Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Representación gráfica de una variable en forma de barras, donde la superficie de cada barra es
proporcional a la frecuencia de los valores representados. Sirven para obtener una "primera vista"
general, o panorama, de la distribución de la población
06
Frecuencia
Sábado
40
40 = 28.57%
140
Intervalo
de
clases
10 + 15 + 25 + 20 + 30 + 40
140
52 = 10.4
5
La distribución no es simétrica
Verdes 34 36
Negros 10 La suma es 16 12
Marrones 20 16
64
64 x 9 64 x 3 64 x 4 16
36 12
16 16 16
Verdes 34 36
Negros 10 12
Marrones 20 16
( Oi - Ei )2
X2 =
Ei
( 34 - 36 )2 ( 10 - 12)2 ( 20 - 16 )2
X2 = + +
36 12 16
X2 = 43 Luego calculamos los grados de libertad (g.l.)
g.l.= (c-1-k) c = # de categorías (color)
g.l.= (3-1-0) k = # de parámetros que se estiman
Dr. Edgar Yan Quiroz g.l.= 2
Chi cuadrado de Bondad de Ajuste
No Significativo Significativo
g.l.= 2 X2 = 43
60
15
* Chi cuadrado, test exacto de Fisher o “t” de Student según sea necesario
Dr. Edgar Yan Quiroz
Chi cuadrado
Tipo de disección
Sexo D2 D3
N= 13 (%) N= 19 (%)
• Hipótesis estadística:
Ho = Ambas poblaciones son homogéneas
H1 = No existe homogeneidad entre ambas poblaciones
Dr. Edgar Yan Quiroz
Chi cuadrado
Tipo de disección
Sexo D2 D3
N=13 (%) N=19 (%)
Tipo de disección
Sexo Total
D2 D3
Masculino 4 8 12
a b
Femenino 9 11
c d 20
Total 13 19 32
Frecuencias esperadas (Fe):
a= 13 x 12 = 156 /32 4.875
b= 19 x 12 = 228 /32 7.125
c= 13 x 20 = 260 /32 8.125
Dr. Edgar Yan Quiroz
d= 19 x 20 = 380 /32 11.875
Chi cuadrado
Tipo de disección
Sexo D2 D3 Total
4 8
Masculino
4.875 7.125 12
Femenino 9 11
8.125 11.875
20
Total 13 19 32
( Oi - Ei )2
X2 =
Ei
Dr. Edgar Yan Quiroz
Chi cuadrado
Tipo de disección
Sexo D2 D3 Total
4
8
Masculino 4.875 7.125 12
Femenino 9 11
8.125
20
11.875
Total 13 19 32
( 4 - 4.875 )2 ( 8 - 7.125 )2 ( 9 - 8.125 )2
X2 = + + +
4.875 7.125 8.125
( 11 - 11.875 )2
11.875
Dr. Edgar Yan Quiroz
Chi cuadrado
Tipo de disección
Sexo D2 D3 Total
Masculino 4
8 12
4.875 7.125
Femenino 9 11 20
8.125 11.875
Total 13 19 32
X2 = 0.157051282051 + 0.107456140350 + 0.094230769230 + 0.009831460674
X2 = 0.368569652305
Luego calculamos los grados de libertad (g.l.)
g.l.= (c-1) (f-1) g.l.= (2-1) (2-1) g.l.= 1
Dr. Edgar Yan Quiroz
CÁLCULO DEL VALOR P
Nuestro X2 = 0.368569652305
g.l.= 1
Posteriormente nos vamos a la tabla correspondiente a los valores críticos de la distribución de X2
No Significativo Significativo
Inferimos que
• Hipótesis estadística:
Ho = Ambas poblaciones son homogéneas
H1 = No existe homogeneidad entre ambas poblaciones
• Hipótesis estadística:
Ho = No hay asociación; son independientes; no hay dependencia
H1 = Existe asociación; no son independientes; hay dependencia
Dr. Edgar Yan Quiroz
Chi cuadrado de Independencia
Cáncer de Pulmón
Tabaquismo Presente Ausente Total
Presente 30 2 32
Ausente 20 48 50
Se utiliza cuando:
• Al menos en uno de los cuadrados o casilleros
de una tabla de contingencia de 2 x 2 se
obtiene una frecuencia esperada menor de 5.
