Programa de Doctorado
"Principios de Investigación en Medicina y Cirugía"
13ª Edición. Bienio 2008-2010
INTRODUCCIÓN A LA INVESTIGACIÓN. INTERNET.
ACCESO A BASES DE DATOS. BIOESTADISTICA
16 de Diciembre de 2007, Martes. 17:00 - 19:00 horas
BIOESTADÍSTICA:
12.-Análisis de supervivencia
13.- Diseño de estudio y elección de una prueba estadística
Dra. María José Pereda Riguera
Textoconferencia
[16:59] (mariajose> hola, buenas tardes a tod@s
[17:00] (SMA> Buenas tardes
[17:00] (ehehtucu> en el ejerccio3 del capiyulodel capitulo de la t de stydent
[17:01] (ehehtucu> me parece q falta las desviaciones standar
[17:01] (mariajose> en el ejercicio 3 del capítulo 7?
[17:02] (ehehtucu> ud dio unos datos pero yo no copie bien y no se si eran los errore so las desviaciones standart
[17:02] (floren> en el 7.4 no nos tendrían que dar la SD??
[17:03] (mariajose> si tienes la SD y el tamaño de muestra...puedes calcular el Error Estandar y viceversa
[17:04] (mariajose> si os parece...podriamos revisar los ejercicios de las sesiones anteriores, un poco mas adelante
[17:04] (cbayona> si
[17:04] (floren> ok
[17:04] (mariajose> aparte de eso....hay alguna otra duda?
[17:04] (violeta> vale
[17:04] (ehehtucu> lo se entonces esos datos q dio son las desviaciones
[17:05] (raquelido> hooooola
[17:05] (ehehtucu> ok gracias
[17:05] (mariajose> primero que nada y antes de empezar....os habéis descargado el epidat?
[17:05] (mariajose> tenéis algún problema con su manejo?
[17:05] (floren> yo si
[17:05] (santibea> si
[17:05] (mariajose> algún problema con el manejo del epidat?
[17:06] (floren> yo si tengo algún problema
[17:06] (mariajose> cual floren?
[17:06] (santibea> si algun problema
[17:06] (cbayona> si lo he descargaso
[17:06] (mariajose> que problemas hay?
[17:07] (floren> pues en segun que problemas no se que datos hay que meter y donde
[17:07] (mariajose> por ejemplo?
[17:07] (ehehtucu> i pero aun no lo uso
[17:07] (floren> en el 7.4
[17:07] (santibea> nos pasa lo mismo
[17:07] (floren> como calculo la t???
[17:08] (mariajose> el ejercicio 7.4 es en 10 pacientes pares...
[17:09] (floren> si
[17:09] (ehehtucu> yo uso la formula de la clase pq ni idea del epidat
[17:09] (floren> pero no tendriamos que saber la SD para usar el epidat???
[17:09] (floren> en el 7.4
[17:11] (mariajose> lo estoy intentando localizar...podemos dejarlo para más adelante y lo resolvemos utilizando el epidat?
[17:12] (floren> ok
[17:13] (mariajose> bueno....empezamos con lo temas de hoy...
[17:13] (mariajose> el primero es correlación y regresión
[17:13] (mariajose> seguiremos con análisis de supervivencia y terminaremos con diseño de estudios
[17:13] (mariajose> allá vamos....
[17:15] (mariajose> perdonad...hay un problema técnico..salgo y vuelvo a entrar
[17:21] (mariajose> 11. CORRELACIÓN Y REGRESIÓN
[17:21] (mariajose> bueno...parece que se ha solucionado....empezamos con la correlación y regresión
[17:22] (mariajose> La palabra correlación se usa en la vida diaria para indicar
[17:22] (mariajose> alguna forma de asociación, así podemos decir que hemos detectado
[17:22] (mariajose> una correlación entre días con niebla y ataques de sibilancias.
[17:22] (mariajose> Sin embargo, en términos estadísticos usamos correlación para
[17:22] (mariajose> indicar una asociación entre dos variables cuantitativas. A veces
[17:22] (mariajose> asumimos que la asociación es lineal, es decir, que una de las
[17:22] (mariajose> variables aumenta o disminuye una cantidad fija por unidad de
[17:22] (mariajose> incremento o decremento de la otra; la técnica que se usa para
[17:22] (mariajose> evaluar esta circunstancia, es la regresión, la cual realiza la
[17:23] (mariajose> estimación de la mejor línea recta que resume la asociación
[17:23] (mariajose> encontrada.
[17:23] (mariajose> En la regresión interviene una variable dependiente y una o
[17:23] (mariajose> más variables independientes (factores causales o predictivos);
[17:23] (mariajose> por ejemplo la talla y la edad en los primeros años de la vida. En
[17:23] (mariajose> la correlación, por el contrario, sólo interviene un conjunto de
[17:23] (mariajose> variables que juegan un papel simétrico y, por tanto, el
[17:24] (mariajose> investigador no se plantea que unas puedan influir sobre las
[17:24] (mariajose> otras.
[17:24] (mariajose> Estas dos técnicas están basadas en modelos estadísticos muy
[17:24] (mariajose> diferentes. El modelo de regresión realiza muy pocos supuestos
[17:24] (mariajose> sobre la variable independiente X que incluso puede ser una
[17:24] (mariajose> variable controlada. El modelo de correlación exige que tanto la
[17:24] (mariajose> variable X como la Y sean variables aleatorias normales y que la
[17:24] (mariajose> distribución conjunta de ambas variable siga una ley normal. La
[17:25] (mariajose> regresión por tanto, es un modelo mas general porque permite: 1.
[17:25] (mariajose> 1. describir la forma de la relación entre las dos variables,
[17:25] (mariajose> 2. comprobar la hipótesis de independencia entre las variables,
[17:25] (mariajose> 3. evaluar la intensidad de la relación con el índice r2 y
[17:25] (mariajose> 4. efectuar predicciones con el modelo.
[17:25] (mariajose> CORRELACIÓN
[17:26] (mariajose> El grado de asociación se mide por un coeficiente de
[17:26] (mariajose> correlación, representado por r. Se le suele llamar coeficiente de
[17:26] (mariajose> correlación de Pearson y es una medida de asociación lineal.
[17:26] (mariajose> El coeficiente de correlación se mide en una escala que varía
[17:26] (mariajose> de +1 hasta –1 pasando por 0. La correlación completa entre dos
[17:26] (mariajose> variables se expresa por +1 o –1. Cuando una variable aumenta,
[17:26] (mariajose> incrementándose la otra, la correlación es positiva; y cuando una
[17:27] (mariajose> decrece decreciendo la otra, la correlación es negativa. La
[17:27] (mariajose> ausencia completa de correlación se representa por 0. La figura
[17:27] (mariajose> 11.1. muestra algunas representaciones gráficas de correlación.
