CONTENIDO

10. GENERALIDADES .................................................................................................................................................................................... 2

11. DESCRIPTIVA ........................................................................................................................................................................................... 2

12. PROBABILIDAD ....................................................................................................................................................................................... 3

13. LEYES DE DISTRIBUCIÓN BIOLÓGICAS................................................................................................................................................... 3

14. INFERENCIAL .......................................................................................................................................................................................... 4

15. CONTRASTE DE HIPÓTESIS .................................................................................................................................................................... 4

16. ANÁLISIS DE CORRELACIÓN Y DE REGRESIÓN ...................................................................................................................................... 6

17. TAMAÑO MUESTRAL ............................................................................................................................................................................. 6

 10. GENERALIDADES

Muestreo

Probabilístico: por azar No probabilístico: no azar

Misma probabilidad todos de ser incluidos Diferente probabilidad de ser incluidos
Correctos Sesgos
Estadística inferencial No extrapolables a la población
· Simple
 Casos consecutivos: ir eligiendo a los pacientes que cumplen determinados criterios
· Estratificado
hasta alcanzar el número necesario o dentro de un intervalo de tiempo prefijado
· Sistemático
 De conveniencia: “a dedo” los más apropiados
· Por conglomerados

Dicotómicas/binarias (L2) Diagrama de sectores Diagrama de barras (normal, compuesto, horizontal)

Nominales
No dicotómicas (L>2)

Cualitativas
Ordinales
Glasgow
Variables

Discretas
Histograma y polígono de frecuencias

Cuantitativas
Continuas

11. DESCRIPTIVA

Tipo de distribución Mejor medida de centralización Mejor medida de dispersión

Simétrica Media Desviación típica, varianza
Asimétrica Mediana Rango y rango intercuartílico

Medidas de centralización
Media aritmética · Sumando todos los valores y dividiendo por el número de observaciones
· Divide el conjunto de datos ordenados en dos partes iguales: el 50% será mayor y el 50% menor
MediANA
· En una simétrica equivale a la media
· Valor más frecuente
Moda
· Puede haber más de una
Parámetros de posición · Dividen el conjunto en 4 (cuartiles), 10 (deciles) o 100 (percentiles) partes iguales respectivamente
· Muy usada en microbiología y serología, cuyos datos tienen una marcada asimetría positiva (hacia la derecha)
Media geométrica
· Menos sensible a valores extremos

Si a todos los valores de una distribución

Acción Media Desviación típica Varianza
+k +k = =
·k ·k ·k · k2

Medidas de dispersión

Rango · Diferencia entre el valor máximo y el mínimo

Desviación media · Media de desviaciones respecto la media aritmética

Varianza
· Media del cuadrado de las desviaciones de los elementos respecto a la media aritmética
σ2, s2

Desviación típica
· Raíz cuadrada positiva de la varianza: muestra cómo se distribuyen los valores alrededor de la media
σ, s

Rango intercuartílico · Diferencia entre el percentil 75 y 25 P75 – P25

· Adimensional, % que representa la desviación estándar sobre la media

Coeficiente de variación · Comparar variabilidad o dispersión relativa de variables que estén expre-
CV sadas en las mismas o diferentes unidades
· Decir si una distribución es homogénea o dispersa (>33% = dispersa)
 >0 · Distribución asimétrica + (derecha)

Coeficiente
Asimetría de Fisher
<0 · Distribución asimétrica negativa (izquierda)
Desviación horizontal
g1

=1 · Distribución simétrica

>0 · Leptocúrtica: gran concentración

Coeficiente
Curtosis <0 · Mesocúrtica: concentración normal
de curtosis
Concentración central
Apuntamiento
g2: TWOrtosis =0 · Platicúrtica: baja concentración

 Curva normal o de Gauss: g1 = ±0,5 y g2 = ±0,5

12. PROBABILIDAD

Suceso seguro · P(E) = 1

Sucesos incompatibles · P(AyB) = 0 (mujer y cáncer de próstata)

Probabilidad condicionada · Probabilidad de A condicionada a la ocurrencia de B

Dependiente
Multiplicación · Probabilidad de que sucedan A y B
Independiente

· Probabilidad de que suceda A o B

Suma Si dicen “pero no las 2 a la vez” hay que multiplicar P(A∩B) x2
· Si son mutuamente excluyentes

