valor, mayor
es el valor de los coeficientes de correlacin parciales rij(p) y, por lo tanto, menos deseable
es realizar un Anlisis Factorial. Kaise, Meyer y Olkin aconsejan que si KMO 0,75 la idea
de realizar un anlisis factorial es buena, si 0,75 > KMO 0,5 la idea es aceptable y si
KMO < 0,5 es inaceptable.
C aptulo 12
Pgina 1305
Se observa que el valor del KMO = 0.584 para hombres est en el lmite de los valores
recomendados por Kaiser, Meyer y Olkin poniendo de manifiesto que, en este caso muy
probablemente, el proceso de reduccin de datos no sea muy espectacular.
Se observa que el valor del KMO = 0.457 para mujeres es inferior al lmite de los valores
recomendados por Kaiser, Meyer y Olkin (0,5) poniendo de manifiesto que, en este caso
con toda seguridad, el proceso de reduccin de datos no es importante.
C aptulo 12
Pgina 1306

R2 = 0,806 (80,6%)
Factor 1:
CAC
1 = 7.65 p=0,001
Factor 3:
Variable RESULTADO
EUA
Edad
3= -0.54 p=0,42
Factor 2:
Sexo
2 = -30.26 p=0,01
Aplicacin del modelo de regresin mltiple

a los datos de un estudio que usa como
variables predictoras el cociente albmina/
creatinina en orina matinal (CAC), sexo y
edad del individuo frente a la excrecin
urinaria de albmina en orina 24 horas EUA
(variable resultado).
Pgina 1307
C aptulo 12

EUA: Excrecin urinaria de
albmina en orina de 24 horas
CAC: Cociente albmina/creatinina
en una muestra de orina matinal
EUA: Variable dependiente o
resultado
CAC: Variable Predictora 1
SEXO: Variable Predictora 2
EDAD: Variable Predictora 3
Modelo de Regresin Lineal Mltiple

Coeficiente IC95% de
Constante
110,85
13,88 a 187,84
0,02
CAC
7,65
7,13 a 8,16
0,001
Edad
- 0,54
- 1,86 a 0,78
0,42
Sexo
- 30,26
- 53,93 a 6,58 0,01
EUA (Y) = 110,85 + 7,65 CAC - 0,54 EDAD 30,26 SEXO

EUA (Y) = 110,85 + 7,65 CAC 30,26 SEXO
C aptulo 12

Qu Variables PREDICTORAS
se deben incluir en el Anlisis de
Regresin Lineal Mltiple?
Variable Resultado
Pgina 1308
C aptulo 12

variables
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE


significativas
Stepwise
Pgina 1309
C aptulo 12
HIPERLIPIDEMIA
EDAD
SEXO
NIVEL CULTURAL
TABAQUISMO
OBESIDAD IMC
DIABETES
Excrecin urinaria
de sodio en 24 horas
Pgina 1310
C aptulo 12
Pgina 1311
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
Pgina 1312
C aptulo 12

Cul de las distintas variables
predictoras con significacin
estadstica (p<0,05) del anlisis
univariante NO aparecen en el
modelo multivariante?
Nivel cultural
Cul de las distintas variables
predictoras prximas a la
significacin estadstica (0,05
<p<0,1) del anlisis univariante
SI aparecen en el modelo
multivariante?
Obesidad (IMC)
Resultados del anlisis de Regresin Lineal Mltiple

Coeficiente IC95% de
Constante
96,67
19,2 a 174,15
0,015
Edad
- 1,17
- 1,89 a 0,44 0,002
Sexo
28,71
4,65 a 52,78
0,020
Tabaquismo
29,22
3,83 a 54,6
0,024
IMC
4,15
2,00 a 6,29
0,000
La codificacin de las variables dicotmicas se realiz

