Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bioestadística Básica*
Dr. Ricardo Bolaños
Doctor de la Universidad de Buenos Aires. Área Farmacología.
Médico Farmacólogo.
Docente Autorizado de Farmacología.
Facultad de Medicina. UBA.
Coordinador del Área de Ciencia Reguladora.
Dirección de Evaluación de Tecnologías Sanitarias. ANMAT
Miembro del Grupo de Trabajo en Bioequivalencia.
Red PARF. OPS
Miembro Docente del Instituto de Investigaciones
Epidemiológicas. Academia Nacional de Medicina
Al Profesor Emérito
Dr. Pablo M. Bazerque,
Maestro de Farmacología y de
Metodología de la Investigación, por
sus permanentes, enseñanzas,
formación, apoyo y confianza.
Agradecimiento
(In memoriam)
* Reconocer las
* Comprender el
situaciones donde se
* Reconocer los tipos concepto de
pueden aplicar los
básicos de muestreo. Inferencia
diferentes métodos
Estadística.
estadísticos.
* Desarrollar la
* Reconocer los habilidad de interpretar
elementos básicos los datos analizados
(información), con el
del diseño objeto de tomar
experimental. decisiones con acotado
grado de incertidumbre.
¿Para qué?
2.- Como Profesionales, si
formamos parte de un
grupo de trabajo en el
que se hace
investigación, no es
1.- Para comprender y
ético “dejar los
obtener el mayor
números para los que
provecho posible
les gustan”.
de la lectura de la
Los números, desde
bibliografía
nuestra visión práctica,
científica, que,
no son más que
junto con la
símbolos que nos
observación, son
representan un realidad
las dos fuentes de
que es la que en
ideas para la
concreto nos interesa,
aplicación práctica
por ello debemos saber
en nuestros
“interpretarlos” ya que
pacientes y/o para
no alcanza con saber
la investigación.
“manejarlos”(resolver
ecuaciones).
Nuestra relación con “lo numérico”
http://thales.cica.es/xvceam/?q=system/files/image001.png
http://samuelsanchez.blogia.com/upload/20081101140758-matematica1.jpg
http://4.bp.blogspot.com/-; UpQiiO9heSM/T2vJ5CKQJuI/AAAAAAAAABU/_EwqrIEICt4/s1600/grito_desesperado.jpg
statics.cuantocabron.com/ccs/2014/01/CC_2274775_grumpy_cat_odio_a_primera_vista.jpg
http://web.educastur.princast.es/ies/rosarioa/archivos/matematicas/enrique.jpg
Nuestra “filosofía” docente
De la “Estadística A la “Estadística
Resolutiva” Interpretativa”
(Nos quedaban pocas ganas para la ¿Cómo asociar los valores “p” o
interpretación) IC 95% al estudio que hemos
Prehistoria-aprox. 1990 realizado?.
1990 en adelante
Estudio del aprovechamiento
del aprendizaje en
Bioestadística Básica
Abril-Agosto de 2016
Instituto de Investigaciones
Epidemiológicas
Academia Nacional de Medicina
Docente: Dr. Ricardo Bolaños
Vive como si vayas a morir
mañana,
Aprende como si vas a vivir
siempre
Mahatma Gandhi
Estudio Clínico Abierto
“Eficacia en la adquisición de
conocimientos de la enseñanza de la
Bioestadística de forma Interpretativa
no Resolutiva”
Hipótesis
H0 (Hipótesis Nula):
la enseñanza de la Bioestadística Básica con un enfoque
Interpretativo más que Resolutivo, NO produce un
incremento positivo en las respuestas a consignas
básicas de bioestadística aplicada a la Salud. Las
diferencias encontradas serán debidas al azar.
2.- Diseño:
Cuasi experimental (no habrá azarización –
”randomización”-). Se trata de un diseño con 1
medición repetida (Antes-Después).
3.- Población:
Todos los profesionales de ciencias de la salud.
