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 Pgina 10
Captulo 1
Publicacin Bioestadstica: Introduccin.

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 Pgina 12

Estadstica descriptiva
Describe, analiza y representa un grupo de datos utilizando mtodos

numricos y grficos que resumen y presentan la informacin contenida en
ellos.
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 Pgina 15
Hay verdades que por sabidas no se dicen, y por no decirlas se olvidan...
Hay mentiras (mitos o leyendas) que por decirlas pueden terminar siendo
pseudorealidades o realidades virtuales.

Coordinador de Formacin Continuada.
Hospital Universitario de Ceuta.
C aptulo 1 Pgina 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 Pgina 20
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
C aptulo 1 Pgina 21
Bioestadstica
La bioestadstica es la punta visible del iceberg de la metodologa de

investigacin.

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 Pgina 24
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.
C aptulo 1 Pgina 25
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).
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 Pgina 28
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.
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 1. Reflejan el valor biolgico del resultado

resultado
2. Se practica en individuos especficos
2. Derivan de grupos de individuos
3. Las decisiones clnicas deben tomarse a
3. Requieren cantidades adecuadas de menudo con datos insuficientes
datos para ser vlidas
4. Los tratamientos mdicos requieren
4. Las respuestas estadsticas son decisiones oportunas comprometidas
probabilsticas
5. La prctica clnica no puede medir
5. El anlisis estadstico siempre requiere fcilmente cada funcin, cada sistema,
medicin. cada signo o sntoma clnico
C aptulo 1 Pgina 31
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.
C aptulo 1 Pgina 32
Realidad 3
Realidad 3: ...de lo Es clnicamente relevante?

estadsticamente significativo a lo
clnicamente relevante.
Es estadsticamente significativo? S (xito) No (fracaso)
S (p < 0,05) Clnicamente relevante Clnicamente irrelevante (p < 0,05)
Estadsticamente significativo Estadsticamente significativo
Error Alfa?
No (p > 0,1) Clnicamente relevante Clnicamente irrelevante
Estadsticamente NO Estadsticamente NO significativo

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 Pgina 34
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).

C aptulo 1 Pgina 35
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.
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 Pgina 41
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.
C aptulo 1 Pgina 42
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.
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 Pgina 47
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.
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 Pgina 56
La estadstica es un instrumento, que si no se usa adecuadamente, puede

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

C aptulo 1 Pgina 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 Pgina 60
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.
C aptulo 1 Pgina 61
Estudio ecolgico
Variable PREDICTORA Variable RESULTADO

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

cigeas poblacin humana
C aptulo 1 Pgina 62
Estudio de Bartels (Alemania)

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

Nmero de ejemplares de cigeas
C aptulo 1 Pgina 63
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.
C aptulo 1 Pgina 64
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.
C aptulo 1 Pgina 65
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.
C aptulo 1 Pgina 66
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.
C aptulo 1 Pgina 67
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.
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 Pgina 69
Salir de nuestra cueva de BENZ, de nuestro nicho ecolgico
Comunicar nuestra experiencia a los dems
Utilizando la bioestadstica como herramienta de trabajo.

C aptulo 1 Pgina 70
Etapas del proceso de investigacin

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

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

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

de datos diseo
TEMA A INVESTIGAR
Campo de investigacin
12. 12.
Procesamiento
Procesamiento
7. Identificacin de
estadstico de datos
de datos
la poblacin
Fase planificacin
11. Recoleccin
8. Determinacin MATERIAL y
Fase emprica de datos
Casos/muestra
MTODOS
RESULTADOS 9. Estudio
10. Fuentes de
informacin piloto
HECHOS
DATOS
C aptulo 1 Pgina 71
La bioestadstica y el mtodo epidemiolgico aportan ms ciencia al arte de la

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

Congreso Galego de Estadstica e Investigacin de Operacins. Santiago de Compostela, A Corua
(Espaa). 11-13 Novembre-1999.
C aptulo 2 Pgina 72
Captulo 2
Publicacin Bioestadstica: Variables y grficos.

C aptulo 2 Pgina 73
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.
C aptulo 2 Pgina 74
Tipos de variables
- Variables cualitativas
- Categricas nominales
- Dicotmicas o Binarias
- Policotmicas
- Categricas ordinales Categorizacin
- Variables cuantitativas
- Discretas
- Continuas
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 Pgina 77
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.
C aptulo 2 Pgina 78
Categorizacin de variables cuantitativas
Variable Variable
Cuantitativa continua Cualitativa dicotmica
Triglicridos Hipertriglicridemia
Normotriglicridemia
Categorizacin
Variable Variable
Cuantitativa discreta Cualitativa ordinal
Test de APGAR Patolgico < 7
Dudoso = 7
Fisiolgico > 7
Categorizacin
C aptulo 2 Pgina 79
Tipos de variables
Ejemplos
Variables cualitativas - Sexo

- Categricas nominales - Credo religioso en Ceuta
- Binarias - Hipertensin
- Policotmicas - Tipo de fumador
- Ordinales - Colesterolemia
- Nmero de abortos
Variables cuantitativas - Nivel de instruccin
- Discretas - Edad gestacional
- Continuas - Frecuencia cardiaca
- Test de apgar
C aptulo 2 Pgina 80
Tipos de variables
Ejemplos
Variables cualitativas - Antecedentes de IAM

- Categricas nominales - Grupo sanguneo
- Binarias - Hipertensin
- Policotmicas - Tipo de fumador
- Ordinales - Colesterolemia
- N intentos de dejar fumar
Variables cuantitativas - Nivel econmico
- Discretas - Edad
- Continuas - Peso
- Test de apgar
C aptulo 2 Pgina 81
Tipos de variables
Ejemplos
Variables cualitativas - Desenlace

- Categricas nominales - Estado civil
- Binarias - Inmunizacin toxoplasma
- Policotmicas - Intensidad del hbito tabquico
- Ordinales - LDL colesterol
- Nmero de cigarrillos
Variables cuantitativas - Grado de disnea
- Discretas - Aos de evolucin
- Continuas - Hemoglobina
- Nmero de hijos
C aptulo 2 Pgina 82
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
C aptulo 2 Pgina 83
Pruebas estadsticas de contraste de hiptesis ms

aplicables a cada situacin
Variable Variable Pruebas de contraste de Observaciones y/o limitaciones del test
Independiente o Dependiente o hiptesis
PREDICTORA RESULTADO
Cualitativa Cualitativa Ji cuadrado Si el tamao muestral es grande
Prueba exacta de Fisher Si el tamao muestral es pequeo
Test de McNemar Dos grupos de muestras repetidas o apareadas
Q de Cochran Ms de dos grupos de muestras repetidas o apareadas
REGRESIN LOGSTICA Varias variables predictoras cualitativas
Cualitativa Cuantitativa t de Student Compara medias entre dos grupos independientes
Anlisis de la Varianza Compara medias entre ms de dos grupos independientes
Test de Mann-Whitney Dos grupos independientes No paramtricos
Test de Wilcoxon Dos grupos medidas repetidas No paramtrico
Test de Kruskall-Wallis Ms de dos grupos No paramtrico, grupos indendientes
Test de Friedman Ms de dos grupos No paramtrico medidas repetidas
Cuantitativa Cualitativa Regresin logstica simple Una sola variable predictora cuantitativa
Regresin logstica multivariante Varias variable predictoras cuantitativa o cualitativas
Cuantitativa Cuantitativa Regresin lineal simple Paramtrico
Correlacin de Pearson Paramtrico
Correlacin de Sperman No paramtrico
REGRESIN MLTIPLE Varias variables predictoras cuantitativas
Cualitativa Superviviencia Kaplan-Meier Curvas de supervivencia
Long-Rank Compara curvas de superviviencia
Regresin de COX Anlisis Multivariante
C aptulo 2 Pgina 84
Fases del anlisis estadstico
1.- ANLISIS DESCRIPTIVO
2.-ANLISIS BIVARIANTE
3.- ANLISIS MULTIVARIANTE

C aptulo 2 Pgina 85
Estadsticos descriptivos
Medidas de tendencia central Medidas de dispersin

- Media aritmtica - Varianza
- Media geomtrica - Desviacin estndar
- Media armnica - Coeficiente de variacin
- Media ponderada - Error estndar de la media
- Mediana
- Moda Medidas de posicin
- Cuantiles
Medidas de forma - Percentiles
- Asimetra
- Curtosis o apuntamiento
C aptulo 2 Pgina 86
Medidas de tendencia central
- Media aritmtica [x]

- Media geomtrica
- Media armnica
- Media ponderada
- Mediana (P50)
- Moda
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) 8 W5 30%
Media ponderada = 6,7

C aptulo 2 Pgina 89
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)
C aptulo 2 Pgina 90
Medidas de dispersin
- Varianza [s2]
- Desviacin tpica o estndar [s]
- Coeficiente de variacin [CV]
- Error estndar de la media [EE]

C aptulo 2 Pgina 91
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?
C aptulo 2 Pgina 92
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.
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 N Media Desviacin Coeficiente de
estndar variacin (CV %)
Hemoglobina 20 121,70 0,64 0,53
Hierro 20 0,99 0,01 1,20
Ferritina 20 94,50 4,24 4,49
Transferrina 20 3,25 0,094 2,89
Receptor soluble de la 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
Sigma : desviacin
estndar de los individuos
Desviacin estndar: Mide el grado de de la poblacin general
dispersin de todos los individuos que
forman la muestra (s) o la poblacin ().
Distribucin de las medias X observadas en las infinitas muestras

de tamao n que pueden obtenerse de una poblacin de media
Media poblacional desconocida de la que y de desviacin estndar
proceden todas las muestras extradas DISTRIBUCIN
DE LAS MEDIAS
MUESTRALES
Error Estndar de la Media EEM: Mide el grado de dispersin de las medias de todas las posibles muestras
que pudieran extraerse de la poblacin. Mide el grado de dispersin de las medias muestrales respecto a la
media poblacional (desconocida).
C aptulo 2 Pgina 96
Medidas de forma
Asimetra (coeficiente de asimetra g1 de Fisher)

Simtrica (coeficiente de asimetra g1 = 0)
n
3
i
Asimtrica (coeficiente de asimetra g1 0) g1 = i =1
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)
n
4
i
g2 = i =1
-3
Platicrtica (g2 < 0) R4
Leptocrtica (g2 > 0)
Coeficiente g2 mide el grado de

APLASTAMIENTO de una curva
C aptulo 2 Pgina 97
Medidas de forma
Asimetra
n
3
i
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
C aptulo 2 Pgina 98
Medidas de forma
Asimetra

con distribucin Asimtrica Positiva (coeficiente de asimetra g1 > 0)
C aptulo 2 Pgina 99

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

X
* La Mediana es un valor ms pequeo que la Media
* La cola de la distribucin se aleja por la derecha
C aptulo 2 Pgina 100
Medidas de forma
Asimetra

con distribucin Asimtrica Negativa (coeficiente de asimetra g1 < 0)
Histograma de frecuencias de una variable cuantitativa con

distribucin Asimtrica negativa (coeficiente de asimetra g1 < 0)
Moda
Mediana
%
Media
X
* 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
Medidas de forma
Curtosis o apuntamiento
Coeficientes g2 de apuntamiento o curtosis de Fisher
Mesocrtica (g2 = 0) Platicrtica (g2 < 0) Leptocrtica (g2 > 0)
Distribucin normal [curtosis] < 2 EEcurtois
g2 < 2 EE g2
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

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

Leptocrtica (g2 >0)
Distribucin
ANORMAL


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


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

Segn las medidas de forma Como puede clasificarse esta

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

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


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

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

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

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

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

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

error o accidente en la Mediana = 140 RIC = 33
experimentacin? P25 = 125
Bigote inferior
Tensin arterial sistlica (mm Hg)
Diagrama de cajas con un individuo perifrico
Martnez Gonzlez MA, Jokin de Irala Estvez, Faulin Fajardo FJ. Bioestadstica amigable. Madrid:
Ediciones Daz de Santos; 2001.
Tcnicas de deteccin de Outlier
outlier?
Variable resultado
Variable predictora
Tcnicas de deteccin de Outlier

Coeficiente de determinacin R2
Variable resultado
Variable predictora
Sigue el sTfR una Distribucin Normal?

6
Perifrico o Outlier
5
sTfR (mg/L)
Receptor soluble 4
de la transferrina
en suero (sTfR)
3
Tamao muestral N = 121

1
Distribucin de los valores de sTfR en el grupo de referencia

Mediana
Variable resultado
Media
Perifrico o Outlier
Grupos de estudio
Grficos de histograma
30
Asimetra positiva g1 >0
Mesocrtica g2 =0 Distribucin
ANORMAL
20
Frecuencia (%)
10
Perifricos o Outlier
1,50 2,00 2,25 2,50 2,75 3,00 3,25 3,50 3,75 4,00 4,25 4,50 5,00 5,25
Concentraciones del Receptor srico de la transferrina (sTfR) (mg/L)
Histograma de frecuencias de distribucin del sTfR en una poblacin sana

Grficos de histograma
195
180
165 Asimetra positiva g1 >0
Nmero total de observaciones
150 Mesocrtica g2 =0
135
120
105 Distribucin ANORMAL
90
75
60
45
30 Perifricos o Outlier
15
0
45 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 140
Tensin arterial diastlica (mm Hg)

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

120
100
80
Frecuencia
60
40
20
0
1 2 3 4 5 6
Nmero de caras
Resultados empricos obtenidos en la realidad
despus de lanzar un dado 600 veces
Cul es el nmero que sale con ms frecuencia?


1200
120
1000
100
800
80
Frecuencia
Frecuencia
600
60
400
40
200
20
0
0
1 2 3 4 5 6
1 2 3 4 5 6
Nmero
Nmero de de caras
caras
Resultados empricos obtenidos en la realidad
despus de lanzar un dado 600 veces

Distribucin normal
200
180 7 = 3+ 4, 4+ 3, 6+1, 1+ 6, 2+ 5, 5+ 2
160
140 12 = 6 + 6
2=1+1
Frecuencia
120
100
80
60
40
20
0
2 3 4 5 6 7 8 9 10 11 12
Sumas
Resultados empricos (sumatorio) obtenidos

en la realidad despus de lanzar dos dados 1000 veces

Distribucin normal
Frecuencia
6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29
Sumas
Resultados empricos (sumatorio) obtenidos en la realidad despus de lanzar 5 dados 1000 veces
Cul es el nmero que sale con MENOS frecuencia?

Distribucin normal
Cambios que se van produciendo en la distribucin de frecuencias

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

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

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

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

de 3 veces la desviacin estndar (s)
(valores entre X 3 s)
- La distribucin debe ser SIMTRICA. La asimetra en valor
absoluto 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
Propiedades de la distribucin normal
Z
( x - )2
1 -
f ( x) = e 2 2
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.
Media D.E.
95%
99% del
delrea
reatotal
total
Media 3 D.E. 99% del rea total
Distribucin de la t de Student
Grados de libertad = n - 1 = n-1
(x - )
valores " t " : t =
s
Distribucin de la F de Snedecor
s12 12
valores " F " : F = 2 2 Grados de libertad 1 y 2
s2 2
1 = n1 - 1 2 = n2 - 1
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
Histograma de la uremia en 504 individuos

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

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

Histograma de la urea en sangre en 94 pacientes con

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

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

Histograma de la urea en sangre en 410 individuos sin

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

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

Medidas de tendencia central

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

Condiciones y pruebas de normalidad
Asimtrica (+) (g1 > 0) Distribucin ANORMAL

90 Leptocrtica (+) (g2 > 0)
80
70
Frecuencia (%)
60 X CV > 50%
50 > s
40 2
30
20
10
0
Bilirrubinemia (mg/dl)
Distribucin de frecuencias de los niveles de bilirrubina en pacientes cirrticos.

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

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

de bilirrubina en pacientes cirrticos.
Con esta transformacin matemtica se corrige la asimetra positiva anterior
Troponina I en poblacin sana

50% 50%
40% 40%
Frequency of normal population
97.5% URL
Total Imprecision (CV%)

30% 30%
Frequency of normal population
Total I mprecision (CV%)

99% URL
20% 20%
10% 10%
0% 0%
0,00 0,02 0,04 0,06 0,08 0,10 0,12 0,14 0,16 0,18 0,20
cTnI g/L 5
0.03 0.06
ng/mL ng/mL
La amilasemia sigue una Distribucin Normal?
Asimtrica (+) (g1 > 0)

Leptocrtica (+) (g2 > 0)
Frecuencia absoluta
Distribucin ANORMAL
Amilasemia (UI/l)
Estadsticos descriptivos de la amilasemia
N Media Desviacin tpica Asimetra Curtosis
g1 EEg1 g2 EEg2
Amilasa 549 90,86 135,043 11,359 0,104 170,89 0,208
Asimetra Curtosis
g1 EEg1 g1/ EEg1 g2 EEg2 g2/ EEg2

Amilasa 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

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.
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.
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) Amilasa (srica)

Tcnica 1 Tcnica 2
Cul es el test estadstico ms acertado?
Resultados del test Tcnica 1 Tcnica 2

N 548 548
Parmetros normales Media 91,03 79,29
Desviacin tpica 135,11 120,52
Diferencias ms extremas 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
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.
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 n
g12 g 22
3
i
4 i
2 2
JB = t + t = T +
1 2
g2 = -3 6 24
i =1
g1 = i =1
R3 R4
Test de Jarque-Bera
Forma terica de la
Asimetranegativa:
Asimetra positiva normal
casi nula:mayor
mediana mediana
que
menorlaque la media
media 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
Forma terica de la
distribucin emprica
Curtsis negativa: mas
apuntamiento que la normal
TIPO DE DISTRIBUCIN SIMTRICA ASIMTRICA
ndice de tendencia central Media Mediana
ndice de dispersin EEM Rango intercuartil
Peso de valores extremos Importante Escaso o nulo

(outlier o perifricos)
Fiabilidad del estadstico Mucha Poca
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.
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.
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
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.
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.
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.
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
Seleccin de la muestra
Poblacin Seleccin aleatoria Muestra
TCNICAS DE MUESTREO
ERROR ALEATORIO
Parmetro Estadstico X
Media poblacional Inferencia Media muestral
Estructura del proceso de la INFERENCIA ESTADSTICA

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.
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?

Prueba de rachas
1 EXPERIENCIA: Tenemos 5 RACHAS: CCC, X,CC, XXX, C
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
C C C C C
En cul de las 3 experiencias podemos garantizar que el resultado obtenido es
ALEATORIO?
Prueba de rachas
Prueba de RACHAS EXP 1 EXP 2 EXP 3

Valor de prueba 1 1 1
Casos < Valor de prueba 4 5 5
Casos Valor de prueba 6 5 5
Casos en total 10 10 10
Nmero total de rachas 5 2 10
Z - 0,211 - 2,348 2,348
Significacin bilateral 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).
Los valores analticos de ambas tcnicas son aleatorias?
Objetivo: Evaluacin de la amilasa tcnica 1 frente a la tcnica 2.
Amilasa (srica) Amilasa (srica)

Tcnica 1 Tcnica 2
Prueba de RACHAS
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
Z - 1,393 - 1,012
Significacin bilateral 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.
Captulo 3
Publicacin Bioestadstica: Tamao muestral, Error y .

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).
Materiales
Pacientes

2. Procedencia.
- Edad.
- Sexo.
- Procedencia.
- Gravedad.
- Aos de evolucin de la enfermedad.
Seleccin de la muestra
Poblacin Seleccin aleatoria Muestra
TCNICAS DE MUESTREO
ERROR ALEATORIO
Parmetro Estadstico X
Media poblacional Inferencia Media muestral
Estructura del proceso de la INFERENCIA ESTADSTICA

INFERENCIA ESTADSTICA: Es el conjunto de procedimientos estadsticos que

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

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

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

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

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

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

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

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

de Ceuta atendidos por el personal sanitario.
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.
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.
Qu error alfa y que error beta estoy dispuesto a asumir?
Cuntos pacientes debo elegir para que mi estudio sea correcto?

Concepto e importancia y utilidad prctica del error alfa

() y error beta ()
- Determinacin del tamao muestral
- Estudios para determinar parmetros poblacionales (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).
Riesgos al tomar decisiones

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

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

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

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

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

Encuentro pruebas (+) (1- )
p < 0,05 POTENCIA ESTADSTICA
FP
Error ALFA
VP
H0 Error de tipo II Acierto
No encuentro pruebas (-) (1- )
p > 0,05
FN Error BETA VN
POTENCIA ESTADSTICA: Es la capacidad del estudio para detectar una diferencia si sta existe realmente.
Realidad
Ha H0
Ha Acierto Error de tipo I

Encuentro pruebas (+) (1- )
p < 0,05 POTENCIA ESTADSTICA
FP
Error ALFA
VP
H0 Error de tipo II Acierto
No encuentro pruebas (-) (1- )
p > 0,05
FN 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
El error tipo I (error alfa)
- En nuestro estudio se concluye diciendo que hay diferencias cuando

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

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

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

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

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

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

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

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

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

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).
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%
Frmulas para el clculo del nmero de sujetos necesarios para la realizacin de un estudio
cuyo objetivo es la estimacin de un parmetro
Estimacin de una variable CUALITATIVA (proporcin - prevalencia)
Z2 * P * (1- P)
N=
i2
Estimacin de una variable CUANTITATIVA (MEDIA)
Z2 * s2
N=
i2
N = nmero de sujetos necesarios

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

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

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

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

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

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

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

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

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

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

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

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

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

es ms eficaz que
Prueba el clsico A,
UNILATERAL: es decir,
Se utiliza tan
cuando se slo interesa
pretende unasi de
determinar las direcciones
el frmaco nuevo de la
B es ms eficaz que el clsico A, es decir, tan solo interesa una de las direcciones de
comparacin (B > A), interesa
la comparacin demostrar
(B > A), interesa queque
demostrar B sea
B seams efectivo
ms efectivo quequeA. A.
DISTRIBUCIN Una sola cola

NORMAL Z 1-
TIPIFICADA (Z) Ho: o
Ha: o > = 0,05
Valores de la distribucin normal
tipificada (Z) correspondientes al
valor del 5% en las pruebas B>A Z = 1.645
estadsticas unilaterales y bilaterales.
Las pruebas unilaterales especifica

la direccin de la diferencia. Dos colas
Las pruebas bilaterales NO especifica
la direccin de la diferencia. Ho: o = Z 1- /2
Ha: o
AB Z = - 1.96 Z = 1.96
Prueba BILATERAL: Se utiliza cuando se pretende determinar si dos frmacos

Prueba BILATERAL: Seenutiliza
A y B difieren cuando
su efectividad se pretende
clnica (A B) determinar si dos frmacos A y B
difieren en su efectividad clnica (A B).
Pruebas de contraste unilateral:

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

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

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

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

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

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

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

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

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

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%
90% P2 = 60% P1 = 40% = 15%
80%
P2 = 55%
Poder estadstico (1 )
70%
60%
50% P1 = 40% = 10%

40% P2 = 50%
30%
20%
10%
0%
0 50 100 150 200 250 300 350 400 450 500
Nmero de casos por grupo
Clculo del tamao de la muestra por software (ejemplo)
El clculo resulta an ms fcil, cuando se utiliza un software. Por ejemplo

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

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

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

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

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

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

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

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

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

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

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

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

observada en un estudio ERROR ALFA
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
Decisiones que se pueden tomar en un test de contraste

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

arbitrarios y aproximados
Materiales
Pacientes

2. Procedencia.
- Edad.
- Sexo.
- Procedencia.
- Gravedad.
- Aos de evolucin de la enfermedad.
Captulo 4
Publicacin Bioestadstica: Error y .

Evaluacin de pruebas diagnsticas.

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

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

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

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

frmacos A y B (A B) A>B A<B
Realidad
Existe No existe
diferencia diferencia
(Ha (Ho
verdadera) verdadera)
Resultado p < 0,05 No error Error tipo I
de la prueba Acepto la Ha VP (1-) FP ( )
Se produce un cierto solapamiento en las estadstica p > 0,05 Error tipo II No error
distribuciones de probabilidad de la Ho y de Acepto la Ho FN () VN
la Ha, en este solapamiento siempre aparece
el error y asumido, el cual ser mayor o
menor en funcin del resultado o diferencia Resultados de una prueba de significacin estadstica
observada en nuestro estudio Ho: hiptesis nula (no hay diferencias significativas)
X: distribucin de la diferencia cuando Ho es cierta
Y: distribucin de la diferencia cuando Ha es cierta
R: resultado (diferencia) observado en nuestro estudio
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:
xx cae en esta lnea:
Riesgo alfa
Riesgo beta error 0,05
error b
Significacin
estadstica
b
x
Regin
Regin de de aceptacin
aceptacin H0 H0 Regin de rechazo
Regin H0
de rechazo H0
Regin de rechazo H1
Regin de rechazo Ha Regin de aceptacin
Regin H1
de aceptacin H a
Riesgo alfa y riesgo beta
Se produce un cierto de la
Ho y de la Ha, en este Ho Ha
solapamiento siempre
aparece el error y
asumido, el cual ser
mayor o menor en funcin
del resultado o diferencia
observada en nuestro
estudio
Riesgo alfa
Riesgo beta error 0,05
error b Significacin
estadstica
Se acepta Ho Se acepta Ha
Se rechaza Ha Se rechaza Ho
Error alfa versus error beta:

No se puede tener todo
b
ERROR BETA
a
FALSOS NEGATIVOS ERROR ALFA
FALSOS POSITIVOS

a 1-5 %
ERROR ALFA
FALSOS POSITIVOS
b 10-20 %
ERROR BETA
FALSOS NEGATIVOS

Hay que buscar un equilibrio entre los FALSOS POSITIVOS (error ) y los FALSOS
NEGATIVOS (error b).
Ho Ha
error b error
10% (0,05)
Ho Ha
error b
error
20%
(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.
Tipos de error en las pruebas diagnsticas
Realidad
Enfermos Sanos
Test de laboratorio Positivo VERDADEROS FALSO POSITIVO
(+) POSITIVOS error
Hiptesis alternativa VP Error Muy grave
(1- )
Negativo FALSO NEGATIVO VERDADEROS

(-) error NEGATIVOS
Hiptesis nula Error Menos grave VN
Tipos de error en las pruebas diagnsticas Realidad
Enfermos Sanos
PSA (+) POSITIVOS FP
VP

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

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

Negativo FALSO NEGATIVO VERDADEROS FN + VN

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

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

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

Tipos de error en las pruebas diagnsticas Evento o enfermedad estudiada

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


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

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

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

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

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

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

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

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


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

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

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

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

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


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

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

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

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

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

enfermedad en estudio.
EXACTITUD
SENSIBILIDAD ESPECIFICIDAD
VALOR PREDICTIVO VALOR PREDICTIVO

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

(VPP)
Prevalencia Resultado Enfermos Sanos Total VPP

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

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

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

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

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

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

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

([PSA] > 4 ng/ml)? sea X veces 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).
Qu utilidad clnica tiene el tacto rectal en el diagnstico del
carcinoma de prstata (CP) en una muestra de pacientes con
sospecha de CP que acuden a una consulta de Urologa?
Objetivo: Evaluacin del tacto rectal en el diagnstico del CP en una
consulta de urologa.
Tcnica analtica a valuar Tcnica de referencia

(patrn de oro)
TACTO RECTAL BIOPSIA PROSTTICA mediante
ecografa transrectal
Pita Fernndez S, Prtegas Daz S. Pruebas diagnsticas. Cad Aten Primaria 2003; 10: 120-124.
Tipos de error en las pruebas diagnsticas Tcnica de referencia

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

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

Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VN 1251
VPN = VPN = = 72,0%
VN + FN 1251 + 487
La probabilidad de NO tener un CP es de tan 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%.
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
VP + FN
PREVALENCIA =
VP + FP + FN + VN
634 + 487
PREVALENCIA = = 42,4 %
634 + 269 + 487 + 1251
Positivo (+) 634 269 903
Negativo (-) 487 1251 1738
Total 1121 1520 2641
SENSIBILIDAD 0,565
RV + = RV + = = 3,2
1 - ESPECIFICIDAD 1 - 0,823
Un tacto rectal anormal (+) es 3 veces ms probable en un paciente con CP que en otro sujeto sin cncer.
Qu utilidad clnica tiene la tira reactiva en orina en el
diagnstico de la infeccin del tracto urinario (ITU)?
Objetivo: Evaluacin de la TIRA REACTIVA en el diagnstico de la ITU.