[17:27] (mariajose> OBSERVANDO LOS DATOS: DIAGRAMAS DE DISPERSIÓN (SCATTERPLOTS)
[17:27] (mariajose> Recordad que estamos hablando de correlación lineal
[17:28] (maria> podemos ir un poco mas despacio?????????
[17:28] (mariajose> por eso es muy importante, siempre que se haga un análisis de correlación
[17:28] (mariajose> realizar a la vez un gráfico ya que, como veréis....
[17:28] (mariajose> el hecho de que el coeficiente sea cero
[17:29] (mariajose> no quiere decir que no haya correlación sino que no hay correlación lineal pero...
[17:29] (mariajose> puede haber otro tipo de correlación
[17:29] (mariajose> que podemos identificar con el gráfico
[17:29] (mariajose> Conclusión: siempre que estudies correlación, haced un gráfico como el que comentaremos ahora
[17:29] (mariajose> Cuando se han recopilado dos series de observaciones y se
[17:30] (mariajose> desea ver si hay una relación entre ellas, lo primero que hay que
[17:30] (mariajose> realizar es un diagrama de puntos o de dispersión. La escala
[17:30] (mariajose> vertical representa un conjunto de mediciones y la escala
[17:30] (mariajose> horizontal el otro. La “variable dependiente” se coloca en el eje
[17:30] (mariajose> vertical, por ej. si se realiza un estudio experimental, los
[17:30] (mariajose> resultados se dispondrán en el eje vertical. La “variable
[17:30] (mariajose> independiente”, tal como el tiempo o la altura o cualquier otra
[17:30] (mariajose> clasificación observada, se mide a lo largo del eje horizontal o
[17:31] (mariajose> línea basal.
[17:31] (mariajose> Las palabras “independiente” y “dependiente” pueden confundir
[17:31] (mariajose> a la persona que empieza a realizar trabajos de investigación,
[17:31] (mariajose> porque algunas veces no esta claro que es dependiente de qué. Esto
[17:31] (mariajose> se supera con sentido común, porque puede ocurrir que cada
[17:31] (mariajose> variable sea dependiente de una tercera variable, lo cual se puede
[17:31] (mariajose> mencionar o no.
[17:32] (mariajose> Es razonable, pensar en la altura de los niños como
[17:32] (mariajose> dependiente de la edad más que a la inversa, pero supongamos una
[17:32] (mariajose> correlación positiva entre el alquitrán y la nicotina producida
[17:32] (mariajose> por cierta marca de cigarrillo. La nicotina liberada es improbable
[17:32] (mariajose> que tenga su origen en el alquitrán: seguramente ambas varían en
[17:32] (mariajose> paralelo con algún otro factor o factores componentes de los
[17:32] (mariajose> cigarrillos. En este caso la producción de uno no parece ser
[17:32] (mariajose> “dependiente” del otro, tal como hemos comentado en el caso de la
[17:33] (mariajose> altura de los niños donde en promedio, la altura de un niño
[17:33] (mariajose> depende de su edad.
[17:33] (mariajose>
[17:33] (mariajose> En los caso en los que no parece haya un relación directa de
[17:33] (mariajose> dependencia, no importa qué escala se pone en cada eje del
[17:33] (mariajose> diagrama de dispersión. Sin embargo, si la intención es hacer
[17:33] (mariajose> inferencias acerca de una variable a partir de la otra, las
[17:33] (mariajose> observaciones a partir de las cuales se van a hacer las
[17:33] (mariajose> inferencias o establecer relaciones de dependencia, se ponen en la
[17:34] (mariajose> línea basal (eje de las x).
[17:34] (mariajose> CÁLCULO DEL COEFICIENTE DE CORRELACIÓN
[17:34] (mariajose> Leer en los apuntes el cálculo y ver si lo entendéis
[17:34] (mariajose> r= 5426,6/6412,0609 = 0,846.
[17:34] (mariajose> Un coeficiente de correlación de 0,846 indica una fuerte
[17:35] (mariajose> correlación positiva, entre el tamaño del espacio muerto pulmonar
[17:35] (mariajose> y la altura del niño. Pero en la interpretación de la correlación,
[17:35] (mariajose> es importante recordar que la correlación no es causalidad. Puede
[17:35] (mariajose> haber o no, conexión causal entre las dos variables
[17:35] (mariajose> correlacionadas. E incluso, si hay una conexión esta puede ser
[17:35] (mariajose> indirecta.
[17:35] (mariajose> Una parte de la variación en una de las variables (medida por
[17:35] (mariajose> su variancia), se puede considerar como debida a su relación con
[17:36] (mariajose> la otra variable y, otra parte como debida a causas indeterminadas
[17:36] (mariajose> (frecuentemente “aleatorias”). La parte debida a la dependencia de
[17:36] (mariajose> una variable con la otra, se mide por r2 (coeficiente de
[17:36] (mariajose> regresión).
[17:36] (mariajose> Para estos datos, r2= 0,716, así que podemos decir que el 72%
[17:36] (mariajose> de la variación del espacio muerto pulmonar entre los niños, se
[17:36] (mariajose> puede explicar por la altura del niño.
[17:36] (mariajose>
[17:36] (mariajose> Si deseamos etiquetar la fuerza de la asociación, para valores
[17:37] (mariajose> absolutos de r se consideran las asociaciones:
[17:37] (mariajose> - entre 0 y 0,19 como muy débiles,
[17:37] (mariajose> - 0,2-0,39 como débiles,
[17:37] (mariajose> - 0,40-0,59 como moderados,
[17:37] (mariajose> - 0,6-0,79 como fuertes
[17:37] (mariajose> - 0,8-1 como correlaciones muy fuertes
[17:37] (mariajose> Además debemos probar si la asociación es debida ala azar o es
[17:37] (mariajose> real, esto lo haremos a través de una prueba de significación.
[17:38] (mariajose> Está clara la interpretación del coeficiente de correlación?
[17:38] (vega> creo que si
[17:38] (santibea> si
[17:38] (Pedro> si
[17:38] (maria> mas o menos
[17:38] (shei> si
[17:39] (francisco> si
[17:39] (floren> si
[17:39] (violeta> si
[17:39] (jesusfern> si
[17:39] (mariajose> vamos a ver.....que coeficientes de correlación suelen ser habituales en medicina?
[17:39] (Elena> si
[17:39] (mariajose> quiero decir...solemos encontrar coeficientes de correlación altos o bajos?
[17:39] (mariajose> qué es lo más habitual?
[17:40] (maria> altos no?
[17:40] (shei> altos?
[17:40] (vega> Yo dirÃa que altos
[17:41] (mariajose> Maria....si alguien te dice que ha encontrado un coeficiente de correlación entre dos variables clínicas
cuantitativas de, por ejemplo, 0,85
[17:41] (mariajose> te lo creerias?
[17:41] (maria> ummmm quiza no
[17:41] (mariajose> ya...por que no?