Criterios de Exclusión:
Personas no inscriptas en el Curso de Bioestadística
Básica dictado por el Instituto de Investigaciones
Epidemiológicas de la Academia Nacional de
Medicina.
Metodología
Previa consulta grupal sobre el acuerdo
(Consentimiento) en participar se procederá a:
En el primer encuentro se les entregará a los cursantes
un grupo de 4 consignas básicas y 1 No básica. Los
cursantes deberán tipificarse por un código
desconocido para el investigador y que es el mismo
será utilizado en el postest. Se entregará a la Srta
Natalia un sobre cerrado con estos códigos y los
apellidos correspondientes. El docente no está
autorizado a la apertura del sobre hasta que se hayan
analizado los resultados (Postest).
Metodología
Metodología estadística:
50
50
40 36 36
% de
29
respuestas 30
correctas
20
10
Consigna 0
0
1. Variable 1 2 3 4 5
2. Media Consigna N°
3. Mediana
4. Probabilidad
5. E. Paramétrica
Situación basal.
Respuestas a las consignas
Correctas Incorrectas
29%
71%
1.- Objetivo:
Incremento en al menos 2 veces
el N° de consignas básicas
positivamente respondidas en
conjunto.
Resultados Observados vs Esperados
Objetivo: Duplicación del Observado basal
120
Ideal
100
Posible
80
Objetivo
% de Consignas
60
Correctas
40
20
0
Observado Esperado
Resultados Postest
(Agosto 2015)
Pretest Postest
Tamanho da amostra = 14 9
Mínimo 0.0000 2
Máximo 4.0000 5
Amplitude Total 4.0000 3
Mediana 1.0000 5
Primeiro Quartil (25%) 1.0000 4
Terceiro Quartil (75%) 2.7500 5
Desvio Interquartílico 1.7500 1
5 83
0
4 83
36
3 92 Después n=12
50
Antes n=14
2 82
36
1 100
Antes
0
0 20 40 60 80 100 120
Porcentaje
Situación basal.
Respuestas a las consignas
Correctas Incorrectas
29%
71%
Metodología Estadística
c) Modelo Inferencial: dado que la variable dependiente
se medirá por medio de puntajes,
Se utilizó el Test de Mann-Whitney, fijándose
α < 0.05 y β= 0.20; Poder: 0.80.
El paquete estadístico utilizado fue BioEstat v. 5.0, de
acceso libre (www.mamiraua.org.br/pt-
br/downloads/programas)
Prueba de Wilcoxon Resultados A vs D
T = 2
Número de pares = 9
Z= 2.4286
p-valor (unilateral) = 0.0076
p-valor (bilateral) = 0.0152
Objetivo
% de Consignas
60
Correctas
40
20
0
Observado Esperado
5
N° de respuestas
4
Series1
0
1 2 3 4
Consignas correctas
Análisis de datos
Tamanho da amostra = 20
Mínimo 1
Máximo 4
Amplitude Total 3
Mediana 2
Primeiro Quartil (25%) 1
Terceiro Quartil (75%) 2.25
Desvio Interquartílico 1.25
Média Aritmética 1.9
Variância 0.8316
Desvio Padrão 0.9119
Erro Padrão 0.2039
Coeficiente de Variação 48.00%
Assimetria (g1) 0.6755
Curtose (g2) -0.3474
Média Harmônica = 1.5287
N (média harmônica) = 20
Média Geométrica = 1.7017
N (média geométrica) = 20
Variância (geom.) = 1.1073
Desvio Padrão (geom.) = 1.6234
¿Los datos tienen distribución normal?
