la epidemiologa social reconoce que la distribucin de los problemas de salud no se explica solamente en base a caractersticas individuales.

Por lo tanto, recurre a mtodos estadsticos que permiten incluir varios niveles de determinantes en un mismo modelo. Esos mtodos, llamados multinivel, son herramientas importantes del anlisis de salud, que permiten ir ms all del estudio de los factores epidemiolgicos individuales al incorporar simultneamente variables de diferentes niveles ms agregados

influyen en el estado de salud

Dra. Nancy Kriege, Boletn Epidemiolgico, Vol. 23 No. 1 de 2002, se public una nota introductoria sobre la epidemiologa social y el Glosario de epidemiologa social

ANLISIS MULTINIVEL
es un enfoque analtico apropiado para datos con fuentes anidadas de variabilidad, es decir, unidades de un nivel inferior o microunidades (por ejemplo, individuos) integradas en unidades de un nivel superior o macrounidades (por ejemplo, grupos como escuelas). El anlisis multinivel permite estudiar simultneamente los efectos de variables grupales y variables individuales en los resultados individuales, y a la vez da cuenta de la falta de independencia de las observaciones dentro de cada grupo.

El anlisis multinivel tambin permite estudiar la variabilidad intergrupal (entre grupos) e intragrupal (dentro de cada grupo), y la manera en que las variables grupales y las individuales estn relacionadas con la variabilidad a ambos niveles.

Esto quiere decir que los modelos multinivel pueden servir para hacer inferencias respecto de las causas de variacin interindividual (o de la relacin entre las variables a nivel grupal y a nivel individual con los resultados individuales), pero tambin pueden hacerse inferencias acerca de la variacin entre grupos (si se halla en los datos y en qu medida se explica por las caractersticas grupales e individuales).

En el anlisis multinivel los grupos o los contextos no se consideran de modo inconexo, sino que se conciben como procedentes de un universo de grupos sobre el que se desea hacer inferencias. Por todo ello, el anlisis multinivel permite a los investigadores abordar simultneamente el micronivel de los individuos y el macronivel de los grupos o contextos .

LOS MODELOS MULTINIVEL (tambin conocidos como modelos jerrquicos)

permiten establecer relaciones entre variables que se encuentran anidadas dentro de otras variables que les generan relaciones de dependencia y que requieren agruparse para estudiar tendencias y causalidades.
El ejemplo tpico es el de analizar la relacin entre nivel socioeconmico de los estudiantes y sus resultados en una prueba de seleccin para ingreso a una Universidad. Los estudiantes no son completamente independientes, ya que provienen de escuelas donde estaban formando parte de un grupo que les da ciertas caractersticas diferentes respecto a los estudiantes de otras escuelas. La correlacin simple de nivel socioeconmico de los estudiantes vs calificaciones en la prueba, conduce a resultados diferentes si se agrupan y se hace el anlisis de nivel socioeconmico de las escuelas vs calificaciones en la prueba.

Murillo, F.J. (1999). Los Modelos Jerrquicos Lineales aplicados a la Investigacin sobre Eficacia Escolar.Revista de Investigacin Educativa, 17(2), 453-460

Los estudios estn organizadas en forma jerrquica, tpicamente estas estructuras son naturales los individuos estn agrupados en unidades de nivel ms alto, que a su vez tambin pueden estar agrupadas en otras unidades.

alumnos en las clases

pacientes en hospitales

factores de riesgo para abandonar el tratamiento del alcohol

Francisco De la Cruz Modelos multinivel Estadstico epidemilogo, investigador de la Seccin Epidemiologa del Instituto de Medicina Tropical Daniel A. Carrin, Universidad Nacional Mayor de San Marcos. Lima Per. Rev. per. epidemiol. Vol 12 No3 Diciembre 2008

La investigacin multinivel tuvo sus inicios en el campo de la educacin

(Bennett, 1976)