13. LEYES DE DISTRIBUCIÓN BIOLÓGICAS

DISTRIBUCIÓN NORMAL O DE GAUSS: + FRC

 Variables cuantitativas continuas
Características  Simétrica: media = mediana = moda (unimodal)
 Acampanada, sin pico excesivo, - ∞ a + ∞, ABC = 1
x±… Límites Engloba Sobra
Desviación 1s 16% - 84 % 68% 32%: 16% + 16%
típica 1,96s 2,5% - 97,5% 95% 5%: 2,5 % + 2,5%
2,57s 0,15% - 99,85% 99,7% 0,3%: 0,15% + 0,15%

· Convierte cualquier distribución normal en una distribución normal

típica tabulada con X=0 y σ=1
Tipificación
· Permite comparar de forma absoluta (convertidos a Z) valores de
distribuciones con X y σ diferentes

· Se conoce de entrada la probabilidad de aparición del fenómeno biológico o éxito (p) y la de no aparición o fracaso (q= 1-p)
Binomial Variables · Resultado dicotómico: éxito o fracaso
cuantitativas · Variable de interés: número de éxitos alcanzados en n pruebas
discretas · Experimentos binomiales donde el número de pruebas es muy alto, pero la probabilidad de éxito es muy baja
Poisson
· Sucesos raros cuando p > 0,1 y n · p < 5
 14. INFERENCIAL

Estadística descriptiva Estadística inferencial

Hablamos de Muestra “Población”: medias muestrales

X±s μ ± eem
Descripción de la distribución
Se calcula, se afirma Se estima, no se puede afirmar

Cálculo de la medida
de dispersión
Indica la dispersión de una distribución normal cualquiera Indica la dispersión de la distribución de medias muestrales
X: 68% (1), 95% (1,96), 99% (2,57) Existe un X% de confianza/probabilidad de que entre A-B esté el valor real
El X% de los valores de la muestra están comprendidos entre A-B
Límite inferior (A) y superior (B) de la media poblacional

EJEMPLOS DE INFERENCIA HABITUAL

IC 95% IC 99% Si n < 30: t corresponde a los valores tabulados de la distribución teórica de t de Student

 IC:
 Si incluye 1 (efecto neutro del factor de estudio)  resultado no significativo
 Cuanto más ancho (menos n), menor precisión  mayor probabilidad de incluir, entre otros valores, el 1

 Si se estudia una variable cualitativa (estimación de un porcentaje):

 Si n<100: la estimación sigue una distribución binomial y su cálculo está tabulado
 Si n>100, n · p >5 y n · (1-p) >5:
- La distribución binomial se aproxima a la distribución normal
- Podemos calcularla igual que la tabla superior, pero en lugar de eem usamos
eep (error estándar del porcentaje)
- p = proporción (en tanto por uno) hallada en la muestra

15. CONTRASTE DE HIPÓTESIS

 Mediante un contraste de hipótesis se calcula cómo de probable es (p) que lo concluido en nuestro estudio (H1) lo haya pro-
vocado el azar en el muestreo:
1. Previamente al ensayo se prefija el valor máximo permitido de que las diferencias observadas puedan ser debidas al azar
(H0) y no a diferencias reales (H1): error I (α), suele ser 5%
2. Posteriormente se calcula en nuestro estudio esa misma probabilidad:
- Si p < α  poca probabilidad  resultados significativos (me creo lo que veo), aceptamos H1 y rechazamos H0, favo-
recido por n<30
- Si p > α  mucha probabilidad, riesgo de equivocarnos si las aceptamos  resultados no significativos (no me creo
lo que veo), rechazamos H1 y aceptamos H0, favorecido por n grande

Realidad en la población

Hay diferencias (H1 cierta, H0 falsa) No hay diferencias (H1 falsa, H0 cierta)
 Se acepta H1  se rechaza H0
1- β (potencia) Error I (α, p)
 Encuentras diferencias
Resultado de la investigación
 No se acepta H1  no se rechaza H0
Error II (β) 1- α
 No encuentras diferencias
 PRUEBAS DE CONTRASTE DE HIPÓTESIS

VARIABLE PARAMÉTRICOS: n>30, normal y NO ordinales NO PARAMÉTRICOS: n <30, no normal