sexo: mujer = 0, hombre = 1, tabaquismo: no fumador
0, fumador 1). IMC = peso / (talla)2
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 slo la edad, sexo,
IMC y el tabaco r=0,388 (p<0,05). El resto de las variables NO fueron incluidas en el modelo.
C aptulo 12
Pgina 1313
Qu relacin existe entre los niveles de colesterol en sangre y la
tensin arterial?
Variable PREDICTORA
Colesterol
Variable RESULTADO
Tensin arterial
Y = 0 + 1 * X
R2 = 0,691 (69,1%)
C aptulo 12
Pgina 1314
Modelo de regresin lineal simple para la variable resultado tensin

arterial diastlica ajustado por la variable predictora colesterol
Variable
Coeficiente
EE
IC95%
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
cuadrados
g.l
Media
Cuadrtica
Regresin
4067,11
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 R 2 es 0.691 (69.1%).
Se puede mejorar el R 2 incluyendo otra variable predictora?.
R 2 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.
C aptulo 12
Pgina 1315
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
NS
Colesterol
IMC
Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria
2000; 7: 173-176.
C aptulo 12

Variable
Predictora 1
Causa o Factor 1: Cuantitativa
Variable RESULTADO
Interaccin
Desenlace o efecto:
Cuantitativa
Variable
Predictora 2
Causa o Factor 2: Cuantitativa
Y = 0 + 1 * X1 + 2 * X2
Pgina 1316
C aptulo 12

R2 = 0,722 (72,2%)
Factor 1:
Colesterol
t= 5.26 p<0,001
Desenlace o efecto
Tensin arterial
Factor 2:
IMC
t= 2.45 p=0,017
Aplicacin del modelo de regresin

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.
Pgina 1317
C aptulo 12
Pgina 1318

arterial diastlica ajustado por las variables predictoras colesterol e
ndice de masa corporal
R2 = 0,722 (72,2%)
Variable
Coeficiente
EE
IC95%
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
Suma de
cuadrados
g.l
Media
Cuadrtica
Regresin
4449,72
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 R 2=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.
C aptulo 12
Pgina 1319

R2 = 0,52 (52%)
Factor 1:
Colesterol
t= 4.84 p<0,001
Factor 3:
Desenlace o efecto
Tensin arterial
Edad
t= 1.67 p=0.10
Aplicacin del modelo de regresin mltiple

a los datos de un estudio que usa como
variables predictoras de la tensin diastlica
(variable resultado) el colesterol, ndice de
masa corporal y edad de un individuo.
Factor 2:
IMC
t= 2.31 p=0,024
C aptulo 12
Pgina 1320

arterial diastlica (TAD) ajustado por las variables predictoras colesterol, ndice de masa corporal y edad
R2 = 0,52 (52%)
Variable
Coeficiente
EE
IC95%
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
Suma de
cuadrados
g.l
Media
Cuadrtica
Regresin
4622,52
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
continuarn 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 R 2 de tan slo 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).
C aptulo 12
Pgina 1321

arterial diastlica (TAD) ajustado por las variables predictoras colesterol, ndice de masa corporal y edad
Variable
Coeficiente
EE
IC95%
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
Suma de
cuadrados
g.l
Media
Cuadrtica
Regresin
4622,52
1540,84
24,87
< 0,001
Residual
3903,60
63
61,96
Total
8526,12
66
edad
EE edad
0,24
0,14
= 1,71
< Z95% (1,96)
p = 0,100
Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria
2000; 7: 173-176.
C aptulo 12

variables
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE


significativas
Stepwise
Pgina 1322
C aptulo 12
Pgina 1323
Anlisis multivariante para la deteccin de potenciales factores de
confusin
Variable Resultado
C aptulo 12
Sesgo de confusin
Variable resultado Enfermedad o

efecto E
Variable predictora Exposicin F

o factor de riesgo
Variable
confundente
Es el nico sesgo que se puede controlar (evitar) en la fase de anlisis y no slo 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).
Pgina 1324
C aptulo 12
Pgina 1325
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
C aptulo 12
Modelo de regresin logstica