Aitkin et al (1981)

los nios expuestos al llamado estilo formal de la enseanza exhiban ms progreso que aquellos que no

demostr que al considerar agrupar a los nios en clases, las diferencias significativas desaparecieron y los nios formalmente enseados no demostraron ser diferentes a los otros

Los datos fueron analizados usando las tcnicas tradicionales de la regresin mltiple que reconocieron solamente a nios individuales como las unidades de anlisis y no hicieron caso de sus agrupaciones dentro de profesores y en clases. Los resultados eran estadsticamente significativos.
Francisco De la Cruz Modelos multinivel Estadstico epidemilogo, investigador de la Seccin Epidemiologa del Instituto de Medicina Tropical Daniel A. Carrin, Universidad Nacional Mayor de San Marcos. Lima Per. Rev. per. epidemiol. Vol 12 No3 Diciembre 2008

En la investigacin de salud se tiene tambin una larga tradicin en los estudios acerca de la variabilidad, tanto de indicadores de salud como de consumo de recursos

entre los individuos de distintos grupos o zonas geogrficas, de los que se derivan relaciones ms o menos evidentes entre la salud de los individuos y la zona donde habitan o entre el tratamiento recibido por los pacientes y las caractersticas del mdico y/o servicio de salud donde son atendidos.

En este tipo de estudios podemos disponer de informacin; acerca de los individuos como de su contexto. Por tanto, podemos hablar de distintas jerarquas de la informacin disponible: el nivel 1 y, por otra, el nivel 2, el contexto o grupo al que pertenece el individuo.
Francisco De la Cruz Modelos multinivel Estadstico epidemilogo, investigador de la Seccin Epidemiologa del Instituto de Medicina Tropical Daniel A. Carrin, Universidad Nacional Mayor de San Marcos. Lima Per. Rev. per. epidemiol. Vol 12 No3 Diciembre 2008

establecer jerarqua entre las distintas variables, es decir, el reconocimiento de que los distintos individuos pertenecen a distintos grupos no es gratuito pues tiene consecuencias importantes a la hora de analizar los datos

cuesta reconocer, en general, a los individuos pertenecientes a un mismo contexto, estos tendern que ser muy similares en su comportamiento entre s que respecto a los que pertenezcan a distintos contextos.

las personas que viven en la misma rea de salud podran tener hbitos de vida ms parecidos entre s que respecto a personas de otra rea distinta por el hecho de haber distintas culturas y/o polticas de promocin de salud en las respectivas reas

La similitud entre los individuos dentro de los grupos establece una estructura de correlacin intracontextual que impide el cumplimiento de la hiptesis de independencia sobre las que estn basados los modelos de regresin tradicionales e invalida por tanto sus mtodos de estimacin, lo que se traduce en

estimaciones incorrectas de los errores estndar.

En los ltimos aos ha habido un considerable esfuerzo, en especial en la investigacin educativa, para adaptar esta estructura jerrquica de los datos al marco de los modelos lineales generalizados, el resultado han sido los llamados modelos multinivel o modelos

jerrquicos.

En el anlisis, nos podemos encontrar con un conjunto de problemas conceptuales.

Si el anlisis no es muy cuidadoso en la interpretacin de los resultados podemos cometer lo siguiente:

la falacia del error del nivel

consiste en analizar los datos en un nivel, y extraer conclusiones de otro nivel

falacia ecolgica

pretende deducir relaciones para los individuos o nivel 1, cuando los resultados contextuales o nivel 2 no reproducen necesariamente al nivel individual

falacia llamada falacia atomista

propone las mismas asociaciones encontradas a nivel individual o nivel 1 como relaciones a nivel contextual o nivel 2.

POR QU EL ANLISIS MULTINIVEL?

Un problema multinivel concierne a una poblacin con estructura jerrquica. Una muestra de tal poblacin puede ser descrita como una muestra multicntrica En las muestras, las observaciones individuales no son completamente independientes.

