Documentos de Académico
Documentos de Profesional
Documentos de Cultura
21
Correlación
Estudio conjunto de 2 variables cuantitativas.
A la derecha se tiene una posible manera de recoger datos obtenidos observando 2
variables en varios individuos de una muestra.
o En cada fila se tiene los datos de cada individuo.
o Cada columna representa los valores que toma una variable sobre los mismos.
o Los individuos no se muestran en ningún orden en particular.
Dichas observaciones pueden ser representadas en un diagrama de dispersión
(scatterplot). En ellos, cada individuo es un punto cuyas coordenadas son los valores de
las variables.
El objetivo es intentar reconocer a partir del mismo si hay relación entre las variables, de
que tipo, y si es posible predecir el valor de una de ellas en función de la otra.
Propiedades de r
Es adimensional.
Solo toma valores entre [-1,1].
o r=0 las variables son incorreladas.
o r=-1 relación inversa perfecta entre dos variables.
o r=1 relación directa casi perfecta entre dos variables.
Cuanto mas cerca este r de +1 o -1, mejor será el grado de relación lineal
o Siempre que no existan observaciones atípicas.
Ejemplos
r=0,665 – p=0,01
o Relación directa entre 2 variables.
o A medida que aumenta la edad, aumenta el peso.
o Si se analiza el grafico, no se ve una relación lineal
o entre los puntos.
o No es una correlación valida para asociarla desde el punto de
vista lineal.
r=-0,665 – p=0,01
o Relación inversa entre 2 variables.
o A medida que aumenta la edad, la creatinina disminuye.
o Si se analiza el grafico, se ve una relación lineal
entre los puntos.
o Es una correlación valida para asociarla desde el punto de
vista lineal.
IMPORTANTE
Si el grafico no muestra una relación o tendencia lineal ya sea directa o inversa, las medidas de
correlación como el r y el p-valor, no sirve.
Esto quiere decir que el grafico manda por sobre las medidas estadísticas.
Ejemplo 1
Evaluar la influencia de distintas fuentes de estrés en el rendimiento académico de
estudiantes de odontología.
La carga de trabajo mostró una correlación negativa con el rendimiento académico r=-0,86 – p=0,003
o Relación inversa entre 2 variables.
o La correlación es significativa si el valor definido por el investigador es del 10%.
La practica preclínica y clínica mostraron una correlación positiva r=0,77 – p=0,002
o Relación directa entre 2 variables.
o La correlación es significativa si el valor definido por el investigador es del 10%.
Ejemplo 2
Estudio comparativo de calidad de sueño en pacientes bruxistas y no bruxistas
Los pacientes bruxistas presentar peor calidad de sueno que aquellos que no lo son (p=0,009).
o La correlación es significativa si el valor definido por el investigador es del 10%.
Solo entregan la probabilidad, ya que no hay presencia de variables cuantitativas, por lo tanto,
el coeficiente de Pearson no puede ser utilizado.
Asociación
Estudio conjunto de 2 variables cualitativas.
Consumo de Bruxista No bruxista Total
Ejemplo 1
fármacos
Consumo de medicamentos en
pacientes bruxistas y no bruxistas. No consume 26 30 56
Chi cuadrado 0,686 Si consume 22 18 40
p 0,408 Total 48 48 96
En este caso no hay asociación entre ambas variables, ya que la p es mayor al un valor
definido por el investigador, en este caso, un 5% (0,05).
Ejemplo 2
Consumo de medicamentos con mal y buen dormir
Chi cuadrado 0,729
p 0,393 Consumo de Mal dormir Buen dormir Total
En este caso no hay asociación entre ambas fármacos
variables, ya que la p es mayor al un valor No consume 39 17 56
definido por el investigador, en este caso, un Si consume 31 9 40
5% (0,05). Total 70 26 96
Ejemplo 3
Calidad de sueño y bruxismo
Chi cuadrado 6,75
p 0,009
En este caso hay asociación significativa Calidad del sueño Bruxista No bruxista Total
entre ambas variables, ya que la p es Buena 26 38 64
menor al un valor definido por el Mala 22 10 32
investigador, en este caso, un 5% (0,05). Total 48 48 96
Pruebas de diagnóstico
Las pruebas o exámenes diagnósticos presentan probabilísticamente la situación del paciente,
distinguiéndose los eventos.
o El paciente esta sano.
o El paciente esta enfermo.
o El examen da positivo.
o El examen da negativo.
