Documentos de Académico
Documentos de Profesional
Documentos de Cultura
«El auge de la estadística en el Siglo XX, como el de la geometría en el siglo III antes de Cristo, parece marcar
una de las grandes eras o periodos críticos en el desarrollo
del conocimiento humano»
Sir Ronald A. Fisher
es sencillo: basta con sumar todos los valores medi- un resultado positivo. Por tanto, si calculamos direc-
dos y dividir la suma entre el total de observaciones tamente la media de estas diferencias, el resultado
(n). siempre será 0. Para solucionar esto, podríamos cal-
cular la media de los valores absolutos de cada una
de las diferencias. El resultado de esto es la desvia-
ción media:
volviendo a hacer la conversión a la escala decimal Otro caso muy frecuente se da en pacientes que
del resultado. También vale con hacer una transfor- no leen todos los optotipos de una línea. Una so-
mación logarítmica de los valores decimales, con lo lución, probablemente la más utilizada, es tomar la
que consigue normalizar la distribución. La tabla I da línea con mayor agudeza visual en la cual el pacien-
una equivalencia de ambos parámetros y existen cal- te ha sido capaz de ver la mayoría de los optotipos
culadoras on-line para el mismo propósito (www.in- (por ejemplo, 3 de 5). Un método más exacto es in-
fodoctor.org/gipi/f/calculos_optotipos.xls). Lo mismo terpolar entre los valores vistos completamente y los
que ocurre para el cálculo de la media, sucede para parcialmetne con el cociente de letras vistas, siempre
otros cálculos estadísticos, tales como t de Student, sobre el LogMar.
ANOVA, correlaciones. Siempre deben utilizarse los
valores del LogMar. Ejemplo 22.1
Tabla I . Correspondencia entre agudezas
visuales n paciente ve todas las letras de la fila
U
de optotipos correspondientes a 20/50
Equivalente Equivalente deci- Equivalente
Snellen (pies) mal (minutos) LogMAR
(0,4), pero sólo tres de cinco de la fila de
20/40 (0,5). En escala LogMar ambas es-
20/16 1,25 -0,10
calas corresponden a +0,4 y +0,3. Y 3 de
20/20 1 0 5 letras corresponden a 3/5 del intervalo
20/25 0,8 +0,10 entre +0,4 y +0,3, que es +0,36, el valor
20/32 0,63 +0,20 que debe ser tomado.
20/40 0,5 +0,30
20/50 0,40 +0,40 Ejemplo 22.2
20/63 0,32 +0,50
20/100 0,2 +0,7 Vamos a hallar la media de la AV de los 7
20/200 0,1 +1 ojos que se detallan en la siguiente tabla:
20/400 0,05 +1,3
Otro problema se plantea con las agudezas visua- Datos de agudeza visual
les computadas como «contar dedos» «movimiento Ojo AV Equivalente Equivalente LogMar
de manos», «percepción de luz» y «no percepción (pies) Snellen decimal equivalente
de luz». Holliday da las siguientes recomendaciones en pies
de equivalencia: 1 20/10 20/10 2 -0,3
– «Contar dedos»: se puede asumir que, en pies 2 20/10(-2) 20/10(-2) 2 (-2) -0,25
se puede hacer un equivalente con un cociente entre
3 20/40 20/40 0,5 0,3
el número de pies a los que se ha contado dedos y
200 de denominador A 10 pies la AV sería de 10/200 4 20/40(+3) 20/40(+3) 0,5 (+3) 0,24
y a 2 pies 2/200. Si lo tomamos en metros, es lo mis- 5 20/200 20/200 0,1 1
mo con un denominador de 60. Por ejemplo, si se 6 Cuenta 2/200 0,01 2
cuenta dedos a 3 metros 3/60= 0,03 en escala deci- dedos a 2
mal y a 1 metro 1/60=0,016. pies (=60
cm)
– Si no cuenta dedos y solo ve movimiento de
mano, los denominadores son, respectivamene 2000 7 Movimiento 2/2000 0,001 3
y 600. Es decir, que movimiento de manos a un me- de manos
a 2 pies
tro es 1/600= 0,0016 en escala decimal. (=60 cm)
– La agudeza visual reducida a la percepción de
Medias 20/142 0,141 0,85
luz y no percepción de luz, según Holliday no son
medidas reales de la agudeza visual y por lo tanto Las agudezas visuales se han pasado to-
estos casos deberían ser excluídas del estudios y se- das a LogMar (última columna), respe-
ñaladas como criterio de exclusión en el material y tando la conversión de interpolación an-
métodos. Ese punto es muy discutible, ya que da lu- teriormente citada de aquellos pacientes
gar a un sesgo evidente. que solo veían unos cuantos optotipos
168 22. Estadística descriptiva e inferencial
lo de su sector circular, una vez repartidos los 360º prevalencia de una determinada enfermedad en las
del círculo en los diferentes sectores, uno por cada distintas regiones de un país o del mundo.