Exposicin
Alelo 4
Potenciales FACTORES DE CONFUSIN

- Edad
- Sexo
- HTA
- Tabaquismo
- Obesidad (IMC)
- Lpidos y lipoprotenas
Pgina 1326
C aptulo 12
Pgina 1327
Regresin logstica multivariante para la deteccin de

potenciales factores de confusin
Alelo 4
No corregido
Corregido para la edad y el sexo
2,49 (1,19 - 5,22)
Corregido para la edad, el sexo y otros

factores de riesgo cardiovascular (FRCV)
2,59 (1,15 - 5,83)
Corregido para la edad, el sexo, otros

factores de FRCV y perfil lipdico
0,75
OR (IC95%)
2,83 (1,18 - 6,81)

2,56 (1,03 - 6,39)
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.
C aptulo 12
Pgina 1328
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.
C aptulo 12
REGRESIN LINEAL
MLTIPLE
REGRESIN LOGSTICA
MULTIVARIANTE
Variable
RESULTADO
Cuantitativa
Cualitativa
(dicotmica)
Variables
PREDICTORAS
Cualitativa
Cuantitativa
Cualitativa
Cuantitativa
ECUACIN
Y = 0 + 1X1 + ... + nXn
Pgina 1329
C aptulo 12
Modelo de regresin mltiple de Cox

REGRESIN
MLTIPLE de COX
Variable
RESULTADO
Cuantitativa
Desenlace: supervivencia a tiempo t
Variables
PREDICTORAS
Cualitativa
Cuantitativa
(factores pronstico)
ECUACIN
Pgina 1330
C aptulo 12
Edad
Estado civil
Tiempo de alcoholismo
Bilirrubina
Presencia de ascitis
Albmina
Probabilidad de muerte
Pgina 1331
C aptulo 12
Estudio de cohortes prospectivo de pacientes alcohlicos

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
Pgina 1332
C aptulo 12

Factores de Riesgo
Muertos por otras

causas
162 pacientes
alcohlicos
hospitalizados
Fallecimientos 56
Sobrevivientes 59
Prdidas de
seguimiento
Seguimiento mediana 8,7 aos
Pgina 1333
C aptulo 12
Edad
Ascitis
Pacientes
alcohlicos
Muerte
Bilirrubina
Estado civil
Pgina 1334
C aptulo 12
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
Pgina 1335
C aptulo 12
Pgina 1336

Variable
Independiente o
PREDICTORA
Variable
Dependiente o
RESULTADO
hiptesis
Cualitativa
Cualitativa
Ji cuadrado
Test de McNemar
Q de Cochran
REGRESIN LOGSTICA

Cualitativa
Cuantitativa
t de Student
Test de Wilcoxon
Test de Friedman

Cuantitativa
Cualitativa


Cuantitativa
Cuantitativa

REGRESIN MLTIPLE
Paramtrico
Paramtrico
No paramtrico
Cualitativa
Superviviencia
Kaplan-Meier
Long-Rank
Regresin de COX
C aptulo 13
Captulo 13
Publicacin Bioestadstica: Bibliografa.

Pgina 1337
C aptulo 13
Pgina 1338
Bibliografa utilizada en el curso (1)

- Alvarez Cceres R. Estadstica aplicada a las ciencias de la salud. Madrid. Daz de
Santos 2007.
- Martnez-Gonzlez MA, editor. Bioestadstica amigable. 2 ed. Madrid : Daz de
Santos, 2006.
- 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.
C aptulo 13
Pgina 1339

- Castillo Ron E. Introduccin a la estadstica aplicada. Santander: Ed. autor; 1993.
- Cobo E, Muoz P, Gonzlez JA. Bioestadstica para no estadsticos: bases para
interpretar artculos cientficos. msterdam : Elsevier Masson, 2007.
- 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.
- 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.
C aptulo 13
Pgina 1340

- Bailar JC III. Some uses of statistical thinking. En: Bailar JC III, Mostoller F, editors.
Medical uses of statistics. Boston: N Engl J Med Books, 1992; p. 25-57
- 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.
- Antoja Rib F. The innocence of the storks. Rev Lab Clin 2010; 3 (2): 51.
- Altman DG, Bland JM. Absence of evidence is not evidence of absence. BMJ
1995;311:485.
- Argimon JM. La ausencia de significacin estadstica en un ensayoclnico no significa
equivalencia teraputica. Med Clin (Barc) 2002; 118: 701-3
- Mora I, Ripoll R. Cmo mejorar la calidad estadstica de los artculos presentados
a revistas biomdicas: lista de comprobacin para los autores. Med Clin (Barc).
1999;113:138-49.
C aptulo 13
Pgina 1341

