Anlisis Estadstico

Dra. Adela Del Carpio Rivera

Doctor En Medicina
ANTE LA GRAN CANTIDAD DE
INFORMACIN
Debemos saber discernir entre:

Cul es la informacin que necesitamos

Si el estudio tiene real validez

Saber interpretar correctamente la metodologa

estadstica.
ANALISIS ESTADSTICO
El anlisis estadstico se divide en tres grandes tipos:
Univariado

Bivariado

Multivariado
ANLISIS UNIVARIADO

Univariado
Se describen las caractersticas de una variable por vez

Tambin se le conoce como Estadstica Descriptiva

ANLISIS ESTADSTICO UNIVARIADO
TABLA N 1 FRECUENCIA DE TBC PULMONAR POR RGANO AFECTADO

TIPOS DE TBC N PORCENTAJE PORCENTAJE

ACUMULADO
PULMONAR 67 58.27% 58.27%

RENAL 12 10.43% 68.69%

MENNGEA 20 17.39% 86.08%

GENITAL 16 13.91% 100%

TOTAL 115 100%

ANLISIS BIVARIADO

Se investiga la influencia de la variable Independiente,

por vez, con respecto a la variable Dependiente
ANLISIS BIVARIADO

Variable Independiente
Factor de Riesgo:
Enfermo
Beber Agua no potable
A + -
g
u
+ 20 40
Variable Dependiente
a - 97 59
Enfermedad:
Clera
 ANLISIS BIVARIADO

Variable Independiente
Factor de Riesgo:
Peso al Nacer

variable dependiente
Enfermedad:
hipertensin sistlica
ANLISIS MULTIVARIADO
Se investiga la influencia
de dos o ms
Variables Independientes,
junto o no a una o ms variables asociadas
(covariables o cofactores)
sobre una o ms
Variables Dependientes
ANALISIS MULTIVARIADO: REGRESIN LOGSTICA
TABLANumber
1 CONTROL
Number
of strata
of PSUs PRENATAL,
=
=
49
1113 PARIDAD, EDAD MATERNA
Number of obs
Population size
= 8417
= 6917.9088
Design df = 1064
F( 18, 1047) = 65.41
Prob > F = 0.0000

Linearized
PS Coef. Std. Err. t P>|t| [95% Conf. Interval]

CPci .1713693 .0199854 8.57 0.000 .1321539 .2105846

CPci2 -.0067207 .0012622 -5.32 0.000 -.0091973 -.004244
told_comp .1378946 .0559186 2.47 0.014 .0281713 .2476179
multiple 1.173797 .2535498 4.63 0.000 .6762824 1.671311
labor_prol .2370946 .0512 4.63 0.000 .1366301 .3375591
n_hijos -.1109933 .0171813 -6.46 0.000 -.1447065 -.0772801
edad_nacHV -.0914881 .0236497 -3.87 0.000 -.1378934 -.0450829
edadnac_2 .0020827 .0004262 4.89 0.000 .0012465 .0029189
educ .055531 .0074086 7.50 0.000 .0409939 .0700682
agri -.3392816 .0696039 -4.87 0.000 -.4758581 -.2027051
decision_p -.139124 .0516724 -2.69 0.007 -.2405154 -.0377326
NSE .2683731 .0302954 8.86 0.000 .2089275 .3278187
_ISREGION_3 -.5599627 .0885707 -6.32 0.000 -.7337559 -.3861695
_ISREGION_4 -.3908881 .1310198 -2.98 0.003 -.6479745 -.1338016
_ISREGION_5 -.430737 .0963304 -4.47 0.000 -.6197562 -.2417179
_EESS_pob .066815 .025233 2.65 0.008 .017303 .116327
prob_perso~f -.0940079 .0499524 -1.88 0.060 -.1920242 .0040085
uso_ACmode~o .2520376 .056576 4.45 0.000 .1410243 .3630508
_cons -.2162597 .3206778 -0.67 0.500 -.8454924 .412973
 La determinacin de la presencia o ausencia de un
suceso en dos grupos diferentes es una situacin
habitual en los estudios clnicos.

Los resultados se muestran en una tabla de

contingencia 2 x 2.
SIGNIFICADO ESTADSTICO

La lectura de una OR, un RR es idntica y basta

con aplicar las palabras veces ms o por cada 1
EJEMPLO
Por ejemplo si una droga con respecto al placebo produce
una OR de 1,3, significa que la droga es 1,3 veces mejor que
el placebo.