Prueba de Schapiro-Wilk
Tamanho da amostra = 20
Média = 1.9
Desvio padrão = 0.9119
W= 0.8365
p= 0.0096
62, 62%
Correctas
Incorrectas
40
% de respuestas
30 25
Series1
20
10
0
0
% de respuestas correctas respecto del total
(n=38)
35 32
29
30
26
25
20
%
15 13
10
5
0
0
1 2 3 4 5
Consignas
120
Máximo 100
100
80
Alcanzable
60
Series1
38
40
20
0
Observado Esperado
Objetivos a lograr
Resultados Postest
(Agosto 2014)
Datos originales
Análisis inicial
1 5 20 25 10 11 90.91 78
2 11 20 55 10 11 90.91 78
3 10 20 50 9 11 81.82 75.5
4 12 20 60 9 11 81.82 75.5
5 0 20 0 9 11 81.82 81.82
90 90
90
81 81 81
80
70
60
% de respuestas
50
correctas
40
32
29
30 26
20
13
10
0
0
Variable Media Media-Mediana Probabilidad Paramétrica
Pretest Postest
Análisis Inferencial
Respuestas del Pretest y Objetivos
120
Máximo Posible 100
100
80
Alcanzable
60
Series1
38
40
20
0
Observado Esperado
Evolución de N° de consignas
120
correctamente respondidas
Máximo posible
100
Alcanzado
80
Título del eje
Propuesto
60
40
20
0
Pretest Postest Total
Series1 38 83 100
Prueba de la Mediana Pretest Postest El análisis del Modelo
Tamanho = 19 11 Inferencial
Mediana (das amostras) = 2.50 --- p < α por lo tanto p< 0.05,
Valores > Mediana: 5 10 con un poder de 0.80,
permite establecer que
Valores < Mediana: 14 1
existe suficiente evidencia
Qui-Quadrado = 9.1866 --- como para rechazar la
Graus de liberdade = 1 --- Hipótesis Nula de No
(p) = 0.0024 --- cambios o cambios
debidos al zara. Por lo
Test de Mann-Withney tanto se acepta la
Resultado Pretest Postest Hipótesis Alterna que las
Tamanho da amostra 19 11 diferencias encontradas
Soma dos Postos (Ri) 201.0 264.0 no han sido debidas al
Mediana = 2.00 4.00 azar y pueden atribuirse a
U= 11.00 la ganancia de
Z(U) = 4.0239 conocimiento de los
p-valor (unilateral) = < 0.0001 Profesionales cursantes.
p-valor (bilateral) = < 0.0001
CONCLUSIÓN
Los resultados obtenidos con esta metodología
docente permiten establecer que se debe
continuar con la misma, mejorándola en los
aspectos relevantes que surjan de las encuesta
anónima (de satisfacción) realizada al final el curso.
Algunos conceptos a tener en cuenta
Algunos usan la estadística
como los ebrios utilizan los
faroles: más para apoyo que
para iluminación. Andrew Lang
(Escritor escocés. Escocia,
1844-1912)
Muestreo.
Inferencia estadística. α y p.
Errores aleatorios.
Inferencia puntual e inferencia
intervalar.
Introducción
Conceptos básicos de
Metodología de la
Investigación
¿Qué es Investigar?
En nuestro idioma:
POSTESTUDIO
Ejecución de la/s
prueba/s
estadísticas con
ordenador
“Traducción” de “lo numérico” a conceptos médicos.
La tarea más gratificante del/los Investigador/es.
Modificado de Valentina Gutiérrez Vall de Cabres . Hospital Universitario Dr Peset. Valencia.
http://www.alergoaragon.org/2003/cuarta5.html
Nuestros pacientes, ante todo, son personas que
además, tienen diferentes aspectos representados
por VALORES NUMÉRICOS (Peso, Estatura,
Glucemia, Equilibrio ácido-base, etc).
Por estas últimas razones es que necesitamos una
herramienta que, amigablemente, nos ayude a
transitar por esa “jungla numérica”.
¿Son muy diferentes?
Método clínico Método estadístico
Sus pilares
1.- Paciente 1.- Población y Muestra
Estadística
Descriptiva
Proporciones
Intervalo de Confianza Porcentajes
Chi Cuadrado Razones;
t de Student Odds
ANOVA
Riesgos;
promedio;
desvío
http://3.bp.blogspot.com/-wxT8nrOit_w/T0em7BhwOaI/AAAAAAAAABA/eKMxU89rAKc/s1600/1.jpg estándar
¿Con qué situación nos encontramos todos
los días, tanto para “hacer” como para
evaluar?