• La población total es < 200, pero > de 30
Se utiliza cuando:
• Al menos en uno de los cuadrados o casilleros
de una tabla de contingencia de 2 x 2 se
obtiene una frecuencia esperada menor de 5.
• La población total es menor de 30
Tipo de disección
Borrmann Total
D2 D3
5 1 6
II a b
8 18 26
III - IV c d
Total 13 19 32
Vemos que la población total son 32 pacientes. Aparentemente se justifica
el uso del Chi cuadrado.
Calculamos entonces las frecuencias esperadas
Tipo de disección
Borrmann Total
D2 D3
5 1 6
II
2.4375 3.5625
8 18 26
III - IV
10.5625 15.4375
Total 13 19 32
• Observamos que 2 de los casilleros presentan frecuencias
esperadas menores de 5
• Entonces usamos la fórmula del test exacto de Fisher
Tipo de disección
Borrmann Total
D2 D3
5 1 6
II
2.4375 3.5625
8 18 26
III - IV
10.5625 15.4375
Total 13 19 32
n ( ad - bc)2
X2 F =
(a + c) (b + d) (a + b)(c + d)
g.l.= (c-1) (f-1)
Dr. Edgar Yan Quiroz
TEST EXACTO DE FISHER
Tipo de disección
Borrmann Total
D2 D3
5 1 6
II
2.4375 3.5625
8 18 26
III - IV
10.5625 15.4375
Total 13 19 32
X2 F = 5.58413785944
g.l.= 1
Dr. Edgar Yan Quiroz
TEST EXACTO DE FISHER
Hay asociación
Después
Antes Depresión No depresión Total
Depresión 8 a b 2 10
No depresión 10 c d 6 16
18 8 26
Ho
3.84
Tercero. Elección de la prueba estadística
(|c - b | - 1)2 (|10 - 2 | - 1)2
X2 = X2 = X2 = 4.08
(|c + b| (|10 + 2|
11
¿El peso al nacer de los varones difiere del peso al nacer de las mujeres?
Primero. Formulación de la Hipótesis
Ho. El peso al nacer de los varones no difiere del peso al nacer de las mujeres
Ha. El peso al nacer de los varones DIFIERE del peso al nacer de las mujeres
Vemos que, APARENTEMENTE las varianzas son diferentes, para lo cual establecemos otra hipótesis
¿El peso al nacer de los varones difiere del peso al nacer de las mujeres?
Primero. Formulación de la Hipótesis
Ho. El peso al nacer de los varones no difiere del peso al nacer de las mujeres
Ha. El peso al nacer de los varones difiere del peso al nacer de las mujeres
Dr. Edgar Yan Quiroz Ha. Las varianzas en ambos grupos son IGUALES
“t” de Student para muestras paredas o relacionadas
Peso antes del embarazo Peso después del parto
n1 = 25 n2 = 25
X1 = 54.84 X2 = 55.0800
S1 = 3.32516 S2 = 3.47515
PESO
Diferencia
ANTES DESPUÉS
Media
Desviación estándar
Varianza
Z (K – S)
Valor p
¿Existe variación o diferencia del peso en un grupo de pacientes antes y después de un mes de entrenamiento?