Esta situación la vemos en Estado del paciente Total
la siguiente tabla: Enfermo Sano
Resultado Positivo a b a+b
del Negativo c d c+d
examen Total a+c b+d a+b+c+d
Se sospecha que un paciente puede padecer cierta enfermedad, que tiene una incidencia de la
enfermedad en la población (probabilidad de que la enfermedad la padezca una persona
elegida al zar; probabilidad de estar enfermo).
Como ayuda al diagnóstico de la enfermedad, se le hace pasar una serie de pruebas que dan
como resultado: positivo o negativo.
Previamente, sobre el test diagnóstico a utilizar, han debido ser estimadas las cantidades:
o Sensibilidad
Probabilidad de que el test de positivo sobre una persona que sabemos
que padece la enfermedad, así de la tabla se deduce:
o Especificidad
Probabilidad de que el test de negativo sobre una persona que sabemos
que no padece la enfermedad, así de la tabla se deduce:
Lo que se busca generalmente en los exámenes es que sean altamente sensibles y altamente
específicos.
Ejemplo 1
Validación de instrumento de Estado del paciente Total
ansiedad dental Con ansiedad Sin ansiedad
Sensibilidad 512/553 = Resultado Positivo 512 60 572
0,93 del Negativo 41 83 124
Especificidad 83/143 = examen Total 553 143 696
0,58
Conclusiones
o El test es un 93% sensible y un 58% especifico.
o El examen discrimina en un 93% a los que presentan ansiedad, pero solo en un 58%
sin ansiedad.
Medidas de riesgo
Una forma similar a la anterior se usa comúnmente en epidemiologia, pues el sujeto se clasifica,
según una variable respuesta (enfermo o sano) y una variable explicativa (expuesto o no
expuesto), así:
Estado del paciente Total
Así es posible calcular las
Enfermo Sano
probabilidades de ocurrencia para:
o P(enfermo - Exposición Expuesto a b a+b
a la No expuesto c d c+d
expuesto).
enfermedad Total a+c b+d a+b+c+d
o P(sano - expuesto).
o P(enfermo - no expuesto).
o P(sano - no expuesto).
Y como medidas de asociación corrientemente se utilizan 2:
o Riesgo relativo (RR)
Estas medidas de asociación, que miden la fuerza con la que una enfermedad o evento de
salud esta relacionada con un factor.
o Si RR u OR son 1 implica que no hay asociación entre la enfermedad y la exposición.
o Si RR u OR son menor que 1 la exposición es un factor protector.
o Si RR u OR son mayor que 1 la exposición es un factor de riesgo.
El riesgo relativo o RR solo se puede calcular en diseños transversales o prospectivos.
El odds ratio o OR se puede calcular en diseños transversales, prospectivos y retrospectivos.
El fácil observar que si el RR de enfermos es pequeño (prevalencia baja), RR y OR son
numéricamente similares.
Estado del paciente Total
Ejemplo 1
Enfermo Sano
Asociación entre una
Enfermeda Complicaciones 160 43 203
cardiopatía isquémica y la
d Sin complicaciones 70 90 160
enfermedad periodontal.
periodontal Total 230 133 363
RR (160/203)/(70/160) = 1,8
o Interpretación
La enfermedad periodontal constituye un factor de riesgo en la enfermedad
(cardiopatía isquémica), el factor de riesgo (RR=1,8) indica que los sujetos
expuestos a la enfermedad periodontal presentan 1,8 veces mas posibilidades
de presentar la cardiopatía que aquellos que no están expuestos.
Considerando un estudio de cohortes.
OR (160x90)/(70x43) = 4,78
o Interpretación
La enfermedad periodontal constituye un factor de riesgo en la enfermedad
(cardiopatía isquémica), el factor de riesgo (OR=4,78) indica que los sujetos
expuestos a la enfermedad periodontal presentan 4,78 veces mas posibilidades
de presentar la cardiopatía que aquellos que no están expuestos.
Considerando un estudio de casos y controles.