[17:41] (maria> hay pocas cosas tan claras en medicina
[17:41] (maria> no?
[17:41] (vega> es una correlación demasiado fuerte no?
[17:41] (mariajose> en medicina rara vez hay una correlacion lineal tan marcada
[17:41] (jesusfern> eso no depende de cada caso?
[17:42] (mariajose> eso suele ser más habitual en otros campos, por ejemplo la física
[17:42] (mariajose> pero en medicina, las relaciones raramente son lineales y, por lo tanto....
[17:42] (mariajose> raras veces encontramos coeficientes de correlación altos
[17:42] (mariajose> aunque, por supuesto, que puede haber excepciones como por ejemplo en cardiología
[17:43] (mariajose> en donde se suelen medir flujos, presiones,....
[17:43] (mariajose> y en las que podemos encontrar correlaciones lineales altas
[17:43] (shei> pero hay alguno factores d riesgo muy relacionados con determinadas enfermedades (xj: tabaco y epoc) y en esos
casos el coef de correlacion es alto no?
[17:44] (mariajose> por ejemplo....entre qué variables?
[17:44] (maria> pero como haces epoc variable cuantitativa?
[17:44] (mariajose> hay una correlación alta entre el consumo de tabaco (paquetes/año, por ejemplo) y
[17:44] (shei> con los datos espirometricos?
[17:44] (mariajose> el VEMS?
[17:45] (shei> x j
[17:45] (shei> si
[17:45] (mariajose> cual es el coeficiente de correlación de esas variables (más o menos)
[17:45] (mariajose> lo conoces shei?
[17:46] (shei> pues no lo conozco
[17:46] (mariajose> sabes cual es el coeficiente de correlación entre el número de paquetes/año y el VEMS, por ejemplo?
[17:47] (mariajose> pero....como es...positivo o negativo?
[17:47] (maria> pero debe ser alto
[17:47] (shei> jeje..no
[17:47] (mariajose> yo tampoco, jeje, pero....lo mas probable es que sea positivo:
[17:48] (mariajose> perdon, negativo: a más paquetes año, menor VEMS
[17:48] (shei> aah
[17:48] (mariajose> es correcto?
[17:48] (shei> si
[17:48] (maria> que lio
[17:48] (mariajose> y....cuanto puede valer?: 0,73 o algo así?
[17:49] (shei> a ver, no he leido ningun estudio que lo demuestre, pero en la practica sin tabaco no suele haber epoc y este se
diagnostica con la espiro
[17:49] (bea> estoy de acuerdo contigo
[17:50] (mariajose> vale....lo podési comprobar si queréis pero lo importante es que la interpretación esté clara
[17:50] (shei> yo diria que podria haber una correlacion modereada-fuerte
[17:50] (shei> ok
[17:50] (mariajose> cuanto es moderada fuerte shei?
[17:50] (mariajose> en la clasificación que hemos visto antes, moderado es de 0,4 a 0,59 y
[17:51] (shei> si, lo que tu has dicho,
[17:51] (mariajose> fuerte es de 0,6 a 0,79
[17:51] (shei> 0,5-0,8
[17:51] (mariajose> estoy de acuerdo contigo...no creo que sea mayor que eso en cualquier caso
[17:51] (mariajose> bueno....vamos a seguir con las pruebas de significación del coeficiente de correlació
[17:52] (shei> ok
[17:52] (bea> ok
[17:52] (jesusfern> si
[17:52] (mariajose> Recordad que aquí la hipótesis nula es: r= 0, es decir, que no hay correlación
[17:52] (mariajose> y la hipótesis alternativa...cual sería la hipótesis alternativa?
[17:52] (seba> ok
[17:53] (maria> +/-1
[17:53] (maria> ??
[17:53] (jesusfern> r=1?
[17:53] (mariajose> no
[17:53] (mariajose> eso sería mucho suponer!!!
[17:53] (shei> r distinti de 0
[17:53] (mariajose> exacto shei
[17:53] (Pedro> ok
[17:53] (bea> ok
[17:53] (mariajose> la alternativa sería: r distinta de cero
[17:53] (mariajose> bueno, pues vamos a ello
[17:54] (mariajose> PRUEBA DE SIGNIFICACIÓN.
[17:54] (mariajose> Para probar si la asociación es solo aparente, y puede haber
[17:54] (mariajose> surgido por azar, use la prueba t como aparece en los apuntes:
[17:54] (mariajose> (11.1)
[17:55] (mariajose> A la t (tabla B; apéndice) se entra con n-2 grados de
[17:55] (mariajose> libertad.
[17:55] (mariajose> Por ejemplo, el coeficiente de correlación para estos datos
[17:55] (mariajose> fue 0,846.
[17:55] (mariajose> El número de pares de observaciones fue 15.
[17:55] (mariajose> Por lo tanto...cuál sería el número de grados de libertad?
[17:56] (jesusfern> 13?
[17:57] (floren> 12+1
[17:57] (mariajose> bien jesusfern
[17:57] (violeta> 15-2
[17:57] (mariajose> 12+1?
[17:57] (seba> ??
[17:57] (jesusfern> como angel nieto
[17:57] (mariajose> ah, vale, jajajaja
[17:57] (violeta> supersticiones
[17:57] (mariajose> seguimos...
[17:57] (Pedro> : )
[17:58] (mariajose> Entrando a la tabla B con 15 –2 = 13 grados de libertad
[17:58] (mariajose> encontramos que t= 5,72, p<0,001 lo que reconoce al coeficiente de
[17:58] (mariajose> correlación como altamente significativo. Así, (como se puede ser
[17:58] (mariajose> ver en el gráfico de dispersión) tenemos una correlación muy
[17:58] (mariajose> fuerte entre espacio muerto y altura, la cual es poco probable que
[17:58] (mariajose> haya surgido por azar.
[17:59] (mariajose> Es decir, descartamos la correlación cero que nos diría ausencia de correlación lineal y, por lo tanto,
[17:59] (mariajose> en el gráfico, si fuese cero, nos daría una linea horizontal
[17:59] (mariajose> ya que en ese caso, daría igual el valor que tome una variable que la otra no se modificaria
[17:59] (mariajose> ok?
[18:00] (shei> ok
[18:00] (floren> ok
[18:00] (jesusfern> si
[18:00] (reyesvida> vale
[18:00] (maria> ok
[18:00] (mariajose> pues seguimos
[18:00] (Pedro> ok
[18:00] (vega> ok
[18:00] (violeta> ok
[18:00] (mariajose> Los supuestos que rigen esta prueba son:
[18:00] (reyesvida> bueno
[18:00] (mariajose> 1. Que ambas variables estén, distribuidas Normalmente.
[18:00] (mariajose> 2. Que haya una relación lineal entre ellas.
[18:00] (mariajose> 3. La hipótesis nula es que no hay asociación entre ellas.