- 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.
- Chia KS. Significant-itis: an obsession with the P value. Scand J Work Environ Health.
1997; 23:152-4.
- Christenson P. To p or not to p. J Child Adolesc Psychiatr Nurs. 1995; 8:42.
- Neyman J, Pearson E. On the problem of the most efficient tests of statistical
hypothesis. Philosophical trans of the Royal Society of London (A) 1933;231:289-337.
- Ars A. Tmese una antes de acostarse. 1 edicin. Barcelona: Planeta; 1998.
C aptulo 13
Pgina 1342

- Martn Andrs A. Bioestadstica para ciencias de la salud. 1 ed. Madrid : Ediciones
Norma-Capitel, 2004.
- Prez Lpez C. Mtodos estadsticos avanzados con SPSS. Thomson, 2005.
- Garca A. Mtodos avanzados de estadstica aplicada. Madrid: UNED, 2001.
- Juez Martel P, Diez Vegas FJ. Probabilidad y Estadstica en Medicina. Madrid: Daz de
Santos, 1997.
- Alvarez Cceres R. Estadstica multivariante y no paramtrica con SPSS. Madrid: Daz
de Santos, 1994.
- Armitage P, Berry G. Estadstica para la Investigacin Biomdica. Doyma, Barcelona,
1992.
- DL Sackett. Epidemiologa clnica. Buenos Aires, Editorial Mdica Panamericana,
1994.
C aptulo 13
Pgina 1343

- Pita Fernndez S, Prtega Daz S. Significancia estadstica y relevancia clnica. Cad
Aten Primaria 2001; 8: 191-195.
- Escrig Sos J et al. Intervalos de confianza: por qu usarlos. Cir Esp. 2007;81(3):121-5.
- Camps Garca MT, Muoz Rocan N, Calvo de Mora A, De Ramn Garrido E. Los
cocientes de probabilidad como medida de la utilidad de la determinacin de anticuerpos
antinucleares por inmunofluorescencia indirecta en la clnica. Aplicacin de los
resultados de la investigacin clnica. Med Clin (Barc)1999;113: 476.
- Tibblea J et al. Faecal calprotectin and faecal occult blood tests in the diagnosis of
colorectal carcinoma and adenoma. Gut 2001;49:402-408.
C aptulo 13
Pgina 1344

- Seoanea T et al. Estadstica: Estadstica Descriptiva y Estadstica Inferencial.
SEMERGEN. 2007;33(9):466-71.
- 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.
C aptulo 13
Pgina 1345

- 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.
C aptulo 13
Pgina 1346

- Pita Fernndez S, Prtegas Daz S. Tcnicas de regresin: regresin lineal mltiple.
- 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.
- Passing H, Bablok W. A new biometrical procedure for testing the equality of
measurements from two different analytical methods. J Clin Chem Biochem 1983; 21:
709-20.
C aptulo 13

- 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.
- Hanley JA, McNeil BJ. The meaning and use of the area under aReceiver Operating
Characteristic (ROC) Curve. Radiology 1982; 143: 29-36.
- Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Curvas ROC. Cad Aten Primaria
1998; 5: 229-235.
- McNeil BJ, Keeler E, Adelstein SJ. Primer on certain elements of medical decision
making. N Engl J Med 1975; 293: 211-215.
- Galen RS, Gambino SR. Beyond normality: The predictive value and efficiency of
medical diagnoses. Nueva York: J Wiley and Sons, lnc., 1975.
Pgina 1347
C aptulo 13
Pgina 1348