Tabla 1. Elementos de la Inferencia Estadística
Describir
Inferir
Adquisición Fundamentación
Vulgar o
Empírico
Común
“El conocimiento es
de dos tipos:
O conocemos un
tema o sabemos
donde encontrar
información sobre él”
Knowledge is of two kinds: We know a subject ourselves,
or we know where we can find information about it. Dr. Samuel Johnson
Dr. Samuel Johnson
(escritor inglés 1709-1784)
DEPENDE DEL TIPO DE
DISCIPLINA O CIENCIA
MATEMÁTICAS
LÓGICA
HISTORIA
SOCIOLOGÍA
ECONOMÍA
FÍSICA
QUÍMICA
BIOLOGÍA
ANTROPOLOGÍA
¿MEDICINA?
Investigación
Básica Clínica
Descriptiva Analítica
Mapa conceptual de los
Estudios Clínicos
Estudios
Clínicos
Observacionales De Intervención
Con Hipótesis
Sin Hipótesis Con Hipótesis
siempre
Con
Descriptivos Con Seguimiento
Sin Seguimiento
Seguimiento siempre
A partir de la
Series de casos A partir de la Ensayos
Estudios Variable
Variable
Transversales Dependiente
Prevalencia Independiente Clínicos
Cohortes Casos y
Controles
Prospectivos o Prospectivos
Retrospectivos Siempre
Comparación básica entre Investigación
Clínica y Acto Médico Terapéutico.
P. Bazerque
Acrónimo de Ciencia
acrónimo. (Del gr. ἄκρος 'extremo' y -ónimo).
http://www.clasa-
anestesia.org/revistas/anest_mexico/imagenes/Mxv1110201.gif
Lo traducimos como Serendipia o Serendipicidad.
Nombres del
país a través
del tiempo:
Serendip
Ceilán
Descubrimientos por
“Serendipia”
http://lapiedradesisifo.com/wp-content/uploads/2014/07/newton.jpg
http://1.bp.blogspot.com/-Ua9_b-FLEn4/VGWxVz4N2BI/AAAAAAAAeTA/GKCEFi-
l7Fs/s1600/invento14%2Bo_H406038-Fleming%E2%80%A65_years-SPL.jpg
La curva de la Serendipia
Es EXACTAMENTE
lo que necesito
Es mejor de lo Es bastante
Nivel de que pensaba confuso
satisfacción
del Parece
Investigador intersante En realidad no sirve
“Lo de No sé cómo se me
siempre” pudo ocurrir semejante
disparate
Predecible Aleatorio Caótico
Procedimiento. Sistema.
Método Manera sistemática de hacer
cierta cosa.
Observación
Bibliografía
Preguntas
Análisis de
resultados
Comunicación
Conclusiones
http://revistas.investigacion-meduanl.com/wp-content/uploads/2013/04/20mejores_BMJ.png
http://www.alasbimn.net/biblioteca/imagenes/Revistas2.jpg
http://img.webme.com/pic/j/jovenesxma-ues/bombilla.jpg
CONCLUSIONES
http://soda.ustadistancia.edu.co/enlinea/2momento_epistemologia_gualdron/000293981.png
El circuito de la vida de un
investigador
PUBLICAR
CONCLUIR
LEER
COMPARAR
OBSERVAR
ANALIZAR
DISEÑAR
EXPERIMENTAR
¿Qué elementos prácticos
debemos tener en cuenta?
3. La
arquitectura de 4. El diseño
la Hipótesis experimental
(Componentes)
¿Qué elementos prácticos
debemos tener en cuenta?
