Bioestadística

Sirve para poder tener una actitud critica basada en el conocimiento científico ,para asi poder
respaldar la pduccion d conocimiento científico con 1 base sólida basada en la evidencia

Por ejemplo :

El hecho de q la presión arterial elevada aumenta la mortalidad de la población en general es

considerado una verdad médica ,es así porque hay estudios q lo demuestran en base una fuerte
relación entre

 valores elevados de presión arterial

 y mayor mortalidad

vemos que :

 en verde estan las personas con la presion arterial elevada

 en azul son las personas con presión arterial normal

De manera q por estudios estadísticas se avaló q la HTA es proporcional a la mortalidad d la

población

De modo que si efectivamente quiero bajar la presión arterial en mis pacientes, tengo que optar por
diferentes alternativas q provengan de estudios científicos ya corroborados en ensayos clínicos ,en
los cuales se aplicó el método científico

La estadística es la disciplina q se encarga de

1. recolectar,
2. clasificar,
3. resumir
4. y analizar datos

y luego en algunos casos realizar inferencias a partir de los mismos

digo en algunos casos porque podemos encontrar

 una estadística descriptiva : la cual presenta, organiza, resume datos utilizando métodos
numéricos y gráficos
 una estadística inferencial que permite generalizar los datos de una muestra a una
población más grande y sacar conclusiones
Individuos : a las personas animales plantas células o sea el objeto de estudio individualizado
que contiene cierta información a estudiar

Población o universo : al conjunto de individuos o elementos que cumplen ciertas propiedades

comunes ( por ende no incluye a todas las personas dl mundo , sino q se define la población es un
grupo d personas a las q yo voy a estudiar )

Muestra : son grupos representativos d la población , es importante tener en cuenta el tamaño y el

sistema d muestreo para evitar lo que se conoce como sesgo o error sistemático en la toma de
muestras

Por ejemplo :

supongamos que yo quiero representar la incidencia de una patología que tiene que ver con el
nivel de vida entonces quiero tomar una muestra de la población argentina y para eso debería
considerar determinados factores que eviten el sesgo :

una situación sería que no puedo tomar a personas que vivan todas en una misma región porque
las condiciones socioeconómicas de esta región podría no ser representativas de lo que es la
población sobre la cual yo quiero estudiar

por ejemplo :

mi población puede ser : un grupo d personas diabéticas y obesas

sobre las cuales uno va a estudiar como se comporta un fármaco en estos pctes ,y d esta
población d diabéticos obesos se selecciona una muestra , en la q haya personas q cumplan con
esas características y q por ende sean representativas d la población q yo quiero estudiar :

se han d tomar en cuenta personas d todas las edades ,sexos ,tallas que sean obesas y tengan
diabetes

una vez obtenida la muestra se ha d estudiar 2 grupos : uno control ( en el q se les da un placebo )
y uno no control o tratado ( en el q se le administra el fármaco )

un sesgo q se puede dar acá seria saber a q grupo se le da el placebo o el fco , lo ideal es q sea al
azar

Por otro lado , el tamaño d la muestra es importante :

 cuantas mas personas participen en el estudio ,mas fiable o mas representativo sera ( se
usa la muestra solo para ahorrar tiempo )
 y además d ello permite un mejor control de la variable a estudiar porque podemos seguir a
lo largo dl tiempo a las personas q se estan estudiando

variables :

lo q se desea estudiar d aquellas personas son variables , las cuales pueden ser observadas y
medidas

hay 4 tipos :

 dependiente : o x , q depende d la otra variable ,es el resultado

 independiente o y , q no depende d otra variable , es la intervención o causa

por ejemplo : el peso es dependiente d la altura , cuanto mas altura ,mas peso , x ello el peso es
dependiente , pero la altura no depende dl peso ,ósea por mas q la persona pese más o menos no
implica q sea mas alto mas bajo

 variables cualitativas : no se asocian a nros , se organizan en :

 nominales : aquellas cualidades q no se pueden ordenar como el
sexo ,religión ,nacionalidad ,osea q no se pueden categorizar o bien no se pueden
ordenar
 ordinales . son aquellas cualidades q si se pueden ordenar ,como la altura
( alto ,mediano o bajo ) , el peso ( alto , normal , bajo ) , la HTA ( alto ,mediano o
bajo ) , anemia ( leve ,moderado o grave )
 variables cuantitativas o numéricas : estas son aquellas en las q si se pueden emplear
cálculos ,pueden ser :
 continuas : comprende números enteros , como la cant d cigarrillos o el nro d hijos
  discretas : comprende decimales , como los valores dl hemograma