- Beck JR, Shultz EK. The use of relative operating characteristic (ROC) curves in test
performance evaluation. Arch Pathol Lab Med 1986; 110:13-20.
- Swets JA. Measuring the accuracy of diagnostic systems. Science 1988; 240: 1.2851.293.
- Zweig MH, Campbell G. Receiver-operating characteristic (ROC) plots: a fundamental
evaluation tool in clinical medicine. Clin Chem 1993; 39: 561-577.
- Yupanqui Pacheco RM: Introduccin a la estadstica bayesiana. UNMSM. Facultad
de Ciencias Matemticas. EAP de Estadstica, Lima, 2005 (disponible en: http://sisbib.
unmsm.edu.pe/ bibvirtualdata/Tesis/Basic/yupanqui_pr/yupanqui_pr.pdf).
- Altman DG, Moher D. Elaboracin de directrices para la publicacin de investigacin
biomdica: proceso y fundamento cientfico. Med Clin (Barc). 2005;125(Supl 1):8-13.
C aptulo 13
Pgina 1349

- Lpez, F. Utilizacin adecuada de las pruebas estadsticas en los estudios de
comparacin de procedimientos. Quim Clin 2000; 19: 237.
- Fleiss JL. The design and analysis of clinical experiments. Nueva York: John Wiley &
Sons, Inc., 1986.
- Luis Prieto, Rosa Lamarca, Alfonso Casado. La evaluacin de la fiabilidad en las
observaciones clnicas: el coeficiente de correlacin intraclase. Med Clin (Barc).
1998;110:142-5.
- (*) Wakkers PJM, Hallendoorn HBA, Op de Weegh GJ, Heerspink W. Applications of
statistics in clinical chemistry. A critical evaluation of regression lines. Clin Chim Acta
1975; 64: 173-84.
- Cornbleet PJ, Gochman N. Incorrect least-squares regression coefficients in methodcomparison analysis. Clin Chem 1979; 25: 432-38.
- Zaydman L, Lasky FD, Van Nostrand C, Doptis PD. Recommended linear regressin
models for comparison of method in clinical Chemistry. Clin Chem 1991, 37: 960.
C aptulo 13
Pgina 1350

- Frey E, Fuentes-Arderiu X, Queralt JM. Comparacin estadstica de mtodos
analticos. Educacin continuada Qumica Clnica. 1988; 1: 69-79.
- Westgard JO, Hunt MR. Use and interpretation of common statistical test in methodcomparison studies. Clin Chem 1973; 19: 44-57.
- Bland JM, Altman DG. Statistical methods for assesing agreement between two
methods of clinical measurement. Lancet 1986; 1: 307-310.
- Pita Fernndez S, Prtegas Daz S. La fiabilidad de las mediciones clnicas: el anlisis
de concordancia para variables numricas. Cad Aten Primaria 2004.
C aptulo 13
Pgina 1351

- Altman DG, Bland JM. Statistical methods for assessing agreement between two
methods of clinical measurement. The lancet 1986; 307-10.
- Altman DG, Bland JM. Measurement in medicine: the analysis of method comparison
studies. The Statistician 1983; 32, 307-317.
- 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.
- Jacobo Daz Portillo .Influencia del grupo tnico en el patrn lipoproteico de una
determinada poblacin peditrica de Ceuta, Tesis doctoral (1997). Facultad de Medicina
de la Universidad de Cdiz.
C aptulo 13
Pgina 1352

- Albert A, Harris EK. Multivariate interpretation of clinical laboratory data. New York:
Marcel Dekker; 1987.
- Saez M. El problema de las medidas repetidas. Anlisis longitudinal en epidemiologa.
Gac Sanit 2001;15(4):347-352.
- F. Lpez Azorn. La necesidad de mejores evaluaciones metodolgicas y nuestra
exigencia ante los criterios de aceptabilidad de los resultados. Qumica Clnica 2003; 22
(6) 431-432.
- Snchez-Cantalejo Ramrez E. Regresin logstica en salud pblica. EASP 2000.
- Silva Ayaguer LC. Excursin a la regresin logstica en ciencias de la salud. Madrid:
Daz de Santos, 1995.
- Hernndez Aguado I, Porta Serra M, Miralles M, Garca Benavides F, Bolmar F. La
cuantificacin de la variabilidad en las observaciones clnicas. Med Clin (Barc) 1990; 95:
424- 429.
C aptulo 13
Pgina 1353