1 tomamos una muestra de unidades del ms alto nivel

luego muestreamos las subunidades de las unidades disponibles

los pacientes en el mismo hospital tienden a ser similares entre s, ya que pueden proceder de las mismas reas geogrficas y por tanto coincidir en varios aspectos (expresadas en la llamada correlacin intraclase)

Las pruebas estadsticas estndar

se inclinan fuertemente en la suposicin

independencia de las observaciones

Si esta suposicin

es violada

en los datos multinivel esto es usualmente el caso

los estimadores de los errores estndares de las pruebas estadsticas convencionales son mucho ms pequeas
Resultados son

falsamente significativos.

Los modelos multiniveles

Son diseados para analizar variables de diferentes niveles simultneamente, usando un modelo estadstico que incluye las diferentes dependencias

EFECTOS: FIJOS O ALEATORIOS

En epidemiologa
estamos interesados en efectos especficos de niveles de categoras de factores de riesgo
al estudiar el estado nutricional de nios efecto de la clase social sobre el ndice de peso para la edad

Para esto comparamos las medias del ndice de peso entre las clases de A, B, C y D, posiblemente usando anlisis de varianza.

nios amamantados por pecho al menos cuatro meses con los amamantados por menos tiempo utilizando interesados en medidas especficas de cada grupo una prueba T

Como los centros de salud son muy definidos, nos interesan apenas algunas de sus caractersticas (pequeas, medianas o grandes). En este caso, podemos ver a los centros de salud en estudio como una muestra de una poblacin de centros de salud. O el efecto de los centros de salud, como un efecto aleatorio (en contraste con el efecto fijo de la variable clase social), medido por un parmetro que indica variabilidad entre grupos, y visto como representativo en la poblacin de origen

EFECTOS: FIJOS O ALEATORIOS

Decir si un efecto de una variable ser considerada fijo o aleatorio depender en gran parte del contexto o de los objetivos del estudio

En los modelos multinivel como unidades (agrupamientos) que definen los niveles, son vistos como efectos aleatorios de esta forma, como muestras aleatorias de una poblacin de estas unidades (ejm:como escuelas, centros de salud, domicilios, etc

Estos efectos aleatorios se traducen en un modelo de coeficientes aleatorios que van a tomar en cuenta la variabilidad entre agrupamientos, desde formas simples, a travs de variabilidad a nivel del intercepto, o de formas ms complejas, a travs de variabilidades a niveles de inclinaciones de dos rectas.

Modelo multivariante multinivel

Modelo de regresin bsico de dos niveles
Modelo de coeficientes aleatorios dado por Leeuw & Kreft, 1986; Longford 1993 Modelo de componentes de varianza dado por Longford 1986 Modelos lineales jerrquicos dado por Raudenbush & Bryk en 1986, 1992.

variedad de nombres

Los modelos descritos no son los mismos (especialmente cuando los clculos detallados son considerados) pero ellos son altamente similares, y nos referimos a estos como modelos de regresin multinivel
El modelo de regresin multinivel completo asume que hay un conjunto de datos jerrquicos, con una sola variable dependiente que es medida en el nivel ms bajo y variables explicativas que existen en todos los niveles. el modelo puede ser visto como un sistema jerrquico de ecuaciones de regresin

MODELOS DE REGRESIN MULTINIVEL

Por ejemplo, supongamos, que la variable respuesta es el peso del nacimiento de un beb, el predictor es la edad materna y los datos son recolectados de un nmero grande de unidades de maternidad localizadas en diferentes medios ambientes fsicos y sociales. Podramos esperar que las unidades de maternidad tengan diferentes pesos promedios al nacer, por eso que conocida la unidad de maternidad nos lleva alguna informacin del beb. Un modelo adecuado para estos datos sera:

(1)

donde hemos aadido otro ndice para identificar la unidad de maternidad e incluimos un efecto de la unidad especfica que considera las diferencias de medias entre unidades. Si asumimos que las unidades de maternidad son muestreadas aleatoriamente de una poblacin de unidades, entonces el efecto de la unidad especfica es una variable aleatoria y (1) se convierte en un ejemplo simple de un modelo de dos niveles.

