Universidad Católica de Honduras

“Nuestra Señora Reina de la Paz”

Sagrado Corazón de Jesús

Resumen bioestadística

Nombre: Ramiro Alejandro Lobo Morel.

Cuenta: 0801-2004-03963

Clase: Bioestadística

Docente: Lic. Amílcar Sánchez

Fecha: 06/12/23
 RESUMEN CAPÍTULO 11 TÉCNICAS DE MUESTREO
El objetivo es conocer características importantes de toda una población usando datos de una o más
muestras tomadas de esa población. La precisión de estas inferencias depende de la calidad de las
muestras.
Tipos de muestreo:
1. No aleatorio
2. Aleatorio
11.1 MUESTREO NO ALEATORIO
Se eligen las muestras según la consideración del investigador, basándose en experiencias típicas y
algunos principios matemáticos lógicos y sentido común. Hay tres tipos:
1. Muestreo por accidente
2. Muestreo por cuota
3. Muestreo intencional o de juicio
 Muestreo por accidente: Se estudian los datos que el investigador considera relevantes.
 Muestreo por cuota: Se forman las muestras considerando las características de la población
según su proporción.
 Muestreo intencional o de juicio: Se toman datos que el investigador considera
representativos en la población según su experiencia o juicio.
11.2 MUESTREO ALEATORIO
Los elementos se eligen siguiendo leyes probabilísticas, lo que significa que cada elemento tiene la
misma probabilidad de ser seleccionado. Hay cuatro tipos:
1. Aleatorio simple
2. Sistemático
3. Estratificado
4. Por conglomerado
 Aleatorio simple: Se enumeran los datos y se eligen aleatoriamente para formar la muestra.
 Sistemático: Se divide la población según el tamaño de la muestra y se forman grupos para
elegir los datos.
 Estratificado: Similar al muestreo no aleatorio por cuotas, pero con extracción de elementos
mediante muestreo no aleatorio por cuotas y aleatorio simple.
 Por conglomerado: Se divide geográficamente la población para elegir al azar grupos que
formarán la muestra. Este método es común en censos.
 RESUMEN CAPÍTULO 13
MÉTODO CIENTÍFICO Y TEMAS RELACIONADOS.
13.1 MÉTODO ESTADÍSTICO
Se trata de usar métodos estadísticos para medir información, resumir valores y analizar datos para
obtener la máxima información esencial. Los pasos incluyen definir el problema, recopilar
información existente, obtener información nueva, clasificar, presentar, y analizar con conclusiones.
En estudios experimentales y observacionales, el objetivo común es determinar la causalidad y
extraer conclusiones sobre el efecto de cambios en variables independientes o dependientes.
Técnicas comunes de análisis estadístico incluyen la prueba de t de Student, prueba de Chi
cuadrada, análisis de varianza, prueba U de Mann-Whitney, análisis de regresión y correlación.
13.2 MÉTODO CIENTÍFICO
Desde principios del siglo XX, la metodología científica se basa en los postulados del positivista
crítico Karl Popper. En medicina, donde hay incertidumbre, se necesita un compromiso riguroso
con la ciencia.
En la Metodología Científica en Ciencias de la Salud, hay dos enfoques: estadística de frecuencias y
estadística probabilística. El método clásico, basado en frecuencias, contrasta hipótesis mediante
pruebas estadísticas.
Cuando la dispersión y la falta de cuantificación de datos impiden un tratamiento estadístico, se
puede usar la lógica borrosa, que resuelve problemas relacionados con la incertidumbre.
13.3 ENSAYO CLÍNICO
Un ensayo clínico es una evaluación experimental de productos o tratamientos en humanos para
valorar su eficacia y seguridad. Se realizan cuando hay razones para creer que el tratamiento puede
ser beneficioso. Los ensayos clínicos a menudo demuestran beneficios reales en el uso de nuevos
tratamientos experimentales en pacientes.
INTRODUCCIÓN
Un ensayo clínico es una prueba científica de un medicamento, aceptada por el paciente y
respaldada por la ley. En este estudio experimental, el investigador controla las variables, y los
participantes se asignan aleatoriamente a diferentes tratamientos comparativos. El ensayo clínico es
el estudio con mayor evidencia para demostrar la idoneidad de un procedimiento médico en base a
conocimientos científicos, controlando variables estadísticas para evitar sesgos.
ENSAYO CLÍNICO IDEAL
La combinación adecuada de diferentes tipos de ensayos clínicos nos permite construir un ensayo
clínico ideal, potente, confiable y riguroso. Debe cumplir con ciertas características, como ser
controlado, prospectivo y aleatorizado.
 ESTUDIO CONTROLADO
En este estudio experimental, se definen claramente las variables y los mecanismos de control para
evitar sesgos. Se compara un grupo experimental con un grupo de control que recibe un tratamiento
placebo o estándar ya validado.
ESTUDIO PROSPECTIVO
Los estudios pueden ser retrospectivos, transversales o prospectivos, centrándose en la observación
de eventos futuros.
ESTUDIO ALEATORIZADO
El objetivo es hacer que los grupos sean comparables, evitar el sesgo del investigador y garantizar
validez estadística. Se utilizan técnicas de aleatorización, como criterios de inclusión y exclusión.
ASPECTOS ÉTICOS
La ética es fundamental en los ensayos clínicos. Todos los participantes deben estar informados y
dar su consentimiento informado. Se siguen siete criterios éticos, incluyendo valor, validez
científica y respeto a los participantes.
DISEÑO Y EJECUCIÓN EN PROCESOS ESTADÍSTICOS
El diseño estadístico comprende la formulación del problema, objetivos de investigación,
determinación de la unidad de investigación, hipótesis, método de investigación, recolección y
procesamiento de información, diseño experimental, réplica estadística y publicación.
SENSIBILIDAD, ESPECIFICIDAD, PREVALENCIA Y VALORES PREDICTIVOS
Se aborda el caso de una prueba dicotómica que clasifica a los pacientes como sanos o enfermos en
función de resultados positivos o negativos, permitiendo clasificar a los sujetos según una tabla 2x2.