Si se tratara de un estudio sobre el riesgo de un evento sobre

otro, el RR indicara que el riesgo de eventos terminales que
se podran esperar de la droga durante el tiempo de
seguimiento es 1.3 veces ms alta que el placebo.
 El riesgo del grupo control es 1, por lo que un riesgo 1 supone
que no hay diferencias entre la droga y el placebo.

Este tipo de resultados se suele acompaar del intervalo de

confianza (IC)

Que es la expresin de lo que la variabilidad debida al azar

puede hacerlo oscilar en la poblacin real (expresa los lmites
que con una cierta seguridad contendrn ese verdadero valor)
 Generalmente los IC se calculan con una seguridad del 95%

Solo deja una probabilidad de 5% (0.05) de que el verdadero

valor del OR no se halle en ese intervalo;

Por lo tanto, el IC nos proporciona la misma informacin

cualitativa que el valor de la p.
COMO SABEMOS SI ES
ESTADSTICAMENTE SIGNIFICATIVO?
Si en lugar de OR 1,3 el resultado hubiese sido menor de 1,
como por Ej. 0,2, significa que la droga cura 0,2 y el placebo
sigue con el valor 1, por lo tanto es menos efectiva que el
placebo.

Si el IC del 95% entre 0,1-0,5 sera distinto de la igualdad (p

< 0,05) puesto que este IC no contiene el 1;

Pero si los lmites estuvieran entre 0,06 y 1,2 no existira

significacin pues el 1 cae dentro del intervalo
EJEMPLO
En un estudio de casos y controles se quiere determinar si el
consumo de fibra es o no un factor de proteccin para el
cncer de colon

1 Calcule un estimador del riesgo asociado a la variable

independiente consumo de fibra.
2. Qu significa este resultado?
 CASOS CONTROLES

GRUPO DE 92 160
EXPUESTOS

NO EXPUESTOS 108 140

200 300
 OR = (92x140)/(160x108) = 0.75 o 75%

OR menor de 1 significa que el consumo de fibra es un factor

de proteccin
 EJEMPLO

En un estudio de pacientes hipertensos se pretende investigar

la posible asociacin entre la probabilidad de padecer un
infarto y el grado de control de la hipertensin.

Para ello se analiza una muestra aleatoria de 728 pacientes,

observndose los siguientes resultados
RESULTADOS

MAL CONTROL BUEN

CONTROL

INFARTO 10 07 17

NO INFARTO 250 461 711

260 468 728

 El procedimiento estadstico habitual para contrastar la
presencia de asociacin es utilizar la prueba del chi o la
prueba exacta de Fisher, cuando las frecuencias de las
celdas son pequeas.

El valor del chi para esa tabla es de 3.1 que corresponde a un

nivel de probabilidad de 0.08.
 De acuerdo con los datos de este ejemplo:

El riesgo de infarto en el grupo de mal control es

10 / 260 = 0.04,

mientras que el riesgo en el grupo de buen control es de

7 / 468 = 0.015.
 Existen diferentes procedimientos para cuantificar la
importancia de la asociacin:

Cuando se utiliza el cociente de esos dos riesgos

0.04 / 0.015 = 2.6
Nos indica cunto ms probable es que ocurra el suceso en el
primer grupo frente al segundo.

Es lo que se conoce como Riesgo Relativo (RR).

 Actualmente otra medida muy utilizada es la que se
denomina "odds ratio" (OR), para la que no hay un
trmino en castellano que sea bien aceptado.

El odds (ventaja) es otra forma de representar un riesgo,

mediante el cociente entre el nmero de veces que ocurre el
suceso frente a cuntas veces no ocurre.

As un odds de 3 indica que 3 personas sufrirn el suceso

frente a 1 que no lo har.
 En la tabla anterior el odds de infarto en el grupo de Mal
Control es 10 / 250 = 1 / 25 = 0.04, es decir que ocurre 1
vez por 25 veces que no ocurre.

En el grupo de buen control el odds es 7 / 461 = 0.015.

El cociente de los odds de los dos grupos es lo que se

denomina odds ratio y constituye otra forma de cuantificar la
asociacin entre dos variables dicotmicas. En la tabla
anterior el valor del odds ratio es aproximadamente 2.6
 As un odds de 3 indica que 3 personas sufrirn el suceso
frente a 1 que no lo har.