parámetros y estimadores

toda a info q se pudo obtener d una determinada variable , se debe sintetizar para q asi luego se
pueda divulgarla y poder analizarla mejor , por ello cuento con 2 términos :

 si se está hablando dl universo o población : contamos con parámetros

 si se está hablando d la muestra : contamos con estimadores

en la practica se trabaja con estimadores , dado q se trabaja con muestras , hay 2 tipos d
estimadores :

 los d tendencia central : comprende 3 medidas adicionales :

la moda : es el valor q ocurre con mayor frec
la mediana : es el valor q deja 50 % d las determinaciones por arriba y 50 % x debajo
la media : es el promedio
 los d dispersión los cuales nos indican como se distribuyen los valores individuales
alrededor d los estimadores d tendencia central ,hay 2 grupos .
1. el rango : es la diferencia e / el valor mas grande y el mas chico( son los valores
extremos ) ,como lo es la presion arterial , en la q tras medirla en un pcte y
obtener valores entre los 110 y 180 mmhg ,se puede decir q ese fue el rango en el
q fue fluctuando la presion arterial , pero esta medida d dispersión no nos aporta
informacion d q tantas veces se repitió un determinado valor ,osea si el pcte tuvo
varias veces la PA d 180 o predomino mas las presiones cercanas a los 110
2. la varianza : o (s)2 ,cuantifica la variabilidad d las determinaciones individuales
respecto a la media ,de esta medida d dispersión se despreden :
A. el desvio estandar o SD ; el cual es la raíz cuadrada d la varianza : nos
puede indicar q tanto se desvio un valor apartir dl promedio o d la
media ,en otras palabras es el promedio d las diferencias d cada valor
individual con respecto a la media
B. el error estandar o desvio estándar dividido la raíz cuadrada d la muestra

por ejemplo : 2 estudiantes después d rendir los examanes d 2do año d medicina ,generan distintas
notas en todos los parciales , pero a la hora d hacer el promedio se obtiene el mismo valor , por
ejemplo 6

d manera q la media seria 6

la moda varia según cual sea la nota q mas se repite en cada estudiante

el rango podría ser :

 en el estudiante 1 : de 4 a 10
 en el estudiante 2 : de 6 a 9

el desvio estándar : es cuanto se desvio cada nota dl estudiante 1 en cada parcial , por ejemplo

 fisiología : 6
 bioquímica 4
 epidemio 2
 psicología 8
 al parecer hay un desvio d 2 puntos con respecto al pormedio para bioquímica y psicología
 lo mismo pero con el otro estudiante , en el q el desvio puede ser d 1 punto con respecto al
promedio

presentación ordenada d datos :

Son alternativas para presentar la informacion , hay 2 maneras :

la tabla d frecuencias :

Genero Frec
Hombre 4
Mujer 5
las representaciones graficas
ambas exponen en orden la info recogida d 1 muestra

distribución normal

en general cuando estudiamos poblaciones relativamente grandes vamos a encontrar que los
valores adquieren una distribución normal y forman lo que conocemos como campana de gauss

cuando la distribución es normal la media la mediana y la moda coinciden en un mismo valor ,por
otro lado los de desvios estándar nos dan la forma final d la curva ,cuando nosotros vemos el
ancho lo que nos refleja es la magnitud del desvío estándar ,por otro lado es característico en este
tipo de distribución que cuando nos movemos

1. un desvio estándar a los lados de la media abarcamos a un 68% de los elementos

estudiados
2. dos desvíos estándar para abajo y para arriba abarcamos el 95% de los individuos
estudiados
3. tres desvíos estándar vamos a estar abarcando al 99% de los individuos estudiados

o sea que si yo tengo una media de supongamos 90 y el desvío estándar fuera 10 podría predecir
que

1. entre 80 y 100 voy a encontrar al 68% de la población sí y así sucesivamente

2. entre 70 y 110 encuentro el 95
3. y entre 60 y 120 encuentro al 99%

con lo cual la posibilidad de encontrar una persona con un valor por encima de 120 es
relativamente fácil de calcular porque vemos que me móvi 3 desvíos estándar para arriba y para
abajo con lo cual estoy abarcando al 99% de la población adentro y me queda un 1% que se
divide en 0.5 por debajo y 0,5 por encima

con lo cual si yo supiera que en una población los valores de frecuencia cardíaca tienen este tipo
de distribución la probabilidad de encontrar una persona que tuviera valor por encima de 120 sería
del 0.5 por ciento

hipótesis

para todas las hipótesis hay dos posibilidades

1. una posibilidad es la que se conoce como hipótesis nula (Ho ) que plantea que si yo
encontrara alguna diferencia eso se debería simplemente al azar
2. la otra posibilidad es la hipótesis alternativa (H1 ) q dice que si yo encuentro alguna
diferencia esto se debe a la intervención que estoy estudiando en este caso por ejemplo
administrar vitamina c