[18:01] (mariajose> RECTA DE REGRESION Y CRITERIOS DE AJUSTE
[18:01] (mariajose> La correlación describe la fuerza de una asociación entre dos
[18:01] (mariajose> variables, y esta es completamente simétrica, es decir, la
[18:01] (mariajose> correlación entre A y B es la misma que la correlación entre B y
[18:01] (mariajose> A.
[18:01] (mariajose> Si las dos variables están relacionadas, con una relación de
[18:01] (mariajose> dependencia y cuando una cambia una cierta cantidad la otra, en
[18:01] (mariajose> promedio, también cambia una cierta cantidad, como el estudio de
[18:02] (mariajose> los niños descritos anteriormente, donde la mayor altura está
[18:02] (mariajose> asociada, en promedio, con un mayor espacio muerto pulmonar. Esta
[18:02] (mariajose> relación se describe como la regresión de y sobre x, donde y
[18:02] (mariajose> representa la variable dependiente y x la variable independiente,
[18:02] (mariajose> La nube de puntos resultante de representar gráficamente estas
[18:02] (mariajose> dos variables sugiere la existencia de una relación positiva entre
[18:02] (mariajose> espacio muerto pulmonar y altura. Vamos a trazar sobre esta nube
[18:02] (mariajose> de puntos la recta que mejor se ajuste con objeto de disponer de
[18:03] (mariajose> un sencillo modelo matemático para describir esta relación.
[18:03] (mariajose> La ecuación de una recta (ecuación de regresión) viene dada
[18:03] (mariajose> por la formula que aparece en los apuntes:
[18:03] (mariajose> En donde á indica el valor de y para x=0 (punto de corte de la
[18:03] (mariajose> recta con el eje de ordenadas) y â representa su pendiente, es
[18:03] (mariajose> decir, el incremento de y por cada unidad que se incrementa x
[18:03] (maria> una pregunta, si la correlacion entre A y B es la misma que entre B y A, ¿por que a una se le llama dependiente y a la
otra independiente?
[18:04] (mariajose> está claro lo que significa a y lo que significa b en la ecuación de la recta?
[18:04] (santibea> i
[18:04] (santibea> si
[18:04] (shei> si
[18:04] (bea> si
[18:04] (jesusfern> si
[18:04] (reyesvida> si
[18:04] (vega> si
[18:05] (Pedro> si
[18:05] (mariajose> Maria...en la correlación no hay variable dependiente e independiente, ambas juegan el mismo papel
[18:05] (mariajose> donde hay variable dependiente e indiependiente es en la regresión
[18:05] (mariajose> por eso decimos que la correlación entre A y B es la misma que entre B y A
[18:06] (ehehtucu> AH OK
[18:06] (maria> vale, vale, me lie al leerlo
[18:06] (mariajose> en cambio, cuando hablamos de regresión, lo que queremos es explicar una variable (dependiente) en función de
los valores de otra (la independiente)
[18:06] (mariajose> si está claro, seguimos
[18:06] (maria> sip
[18:07] (bea> su
[18:07] (Pedro> si
[18:07] (bea> si
[18:07] (mariajose> Debido a la variabilidad de los datos, si se utiliza esta
[18:07] (shei> yo lo que no entiendo es porque en la regresion y pasa a ser la variable dependiente y x la dependiente??
[18:07] (bea> si
[18:07] (sara_garc> si
[18:07] (seba> ok
[18:07] (mariajose> recta para predecir el espacio muerto yi de un sujeto i en función
[18:07] (mariajose> shei....no es que la y pase a ser dependiente y la x independiente
[18:08] (mariajose> el papel de cada una de ellas se establece según los conocimientos teóricos
[18:08] (mariajose> como en el ejemplo de la altura y el espacio muerto pulmonar
[18:08] (shei> ah ok, perdon.continua
[18:09] (mariajose> si no hubiese una relación de dependencia utilizariamos únicamente la correlación
[18:09] (mariajose> y por lo tanto, daría igual en que eje pones una u otra
[18:10] (shei> ok, ya lo entendi, gracias
[18:10] (mariajose> en cambio, si quieres analizar la relación de una respecto a la otra entonces tienes que tener cuidado de colocar la
variable dependiente en el eje y
[18:10] (mariajose> y la variable independiente en el eje x
[18:10] (mariajose> vale, seguimos
[18:10] (mariajose> de la altura xi, se observa que hay una diferencia ei llamada
[18:10] (mariajose> residual, entre el espacio muerto pulmonar del sujeto y el
[18:10] (mariajose> predicho por la recta de regresión.
[18:10] (mariajose> Este error o residual vale
[18:11] (mariajose>
[18:11] (mariajose> ei = yi – yfij = yi – ( á+ b xi)
[18:11] (mariajose> Para halla la recta de regresión primero se debe establecer un
[18:11] (mariajose> criterio de ajuste y luego se determinan los coeficientes á y â de
[18:11] (mariajose> esta recta de manera que se cumpla el criterio establecido.
[18:11] (mariajose> Esta claro que este criterio debe minimizar el conjunto de
[18:11] (mariajose> residuales ei pero se puede demostrar fácilmente que, cualquier
[18:12] (mariajose> línea recta que pase a través de los valores medios de x e y, dará
[18:12] (mariajose> un error total de predicción cuyo sumatorio Ó(y1 – yfij) será
[18:12] (mariajose> igual a cero, debido a que los términos positivos y negativos se
[18:12] (mariajose> cancelan exactamente. Para eliminar el efecto del signo, elevamos
[18:12] (mariajose> al cuadrado las diferencias. Esta operación da origen al criterio
[18:12] (mariajose> de mínimos cuadrados s2 = sumatorio(y1 – yfij)2, que consiste en
[18:12] (mariajose> determinar los valores de á y â que minimizan la suma de cuadrados
[18:12] (mariajose> residuales. Puede demostrarse que una línea recta que minimiza s2,
[18:12] (mariajose> el estimador mínimo cuadrático, viene dado por la formula que
[18:13] (mariajose> aparece en los apuntes:
[18:13] (mariajose>
[18:13] (mariajose> Que es muy parecida al formula de r de correlación, solo que
[18:13] (mariajose> aquí al haber solo un variable independiente se pone solo una SD.
[18:13] (mariajose> Donde puede demostrarse que:
[18:13] (mariajose> a=y(media)-bx(media)
[18:14] (mariajose> Ecuación que se usa para calcular todos los componentes de la
[18:14] (mariajose> ecuación (11.2) en el cálculo del coeficiente de correlación.
[18:14] (mariajose> El cálculo del coeficiente de correlación mirarlo despacio en
[18:14] (mariajose> los apuntes
[18:14] (mariajose> y = -82,4 + 1,033x
[18:14] (mariajose> Esto significa que, en promedio, para cada incremento de 1 cm
[18:14] (mariajose> en la altura, el incremento en espacio muerto pulmonar es 1,033 ml
[18:15] (mariajose> en el rango de mediciones hechas.