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

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

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

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

Anemia ferropnica Sanos

FERRITINA (+) POSITIVOS FP
srica FERRITINA VP
BAJA

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

(patrn de oro)
ANA (IFI) ENFERMEDADES
AUTOINMUNES

Enfermedad autoinmune Sanos

ANA (+) POSITIVOS FP
(IFI) VP

(-) FN NEGATIVOS
VN
Cocientes de probabilidades
SENSIBILIDAD
RV + =
1 - ESPECIFICIDAD
Tasa de VP (%)
RV + =
Tasa de FP (%)
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.
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.
Hemocromatosis Sanos

FERRITINA (+) POSITIVOS FP
IST FERRITINA alta VP
IST alto

(-) FN NEGATIVOS
FERRITINA normal VN
IST normal
91,3
Mutacin C282Y
97
96
90
86 88 90 92 94 96 98
IST > 55% Ferritina > 300 ng/ml varones Ferritina > 200 ng/ml mujeres IHH > 1,9
Genotypic/phenotypic correlations in genetic hemochromatosis: evolution of diagnostic criteria.Adams PC,

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

hemocromatosis
IST (-) y Ferritina (-) 97
94
IST (+) y Ferritina (+)
92 93 94 95 96 97
Sensibilidad valor predictivo negativo
Holman JR. Hereditary hemochromatosis. J Fam Pract 1997; 44: 304-308.

Pruebas diagnsticas en el cncer de prstata
FAP
PSA
Cociente
PSA libre/ PSA total
Tacto rectal
Citologa aspiracin
Biopsia prosttica mediante

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

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

Situacin ideal de las pruebas diagnsticas:

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

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

Situacin real de las pruebas diagnsticas:

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

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

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

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

Frecuencia Punto de corte ideal
HPB Cncer Prstata

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

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

Frecuencia
HPB Cncer Prstata

Sanos Enfermos
Concentracin PSA (ng/ml) 4

Sensibilidad ~ 61%
Las pruebas
Las pruebas diagnosticas
diagnsticasno notienen
un soloun
tienen parsolo
sensibilidad/especificidad
par sensibilidad/ Especificidad ~ 90%
(S/E), sino muchos,
especificidad uno por cada
(S/E), sino
muchos, uno por cada
nivel de decisin o punto nivel
dedecorte Zona gris
decisin o punto
que se adopte de corte que Zona indeterminada
se adopte.
Aumento del valor del punto de corte
Aumentar la especificidad
Frecuencia
HPB
sanos enfermos
Cncer Prstata
Concentracin PSA (ng/ml) 4 10
Para cualquier prueba en la que la distribucin de los

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

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

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

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

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

Construccin de la curva ROC para cada prueba diagnstica

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

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

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

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

situacin posible.
B
El rea bajo la curva ROC es un
ndice de la EXACTITUD o valor
global de la prueba: la exactitud
mxima correspondera a un valor
del rea de 1 y la mnima de 0.5
0
0 1 ESPECIFICIDAD 1
(Falsos positivos)
Diagrama de la curva ROC del PSA
Gann PH, Hennekens CH, Stampfer MJ. A prospective evaluation of plasma prostate.specific antigen for
detection of prostatic cancer. JAMA. 1995; 273: 289-294.
Med Clin (Barc) 2006;127:41-6

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).
Qu utilidad clnica tienen los niveles de calprotectina fecal de
la actividad de la enfermedad inflamatoria intestinal?

(patrn de oro)
Calprotectina fecal Colonoscopia: ndice de actividad
de la enfermedad inflamatoria
intestinal
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%
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.
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?

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.
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.
Interpretacin de Swets del rea bajo la curva ROC

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

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

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

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

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

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

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

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

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

muestras dependientes
Comparacin del rea bajo la curva: prueba A

versus prueba B
0,9 B
0,8
Dos curvas ROC (A y B) con
0,7 A igual rea. Sin embargo,

estas dos curvas ROC no
0,6 son idnticas. La prueba B
es superior a la prueba
0,5 A en el rango alto de falsos
0,4 positivos (o intervalo de
alta sensibilidad), mientras
0,3 que en la zona baja de
falsos negativos (intervalo
0,2 Qu prueba diagnstica (A versus B) de baja sensibilidad) la
presenta una mayor rentabilidad, prueba A es superior a la B
0,1 efectividad, exactitud o valor global?
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1

1 ESPECIFICIDAD
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.

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

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

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

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

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

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

son ndices
Las curvas ROC deson
la ndices
0,25 exactitud diagnstica
de la exactitud diagnosticayy
proporcionan el mejor
proporcionan criterio
el mejor
unificadorunificador
criterio en el proceso
en el de
evaluacin de
proceso de una prueba. de
evaluacin
una prueba.
0,00
0,00 0,25 0,50 0,75 1,00
1 ESPECIFICIDAD
Qu tcnica analtica presenta una mayor exactitud, valor global,
rentabilidad, o efectividad clnica la urea o la creatinina srica en
el diagnstico de la insuficiencia renal?
Objetivo: Evaluacin de la urea frente a la creatinina en el diagnstico de

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

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

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


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

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

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

Qu utilidad clnica tienen los niveles de VCM en el diagnsti-
co de la anemia ferropnica?
Objetivo: Evaluacin del VCM en el diagnstico de la anemia ferropnica.

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

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

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

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

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

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

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

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

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

VCM < 90
Sensibilidad = 94,1% Examen de los depsitos de hierro en mdula sea
Especificidad = 25,8%
La pruebas diagnsticas
Lano tienen
pruebas un solonopar
diagnosticas tienen
100 unsensibilidad/especificidad
solo par sensibilidad/especificidad
(S/E), sino sino
(S/E), muchos, uno por cada
muchos, uno
nivel
pordecada
decisin o punto
nivel dededecisin
corte
80 que
o se adopte.
punto de corte que se
(fraccin de Verdaderos Positivos)
VCM < 81 adopte.

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

(hemograma)
Comparacin del rea bajo la curva ROC

Punto Corte VCM Sensibilidad Especificidad 100 especificidad

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

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

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

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

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

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

Comparacin del rea bajo la curva: ferritina srica

versus VCM
Eleccin del punto de corte:

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

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

1. La enfermedad sea grave y no pueda pasar inadvertida.
2. La enfermedad sea tratable, y
3. Los resultados falsos positivos no supongan un traumatismo
psicolgico o econmico en los individuos examinados.
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.
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.

Cualitativa dicotmica Cualitativa dicotmica
Mamografa bilateral Cncer de mama
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.
Cribado poblacional del cncer de pulmn (CP)

mediante TC

Tomografa computarizada (TC) Cncer de pulmn

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.
Cribado poblacional de cncer de colon

Programa preventivo destinado a la deteccin precoz de colon

Deteccin de SANGRE OCULTA en Cncer de colon
heces (guayacol)
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).
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..

Deteccin de la forma metilada del Cncer de colon
gen Septina 9 (SEPT9).
Sensibilidad = 67%
Especificidad = 88%

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.
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.
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.

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?

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

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

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

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

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

Test de contraste de hiptesis.
Cualitativa versus cualitativa.

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

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

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

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

Test de Kruskall-Wallis Ms de dos grupos No paramtrico, medidas repetidas
Cualitativa Superviviencia Kaplan-Meier Curvas de superviviencia
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)
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
Test de 2 de Pearson
Variable RESULTADO
Variable PREDICTORA (+) (-) Total
Si a b a+b
No c d c+d
Total a+c b+d n
2 n ( a d b c )2
=
(a + b) (c + d) (a + c) (b + d) 2
2 = (f f )
o- e
Grados de libertad = [ K - 1] [F - 1]
fo
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%
1 2 3,84
2 3 5,99
3 4 7,81
4 5 9,49
5 6 11,07
6 7 12,59
100 99 124,34
K = n de columnas
F = n de filas
Influencia de los Grados de libertad k en la distribucin de

probabilidades de 2 de Pearson
Frecuencia relativa esperada Grados de libertad (gl) = (K - 1) (F 1)
2
2 de Pearson para gl=1 2 de Pearson para gl=3
2 de Pearson para gl=2 2 de Pearson para gl=6
( f o - fe )
2
2 =
Frecuencia relativa esperada fo
fo = frecuencia observada
fe = frecuencia esperada
Error alfa
Ho Ha
2
2Pearson tabulado= 3,84
Influencia de los Grados de libertad k en la distribucin de

probabilidades de 2 de Pearson
K = n de columnas
Grados de libertad (gl) = (K - 1) (F 1) F = n de filas
gl = 3
gl = 5 gl = 10
Grados de libertad
7,81 11,07
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Condiciones necesarias y suficientes de aplicacin
1. Ambas variables deben ser cualitativas en escala NOMINAL.

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

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

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

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

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

Si [P1 - P2] es mayor que el producto de 1,96 (Z95% error = 0,05) multiplicado por el error estndar, concluimos que
la diferencia es significativa. Por lo tanto, hemos de calcular el error estndar para luego compararlo con la diferencia
observada en los grupos en estudio.
[P1 - P2] = [0,080 - 0,026] = 0,054 [ P1 - P2 ] Z95% X EE
P= [P1 - P2] / 2 = [0,080 + 0,026] / 2 = 0,053
El error estndar se calcula de la siguiente forma:
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% X EE p > 0,1 Ho (hiptesis nula)
[ P1 - P2 ] > Z95% X EE p < 0,05 Ha (hiptesis alternativa)

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

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

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

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

S (p < 0,05) Estadsticamente significativo Estadsticamente significativo
Clnicamente relevante Clnicamente irrelevante (p < 0,05)
No (p > 0,1) Estadsticamente NO Estadsticamente NO significativo

significativo
Clnicamente irrelevante
Clnicamente
relevante
Resultados de un estudio Variable resultado

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

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

S (p < 0,05) Estadsticamente significativo Estadsticamente significativo
Clnicamente relevante Clnicamente irrelevante (p < 0,05)
No (p > 0,1) Estadsticamente NO Estadsticamente NO significativo

significativo
Clnicamente irrelevante
Clnicamente
relevante

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

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

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

Religin
Variable resultado Cristiana Musulmana
Inmunizacin
(+) 279 (87,2%) 372 (86,1%)
(-) 41 60
2Pearson = 0,18; p=0,668 No existe asociacin

Resumen del procesamiento informtico de los datos
Clculos del programa estadstico Valor Grados de Contraste Contraste

tabla 2 x 2 libertad bilateral unilateral
2 Pearson 0,183 1 0,669
Correccin de Yates 0,102 1 0,749
Razn de verosimilitud 0,184 0,668
Test exacto de Fisher 1 0,746 0,376
N Casos vlidos 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.
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
Ho Ha
2
AZAR 2Pearson tabulado = 3,84
Qu relacin existe entre el hbito tabquico y el cncer de mama?

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

Tabla de contingencia cncer de mama Variable RESULTADO

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

programa unilateral
estadstico tabla
2x2
2Pearson 5,18 1 0,023
Correccin de 4,14 1 0,042
Yates
Razn de 5,14 0,023
verosimilitud
Test exacto de 1 0,030 0,021
Fisher
N Casos vlidos 85
2Pearson calculado = 5,18 > 2Pearson tabulado = 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
Ho Ha
2
El hbito tabquico de los alumnos del I curso de metodologa de
investigacin depende del sexo?

Sexo de los alumnos Hbito tabquico

Alumnos del curso Variable RESULTADO
Variable PREDICTORA Fumador No fumador Total

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

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

del I curso de Metodologa de Investigacin.
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
Ho Ha
2

programa unilateral
estadstico
2Pearson (*) 15,57 1 0,000
Yates
Razn de 16,28 0,000
verosimilitud
Fisher
N Casos vlidos 61
(*) 0 casillas (0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 10,56
Ha (hiptesis alternativa) = El hbito tabquico depende del sexo de alumno del I curso de Metodologa de
Investigacin. Es decir, hay diferencias en el hbito tabquico en funcin del sexo.
El hbito tabquico es homogneo en los alumnos del II curso de
metodologa de investigacin en funcin del sexo?



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

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

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

3 5
Fisher Yates Pearson

Clculos del Valor Grados de libertad Contraste bilateral Contraste unilateral

programa
estadstico
2Pearson (*) 5,38 1 0,020
Yates
Razn de 5,21 0,022
verosimilitud
Fisher
N Casos vlidos 43
(*) 1 casillas (25%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 3,84
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.
Test exacto de Fisher
Variable RESULTADO
Si a b a+b
No c d c+d
Total a+c b+d n
p (a + b)! * (c + d)! * (a + c)! * (b + c)!

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



Variable PREDICTORA Fumador No fumador Total
Masculino 2 5 7
Femenino 8 2 10
Total 10 7 17

mujeres del III curso de Metodologa de Investigacin.

hombres y mujeres del III curso de Metodologa de Investigacin.
Correccin de continuidad de Yates
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
Ho Ha
2
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.

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 5
Fisher Yates Pearson


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

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

(diagnstico definitivo)
PRUEBA X ENFERMEDAD E

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
Estudio Diagnstico definitivo

Casos - Controles
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.

programa
estadstico
2Pearson 4,309 1 0,038
Yates
Razn de 3,706 0,054
verosimilitud
Fisher
N Casos vlidos 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
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

Variable resultado Variable predictora Tipo de ciruga

Complicaciones Tcnica CLSICA Tcnica NUEVA
INMEDIATAS
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

2Pearson = 129,97 p < 0,0001
Frecuencia absoluta(%)
Complicaciones postquirrgicas
INMEDIATAS
Grados de libertad = [ K - 1] [F - 1] = (2-1) (4 -1) = 3
2 = 129,97
AZAR
Ho
Ha
7,81
AZAR
Ha (hiptesis alternativa) = La frecuencia de las complicaciones postquirrgicas

inmediatas en la nueva tcnica NO eran iguales que en la tcnica clsica.
Qu relacin existe entre el pas de procedencia y la prevalencia de
infeccin tuberculosa en el colectivo de inmigrantes del campamento
de Calamocarro de Ceuta?

Cualitativa policotmica Cualitativa dicotmica
Pases africanos de origen Infeccin tuberculosa
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.
Pas de procedencia N Prevalencia

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

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

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

Destino Infeccin tuberculosa
- Ceuta
- Barcelona
- Toledo

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

ciudad de destino (Ceuta, Barcelona, Toledo).
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.
Realidad 3

S (p < 0,05) Clnicamente relevante Clnicamente irrelevante (p < 0,05)
Estadsticamente significativo Estadsticamente significativo
Error Alfa?
No (p > 0,1) Clnicamente relevante Clnicamente irrelevante
Estadsticamente NO Estadsticamente NO significativo

significativo
Error Beta?
Qu relacin y qu grado de asociacin existe entre el grupo cultu-
ral/religioso de la ciudad de Ceuta y la prevalencia de inmunizacin
frente a Toxoplasma goondi en la poblacin gestante?

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

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

Test de McNemar para datos apareados

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

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

= Ketorolaco
Test de McNemar
N = 20 pacientes
KETOROLACO METAMIZOL
McNemar METAMIZOL
KETOROLACO XITO = 1 FRACASO = 0
XITO = 1 A B
FRACASO = 0 C D
2McMemar =
[ ( B C ) 1 ]2
B+C
(B C)1
Z McNemar =
B+C
McNemar METAMIZOL
XITO = 1 8 9
FRACASO = 0 2 1
[ ( 9 2 ) 1 ]2
2 McMemar = = 3,27 p > 0,05
9+2
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?
N = 30 pacientes
KETOROLACO METAMIZOL
McNemar METAMIZOL
XITO = 1 11 14
FRACASO = 0 3 2
[ ( 14 3 ) 1 ]2
2 McMemar = = 5,88
14 + 3
p = 0,013
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
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) A B
SUSPENSO (< 8) C D

McNemar DESPUS del curso
ANTES del curso APROBADO (< 7) SUSPENSO (< 8)
APROBADO (< 7) A B
SUSPENSO (< 8) C D
2McMemar =
[ ( B C ) 1 ]2
B+C
(B C)1
Z McNemar =
B+C

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


ANTES del curso APROBADO (< 7) SUSPENSO (< 8)
APROBADO (< 7) 1 0
SUSPENSO (< 8) 7 0
[ ( 0 7 ) 1 ]2
2 McMemar = = 9,14
0+7
Z Valor
(B C)1 Z95% 1,96 0,05
Z McNemar = Z98% 2,32 0,02
B+C Z99% 2,56 0,01
Z99,5% 3,29 0,005
(0 7)1
Z McNemar = = 3,03 > Z 99% = 2,56
0+7
Conclusin: Como el estadstico Z calculado 3,03 es superior a Z tabulado

para un error alfa de 0,01 (2,56), podemos decir que las dos variables
evaluadas NO son independientes, sino que estn asociadas (p<0,01), es
decir, la accin formadora mejora los conocimientos de los alumnos.
110
Colesterol total (mg/dl) al nacimiento
80
50
20
80 130 180 230

Colesterol total (mg/dl) durante el segundo ao de vida
110 8/108 (7,4%)
21/108 (19,4%)
b 4/61 Cristianos (6,5%)
4/44 Musulmanes (9,1%)
14/61 Cristianos (23,0%)
6/44 Musulmanes (13,6%) a
80
P75
50
D c
64/108 (59,5%) 14/108 (13,9%)
34/61 Cristianos (55,7%) 9/61 Cristianos (14,7%)
28/44 Musulmanes (63,6%) 6/44 Musulmanes (13,6%)
20
80 130 180 230

P75

McNemar SEGUNDO AO DE VIDA
NEONATOS CT > P75 CT P75
CT > P75 A B
CT P75 C D
2McMemar =
[ ( B C ) 1 ]2
B+C
(B C)1
Z McNemar =
B+C


CT > P75 8 21
CT P75 14 64

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

CT > P75 8 21
CT P75 14 64
[ ( 21 14 ) 1 ]2
2 McMemar = = 1,03
21 + 14
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
(B C)1 Z Valor
Z McNemar = Z95% 1,96 0,05
B+C Z98% 2,32 0,02
Z99% 2,56 0,01
Z99,5% 3,29 0,005
( 21 14 ) 1
Z McNemar = = 1,014
21 + 14
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).
Existen evidencias de un mejor efecto antitusgeno en los 3 frmacos ensayados?
TOS
Si (1) No (0)
A RESPUESTA A
TOS
Si (1) No (0)
B RESPUESTA B
TOS
Si (1) No (0)
C RESPUESTA C

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.
25 pacientes reciben 3 frmacos para mejorar su tos
Paciente Frmaco A Frmaco B Frmaco C Paciente Frmaco A Frmaco B Frmaco C

1 1 1 1 15 0 1 1
2 1 1 0 16 1 0 0
3 0 1 0 17 0 0 1
4 1 1 1 18 1 1 0
5 0 0 1 19 0 0 0
6 1 1 0 20 1 0 1
7 0 1 0 21 1 1 1
8 1 1 0 22 0 1 0
9 0 0 0 23 1 1 0
10 0 1 1 24 1 0 1
11 1 1 0 25 0 1 1
12 1 1 1
13 1 0 0 0 = Mejora la tos
14 1 1 1 1 = NO mejora la tos
N Media DE Mnimo Mximo

Frmaco A 25 0,60 0,500 0 1
Frmaco B 25 0,65 0,478 0 1
Frmaco C 25 0,48 0,510 0 1
Valores Test estadsticos

0 1 N 250
Frmaco A 10 15 Q de Cochran 2,111
Frmaco B 8 17 gl 2
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.
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
Captulo 6

Cualitativa versus cualitativa.
Medidas de asociacin.

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)
Datos categricos:

- Tau-C de Kendall
- D de Somers

sea NOMINAL
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
Test de 2 de independencia de Pearson

No es un test de contraste de
Test de la Q de Yule hiptesis (no calcula p)
Tablas = 2 x 2
Nominales
Coeficiente PHI
CONTRASTES A POSTERIORI
Tablas = 2 x 2
Nominales
V de Cramer Tablas > 2 x 2
Nominales
Coeficiente Lambda Tablas > 2 x 2
Nominales
Coeficiente de incertidumbre Tablas > 2 x 2
Ordinales
Coeficiente Tau-b de Kendall Tablas > 2 x 2
Ordinales
Coeficiente Gamma Tablas > 2 x 2
Ordinales
D de Somers Tablas > 2 x 2
Test de la Q de Yule
Variable predictora Religin
Inmunizacin
(+) A B
(-) C D
[ (A * D) (B * C) ]
Q =
[ (A * D) + (B * C) ]
Coeficiente Gamma
- Interpretacin:
-Q=0 independencia
-Q>0 asociacin positiva
-Q<0 asociacin negativa
- Intervalo de Q: (-1, +1)
- Informacin:
- Medida de la intensidad de la asociacin
- Sentido de la misma
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.
Coeficiente Gamma
Rubeola Religin
Inmunizacin
(+) 279 (87,2%) 372 (86,1%)
(-) 41 60
[ (279 * 60) (372 * 41) ]

Q = = 0,047
[ (279 * 60) + (372 * 41) ]
Gamma (Q de Yule) EEk T aprox p

0,047 0,113 0,430 0,667
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?
Toxoplasma goondi Religin
Inmunizacin
(+) 112 (34,8%) 220 (59,8%)
(-) 210 148
[ (112 * 148) (220 * 210) ]

Q = = 0,47
[ (112 * 148) + (220 * 210) ]

- 0,47 0,041 - 6,780 0,000
Q = 0,47 Q = 0,70 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)
Ejercicio: Qu grado de asociacin existe entre el infarto

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

Q = = 0,77
[ (32 * 27) + (11 * 10) ]

0,774 0,102 4,782 0,000
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.
En qu grupo cultural/religioso es mayor la prevalencia de inmuniza-
cin frente a Toxoplasma goondi en la poblacin gestante de Ceuta?
Musulmanas o cristianas?

Grupo cultural: Infeccin Toxoplasma goondi
- Cristianas
- Musulmanas
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.
Coeficiente PHI () Variable predictora

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

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

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

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

Coeficiente PHI
- Condiciones: Tablas tetracricas (2 x 2).
- Interpretacin:
- =0 independencia.
- >0 asociacin positiva.
- <0 asociacin negativa.
- Intervalo de : entre -1 y 1.
- Informacin: Es un test de contraste de hiptesis que 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.
El resultado del tratamiento depende del frmaco empleado?
La condicin de asintomtico se encuentra asociado al uso de
Mosaprida?

- Metoclopramida (n = 99) - Asintomtico
- Cisaprida (n = 102) - Sntomas
- Mosaprida (n = 99) - Mejora clnica

Nominal x Nominales (Tablas > 2 x 2)

V de Cramer
Coeficiente de contingencia
Lambda
Tau de Goodman y Kruskal
Coeficiente de incertidumbre
El resultado del tratamiento depende del frmaco

empleado?
Variable RESULTADO Resultado del tratamiento a la semana
Variable PREDICTORA Asintomtico Sintomtico Mejora
Tipo de medicamento
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
V de Cramer
V= 2
n (k- 1)
V= 60,12
300 (3 -1)
= 0,317
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 300 pacientes
Ha: La condicin de asintomtico se encuentra asociado al uso de Mosaprida.

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.

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.
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.
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= 2
2 + n
Cajustado =
Cmx =
k-1
k
La ADHERENCIA al curso de bioestadstica depende del

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


V de Cramer
Lambda
Variable predictora TIPO DE CURSO

Variable resultado PRESENCIAL ONLINE semiPRESENCIAL
Adherencia al curso
Seguimiento 190 170 180
Abandonos 10 (5%) 30 (15%) 20 (10%)
Total 200 200 200
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?
El modelo presencial se encuentra asociado a una mayor

adherencia del alumno al curso?
Variable resultado PRESENCIAL ONLINE semiPRESENCIAL
Adherencia al curso
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.


Coeficiente de contingencia C 0,135 0,004
V de Cramer 0,136 0,004
N de casos vlidos 600 pacientes
Cmx =
k-1
k
Cmx =
3-1
3
= 0,816
0,135
C ajustado = = 0,165 (16,5%)
0,816

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 p = 0,004
Ho
Ha
AZAR
2
5,99
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

V de Cramer
Lambda
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

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 0,009 0,005 1,762 0,003
resultado
Adhesin al curso variable resultado 0,030 0,017 1,762 0,003

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)


V de Cramer
Lambda
El RENDIMIENTO acadmico (adquisicin de conocimientos)

al curso de bioestadstica depende del modelo docente
utilizado (presencial, semipresencial o online)?
Variable resultado ONLINE SEMIpresencial PRESENCIAL Total
Evaluacin de los
conocimientos
Aprobados 15 (37,5%) 20 (38,4%) 60 (80%) 95
Suspensos 25 32 15 72
Total 40 52 75 167
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?

El modelo PRESENCIAL se encuentra asociado a un mayor

rendimiento del alumno?
Variable resultado ONLINE SEMIpresencial PRESENCIAL Total
Evaluacin de los
conocimientos
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.


Coeficiente de contingencia C 0,388 0,000
V de Cramer 0,421 0,000
N de casos vlidos 167 alumnos
Cmx =
k-1
k
Cmx =
3-1
3
= 0,816
0,388
C ajustado = = 0,475 (47,5%)
0,816
Ha: El rendimiento del curso es mayor en la modalidad PRESENCIAL.

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 p = 0,0000004
Ho
Ha
AZAR
2
5,99
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
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).

Simtrica 0,238 0,077 2,801 0,005
resultado
Adhesin al curso variable resultado 0,306 0,111 2.331 0,020

empleado.
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.


Simtrica 0,106 0,036 2,958 0,000
resultado
Adhesin al curso variable resultado 0,136 0,046 2,958 0,000

empleado.
La condicin de asintomtico se encuentra asociado al uso de
Mosaprida?

Cualitativa policotmica Cualitativa policotmica


V de Cramer
Lambda
Variable RESULTADO Resultado del tratamiento a la

semana
Tipo de medicamento Asintomtico Sintomtico Mejora
Cisaprida 27 (9%) 18 (6%) 57 (19%)
Mosaprida 51 (17%) 27 (9%) 21 (7%)
Ha: El resultado del tratamiento depende del frmaco empleado.
La condicin de asintomtico se encuentra asociada al uso de Mosaprida?
Coeficiente Lambda
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).

Simtrica 0,303 0,048 5,814 0,000
Tipo de Frmaco variable resultado 0,303 0,052 5,108 0,000
Resultado del tratamiento a la semana 0,303 0,054 4,899 0,000
variable resultado
Ha: La condicin de asintomtico se encuentra asociada al uso de Mosaprida.


V de Cramer
Lambda
La condicin de asintomtico se encuentra asociada al uso de
Mosaprida?