Primero. Formulación de la Hipótesis
Ho. No existe variación o diferencia del peso de un grupo de pacientes antes y después de un mes de entrenamiento
Ha. Existe variación o diferencia del peso de un grupo de pacientes antes y después de un mes de entrenamiento
Xi
Dr. Edgar Yan Quiroz
ANOVA de un factor
Ho. No existen diferencias en los promedios o medias de glicemias entre los diferentes terapias o grupos de tratamiento
Ha. Existen diferencias en los promedios o medias de glicemias entre los diferentes terapias o grupos de tratamiento
Ho. No existen diferencias en los promedios o medias de glicemias entre los diferentes terapias o grupos de tratamiento
Ha. Existen diferencias en los promedios o medias de glicemias entre los diferentes terapias o grupos de tratamiento
Segundo. La pregunta ahora es ¿Los 3 grupos son distintos realmente o existe al menos
un grupo que difiera de los otros dos?
y = a + b (x)
Correlación de Spearman
Estrés laboral
Moderado
Variable
categórica
NUMÉRICA
Variable
categórica
ORDINAL
5% (0.05)
a) U de Mann – Whitney
b) Rangos de Wilcoxon
c) Correlación de Spearman
d) Tau b de Kendall
0.459
0.000
U de Mann Whitney
Sexo
Leve
Variable
categórica Moderada
ORDINAL
Severa
Total
5% (0.05)
Sexo
1 = Masculino
2 = Femenino
1637
0.010
Con un error de 0.01 (1%) el grado de hipertrofia adenoidea en los varones difiere de las mujeres
18.7 + 13.7
Pe = 0.498
65
Interpretación
Ínfima Escasa Moderada Buena Muy buena
X2 = 4.31 p = 0.038
Diagnóstico definitivo
Prueba diagnóstica
Enfermo Sano
Positivo 2.1% 4.4% 6.5%
Negativo 15.6% 77.9% 93.5%
Total 17.7% 82.3% 100.0%
Razón de verosimilitud = 3.706 p = 0.054
La RV es un método clínicamente útil para expresar la exactitud de una prueba y no es influido por la
prevalencia de las enfermedades.
La RV es fácil de calcular, si se conocen la sensibilidad y la especificidad de una prueba.
La magnitud de la RV indica la capacidad de una determinada prueba para hacer o para excluir un
diagnóstico.
La costumbre de los clínicos de interpretar los resultados de una prueba en términos de probabilidades y no
de odds, explica en parte que la RV no se utilice tan frecuentemente en la literatura médica (por ahora
Necrosis infectada
Quinolona + metro
Imipenem
Todos los ensayos
Infecciones fúngicas
Sepsis
Mortalidad
31.12.10
SOBREVIDA GLOBAL
(*) Censurado; aquel que esta vivo en el momento de la evaluación durante el seguimiento
Dr. Edgar Yan Quiroz
Análisis de supervivencia de la sobrevida actuarial: Kaplan Meier
(período de seguimiento mínimo de 1 año)
PROBABILIDAD DE
t (meses) r (muertos) n Pc (n-r/n) Pr (T > t) ee SOBREVIDA
r x n1 r x n1
n n1 n2 r (muerto) c (censurado) O1 O2 e1= n e1= n
1* 18 10 8 0 1 0 0 0 0
2 17 9 8 2 0 0 2 1.06 0.94
3 15 9 6 1 1 1 0 0.60 0.4
4* 13 8 5 1 1 0 1 0.62 0.38
5 11 7 4 2 0 2 0 1.27 0.73
6* 9 5 4 0 3 0 0 0.00 0.0
7* 6 4 2 3 1 2 1 2.00 1.0
8 2 1 1 1 0 1 0 0.5 0.5
10 1 0 1 1 0 0 1 0.00 1.0
n1 y n2 = Son las personas que quedan al momento del conteo 6 5 6.05 4.95
O1 y O2 = Frecuencia de muertes observadas
=
( Oi - Ei )2 )2 + ( 5 - 4.95 )2
0.0005
GRUPOS VIVOS MUERTOS
X2 ( 6X -2 6.05
0.0004 = 0.0009