[18:15] (mariajose> lo veis en la fórmula?
[18:15] (jesusfern> si
[18:15] (mariajose> b es el coeficiente que multiplica el valor de la variable x
[18:16] (ehehtucu> si
[18:16] (vega> si
[18:16] (mariajose> de tal manera que si x = 1, es decir, si x se incrementa en una unidad, el incremento de y será igual al valor de b
(la pediente, en este caso 1,033)
[18:16] (shei> si
[18:16] (reyesvida> si
[18:16] (mariajose> bien
[18:16] (mariajose> La línea que representa la ecuación, se muestra sobrepuesta en
[18:17] (mariajose> el diagrama de dispersión de los datos en la figura 11.2. La forma
[18:17] (mariajose> de trazar la línea es tomar tres valores de x, uno en el lado
[18:17] (mariajose> izquierdo del diagrama de dispersión, otro en el medio y otro en
[18:17] (mariajose> el lado derecho, y sustituir estos en la ecuación, como sigue:
[18:17] (mariajose> Si x = 110, y = (1,033 x 110) – 82,4 = 31,2
[18:17] (mariajose> Si x = 140, y = (1,033 x 140) – 82,4 = 62,2
[18:17] (mariajose> Si x = 170, y = (1,033 x 170) – 82,4 = 93,2
[18:17] (mariajose> Aunque dos puntos son suficientes para definir la línea, tres
[18:18] (mariajose> es mejor como comprobación. Habiéndolos puesto en el diagrama de
[18:18] (mariajose> dispersión, simplemente trazaremos la línea a través de ellos.
[18:18] (mariajose> Y como en la correlación podemos encontrar a través de t la
[18:18] (mariajose> significación de la recta
[18:18] (mariajose> Los supuestos que rigen esta prueba son:
[18:18] (mariajose> 1. Que los errores de predicción estén distribuidos de forma
[18:18] (mariajose> aproximadamente normal. Tenga en cuenta que esto no significa que
[18:19] (mariajose> las variables x o y hayan de estar distribuidas Normalmente.
[18:19] (mariajose> 2. Que la relación entre las dos variables sea lineal.
[18:19] (mariajose> 3. Que el gráfico de dispersión de puntos alrededor de la línea,
[18:19] (mariajose> sea aproximadamente constante
[18:19] (mariajose> Advierta que la prueba de significación para la pendiente, da
[18:19] (mariajose> exactamente el mismo valor de p que la prueba de significación
[18:19] (mariajose> para el coeficiente de correlación. Aunque las dos pruebas son
[18:19] (mariajose> derivadas de forma diferente, ellas son algebraicamente
[18:19] (mariajose> equivalentes.
[18:20] (mariajose> Como siempre para todos los estadísticos también podemos obtener
[18:20] (mariajose> un intervalo de confianza del 95% para b.
[18:20] (mariajose> Las líneas de regresión nos dan información útil, acerca de
[18:20] (mariajose> los datos a partir de los cuales se construyen. Muestran cómo una
[18:20] (mariajose> variable cambia en promedio con la otra, y se pueden usar para
[18:20] (mariajose> encontrar como será probablemente, una variable cuando conocemos
[18:20] (mariajose> la otra – siempre y cuando hagamos esta pregunta dentro de los
[18:21] (mariajose> límites del diagrama de dispersión. Proyectar la línea sin límite
[18:21] (mariajose> –para extrapolar- es siempre arriesgado, porque la relación entre
[18:21] (mariajose> x e y puede cambiar, o puede existir algún tipo de punto de corte.
[18:21] (mariajose> Por ejemplo, se puede trazar una línea de regresión relacionando
[18:21] (mariajose> la edad cronológica de algunos niños con su edad ósea, y podría
[18:21] (mariajose> ser una línea recta entre, digamos, la edad de 5 y 10 años, pero
[18:21] (mariajose> proyectarla hasta la edad de 30 años, podría conducir a error.
[18:22] (mariajose> Bueno, esta ultima advertencia es importante:
[18:22] (mariajose> no hay que usar una recta de regresión para predecir valores fuera del rango en el qu está probada la relación
lineal entre ambas variables
[18:23] (mariajose> lo digo porque a veces hay la tentación de utilizarla sin tener en cuenta esto
[18:23] (mariajose> y eso puede conducir a errores porque la relación entre las variables puede cambiar para valores mas altos o más
bajos
[18:24] (mariajose> Bueno, si no hay preguntas sobre este tema, vamos con el análisis de supervivencia
[18:24] (vega> $8470006592182
[18:24] (jesusfern> vale
[18:24] (mariajose> Alguien sabe para qué sirve el análisis de supervivencia?
[18:24] (jesusfern> eso ganas vega?
[18:25] (vega> ojala
[18:25] (maria> el tiempo que pasa hasta que pasa algo
[18:25] (jesusfern> para estimar el tiempo de vida de cada inividuo?
[18:25] (maria> desde que se empieza a estudiar
[18:25] (Elena> $8470006912201
[18:25] (shei> para estimar el tiempo que pasa entre un acontecimiento y otro
[18:26] (mariajose> jesusfern: en general para estimar el tiempo que pasa hasta que ocurre un evento (no necesariamente la muerte)
[18:26] (jesusfern> ah, ok gracias
[18:27] (mariajose> así es Maria y Shei...podriamos decir que nos sirve para analizar el tiempo que transcurre desde la entrada en un
estudio...hasta que ocurre el evento de interés
[18:27] (Elena> $8470006764114
[18:27] (mariajose> por lo tanto, la variable más importante es el tiempo
[18:28] (mariajose> Hay diferentes usos del análisis de supervivencia, uno de ellos es el puramente descriptivo
[18:28] (mariajose> que nos permite conocer el tiempo medio (o la mediana) hasta que ocurre el evento de interés
[18:29] (mariajose> y nos puede servir para, por ejemplo, hacer el pronóstico de un paciente con cáncer
[18:29] (mariajose> Hay unas características del análisis de superviviencia que conviene resaltar
[18:30] (mariajose> Una es que el tiempo no tiene una distribución normal y, por lo tanto, no podemos utilizar el modelo de la
distribución normal
[18:31] (mariajose> esto es porque el tiempo siempre se desplaza hacia adelante y no puede, por tanto, tener una distribució simétrica
[18:31] (mariajose> la otra característica importante del análisis de supervivencia es que podemos utilizar información incompleta
[18:31] (mariajose> lo que se conoce como tiempos "censurados"
[18:32] (mariajose> es decir, un sujeto puede ser incluido en el estudio y terminarse el tiempo de seguimiento y no haber presentado el
evento de interés, o...