Cualitativa policotmica Cualitativa policotmica

Variable RESULTADO Resultado del tratamiento a la

semana
Variable PREDICTORA Asintomtico Sintomtico Mejora
Tipo de medicamento
Cisaprida 27 (9%) 18 (6%) 57 (19%)
Mosaprida 51 (17%) 27 (9%) 21 (7%)
Ha: El resultado del tratamiento depende del frmaco empleado.
La condicin de asintomtico se encuentra asociada al uso de Mosaprida?


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 0,086 0,023 3,801 0,000
variable resultado
Ha: La condicin de asintomtico se encuentra asociada al uso de Mosaprida.

Odds Ratio (OR)
Enfermedad (Variable resultado)

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

- Medida de asociacin.
- Valores mayores de 1 (asociacin positiva) (factor de riesgo).
- Valores menores de 1 (asociacin negativa) (factor de proteccin).
- Valor = 1 (no existe asociacin).
- Estudios casos-controles.
- OR: es la razn entre la probabilidad de que un suceso ocurra y la
probabilidad de que no ocurra.
- OR : cociente entre la tasa de exposicin observada en el grupo de casos
(A/C) y la tasa de exposicin observada en el grupo control (B/D).
- OR: refleja la probabilidad de que los casos (cncer de pulmn) estn
expuestos al factor de estudio (tabaco) comparada con la probabilidad de que
lo estn los controles.
Qu relacin y qu medida de asociacin existe entre la
cloracin del agua y el cncer de vejiga?

CUALITATIVA dicotmica CUALITATIVA dicotmica
Cloracin del agua Cncer de vejiga

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

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

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

de la exposicin
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
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.
Odds Ratio (OR)

Ejemplo estudio caso-control
Odds Ratio (OR)

Ejemplo estudio caso-control
Actividad laboral agrcola y estrongiloidiasis

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

recolectando el arroz, con los pies hundidos en el fango durante largos perodos de tiempo,
lo que facilitara la entrada del nematodo. Los resultados obtenidos, especificando el tipo
de actividad, muestran una asociacin de la estrongiloidiasis con el cultivo de arroz OR de
2,97 (IC 95%: 1,16-7,71), lo que representa un mayor riesgo de infestacin. En la limpieza
de acequias se obtuvo tambin una tendencia casi significativa OR de 2,39 (IC 95%:
0,85-6,82), en cambio en el cultivo de ctricos y de hortalizas, que habitualmente no se
realizaban descalzos ni en tierras fangosas, no se han encontrado estas diferencias.
Cln Esp 2001; 201:81-84.

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 )?

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

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

Q de Yule = 0,50
Clculos del programa estadstico tabla Valor Grados de Contraste Contraste

2x2 libertad bilateral unilateral
2Pearson 6,361 1 0,012
Razn de verosimilitud 6,447 1 0,011
Test exacto de Fisher 0,020 0,010
N Casos vlidos 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.
AZAR
Ha (hiptesis alternativa) = Existe relacin entre la

prctica del cultivo de arroz y la estrongiloidiasis.
2 = 6,36
Error alfa
Ho Ha
2
prctica del cultivo del arroz y la estrongiloidiasis?

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

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

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

Clculos del programa estadstico tabla Valor Grados de Contraste Contraste

2x2 libertad bilateral unilateral
2Pearson 3,403 1 0,065
Razn de verosimilitud 3,445 0,063
Test exacto de Fisher 1 0,106 0,053
N Casos vlidos 94
Ho (hiptesis nula) = La limpieza de acequias NO est asociada a la

Ha (hiptesis alternativa) = La limpieza de acequias est asociada a la

prctica de la limpieza de acequias y la estrongiloidiasis?

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

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

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

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

programa
estadstico
2Pearson (*) 5,56 1 0,018
Yates
Razn de 5,47 0,019
verosimilitud
Fisher
N Casos vlidos 100
Ha: Existe asociacin entre el factor de riesgo (SEDENTARISMO) y el desenlace

(MUERTE).
2 = 5,56
Error alfa
Ho Ha
2
2Pearson
2Pearson calculado = 5,56 >2Pearson= 43,99; = 3,84
p<0,0000001
tabulado Existe asociacin p < 0,05
Evolucin de 100 pacientes Desenlace (E)

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

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

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

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

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

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

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

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

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

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

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

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

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

PLAVIX ASPIRINA 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%.
Aparicin de eventos cardiovasculares despus de un periodo de seguimiento en pacientes

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

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

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

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

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

RELATIVO (RRR)
Reduccin ABSOLUTA del RAR = [ IN IC ] * 100 0,9%
RIESGO (RAR)
Nmero de pacientes que se 111
necesita operar (NNT) NNT = [ 1 / RAR ] * 100
Aumento del coste mensual del Ensayo CAPRIE (Lancet) + 112 $ (94 )
Plavix respecto a la aspirina
Resolucin del escenario
El 8,7% de reduccin del riego que publica el artculo es la Reduccin del Riesgo
Relativo (RRR). La Reduccin Absoluta del Riesgo (RAR) fue un ridculo 0,9%, con
un NNT muy elevado (111),con un amplio IC95% (de 57 a 2500).El resultado fue
estadsticamente significativo casi marginalmente, p = 0,045, donde el IC95% de la RRR
fue del 0.3% al 16.5%, que ni siquiera apareca en el texto (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.
Objetivo: Evaluar la eficacia de la disminucin de colesterol con simvastatina en la reduccin de la

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

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

cardiovasculares
mayores
Mortalidad 8% 12% 0,66 33% 4% 25
Recurrencia de accidentes
vasculares cerebrales de ori-
Prdidas
gen isqumico o muerte
Grupo problema 196
WARFARINA
N = 1103 IWarfarina = 17,8
Sin eventos
Recurrencia de accidentes
vasculares cerebrales de ori-
Prdidas gen isqumico o muerte
Grupo control 176
ASPIRINA
N = 1103 IAspirina = 16,0
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.
Tasa de Incidencia de Recurrencia de

accidentes vasculares cerebrales de origen
isqumico o muerte con WARFARINA IW
Tasa de Incidencia de Recurrencia de
accidentes vasculares cerebrales de IA
origen isqumico o muerte con ASPIRINA
17,8
RR = = 1,13
16,0
RR = 1,13 ; IC95% = 0,92 - 1,38 p = 0,25
RRR = [ 1 RR ] * 100 RRR = - 13%
N Engl J Med 2001;345:1444-51.
IWarfarina = 2,2 Hemorragias

Prdidas Intensas
Grupo problema 44
WARFARINA
N = 1103 Seguimiento 2 aos Sin eventos
Hemorragias
IAspirina = 1,5 Prdidas Intensas
Grupo control 30
ASPIRINA
N = 1103
Sin eventos
Seguimiento 2 aos
N Engl J Med 2001;345:1444-51.
Tasa de Incidencia de HEMORRAGIAS

intensas con WARFARINA 2,2
intensas con ASPIRINA
1,5
IP
RR = = 1,48
IA
RR = 1,48; IC95%= 0,93-2,44 p = 0,10
RRR = [ 1 RR ] * 100 RRR = - 48%
N Engl J Med 2001;345:1444-51.
Warfarina Aspirina RR RRR RAR

Incidencia en Incidencia IW I A
[ 1 RR ] * 100
tratados con en tratados IS IW
WARFARINA con RRRR
= =
IW ASPIRINA IA IA
IA
Incidencia 2,2 1,5 1,48 - 48% 0,7

HEMORRAGIAS
intensas
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.
Hemorragias leves
IWarfarina = 20,8 Prdidas 413
Grupo problema
WARFARINA
N = 1103 Seguimiento 2 aos Sin eventos
Hemorragias leves
IAspirina = 12,9 Prdidas 259
Grupo control
ASPIRINA
N = 1103
Sin eventos
Seguimiento 2 aos
N Engl J Med 2001;345:1444-51.

leves con WARFARINA 20,8
Tasa de Incidencia de HEMORRAGIAS 12,9
leves con ASPIRINA
IP
RR = = 1,61
IA
RR = 1,61; IC95%= 1,38-1,89 p < 0,001
RRR = [ 1 RR ] * 100 RRR = - 61%
N Engl J Med 2001;345:1444-51.
Warfarina Aspirina RR RRR RAR

Incidencia en Incidencia IW I A
[ 1 RR ] * 100
tratados con en tratados IS IW
WARFARINA con RRRR
= =
IW ASPIRINA IA IA
IA
Incidencia 20,8 12,9 1,61 - 61% 7,9

HEMORRAGIAS leves
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.
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)
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).
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.
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.

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.
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 .
Romiplostim. PTI
- Romiplostim. Ensayo pivotal. Fase III vs. placebo.
- Inclusin: < 30.000 plaquetas/mmc.
- Objetivo principal: > 50.000 plaquetas/mmc.
Efectos adversos: Objetivo subrrogado
Romiplostim Placebo p
Hemorragia Grado 3/4 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.
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.
Odds Ratio (OR) versus Riesgo Relativo (RR)

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

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

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

Datos categricos:

- Tau-C de Kendall
- D de Somers

sea NOMINAL
Existe relacin entre el nivel cultural y el hbito tabquico?

CUALITATIVA ordinal CUALITATIVA dicotmica
Nivel cultural Hbito tabquico

Existe relacin entre el nivel socioeconmico y el

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

Grfico que representa el porcentaje de fumadores

segn su nivel de instruccin
Frecuencia de tabaquismo
2 tendencia lineal = 11,56 p = 0,001

Existe relacin entre el nivel cultural y la realizacin de
alguna mamografas de cribado en los 3 ltimos aos?

CUALITATIVA ordinal CUALITATIVA dicotmica
Nivel educativo Mamografa

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 IC 95%
Sin estudios 9 233 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

2 tendencia lineal = 24,22 p < 0,00001
Grfico que representa el porcentaje de fumadores

segn su nivel de instruccin
Mujeres que se han realizado alguna mamografia en los 3 ltimos aos
Frecuencia de participacin en programas de prevencin
2 tendencia lineal = 24,22 p < 0,0001

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.
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.
Existe relacin entre el sndrome anmico gestacional
y el grupo cultural en Ceuta? Existen diferencias en la
prevalencia durante los trimestres de la gestacin?
Cualitativa dicotmica Cualitativa ordinal
- Cristianas Sndrome anmico gestacional
- Musulmanas - 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.
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 p 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
2
34,3 56,7 71,8
Significacin (p) p < 0,001 p < 0,001 p < 0,001
Test de 2 de Pearson de indepencia

Grfico que representa la prevalencia de sndrome

anmico gestacional en los dos grupos culturales
mayoritarios de Ceuta
Frecuencia de Sndrome anmico gestacional
La hipertrigliceridemia en sangre de cordn umbilical
puede ser indicativa de episodios de sufrimiento fetal?

SFA Hipertrigliceridemia
Test de APGAR Triglicridos (sangre de
cordn)

Categorizacin
Variable RESULTADO Variable RESULTADO

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

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

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

Triglicridos (sangre de cordn)
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.

Categorizacin
Cuantitativa continua Cualitativa nominal
Influencia del tabaco Hipertrigliceridemia Normotrigliceridemia OR

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

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

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

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

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

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

25 - 35 aos 242 482 724 33,5%
> 35 aos 15 38 53 27,8%

Andrew Lang
Test de 2 de Pearson de independencia

Categorizacin
Cuantitativa continua Cualitativa nominal dicotmica
Grupo etario Mantoux (+) Mantoux (-) N 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
Existen diferencias en la prevalencia de infeccin tuberculosa
en el colectivo de inmigrantes residentes en Toledo segn la
edad?
CUALITATIVA policotmica CUALITATIVA dicotmica
Inmigrantes Tuberculosis
< 20 aos
25-29 aos
30-39 aos
Anlisis del texto en el MATERIAL y MTODOS

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

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

En sta ltima la prevalencia encontrada tanto en el grupo de edad de 20 a 29 aos
(12,1%), como en el de 30 a 39 aos (22,7%), est en ambos casos por debajo de los
resultados de nuestro estudio. Los resultados de nuestro trabajo aportan valores en la
misma lnea que los obtenidos por Durn y colaboradores13 en inmigrantes recin llegados
a Barcelona.

Categorizacin
Cuantitativa continua Cualitativa nominal ordinal
Prueba de la Transversal Casos-

tuberculina controles
Grupo etario Mantoux (+) Mantoux (-) N Prevalencia OR
Menos de 25 aos 5 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

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?
Cualitativa ORDINAL Cualitativa dicotmica
Grupo etario Deterioro cognitivo
- 60-64 aos
- 65-69 aos
- 70-74 aos
- 75-79 aos
- 80-84 aos
85 aos
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.

Categorizacin
Deterioro cognitivo Transversal Casos-controles
Grupo etario SI NO N Prevalencia OR IC95%
60 - 64 aos 8 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%


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

2
significativa, el IC95% de los OR de los distintos grupos de edad incluyen el 1

(valor numrico de igualdad), con lo que perdemos informacin...
El test de de tendencia lineal, aunque admite ms de 3 categoras ordinales

2
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.

Categorizacin
Deterioro cognitivo Transversal Casos-controles
Grupo etario SI NO N Prevalencia OR IC95%
60 - 69 aos 22 97 119 18,5% 1,00
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).

Existe relacin entre el hbito tabquico y la presencia del
ADN del Papiloma virus (HPV) en pacientes con lesiones
escamosas intraepiteliales del crvix uterino?
Cualitativa ORDINAL Cualitativa dicotmica
Hbito tabquico ADN del HPV
(n cigarrillos/da) Human Papilloma Virus
1. No fumador (0 )
2. Moderado ( 20)
3. Alto (> 20)
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.
ADN HPV
TABACO (+) (-) % OR IC 95% p
No fumador 5 13 27,8 1,00
Moderado 19 24 44,2 2,06 0,55 8,62 0,36

Alto 4 1 80,0 10,40 0,70 550,31 0,06
TOTAL 28 38 2 tendencia lineal = 4,022 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.
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.
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.
Aunque el clculo de la prueba Pearson de tendencia lineal ha resultado

2
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)
El test de de tendencia lineal, aunque admite 3 o ms categoras ordinales

2
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) .
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!!!

Tabla de contingencia que representa la presencia del HPV con el hbito

tabquico.
ADN HPV
TABACO SI (+) NO (-) Total
NO 5 13 18
SI 23 25 48
TOTAL 28 38 66
2 = 2,17 p=0,140 No existe asociacin


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

Existe asociacin entre el hbito tabquico y la EPOC?

Hbito tabquico EPOC

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

Existe relacin entre la EPOC y el la intensidad del hbito
tabquico?

Cualitativa ordinal Cualitativa dicotmica
Hbito tabquico EPOC
1. No fumador
2. Moderado
3. Alto

EPOC
TABACO SI NO Total
No fumador 7 23 30
Moderado 11 19 30
Alto 15 15 30
TOTAL 33 57 90

Por qu utilizas el test de

2
?
Pearson
Se cumplen sus condiciones de aplicacin?
En el clculo de la prueba Pearson no se tiene en cuenta el orden de las

2
categoras y de este modo perdemos una valiosa informacin..
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

2
Pearson
, de modo se tiene en cuenta el orden de las categoras.
EPOC Caso-control
TABACO SI NO Total OR
No fumador 7 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

Existe relacin entre la gravedad de la EPOC y la intensidad
del hbito tabquico?

Cualitativa ordinal Cualitativa ordinal
Hbito tabquico Gravedad EPOC
1. No fumador 1. Leve
2. Moderado 2. Moderada
3. Alto 3. Grave

Tabla de contingencia que representa la gravedad de la EPOC frente al hbito tabquico
EPOC
TABACO Leve Moderado Grave Total
No Fumador 20 8 2 30
Moderado 8 10 12 30
Alto consumo 2 8 20 30
TOTAL 30 26 34 90
Test de 2 de tendencia lineal Existe asociacin
Coeficiente Gamma = 0,718
Fuerte asociacin positiva entre ambas variables

Existe asociacin entre el nivel de instruccin (cultural) y el
nivel econmico?
A mayor nivel cultural habr mayor nivel econmico?
Nivel instruccin Nivel econmico

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 5 1 25
Secundarios 14 22 1 37
Primarios 7 36 7 50
TOTAL 40 63 9 112
2 Pearson = 30,15 p <0,000001 SI
Existe relacin gradual entre el nivel de instruccin y el nivel econmico?
Tau-b de Kendall
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 Valor del estadstico Significacin

Tau-b de Kendall + 0,448 0,000
Tau-c de Kendall + 0,399 0,000
Ha: A mayor nivel de instruccin mayor nivel econmico. SI

Tau-b de Kendall
- Condiciones de aplicacin.
- Tablas cuadradas (3 x 3), (4 x 4)
- Interpretacin:
- Tau = 0 independencia. Estadistico Tipo Variables Tipo tabla
- Tau > 0 asociacin positiva. Tau-b de Kendall Ordinal X Ordinal K=F

- Tau < 0 asociacin negativa. Tau-c de Kendall Ordinal X Ordinal KF
- Intervalo de Tau : (-1, +1).
- Informacin:
- Medida de la intensidad de la asociacin de variables ordinales.
- Sentido de la misma (direccionalidad).
Tau-b de Kendall
- Condiciones de aplicacin: nmero de filas distinto al nmero de columnas (Tablas NO
cuadradas).
nivel econmico?


econmico?
Nivel econmico
Primarios 7 36 7 50
TOTAL 40 63 9 112
2 Pearson = 30,15 p <0,000001 SI
Coeficiente Gamma

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

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 A mayor nivel de

instruccin MENOR instruccin MAYOR
Variables no
nivel econmico nivel econmico
asociadas
-1 0 +1
nivel econmico?


econmico?
Nivel econmico
Primarios 7 36 7 50
TOTAL 40 63 9 112
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

econmico?
D de Somers
Valor del estadstico D Significacin

Simtrica (no se sabe cual es la resultado) 0,447 0,000
Nivel de instruccin resultado (dependiente) 0,484 0,000
Nivel econmico resultado (dependiente) 0,415 0,000

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 A mayor nivel de

instruccin MENOR instruccin MAYOR
Variables no
nivel econmico nivel econmico
asociadas
-1 0 +1
nivel econmico?
RESUMEN
Cul es los tests estadsticos ms acertados?

Nivel econmico
ESTUDIOS Alto Medio Bajo Muy bajo TOTAL
Titulado superior 12 32 6 0 50
Titulado medio 5 21 136 19 181
Secundarios 0 1 94 95 190
Primarios 0 0 24 29 53
TOTAL 17 54 260 143 474
D de Somers Gamma
Tau-b de Kendall Tau-c de Kendall

D de Sommers (medidas Valor del EED T aprox Muy bajo

direccionales) estadstico
Simtrica (no se sabe cual es la 0,557 0,029 16,075 0,000
variable resultado)
Nivel econmico variable 0,525 0,030 16,075 0,000
resultado (dependiente)
Nivel de instruccin variable 0,593 0,030 16,075 0,000
resultado (dependiente)
Ordinal por ordinal Valor del estadstico 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

Captulo 7

Cuantitativa versus cuantitativa.

Materiales y mtodos
Estructura


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

Anlisis estadstico
Variable resultado
Dicotmica Continua
Predictora
Anlisis estadstico
Variable resultado
Predictora
REGRESIN LINEAL SIMPLE



proporciones
Test exacto de
Fisher
Tau de Kendall
Cualitativa versus cuantitativa

Cules son las pruebas estadsticas que tenemos que emplear?

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

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

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

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

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

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

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

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

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

Regresin Lineal Simple. Coeficiente de regresin

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

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

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

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

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

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

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

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

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

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

Alto valor de r Menor valor de r

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

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

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

Ejemplo del clculo del tamao muestral para el clculo del

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

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

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

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

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

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

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

90 80
80 70
70 60
60 50
50
40
40
30
30
20
20
10 r=-0,5 10 r=-0,7
0 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200
80 80
70 70
60 60
50 50
40 40
30 30
20 20
10 r=-0,95 10 r=-0,999
0 0
140 150 160 170 180 190 200 140 150 160 170 180 190 200
1 = constante (-)
Fenmeno Tracking
FACTORES AMBIENTALES
PERFIL LIPDICO Estudio de cohortes PERFIL LIPDICO

NEONATO de 108 nios SEGUNDO AO
FACTORES GENTICOS
peditrica de Ceuta. Tesis doctoral (Noviembre 1997). Facultad de Medicina de la Universidad de Cdiz.
110
r = 0,23
r2 = 0,05
p < 0,05
80
50
20
80 130 180 230

110 8/108 (7,4%)
21/108 (19,4%)
b 4/61 Cristianos (6,5%)
14/61 Cristianos (23,0%)
6/44 Musulmanes (13,6%) a
80
P75
50
c
64/108 (59,5%) 14/108 (13,9%)
34/61 Cristianos (55,7%) D 9/61 Cristianos (14,7%)
20 28/44 Musulmanes (63,6%)
80 130 180 230

P75

CT > P75 A B
CT P75 C D
2McMemar =
[ ( B C ) 1 ]2
B+C
(B C)1
Z McNemar =
B+C

CT > P75 8 21
CT P75 14 64
[ ( 21 14 ) 1 ]2
2 McMemar = = 1,03
21 + 14
Z Valor (B C)1
Z95% 1,96 0,05 Z McNemar =
Z98% 2,32 0,02 B+C
Z99% 2,56 0,01
Z99,5% 3,29 0,005
( 21 14 ) 1
Z McNemar = = 1,014
21 + 14
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.
110

b a
80
P75
50
c
D
20
80 130 180 230

P75
50 r = 0,37
r2 = 0,14
40
p < 0,01
Apoprotena B (mg/dl) al nacimiento
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)

42
34
26
r = 0,29 (IC95%=0,03-0,50)
18
r2 = 0,08
p < 0,05
10
30 70 110 150
Apoprotena B (mg/dl) durante los primeros meses (12-13) del segundo ao de vida
47
r = 0,50 (IC95%=0,25-0,68)
r2 = 0,25
39
p < 0,001
31
23
15
40 60 80 100 120
Apoprotena B (mg/dl) durante los 14-20 meses del segundo ao de vida
Limitaciones del coeficiente de correlacin de Pearson

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

80
PROTROMBINA
60
40
20
R2 = 0,16
0
1,6 1,8 2,0 2,2 2,4 2,6 2,8 3,0 3,2 3,4 3,6 3,8 4,0
ALBMINA
Variable PREDICTORA
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.

El modelo (coeficiente ) indica 26,0

IMC = 23,5 + (0,03 * Horas sentada)
que por cada 10 horas que pasa
IMC (peso [Kg] / Talla 2 [m2])

25,5 R2 = 0,006
sentada una mujer a la semana
aumenta su peso en unos 800

25,0
gr.

24,5
24,0
Slo con la variable predictora 23,5
incluida en el modelo (horas 23,0
sentado) slo se puede explicar 0 10 20 30 40 50 60 70 80
el 0,6% de la variabilidad de la Horas sentado / semana (tiempo libre)
variable resultado (IMC), queda

Relacin entre el ndice de masa corporal (IMC) y las horas de estar sentado
por explicar un 99,4% de la a la semana en el tiempo libre.
variabilidad que es achacable Muestra representativa (n=7.926) mujeres de la Unin Europea
a otras variables predictoras Variable PREDICTORA-EXPOSICIN-posible CAUSA
distintas no incluidas. Variable cuantitativa continua
100
34
1 = 0
32
1 = 0
90 30
Indice de masa Corporal (IMC)

Glucemia (mg/dl)
28
80
26
24
70
22
60 20
10 20 30 40 50 60 70 80
10 20 30 40 50
Edad Edad
Dos nubes de puntos con la misma pendiente 1 de valor cero que muestran dos situaciones muy diferentes.
A la izquierda ausencia de relacin. A la derecha relacin NO lineal.
NO se puede emplear el coeficiente de correlacin de Pearson

Relacin y=a+b
1
cuadrtica X
y = a + b x2 Relacin
hiperblica
NO se puede emplear el coeficiente de correlacin de Pearson
Podemos encontrar cualquier tipo de funcin matemtica con claro apartamiento de la

linealidad.
Otros coeficientes de correlacin

- Cuando las variables en vez de ser numricas son ordinales, es posible
preguntarse sobre si hay algn tipo de correlacin entre ellas?
- Disponemos para estos casos de tres test estadsticos:
- (ro) de Spearman
- (tau) de Kendall
- Coeficiente de asociacin ordinal de Goodman-Kruscall (coefiente
gamma)
- Son estadsticos anlogos al coeficiente de correlacin lineal de Pearson r,
que aparecen en estudios donde las variables cuantitativas no son continuas
y/o no siguen una distribucin normal.
- El coeficiente de correlacin de Spearman es recomendable utilizarlo
cuando los datos presentan valores externos ya que dichos valores afectan
mucho el coeficiente de correlacin de Pearson, o ante distribuciones NO
normales.
n
6 di2
rs = 1 - i =1
n ( n 2 - 1)
Coeficientes de correlacin
PEARSON SPEARMAN
- Ambas variables deben seguir - No requiere supuestos previos

la distribucin NORMAL de normalidad
- Slo detecta asociaciones
lineales - Detecta asociaciones distintas
- Las observaciones han de ser de la lineal
independientes
- Es un mtodo no paramtrico
pero permite la construccin de
intervalos de confianza
- Estima el grado de asociacin

de cualquier tipo con
independencia de la funcin
matemtica que relaciona ambas
variables
Existe relacin entre la edad del paciente y la duracin de
la estancia en UCI?
Variable PREDICTORA 1 Variable RESULTADO

CUANTITATIVA continua CUANTITATIVA discreta
Edad Estancia
- Aos - Das

80
Lnea continua ajuste mediante estimador robusto de
regresin medio ponderado
Das de estancia en UCI
Lnea de trazos discontinuos: ajuste mediante mnimos
60 cuadrados
40
20
0
20 30 40 50 60 70 80
Edad del paciente
Resultados
Coeficiente de correlacin de Spearman
Variable N Correlacin (r) Significacin
Edad del paciente versus Estancia en UCI 22 0,614 (**) 0,002
Tau-b de Kendall
Edad del paciente versus Estancia en UCI 22 0,470 (**) 0,003
** La correlacin es significativa al nivel 0,01 (bilateral).
p < 0,01 Rechazamos la hiptesis nula

Existe relacin entre la intensidad del estudio y el rendimiento
acadmico en el examen del curso de Bioestadstica?

Cuantitativa continua Cuantitativa discreta
Horas de estudio Rendimiento acadmico

Pregunta de investigacin: Existe relacin entre la intensidad del

estudio y el rendimiento acadmico en el examen del curso de
Bioestadstica?
N del Horas N
Nmero de respuestas correctas

Alumno de respuestas
estudio correctas 20
(X1) (Y)
15 r = 0.976 p< 0.001

1 5 6
2 9 16
3 17 18 10
4 1 1
5 2 3 5
6 21 21
7 3 7 0
8 29 20
9 7 15 10 30 50 70 90
10 100 22 Nmero de horas de estudio

Resultados
Horas de estudio versus Respuestas correctas 10 0,976 (**) 0,000
Tau-b de Kendall
Horas de estudio versus Respuestas correctas 10 0,911 (**) 0,000

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?
Existe relacin entre el coeficiente intelectual de los alumnos y el
rendimiento acadmico en el examen del curso de Bioestadstica?