En la tabla anterior el odds de infarto en el grupo de Mal

Control es 10 / 250 = 1 / 25 = 0.04, es decir que ocurre 1
vez por 25 veces que no ocurre.
El clculo del odds ratio a partir de los datos de
frecuencia de una tabla 2 x 2 es muy sencillo:

a b
c d

ad
OR
bc
El riesgo relativo de aparicin del suceso del grupo
A frente al grupo B se calcula como:

a
Grupo A Grupo B
Suceso a b (a c)
No suceso c d b
(b d )
Razones para utilizar el odds ratio

Est claro que la interpretacin del riesgo relativo es ms

intuitiva que la del odds ratio

Por qu entonces se usa tanto el odds ratio. Hay varias

razones:
 . En primer lugar puede ser calculado en cualquier tabla 2 x 2

Mientras que el riesgo relativo no se puede calcular en los

estudios caso-control.
 Permite examinar el efecto que otras variables pueden causar
en esa asociacin (como podran ser por ejemplo la edad, el
sexo, etc).

Otra propiedad interesante del odds ratio es que no vara

aunque se cambie el orden de las categoras en cualquiera de
las variables, lo que no ocurre con el riesgo relativo.
 Cuando los riesgos (o los odds) en ambos grupos son
pequeos (inferiores al 20 %) el odds ratio se aproxima
bastante al riesgo relativo pudiendo considerarse como una
buena aproximacin de ste.

La valoracin estadstica de las asociaciones encontradas debe

realizarse mediante el clculo de los correspondientes
intervalos de confianza.
EL ODDS RATIO PERMITE

1. Reconocer la naturaleza como factor de riesgo o de

proteccin de una exposicin.
2. Identificar la magnitud o fuerza de la asociacin, lo que
permite hacer comparaciones.
3. Su valor es independiente de la incidencia de la condicin
en estudio.
4. De gran utilidad en estudios de casos y controles
5. Su valor suele ser semejante al del RR.
Interpretacin del valor de OR
calculado
Estrictamente hablando el odds ratio indica la magnitud de
asociacin entre exposicin y resultado (en otras palabras el
riesgo de haber estado expuesto dada la enfermedad).

Si el cociente calculado determina un valor de 1, esto

significa que no hay asociacin entre las variables analizadas
(la exposicin positiva o negativa no hace diferencia respecto
al riesgo de enfermar).
 Un valor mayor que 1 indica una mayor frecuencia de
exposicin de la variable independiente entre los enfermos
(casos). Por tanto, el factor estudiado se asocia con un mayor
riesgo de enfermar.

Si el valor del OR calculado es inferior a 1, esto indica mayor

frecuencia de exposicin entre los sujetos sanos (controles).
En este caso, la presencia del factor estudiado reduce el
riesgo de enfermar (actuando como un factor de proteccin).
 INTERPRETACION DEL ODDS
VALOR ODDS Intervalo de Intervalo de Tipo de
RATIO confianza confianza asociacion
inferior superior

1 No evidencia de
asociacin

Mayor de 1 >1 >1 Significativa, riesgo

Mayor de 1 <1 >1 No significativa

Menor de 1 < de 1 < de 1 Significativa,

proteccin

Menor de 1 < de 1 > de 1 No significativa

Resumen
ANALISIS DE DATOS CUANTITATIVOS

PROGRAMAS COMPUTACIONALES

ESTADSTICA:
Descriptiva
Inferencial
 ANALISIS DE DATOS CUANTITATIVOS

SPSS

MINITAB
PROGRAMAS
COMPUTACIONALES
SAS

STATS
Paquetes estadsticos
Conjunto de programas y subprogramas informticos
conectados

Para el anlisis estadstico de datos

Que permite resolver problemas de estadstica descriptiva,

inferencial o ambas.
 ANALISIS DE DATOS CUANTITATIVOS

ESTADISTICA

Distribucin
De Frecuencias

Medidas de Media
Tendencia central Mediana
Moda

1. DESCRIPTIVA Medidas de Rango

Variabilidad Desviacin estndar
Varianza

Grficas

Puntuaciones Z
 ANALISIS DE DATOS CUANTITATIVOS
ESTADISTICA
Coeficientes
como
Estimar de correlacin
que sirva
Parmetros Prueba t
para
Anlisis Prueba de la
y
Paramtricos Diferencia de
proporciones.
Anlisis de
varianza.
Probar
2 INFERENCIAL Hiptesis Chi cuadrado
Coeficientes de
Spearman y
Anlisis no
Kendall.
Se basa Paramtricos
en
Distribucin Coeficientes para
muestral como tabulaciones
cruzadas
 PRUEBAS DE HIPOTESIS

1. Pruebas Paramtricas
Variables que tienen distribucin normal

Ejm. t student, Anlisis de Varianza unidireccional,

Coeficiente Correlacin de Pearson, Diferencia
de Proporciones, Regresin Lineal.

2. Pruebas No Paramtricas
Chi Cuadrado,
Coeficiente para tabulaciones cruzadas
Coeficiente de Spearman
Coeficiente de Kendall