A partir de ahí se abren distintas posibilidades supongamos que el tratamiento fuera realmente
efectivo

I. Lo correcto seria aceptar la hipótesis alternativa o bien rechazar la hipótesis nula ,

 II. pero si aceptamos la hipótesis nula seria un error d tipo 2 ,este error puede ser menor si se
aumenta el tamaño d la muestra

por otro lado si el tratamiento realmente no fuera efectivo

I. lo correcto seria aceptar la hipótesis nula o rechazar la hipótesis alternativa ( dado q el tto
no es el correcto o bien no se puede demostrar q los cambios se debieron al tto )
II. pero si se rechaza la hipótesis nula ,en este caso se comete el error d tipo 1 , por lo q la
probabilidad d equivocarnos sera mayor al 5 % ,pero puede evitarse ese error por medio d
las pruebas estadísticas

Pruebas estadísticas

Esta la prueba dl test d T :

El cual es útil para determinar si hay diferencias significativas al estudiar variables cuantitativas

Cuanto mas grande me de el valor dl test d T , mayor chance habrá q la prueba d significación
estadística me de significativa

Osea mas chances habrá q la vitamina c genere cambios significativos sobre la presion arterial en
un grupo ( tratado ) q en el otro grupo ( placebo o no tratado ) ,por lo q el estudio d la vit c sobre los
cambios en la presion arteria sera estadísticamente significativos

 Es directamente proporcional a la diferencias d las medias ( e / los grupos tratado y no

tratado )
 E inversamente proporcional a los errores estándar

Prueba dl chi cuadrado .

la cual se utiliza para evaluar variables cualitativas estas pueden ser

 de tipo nominal como por ejemplo el género ya sea varón mujer o no binario y también
padecer una enfermedad por ejemplo padecer epoc o no padecer epoc
 de tipo ordinal como por ejemplo las calificaciones de un examen muy bueno ,bueno,
regular excelente

se puede usar para :

1. bondad d ajuste : osea comparar las frec observadas con teóricas ( HO:FO.FE )
2. prueba d homogeneidad : osea comparar 2 o mas conjuntos d frecuencias observadas
para saber si las diferencias e / los conjuntos son significativas ( Ho : hay homogeneidad )
3. prueba d asociación : osea conocer el grado d asociación o dependencia e / 2 variables
( Ho : no hay asociación ) ,osea si una variable genera un efecto sobre la otra o si son
independientes e/si

para realizar la prueba del CHI cuadrado se utilizan las TABLAS D CONTINGENCIA :

 La variable horizontal seria : padecer epoc o no padecer epoc

 La variable vertical seria . ser fumador o no ser fumador
 La prueba esta diseñada para ver si fumar aumenta el riesgo d padecer epoc oh no

Pasos a seguir :