Cuantitativa discreta Cuantitativa discreta
Coeficiente intelectual Rendimiento acadmico

Pregunta de investigacin: Existe relacin entre el coeficiente

intelectual del alumno y el rendimiento acadmico en el examen
del curso de Bioestadstica?
N del Horas N
Alumno de respuestas
estudio correctas

(X 2) (Y) 20
1 104 6
15
2 125 16
3 115 18 r = 0.811 p< 0.01
10
4 100 1
5 100 3 5
6 140 21
7 112 7 0
8 130 20
100 110 120 130 140
9 125 15
Coeficiente intelectual (CI)
10 122 22

Resultados
Coeficiente intelectual versus respuestas correctas 10 0,811 (**) 0,004
Tau-b de Kendall
Coeficiente intelectual versus respuestas correctas 10 0,705 (**) 0,005

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 Rendimiento acadmico

Pregunta de investigacin: Existe relacin entre las horas de

asistencia a clase y el rendimiento acadmico en el examen del
curso de Bioestadstica?
N del Horas N

Alumno de respuestas 20 r = 0.985 p< 0.01
estudio correctas
(X3) (Y)
15
1 23 6
2 92 16
3 78 18 10
4 15 1
5 20 3 5
6 100 21
7 35 7
0
8 95 20
25 50 75 100
9 75 15
Horas de asistencia a clase
10 100 22

Resultados
Asistencia a clase versus respuestas correctas 10 0,985 (**) 0,000
Tau-b de Kendall
Asistencia a clase versus respuestas correctas 10 0,944 (**) 0,000

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
Coeficiente intelectual 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?
Existe relacin entre las horas dedicadas al estudio por el
alumno y el coeficiente intelectual de los alumnos del curso
de Bioestadstica?
Variable PREDICTORA 1 Variable PREDICTORA 2

Horas de estudio Coeficiente intelectual

Resultados
Horas de estudio versus coeficiente intelectual 10 0,787 (**) 0,007
Tau-b de Kendall
Horas de estudio versus coeficiente intelectual 10 0,614 (*) 0,015
* La correlacin es significativa al nivel 0,05 (bilateral).

Existe relacin entre las horas de estudio del alumno y las
horas de asistencia a clase del curso de Bioestadstica?

Horas de estudio Horas de asistencia a clases

Resultados
Horas de estudio versus asistencia a clase 10 0,954 (**) 0,000
Tau-b de Kendall
Horas de estudio versus asistencia a clase 10 0,854 (**) 0,001

Existe relacin entre el coeficiente intelectual del alumno y
las horas de asistencia a clase del curso de Bioestadstica?

Cuantitativa discreta Cuantitativa continua
Coeficiente intelectual Horas de asistencia a clases

Resultados
Coeficiente intelectual versus asistencia a clase 10 0,869 (**) 0,001
Tau-b de Kendall
Coeficiente intelectual versus asistencia a clase 10 0,782 (**) 0,002

Variable PREDICTORA 1
Cuantitativa
Horas
de estudio

Cuantitativa Cuantitativa
Coeficiente Rendimiento
intelectual acadmico
Variable PREDICTORA 3
Cuantitativa
Horas de
asistencia a clases
Qu relacin existe entre el consumo de cigarrillos y los

niveles de cadmio en sangre?

Consumo de cigarrillos Cadmio en sangre
Nmero de cigarrillos Niveles sricos de cadmio
consumidos por da (g/L)

r = 0,532 p = 0,001
Med Clin (Barc) 2006;127:41-6.

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?

Calprotectina fecal ndice de actividad de la enfermedad
inflamatoria intestinal (Harvey-
Bradshaw modificado para colitis
ulcerosa y enfermedad de Crohn)
ndice de Harvey-Bradshaw
Qu tipo de variable es el ndice de Harvey-Bradshaw?

20
Coeficiente de correlacin
Rho de Spearman
ndice de actividad clnica 15
ndice de Harvey- Bradshaw
r = 0,719 p < 0,01

10
0
0 1.000 2.000 3.000 4.000 5.000 6.000 7.000 8000
Calprotectina fecal (g/g)
Cul es la prueba estadsticas ms adecuada?

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
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.
Qu relacin y qu grado de asociacin existe entre el nivel
de conocimientos mdicos actualizados sobre el mejor trata-
miento posible y el tiempo transcurridos desde la graduacin?

Aos desde la graduacin Conocimientos actualizados
sobre el mejor tratamiento posible
(medidos segn escala de MBE)
Conocimientos actualizados sobre el mejor

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

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

Grasas saturadas Cardiopata coronaria
cidos grasos saturados Tasas de mortalidad por

de la dieta (% de aporte cardiopata coronaria
calrico)

Estudio ecolgico
5
Fallecimiento por cardiopata coronaria (%)

Coeficiente de correlacin r de Spearman E
4
U N
3
2 W
MC S
G DB
1 r = 0,84
V Z
K
0 5 10 15 20 25
cidos grasos saturados en la dieta (% de aporte calrico)
Tasa de mortalidad por cardiopata coronaria en funcin del contenido en cidos grasos saturados de la
dieta (% del aporte calrico). Ambas variables estn significativamente correlacionadas segn un amplio
estudio (Seven Countries Study) llevado a cabo en diferentes grupos de poblacin. B = Belgrado, C=
Crevalcore, D= Dalmacia, E = este de Finlandia, G = Corf, K = Creta, N = Zutphen, M = Montegiorgio, S
= Eslavonia, T = Tanushimaru, U = empleados de ferrocarriles de EEUU, V = Velika Krsna, W = oeste de
Finlandia, Z = Zrenjarin.
Estudio ecolgico

Grasas saturadas Colesterolemia
cidos grasos saturados Tasas de colesterol en

de la dieta (% de aporte sangre (mg/dl)
calrico)

Estudio ecolgico
280 Coeficiente de correlacin r de Spearman
260 W E
240 U N
Colesterolemia (mg/dl)
220 B
K Z
200 G MC S
180
D r = 0,89
T
160
140 V
0 5 10 15 20 25
cidos grasos saturados en la dieta (% de aporte calrico)
Valores de colesterol en sangre en relacin con el contenido en cidos grasos saturados de la dieta (%
del aporte calrico). Ambas variables estn significativamente correlacionadas segn un amplio estudio
(Seven Countries Study) llevado a cabo en diferentes grupos de poblacin. B = Belgrado, C= Crevalcore,
D= Dalmacia, E = este de Finlandia, G = Corf, K = Creta, N = Zutphen, M = Montegiorgio, S = Eslavonia,
T = Tanushimaru, U = empleados de ferrocarriles de EEUU, V = Velika Krsna, W = oeste de Finlandia, Z =
Zrenjarin.
Captulo 8

Cualitativa dicotmica versus cuantitativa.

Materiales y mtodos
Estructura


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

Anlisis estadstico
Variable resultado
Dicotmica Continua
Predictora
Anlisis estadstico
Variable resultado
Predictora
t de Student


proporciones
Test exacto de
Fisher
Tau de Kendall


CUALITATIVA dicotmica CUANTITATIVA
Cualitativa dicotmica versus cuantitativa
PARAMTRICOS NO PARAMTRICOS
2 GRUPOS
T de Student para mues- U de Mann-Whitney

Independientes tras independientes
T de Student para mues- Wilcoxon

Aparejados tras apareadas
Variable predictora Cualitativa versus variable resultado Cuantitativa.

Test de la T de Student para dos muestras independientes

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

Homogeneidad de varianzas (homoscedasticidad)

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

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

CUALITATIVA dicotmica CUANTITATIVA continua
Sexo Peso (Kg)

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

(n 1) S12 + (m 1) S22 1 1
+
(n + m 2) n m
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

n 883 789
Media 3380,34 3246,79
Desviacin estndar 417,28 388,0
EEM 14,46 13,81
t calculada 6,666
Grados de libertad 1620
Significacin (bilateral) 0,000
t calculada= 6,666 > t tabulado = 1,96; p < 0,001
Ha: El peso al nacer de los varones difiere del peso al nacer de las mujeres
Distribucin de la t de Student
Grados de libertad = n - 1
= n-1
(x - )
valores " t " : t =
s
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)
Interpretacin del valor de la t de Student (t=6,666)
- La diferencia observada (t calculada= 6,666) es muy grande en relacin a

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

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

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

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

18 PESCADO 35 (n 1) S12 + (m 1) S22 1 1
+
19 PESCADO 38 (n + m 2) n m
Media 18,579 t calculada = 0,3
Desviacin estndar 9,26 t calculada= 0,3 < t tabulado p = 0,76
Varianza 85,8
Variable RESULTADO
Cuantitativa continua
Test de la t de Student
t calculada < t tabulada t calculada > t tabulada

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

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

variabilidad aleatoria esperada (t tabulada) , y por tanto no existen diferencias
significativas (p>0,05)
- El efecto observado (diferencia entre las dos dietas) es 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).

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

Homogeneidad de varianzas (homoscedasticidad)

- Test de 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

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?
Tipo de dieta Estadstico g.l Significacin
Reduccin del peso Pescado 0,166 19 0,178
Huevos 0,168 11 0,200
Test de Shapiro-Wilk
Tipo de dieta Estadstico g.l Significacin
Reduccin del peso 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.
+ IC95% + IC95%
Media Kg pescado
Media Kg huevos
- IC95%
- IC95%
Existen diferencias en los valores del VCM en sangre en
funcin de los depsitos de hierro normales o ferropnicos
en mdula sea?

Depsitos de Fe en mdula sea VCM
Normal =1 (hemograma)
Dficit = 0


VCM Medula normal Dficit de hierro
n 67 33
Media 83,56 76,89
EEM 1,049 1,623
t calculada 3,560
t calculada = 3,560 > t tabulado = 1,96; p < 0,001
Ha: El VCM es depende de los depsitos medulares de hierro.

Existen diferencias en los valores de la ferritina en sangre en
funcin de los depsitos de hierro normales o ferropnicos
en mdula sea?

Depsitos de Fe en mdula sea FERRITINA srica
Normal =1
Dficit = 0

Test de Welch para desigualdad de varianzas
FERRITINA srica Mdula normal Dficit de hierro

n 67 33
Media 21,76 12,61
EEM 1,120 0,962
T calculada 6,201
Grados de libertad 93,876
Ha: El ferritina srica depende de los depsitos medulares de hierro.

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?
Cualitativa dicotmica Cuantitativa continua
Cristianas inmunizadas Virus de la Rubeola
Musulmanas inmunizadas

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.

IgG-anti-RUBEOLA Cristianas Musulmanas

n 234 487
Media 133,20 94,90
EEM 12,89 4,56
t calculada 3,452
Ha: Los niveles de IgG anti-Rubeola depende del grupo cultural, siendo distintos en
cristianas y musulmanas.

(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.
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?
Test de Levene para homocedasticidad
Test de Levene para la igualdad de varianzas IgG-anti-RUBEOLA

F 14,498
Significacin 0,000
Ho: Las varianzas de ambos grupos son iguales.

Ha: Existen diferencias entre las varianzas.
Fcalculada > Ftabulada p < 0,05 (rechazamos la hiptesis nula)
Test de Welch
Test de Welch para desigualdad de varianzas
IgG-anti-RUBEOLA Cristianas Musulmanas

n 234 487
Media 133,20 94,90
EEM 12,89 4,56
T calculada 2,800
Grados de libertad 292,8
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.
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?

p > 0,1
Ttulos de IgG anti-toxoplasma (UI/ml)
35,5
32,8
Figura 1.- Ttulos de anticuerpos frente a Toxoplasma en gestantes inmunizadas de Ceuta en 1994.
Cristianas inmunizadas Toxoplasma

p > 0,1
78,6
67,9
Figura 2.- Ttulos de anticuerpos frente a Toxoplasma en gestantes inmunizadas de Ceuta en 2010.
La t de Student para muestras independientes es un test paramtrico, es

decir para usarlo se debe cumplir la normalidad de la variable cuantitativa.
La variable cuantitativa niveles de anticuerpos (UI/ml) en la poblacin
gestante inmunizada de Ceuta sigue una distribucin normal?
No encuentro datos estadsticos de dispersin (desviacin tpica)

Cmo justificas esa supuesta normalidad? Qu test has empleado para
comprobar que se cumple la normalidad (campana de Gauss)?
Test de normalidad Test de Kolmogorov-Smirnov

Ao 2010 N Media DE Estadstico Z Significacin
Niveles de anticuerpos IgG 721 107,3 140,6 6,870 0,000
anti-RUBEOLA

Ao 2010 Tipo de cultura N Media DE Estadstico Z Significacin
Niveles de Cristianas 234 133,2 197,3 4,211 0,000
anticuerpos
IgG anti- Musulmanas 487 94,9 100,7 4,723 0,000
RUBEOLA
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.

anti-RUBEOLA

anticuerpos
RUBEOLA

TEST PARAMTRICOS.
2 GRUPOS



Existen diferencias de la tensin arterial sistlica (TAS) de los 20
alumnos del curso de Metodologa de investigacin en funcin del
sexo?
Cualitativa dicotmica Cuantitativa
Sexo TAS

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.
Alumnos TAS Rango 1 Orden Alumnas TAS Rango 2 Orden

Alumnos (R1) Alumnas (R2)
1 110 9,5 7 1 90 1 1
2 120 16 15 2 95 2,5 2
3 100 5 4 3 110 9,5 9
4 115 13,5 13 4 110 9,5 10
5 110 9,5 8 5 120 16 17
6 100 5 5 6 115 13,5 14
7 120 16 16 7 110 9,5 11
8 125 18,5 18 8 100 5 6
9 125 18,5 19 9 95 2,5 3
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.

U de Mann-Whitney
U W
rea de Area de NO rea de

rechazo rechazo rechazo
Ha Ha
Hiptesis nula
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.
U de Mann-Whitney
SEXO N Mean Rank Sum of Ranks

TAS Alumna 10 7,85 78,50
Alumno 10 13,15 131,50
Total 20
Test estadsticos TAS

Sum of ranks
Mann-Whitney U 23,50 Mean rank =
Wilcoxon W 78,50 N
U-R
Zu - 2,030 Zu =
Significacin a dos colas 0,041
Significacin exacta a una cola 0,043 n
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.

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.
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.

Tipo de Curso Calificaciones de los alumnos

N del alumno 1 2 3 4 5
A DISTANCIA 80 85 25 70 90
Tipo de Curso Calificaciones de los alumnos

N del alumno 6 7 8 9 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.
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 Calificaciones de los alumnos 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
Calculamos las U de Mann-Whitney (U1 y U2) con las siguientes frmulas:

Calculamos las U de Mann-Whitney (U1 y U2)

- 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).
Tamao
muestral
Ucalculado =
p = 0,048
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.
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%).
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.
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.
Poblacin de alumnos mdicos a los cuales se les aplic dos

tipos de cursos (mtodo presencial, mtodo a distancia)
Curso PRESENCIAL N=25

PRESENCI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
AL
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 1 2 3 4 5 6 7 8 9 10
Notas 60 80 25 30 40 60 90 100 60 55

- Aplicacin de la prueba estadstica. Primero ordenamos los rangos de todas las

observaciones.
- Direccin de las ligas o empates y el tamao de estas.

Calculamos las U de Mann-Whitney (U1 y U2)

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:
_
U- U
Z Z=
U
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:
_ n1 * n2
_
10 * 25
U= 2
U=
2
= 125
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 =
_ _ n1 * n2
U- U U=
Z= 2
U
U =
Li =
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
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:
_ 178 - 125
Z = = 1,95
U- U 27,24
Z=
U 72 - 125
Z= 27,24
= - 1,95
U = cualquier valor de U calculado (ya sea U1 o U2).

- 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).
p = [ 1 - 0,9744 ] = 0,0256
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).
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.


Anti-IgG- Cristianas 234 392,46 91836,0
RUBEOLA Musulmanas 487 345,88 168445,0
Total 721
Test estadsticos IgG-Rubeola

Sum of ranks
Wilcoxon W 168401,0 N
U-R
Zu - 2,828 Zu =
Significacin a dos colas (bilateral) 0,005
Significacin exacta a una cola 0,043 n
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.
Cristianas inmunizadas Toxoplasma


anti-toxoplasma

anticuerpos
toxoplasma

TEST PARAMTRICOS.

Anti-IgG- Cristianas 32 162,11 5187,50
toxoplasma Musulmanas 265 147,42 39065,50
Total 297
Test estadsticos IgG-toxoplasma

Sum of ranks
Wilcoxon W 39065,50 N
U-R
Zu - 0,914 Zu =
Significacin a dos colas (bilateral) 0,361
n
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.
2 GRUPOS

T de Student para datos Wilcoxon

Aparejados apareados

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

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

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

las muestras independientes.
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) d - O
t calculada =
Hiptesis alternativa Ha X antes X despus ( DIF = POST FREC 0)
S2
n
Variables
Estadsticos Peso antes del Peso despus del Diferencia de peso
embarazo parto
Media 54,26 55,64 1,38
Desviacin estndar (S) 6,653 7,624 4,096
n 1626 1626 1626
Media N Desviacin Error estndar de

Variables estndar (s) la media (EEM)
Peso ANTES 54,26 1626 6,653 0,165
embarazo
Peso DESPUS 55,64 1626 7,624 0,189
del parto

Peso ANTES embarazo versus Peso 1626 0,844 0,000
DESPUS del parto
Variables Diferencias relacionadas Intervalo de t calculada gl Significacin

confianza de la bilateral
diferencia
Media s EEM Inferior Superior 13,562 1625 0,000
Peso despus del 1,378 4,096 0,102 1,178 1,577
parto peso antes
del embarazo
t calculada= 13,56 > t tabulado = 1,96; p < 0,001
tcalculada > ttabulada p < 0,05 (rechazamos la hiptesis nula)
Ha: Existe variacin en el peso de las madres antes y despus de un embarazo.

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)

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?

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

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

entrenamiento deportivo (PED)
Mtodo: Se evala la frecuencia cardiaca antes (FRECPRE) y despus del

PED (FRECPOST).
Se define una nueva variable DIF = FRECPRE FRECPOST.
Hiptesis nula Ho X antes = X despus

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

(DIF = FRECPRE FRECPOST 0)
Resultados
Variables Media N Desviacin Error estndar de

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

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

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


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

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

usarlo se debe cumplir la normalidad de la variable cuantitativa.
Se cumple? La nueva variable DIF = FRECPRE FRECPOST sigue una

distribucin normal?
He observado en tus resultados de DIF un valor de la desviacin tpica (11,1)

muy superior a la media (9,1),
Cmo justificas esa supuesta normalidad? Qu test has empleado para

comprobar esa supuesta normalidad?
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?
Objetivo: Comprobar si la reduccin ponderal conseguida tras intervencin

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

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

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

Peso (Kg) 126 (19) 107 (18) < 0,001 13,5-20,3
IMC (Kg/m2) 48,7 (5,8) 42,5 (6,2) < 0,001 4,5-7,5
Cintura (cm) 129,8 (17,7) 118,7 (15,4) < 0,001 9,1-21,6
Cadera (cm) 142,5 (15,6) 132,8 (13) 0,003 3,6-15,9
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
La reduccin ponderal se acompa de una mejora del perfil lipdico

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

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

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

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

aterognico, principalmente en los triglicridos, VLDL y HDL.
- Los varones presentaron una mejora 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.
La t de Student de datos apareados es un test paramtrico, es decir para

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

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

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




Test de Wilcoxon
Prueba NO PARAMTRICA o de libre distribucin

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

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

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

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

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

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

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

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

bienestar clnico de los pacientes con artrosis de rodilla.
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: Variable resultado:
Pareja Gemelo vivo Gemelo muerto

Actividad deportiva
1 S S
Variable cuantitativa ordinal
2 E S
S= sedentarios
3 R E
O= deporte ocasional 4 R E
R= deporte regular 5 C S
C = deporte competitivo 6 R E
E = deporte de elite 7 E R
8 E R
9 C E
10 O S
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: Variable resultado:
Actividad deportiva
Pareja Gemelo vivo Gemelo muerto
1 0 0
Variable cuantitativa ordinal
2 1 0
0 = sedentarios
3 2 1
1= deporte espordico 4 2 1
2= deporte regular 5 4 0
3= deporte competitivo 6 2 1
4= deporte de lite 7 1 2
8 1 2
9 3 1
10 2 0
Prueba de los rangos con signo de WILCOXON

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

El test de Wilcoxon es una prueba BILATERAL, y por tanto NO especifica

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

n(n + 1)
n(n + 1) W-
W- 4
4 z= ~ N (0,1)
z= ~ N (0,1) n(n + 1)(2n + 1) g t i3 - t i
n(n + 1)(2n + 1) -
24 24 i =1 2
1. Calculo del estadstico z: Zcalculado= -1,89
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.
Desenlace (E) Variable resultado

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

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

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

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

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

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

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

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

- 7925 varones gemelos
- 7977 mujeres gemelas
- Resultados:
- RR = 0,71: Se encontr una reduccin del 29% en la mortalidad para los
ocasionalmente activos comparados con los sedentarios.
- RR = 0,66: Se encontr una reduccin del 34% en la mortalidad para los entrenados
comparados con los sedentarios.
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.
Ejemplo (muestras relacionadas)

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

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

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

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

metodologa de investigacin en los alumnos.
Hiptesis alternativa H1 X antes X despus (DIF = RCDC RCAC 0)
Ha (hiptesis alternativa) = La accin formativa (CMICS) mejora los conocimientos sobre

metodologa de investigacin en los alumnos.

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

Prueba de los rangos con signo de WILCOXON

para datos apareados
Z -2,536
Prueba de los signos para datos apareados

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).
MUESTRAS
INDEPENDIENTES APAREADAS
n1 y n2 30 n1 o n2 30 n 30 n 30
Test de normalidad Test de normalidad
Test de levene
SI NO
SI NO
Homogeneidad Heterogeneidad
de las varianzas de las varianzas
Test de la Test de la t de
Test de la t de U de Student para Test de
Student para Mann-
Test de Welch datos Wilcoxon
muestras Whitney apareados
independientes
Qu relacin existe entre los niveles de colesterol-LDL en
sangre y la probabilidad de padecer un IAM?

CUANTITATIVA continua CUALITATIVA dicotmica
Niveles colesterol-LDL IAM

Qu relacin existe entre los niveles de alcoholemia y la
probabilidad de tener un accidente de trfico?

Niveles de Alcoholemia Accidente de trfico

Qu relacin existe entre la ingesta crnica de alcohol y la
probabilidad de desarrollar cncer de esfago?

Ingesta crnica de alcohol Cncer de esfago

Qu relacin existe entre la edad gestacional y la
probabilidad de muerte del recin nacido?

Edad gestacional Muerte del RN

Depsitos de Fe en mdula sea
Predice Produce Produce Predice
VCM (hemograma) Ferritina (srica)

Qu relacin existe entre el VCM del hemograma y la
probabilidad de tener dficit de los depsitos de hierro en
mdula sea?

(hemograma)

Qu relacin existe entre los niveles de ferritina srica y la
mdula sea?

Ferritina (srica) Depsitos de Fe en mdula sea

Anlisis estadstico
Variable resultado
Dicotmica Continua
Predictora
Variable Continua Regresin logstica Regresin lineal
Independiente simple
Anlisis estadstico
Variable resultado
Predictora
Variable Continua Regresin logstica Regresin lineal
Independiente
REGRESIN LOGSTICA SIMPLE

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
Qu relacin existe entre los niveles de colesterol-LDL en
sangre y la probabilidad de padecer un IAM?

Niveles colesterol-LDL IAM

Modelo de Anlisis de Regresin Logstica Simple
e 1X1 P
P= log
1-P
= 0 + 1X1
1 + e 1X1
Y
Y=1
Probabilidad de
Modelo de regresin
enfermedad logstica simple
coronaria
Modelo de probabilidad
lineal simple
Y=0
Factor de riesgo: cLDL X1
Anlisis de regresin logstica simple

Qu relacin existe entre la edad gestacional y la probabili-
dad de muerte del recin nacido?
Estudio caso-control realizado por Brand et al con 410 RN de edad

gestacional entre 24-29 semanas.

Edad gestacional Probabilidad de morir


Qu relacin existe entre la edad gestacional y la probabilidad de muerte
del recin nacido?
Variable PREDICTORA Edad gestacional

Edad gestacional Semanas 24 25 26 27 28 29 Total
Vivo 3 16 38 49 45 30 181
Muerto 26 56 69 50 21 7 229
Variable RESULTADO
Riesgo de muerte del RN
Estimaciones de los parmetros del modelo logstico

propuesto para los datos anteriores
Edad - 0,6819 0,08908
gestacional
P = probabilidad que muera un RN
Regresin logstica. Coeficiente de regresin logstica 1

Existe relacin entre la probabilidad de muerte neonatal (Variable Resultado) y la edad
gestacional (Variable Predictora) en los RN de 24-29 semanas?
Z Valor Estimaciones de los parmetros del modelo logstico

propuesto para los datos anteriores
Z95% 1,96 95%
Z99% 2,56 99%
Z99,5% 3,29 99,5%
Edad - 0,6819 0,08908
gestacional
Coeficiente de regresin
logstica estandarizado
1 0,6819
= = 7,65 > Z95%
EE1 0,08908
Podemos decir con error inferior al 5% que existe asociacin entre la mortalidad de los RN
prematuros y su edad gestacional en el rango estudiado.
Estimaciones de los parmetros del modelo

logstico propuesto para los datos anteriores
Edad - 0,6819 0,08908
gestacional 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

10
a otro que tiene una semana menos
Logit
- 10
Cul es el riesgo de morir de un RN
con 25 semanas en relacin a otro de 29
24 25 26 27 28 29 semanas?
Edad gestacional (semanas)
Representacin grfica de los logits en las diferentes edades OR = e1 (X1-X2)
gestacionales estudiadas
OR = e -0,6819 (25-29) = 15,30
Qu relacin existe entre el VCM del hemograma y la
mdula sea?

(hemograma)


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

Constante - 6,1112
VCM 0,08485 0,02689
P
log = - 6,1112 + 0,08485 VCM
1- P
P = probabilidad de que existan depsitos de hierro medular

Qu relacin existe entre la Ferritina srica y los depsitos
de hierro medular?
Ferritina srica Depsitos de Fe medular

Constante - 2,1290
FERRITINA 0,1713 0,04085
P
log = - 2,1290 + 0,1713 FERRITINA
1 - P

PREDICTORA o Cualitativa nominal Cualitativa nomi- Cualitativa ordinal o Cuantitativa
Independiente (factor dos nal > 2 Cuantitativa NO paramtrica
Cualitativa dos Chi cuadrado Chi cuadrado U de Mann-Whitney T de Student
grupos Z comparacin de (prueba de Welch)
independientes proporciones
Cualitativa dos Test de McNemar Q de Cochran Prueba de los rangos T de Student
grupos de Wilcoxon para datos
apareados emparejados

Cuantitativa Regresin logstica Regresin logsti- Correlacin de Regresin lineal
simple ca multivariante Sperman Correlacin de Pearson
Tau de Kendall
Captulo 9

Cualitativa policotmica versus cuantitativa.

Materiales y mtodos
Estructura



proporciones
Test exacto de
Fisher
Tau de Kendall


CUALITATIVA dicotmica CUANTITATIVA
Cualitativa policotmica versus cuantitativa
2 GRUPOS
ANOVA para muestras Kruskal-Wallis

Independientes independientes
Anlisis de la Varianza Friedman

Aparejados para muestras depen-
dientes o apareadas

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.
Homogeneidad de varianzas (homocedasticidad)
- Test de Levene F=
Varianza menor
Ho: Las varianzas de ambos grupos son iguales ANOVA
Ha: Existen diferencias entre las varianzas KRUSKAL-WALLIS

HIPERLIPIDEMIA
EDAD
SEXO Excrecin urinaria
NIVEL CULTURAL de sodio en 24 horas
TABAQUISMO
OBESIDAD IMC
DIABETES
Test de la t de Student
Anlisis de la varianza para un factor
Distribucin ANORMAL
Tienen la misma eficacia las dietas ensayadas para reducir
el nivel de colesterol-LDL?