MODELOS DE REGRESIN MULTINIVEL

Su especificacin completa, asumiendo normalidad, puede ser escrita de la siguiente manera:

(2)

donde son dos nacimientos en la misma unidad j con, en general, una covarianza positiva entre las respuestas. Esta ausencia de independencia, partiendo de estos dos orgenes de variacin en diferentes niveles de los datos jerrquicos (nacimientos y unidades de maternidad) contradice la suposicin del modelo lineal tradicional y nos conduce a considerar una nueva clase de modelos. El modelo (2) puede ser elaborado en un nmero de direcciones, incluyendo la adicin de covarianzas adicionales o niveles anidados. Una direccin importante es donde el coeficiente (y algunos coeficientes adicionales) pueden tener una distribucin aleatoria

MODELOS DE REGRESIN MULTINIVEL

As por ejemplo la edad puede variar a travs de clnicas y, con una notacin fina de la generalizacin, podemos escribir (2) como

(3)

Los coeficientes de la regresin son usualmente referidos como parmetros fijos del modelo y el conjunto de varianzas y covarianzas como los parmetros aleatorios. El modelo (3) es a menudo referido como un coeficiente aleatorio o modelo mixto

MODELOS DE REGRESIN MULTINIVEL

Los modelos multinivel agrupan los datos de las observaciones en el mismo grupo que son generalmente similares que las observaciones de los diferentes grupos, lo cual produce la violacin de la suposicin de independencia de todas las observaciones. Esta ausencia de independencia puede ser expresada como un coeficiente de correlacin. El modelo de regresin multinivel puede ser usado tambin para estimar la correlacin intraclase. El modelo usado para este propsito es un modelo que no contiene variables explicativas, por eso es llamado modelo solo de intercepto. Este puede ser derivado de la ecuacin (2) como sigue. Si no hay variables explicativas tanto en el bajo nivel como en el alto nivel esto se reduce a:

(4)

El modelo de la ecuacin (4) no explica alguna varianza, slo descompone la varianza en dos componentes independientes: , el cual es la varianza del error del ms bajo nivel , y , la varianza del error del nivel ms alto .

MODELOS DE REGRESIN MULTINIVEL

Usando este modelo podemos estimar la correlacin intraclase por la ecuacin:

(5)

La correlacin intraclase es un estimador de la proporcin de varianza explicada en la poblacin. La ecuacin (5) establece que la correlacin intraclase es igual a la proporcin estimada de la varianza del nivel grupo comparada con la varianza total estimada.

Modelo multivariante multinivel

Otro caso especial importante son los datos multivariantes donde la respuesta es un vector. Consideramos primero un modelo lineal multivariante de nivel nico, con dos respuestas, altura y peso, medidos en una muestra de masculinos y femeninos. Para la j-sima variable (j=0 para altura, j=1 para peso) medidos en el i-simo sujeto y tenemos la ecuacin del modelo

Modelo multivariante multinivel

Una parte de la matriz de datos para esta estructura podra ser: Por eso que en el nivel 2 tenemos las varianzas y covarianzas de altura y peso mientras no hay variacin en el nivel 1 y la parte fija del modelo es definida usando las variables dummy asociada con cada respuesta. Vemos que en la matriz de datos, el tercer individuo no tiene peso medido. Especificando el modelo multivariante como en (6) podemos implcitamente ajustar los datos donde algunas respuestas son vacas, simplemente omitimos la unidad del nivel 1 correspondiente a la observacin vaca. Al igual que a las diferentes tcnicas multivariantes, en el tipo de modelos multiniveles tambin podemos utilizar, si el caso lo requiere, anlisis de componentes principales, anlisis discriminante, etc.

Modelos para medidas repetidas

Cuando las medidas son repetidas en los mismos sujetos, una jerarqua de dos niveles es establecida con repeticiones de medidas u ocasiones como unidades de nivel 1 y sujetos como unidades de nivel 2. Tales datos son a menudo referidos como longitudinales. As, podemos tener medidas repetidas del peso de nios, puntuaciones de pruebas repetidas en estudiantes o entrevistas repetidas en encuestas.