1. Los hechos de la
realidad
Un HECHO es el CAMBIO de ESTADO de
una COSA
CAMBIO DE ESTADO
http://www.google.com.ar/imgres?imgurl=&
imgrefurl=http%3A%2F%2Fblogs.vidasolid
aria.com%2Fevasacalaroja%2F2012%2F06
%2F23%2Faferrarse-a-lo-malo-conocido-
es-vivir-con-la-luz-
apagada%2F&h=0&w=0&tbnid=1ZWFgd3W
P. Bazerque KnymvM&zoom=1&tbnh=170&tbnw=296&d
ocid=gzSmA8xDwgYqcM&hl=es-
419&tbm=isch&ei=EBtQVMyVMMSjgwTp6o
OADg&ved=0CAQQsCUoAA
Un ejemplo
• Una célula en estado de reposo se encuentra
“polarizada”, al llegar un estímulo se “despolariza”
(cambia la polaridad de la membrana).
• Ha ocurrido un HECHO, pues la célula (“Cosa”) pasó
de Polarizada a Despolarizada.
http://www.efn.uncor.edu/departamentos/divbioeco/anatocom/Biologia/Index_archivos/Nervioso/axo
n4.jpg
¿Qué elementos prácticos
debemos tener en cuenta)
2. La posible
relación causal
(1729-1781)
CASUALIDAD Y
CAUSALIDAD
https://www.google.com.ar/search?hl=es-
(1729-1781)
419&site=imghp&tbm=isch&source=hp&biw=1366&bih=643&q=cultivos+bacterianos&oq=cultivos+bacterianos&gs_l=img.1.0.0l2j0i24.2433.8033.0.12002.20.10.0.10.10.0.234.1541.1j
1j6.8.0....0...1ac.1.57.img..2.18.1616.8sQfesFTn5w#facrc=_&imgdii=_&imgrc=hxtavoi62l-OQM%253A%3BuABt2tAIH1IbgM%3Bhttp%253A%252F%252Forigenarts.com%252Fwp-
content%252Fuploads%252F2012%252F04%252Fanalisis-del-cultivo-comunicacion-cultivo-de-bacterias-origenarts.jpg%3Bhttp%253A%252F%252Forigenarts.com%252Fteorias-
de-la-comunicacion-analisis-del-cultivo%252F%3B645%3B430
CAUSA:
Acontecimiento, circunstancia,
característica o combinación de
ellos que desempeña un papel
importante en la producción de un
hecho.
• (Beaglehole,R, y cols; 1994)
EL INVESTIGADOR PERSIGUIENDO
A LAS CAUSAS
Causa 1 Causa 2 o
Confusor
CAUSA EFECTO
CAUSALIDAD
Transferencia de energía
CAUSA
(Medicamento) EFECTO:Coronariopatía
Confusores
Ca Pulmón
Tabaco
Causa Efecto
Confusor
Ambiente laboral
Relaciones Causa-Efecto…
CAUSA
CAUSA
SUFICIENTE: es
NECESARIA: es
la relación
la relación
general (no
exclusiva entre
exclusiva) entre
variables.
variables.
Malnutrición B.Koch Causa
Necesaria
HOSPEDERO TBC
Genética
SUSCEPTIBLE
Hacinamiento
Causas Suficientes
Condiciones de las Causas
NECESARIAS
Sí NO
Necesaria y Suficiente
Sí Suficiente pero
No Necesaria
SUFICIENTES
Necesaria pero Ni Necesaria
NO No Suficiente Ni Suficiente:
Predisponente
Condiciones de las Causas
NECESARIAS
Sí NO
Radiación
Sí Carga genética Benceno, etc.
y Leucemia*
SUFICIENTES
Bacterias, Factores de
NO Virus, Riesgo***
Hongos**
Consistencia Asociación
Especificidad Temporalidad
(PATEC)
CASUALIDAD Y
CAUSALIDAD
3. La arquitectura de
la Hipótesis
(Componentes)
Hipótesis, su significado
Etimología: del griego: ,υπο: situar bajo algo, lo
que apoya algo; en el mismo sentido del término
latino de suppositio.
http://cadel2.uvmnet.edu/test/asignaturas/desarrolloComunitario/tools/cdv/Hipotesis.pdf
Todo problema invoca una
conjetura
Que son los elementos constitutivos de toda Hipótesis.