CUALITATIVA policotmica CUANTITATIVA continua
Tipos de dieta LDL- colesterol
- Dieta control
- Dieta moderada
- Dieta estricta

Grupo Control (n=10) Dieta moderada (n=10) Dieta estricta (n=10)

+ 13 4 0
+ 10 8 12
+2 9 15
2 10 21
-8 20 -10
+5 15 -18
3 6 -16
+8 7 -10
+2 16 -20
-2 6 -15
Media = + 2,5 Media = - 10,1 Media = - 13,7
Hiptesis nula: 1 = 2 = 3 = = n
Hiptesis alternativa: al menos una de las medias x es distinta
EFECTO debido a la dieta Varianza entre grupos (EFECTO)

=
Dispersin debida al AZAR (error) Varianza residual (ERROR)
Varianza entre grupos (EFECTO) 723,6

F = = = 20,2
Varianza residual (ERROR) 35,7

Varianza entre grupos (EFECTO) 723,6
Cambio en los niveles de colesterol-LDL (mg/dl) a los 6 meses de

15 F = = = 20,2
tratamiento de intervencin diettica en 3 grupos de voluntarios

Varianza residual (ERROR) 35,7
10
asignados a diferentes dietas

0
-5
Cambio de el LDL (mg/dl)
- 10
-15
- 20
- 25 Control Moderada Estricta
Cul es la intervencin diettica que ms reduce los niveles de colesterol-LDL?

+10
- 10
0
- 20
Control
Moderada
Estricta

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

Peso del RN Suma de gl Media F Significacin
cuadrados cuadrtica
Inter-grupos 1447,2 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 colesterol-

LDL?
s12 12 Grados de libertad 1 y 2

valores " F " : F = 2 2
s2 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.
F calculada = 20,2
Ho F calculada > F tabulada
Ha
p < 0,05
F tabulado = 3,23 para los grados de libertad de la muestra


Anlisis de la Varianza para un factor
t calculada < t tabulada Varianza entre grupos (EFECTO) 318,6 t calculada > t tabulada
F= = = 5,2
p > 0,05 Varianza residual (ERROR) 61,0 p < 0,05
El cambio en el nivel de cLDL es Las medias del cLDL de los

independiente de la intervencin distintos grupos son diferentes
diettica entre s, es decir NO pueden
Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
NO

?
Cul es la intervencin diettica que ms reduce los niveles

de colesterol-LDL?
Se comparan los
Procedimiento de SCHEFFE grupos de 2 en 2
Se comparan los
Procedimiento de BONFERRONI grupos de 2 en 2
Se comparan los
Mtodo de DUNNET grupos de 2 en 2
Se comparan los
Mtodo de TUKEY grupos de 2 en 2
Se comparan los
Mtodo de DUCAN grupos de 2 en 2
Mtodo de STUDENT- Se obtienen

intervalos de medias
NEWMAN-KEULS
Contrastes a posteriori en SPSS

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 Ho = Ho =
Ha Ha
Moderada Ho =
Ha
Estricta
Procedimiento de Bonferroni
Dieta (I) Dieta (J) Diferencias de Error estndar Significacin

medias (I J)
Control Moderada 12,60 2,674 0,000
Estricta 16,20 2,674 0,000
Moderada Control - 12,60 2,674 0,000
Estricta 3,60 2,674 0,568
Estricta Control - 16,20 2,674 0,000
Moderada - 3,60 2,674 0,568
Hiptesis nula Ho: La dieta ESTRICTA reduce el LDL de forma similar al resto de las dietas comparadas.
Procedimiento de Scheffe

medias (I J)
Estricta 16,20 2,674 0,000
Estricta 3,60 2,674 0,416
Moderada - 3,60 2,674 0,416
Procedimiento de HSD de Tukey

medias (I J)
Estricta 16,20 2,674 0,000
Estricta 3,60 2,674 0,383
Moderada - 3,60 2,674 0,383
Procedimiento de Gabriel

medias (I J)
Estricta 16,20 2,674 0,000
Estricta 3,60 2,674 0,459
Moderada - 3,60 2,674 0,459
Procedimiento de Sidak

medias (I J)
Estricta 16,20 2,674 0,000
Estricta 3,60 2,674 0,467
Moderada - 3,60 2,674 0,467
Procedimiento de la t de Dunnett (bilateral)

medias (I J)
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.
Mtodo de Duncan
Tipo de dieta Subconjunto para alfa

= 0,05
Test de Duncan DIETA N 1 2
Estricta 10 -13,700
Moderada 10 -10,100
Control 10 2,500
Significacin 0,189 1,000
Comparacin de la dieta estricta Comparacin de la dieta control con las

con la moderada (p > 0,1). 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).
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?
Estadsticos descriptivos del LDL en cada dieta

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

Distribucin normal
[Curtosis] < 2 EEcurtois g2 < 2 EE g2

Tipo de dieta Estadstico Z g.l Significacin
Reduccin del LDL 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.
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.
El peso al nacer de los RN difiere segn la localidad
de origen?

Ciudad de origen Peso del RN
1. Ceuta
2. Algeciras
3. Tarifa
4. La Lnea

Hiptesis nula Ho: El peso al nacer de los RN NO difiere segn la localidad de

origen.
Hiptesis alternativa Ha: El peso al nacer de los RN difiere segn la localidad
de origen.
Estadsticos Peso al nacer del RN

Localidad de origen Ceuta Algeciras Tarifa La Lnea
Media 3366,2 3217,2 3188,4 3169,0
Desviacin estndar (S) 393,0 444,1 471,5 361,4
n 1146 214 80 186
Varianza entre grupos (EFECTO)

F= = 21,3
Varianza residual (ERROR)
F calculada = 21,3
Ho
Ha
F tabulado = 3,23 para los grados de libertad de la muestra

Peso del RN Suma de gl Media cuadrtica F Significacin

cuadrados
Inter-grupos 10290751 3 3430250,3 21,351 0,000
Intra-grupos 260596358 1622 160663,599
Total 270887109 1625
F calculada= 21,3 > F tabulado = 3,23; p < 0,001
Hiptesis alternativa Ha: El peso al nacer de los RN difiere segn la localidad

de origen.
Cul es la ciudad donde los nios nacen con mayor peso?

Cul es la ciudad donde los nios nacen con mayor peso?

Ciudad de origen Peso del RN
1. Ceuta
2. Algeciras
3. Tarifa
4. La Lnea

Pruebas Post Hoc paramtrico
Se comparan los
Procedimiento de SCHEFFE grupos de 2 en 2
Se comparan los
Procedimiento de BONFERRONI grupos de 2 en 2
Se comparan los
Mtodo de DUNNET grupos de 2 en 2
Se comparan los
Mtodo de TUKEY grupos de 2 en 2
Se comparan los
Mtodo de DUCAN grupos de 2 en 2
Mtodo de STUDENT- Se obtienen

intervalos de medias
NEWMAN-KEULS
Pruebas Post Hoc
Hiptesis nula Ho: Los RN que nacen en Ceuta tiene un peso medio similar
al resto de los RN de las otras ciudades.
Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso
medio que el resto de las ciudades.
Ciudades Ceuta Algeciras Tarifa La Lnea
Ceuta Ho = Ho = Ho =
Ha Ha Ha
Algeciras Ho = Ho =
Ha Ha
Tarifa Ho =
Ha
La Lnea
Procedimiento de Scheffe
Ciudad (I) Ciudad (J) Diferencias de Error estndar Significacin

medias (I J)
Ceuta Algeciras 148.92 29,85 0,000
Tarifa 177,79 46,35 0,002
La Lnea 197,13 31,69 0,000
Algeciras Ceuta - 148,92 29,85 0,000
Tarifa 28,87 52,53 0,960
La Lnea 48,21 40,18 0,696
Tarifa Ceuta - 177,79 46,35 0,002
Algeciras - 28,87 52,53 0,960
La lnea 19,34 53,59 0,988
La Lnea Ceuta - 197,13 31,69 0,000
- 48,21 40,18 0,696
Tarifa - 19,92 53,59 0,988
Hiptesis alternativa Ha: Los RN que nacen en Ceuta tiene mayor peso medio que el resto de las ciudades.
Procedimiento de Bonferroni
Ciudad (I) Ciudad (J) Diferencias de Error estndar Significacin

medias (I J)
Ceuta Algeciras 148.92 29,85 0,000
Tarifa 177,79 46,35 0,001
La Lnea 197,13 31,69 0,000
Algeciras Ceuta - 148,92 29,85 0,000
Tarifa 28,87 52,53 1,000
La Lnea 48,21 40,18 1,000
Tarifa Ceuta - 177,79 46,35 0,001
Algeciras - 28,87 52,53 1,000
La lnea 19,34 53,59 1,000
La Lnea Ceuta - 197,13 31,69 0,000
- 48,21 40,18 1,000
Tarifa - 19,92 53,59 1,000
Procedimiento de Duncan
Procedencia Subconjunto para alfa

= 0,05
Test de Duncan Ciudad N 1 2 (Ceuta)
La Lnea 186 3169,03
Tarifa 80 3188,38
Algeciras 214 3217,24
Ceuta 1146 3366,16 0,960
Significacin 0,298 1,000
Comparacin de las 3 ciudades Comparacin de Ceuta con las dems

(p > 0,1). ciudades (1- p = 1,000; p = 0,000).
2 GRUPOS
ANOVA para muestras Kruskal-Wallis

Independientes independientes

dientes o apareadas

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.
12 k
Ri2
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
Tienen la misma eficacia las dietas ensayadas en grupos de
5 individuos para reducir el nivel de colesterol-LDL?

- Dieta control
- Dieta moderada
- Dieta estricta


Variaciones en los niveles de colesterol-LDL (mg/dl) a los 6 meses de
seguimiento en 3 grupos de voluntarios asignados a diferentes medidas de
intervencin diettica.
Grupo Control Dieta moderada Dieta estricta

+ 13 -4 0
+ 10 -8 - 12
+2 -9 - 15
-2 - 10 - 21
-8 - 20
N=5 N=5 N=4
Media = + 3 Media = - 10,2 Media = - 12
N = 14 Media total = - 6
Resultados: Prueba de Kruskal-Wallis
Rangos Cambio del LDLc

Tipo de DIETAS N Rango promedio
CONTROL 5 12,30
MODERADA 5 6,70
ESTRICTA 5 5,00
Total 15
Estadstico de contraste
N 15
Chi-cuadrado 7,308
gl (K 1) 2
Significacin 0,026
Test de Kruskal-Wallis
t calculada < t tabulada t calculada > t tabulada

X2 H = 7,3 p = 0,026
p > 0,05 p < 0,05
El cambio en el nivel de cLDL es Las medias del cLDL de los

independiente de la intervencin distintos grupos son diferentes
diettica entre s, es decir NO pueden
Tienen la misma eficacia las dietas ensayadas para reducir el nivel de colesterol-LDL?
NO

?
+10
- 10
0
- 20
Control
+3
Moderada
- 10,2
Estricta
-12

tratamiento de intervencin diettica en 3 grupos de 5 voluntarios
C aptulo 9
Pgina 924
Pruebas Post Hoc no paramtricas
Procedimiento de BONFERRONI
Procedimiento de IDK
Mtodo de HOLM
Mtodo de HOLLAND-COPENHAVER
Mtodo de HOCHBERG
Mtodo de HOMMEL
Mtodo de ROM
Med Clin (Barc) 2006;127:41-6.

Qu relacin existe entre los niveles de calprotectina fecal
y las diferentes enfermedades orgnicas intestinales?

Controles Calprotectina fecal
- Plipos
- Cncer colorrectal
- Enfermedad inflamatoria intestinal
4.000
3.600
3.200
Calprotectina fecal (g/g) 2.800
2.400
2.000
1.600
1.200
800
400
217
0
Normal Polipos Cncer Enfermedad
colorrectal inflamatoria
Diagnstico endoscpico intestinal

Qu relacin existe entre los niveles de calprotectina fecal

y las diferentes enfermedades orgnicas intestinales?
Concentraciones de calprotectina fecal (g/g)
Grupos N 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

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

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.
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?
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?
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.
VENTAJAS INCONVENIENTES
Permite datos ordinales y cuantitativos Menor potencia estadstica
discretos
No es necesaria la normalidad (test no Menor sensibilidad para detectar
paramtrico) diferencias entre grupos
El tamao muestral puede ser pequeo No permite construir intervalos de
confianza
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.

- Dieta control
- Dieta moderada
- Dieta estricta

Grupo Control (n=10) Dieta moderada (n=10) Dieta estricta (n=10)

+ 13 4 0
+ 10 8 12
+2 9 15
2 10 21
-8 20 -10
+5 15 -18
3 6 -16
+8 7 -10
+2 16 -20
-2 6 -15
Media = + 2,5 Media = - 10,1 Media = - 13,7
Prueba de la Mediana
Tipo de dietas
Control Moderada Estricta
> Mediana 9 4 1
Mediana 1 6 9
Hay 3 casillas con frecuencia esperada menor de 5.

La frecuencia de casilla esperada mnima es de 4,7
Estadstico de contraste LDL

N 30
Mediana - 8,000
Chi-cuadrado 13,125
gl (K 1) 2
Significacin 0,001
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.
74 pacientes ingresados en una UCI y queremos comparar las

estancias generadas en dicha unidad entre tres grupos de pa-
cientes clasificados en funcin de la edad (jvenes, maduros y
ancianos)
CUALITATIVA ordinal CUANTITATIVA
Grupos etarios Estancia
- Jvenes - Das
- Maduros
- Ancianos

Variable resultado ESTANCIA N Media DE EEM Mediana

Variable predictora JVENES 28 5,18 11,17 2,11 2,00
Grupos etarios MADUROS 23 9,22 15,29 3,19 3,00
ANCIANOS 23 21,51 21,52 4,49 3,00
Variable resultado ESTANCIA N 1 EE1 2 EE1

Variable predictora JVENES 28 3,944 0,441 16,048 0,858
Grupos etarios 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).
Media
Media
Mediana Mediana
Test de normalidad
Variable resultado Test de Kolmogorov-Smirnov

ESTANCIA N Estadstico Z Significacin
Variable predictora Jvenes 28 2,301 0,000
Grupos etarios 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.
Prueba de la homogeneidad de las varianzas

Test de Levene
Variable resultado ESTANCIA en UCI (das)

Estadstico de Levene gl1 gl2 Significacin
3,707 2 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.
Ho: Las varianzas de ambos grupos son iguales ANOVA

Ha: Existen diferencias entre las varianzas KRUSKAL-WALLIS
p > 0,05 (aceptamos la Ho) ANOVA

p < 0,05 (rechazamos la hiptesis nula) KRUSKAL-WALLIS
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.
Resultados: Prueba H de Kruskal-Wallis
Clculo de Rangos
GRUPO ETARIO N Rango promedio
JVENES 28 31,00
MADUROS 23 38,37
ANCIANOS 23 44,54
Total 74
Estadstico de contraste ESTANCIA

Chi-cuadrado 5,234
gl (K 1) 2
Significacin 0,073
Hiptesis nula Ho: La estancia en UCI de los pacientes estudiados NO difiere segn el
grupo etario.
Test de Jonckheere-Terpstra (J-T)
Estadstico de contraste ESTANCIA

Nmero de niveles 3
N 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
Hiptesis alternativa Ha: La estancia en UCI de los pacientes estudiados difiere segn el
grupo etario.
2 GRUPOS
Anlisis de la Varianza Kruskal-Wallis

Independientes para muestras indepen-
dientes
ANOVA Friedman
Aparejados
para medidas repetidas

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.
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 N Media DE 1 EE1 2 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 Test de Kolmogorov-Smirnov

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
Comparacin de > de 2 grupos apareados
p > 0,05; Normalidad
Prueba de la esfericidad de Mauchly

p > 0,05 p < 0,05
ESFERICIDAD NO ESFERICIDAD
Contrastes UNIVARIADOS Contrastes MULTIVARIADOS
p < 0,05 p < 0,05
POST HOC: Procedimiento de BONFERRONI: Comparacin por pares


Efecto intra-sujetos Prueba de esfericidad de Mauchly
W de Mauchly Chi cuadrado g.l Significacin
TIEMPO 0,803 6,096 5 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, 2ao-
3ao. 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.

Efecto intra-sujetos Epsilon
Greenhous e-Geisser Hunh-Feldt Lmite-interior
TIEMPO 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).
TIEMPO Contrastes MULTIVARIADOS

Valor F GI de la hiptesis GI del error Significacin
Traza de Pillai 0,902 83,25 3 27 0,000
Lambda de Wilks 0,098 83,25 3 27 0,000
Traza de Hotelling 9,250 83,25 3 27 0,000
Raz mayor de Roy 9,250 83,25 3 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.
TIEMPO Contrastes UNIVARIADOS: Prueba de efectos INTRA-SUJETOS

Suma de cuadrados gl Media cuadrtica F Significacin
tipo III
Esfericidad asumida 984,067 3 328,022 103,236 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.
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?
Grfico de perfil representando el efecto del factor

tiempo
16 Se observa en el grfico que los conocimientos
adquiridos en el curso van disminuyendo
Medidas marginales estimadas
paulativamentre con el paso del TIEMPO en

14 todos los intervalos ensayados (p< 0,05)
12
10
Inicio 1 ao 2 ao 3 ao
TIEMPO
Qu test has utilizado para llegar a esa conclusin?

TIEMPO Pruebas de CONTRASTES INTRA-SUJETOS

tipo III
LINEAL 947,527 1 947,527 206,956 0,000
CUADRTICO 36,300 1 36,300 13,815 0,001
CBICO 0,240 1 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.
Pruebas Post Hoc Anova apareado
TIEMPOS INICIO 1 AO 2 AO 3 AO
INICIO Ho = Ho = Ho =
Ha Ha Ha
1 AO Ho = Ho =
Ha Ha
2 AO Ho =
Ha
3 AO
Procedimiento de Bonferroni: Comparacin por pares
Tiempo (I) Tiempo (J) Diferencias de Error estndar Significacin

medias (I J)
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
1 ao Inicio - 3,533 0,417 0,000
2 ao 2,633 0,405 0,000
3 ao 3,967 0,531 0,000
2 ao Inicio - 6,167 0,401 0,000
1 ao - 2,633 0,405 0,000
3 ao 1,333 0,440 0,031
3 ao Inicio - 7,500 0,544 0,000
1 ao - 3,9967 0,531 0,000
2 ao - 1,333 0,440 0,031
Relacin entre las glucemias medias, la hemoglobina

glicosilada y el riesgo de aparicin de complicaciones
de la diabetes
GLUCEMIAS MEDIAS HbA1c (%) RIESGO DE COMPLICACIONES
60 4
90 5 RIESGO BAJO
120 6
150 7
RIESGO MODERADO (control aceptable hasta 7,5%)
180 8
210 9 RIESGO AUMENTADO
240 10 RIESGO ALTO
270 11
MAL CONTROL
METABLICO
300 12
RIESGO CRTICO (> 9,5%)
330 13
360 14
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)
El curso de educacin diabetolgica (ECD) mejora el con-

trol diabtico de un grupo de pacientes mal controlados
(HbA1c > 8,0)?
Diabetes = Educacin
HbA1c ANTES HbA1c DESPUS

Resultados 1 objetivo
HbA1c N Media DE 1 EE1 2 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 Test de Kolmogorov-Smirnov

INICIAL (PRE) 30 0,827 0,501
PRIMER AO 30 1,034 0,235
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.

HbA1cPRE 10,150 30 1,772 0,323
HbA1cPOST 7,130 30 0,932 0,170

HbA1cPRE versus HbA1cPOST 30 0,772 0,000

diferencia
HbA1cPRE 3,020 1,208 0,2206 2,569 3,471
HbA1cPOST
t calculada < t tabulada p>0,05 (aceptamos la Ho)

HbA1c N Media DE 1 EE1 2 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 Test de Kolmogorov-Smirnov

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.

Efecto intra-sujetos Prueba de esfericidad de Mauchly
W de Mauchly Chi cuadrado g.l Significacin
HbA1c 0,368 27,717 5 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.

Efecto intra-sujetos Epsilon
Greenhous e-Geisser Hunh-Feldt Lmite-interior
TIEMPO 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.
TIEMPO Contrastes UNIVARIADOS: Prueba de efectos INTRA-SUJETOS

tipo III
Esfericidad asumida 71,079 3 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).
Comparacin de > de 2 grupos apareados
p > 0,05; Normalidad

p > 0,05 p < 0,05
ESFERICIDAD NO ESFERICIDAD
Contrastes UNIVARIADOS Contrastes MULTIVARIADOS
p < 0,05 p < 0,05
POST HOC: Procedimiento de BONFERRONI: Comparacin por pares

TIEMPO Contrastes MULTIVARIADOS

Valor F GI de la hiptesis GI del error Significacin
Traza de Pillai 0,931 120,741 3 27 0,000
Lambda de Wilks 0,069 120,741 3 27 0,000
Traza de Hotelling 13,416 120,741 3 27 0,000
Raz mayor de Roy 13,416 120,741 3 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.
TIEMPO 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?
Grfico de perfil representando el efecto del factor

tiempo
9,5
Se observa en el grfico que la HbA1c
va aumentando con el paso del TIEMPO,
9,0 siendo este aumento significativo (p < 0,05) al
pasar del 2 ao al 3 ao, y del 3 al 4 ao.
Medidas marginales estimadas
8,5
8,0
7,5
7,0
1 ao 2 ao 3 ao 4 ao
TIEMPO
Qu test has utilizado para llegar a esa conclusin?

Procedimiento de Bonferroni: Comparacin por pares
Tiempo (I) Tiempo (J) Diferencias de Error estndar Significacin

medias (I J)
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
2 ao 1 ao 0,077 0,041 0,425
3 ao - 0,500 0,068 0,000
4 ao - 1,843 0,104 0,000
3 ao 1 ao 0,577 0,070 0,000
2 ao 0,500 0,068 0,000
4 ao - 1,343 0,090 0,000
4 ao 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 GRUPOS
Anlisis de la Varianza Kruskal-Wallis

Independientes para muestras indepen-
dientes

dientes o apareadas

Existen diferencias en el tiempo de reaccin frente a los 3

frmacos ensayados?
RESPUESTA A
A Tiempo A
RESPUESTA B
B Tiempo B
RESPUESTA C
C Tiempo C

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
Se ha medido el tiempo de la reaccin farmacolgica de 10 pacientes a 3

medicamentos diferentes.
Paciente Frmaco A Frmaco B Frmaco C

1 10 10 15
2 10 15 20
3 11 15 12
4 8 12 10
5 7 12 9
6 15 10 15
7 14 12 18
8 10 14 17
9 9 9 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.
Test de Friedman
Tratamiento N 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 Friedman test Statistics

Tratamiento Promedio de rangos N 10
Frmaco A 1,35 Chi cuadrado 9,135
Frmaco B 2,00 gl (K 1) 2
Frmaco C 2,65 Significacin 0,010
Ha: Existen diferencias entre los tiempos de reaccin frente a los 3 frmacos.
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.
S
W=
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.

- 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.
Existen diferencias en la medida de la frecuencia cardaca

en los tres mdicos evaluados?
Mdico JEFE SERVICIO
A MEDIDA A
FC A
10 PACIENTES
Mdico RESIDENTE
MEDIDA B
B FC B
Mdico ADJUNTO MEDIDA C

FC C
C

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 Medico Mdico ADJUNTO (C)

SERVICIO (A) RESIDENTE (B)
1 75 80 74
2 74 84 72
3 76 81 75
4 79 83 80
5 82 92 84
6 83 88 82
7 85 90 84
8 87 92 86
9 87 92 88
10 88 93 88
Media 81,6 87,5 81,3
DE 5,3 5,04 5,85
Test de Friedman
Mdico N 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 N 10
JEFE A 1,35 Chi cuadrado 15,846
RESIDENTE B 2,00 gl (K 1) 2
ADJUNTO C 2,65 Significacin 0,000
Ha: Existen diferencias entre la medida de la frecuencia cardiaca en los tres mdicos.
Rangos Estadstico de contraste prueba de Kendall

Promedio de rangos N 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) 2
Significacin 0,000
(*) Coeficiente de concordancia de Kendall
Ha: Existen diferencias entre la medida de la frecuencia cardiaca en los tres mdicos.
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?
Respuestas acertadas en funcin del tiempo transcurrido desde la realizacin del curso
Alumnos Tiempo 0 1 ao 2 ao 3 ao
1 16 8 8 12
2 12 9 9 10
3 12 10 10 8
4 15 13 7 11
5 18 12 12 12
6 13 13 8 10
7 18 16 10 13
8 15 9 6 6
9 20 9 11 8
10 14 12 11 9

Test de Friedman
Tiempo N Media Desviacin estndar Mnimo Mximo
INICIO 10 15,30 2,710 12 20
1 AO 10 11,10 2,514 8 16
2 AO 10 9,20 1,932 6 12
3 AO 10 9,90 2,183 6 13
Rangos Estadstico de contraste prueba de Friedman

Rango promedio N 10
INICIO 3,95 Chi cuadrado 20,868
1 AO 2,50 gl (K 1) 3
2 AO 1,70 Significacin 0,000
3 AO 1,85
Ha: la calidad del recuerdo de los conocimientos no es la misma en los 4 momentos

considerados.
Rangos Estadstico de contraste prueba de Kendall

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

considerados
Captulo 10

Variables cualitativas.

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).
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

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
ndice kappa de Cohen (medida dicotmica)
OBSERVADOR A OBSERVADOR B TOTAL

( 1 medicin) ( 2 medicin)
Anormal (+) Normal (-)
Anormal (+) a b a+b
Normal (-) c d c+d
Total a+c b+d N
Statistical methods for rates and proportions. Joseph L. Fleis. Ed.John Wiley New York 1981.
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 (+) 58 39 97
Normal (-) 12 61 73
Total 70 100 170
k = 0,415 IC95% = 0,2862 0,5430

Cul es el grado de concordancia encontrado?
Medida de acuerdo Valor de Kappa EEk Z Significacin

Kappa de Cohen + 0,415 0,0655 5,688 0,000
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?

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.
Tienen los dos radilogos de mi servicio el mismo
criterio-juicio clnico para informar las radiografas?
Radilogo 2
Radilogo 1 Anormal Dudosa Normal
Anormal 18 4 3
Dudosa 1 10 5
Normal 2 4 53
Se enfrenta ambos radilogos a la tarea de categorizar una misma muestra

de 100 radiografas mediante la escala: anormal, dudosa, normal.
Lpez de Ullibarri Galparsoro I, Pita Fernndez S. Medidas de concordancia: el ndice Kappa. Cad Aten
Primaria 1999; 6: 169-171.
ndice kappa de Fleiss
Medida de acuerdo Valor de Kappa EEk T aprox Significacin

Kappa de Fleiss + 0,660 0,044 8,944 0,000
Coeficiente Gamma
Gamma EEk T aprox p

0,899 0,044 8,744 0,000



< 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.
Tienen los dos psiquiatras de mi servicio el mismo criterio-
juicio clnico al diagnosticar una muestra de 200 pacientes?
Psiquiatra 2
Psiquiatra 1 Fbica Histrica Obsesiva Depresiva
Fbica 20 8 6 1
Histrica 7 36 14 4
Obsesiva 1 8 43 7
Depresiva 2 6 4 33

Medida de acuerdo Valor de Kappa EEk T aprox Significacin

Kappa de Fleiss + 0,538 0,046 12,921 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.



< 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.
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.
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 5
Trazas 133 270 28 1 2
+ 4 36 107 5 2 2
++ 5 53 76 2 4
+++ 12 28 81 35
++++ 2 11 44 251
ndice kappa Ponderado

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.