G1 Ei 6.05 4.95
G2 g.l = (c – 1)(f – 1) (2 – 1)(2 – 1)
g.l = 1
Dr. Edgar Yan Quiroz
CÁLCULO DEL VALOR P
Nuestro X2 = 0.0009 H0 = La sobrevida en ambos grupos es igual
H1 = La sobrevida en ambos grupos es diferente
g.l.= 1
Posteriormente nos vamos a la tabla correspondiente a los valores críticos de la distribución de X2
No Significativo Significativo
Que es lo
X2 = 0.0009 mismo decir
p > 0.05 (No significativo)
Tiempo
1
Status
En la columna Status
0 = Censurado
1 = Muerto
Dr. Edgar Yan Quiroz
Dr. Edgar Yan Quiroz
Análisis de supervivencia: Test de log rank
Comparar 2 curvas de sobrevida
Tiempo
Status
Sexo
55.8%
44.1%
29.4%
Prueba de Oro
Enfermedad
Presente Ausente
a+c
Prevalencia =
a+b+c+d
Enfermedad
Presente Ausente
Prueba
Positiva a b
Negativa c d
a d
Sensibilidad = Especificidad =
a+c b+d
Una prueba específica rara vez clasificará erróneamente a los individuos sin
la enfermedad como enfermos
Enfermedad
Presente Ausente
Prueba
Positiva a b
Negativa c d
ad
Especificidad
Sensibilidad ==
ab++cd
Dr. Edgar Yan Quiroz
Prueba de Oro “Gold standard”
Para calcular la sensibilidad, especificidad y valores predictivos de
una prueba diagnóstica se debe DEFINIR EL ESTÁNDAR DE
REFERENCIA (Gold standard) es decir, CUAL es hasta el momento
del estudio la mejor alternativa diagnóstica existente para estudiar una
determinada enfermedad o evento de interés
¿Qué pasa cuando se tienen los resultados de una prueba (+/-)? El dilema
esta en determinar si el paciente tiene la enfermedad dado los resultados
Enfermedad
Presente Ausente
Prueba
Positiva a b
Negativa c d
a d
VP (+) = VP (-) =
a+b c+d
Prueba
Sensibilidad
Especificidad
S = Sensibilidad
E = Especificidad
P = Probabilidad Preprueba (Prevalencia)
Dr. Edgar Yan Quiroz
Prueba de Prueba de oro Prueba de oro
estudio ENFERMOS SANOS
Positivos a b
Negativos c d
a+c b+d
a a
sensibilid ad valor predictivo positivo
ac ab
d
valor predictivo negativo
cd
http://www.openepi.com/DiagnosticTest/DiagnosticTest.htm
+ -
BAAF + 40 15 55
(Biopsia con
aspiración
con aguja
fina) - 8 41 49
N = 104
Enfermedad
Presente Ausente
Prueba
Positiva a b
Negativa c d
a c
a+c a+c
CP (+) = CP (-) =
b d
b+d b+d
Sensibilidad 1- Sensibilidad
CP (+) = CP (-) =
1- Especificidad Especificidad
Prevalencia
Prueba
Cociente de
probabilidad
CP (+) CP (-)
CP (+) CP (-)
Score APACHE < >8 1.7 - 4 0.25
a las 24 horas
CP (+) CP (-)
Mortalidad 0 = Ausente
1 = Presente
Dr. Edgar Yan Quiroz Curva COR (Característica Operativa del Receptor)
Aplicación de Curva ROC (Receiver – Operating Characteristic)
Mortalidad 0 = Ausente
1 = Presente
Dr. Edgar Yan Quiroz Curva COR (Característica Operativa del Receptor)
Aplicación de Curva ROC (Receiver – Operating Characteristic)
Médico Cirujano
Docente del Curso de Morfofisiología II
Trujillo – Perú
2012
Dr. Edgar Yan Quiroz
Aplicación de Curva ROC (Receiver – Operating Characteristic)
Hemocultivo 0 = Ausente
1 = Presente
Área bajo
la curva
(AUC) A modo de guía para interpretar las curvas ROC se han
establecido los siguientes intervalos para los valores de
AUC (Área bajo la curva):
[0.5 - 6] : Test malo. [0.9 - 0.97]: Test muy bueno.