Es importante para distinguir dos tipos de modelo

Primero, las medidas son tratadas como covarianza antes que respuestas y ser ms a menudo apropiado cuando hay un nmero pequeo de ocasiones discretas y donde las diferentes medidas son usadas en cada una

segundo caso, el cual es usualmente referido como un modelo de medidas repetidas, todas las medidas son tratadas como respuestas, por ejemplo la relacin entre una medida tal como altura o peso que cambia con la edad.

Un modelo de medidas repetidas de nivel dos

Consideraremos un conjunto de datos consistentes de medidas repetidas de las alturas de una muestra aleatoria de nios. Podemos escribir un modelo simple como:

(7)
Este modelo asume que la altura Y es linealmente relacionado con la edad X, donde cada sujeto tiene su propio intercepto y pendiente, por eso: No hay restriccin en el nmero de edad, por eso que podemos ajustar un modelo nico para sujetos los cuales pueden tener uno o algunas medidas. Podemos claramente extender (7) para incluir ms variables explicativas, medidas en cualquiera del nivel ocasin, tal como tiempo de aos o estado de salud, o en el nivel sujeto tal como peso al nacer o gnero. Podemos tambin extender la funcin bsica lineal de (7) para incluir trminos de orden ms altos y podemos del residual del modelo nuevo de nivel 1, por eso que la varianza del nivel 1 es una funcin de edad.

SOFTWARES
El MLwiN es un software que ha sido desarrollado desde 1980, primero como un comando de un programa basado en DOS, MLn, y desde 1998 como una versin Windows. Este software es producido por el proyecto de Modelos Multinivel basados dentro del Instituto de Educacin, de la Universidad de Londres, y soporta grandemente fondos de proyecto del Consejo de Investigacin Econmico y Social del Reino Unido. El software ha sido desarrollado junto a los avances en metodologa y con la preparacin de manuales y otros materiales de entrenamiento

Los procedimientos para ajustar modelos multinivel estn ahora disponibles en algunos paquetes tales como Stata, SAS y S plus. Tambin hay algunos paquetes con propsitos especiales los cuales fueron diseados para una clase de datos particulares o modelos. Mixorr, para respuestas multicategorcas, HLM (Hierarchical Linear Modelling), usado ampliamente para datos educacionales El MLwiN tiene algunas caractersticas avanzadas particulares que no estn disponibles en otros paquetes y es el ms utilizado para este tipo de modelos

VENTAJAS Y DESVENTAJAS DE LOS MODELOS MULTINIVEL

Las ventajas de usar modelos multinivel son muchas. Correctamente utilizados, estos modelos nos permiten obtener mejores estimaciones de los coeficientes de regresin y de su variacin que con los modelos tradicionales. Una gran flexibilidad ofrecida por los modelos multinivel se da en trminos de modelar la estructura de varianza de los datos en funcin de variables explicativas que nos permite analizar los datos en los cuales la varianza no es homognea, adems que explora en gran detalle el comportamiento de la variacin. dan una versin ms realista ya que modelan cada nivel de jerarqua, no requieren la hiptesis de independencia entre las medidas de la variable resultado y tambin dan estimaciones ms precisas. La difcil comprensin del usuario sin una fuerte base estadstica de cmo esta abordada la influencia de los resultados obtenidos; (la dificultad es ampliada por la falta de experiencia) Otra limitacin para el uso del mtodo son los aplicativos disponibles. Algunos tipos de modelos multinivel pasan a ser ajustados con paquetes estadsticos como el SAS, los aplicativos especializados como el MLwiN son capaces de ajustar toda una gama de modelos, incluidos los ms complejos. Tal vez la ms importante limitante del uso de MLwiN sea la dificultad de transferencia de datos, e incapacidad de trabajar automticamente como la falta de informacin.