Anátomo fisiología
de toda Hipótesis
Variable
Variable Unidad de Dependiente
Independiente análisis Desenlace
Intervención Diferententes Resultado
Predictor variables Consecuencia del
impacto de la VI
Tratamiento elegidas en las Variables
elegidas
CONTEXTO DEL
RESPUESTA POSIBLE DESCUBRIMIENTO
(O HIPÓTESIS)
El MODELO utilizado
Options
actualmente es el
propuesto por KARL
POPPER denominado:
Planteo de la Hipótesis:
“El tratamiento antibiótico parenteral mejora el
cuadro radiológico de la neumonía bacteriana
http://www.generacionelsevier.es/wp-content/uploads/2011/12/1_1_normal_1_2.jpg
¿Qué ocurre cotidianamente?
• El Investigador plantea una Hipótesis:
“La hipercolesterolemia es un factor
determinante en la producción de accidentes
cardiovasculares”.
Esta Hipótesis se denomina Hipótesis
“Positiva” o Hipótesis Alterna (H1).
Inmediatamente, aunque al investigador no le
“guste”, se autogenera la Hipótesis
contraria:
“Las relaciones entre colesterol y accidentes
cardiovasculares, es simplemente por azar
(casualidad)”.
Esta última se llama Hipótesis Nula (H0).
HIPÓTESIS ALTERNA HIPÓTESIS NULA
(H1): (H0):
-La relación entre -La relación entre
variables no es variables se debe
debida al azar. exclusivamente al azar.
H0
Azar
H0
H1
NO AZAR
P. Bazerque
Propuesta:
Hagamos un ejercicio
teológico-científico
Existencia de
Dios
NO SÍ
SÍ ERROR ACIERTO
Existencia de un
hecho
NO SÍ
Cómo lo
NO ACIERTO ERROR
interpre- Falsamente
Existe
tamos negamos su
existencia
SÍ ERROR ACIERTO
Falsamente
Existe aseveramos su
existencia
Existencia de un
hecho
NO SÍ
Cómo lo
NO ACIERTO ERROR
interpre-
Existe β
tamos
SÍ ERROR ACIERTO
Existe α
Tenemos que tener en
cuenta lo siguiente
(Error Aleatorio):
α : es la cantidad de falsos positivos que estamos
dispuestos a aceptar (asumir que algo es verdadero cuando es falso).
Debe establecerse antes del experimento.
β falsos negativos
: es la cantidad de que estamos
dispuestos a aceptar (asumir que algo es falso cuando es verdadero).
Debe establecerse antes del experimento.
Contraste de Hipótesis
Siendo
REALMENTE CIERTA
(Fijamos el valor
de α antes del estudio)
H0 H1
α =/> 0.05 α < 0.05
CONCLUIMOS
Mediante el Test
estadístico adecuado H0 ACIERTO ERROR
(Chi² ; Wilcoxon; p > 0.05
Kruskal-Wallis; t;
ANOVA)
H1 ERROR ACIERTO
p < 0.05
El Sistema de Hipótesis
Contexto H0 H1
Estadístico Debida No es debida al
Relación entre exclusivamente azar
variables al azar
Epidemiológico No existe Existe relación
Relación relación Causa /Efecto
Causa/Efecto Causa/Efecto
Clínico Debidos al azar No debidos al
Cambios azar
observados
H0 Medicamento H1 Probabili-
no es útil Medicamento dad
es útil Total
H0
Medica ACIERTO ERROR* 1
mento β
no es 1-β Falso –
útil Poder (0.80) (0.20)
H1
Medica ERROR** ACIERTO 1
mento α
es útil Falso + (0.05) (0.95)
Estudio H0 H1
Clínico (p 0.05) (p < 0.05)
Estudio H0 H1
Clínico (p 0.05) (p < 0.05)