[0.6 - 0.75] : Test regular. [0.97 - 1] : Test excelente.
[0.75 - 0.9]: Test bueno.
VARIABLE PUNTAJE
1. Dolor EN CID 2
2. Blumberg 1
3. Migración del dolor 1
4. Neutrofilia > 75 % 1
5. Temperatura oral > 37.2 º C 1
6. Anorexia 1
7. Náusea-vomitos 1
8. Leucócitos 2
TOTAL 10
SCORE ALVARADO:
NEGATIVO PARA APENDICITIS: 0-4 PUNTOS
POSIBLE APENDICITIS 5-6 PUNTOS
PROBABLE APENDICITIS 7-8 PUNTOS
APENDICITIS 9-10 PUNTOS
El test de Alvarado
diagnostica o discrimina
muy bien una apendicitis
aguda del que no lo es
Área bajo
la curva
(AUC)
A modo de guía para interpretar las curvas ROC se han
establecido los siguientes intervalos para los valores de
AUC (Área bajo la curva):
[0.5 - 6] : Test malo. [0.9 - 0.97]: Test muy bueno.
[0.6 - 0.75] : Test regular. [0.97 - 1] : Test excelente.
[0.75 - 0.9]: Test bueno.
De cohorte
De casos y controles
EXPOSICION EVENTO
(Factor de COHORTE (Enfermedad)
Riesgo)
EXPOSICION EVENTO
(Factor de CASO - (Enfermedad)
CONTROL
Riesgo)
Toma de
historias
Comparación Conclusiones
historias Finales CONTROLES
TABAQUISMO (P.e. Pacientes con EPOC)
Toma de
historias
Presente a
30 b2
Ausente c
20 d
48
Odds
axd 30 x 48 1440
ratio (OR) = 36
bxc 2 x 20 40
Presente 28 a 12 b 39
Ausente 15 c 31 d 47
43 43 86
E.P.I.
DIU
Presente Ausente
Usaron (♀ DIU) a
20 b
80
Son 2 grupos de
100 pacientes
c/uno
No usaron c
1 d
99
a 20 20
Riesgo
a+b 20 + 80 100
relativo (RR) = 20
c 1 1
c+d 1 + 99 100
Segumiento a través
del tiempo
Comparación de
Grupo de comparación resultados
(P.e. ♀ No DIU) E.P.I.
Segumiento a través
del tiempo
Usaron (♀ DIU) a
20 b
80
No usaron c
1 d
99
a 20 20
Riesgo
a+b 20 + 80 100
relativo (RR) = 20
c 1 1
c+d 1 + 99 100
Si No
Estudio experimental Estudio observacional
Si No Si No
Reporte de un caso
Ensayo Estudio Estudio
Ensayo
analítico descriptivo
Controlado
Controlado
No
Aleatorizado Serie de casos
Aleatorizado
Direccionalidad
Exposición y
Exposición Resultado resultado al
mismo
tiempo
Exposición Resultado
Estudio de Estudios de
Estudio de sección
casos y
cohorte transversal
controles
CONCEPTOS BASICOS
1. Planteamiento de la hipótesis
Hipótesis de nulidad
H 0 : 0
Hipótesis alternativa
H a : 0
Hipótesis Unilateral
H a : 0
H a : 0 Hipótesis Bilateral
Realidad
Verdadera Falsa
Seguridad o Confianza
Rechaza
Correcto
No
Error II
β
1
Rechazar
Potencia Estadística
Error I Correcto
α 1
El tratamiento no El tratamiento es
es efectivo efectivo
Seguridad
Se decide que el tratamiento Se decide que el tratamiento
ACEPTAMOS HO
El tratamiento
NO TIENEo EFECTO NO TIENE EFECTO Error II β
no es efectivo Confianza
y en Realidad NO LO TIENE y en Realidad SI LO TIENE
cuando en realidad
Los puntajes Z son transformaciones que se pueden hacer a los valores o puntuaciones
de una distribución normal, con el propósito de analizar su distancia respecto a la media,
expresándolas en unidades de desviación estándar.