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

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
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 1 1
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

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.
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

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.
RESIDENTE R1 ADJUNTO TOTAL

Anormal (+) Anormal (-)
Anormal (+) 320 30 350
Dudosa (-) 120 29 149
Total 440 59 499
P = 72,7%
Kappa EEk IC95% T aprox p

0,132 0,043 0,048 0,215 3.448 0,001

0,441 0,113 3,027 0,002

Anormal (+) 890 210 1100
Dudosa (-) 290 700 990
Total 1180 59 2090
P = 75,4%

0,518 0,019 0,481 0,555 23,764 0,000

0,822 0,017 27,549 0,000

Anormal (+) 350 120 470
Dudosa (-) 70 550 620
Total 420 670 1090
P = 83,3%

0,640 0,024 0,593 0,686 21,226 0,000

0,916 0,013 25,914 0,000

Anormal (+) 280 80 360
Dudosa (-) 60 550 610
Total 340 630 970
P = 82,3%

0,687 0,024 0,639 0,735 21,425 0,000

0,940 0,011 24,63 0,000
Comparacin de kappas
Nmero de Kappas a comparar Nivel de confianza

4 95%
Kappa global IC95%

0,687 0,5379 0,5855
Prueba de la homogeneidad de kappas

Chi cuadrado gl Valor p
143,0515 3 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.
Comparacin de kappas: Distribucin de 2 de Pearson
Grados de libertad = [ K - 1] [F - 1] = (2-1) (4 -1) = 3
2 = 143,05 AZAR
Ho
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.
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.
Captulo 11

Variables cuantitativas.

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).
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.

Evaluacin de mtodos diagnsticos cuantitativos
- Variacin metrolgica.
Errores aleatorios.
Errores sistemticos.
- Comparacin de mtodos.
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.
INTRASERIAL
EXPERIMENTOS DE
ERRORES ALEATORIOS REPLICACIN
INTERSERIAL
EVALUACIN METROLGICA
EXPERIMENTOS DE
CONSTANTES REPLICACIN
ERRORES SISTEMTICOS
EXPERIMENTOS DE
PROPORCIONALES REPLICACIN
Variacin
SD
metrolgica
CVa = * 100
X
Error aleatorio
Error sistemtico
Inexactitud y imprecisin Exactitud y imprecisin

Inexactitud y precisin Exactitud y precisin
Especificaciones de la calidad para la imprecisin analtica
Prestacin ptima CVa < CVBw
Prestacin deseable CVa < CVBw
Prestacin mnima CVa < CVBw

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)
Fuentes de variacin biolgica
Colesterol
Concentracin relativa
Urea
Fsforo
20 30 40 50 60 70
Edad en aos
Variacin de los niveles de Colesterol total

Distribucin por grupos socioculturales
Colesterol total (mg/dl)

185
175
165
155
145
135
CRISTIANOS MUSULMANES
125
1 1,5 2 3 4 5 6 7 8 9 10 11 12 13
EDAD (aos)
Ritmo biolgico circadiano
Cortisol nmol/L
600
GH
mU/L
GH
300
Cortisol
9:00 horas 24:00 Tiempo 9:00

Clculo de la variacin total (CVt)
Cuando se obtiene una sola muestra y esta es analizada una sola vez....
CVt = CVp2 + CVa2 + CVBw2
Variacin
Variacin Variacin
biolgica
preanaltica analtica
intraindividual
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 Variacin
analtica biolgica
intraindividual
Variabilidad biolgica aleatoria
Lmite de referencia superior

Lmite de referencia superior
CVBw = 4,3
CVBb = 18,3
Creatinemia (mg/dl)
Creatinemia (mg/dl)
Mediana Punto
de ajuste
homeost
homeosttico
tico
Lmite de referencia inferior

Lmite de referencia inferior
CVBw
ndice de individualidad (II) =
CVBb
II < 0,6
II > 0,6
CVBw > CVBb CVBw < CVBb
Escasa individualidad Fuerte individualidad
Diagnstico Seguimiento
Intervalos de referencia poblacionales Diferencia crtica

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]

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?
CT final - CT inicial
Variacin
porcentual = = - 11,8%
CT inicial
Ha cambiado significativamente la colesterolemia?

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.

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%

Probabilidad estadstica de cambio P(%) Z 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 (%)

Comparacin de mtodos
Diagnsticos cuantitativos
1. Mtodos analticos
2. Mtodos de regresin
3. Mtodos grficos
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.
Error (sesgo) constante
La diferencia entre
ambos mtodos se
Mtodo Y
mantiene constante a
lo largo del rango de
medidas
Mtodo X
Error (sesgo) proporcional
La diferencia entre
ambos mtodos se
Mtodo Y
lineal a lo largo de
todo el largo del rango
de medicin.
Mtodo X
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?
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.

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.

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).

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.
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.
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.
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

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.
Regresin lineal por mnimos cuadrados:

Variable Y DIGITAL
Variable X ANALGICO
Tamao de muestra 30
Coeficiente de determinacin R 2
0,9940
Ecuacin de regresin Y = 5,8672 + 0,9351 X
Parmetro Coeficiente Error estndar IC95% t p

0 5,8672 1,9830 1,8053-9,9291 2,9588 0,0062
0,9351 0,01369 0,9071-0,9632 66,295 < 0,0001
- 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
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.
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.

- 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:
2P
CCI =
2P + 2O + 2R

- 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.

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.

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
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
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.
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

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)

1 135 140 5
2 140 145 5
3 130 135 5
4 145 150 5
5 140 145 5
6 150 160 10
7 140 145 5
8 135 140 5
9 140 145 5
10 135 145 10
Media 139 145 6
DE 5,68 6,67 2,11
150
Pearson Rho Spearman
r = 0,954 r = 0,929
145
r2 = 0,910 p < 0,01
ENFERMERA A
p < 0,01
140
135
130
130 135 140 145 150 160
ENFERMERA B
160
Pearson
r = 0,954
150
r2 = 0,910
p < 0,01
145
ENFERMERA B
140
Rho Spearman
135 r = 0,929
p < 0,01
130
ENFERMERA A
130 135 140 145 150
160
Pearson Error
sistemtico
r = 0,954 constante
150
r2 = 0,910
p < 0,01
145
ENFERMERA B
140
Rho Spearman
r = 0,929
135 p < 0,01
130
ENFERMERA A
130 135 140 145 150 160
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.
Resultados

ENFERMERA A 139,0 10 5,678 1,795
ENFERMERA B 145,0 10 6,667 2,108

ENFERMERA A versus ENFERMERA B 10 0,954 0,000

diferencia
Enfermera B - 6,00 2,108 0,667 4,492 7,508
Enfermera A

La t de Student para datos apareados permite detectar el sesgo o error sistemtico CONSTANTE.
2P
CCI =
2P + 2O + 2R
Frmula simplificada del coeficiente de correlacin intraclase (CCI)

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

CCI =
( DEA )2 + ( DEB )2 + ( XB-A )2 - ( DEB-A )2/ n
Clculo del CCI del ejemplo anterior:

( 5,68 )2 + ( 6,67 )2 - ( 2,11 )2
CCI = = 0,64
( 5,68 )2 + ( 6,67 )2 + ( 6 )2 - ( 2,11 )2 / 10

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


> 0,90 Muy buena
0,71 - 0,90 Buena
< 0,30 Mala o nula
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.
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.
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

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)

1 75 80 5
2 74 84 10
3 76 81 5
4 79 83 4
5 82 92 10
6 83 88 5
7 85 90 5
8 87 92 5
9 87 92 5
10 88 93 5
Media 81,6 87,5 5,9
DE 5,3 5,04 2,18
95
90
MEDICO RESIDENTE Pearson

85 r = 0,912
r2 = 0,832
p < 0,01
80
Rho Spearman
r = 0,855
75 p = 0,002
75 80 85 90 95
RESIDENTE = 16,7 + 0,868 * JEFE JEFE DE SERVICIO

95
Error sistemtico
constante
90
MEDICO RESIDENTE
85
80
75
75 80 85 90 95
RESIDENTE = 16,7 + 0,868 * JEFE JEFE DE SERVICIO

2P
CCI =
2P + 2O + 2R
Frmula simplificada del coeficiente de correlacin intraclase (CCI)

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

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

CCI = = 0,69
( 5,3 )2 + ( 5,04 )2 + ( 5,9 )2 / 2 - ( 2,18 )2 / 2 x 10


> 0,90 Muy buena
0,71 - 0,90 Buena
< 0,30 Mala o nula
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.
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.
Medidas de tensin arterial sistlica en un

grupo de 30 pacientes mediante dos mtodos
de medicin (tradicional y automatizado)
Error sistemtico
proporcional
Mtodo digital
Mtodo analgico

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
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
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

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
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.
Representacin grfica de Deming
Error sistemtico
proporcional

Variable Y DIGITAL
Variable X ANALGICO
Tamao de muestra 30
Mtodo Media Coeficiente de variacin (CV%)

X 140,23 26,24
Y 137,00 25,19
Parmetro Coeficiente Error estndar IC95%

0 5,4741 1,7780 1,8377-9,1106
0,9379 0,01275 0,9124-0.9634
Representacin grfica de los residuales de Deming

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.

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.
Variable Y DIGITAL
Variable X ANALGICO
Tamao de muestra 30
Parmetro Coeficiente IC95%

0 5,9375 1,4912-9,5455
0,9375 0,9091-0,9649
Test de linealidad de p < 0,10 No existe desviacin significativa de la linealidad

suma acumulada
Se puede utilizar el mtodo de Passing-Bablock?
Sy 2
= [ 1 ]2
Sx 2
1190,69
= 0,8796 = [ 0,9375 ]2 = 0,8789
1353,56
S.
El objetivo de este estudio ha sido analizar la concordan-
cia 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

Variable Y AMILASA NUEVA

Variable X AMILASA CLSICA
Tamao de muestra 548
Parmetro Coeficiente IC95%

0 4,6190 4,000-5,200
0,8095 0,8000-0,8182
Test de linealidad de p < 0,01 Desviacin significativa de la linealidad

suma acumulada
Error sistemtico
proporcional
SD
CVa = * 100
CVa (nueva) = 152% X
CVa (clsica) = 148%
NO SE PUEDE UTILIZAR el mtodo de Regresin ortogonal de Deming

porque los CV > 100%.
Se puede utilizar el mtodo de Passing-Bablock?
Sy 2
= [ 1 ]2
Sx 2
14508
= 0,7060 [ 0,8095 ]2 = 0,6553
18695
No.
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).
0,935
= = 66,76 >> Z95% (1,96) p < 0,05
EE 0,014
Z99,5% (3,29) p < 0,005


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.
Podemos sustituir en instrumento clsico de gran tamao
por el sistema mini porttil para la medida del flujo respira-
torio mximo (FEM)?
Clsico grande Mini porttil
Statistician 1983; 32, 307-317.
GRANDE 1 Medida GRANDE 2 medida MINI 1 medida MINI 2 medida

1 494 490 512 525
2 395 397 430 415
3 516 512 520 508
4 434 401 428 444
5 476 470 500 500
6 557 611 600 625
7 413 415 364 460
8 442 431 380 390
9 650 638 658 642
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
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.
Generalmente los puntos de datos se agrupan cerca de la lnea y

es difcil evaluar las diferencias entre los mtodos comparados
800
r = 0,9433; p <0,0001
Sistema portatil Mini (l/min)
600
400
200
0
0 200 400 600 800
Sistema clsico grande Flujo respiratorio (l/min)

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.
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.
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).
Ensayo de repetibilidad en el Mini

La diferencia entre
ambos mtodos es
LINEAL a lo largo del
rango de medicin
Error sistemtico
proporcional

- 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.

La diferencia entre ambos

mtodos es LINEAL a lo
largo del rango de medicin
Error sistemtico
proporcional

- 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.
Evaluacin de mtodos diagnsticos cuantitativos

Recomendaciones de Zaydman

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
= [ 1 ]2
Sx 2

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.

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).

El objetivo de este estudio ha sido analizar la concordancia
entre dos dispositivos de medida del oxido ntrico (NO) ex-
halado, un Analizador de quimioluminiscencia estacionario
(NIOX Aerocrine) analizador ideal, y un analizador porttil
(NIOX-MINO), basado en anlisis electroqumico.
Equipo estacionario Equipo porttil

N-6008 SIR 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.
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 Mann-
Whitney. 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.
50
[NIOX-MINO] = 10 + 1,5 [N-6000 SIR]
FENO (ppb) con el equipo NIOX-MINO

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).
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).
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.
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?


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.

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.
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.
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).
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.
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.
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.
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.
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.
2007; 67(6): 572-7

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.
40
30
+ 2 DE
20
DIFERENCIA
10 Media
0
- 2 DE
-10
0 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.
- 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.
Anlisis estadstico mediante el ndice kappa de Cohen
NIOX-MINO NIOX TOTAL

Anormal (+) 9 1 10
Normal (-) 2 18 20
Total 11 19 30
Punto de corte de FENO: media de la fraccin exhalada de xido ntrico.

Kappa de Cohen + 0,780 0,120 4,286 0,000
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).
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).
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.
Captulo 12
Publicacin Bioestadstica: Anlisis multivariante.

Anova de 2 factores
Variable
Predictora 1
Causa o Factor 1: Cualitativa
Variable RESULTADO
Interaccin Desenlace o efecto:

Cuantitativa
Variable
Predictora 2
Causa o Factor 2: Cualitativa

Anova de 2 factores
Factor 1:
Variable predictora 1
F= 7,49 p<0,01
Grupo cultural
Variable RESULTADO
Cuantitativa
F= 1,09 p<0,01
Peso del RN
Factor 2:
Tabaquismo materno F= 0,59 N.S

Anlisis de la varianza (ANOVA) de dos factores

Variable dependiente cuantitativa: Peso del RN
Factor 1 cualitativa: Grupo cultural
Factor 2 cualitativa: Tabaquismo materno
Estudio de la variable resultado peso del RN. Efecto de las variables predictoras grupo cultural y hbito de
tabaquismo en las madres.
Factor Varianza F Significacin
Grupo cultural 3,2631 7,49 p < 0,01
Tabaquismo 2,5776 0,59 N.S
Interaccin (*) 4,7592 1,09 p < 0,01
(*) Test ANOVA de dos factores
Las diferencias en el peso de los RN se mantuvieron slo dependientes del grupo cultural
o de la interaccin de ambos factores, pero no del hbito de fumar. A ello pudo contribuir
el bajo nmero de madres musulmanas fumadoras.
Anova de 2 factores
Factor 1:
F= 3,67 p<0,01
Grupo cultural
Variable RESULTADO
Cuantitativa
F= 0,34 N.S
Desenlace o efecto:
VCM
Factor 2:
Tipo de lactancia F= 1,03 p<0,01

Anlisis de la varianza (ANOVA) de dos factores

Variable dependiente o resultado cuantitativa: VCM
Factor 1 cualitativa (variable predictora principal): Grupo cultural
Factor 2 cualitativa (variable predictora secundaria): Tipo de lactancia
Estudio de la variable resultado VCM en lactantes. Efecto de las variables predictoras grupo cultural y tipo
de lactancia.
Factor Varianza F Significacin
Grupo cultural 6,0017 3,673 p < 0,01
Lactancia 1,6904 1,034 p < 0,01
Interaccin (*) 0,5579 0,341 N.S
(*) Test ANOVA de dos factores
Las diferencias en el VCM (microcitosis) se mantuvieron dependientes tanto del grupo

cultural como del tipo de lactancia, pero no de la interaccin de ambas variables.
Anlisis multivariante
Anlisis multivariante para la deteccin de potenciales factores de
confusin
Variable Predictora 1
Variable Resultado
Variable Predictora n

REGRESIN LINEAL REGRESIN LOGSTICA

MLTIPLE MULTIVARIANTE
Variable Cuantitativa Cualitativa
RESULTADO (dicotmica)
Variables Cualitativa Cualitativa

PREDICTORAS Cuantitativa Cuantitativa
ECUACIN
Regresin logstica multivariante
Es un modelo de regresin que permite estudiar si una variable resultado

de tipo cualitativa nominal depende, o no, de otras variables predictoras. La
naturaleza de las variable predictoras puede ser:
- Categrica DICOTMICA, es decir, slo puede admitir dos posibles

resultados.
- CUANTITATIVA (discreta o continua).

Regresin logstica multivariante
Variable Resultado
Variable Predictora 5 Cualitativa dicotmica
Ejemplos de posibles modelos de regresin logstica
Variable RESULTADO Variables PREDICTORAS
Curacin (si/no) tratamiento aplicado

grado de cumplimiento
gnero
comorbilidad
HTA (si/no) ingesta de sal

antecedentes familiares
edad
Morir por cncer de mama grado del tumor

edad
tipo histolgico
receptores hormonales
RN de bajo peso HTA, edad, tabaquismo, peso materno,

raza, complicaciones obsttricas
Aplicacin de los modelos de regresin logstica
- En ENSAYOS CLNICOS en los que se evala un evento o resultado en

relacin a uno o ms factores etiolgicos, predictores o asociados (RR).
- En estudios de COHORTES en los que se evala un evento o resultado en

relacin a uno o ms factores de riesgo (etiolgicos, predictores o asociados)
(RR).
- En estudios de CASOS Y CONTROLES en los que se evalan diferentes

factores en cada grupo, para encontrar asociaciones entre ellos y la
enfermedad o caso (OR).
- En estudios TRANSVERSALES en los que se evalan diferentes variables

predictoras (factores de riesgo), para encontrar asociaciones entre ellas y la
enfermedad en estudio (variable resultado).
Objetivos de los modelos de regresin logstica
1. ESTIMAR la relacin entre una o 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.
Caractersticas de los modelos de regresin logstica

multivariante
- La variable RESULTADO es siempre cualitativa discreta

Si = 1
No = 0
- Las variables PREDICTORAS del modelo puede ser
Continuas
Discretas
- La ecuacin inicial del modelo NO es una funcin lineal, sino
EXPONENCIAL, si bien una sencilla transformacin logartmica (LOGIT) la
convierte finalmente en una funcin lineal, que sigue la ecuacin de la recta
cuyas pendientes son los distintos coeficientes de regresin i.
Anlisis de regresin logstica mltiple

Ventajas de los modelos de regresin logstica multivariante

(1)
1. Es un modelo til en muchas circunstancias de investigacin en medicina...

- En las que se quiere analizar o predecir una respuesta dicotmica de la
variable resultado
Enfermo / sano
Vive / muere
Presente / ausente
Positivo / negativo
- En funcin de su perfil de variables predictoras o factores de riesgo, que
pueden ser
cualitativas: gnero, sexo, grupo cultural, estado civil, nivel de estudios,
nivel socioeconmico,...
cuantitativas: edad, n de cigarrillos, IMC, colesterol, TAS,...

(2)
2. Es la mejor aproximacin a la realidad biolgica, ya que la influencia

de una variable predictora o factor de riesgo sobre la probabilidad de
que aparezca una enfermedad (variable resultado) suele asemejarse
ms a una curva sigmoidea (funcin exponencial) que a una recta.
La curva sigmoidal es la representacin habitual de una respuesta a
diferentes dosis de un estmulo.
Probabilidad de Y
enfermedad
coronaria
X1
Factor de riesgo: cLDL

(3)
3. El modelo matemtico del modelo permite obtener directamente la ODDS

RATIO (OR) o el RIESGO RELATIVO (RR) para cada factor de riesgo o
variable PREDICTORA incluida en el modelo. El coeficiente i de cada
variable predictora obtenido por regresin logstica es el logaritmo neperiano
de la OR o del RR del factor de riesgo.
OR OR1 = e 1
RR RR1 = e 1
Funciones de los modelos de regresin logstica

multivariante
1. CUANTIFICAR la relacin existente entre las distintas variables predictoras incluidas en

el modelo y la variable resultado (respuesta).
2. CONTROLAR Y AJUSTAR aquellas variables predictoras que actan como potenciales

FACTORES MODIFICADORES de EFECTO, especialmente los FACTORES de
CONFUSIN.
3. PREDECIR LA RESPUESTA de la variable resultado en funcin de las variables

predictoras o factores de riesgo, clasificando a los individuos en una de las dos posibles
respuestas en funcin de la probabilidad que arroje su perfil de variables predictoras
incluidas en el modelo de regresin logstica multivariante.
Variables explicativas o predictoras en el modelo de

regresin logstica
Variables CUALITATIVAS Variables CUANTITATIVAS
El modelo asume estimaciones basa- La OR y el RR son medidas que cuan-

das en variables continuas tifican el cambio en el riesgo cuando se
pasa de un valor del factor a otro
Las variables cualitativas deben ser Este aumento o disminucin del riesgo es
modeladas en 2 categoras (0,1) o lineal y proporcional al cambio
transformadas en tantas variables
dicotmicas como categoras (varia-
bles DUMMY)
Regresin logstica:
Estimacin de coeficientes i
0, 1, 2,.., n son los coeficientes de regresin logstica del modelo

- 0 es el trmino independiente (o constant en SPSS)
- El resto de las i son los coeficientes de regresin logstica para las
diferentes variables predictoras incluidas en le modelo
- La evidencia de relacin entre una variable predictora y la variable
resultado es la existencia de un coeficiente de regresin logstica
significativamente diferente a cero i 0
- El signo de i tiene un significado importante porque
- Si es positivo (i > 0) significa que esa variable predictora AUMENTA la
PROBABILIDAD del suceso (variable resultado o respuesta) que estamos
analizando.
- Si es negativo (i < 0) su clculo se lleva a cabo mediante la FUNCIN
DE MXIMA VEROSIMILITUD.
Regresin logstica:
Definicin de las hiptesis nula Ho y alternativa Ha
- La hiptesis conceptual es que una o varias variables predictoras influyen

significativamente en la probabilidad del suceso en estudio (que la variable
predictora tome un valor u otro)
- Las hiptesis operativas se reducen al contraste de los diferentes

coeficientes i obtenidos en el anlisis de los datos como estimadores de las
variables predictoras de inters
As, cuando slo hay una variable predictora X1
H0 1 = 0
Ha 1 0
- Hay varios procedimientos para llevar a cabo este contraste.

Regresin logstica:
Procedimientos para evaluar el contraste de hiptesis
1. Evaluacin estadstica del coeficiente i

2. Evaluacin estadstica de WALD
- El estadstico de WALD es el resultado de dividir el cuadrado del coeficiente
de regresin logstica i por el cuadrado de su error estndar EEi
3. Evaluacin estadstica de la razn de verosimilitud (L0)
4. Evaluacin estadstica del cambio del estadstico -2LL0
- Este estadstico resulta ser menor de dos veces el logaritmo neperiano de la
razn de verosimilitud (L0)
5. Evaluacin del estadstico Z2, (Goodness of Fit)
1. Evaluacin estadstica del coeficiente i
- El coeficiente de regresin logstica i de la variable predictora i debe

ser estadsticamente distinto de cero i 0 para que esta tenga influencia
significativa sobre la variable resultado.
- La hiptesis H0 ser que... i = 0
- La hiptesis Ha ser que... i 0
- Para tener en cuenta el error aleatorio (EEi) con que el coeficiente

i (obtenido en la regresin logstica) estima al coeficiente de regresin
poblacional n se lleva a cabo un contraste a travs del estadstico t
de Student con un nmero de grados de libertad igual al nmero de
individuos de la muestra (N) menos el nmero de variables predictoras (n)
introducidas en el modelo.
Interpretacin del coeficiente de regresin logstica i
- Si su signo es positivo (i > 0), la probabilidad de que se d o aparezca la

caracterstica de la variable predictora aumentar segn aumente el valor de
xn (la variable resultado a quien afecta).
- Si i 0 es significativamente distinta de cero (test de contraste de hiptesis

p < 0,05), la variable predictora i influye significativamente en la probabilidad
de que se d o aparezca la caracterstica de la variable resultado, y el modelo
logstico tiene sentido.
2. Evaluacin estadstica de Wald
El estadstico de Wald (W) es tambin muy utilizado para evaluar la

significacin estadstica del modelo de regresin logstica multivariante.
El estadstico W se obtiene dividiendo el cuadrado de i por el cuadrado del

error estndar de i
El estadstico de Wald se distribuye segn una CHI CUADRADO.
La hiptesis a contrastar son las mismas que en el caso anterior

La hiptesis H0 ser que... W = 0
La hiptesis Ha ser que... W 0
Evaluacin del modelo de Regresin logstica multivariante mediante el programa estadstico SPSS
ESTADSTICO HIPTESIS NULA CONTRASTE SIGNIFICACIN
i i = 0 t de Student p < 0,05
Wald i = 0 CHI CUADRADO p < 0,05
(i)2 / (EEi)2
- 2 Log Likelihood L=1 CHI CUADRADO Si rechaza la hiptesis
(-2LL) con n-k-1 grados de nula
(-2LL) = 0 libertad (p < 0,05) significa que el
ajuste perfecto modelo de regresin no
es significativo
Improvement (-2LLK-1) - (-2LLK ) CHI CUADRADO p < 0,05
o cambio en la razn con k grados de
de verosimilitud en libertad
cada paso
Z2 Z2 0 CHI CUADRADO Si se rechaza la
(Goodness of Fit) hiptesis nula
(p < 0,05) significa que el
modelo de regresin no
es significativo
Model Chi- Square (-2LL0) - (-2LLK ) CHI CUADRADO p < 0,05
con k grados de
libertad
Evaluacin del modelo de Regresin logstica multivariante

mediante el programa estadstico SPSS
ESTADSTICO HIPTESIS NULA CONSTANTE SIGNIFICACIN

i i = 0 t de Student p < 0,05
Wald W=0 CHI CUADRADO p < 0,05
[i]2
[EEi]2
Si se rechaza la hiptesis nula (Ho) (p< 0,05) significa que el modelo de regresin es
significativo.
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
Variable predictora 2 1 = Depsitos de hierro normales

0 = Dficit de hierro medular
FERRITINA
(srica)
Anlisis de regresin lineal mltiple
Posible variables predictoras asociadas a los depsitos de hierro en mdula sea

Variables predictoras 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) p < 0,05
EE Ferritina 0,05525
VCM -0,02223
= = 0,06 << Z95% (1,96) p > 0,05
EE VCM 0,03835
Mtodo de introduccin de las REGRESIN LINEAL REGRESIN LOGSTICA

variables MLTIPLE 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
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 Depsitos de Fe medular
P
log = 0 + X1 + 2X2
1-P
P
log = -2,1290 + 0,1713 FERRITINA
1-P

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 Depsitos de Fe medular
OR = e (X)
i
OR = e
0,1713 (Xa Xb)
Xa = Niveles de ferritina srica del paciente A

Xb = Niveles de ferritina srica del paciente B
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?
Variables predictoras i Paciente A Paciente B
Ferrritina srica (ng/ml) 0,1713 24 ng/ml 3 ng/ml
OR = e i (X a X b)
0,1713 (24 - 3)
OR = e = 36,6
El paciente A tiene una probabilidad de 37 veces de tener depsitos medulares de

hierro normal frente al paciente B.
- Qu relacin existe entre diversas posibles variables predictoras y la probabilidad de
muerte del recin nacido de bajo peso?
- Estudio de COHORTES realizado por Horbar et al (1993) con 3603 RN de peso entre
501-1500 g (2 aos de seguimiento).
Variable Predictora 1 Anlisis Multivariante

Variable Resultado
Variable Predictora 5 Probabilidad de morir
Estudio de cohortes prospectivo de Recin Nacidos
Variable RESULTADO-
Factores de Riesgo RESPUESTA-posible EFECTO
Variables predictoras Variable dependiente
Variable cualitativa dicotmica
Muertos por otras

causas Fallecimientos
3603 RN de peso
comprendido
entre 501 y 1500 g
Sobrevivientes
Prdidas de
seguimiento
Seguimiento mediana 2 aos
Estudio de cohortes prospectivo de Recin Nacidos

Objetivo: Evaluar el riesgo de muerte en RN de bajo peso (entre 501 1500 g)
Variable resultado: Fallecimiento del RN (dicotmica)
Variable predictora [1]: peso en gramos del RN

Variable predictora [2]: Tamao segn edad gestacional
Variable predictora [3]: Raza
Variable predictora [4]: Sexo
Variable predictora [5]: tipo de parto (vaginal/cesrea)
Variable predictora [6]: presentacin del parto
Variable predictora [7]: ndice del Apgar al minuto
Variable predictora [8]: Presencia o no de complicaciones maternas (diabetes melitus,
eclampsia, hipertensin o hemorragia) antes del parto
1. Peso del RN
2. Tamao segn edad gestacional (BPSEG)
3. Raza
4. Sexo
Riesgo de muerte
5. APGAR al 1 minuto
6. Presentacin del parto
7. Tipo de parto
8. Complicaciones maternas de parto
Variables predictoras significativas en la regresin logstica

multivariante
1. Peso del RN
2. Tamao segn edad gestacional (BPSEG)
3. Raza Riesgo de muerte
4. Sexo
Anlisis de regresin logstica mltiple

Estimacin del modelo para predecir la mortalidad en recin nacidos con
pesos entre 501 y 1500 gramos
Variables predictoras 2,606
Constante t de Student 0,029
Peso (en gr/100) - 0,422 0,157
BPSEG - 0,491 0,145
Raza - 0,450 p < 0,05
Sexo 0,656 0,131
Apgar 0,971 0,131
Tipos de variables del estudio Horbar et al.