variable, se puede trazar la imagen. En el ejemplo – Diagrama polar: Es una forma de gráfico similar
que presentamos en la figura 3, definimos dos secto- a los sectores circulares, por ejemplo si queremos re-
res diferenciados que corresponden al porcentaje de presentar la asistencia anual, de los pacientes diabéti-
hombres y mujeres de la muestra de un estudio de cos a una unidad de cámara no midriática, para reali-
prevalencia de retinopatía diabética (3). zarse las retinografías de control del fondo de ojo, en
– Pictogramas y cartogramas. Los pictogramas este caso para reproducir la gráfica representaremos
son gráficos especiales, en que para hacer más llama- el número de pacientes vistos en cada mes mediante
tivo el mismo, se dibujan en lugar de barras, figuras una línea con punto 0 y que se irán disponiendo en
representativas de la variable estudiada, por ejemplo forma circular una al lado de la otra separadas por el
el caso típico es la representación del crecimiento ángulo polar, dando lugar a una circunferencia divi-
de la población de un determinado País, de manera dida en los doce meses del año. Cada línea formará
que se van representando imágenes progresivamente un radio propio de longitud proporcional al número
más altas de un sujeto, que representan el aumento de visitas realizadas cada mes en la unidad de cáma-
de la población. Los cartogramas son mapas geográ- ra no midriática (4). En estos gráficos siempre se traza
ficos en los que la intensidad de la variable estudiada un círculo con radio en la media aritmética, y así se
en diferentes regiones, se representan por ejemplo, puede visualizar mejor las variaciones de asistencia
mediante la intensidad del rayado o de la coloración según los meses del año (fig. 4).
de cada una de ellas, son muy utilizados para señalar
datos demográficos como densidad de población o
Variables cuantitativas continuas
Fig. 2: Gráfico en forma de columnas de la prevalencia de Fig. 3: Imagen en sector circular representa la distribución
pacientes con retinopatía diabética (3). según el sexo de los pacientes con diabetes mellitus tipo 2.
170 22. Estadística descriptiva e inferencial
Fig. 9: Tabla de definición de variables en el SPSS en un ejemplo de estudio propio del autor.
pestaña análisis, que al abrirla nos permite realizar fica a construir (observar la barra inferior derecha de
el análisis estadístico que deseemos, empieza por el la figura 12): barras, líneas, áreas, sectores/polar, etc.
estudio de estadísticas descriptivas (que hemos se-
ñalado en amarillo en la fig. 12), que nos permitira
analizar las frecuencias de las variables cualitativas y
el estudio descriptivo de las variables cuantitativas.
En los siguientes puntos de la pestaña (fig. 11), pode-
mos comparar medias mediante los distintos estadís-
ticos como la T de Student o el análisis de varianza
mediante ANOVA. Siguiendo veremos la posibilidad
de estudiar tablas de contingencia mediante los esta-
dísticos Chi Cuadrado o equivalentes. Siguiendo ten- 4. ESTIMACIÓN DE PARÁMETROS
dremos la posibilidad de estudios mediante regresión
logística, o estudios de supervivencia o el estudio de Pasemos ahora de la mera descripción de los da-
la curva de ROC. tos de nuestra muestra a extraer datos que puedan
En la misma barra superior en las versiones más ser aplicados al conjunto de la población de la cual
recientes, se puede realizar la construcción de gráfi- procede nuestra muestra. Pasamos, por tanto, a la es-
cas, abriendo la pestaña gráficos (fig. 12), al hacerlo tadística inferencial. Los datos obtenidos de nuestra
veremos que se abre la posibilidad de escoger la grá- muestra tienen un interés limitado, ya que de los mis-
Fig. 11: Observamos la pestaña de análisis estadístico abierta, con todos los posibles análisis a realizar, en concreto hemos
abierto la pestaña frecuencias y observamos que se desplegan la posibilidad de realizar estudios de frecuencia, descriptivos
o tablas de contingencia (ver capítulo 23).
22. Estadística descriptiva e inferencial 175
mos sólo se pueden obtener conclusiones atribuibles intervalo de confianza. Si junto a nuestro resultado
a la propia muestra, y no a la población de la que incluimos el intervalo de confianza, y la probabilidad
proviene. Para poder generalizar los resultados de de que el verdadero resultado poblacional se escape
nuestra muestra al conjunto de la población, es ne- de él, estaremos ya no nos referimos a nuestra mues-
cesario hacer una estimación o inferencia, y además, tra, sino a la población. Es relativamente frecuente
poder cuantificar la probabilidad de equivocarnos al que en artículos publicados se den estimaciones de
hacer esa estimación. He aquí una de las grandes parámetros en forma de medias o porcentajes sin dar
aportaciones del método estadístico a la investiga- su correspondiente intervalo de confianza. Como ya
ción: la posibilidad de extrapolar conclusiones pro- comentamos (capítulo 7), esa es una información que
venientes de experimentos limitados a poblaciones tiene muy poco o nulo valor, ya que el resultado real
enteras. Debemos saber cómo se hace y también a podría estar muy diferente al propuesto si el interva-
cuantificar el error de nuestras estimaciones. lo de confianza desconocido resulta ser demasiado
amplio.
Si deseamos obtener conclusiones sobre la pobla- En un viejo chiste de los libros de esta-
ción a partir de una muestra debemos pagar dos tri- dística, se ve un anuncio que reza: «El
butos: perder precisión, y admitir la probabilidad de 66% de los odontólogos encuestados
que podamos equivocarnos. La pérdida de precisión recomiendan nuestro dentífrico sin azú-
nos dará un «temblor», un intervalo de incertidum- car». Y en letra diminuta se lee debajo.
bre dentro del cual suponemos que está el verdadero «A Jones no pudimos convencerle». El
valor de la variable poblacional estudiada: ese es el porcentaje expresado es correcto: en-
176 22. Estadística descriptiva e inferencial