95%
5%
1.64
95%
Probabilidad de
que el fenómeno
observado sea
2.5% verdad y no 2.5%
debido al azar
1.96 1.96
OBJETIVO ESTADÍSTICO
Estimar parámetros
Comparar dos grupos
VARIABLES DE ESTUDIO
2
n = (Z1-) p*q
Infinita (d)2
CATEGÓRICA
Finita
Infinita
NUMÉRICA
Finita
Finita = Marco muestral conocido Z1-α = Nivel de confianza p1= Prevalencia en el grupo de estudio
Infinita= Marco muestral desconocido Z1-β= Potencia de la prueba p2= Prevalencia en el grupo control
n = Tamaño de la muestra p = Prevalencia de la enfermedad S2 = Varianza de la variable cuantitativa
N = Tamaño de la población q=1-p que tiene el grupo control o de referencia.
α = Error tipo I S2 = Varianza d = Valor mínimo de la diferencia que se
Β = Error tipo II d = Precisión desea detectar (datos cuantitativos)
OBJETIVO ESTADÍSTICO
Estimar parámetros
Comparar dos grupos
VARIABLES DE ESTUDIO
2
n = (Z1-) p*q
Infinita (d)2
CATEGÓRICA
Finita
Infinita
NUMÉRICA
Finita
Finita = Marco muestral conocido Z1-α = Nivel de confianza p1= Prevalencia en el grupo de estudio
Infinita= Marco muestral desconocido Z1-β= Potencia de la prueba p2= Prevalencia en el grupo control
n = Tamaño de la muestra p = Prevalencia de la enfermedad S2 = Varianza de la variable cuantitativa
N = Tamaño de la población q=1-p que tiene el grupo control o de referencia.
α = Error tipo I S2 = Varianza d = Valor mínimo de la diferencia que se
Β = Error tipo II d = Precisión desea detectar (datos cuantitativos)
n = 106.7
n = Z1-α2 S2
_________
d2
Zα: Coeficiente de confiabilidad. A un nivel de confianza del 95% para la estimación,
es 1.96.
Se: Desviación estándar estimada.
E: Error absoluto o precisión.
H0 : µ1 = µ2
H1 : µ1 µ2 (Z1- + Z1-ß)2 *(S2)
_______________________
n= __ __
(X1 - X2 )2
Dr. Edgar Yan Quiroz
Tamaño de la muestra según el tipo de variable
OBJETIVO ESTADÍSTICO
Estimar parámetros o
frecuencias Comparar dos grupos
VARIABLES DE ESTUDIO
2
n = (Z1-) p*q
Infinita (d)2
CATEGÓRICA
Finita
Infinita
NUMÉRICA
Finita
Finita = Marco muestral conocido Z1-α = Nivel de confianza p1= Prevalencia en el grupo de estudio
Infinita= Marco muestral desconocido Z1-β= Potencia de la prueba p2= Prevalencia en el grupo control
n = Tamaño de la muestra p = Prevalencia de la enfermedad S2 = Varianza de la variable cuantitativa
N = Tamaño de la población q=1-p que tiene el grupo control o de referencia.