[18:32] (mariajose> durante el seguimiento, perderse
[18:33] (mariajose> si utilizasemos otro tipo de análisis (por ejemplo incidencia acumulada) los datos de estos sujetos les perderiamos
[18:33] (mariajose> o tendriamos que seguir a los sujetos durante mucho, mucho tiempo...hasta que todos presentaran el evento de
interes
[18:33] (mariajose> como eso no es recomendable, recurrimos al análisis de supervivencia
[18:34] (mariajose> vamos a ver....qué variables son imprescindibles para un análisis de supervivencia?
[18:35] (maria> el tiempo
[18:35] (mariajose> fundamental
[18:35] (mariajose> que otras?
[18:35] (maria> el evento que queremos estudiar
[18:36] (mariajose> exacto...necesitamos conocer si el evento ha ocurrido o no en cada uno de los sujetos de estudio
[18:36] (mariajose> mas?
[18:36] (maria> las observaciones que perdemos?
[18:37] (mariajose> bien...necesitamos conocer cuantos sujetos no presentan el evento (porque los perdemos o porque se acaba el
periodo de seguimiento y no han presentado el evento de interés)
[18:37] (mariajose> esto es lo que se conoce como datos "censurados"
[18:38] (maria> ok
[18:38] (mariajose> y que nos aportan información sobre estos sujetos...aunque los perdamos o no presenten el evento
[18:38] (mariajose> a propósito....qué pasaría si tenemos un porcentaje elevado de datos censurados?
[18:39] (mariajose> por ejemplo...si leeis un artículo en el que el 70% de los datos son censurados
[18:39] (maria> que no podriamos establecer relacion
[18:40] (mariajose> ummm....depende de la causa de la censura pero en general, deberiamos tomarlos con mucha precaucion porque...
[18:40] (mariajose> si es porque se han perdido muchos...hay una posibilidad de sesgos de información importante
[18:41] (Pedro> ok
[18:41] (maria> pero si no se han perdido, sino que el evento no ha ocurrido...
[18:41] (mariajose> o si es porque han terminado sin el evento tras cerrarse el estudio...lo que hay que preguntarse es si han sido
seguidos el tiempo suficiente para que se pudiera presentar el evento
[18:41] (seba> ok
[18:42] (ehehtucu> ok
[18:42] (mariajose> maria, responde eso a tu pregunta?
[18:43] (maria> si, pero ¿de antemano puedes saber el tiempo necesario?
[18:43] (mariajose> por ejemplo....el tiempo para un estudio de prevención secundaria para enfermedad cardiovascular seguramente
será mucho mas corto que para uno de prevención primaria
[18:44] (maria> porque si estas estudiando la tasa de supervivencia despues de una protesis de cadera hasta que se muere... si lo
prolongas mucho, se morira, pero alomejor por la edad... no?
[18:44] (mariajose> para el primero probablemente sería suficiente un tiempo de seguimiento de 2 o 3 años mientras que para el
segundo se necesitarían muchos mas
[18:45] (mariajose> claro que sí maría, ya lo dice el dicho "....al final, todos calvos"
[18:46] (mariajose> en resumen, que el tiempo de seguimiento necesario lo juzgamos en función de los objetivos de cada estudio
[18:46] (mariajose> con criterios clínicos o epidemiológicos
[18:46] (maria> vale
[18:46] (jesusfern> ok
[18:46] (mariajose> alguna pregunta sobre el análisis de supervivencia?
[18:47] (mariajose> ummm...no hay preguntas sobre supervivencia?
[18:48] (mariajose> si no hay....pasamos al último tema de hoy
[18:48] (jesusfern> por mi no
[18:48] (jesusfern> ok
[18:48] (bea> OK
[18:48] (maria> ok
[18:48] (violeta> ok
[18:48] (santibea> ale
[18:48] (mariajose> vale....
[18:48] (floren> en principio no
[18:48] (francisco> ok
[18:48] (shei> ok
[18:48] (Pedro> ok
[18:48] (mariajose> Sobre los diseños de estudio....algunas cosas
[18:48] (sara_garc> ok
[18:48] (vega> ok
[18:49] (shei> ok
[18:49] (mariajose> El diseño más adecuado depende, por supuesto, del objetivo del estudio
[18:49] (mariajose> por ejemplo, si lo que queremos es evaluar:
[18:49] (mariajose> La eficacia y seguridad de una intervención.....cual sería el diseño más adecuado?
[18:50] (maria> ensayo controlado y aleatorizado
[18:50] (mariajose> alguno de los supervivientes...que conteste!!
[18:51] (seba> prospectivo, randomizado, doble ciego???
[18:51] (santibea> prospectivo
[18:51] (jesusfern> prospectivo
[18:51] (mariajose> bien....vamos a ver que quiere decir cada término
[18:51] (mariajose> primero....ensayo clínico = experimento en humanos
[18:52] (maria> depende de la fase???
[18:52] (mariajose> y para evaluar una intervención sería el mejor
[18:52] (mariajose> randomizado = con asignación aleatoria, qué quiere decir esto exactamente?
[18:53] (mariajose> quiere decir que para decidir quien va a un grupo y quien a otro,
[18:53] (seba> que todos los participantes tienen la misma probabilidad de recibir una u otra intervencion
[18:53] (mariajose> no lo decide el investigador sino el azar
[18:53] (mariajose> con una probabilidad conocida de ir a uno u a otro (no siempre tiene porque ser la misma)
[18:54] (mariajose> y para qué se hace esto?
[18:54] (mariajose> para que se asigna aleatoriamente (randomiza)
[18:54] (maria> para evitar sesgos
[18:54] (mariajose> ?
[18:54] (seba> para evitar sesgo
[18:54] (santibea> para evitar sesgos
[18:54] (jesusfern> para no influir en el investigador?
[18:54] (mariajose> bien.... qué sesgos evitamos con la randomización?
[18:54] (shei> estoy con maria
[18:55] (seba> sesgo de seleccion
[18:55] (mariajose> bien
[18:55] (mariajose> ademas de evitar los sesgos de selección, que otras ventajas tiene la randomización?
[18:55] (maria> no me acuerdo como se llama, pero a la hora de analizar los datos
[18:55] (mariajose> si maria, sigue
[18:56] (maria> que no influya de forma subjetiva el investigador
[18:56] (mariajose> ummm...eso mas adelante
[18:56] (jesusfern> que los datos sean significativos?
[18:56] (mariajose> otra de las ventajas de la randomización es que, con gran probabilidad, nos permite formar grupos comparables
[18:57] (mariajose> tanto en la variables conocidas como en las desconocidas y que pueden influir en el resultado
[18:57] (mariajose> y esto es muy importante porque si los grupos son comparables en todo menos en la intervención...
[18:57] (maria> s
[18:58] (mariajose> podremos achacar las diferencias, si las hay, a la intervención que estamos evaluando y no a otras cosas
[18:58] (mariajose> pero, además, como decía maría.....
[18:58] (seba> ok
[18:58] (shei> existe ma probabilidadde que los resultados no se deban al azar
[18:59] (shei> no?