Formular la hipótesis nula
y la alternativa
Fijar el nivel d significación
Calcular el estadístico chi
cuadrado con los datos d
la muestra
( la compu lo hace )
Calcular grados d libertad
Determinar el valor critico
en la tabla dl chi
cuadrado ,
Comparar el chi cuadrado
calculado con chi
cuadrado critico
Conclusión
 La nula ( h0 ) : seria ,existe 1 relacion e / fumar y padecer epoc
 La alternativa (h1 ): seria ,no existe 1 relacion e / fumar y padecer epoc
Ósea alfa = 0,05
Siendo FO : las frec observadas en la muestra y FE : las frecuencias esperadas si es q la
hipótesis nula fuera cierta
se basa en contrastar las frecuencias observadas en nuestra muestra con las frecuencias
esperadas según la distribución del chi cuadrado
voy a decir si la muestra estuviera distribuida al azar siguiendo a la hipótesis nula donde no existe
una asociación entre ser fumador y epoc tendrían determinado valor esperado
entonces lo que nosotros calculamos con este test estadístico es : cuánto se diferencia lo
que nosotros vemos en nuestra muestra con los que esperaríamos si no existiera una
asociación entre las variable
Los GDL = (nro d filas – 1 ) x ( Nro d columnas . 1 )
Para una tabla d 2 x 2 seria :
GDL = ( 2 – 1 ) x (2 – 1 ) , ósea te da 1
teniendo en cuenta los grados d libertad ( 1 ) y el nivel d significación ( 0,05 )
con estos valores vamos a 1 tabla con los valores dl chi cuadrado critico q ahora no se, pero
seguro habrá
Acá se emplea la regla la d decisión ,para ver si se puede rechazar la hipótesis nula o azarosa oh
no
Si el chi cuadrado calculado en nuestra muestra es mayor o igual al chi cuadrado critico ( teórico
o valor ya establecido ) se ha d rechazar la hipótesis nula o Ho , x lo se estaría aceptando la
hipótesis alternativa o H1 y x ende si habría 1 asociación e / ambas variable
Si el chi cuadrado calculado en nuestra muestra es menor al chi cuadrado critico ,no se rechaza
la hipótesis nula o Ho ,x ende no habría 1 asociación e / ambas variables
Este test nos refleja lo diferente q es lo observado d lo esperado , d manera q cuanto mas grande
sea el chi cuadrado significa q lo q observamos es muy distinto d lo teóricamente se espera, con
lo cual hay mas chances d q la hipótesis nula no sea verdadera ,ósea q estas variables si estén
asociadas

Riesgo relativo y odds ratio

Permiten describir q tan asociadas estan 2 variables (los otros test , permitían calcular o demostrar
si había oh no asociación )

El riesgo relativo : es un cociente d proporciones ,por un lado el riesgo es una proporción si es la

proporción de individuos enfermos sobre el total de expuestos

Lo que se hace es comparar ese riesgo entre dos grupos distintos ,si observamos el ejemplo en la
tabla podemos darnos cuenta q es una tabla de dos doble entradas como las que venimos
analizando hasta el momento :

A. en las columnas tenemos el padecimiento de infarto agudo de miocardio y no padecimiento

de infarto agudo de miocardio
B. mientras que las filas tenemos un grupo de personas diabéticas y un grupo de personas no
diabéticas

¿cómo se calcula el riesgo de infarto agudo de miocardio en el grupo los diabéticos ?

Se calcula como el número de personas que padecieron un infarto dividido el número total de
diabéticos o sea 30 dividido 200

¿ como se calcula el riesgo de padecer infarto agudo de miocardio en no diabéticos ?

Se calcula como el nro d personas q sufrieron IAM ( 45 ) dividido el total de no diabéticos ( 600 )
que son 600

El riesgo relativo se define como : el cociente /el riesgo d padecer IAM en los diabéticos y el
riesgo d padecer IAM en los no diabéticos ,esto da un valor de 2 que ya luego más adelante
vamos a tratar de describir qué significa

Odds ratio :

Es un cociente de posibilidades, ósea

retomando nuestro ejemplo acá tenemos el caso del infarto en los diabéticos y los no diabéticos

¿cuál sería el odds ratio de IAM en los diabéticos ?

se calcularía como las personas que padecieron el infarto / las personas q no padecieron el
infarto ,en este caso sería 30 dividido 170 (a diferencia dl riesgo relativo era 30 dividido el total de
casos )

¿cómo se calcula el otro odds ratio de IAM en los no diabéticos ?

Se hace el cociente entre la cantidad de casos d IAM no diabéticos / la cantidad de no casos o sea
de la gente que no padeció infarto de miocardio entre ese grupo no diabéticos

esto es 45 / 555

por último para calcular el odds ratio lo que se hace es dividir los dos valores d odds obtenidos
previamente y esto nos da un total d 2,17 si bien es un valor bastante parecido al riesgo relativo
tiene cierta diferencia

Dado q a medida que aumenta el número de la muestra la diferencia puede expandirse un poco
más o ser más significativa para valores pequeños

RELACION LINEAL :

La correlación lineal como lo e la estatura con el peso es expresado en nros x medio dl coeficiente
d correlación d person , el cual puede tomar diferentes valores , o , + 1 . – 1

Cuanto más cerca de + o - 1 esté el valor de r mejor será la correlación lineal y el signo lo que nos
va a indicar es en que sentido se modifica una con otra
Para ejemplificar un poco el concepto de r sí y qué significa que una residual a 0 que sea igual a 1
tenemos esta figura con distintos ejemplos

Minuto 51 d 55 , falta regresión lineal pero ya estoy quemadísimo