SENSIBILIDAD, ESPECIFICIDAD Y VALORES PREDICTIVOS

En este contexto, el 'test' es la prueba aplicada, y el 'estado del paciente' se clasifica como enfermo
(P +) o sano (P -).
 VP (verdadero positivo): Resultado correcto al identificar a un individuo enfermo.
 VN (verdadero negativo): Resultado correcto al identificar a un individuo sano.
 FN (falso negativo): Error al clasificar como sano a un individuo enfermo.
  FP (falso positivo): Error al clasificar como enfermo a un individuo sano.
13.5.1 SENSIBILIDAD
Es la probabilidad de clasificar correctamente a una persona enferma, es decir, la probabilidad de
que, para alguien enfermo, la prueba dé un resultado positivo.

VP
Sensibilidad=
VP+FN
(VP es la prueba de resultado)

13.5.2 ESPECIFICIDAD
Representa la posibilidad de que una prueba indique negativo para un paciente sano. Se calcula
mediante una fórmula.

Especificidad= VN
VN+FP

13.5.3 RELACIÓN ENTRE SENSIBILIDA Y ESPECIFICIDAD

Idealmente una prueba debería ser 100% sensible y 100% especifica, que implicaría que es capaz de
reconocer correctamente a todos los enfermos y a todos los que no tienen alteración en estudio.
13.5.4 PREVALENCIA
La prevalencia es el porcentaje de casos identificados con una enfermedad en relación con el total
de personas en riesgo. Se calcula con una fórmula.

∑P (+)
X100
PREV= Población de riesgos

13.5.5 LA INFLUENCIA DE LA PREVALENCIA

Aunque la sensibilidad y especificidad definen la validez de la prueba diagnóstica, no ofrecen
información útil para tomar decisiones clínicas. Sin embargo, son propiedades intrínsecas de la
prueba y definen su validez independientemente de la prevalencia de la enfermedad en la población.
13.5.7 LA SEGURIDAD DE UNA PRUEBA DIAGNÓSTICA
La sensibilidad y especificidad evalúan la validez de una prueba diagnóstica pero no son útiles en la
práctica clínica. Se enfocan en la probabilidad de obtener un resultado positivo o negativo en
función de la verdadera condición del enfermo respecto a la enfermedad. Incluye el valor predictivo
positivo y negativo.
13.5.8 RAZONES DE LA POSIBILIDAD O COEFICIENTES DE VEROSIMILITUD
La prevalencia influye en los valores predictivos de un test, por lo que no son útiles para comparar
métodos diagnósticos o extrapolar resultados a otras poblaciones. Se necesitan índices clínicamente
útiles y no dependientes de la prevalencia, como las razones de la posibilidad o coeficientes de
verosimilitud.
13.5.11 ANÁLISIS DE SUPERVIVENCIA
Esta medida no se limita a términos de vida o muerte, sino que mide el tiempo hasta que ocurre un
evento de interés, como recurrencias, eficacia de una intervención, o desarrollo de una enfermedad.
La supervivencia se originó en la muerte de un paciente. El análisis de supervivencia explora
conceptos y términos básicos, la estimación de la proporción acumulada de supervivencia y los test
estadísticos para comparar curvas de supervivencia.