Variable resultado (cualitativa dicotmica):
- Muerte = 1
- Sobrevivi = 0
1. Variable predictora 1: Peso del RN (gramos/100)
2. Variable predictora 2: Bajo peso segn la edad gestacional (BPSEG).
- Peso inferior al P10 para su edad gestacional = 1
- Peso igual o superior al P10 para su edad gestacional = 0
3. Variable predictora 3: RAZA
- Raza negra = 1
- Raza blanca = 0
4. Variable predictora 4: SEXO
- Hombre = 1
- Mujer = 0
5. Variable predictora 5: Indice de APGAR
- Apgar =< 3 = 1
- Apgar > 3 = 0
Qu diferencia promedio de riesgo de morir existe entre

un RN A con 850 gramos y otro B con 1250 gramos
iguales para el resto de las variables predictoras ensayadas?
Variables i RN A RN B
predictoras
Peso en - 0,422 850 g [8,5] 1250 g [12,5]
gramos/100
RR
RR = e i (X a X b) Un RN A de 850 g de peso al nacer

presenta 5.4 veces ms riesgo de
morir que otro RN B de 1250 g a
(850/100 1250/100) igualdad del resto de las variables
RR = e
-0,422
= 5.4 predictoras (Xi) incluidas en el
modelo.

un RN A con SFA (Apgar < 3) con respecto a otro RN B sin
SFA (Apgar > 3) con igualdad para el resto de las variables
predictoras?
Variables i RN A SFA (+) RN B SFA (-)
predictoras
APGAR (>3/<=3) 0,971 APGAR < 3 [1] APGAR > 3 [0]
[1/0]
RR
e i (X a X b) Los RN con SFA presenta 2,62

RR = veces ms riesgo de morir que los
RN sin SFA a igualdad del resto
0,971 (1 0) de las variables predictoras (Xi)
RR = e = 2,62 incluidas en el modelo.

un RN A nio con respecto a otro RN B nia con igualdad
para el resto de las variables predictoras incluidas en el
modelo?
Variables i RN A nio RN B nia
predictoras
SEXO (hombre/ 0,656 hombre [1] mujer [0]
mujer) [1/0]
RR
e (X X )
i a b
Los RN varones presentan 1,93
RR = veces ms riesgo de morir (un 93%)
que los RN mujeres a igualdad del
0,656 (1 0)
RR = e
resto de las variables predictoras
= 1,93 (Xi) incluidas en el modelo.

un RN N de raza negra con respecto a otro RN B de raza
blanca con igualdad para el resto de las variables predictoras?
Variables i RN N RN B
predictoras
Raza (>1/<=1) - 0,450 Negra [1] Blanco [0]
[1/0]
RR
Los RN de raza blanca estn a Los RN de raza negra presenta 0.64

RR = e i (X n X b)
1/0.64 = 1.56 veces (un 56%) ms
riesgo de morir que los RN de raza
veces ms riesgo de morir que los
RN de raza blanca a igualdad del
negra a igualdad del resto de las resto de las variables predictoras
(1 0)
RR = e -0,450 = 0.64
variables predictoras. incluidas en el modelo.

dos RN A y B con las siguientes caractersticas?
Variables predictoras i RN A RN B
Peso en gramos/100 - 0,422 1150 g [11,5] 1400 g [14,0]

Bajo peso para su edad - 0,491 BPPSEG [1] [0]
gestacional BPSEG [1/ 0]
Raza (>1/<=1) [1/0] - 0,450 Negra [1] Blanco [0]
Sexo (mujer/hombre) [1/ 0] 0,650 Nia [0] Nio [1]
Apgar (<=3/ >3) [1/ 0] 0,971 Apgar <=3 [1] Apgar >3 [0]
El RN A (nia negra) presenta un

RR 54% de riesgo de morir que el RN B
(nio blanco) segn el valor de las
variables predictoras incluidas en el
modelo.
Clculo de la probabilidad (P) de muerte individual
Variables predictoras RN A RN C
Peso en gramos/100 1150 g [11,5] 750 g [7,5]

Bajo peso para su edad BPPSEG [1] [0]
gestacional BPSEG [1/ 0]
Raza (>1/<=1) [1/0] Negra [1] Blanco [0]
Sexo (mujer/hombre) [1/ 0] Nia [0] Nio [1]
Apgar (<=3/ >3) [1/ 0] Apgar <=3 [1] Apgar >4 [1]
RN A
RN C
Estudio de Marshall et al. (NEOCOSUR)
- Objetivo: Desarrollar una ecuacin que permita predecir el riesgo de

mortalidad neonatal en RN de muy bajo peso de nacimiento basado en
variables predictoras conocidas en el momento del nacimiento, antes del
ingreso a la unidad de cuidado intensivo neonatal.
- Mtodos: Fueron incluidos en este estudio 1801 RN con peso al

nacimiento de 500 a 1500 gramos.
- Variables Predictoras: edad materna, peso de nacimiento, edad

gestacional, Apgar al 1 minuto, malformaciones congnitas mayores, sexo,
gestacin mltiple, uso de esteroides prenatales y peso pequeo para su
edad gestacional (BPSEG) (definida como ms bajo que Percentil 10 de
peso para edad gestacional).
Marshall G, Tapia JL, DApremont I, Grandi C. Un nuevo score para predecir el riesgo de mortalidad
neonatal del muy bajo peso de nacimiento en la red sudamericana NEOCOSUR. Journal of Perinatology
2005; 25:577582.
Estudio de Marshall et al (NEOCOSUR)

Objetivo: Predecir el riesgo de mortalidad neonatal en RN de muy bajo peso de nacimiento
(entre 500 1500 g)
Variable resultado: Fallecimiento del RN (dicotmica)

Variable predictora [1]: Edad materna
Variable predictora [2]: Peso de nacimiento
Variable predictora [3]: Edad gestacional
Variable predictora [4]: ndice del Apgar al minuto
Variable predictora [5]: Malformaciones congnitas mayores
Variable predictora [6]: Sexo
Variable predictora [7]: Gestacin mltiple
Variable predictora [8]: Uso de esteroides prenatales
Variable predictora [9]: Peso pequeo para su edad gestacional (definida como ms bajo
que Percentil 10 de peso para edad gestacional) (BPSEG)
5. Malformaciones
1. Edad de la madre congnitas
2. Peso Riesgo de 6. Sexo

muerte
7. Gestacin
3. Edad gestacional
8. Uso de esteroides
prenatales
9. BPSEG
Variables predictoras significativas en la regresin logstica

multivariante
Malformaciones
congnitas
Peso del RN Riesgo de Sexo

muerte
Edad gestacional
Uso de esteroides
prenatales
APGAR al 1 minuto
Estudio de Marshalll et al (NEOCOSUR)
APGAR Malformaciones
al 1 minuto congnitas
Fallecimientos
1801 RN de peso
Variable RESULTADO
comprendido entre Variable cualitativa dicotmica
500 y 1500 g
Sobrevivientes
Peso Edad Sexo Esteroides

del RN gestacional prenatales
Marshall G, Tapia JL, DApremont I, Grandi C. Un nuevo score para predecir el riesgo de mortalidad
neonatal del muy bajo peso de nacimiento en la red sudamericana NEOCOSUR. Journal of Perinatology
2005; 25:577582.
Anlisis de Regresin Logstica Mltiple: Estimacin del modelo para predecir la mortalidad en recin
nacidos con pesos entre 500 y 1500 gramos
Variables predictoras Estimacin Error estndar Cociente OR IC95%
Coeficiente EE / EE
Peso del RN - 0,331 0,04 8,27 0,72 0,64 0,79
Edad gestacional - 0,132 0,04 3,3 0,88 0,80 0,95
Apgar al minuto 0,265 0,03 8,83 0,77 0,71 0,82
Malformaciones 3,419 0,64 5,32 30,55 8,74 106,77
congnitas
(Si =1; No = 0)
Uso de esteroides - 0,302 0,08 3,77 0,74 0,58 0,89
prenatales
(Si =1; No = 0)
Sexo (mujer =1; - 0,474 0,16 2,96 0,62 0,30 0,93

hombre = 0)
Se ha utilizado el modelo de regresin logstica mltiple con un procedimiento paso a paso,descartndose

3 variables e incluyendo 6 variables predictoras que fueron estadsticamente significativos.
Interpretacin del modelo del estudio NEOCOSUR

La Tabla muestra los coeficientes del modelo de regresin logstica mltiple ,el error
estndar EE y los odds ratios (OR) asociados. Estos coeficientes para las 6 variables
predictoras seleccionadas en el modelo logstico permite evaluar el score NEOCOSUR
y puede ser usado para calcular el riesgo de mortalidad del RN con muy bajo peso al
nacimiento.
- Un aumento de 100 g en el peso de nacimiento redujo el riesgo de mortalidad

intrahospitalaria en 28% (OR = 0,72).
- La adicin de 1 punto en el score de Apgar al 1-minuto redujo el riesgo en 23% (OR =
0,77).
- Una semana adicional de edad de gestacin redujo el riesgo en 12% (OR= 0,88).
- La presencia de malformacin congnita tuvo el mayor efecto de entre todas las variables
predictoras (factores de riesgo)(OR=30,55) aumentando notablemente el riesgo de
mortalidad neonatal.
RRR = [ 1 RR ] * 100
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?

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
2 = 5,005 p = 0,082 NO existe asociacin

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

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 TOTAL

Edad de la madre Hbito tabquico materno

durante el embarazo
HTA durante el embarazo Bajo peso

del RN Trabajo prematuro de parto
N de visitas al gineclogo
Raza materna
durante el primer trimestre
Peso de la madre Irritabilidad uterina

Variables predictoras significativas en el anlisis

multivariante
Hbito tabquico materno
durante el embarazo
Bajo peso
del RN
Raza materna
Peso de la madre
P
Log = 0 + 1X1 + 2X2 + 3X3
1-P
Hosmer and Lemeshow (2000) Applied Logistic Regression: Second Edition. Baystate Medical Center,
Springfield, Massachusetts .
Modelo de regresin logstico para el BAJO PESO AL NACER

Variables predictoras Estimacin Error estndar EE /EE p
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) 1,290 0,511 2,525 0,012
(NEGRA=1, blanca =0,
hispana=0)
Raza hispana (2 dummy) 0,970 0,412 2,354 0,019
(HISPANA=1, blanca =0,
negra=0)
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.


ECUACIN Y = 0 + 1X1 + ... + nXn

Regresin lineal mltiple
Se utiliza la regresin lineal mltiple cuando estudiamos la posible relacin

entre varias variables predictoras Xi (independientes o explicativas) y una
variable resultado (respuesta, dependiente, explicada ) que es siempre de tipo
numrico (cuantitativa).
Y = 0 + 1X1 + ... + nXn

Y = 0 + 1X1 + ... + nXn

Variable Resultado
Variable Predictora 5 Cuantitativa
Utilidades de la regresin lineal mltiple
- Prediccin de respuestas (variable resultado) a partir de un conjunto de

variables explicativas (predictoras).
- Identificacin de variables predictoras y construccin del modelo de

regresin lineal mltiple.
- Deteccin de interacciones entre las distintas variables predictoras que

afectan a la variable resultado.
- Identificacin (y ajuste) de variables predictoras que actan como

FACTORES de CONFUSIN.
Requisitos para el uso de la regresin lineal mltiple
1. Linealidad.
La variable RESULTADO depende linealmente de las variables
PREDICTORAS.
Si encontramos respuestas no-lineales, esas variables predictoras se pueden
transformar en lineales.
2. Normalidad de las variables cuantitativas.

Modelo de la regresin lineal mltiple
Y = 0 + 1X1 + ... + nXn
- Y es la variable resultado o dependiente (debe ser siempre numrica).
- Los trminos Xi son las variables predictoras o independientes o explicativas,

las cuales pueden ser
- Cuantitativas (discretas o continuas).
- Cualitativas 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.
Existe relacin entre la intensidad del estudio y el rendimiento
acadmico en el examen del curso de Bioestadstica?

Horas de estudio Rendimiento acadmico

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 R 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 F p
Regresin 222,234 1 222.234 5,250 0,051
Residual 338,666 8 42,333
Total 560,900 9
Coeficientes
Variables Coeficiente t p
Constante 9,662 2,496 3,871 0,005
Horas de estudio 0,167 0,073 2,291 0,051
Variable predictora 1: Cuantitativa
Horas de estudio
Variable resultado:
Cuantitativa
Interaccin Rendimiento acadmico
Coeficiente intelectual
Existe relacin entre el nmero de horas de estudio, el coefi-
ciente 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)
1 5 104 6
2 9 125 16
3 17 115 18
4 1 100 1
5 2 100 3
6 21 140 21
7 3 112 7
8 29 130 20
9 7 125 15
10 100 122 22

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

Regresin 0,948 0,899 0,870 2,842
ANOVA
Regresin 504,363 2 252,182 31,224 0,000
Residual 56,537 7 8,077
Total 560,900 9
Coeficientes
Constante - 41,153 8,667 - 4,748 0,002
Horas de estudio 0,096 0,034 2,836 0,001
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?

Variables Estadstico N Significacin
Horas de estudio 0,881 10 0,420
Coeficiente intelectual 0,648 10 0,795
Rendimiento acadmico 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.
Distribucin paramtrica del coeficiente intelectual en la poblacin

CI Score Distribucin
Porcentaje
de poblacin
CI Score Distribucin


Para la aplicacin del modelo de la regresin lineal mltiple es
necesario que NO exista COLINEALIDAD entre las variables
predictoras.

Horas de estudio Coeficiente intelectual
Existe COLINEALIDAD?
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.
Diagnstico de colinealidad (1):
- FACTOR DE INFLACIN DE LA VARIANZA (FIV)

FIV > 10: Colinealidad (*)
1
FIV =
1 - R 2j
- TOLERANCIA (T)
T < 0,1: Colinealidad (*)
1
T= = 1 - R 2j
FIV
(*) Regla emprica de Kleinbaum

Diagnstico de colinealidad (1):

Regresin 0,948 0,899 0,870 2,842
Variable resultado: Nmero de respuestas correctas
1
FIV = FIV (estudio-CI) = 9,90
1 - R 2j
1
T= = 1 - R 2j T (estudio-CI) = 0,101
FIV
NO hay colinealidad
Diagnstico de colinealidad (2) SPSP

Ruta con SPSS: Opcin: Anlisis, Regresin lineal, Estadsticos
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 Proporciones de la varianza

condicin Constante Horas de CI
Estudio
1 1 2,456 1,000 0,00 0,06 0,00
2 0,536 2,136 0,00 0,84 0,00
3 0,005 21,608 1,00 0,10 1,00
Variable resultado: Nmero de respuestas correctas

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 Proporciones de la varianza

condicin Constante Horas de CI
Estudio
1 1 2,456 1,000 0,00 0,06 0,00
2 0,536 2,136 0,00 0,84 0,00
3 0,005 21,608 1,00 0,10 1,00
Variable resultado: Nmero de respuestas correctas NO hay colinealidad

Existe relacin entre el nmero de horas de estudio, el coefi-
ciente intelectual del alumno, asistencia a clases (horas) y el ren-
dimiento acadmico en el examen del curso de Bioestadstica?
N del Alumno Horas de estudio (X1) CI del alumno Horas de Asistencia N respuestas
(X 2) a clase (X3) correctas (Y)
1 5 104 23 6
2 9 125 92 16
3 17 115 78 18
4 1 100 15 1
5 2 100 20 3
6 21 140 100 21
7 3 112 35 7
8 29 130 95 20
9 7 125 75 15
10 100 122 100 22
Horas de estudio
Variable resultado:
Cuantitativa
Rendimiento acadmico
Coeficiente intelectual
Horas de asistencia a clases

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

Regresin 0,984 0,969 0,954 1,696
ANOVA
Regresin 543,632 3 181,211 62,963 0,000
Residual 17,268 6 8,077
Total 560,900 9
Coeficientes
Constante - 2,593 11,651 0.0223 0,831
Horas de estudio 0,028 0,104 1,007 0,353
Asistencia a clase (horas) 0,196 0,053 3,694 0,010
Variables Estadsticos de colinealidad

Tolerancia (T) FIV
Horas de estudio 0,477 2,098
Coeficiente intelectual 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 (*)
Autovalor ndice de condicin Proporciones de la varianza

Constante Horas de Coeficiente ASISTENCIA
ESTUDIO intelectual 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.
Grasas TOTALES
Colesterol diettico
cidos grasos saturados
cidos grasos insaturados

Colesterol-LDL
EDAD
EJERCICIO FSICO
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 t Significacin Estadsticos de

estandarizados colinealidad
Modelo EE Tolerancia FIV
Constante 258,484 130,837 1,976 0,70
Grasa TOTAL - 5,714 4,776 -1,196 0,253 0,20 49,978
Colesterol dieta 0,067 0,036 1,851 0,087 0,038 26,530
Edad 0,443 2,867 0,155 0,879 0,098 10,225
Ejercicio - 3,115 45,953 - 0,068 0,947 0,143 7,005
cidos grasos 0,0722 0,075 0,966 0,351 0,066 15,242
saturados
cidos grasos - 0,0746 1,150 - 0,065 0,949 0,130 7,683
Insaturados
Variable resultado colesterol-LDL
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 Proporciones de la varianza

condicin Constante Edad Grasas Ejercicio Colesterol cidos cidos
totales diettico grasos grasos
insaturados 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
Autovalor ndice de Proporciones de la varianza

condicin Constante Edad Grasas Ejercicio Colesterol cidos cidos
totales diettico grasos grasos
insaturados 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
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.
Edad de la madre Hbito tabquico materno

durante el embarazo
HTA durante el embarazo Peso

del RN Trabajo prematuro de parto
N de visitas al gineclogo
Raza materna
durante el embarazo
Peso de la madre ITU durante la gestacin

Interpretacin prctica de los resultados de la regresin lineal

mltiple
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 2975,284 315,998 9,416 ,000 2351,748 3598,820
Edad de la madre -1,919 9,544 -,014 -,201 ,841 -20,752 16,914
Hbito tabquico materno -338,413 106,977 -,227 -3,163 ,002 -549,503 -127,322
Hipertensin durante el
-573,555 200,591 -,192 -2,859 ,005 -969,369 -177,742
embarazo
Infeccion urinaria en la
-488,353 136,959 -,239 -3,566 ,000 -758,604 -218,102
gestacin
Raza materna (blanca vs
-380,931 104,245 -,262 -3,654 ,000 -586,630 -175,232
otras)
Peso de la madre en Kg 8,055 3,570 ,155 2,256 ,025 1,010 15,100
N de visitas en el
-11,248 99,741 -,008 -,113 ,910 -208,059 185,563
embarazo categorizada
Trabajo prematuro de
-203,230 136,333 -,102 -1,491 ,138 -472,247 65,787
parto
a. Dependent Variable: Peso del RN
ANOVAb
Sum of
Model Squares df Mean Square F Sig.
1 Regression 24747080 8 3093384,997 7,407 ,000a
Residual 75169973 180 417610,959
Total 99917053 188
a. Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el
embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de
Modelo de regresin logstico para el BAJO PESO AL NACER

Variables predictoras Estimacin Error /EE p
estndar EE t
Constante 2975,28 315,998 9,416 0,000
Edad de la madre -1,919 9,544 -0,201 0,841
Hbito tabquico materno -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
Peso de la madre en Kg 8,055 3,570 2,256 0,025
N visitas al gineclogo categorizada -11,248 99,741 -0,113 0,910
Trabajo prematuro de parto -203,230 136,333 -1,491 0,138
t = - 3,163
p = 0,002
Hbito tabquico materno

t = - 2,859 durante el embarazo
p = 0,005
HTA durante el embarazo Peso

del RN
t = - 3,654
p = 0,000
Raza materna
t = - 3,566
t = 2,256
p = 0,000
p = 0,025
Peso de la madre ITU durante la gestacin

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
Sum of Significacin estadstica

Model Squares df Mean Square F Sig.
1 Regression 24747080 8 3093384,997 7,407 ,000a
del modelo de regresin
Residual 75169973 180 417610,959
Total 99917053 188
a. Predictors: (Constant), Trabajo prematuro de parto, Hipertensin durante el
embarazo, Raza materna (blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso de la madre en Kg, Edad de
la madre, Hbito tabquico materno
b. Dependent Variable: Peso del RN

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.
i EEi IC95%i
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) 2975,284 315,998 9,416 ,000 2351,748 3598,820
Edad de la madre -1,919 9,544 -,014 -,201 ,841 -20,752 16,914
Hbito tabquico materno -338,413 106,977 -,227 -3,163 ,002 -549,503 -127,322
-573,555 200,591 -,192 -2,859 ,005 -969,369 -177,742
embarazo
-488,353 136,959 -,239 -3,566 ,000 -758,604 -218,102
gestacin
-380,931 104,245 -,262 -3,654 ,000 -586,630 -175,232
otras)
Peso de la madre en Kg 8,055 3,570 ,155 2,256 ,025 1,010 15,100
N de visitas en el
-11,248 99,741 -,008 -,113 ,910 -208,059 185,563
Trabajo prematuro de
-203,230 136,333 -,102 -1,491 ,138 -472,247 65,787
parto

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 Summary

R2 corregida (ajustada)
Adjusted Std. Error of
Model R R Square R Square the Estimate
1 ,498a ,248 ,214 646,228
a. Predictors: (Constant), Trabajo prematuro de parto,
Hipertensin durante el embarazo, Raza materna
(blanca vs otras), N de visitas en el embarazo
categorizada, Infeccion urinaria en la gestacin, Peso
de la madre en Kg, Edad de la madre, Hbito
tabquico materno

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
N de visitas
Trabajo Hipertensin Raza materna en el Infeccion Hbito
prematuro durante el (blanca vs embarazo urinaria en la Peso de la Edad de tabquico
Model de parto embarazo otras) categorizada gestacin madre en Kg la madre materno
1 Correlations Trabajo prematuro de
1,000 -,050 -,126 ,074 -,174 ,113 -,150 -,218
parto
-,050 1,000 -,053 -,065 ,092 -,240 ,043 -,025
embarazo
-,126 -,053 1,000 -,164 -,014 ,045 ,192 ,370
otras)
N de visitas en el
,074 -,065 -,164 1,000 -,042 ,028 ,165 -,199
-,174 ,092 -,014 -,042 1,000 ,091 ,061 -,020
gestacin
Peso de la madre en Kg ,113 -,240 ,045 ,028 ,091 1,000 -,170 ,023
Edad de la madre -,150 ,043 ,192 ,165 ,061 -,170 1,000 ,094
Hbito tabquico materno -,218 -,025 ,370 -,199 -,020 ,023 ,094 1,000
Covariances Trabajo prematuro de
18586,737 -1365,589 -1791,262 1009,836 -3254,760 55,082 -195,718 -3181,035
parto
-1365,589 40236,901 -1118,575 -1306,095 2519,927 -171,932 81,982 -525,956
embarazo
-1791,262 -1118,575 10866,947 -1707,605 -200,116 16,866 190,755 4124,674
otras)
N de visitas en el
1009,836 -1306,095 -1707,605 9948,197 -574,052 9,929 156,628 -2124,941
-3254,760 2519,927 -200,116 -574,052 18757,679 44,682 80,006 -292,270
gestacin
Peso de la madre en Kg 55,082 -171,932 16,866 9,929 44,682 12,745 -5,795 8,723
Edad de la madre -195,718 81,982 190,755 156,628 80,006 -5,795 91,092 95,883
Hbito tabquico materno -3181,035 -525,956 4124,674 -2124,941 -292,270 8,723 95,883 11444,113
En la regresin lineal mltiple realizado se han incluido inicialmente 8 posibles

variables predictoras de la variable resultado (peso del RN). De ellas 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?
Estudio transversal en pacientes con diabetes mellitus

Objetivo: Evaluar la influencia de determinadas variables en el control metablico de
la diabetes mellitus tipo 2.
Variable resultado: Niveles de hemoglobina glicosilada

Variable predictora [1]: Tipo de tratamiento
Variable predictora [2]: Sexo del paciente
Variable predictora [3]: Aos desde el diagnstico de la enfermedad
Variable predictora [4]: Nmero de enfermedades relacionadas con la diabetes
Variable predictora [5]: Acceso al dietista
Variable predictora [6]: Mdico interesado por la diabetes (actitud y conocimiento)
Variable predictora [7]: Nivel socioeconmico
Variable predictora [8]: Estilos de vida (tabaco, alcohol)
Variable predictora [9]: Edad del mdico
Variable predictora [10]: Sexo del mdico
Y = 0 + 1X1 + ... + nXn

Anlisis bivariante:
Existe relacin entre el tipo de tratamiento y los niveles de
hemoglobina glicosilada?

Cualitativa policotmica Cuantitativa continua
Tipo de tratamiento %HbA1c
- Dieta
- Insulina
- ADO
Anlisis de la Varianza para un factor (ANOVA) p < 0,05

Anlisis bivariante:
Existe relacin entre el sexo del paciente y los niveles de

Sexo del paciente %HbA1c
T de Student para muestras independientes p < 0,05

Anlisis bivariante:
Existe relacin entre los aos desde el diagnstico de la enfermedad
y los niveles de HbA1c?

Aos desde el diagnstico %HbA1c
de la enfermedad
Coeficiente de correlacin de Pearson p < 0,05

Anlisis bivariante:
Existe relacin entre los aos desde el diagnstico de la enfermedad
y los niveles de HbA1c?

Aos desde el diagnstico %HbA1c
de la enfermedad
> 7 aos
< 7 aos

Anlisis bivariante:
Existe relacin entre el nmero de enfermedades relacionadas con
la diabetes y los niveles de HbA1c?

Nmero de enfermedades %HbA1c
relacionadas con la DM
Coeficiente de correlacin de Spearman p < 0,05

Anlisis bivariante:
Existe relacin entre el nmero de enfermedades relacionadas con
la diabetes y los niveles de HbA1c?