[18:59] (maria> que no se sepa hasta el final a que grupo de pacientes pertenece cada uno
[18:59] (mariajose> nos permite introducir una técnica que se conoce como ciego (o enmascaramiento) para evitar que los que
intervienen en el estudio conozcan que tratamiento recibe cada sujeto y, por lo tanto....
[18:59] (mariajose> se evitan sesgos de información
[19:00] (mariajose> eso es maria....de esa manera evitas sesgos a la hora de valorar los resultados por el hecho de conocer qué
tratamiento están recibiendo
[19:00] (mariajose> esto es muy importante sobre todo cuando la variable resultado es subjetiva
[19:01] (mariajose> y quizás lo es menos cuando la variable resultado (outcome) es más objetiva pero...
[19:01] (mariajose> siempre que se pueda utilizar el enmascaramiento...es preferible
[19:01] (mariajose> y esto nos lo permite la asignación aleatoria
[19:01] (mariajose> por eso, es uno de los aspectos clave de los ensayos clínicos
[19:02] (mariajose> vale, hasta aqui: ensayo clínico randomizado, ciego, doble ciego o triple ciego....
[19:02] (mariajose> qué otras características tiene que tener?
[19:03] (seba> al ser un ensayo clinico necesariamente es prospectivo o no??
[19:03] (maria> y concurrente
[19:03] (mariajose> si....al ser experimental....necesariamente tiene que ser prospectivo
[19:03] (mariajose> concurrente? casi siempre
[19:04] (mariajose> puede haber controles históricos pero lo más adecuado es que sean concurrentes sí
[19:04] (mariajose> y esta es otra de las características importantes: la existencia de un grupo control!!
[19:05] (mariajose> si no tenemos un grupo control...no podremos discernir que es debido a la intervención y qué es debido a otros
factores
[19:05] (jesusfern> ok
[19:05] (maria> y un objetivo
[19:05] (mariajose> por ejemplo....si el grupo de comparación (control) recibe placebo...qué pasa con el placebo?
[19:06] (maria> como que que pasa con el placebo?
[19:06] (mariajose> en principio es una sustancia inactiva pero....
[19:06] (jesusfern> que no influye en el resultado
[19:06] (mariajose> eso no quiere decir que no pueda tener un efecto
[19:06] (seba> los q lo toman son similares a los q tomen el otro medicamento
[19:07] (maria> el paciente no sabe que esta tomando placebo, por lo que otros factores pueden influir
[19:07] (mariajose> de hecho el placebo casi siempre tiene un efecto aunque el paciente no sepa que es eso lo que está tomando
[19:07] (mariajose> y sobre todo cuando la variable resultado es subjetiva
[19:08] (mariajose> y si no, preguntarselo a los psiquiatras y psicólogos!!
[19:08] (mariajose> por cierto...hay alguno en la sala?
[19:08] (floren> yo estoy
[19:09] (bea> yo tambien
[19:09] (mariajose> bueno....en resumen: para evaluar la eficacia y seguridad de una intervención el mejor diseño es:.....
[19:09] (jesusfern> yo estoy pero floren tu eres farmaceutico
[19:09] (jesusfern> creo que pregunta si hay algun psiquiatra conectao
[19:09] (vega> eso me parecia a mi jejeje
[19:09] (jesusfern> jijiji
[19:09] (Pedro> : )
[19:09] (bea> si yo
[19:09] (mariajose> si, preguntaba si habia alguno conectado pero....
[19:09] (bea> yo soy un proyecto de psiquiatra
[19:10] (mariajose> repito la pregunta....cual es el mejor diseño para evaluar la eficacia y seguridad de una intervención?
[19:10] (jesusfern> que mal suena eso
[19:10] (maria> ensayo clinico
[19:10] (bea> el ensayo clinico
[19:10] (mariajose> así a secas?
[19:10] (seba> randomizado
[19:10] (seba> ciego
[19:10] (maria> aleatorizado
[19:10] (jesusfern> prospectivo, controlado a doble ciego
[19:11] (mariajose> vale.....de acuerdo
[19:11] (mariajose> otra cosa es que no siempre se pueda hacer por diferentes razones (éticas, práctica,....)
[19:11] (mariajose> y en ese caso....qué otro diseño podría ser útil?
[19:12] (maria> cohortes
[19:12] (jesusfern> cohortes
[19:12] (mariajose> bien...y en que se diferencian de los ensayos clínicos?
[19:12] (seba> no hay intervencion
[19:12] (maria> en los estudios de cohortes, tienes dos (o mas) grupos de pacientes, unos expuestos y otros no
[19:13] (maria> pero tu no haces nada sobre ellos
[19:13] (seba> es observacional
[19:13] (mariajose> si, puede haber intervencion
[19:13] (mariajose> en los ensayos clínicos tambien pueden haber dos o más grupos
[19:13] (shei> son observacionales
[19:13] (maria> si, pero tu los asignas en los ensayos clinicos
[19:13] (mariajose> eso....estos son observacionales a diferencia de los ensayos que son experimentales
[19:14] (jesusfern> no influye para nada el investigador
[19:14] (mariajose> y por lo tanto....no hay asignación aleatoria
[19:14] (jesusfern> ok
[19:15] (mariajose> jesusfern....el investigador no decide quien recibe una intervención (o exposición)
[19:15] (jesusfern> ok
[19:15] (mariajose> por lo demas....el estudio de cohortes y el ensayo clínico son muy parecidos....
[19:15] (mariajose> es decir, requieren un seguimiento.....
[19:15] (jesusfern> ok
[19:16] (mariajose> ambos parten de sujetos libres del evento de interés...
[19:16] (seba> si
[19:17] (mariajose> y, por lo tanto, en ambos se pude determinar la aparición de casos nuevos, es decir, se puede calcular la incidencia
[19:17] (mariajose> y si se puede calcular la incidencia en los expuestos y en los no expuestos....se puede calcular el riesgo relativo
[19:17] (mariajose> cosa que, por cierto, no se puede calcular en los estudios de casos y controles
[19:18] (maria> en las cohortes retrospectivas, si que partes del evento
[19:18] (maria> y revisas hacia atras?
[19:18] (mariajose> por lo tanto...cuales son las diferencias entre los estudios de cohortes y los de casos y controles?
[19:18] (maria> (cohortes historicas)
[19:19] (mariajose> no maria....en los estudios de cohortes siempre partes de la exposición
[19:19] (seba> el caso y control es retrospectivo
[19:19] (shei> en casos y controles ya han sufrido el evenbto de interes
[19:19] (seba> veo los q tienen el evento y veo en su historia si han estado expuestos o no
[19:19] (maria> ya, si, pero en las cohortes historicas
[19:20] (maria> tb tienes gente que ha tenido ya el evento
[19:20] (mariajose> mientras que en el de casos y controles partes del resultado en donde unos lo presentan (casos) y otros no
(controles)
[19:20] (mariajose> pero ambos pueden ser prospectivos o retrospectivos
[19:20] (seba> como puede ser prospectivo??