α = Error tipo I S2 = Varianza d = Valor mínimo de la diferencia que se
Β = Error tipo II d = Precisión desea detectar (datos cuantitativos)
Λ Λ
[1.64 2 (0.8) (1 – 0.8) + 0.84 0.7 (1 – 0.7) + 0.9 (1 – 0.9)]2 n = 48 pacientes
n =
(0.7- 0.9)2
Donde:
• n = sujetos necesarios en cada una de las muestras
• Zα = Valor Z correspondiente al riesgo deseado
• Zβ = Valor Z correspondiente al riesgo deseado
• p1 = Valor de la proporción en el grupo de referencia, placebo, control o tratamiento
habitual.
• p2 = Valor de la proporción en el grupo del nuevo tratamiento, intervención o técnica.
• p = Media de las dos proporciones p1 y p2 p2 + p1 (0.9) + (0.7)
p= p= = 0.8
2 2
Ejemplo:
Deseamos evaluar si el Tratamiento A es mejor que el tratamiento B para el alivio del dolor para lo que
diseñamos un ensayo clínico.
Sabemos por datos previos que la eficacia del fármaco habitual está alrededor del 70% y consideramos
clínicamente relevante si el nuevo fármaco alivia el dolor en un 90%.
Nuestro nivel de riesgo lo fijamos en 0.05 y deseamos un poder estadístico de un 80%.
Dr. Edgar Yan Quiroz
Tamaño muestral ajustado a las pérdidas
p2 + p1
p=
2
Esto es, se estima que aproximadamente un 73% de los casos son fumadores. Aplicando la Ecuación anterior y se
obtiene:
Dr. Edgar Yan Quiroz
Dr. Edgar Yan Quiroz
Tamaño muestral para la determinación de factores
pronósticos. Para la estimación de un riesgo relativo
• Supongamos que deseamos saber si existen diferencias entre dos terapias diferentes A (proporción
Donde:
de no expuestos) y B utilizadas habitualmente para tratar un determinado tipo de cáncer.
• n = sujetos necesarios en cada una de las muestras
• Para ello se planea realizar un estudio prospectivo en el que se recogerá el estatus de los pacientes
• Zα = Valor Z correspondiente al riesgo deseado
(vivos/muertos) al cabo de un año de ser tratados
• p1 = Proporción de expuestos al factor de estudio que presentaron el evento de interés
• ¿Cuántos pacientes
p2 = Proporción deberán
de no estudiarse
expuestos con cada ese
que presentaron tratamiento si se desea calcular el riesgo relativo
mismo evento
• con
ξ = Precisión
una precisión del que
relativa 50%se
dequiere
su valor realelyestudio.
para una seguridad del 95%? es la oscilación mínima con la
Dicha precisión
• De experiencias
que previas,
se quiere estimar se estima
el RR que el valorexpresada
correspondiente, real del riesgo
comorelativo es + igual
porcentaje a 3 yreal
del valor la probabilidad
esperado
de fallecer
para entre los pacientes tratados con el tratamiento A (p2) es de un 20% (0.20)
ese riesgo.
(1 –(0.4)/0.6 (1 – 0.2)/0.2
0.6)/0.6 ++ (0.8)/0.2
3.84162
n = (1.96)
[ln (1- 0.5)]2 2
[-0.48038
0.6931]
ln = Logaritmo natural
n = 37.31
Dr. Edgar Yan Quiroz
Tamaño muestral para la determinación de factores
pronósticos. Para estudios de supervivencia
SUPONGAMOS que el primer tratamiento (A) suele aplicarse a un 70% de los pacientes que padecen ese tipo de
cáncer, mientras que la otra terapia (B) es recibida sólo por un 30% de los enfermos.
Si el efecto pronóstico del tratamiento recibido va a analizarse de modo univariado, la siguiente Ecuación puede
aplicarse para calcular el número necesario de pacientes a estudiar.