Nmero de enfermedades %HbA1c
relacionadas con la DM
- Ms de una
- Una o menos de una

Anlisis bivariante:
Existe relacin entre el acceso al dietista y los niveles de

Acceso al DIETISTA %HbA1c

Anlisis bivariante:
Existe relacin entre la actitud y conocimiento del mdico por la
DM y los niveles de HbA1c?

Mdico interesado %HbA1c
por la DM
- Si
- No

Anlisis bivariante:
Existe relacin entre el nivel socioeconmico del paciente y
los niveles de HbA1c?

Cualitativa policotmica Cuantitativa continua
Nivel socioeconmico %HbA1c
Anlisis de la Varianza para un factor (ANOVA) p > 0,1

Anlisis bivariante:
Existe relacin entre el estilo del vida del paciente y los niveles de

Estilos de vida %HbA1c
- Adecuados
- Inadecuados
(tabaco, alcohol, etc)
T de Student para muestras independientes p > 0,1

Anlisis bivariante:
Existe relacin entre el sexo del mdico y los niveles de

Sexo del Mdico %HbA1c
T de Student para muestras independientes p > 0,1

Anlisis bivariante:
Existe relacin entre el tipo de tratamiento y los niveles de

Edad del Mdico %HbA1c
Coeficiente de correlacin de Pearson p > 0,1

Acceso al
Tipo de tratamiento
Dietista hospitalario
Sexo del paciente %HbA1c Actitud y conocimiento de

la DM por parte del mdico
Aos desde el diagnstico
de la enfermedad Sexo
del mdico
N de enfermedades
relacionadas Edad del mdico
con la DM
Estilos de vida
Nivel socioeconmico
1. Dummy
Tipo de tratamiento 6. Acceso al
Dietista hospitalario
2. Dummy
Tipo de tratamiento
%HbA1c 7. Actitud y conocimiento de
la DM por parte del mdico
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


1.- Tipo de tratamiento
Insulina Variables predictoras (X)
Antidiabticos orales (ADO)
Dieta
2.- Sexo del paciente (mujer [1]; hombre [0]) Variable resultado (Y):
HbA1c(%)
3.- Aos desde el diagnstico de la enfermedad
> 7 aos: [1]
< 7 aos: [0]
4.- Nmero de enfermedades relacionadas con la diabetes
- Ms de una: [1]
- Una o menos de una: [0]
5.- Acceso al dietista (si [1]; no [0])
6- Mdico interesado por la diabetes (si [1]; no [0])
Y = 0 + 1X1 + ... + nXn
Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 + 5X5 + 6X6


Y = 0 + 1X1 + ... + nXn Variables predictoras (X)
Variable resultado (Y):
HbA1c(%) Variables asociadas al nivel de hemoglobina glicosilada
Variables predictoras Estimacin Error estndar
Variables PREDICTORAS EE
que estaban relacionadas Constante 10,51 0,59
estadsticamente con la
1 dummy Antidiabticos orales / 0,29 0,37
variable resultado HbA1c insulina
en el anlisis univariante
2 dummy Dieta / insulina -0,97 0,46
N enfermedades relacionadas con la 0,20 0,08
diabetes (> 1 / 1)
Coeficiente de regresin Sexo (mujer/hombre) 0,72 0,28
estandarizado
(t calculada) Aos desde el diagnstico (> 7 / 7) 0,04 0,02
Acceso al dietista hospitalario (si/no) -1,06 0,43
Mdico interesado en la diabetes (si/no) - 0,86 0,38
sexo 0,72
= = 2,57 > Z95% (1,96) p < 0,05
0,28
EE sexo
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?


Variable resultado (Y): Y = 0 + 1X1 + ... + nXn Variables predictoras (X)
HbA1c(%)
Variables asociadas al nivel de hemoglobina glicosilada
Cul de las distintas va- Variables predictoras Estimacin Error estndar
riables predictoras inclui- EE
das en el modelo parece Constante 10,51 0,59
afectar ms a la variable 1 dummy Antidiabticos orales / 0,29 0,37
resultado (HbA1c)? insulina
2 dummy Dieta / insulina -0,97 0,46
N enfermedades relacionadas con la 0,20 0,08
diabetes (> 1 / 1)
Sexo (mujer/hombre) 0,72 0,28
Aos desde el diagnstico (> 7 / 7) 0,04 0,02
Acceso al dietista hospitalario (si/no) -1,06 0,43
Mdico interesado en la diabetes (si/no) - 0,86 0,38

Variable resultado (Y): Y = 0 + 1X1 + ... + nXn Variables predictoras (X)
HbA1c(%)
Variables asociadas al nivel de hemoglobina glicosilada
Variables predictoras Estimacin Error estndar Cociente / Significacin
EE EE p
1 dummy Antidiabticos orales / insulina 0,29 0,37 0,78 p > 0,1
2 dummy Dieta / insulina -0,97 0,46 2,11 p < 0,05

N enfermedades relacionadas con la 0,20 0,08 2,5 p < 0,05
diabetes (> 1 / 1)
Sexo (mujer/hombre) 0,72 0,28 2,57 p < 0,01
Aos desde el diagnstico (> 7 / 7) 0,04 0,02 2,00 p < 0,05
Acceso al dietista hospitalario (si/no) -1,06 0,43 2,47 p < 0,02
Mdico interesado en la diabetes (si/no) - 0,86 0,38 2,26 p < 0,05
Qu diferencia promedio de HBA1c existe entre un

paciente A mujer (sexo=1) y un paciente B hombre
(sexo=0) y a igualdad del resto de las variables predictoras
incluidas en el modelo?
Variables i Paciente A Paciente B
predictoras
Sexo (mujer=1, +0,72 mujer [1] hombre [0]
hombre =0)
Y = 0 + 1X1 + ... + nXn
Las mujeres presentan 0,72

HbA1c (A)= 10,51 + 0,72 (1) = 11,23 unidades ms de HbA1c que los
hombres a igualdad del resto de las
variables predictoras incluidas en el
HbA1c (B) = 10,51 + 0,72 (0) = 10,51 modelo.

paciente A con acceso al dietista hospitalario (1) de un
paciente B sin acceso (0) y a igualdad del resto de las
variables predictoras incluidas en el modelo?
Variables predictoras i Paciente A Paciente B
Acceso al dietista -1,06 SI [1] NO [0]

hospitalario
(si =1, no =0)
Y = 0 + 1X1 + ... + nXn
Los pacientes CON acceso al

HbA1c (A)= 10,51 1,06 (1) = 9,45 dietista por termino medio presentan
1,06 unidades menos de HbA1c
HbA1c (B) = 10,51 1,06 (0) = 10,51 que los pacientes SIN dietista
hospitalario a igualdad del resto de
las variables predictoras incluidas
en el modelo.

paciente A tratado con ADO (1) de un paciente N tratado
con insulina (0) a igualdad del resto de las variables
predictoras incluidas en el modelo?
Variables predictoras i Paciente A Paciente N
ADO/insulina + 0,29 ADO [1] insulina [0]

(ADO=1, insulina=0)
Y = 0 + 1X1 + ... + nXn
Los pacientes en tratamiento con

HbA1c (A)= 10,51 + 0,29 (1) = 10,8 ADO por termino medio presentan
0,29 unidades ms de HbA1c que
HbA1c (N) = 10,51 + 0,29 (0) = 10,51 los pacientes tratados con insulina
a igualdad del resto de las variables
predictoras incluidas en el modelo.

paciente A tratado slo con DIETA (1) de un paciente B
tratado con insulina (0) a igualdad del resto de las variables
predictoras incluidas en el modelo?
Variables predictoras i Paciente A Paciente N
Dieta/insulina - 0,97 dieta [1] insulina [0]

(dieta=1, insulina=0)
Y = 0 + 1X1 + ... + nXn
Los pacientes en tratamiento

HbA1c (D)= 10,51 - 0,97 (1) = 9,54 slo con dieta por termino medio
presentan 0,97 unidades menos de
HbA1c (N) = 10,51 - 0,97 (0) = 10,51 HbA1c que los pacientes tratados
con insulina a igualdad del resto de
las variables predictoras incluidas
en el modelo.
Qu diferencia promedio de HbA1c existe entre dos

pacientes A y B con las siguientes caractersticas?
Variables predictoras Paciente A Paciente B
Antidiabticos orales/insulina [1/ 0] ADO [1] Insulina [0]
Dieta/insulina [1/ 0] Dieta [1] Insulina [0]
N enfermedades relacionadas con la diabetes 3 [1] 1 [0]

(>1/<=1) [1/ 0]
Sexo (mujer/hombre) Hombre [0] Mujer [1]
Aos desde el diagnstico (> 7 / 7) 8 aos [1] 3 aos [0]
Acceso al dietista hospitalario (si/no) [1/ 0] Si [1] No [0]
Mdico interesado en la diabetes (si/no) Si [1] Si [1]
HbA1c A = 10,51 + 0,29 (1) 0,97 (0) + 0,20 (1) + 0,72 (0) + 0,04 (1) 1,06 (1) 0,86 (1) = 9.12%
HbA1c B = 10,51 + 0,29 (0) 0,97 (1) + 0,20 (0) + 0,72 (1) + 0,04 (0) 1,06 (0) 0,86 (1) = 9,40%
Diferencia HbA1c (A-B) = - 0,28%

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

1.- Grupo cultural
Cristianos: [1] Variables predictoras (X)
Musulmanes: [0] CUALITATIVAS
2.- Tabaco (si [1]; no [0])
3.- Hipertensin arterial Variable resultado (Y):
Lipoprotena a
si: [1]
no: [0]
4.- Cardiopata isqumica 314 pacientes con
si: [1] DM tipo 2
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])
Y = 0 + 1X1 + ... + nXn
9.- Proteinuria (si [1]; no [0])
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.

1.- Edad
2.- Peso Variables predictoras (X)
3.- IMC
4.- ICC
CUALITATIVAS
5.- Tensin arterial sistlica (TAS)
6- Tensin arterial diastlica (TAD) Variable resultado (Y):
7.- Glucemia Lipoprotena a
8.- Pptido C basal (PCB)
9.- Pptido C postprandrial (PCP)
10.- IPC IPC = PCP - PCB
314 pacientes con
11.- HbA1c
12.- Colesterol total DM tipo 2
13.- Triglicridos
14.- Colesterol-HDL
15.- Colesterol-LDL
16.- Apoprotena A1
17.- Apoprotena B
18.- Urea
19.- Creatinina Y = 0 + 1X1 + ... + nXn
TARDAS (Premio AEBM). Revista: Revista de Diagnstico Biolgico 2000; 49: 125-137.
Variables asociadas al nivel de lipoprotena (a)

Variables predictoras Estimacin Error estndar EE /EE Test F p
CUALITATIVAS
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

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

Lp(a)
Cardiopata isqumica
Proteinuria
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.
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?

Cuantitativa continua Cualitativa dicotmica (s o no)
Lp(a) Complicaciones vasculares
- Cardiopata isqumica
- Proteinuria
PC basal Lp(a)
PC post
Colesterol total Complicaciones

vasculares
Colesterol-LDL
Apoprotena B
Urea
Grupo Cultural
Tabaco
HTA
Problema clnico: En Atencin Primaria la eficiencia de la determinacin de la excrecin

urinaria de albmina en orina de 24 horas (EUA) para el diagnostico de la nefropata
diabtica es baja.
Objetivo del estudio: Introducir el cociente albmina/creatinina en una muestra de orina

matinal (CAC) como alternativa a la EUA.
Pregunta de investigacin: Podemos sustituir el cociente albmina/creatinina en orina

matinal (CAC) por la excrecin urinaria de albmina (EUA) en orina de 24 horas en
pacientes con sospecha de nefropata diabtica? Qu relacin existe entre el CAC y la
EUA en orina de 24 horas en dichos pacientes?.

Qu relacin existe entre el cociente albmina/creatinina en
orina matinal (CAC) y la excrecin urinaria de albmina (EUA)
en orina de 24 horas?

CAC EUA
REGRESIN LINEAL SIMPLE Y = 0 + 1 * X
Coeficiente de correlacin r = 0,893 (89,3%)


Correlacin global EUA versus CAC r = 0,893; R2 = 0,806; p < 0,01
COEFICIENTE DE PEARSON: La magnitud de la asociacin entre la EUA y la CAC es del

89,3% de la posible.
COEFICIENTE DE DETERMINACIN: El 80,6% de la variabilidad de la EUA puede

ser explicada por la distinta CAC, resta por explicar un 19,4% que es achacable a otras
variables PREDICTORAS distintas de la CAC.
Cules son esas variables predictoras?
Influencia del SEXO

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.
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.
( r global)2
KMO =
( r global)2 + ( r hombres)2
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.
( r global)2 ( r global)2
KMO = KMO =
(r global)
2 + (r hombres)
2 ( r global)2 + ( r mujeres)2
KMO hombres = 0,584 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.
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.
Factor 1: R2 = 0,806 (80,6%)

CAC
1 = 7.65 p=0,001
Factor 3: Variable RESULTADO

Variable predictora 3 Cuantitativa continua
Edad EUA
3= -0.54 p=0,42
Factor 2: Aplicacin del modelo de regresin mltiple

a los datos de un estudio que usa como
Variable predictora 2 variables predictoras el cociente albmina/
creatinina en orina matinal (CAC), sexo y
Sexo edad del individuo frente a la excrecin
2 = -30.26 p=0,01 urinaria de albmina en orina 24 horas EUA
(variable resultado).
EUA: Excrecin urinaria de Modelo de Regresin Lineal Mltiple

albmina en orina de 24 horas
Coeficiente IC95% de p
CAC: Cociente albmina/creatinina
en una muestra de orina matinal Constante 110,85 13,88 a 187,84 0,02
EUA: Variable dependiente o
CAC 7,65 7,13 a 8,16 0,001
resultado
CAC: Variable Predictora 1 Edad - 0,54 - 1,86 a 0,78 0,42
SEXO: Variable Predictora 2 Sexo - 30,26 - 53,93 a 6,58 0,01
EDAD: Variable Predictora 3
EUA (Y) = 110,85 + 7,65 CAC - 0,54 EDAD 30,26 SEXO
EUA (Y) = 110,85 + 7,65 CAC 30,26 SEXO

1. ANLISIS DESCRIPTIVO Qu Variables PREDICTORAS

se deben incluir en el Anlisis de
Regresin Lineal Mltiple?
Variable Resultado

significativas
HIPERLIPIDEMIA
EDAD
SEXO
Excrecin urinaria
NIVEL CULTURAL de sodio en 24 horas
TABAQUISMO
OBESIDAD IMC
DIABETES
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

Cul de las distintas variables Resultados del anlisis de Regresin Lineal Mltiple
predictoras con significacin
Coeficiente IC95% de p
estadstica (p<0,05) del anlisis
univariante NO aparecen en el Constante 96,67 19,2 a 174,15 0,015
modelo multivariante? Edad - 1,17 - 1,89 a 0,44 0,002
Nivel cultural Sexo 28,71 4,65 a 52,78 0,020
Tabaquismo 29,22 3,83 a 54,6 0,024
Cul de las distintas variables
predictoras prximas a la IMC 4,15 2,00 a 6,29 0,000
significacin estadstica (0,05 La codificacin de las variables dicotmicas se realiz
<p<0,1) del anlisis univariante sexo: mujer = 0, hombre = 1, tabaquismo: no fumador
0, fumador 1). IMC = peso / (talla)2
SI aparecen en el modelo
multivariante?
Obesidad (IMC)
En el anlisis de regresin lineal MLTIPLE se incluyeron las variables predictoras con

Significacin estadstica en el anlisis de regresin lineal SIMPLE (edad, sexo, nivel cultural,
tabaquismo; p<0,05) y aquellas prximas a la significacin (IMC y hiperlipidemia; p=0,1),
identificndose como verdaderas variables predictoras o independientes 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.
Qu relacin existe entre los niveles de colesterol en sangre y la
tensin arterial?

Colesterol Tensin arterial
REGRESIN LINEAL SIMPLE Y = 0 + 1 * X
Coeficiente de correlacin R2 = 0,691 (69,1%)

Modelo de regresin lineal simple para la variable resultado tensin

arterial diastlica ajustado por la variable predictora colesterol
Variable Coeficiente EE IC95% t p
Constante 26,91 7,15 12,63 41,19 3,76 < 0,001
Colesterol 0,23 0,03 0,17 0,29 7,70 < 0,001
Suma de g.l Media F p

cuadrados Cuadrtica
Regresin 4067,11 1 4067,11 59,29 < 0,001
Residual 4459,01 65 68,60
Total 8526,12 66 29,22
Y = 0 + 1 * X
TAD = 26.91 + 0.23 * Colesterol

Es el modelo de regresin simple que resulta de tomar como nica variable predictora el colesterol de un
individuo. El valor del coeficiente de determinacin 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.
Correlacin lineal de las variables predictoras edad, colesterol e ndice

de masa corporal con la variable resultado tensin arterial diastlica
TAD NS
NS EDAD NS NS
NS Colesterol
NS IMC
Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria
2000; 7: 173-176.

Variable
Predictora 1
Causa o Factor 1: Cuantitativa
Variable RESULTADO

Cuantitativa
Variable
Predictora 2
Causa o Factor 2: Cuantitativa

Y = 0 + 1 * X1 + 2 * X2
R2 = 0,722 (72,2%)
Factor 1:
Colesterol
t= 5.26 p<0,001
Desenlace o efecto
Factor 2: Tensin arterial

IMC Aplicacin del modelo de regresin
t= 2.45 p=0,017 mltiple a los datos de un estudio que
usa como variables predictoras de la
tensin diastlica (variable resultado) el
colesterol y el ndice de masa corporal de
un individuo.

arterial diastlica ajustado por las variables predictoras colesterol e
ndice de masa corporal R2 = 0,722 (72,2%)
Constante 19,42 7,54 4,37 34,48 2,58 0,012
Colesterol 0,18 0,03 0,11 0,25 5,26 < 0,001
IMC 0,73 0,30 0,14 1,33 2,45 0,017

cuadrados Cuadrtica
Regresin 4449,72 2 2224,86 34,93 < 0,001
Residual 4076,40 64 63,69
Total 8526,12
TAD = 19,42 + 0.18 * Colesterol + 0,73 IMC
Los coeficientes de regresin para ambas variables predictoras fueron 0.18 (= 0.03) y 0.73 (=0.30)
respectivamente, siendo ambos significativamente distintos de cero. Esto indica que por trmino medio la
tensin arterial diastlica de un paciente se incrementa en 1.8 y 7.3 respectivamente por cada 10 unidades
a mayores en su colesterol o ndice de masa corporal. El valor del coeficiente de determinacin 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.
Factor 1: R2 = 0,52 (52%)

Colesterol
t= 4.84 p<0,001
Factor 3:
Desenlace o efecto
Edad Tensin arterial
t= 1.67 p=0.10
Factor 2: Aplicacin del modelo de regresin mltiple

a los datos de un estudio que usa como
Variable predictora 2 variables predictoras de la tensin diastlica
(variable resultado) el colesterol, ndice de
IMC masa corporal y edad de un individuo.
t= 2.31 p=0,024

arterial diastlica (TAD) ajustado por las variables predictoras coles-
terol, ndice de masa corporal y edad R2 = 0,52 (52%)
Constante 10,55 9,13 -7,70 a 28,81 1,15 0,252
Colesterol 0,17 0,03 0,1 0,24 4,84 < 0,001
IMC 0,68 0,30 0,09 1,28 2,31 0,024
Edad 0,24 0,14 - 0,05 a 0,53 1,67 0,100

cuadrados Cuadrtica
Regresin 4622,52 3 1540,84 24,87 < 0,001
Residual 3903,60 63 61,96
Total 8526,12 66
Los coeficientes de regresin para el colesterol fue 0.17 (= 0.03) y de 0.68 (=0.30) para el IMC
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).

arterial diastlica (TAD) ajustado por las variables predictoras coles-
terol, ndice de masa corporal y edad
Constante 10,55 9,13 -7,70 a 28,81 1,15 0,252
Colesterol 0,17 0,03 0,1 0,24 4,84 < 0,001
IMC 0,68 0,30 0,09 1,28 2,31 0,024
Edad 0,24 0,14 - 0,05 a 0,53 1,67 0,100

cuadrados Cuadrtica
Regresin 4622,52 3 1540,84 24,87 < 0,001
Residual 3903,60 63 61,96
Total 8526,12 66
edad 0,24
= = 1,71 < Z95% (1,96) p = 0,100
EE edad 0,14
Prtegas Daz S, Pita Fernndez S. Tcnicas de regresin: Regresin lineal mltiple. Cad Aten Primaria
2000; 7: 173-176.

significativas
Anlisis multivariante para la deteccin de potenciales factores de
confusin
Variable Resultado
Sesgo de confusin
Variable predictora Exposicin F Variable resultado Enfermedad o

o factor de riesgo efecto E
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).
Portadores del Alelo 4
- Elevada prevalencia de enfermedad coronaria

- Mayor extensin de la arteriosclerosis
- Mayor tasa de IAM
- Mayor mortalidad de causa coronaria
Alelo 4 Enfermedad coronaria
- ANLISIS UNIVARIANTE:
El 15,7% de los portadores del alelo 4 presentaban CI frente al 6,9% en NO
4 (p<0,01)
ORc = 2,49 IC95%: 1,19-5,22
Modelo de regresin logstica
Exposicin
Potenciales FACTORES DE CONFUSIN

- Edad
- Sexo
- HTA
- Tabaquismo
- Obesidad (IMC)
- Lpidos y lipoprotenas
Regresin logstica multivariante para la deteccin de

potenciales factores de confusin
OR (IC95%)
No corregido
Corregido para la edad y el sexo 2,49 (1,19 - 5,22)
Corregido para la edad, el sexo y otros 2,59 (1,15 - 5,83)
factores de riesgo cardiovascular (FRCV)
2,83 (1,18 - 6,81)
Corregido para la edad, el sexo, otros
factores de FRCV y perfil lipdico 2,56 (1,03 - 6,39)
0,75 1 2 4 8
Asociacin entre la prevalencia de enfermedad coronaria y el tipo de apo E (4 frente a no 4) expresada

como OR e IC95% en una poblacin de 386 pacientes con hipercolesterolemia. Se presenta la asociacin
simple (anlisis univariante) (OR no corregido) y despus de corregir, de forma escalonada, para distintas
variables predictoras potencialmente confundentes como la edad y el sexo, para estas variables ms la
presencia de hipertensin arterial, tabaquismo e IMC y, por ltimo, todos los anteriores ms el perfil lipdico
colesterol total, cHDL y triglicridos mediante anlisis multivariante.
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.


ECUACIN Y = 0 + 1X1 + ... + nXn

Modelo de regresin mltiple de Cox
REGRESIN
MLTIPLE de COX
Variable Cuantitativa
RESULTADO Desenlace: supervivencia a tiempo t
Variables Cualitativa
PREDICTORAS Cuantitativa
(factores pronstico)
ECUACIN
Edad
Estado civil
Tiempo de alcoholismo
Probabilidad de muerte
Bilirrubina
Presencia de ascitis
Albmina
Estudio de cohortes prospectivo de pacientes alcohlicos
Variables predictoras Anlisis Univariante (p)
Edad p < 0,05
Estado civil p < 0,05
Tiempo de alcoholismo p < 0,05
Bilirrubina srica p < 0,05
Presencia de ascitis p < 0,05
Albmina srica p < 0,05

Factores de Riesgo
Muertos por otras

causas
Fallecimientos 56
162 pacientes
alcohlicos
hospitalizados
Sobrevivientes 59
Prdidas de
seguimiento
Seguimiento mediana 8,7 aos
Edad Ascitis
Pacientes Muerte
alcohlicos
Bilirrubina Estado civil

Variables predictoras con significado pronstico en pacientes alcohlicos

Modelo de Regresin de Cox (mtodo paso a paso)
Variable RR IC95% del RR Significacin
Edad 1,0763 1,0334-1,1209 0,0004
Ascitis 2,0940 1,0553-4,1551 0,0345
Bilirrubina 1,4220 1,2058-1,6769 0,0000
Estado civil 2,3922 1,1796-4,8515 0,0156


Captulo 13
Publicacin Bioestadstica: Bibliografa.

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.

- 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.

- 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.

- 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.

- 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.

- 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.

- 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.

- 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.

- 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.

- 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.

- 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: 1.285-
1.293.
- 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.

- 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 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.

- 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 method-
comparison 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.

- 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.

- 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.

- 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

Dr. Jacobo Daz Portillo

Direccin Territorial de Ceuta

Edita: Instituto Nacional de Gestin Sanitaria

El copyright y otros derechos de propiedad intelectual pertenecen

Depsito Legal: M-33564-2011

La estadstica es la ciencia que permite tomar decisiones en situaciones

Bailar JC III. Some uses of statistical thinking. En: Bailar JC III,

No existe ni el negro ni el blanco, solo existe una completa escala de grises...

La respuesta est dibujada en el aire...

Publicacin Bioestadstica: Introduccin.

Dr. Jacobo Daz Portillo

Bioestadstica aplicada a las Ciencias de la Salud

La Estadstica es la ciencia que se ocupa de los mtodos y procedimientos

Bioestadstica aplicada a las Ciencias de la Salud

Describe, analiza y representa un grupo de datos utilizando mtodos

Bioestadstica aplicada a las Ciencias de la Salud

Apoyndose en el clculo de probabilidades y a partir de datos de una

Bioestadstica aplicada a las Ciencias de la Salud

La medicina es una ciencia estadstica, pues siempre se trabaja con la

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

Bobenrieth Astete M.A . Lectura crtica de artculos originales en Salud.

Profesor Bobenrieth Astete M.A.

Mitos y Realidades en Bioestadstica

MITO 1: La sonrisa de la esfinge.

Mitos y Realidades en Bioestadstica

Furiosa, la Esfinge se suicida lanzndose al vaco y Edipo fue aclamado como

Mitos y Realidades en Bioestadstica

Cmo voy a ser capaz de presentar y defender una comunicacin cientfica

Qu me van a preguntar? Qu me van a decir si no respondo o no lo hago

Seguro que me rechazan el artculo original cuando lo mande a publicar a la

Realidad 1: Respuesta de Edipo

La bioestadstica es la punta visible del iceberg de la metodologa de

Dr. Jacobo Daz Portillo

Mitos y Realidades en Bioestadstica

REALIDAD 1: Muchos investigadores tienen bien definido su estudio y

Antoja Rib F. The innocence of the storks.

Mitos y Leyendas en Bioestadstica

REALIDAD 1: Los auditores de los congresos sanitarios y los revisores

Antoja Rib F. The innocence of the storks.

Mitos y Leyendas en Bioestadstica

REALIDAD 1: El Comit Cientfico de los congresos y los editores de las

Antoja Rib F. The innocence of the storks.

Enseanza de la Bioestadstica Aplicada

MITO 2: Enseanza de la investigacin clnica.

Antonio Fraguas de Pablo (Forges).

Mitos y Realidades en Bioestadstica

REALIDAD 2: La educacin autodidacta en Bioestadstica es el conjunto de

La educacin autodidacta es, creo firmemente, el nico tipo de educacin

Mitos y Realidades en Bioestadstica

MITO 3: Una publicacin sobre las ventajas de un nuevo tratamiento con

Mitos y Realidades en Bioestadstica

REALIDAD 3: Mediciones y afirmaciones de probabilidad pueden ser

Dr. Manuel Bobenrieth Astete

Mitos y Realidades en las publicaciones cientficas

REALIDAD 3: El valor de p, debe ser valorado con precaucin y teniendo

REALIDAD 3: Antes de tomar decisiones o cambiar conductas clnicas

Hallazgos estadsticos Hallazgos clnicos

1. Reflejan la influencia del azar en el 1. Reflejan el valor biolgico del resultado