MULTIVARIANTE
Independiente Dependiente No apareados Apareados No apareados Apareados

Regresión logística
Chi-cuadrado Si dependiente
cualitativa
80% de las celdas (Fe) <5

2 t de Student t de Student apareados

Regresión lineal
múltiple o
multivariante

≥3 ANOVA ANOVA apareados Si dependiente

cuantitativa
continua
Regresión lineal: predecir Rho de Spearman: correlación
r de Pearson: correlación Tau de Kendall: rangos
Tiempo hasta 1. Kaplan-Meier (curva de SV): método descriptivo  proporción acumulada que sobrevive para el tiempo de SV indivi-
Regresión
cualitativa dual de cada paciente
de Cox
(SV) 2. Log-Rank, Breslow: comparan curvas de SV y permite saber si existen diferencias en un determinado momento
* Los porcentajes se consideran variables cualitativas.
* Variables ordinales: se usan como cuantitativas y nos mueven a la columna de NO PARAMÉTRICOS

 Análisis multivariante:
 Intenta establecer la asociación estadística entre dos variables controlando el efecto de terceras (factores de confusión)
 Establece qué factores influyen en la variable resultado y mide su fuerza para generar cambios

Variable dependiente a predecir Cualitativa Cuantitativa Supervivencia

Ejemplo IAM sí/no Carga viral Tiempo hasta oclusión stent/BP
Test estadístico Regresión logística Regresión lineal múltiple Regresión de Cox
Medida de asociación OR - Hazard ratio

PRUEBAS Y COLAS EJEMPLO

· No se establece dirección (solo buscamos diferencias): H0 ≠ H1
· H1 = la media de netas de CTO Valencia no son 170
2 COLAS H1 BIL · Más conservadora, menos riesgo de error I, + difícil encontrar significación (p mayores)
· H0 = la media de netas de CTO Valencia son 170
· Preferible si no se sabe cuál usar
· H1 = la media de netas de CTO Valencia es >170
1 COLA H1 UNIL · Se establece dirección: H0 > o < H1
· H0 = la media de netas de CTO Valencia no es >170

EJEMPLO DE CURVA DE SV

General · Se representan porcentajes, no individuos

· Test de significación estadística: determina si hay o no diferencias

estadísticas entre gráficas. En nuestro caso p<0.0001
Log-rank · Objetiva la sobrevida de grupos en TODO el período de seguimiento,
no solo en un punto
· No ofrece información sobre la magnitud de las diferencias

Regresión  Estimación de la magnitud de las diferencias

de Cox  “Cuantificación clínica”: cuánto menos riego de progresión de
Hazard ratio enfermedad tiene un grupo que el otro

· Panitumumab + BSC: 8s
Mediana de  Punto a partir del cual es más probable estar muerto que vivo
· BSC: 7s y media
progresión  Mejor estimador del efecto de la diferencia entre 2 curvas de SV
· Diferencia de medianas: menor de 1 s
 16. ANÁLISIS DE CORRELACIÓN Y DE REGRESIÓN

Asociación entre variables cuantitativas

· y= α + βx
· Determina la forma de relación entre variable dependiente e indepen- - X (abXisas): INDEPENDIENTE, controlada por el investigador
Regresión lineal
diente y permite estimar el valor de una para un valor de la otra - Y (ordenadas, = estantería): DEPENDIENTE, Y= α si x= 0
- Coeficientes de regresión: α y β (pendiente)
· Rango: de -1 a +1
· No se habla de variable dependiente ni independiente - r = ± 1  correlación perfecta (línea recta)
Pearson (r)
· Mide la intensidad de la relación lineal - > 0,7 o <-0,7  correlación fuerte
- r = 0  no hay correlación

17. TAMAÑO MUESTRAL

Estimación de parámetros o medias CONTRASTE DE HIPÓTESIS

Confianza o seguridad 1- α Confianza o seguridad 1- α

Riesgo α α Riesgo α α
Precisión d Proporción de pérdidas esperadas: mortalidad, abandonos d
Cualitativa · Proporción esperada aproximada p = 1-q
Mínima diferencia clínicamente relevante δ
Cuantitativa · Varianza esperada aproximada s2
Potencia 1- β (≥0,8)
Riesgo β β
Contraste BIL o UNIL
Variabilidad de la variable principal (error aleatorio)