Así, para detectar un riesgo relativo de 3, y trabajando con una seguridad del 95% y un poder del 80% se tendría:
Esto es, se necesitaría recoger información de 31 pacientes en total para detectar un efecto de RR = 3
OBJETIVO ESTADÍSTICO
Estimar parámetros o
frecuencias Comparar dos grupos
VARIABLES DE ESTUDIO
2
n = (Z1-) p*q
Infinita (d)2
CATEGÓRICA
Finita
Infinita
NUMÉRICA
Finita
Finita = Marco muestral conocido Z1-α = Nivel de confianza p1= Prevalencia en el grupo de estudio
Infinita= Marco muestral desconocido Z1-β= Potencia de la prueba p2= Prevalencia en el grupo control
n = Tamaño de la muestra p = Prevalencia de la enfermedad S2 = Varianza de la variable cuantitativa
N = Tamaño de la población q=1-p que tiene el grupo control o de referencia.
α = Error tipo I S2 = Varianza d = Valor mínimo de la diferencia que se
Β = Error tipo II d = Precisión desea detectar (datos cuantitativos)
Procedimiento que consiste en escoger y extraer un grupo pequeño de una población con un grado de
probabilidad de que ese grupo pequeño efectivamente posea las características del universo que
estamos estudiando
Tipos de Muestreo
Probabilístico No Probabilístico
Conglomerado
3 7 9
6
2 8
1
4
El número
1 es…..
2
3
4
5
6
7
8
9
…
90 15%
390 65%
120 20%
Ejemplo: En un barrio se desea estudiar el grado de aceptación que tiene un proyecto de arborización de los parques
El barrio se divide en manzanas, las cuales constituyen los conglomerados.
Al azar se determinan las manzanas seleccionadas, encuestando luego a los habitantes de las mismas.
El riesgo de muerte de los pacientes que reciben el nuevo tratamiento relativo al de los pacientes del grupo control fue de 0.75.
La Reducción relativa del riesgo (RRR) es el complemento del Riesgo Relativo, es decir, (1- 0.75)* 100 = 25%.
El nuevo tratamiento reduce el riesgo de muerte en un 25% con relación al ocurrido en el Grupo control
(en ese trabajo)
Podríamos decir por tanto que de cada 100 personas tratadas con el nuevo tratamiento podemos EVITAR 5 casos de muerte.
La siguiente pregunta sería: si de cada 100 personas tratadas con el nuevo tratamiento podemos evitar 5 casos de muerte.
¿Cuántos tendríamos que tratar para evitar un solo caso de muerte?.
1 1
NNT = = 20
RAR 0.05
RESULTADO
Pacientes que recayeron (presentaron lesiones gastrointestinales) con Pantoprazol 20 mg 1 v/día (P) = 33% (0.33)
Pacientes que recayeron (presentaron lesiones gastrointestinales) con Misoprostol 200 ug 2 v/día (M) = 48% (0.48)
Reducción relativa del riesgo (RRR): Es el complemento del riesgo relativo obtenido ( 1 – RR )
1 - RR 1 – 0.6875 = 0.3125
Interpretación: El tratamiento con pantoprazol (experimental) REDUJO el riesgo de presentar lesiones
gastrointestinales debido al uso de AINEs en un 31.25% en relación a los pacientes que
recibieron misoprostol
RAR: Diferencia entre el % de eventos en el grupo control (M) y el % de eventos en el grupo experimental (P)
(M) - (P) 0.48 – 0.33 = 0.15
Interpretación: De cada 100 pacientes tratados con pantoprazol de 20 mg se PREVENDRÁN 15 úlceras pépticas
Interpretación: Es necesario tratar a 7 pacientes con pantoprazol de 20 mg por 6 meses para PREVENIR una
lesión de úlcera péptica comparado con misoprostol
Dr. Edgar Yan Quiroz
Ejemplos Número Necesario a Tratar (NNT) [NNT = 1 / RRA]
128
Es necesario tratar a 15 pacientes con regímenes intensivos de insulina por 6.5 años para PREVENIR un caso
de neuropatía diabética comparado con los controles