[19:21] (mariajose> si maria pero, el criterio para su identificación es si están expuestos o no....independientemente de si presentan o
no el resultado de interés
[19:21] (maria> ok
[19:21] (mariajose> y en los estudios de cohortes históricas, ocurre esto
[19:22] (mariajose> de hecho tu puedes hacer un estudio de casos y controles dentro de un estudio de cohortes, lo que se conoce
como estudio de casos y controles anidado
[19:23] (mariajose> pero lo importante aquí es el criterio desde el que se parte para identificar a los sujetos del estudio
[19:23] (mariajose> si partes de su exposición (o no): estudios de cohortes
[19:24] (mariajose> si partes de la presentación del resultado (casos) o no (controles): casos y controles
[19:24] (mariajose> no confundir con prospectivo y retrospectivo!!!
[19:24] (mariajose> son cosas diferentes....aunque suelen estar relacionadas, está claro?
[19:25] (maria> si, si
[19:25] (vega> si
[19:25] (Pedro> si
[19:25] (shei> s9i
[19:25] (mariajose> vale....y por último....los estudios transversales....en que se diferencian de los anteriores?
[19:25] (maria> que los transversales estudian un acontecimiento en un momento dado
[19:26] (mariajose> ummm....precisa un poco mas maria
[19:26] (maria> no son longitudinales
[19:26] (maria> osea que el estudio no se prolonga en el tiempo
[19:26] (shei> y sirven para estudiar prevalencia mas que incidencia
[19:26] (jesusfern> en que estudian datos previamente obtenidos??
[19:26] (mariajose> ya, pero que pasa con el factor de estudio y el evento de interés?
[19:26] (mariajose> es decir, que pasa con la variable independiente y la variable dependiente en los estudios transversales?
[19:27] (maria> no puedes establecer una dependencia?
[19:27] (mariajose> no jesusfern....los estudios transversales tambien pueden ser prospectivos (si en el momento que inicias el estudio
el evento aún no se ha recogido) o retrospectivos (si el evento de interés ya se ha recogido)
[19:28] (jesusfern> ahh
[19:28] (maria> son mas descriptivos?
[19:28] (maria> no se..
[19:28] (mariajose> en general si...pero tambien pueden ser analíticos (establecer relaciones entre variables)
[19:29] (mariajose> vale....en el caso de los estudios transversales, la variable de interés (v. independiente) y la variable resultado (v.
dependiente) se miden a la vez
[19:29] (mariajose> por lo tanto, la secuencia temporal generalmente no está claramente definida
[19:29] (mariajose> y digo generalmente porque, en algunos casos, si que lo está
[19:30] (mariajose> alguien puede dar un ejemplo?
[19:30] (maria> las hipotesis 2º que se plantean en un ensayo clinico?
[19:30] (mariajose> un ejemplo de un estudio transversal en el que, a pesar de medirse el factor de estudio y la variable resultado a la
vez, se puede establecer claramente la secuencia temporal
[19:31] (mariajose> vamos a poner un ejemplo y acabamos.....
[19:32] (shei> cuando estudias la prevalencia de una enfermedad?
[19:32] (mariajose> si medimos a la vez, transversal, la presencia o no de un evento de interés, por ejemplo una enfermedad genética
y la presencia o no de dicha alteración genética....
[19:32] (shei> ok
[19:32] (mariajose> podemos establecer la secuencia temporal
[19:33] (mariajose> así es shei....cuando estudias la prevalencia de una enfermedad genética, por ejemplo, en otros casos
generalmente no
[19:33] (shei> ok
[19:33] (mariajose> vale...está claro?
[19:33] (shei> si
[19:33] (maria> ok
[19:34] (mariajose> bien.....hacemos el ejercicio 7.4?
[19:34] (mariajose> si podéis tener el epidat a mano, mejor
[19:34] (floren> por mi si
[19:34] (shei> ok
[19:34] (mariajose> bien los que lo tengais, los que no....se puede hacer tambien
[19:34] (santibea> si
[19:35] (bea> si
[19:36] (mariajose> lo primero: calcular la diferencia entre tratamientos, en cada sujeto
[19:36] (mariajose> después, calcular la media y la desviación estándar de las diferencias
[19:37] (mariajose> y luego aplicar la fórmula de la t para datos pareados que está en la página 60 de la teoría
[19:37] (mariajose> los que tengáis el epidat, introducir estos datos y os lo hará el programa
[19:38] (floren> a vale
[19:38] (floren> ahora si me sale
[19:38] (mariajose> estupendo
[19:38] (floren> claro la SD la tienes que calcular tu
[19:38] (mariajose> si alguien tiene problemas, que lo intente primero
[19:38] (floren> para luego poder meterla
[19:38] (mariajose> si floren, es la desviación estándar de las diferencias
[19:39] (mariajose> es igual que el ejercicio de los tiempos de tránsito intestinal (página 59)
[19:39] (floren> Pero esta SD de las diferencias se calcula como se explico en el tema 2 si es a mano o con la calculñadora verdad?
[19:40] (mariajose> mejor con la calculadora o incluso con una hoja de cálculo
[19:40] (floren> ok
[19:40] (mariajose> pero tambien se puede hacer a mano....aunque os costará mas, claro, jejeje
[19:40] (floren> y te mandamos el resultado nada de tablas a mano para calcular verdad??
[19:41] (mariajose> sólo los resultados
[19:41] (floren> ok
[19:41] (mariajose> bueno....acabamos....muchas gracias
[19:42] (santibea> pero donde metemos los datos en el epidat?
[19:42] (mariajose> si tenéis alguna duda, mi dirección es:
[19:42] (mariajose> mpereda@gapbu02.sacyl.es
[19:42] (floren> GRACIAS un saludo.
[19:42] (vega> gracias a ti, mañana más.
[19:42] (floren> adios
[19:42] (santibea> gracias
[19:42] (Nerea> hasta mañana
[19:42] (seba> gracias
[19:42] (mariajose> santibea....los datos en epidat se meten en....
[19:42] (francisco> adios
[19:43] (bea> adios
[19:43] (mariajose> el menú Métodos
[19:43] (Elena> adios hasta mañana
[19:43] (shei> adios
[19:43] (mariajose> la opción: inferencia sobre parámetros
[19:44] (mariajose> y...dos poblaciones: medias emparejadas
[19:44] (mariajose> ahí te pedirá los datos necesarios que son los que hemos comentado
[19:44] (santibea> ah vale gracias
[19:44] (mariajose> bueno....felices fiestas!!!
[19:45] (floren> igualmente
[19:45] (mariajose> adiós y gracias por vuestra participación
[19:45] (maria> chao!
[19:45] (Elena> no hay de que
[19:45] (shei> igualmente
Se han suprimido algunas frases del log, sobre todo referentes a entradas y salidas de diferentes personas en el canal durante la presentación