- Prtegas Daz S, Pita Fernndez S. Representacin grfica en el anlisis de datos.
- Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice
Kappa. Cad Aten Primaria 1999; 6: 169-171.
- Prieto L, Lamarca R, Casado A. La evaluacin de la fiabilidad en las observaciones
clnicas: el coeficiente de correlacin intraclase. Med Clin 1998: 110(4): 142-145.
- Argimon JM. El intervalo de confianza: algo ms que un valor de significacin
estadstica. Med Clin (Barc) 2002;118(10):382-4.
- Argimon JM. La ausencia de significacin estadstica en un ensayo clnico no significa
equivalencia teraputica. Med Clin (Barc) 2002;118(18):701-3.
- Ramalle-Gmara E, Andrs de Llano JM. Utilizacin de mtodos robustos en la
estadstica inferencial. Aten Primaria 2003;32(3):177-82.
- Cobo E. Anlisis multivariante en investigacin biomdica: criterios para la inclusin de
variables. Med Clin (Barc) 2002;119(6):230-237.


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-33564-2011
NIPO: 865-11-010-6
Coleccin Editorial de Publicaciones del INGESA: 1.921


Guia Practica Bioestadistica PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guia Practica Bioestadistica PDF

Cargado por

Copyright:

Formatos disponibles

Gua Prctica del Curso

Dr. Jacobo Daz Portillo

Gua Prctica del Curso

Coordinador de Formacin Continuada

Edita: Instituto Nacional de Gestin Sanitaria

La medicina es una ciencia de probabilidades y el arte de manejar la incertidumbre...

Bailar JC III. Some uses of statistical thinking. En: Bailar JC III,

Publicacin Bioestadstica: Introduccin.

Publicacin Bioestadstica: Variables y grficos.

Publicacin Bioestadstica: Error y . Evaluacin de pruebas

Publicacin Bioestadstica: Anlisis bivariante. Test de

Publicacin Bioestadstica: Medidas de concordancia.

Publicacin Bioestadstica: Anlisis multivariante.

Publicacin Bioestadstica: Bibliografa.

No existe ni el negro ni el blanco, solo existe una completa escala de grises...

Si, segn Montaigne, para juzgar cosas grandes y nobles, es necesario

Dr. Jacobo Daz Portillo

Coordinador de Formacin Continuada

Bioestadstica aplicada a las Ciencias de la Salud

Bioestadstica aplicada a las Ciencias de la Salud

Bioestadstica aplicada a las Ciencias de la Salud

Bioestadstica aplicada a las Ciencias de la Salud

Hay verdades que por sabidas no se dicen, y por no decirlas se olvidan...

Dr. Jacobo Daz Portillo

Mitos y Leyendas en Bioestadstica

Bobenrieth Astete M.A . Mitos y realidades en torno a la publicacin

Mitos y Realidades en Bioestadstica

MITO 1: La sonrisa de la esfinge.

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Realidad 1: Respuesta de Edipo

Dr. Jacobo Daz Portillo

Mitos y Realidades en Bioestadstica

Antoja Rib F. The innocence of the storks.

Mitos y Leyendas en Bioestadstica

Antoja Rib F. The innocence of the storks.

Mitos y Leyendas en Bioestadstica

Antoja Rib F. The innocence of the storks.

Enseanza de la Bioestadstica Aplicada

Antonio Fraguas de Pablo (Forges).

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Dr. Manuel Bobenrieth Astete

Mitos y Realidades en las publicaciones cientficas

1. Reflejan la influencia del azar en el

1. Reflejan el valor biolgico del resultado

2. Derivan de grupos de individuos

2. Se practica en individuos especficos

Clnicamente irrelevante (p < 0,05)

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Guttman . What is not what statistics (1977).

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica

Salsburg DS. The religion of statistics as practiced

Mitos y Realidades en Bioestadstica

Mitos y Realidades en Bioestadstica