Radiologa.

2008;50:265-70 265
La bioestadstica: introduccin
Se entiende la bioestadstica como la herramienta por la cual, y
partiendo del rigor determinista de las matemticas, se intentan
obtener conclusiones y relaciones de fenmenos cuya variabili-
dad es la norma, con un grado de seguridad o confianza estipu-
lado de antemano. La variabilidad de los datos de las Ciencias de
la Salud se debe a que son esencialmente experimentales y estn
sujetas a razonamientos de tipo inductivo (van de lo particular a
lo general). Para poder validar tales extrapolaciones se necesita
el mtodo estadstico cuyas tcnicas son capaces de tener en
cuenta la variabilidad obtenida. Conforme el profesional de la
salud conoce ms profundamente los principios estadsticos,
ms racional y fructfera es su actividad, con independencia del
campo al que se dedique.
El enfoque estadstico ha de estar presente desde el momen -
to mismo en que un trabajo de investigacin es proyectado y esto
permitir realizar un buen diseo del estudio, calcular el tamao
de la muestra y la eleccin de la misma, determinar las variables
a medir o seleccionar el mtodo estadstico ms adecuado para
su anlisis.
Las revistas mdicas prestan cada vez ms atencin al trata-
miento estadstico correcto del material experimental. En 1991
Altman recopila una muestra de artculos de una revista cientfi-
ca de prestigio publicados en los aos ochenta y en 1990. Ob-
serva que en los primeros en el 58% de los casos el tratamiento
estadstico es inexistente o inadecuado y en los segundos des-
ciende al 11%
1
. Por su parte, Elster en 1994 revisa el uso del
anlisis estadstico en artculos de Radiologa, de los cuales el
44% no presenta mtodos estadsticos o son nicamente des-
criptivos, siendo los artculos de Cardiologa (85%) y los rela-
cionados con contrastes radiolgicos (79%) las reas que ms
utilizan dicha metodologa en sus diseos
2
. Goldin tambin ex-
plora revistas de Radiologa para resumir las que presentan an-
lisis estadsticos en sus artculos
3
, y el 47% no muestra ningn
tipo de anlisis, y de los que s lo hacen, el 53% realiza inferen-
cia estadstica. En cualquier caso, el nivel estadstico de los art-
culos publicados aumentara notablemente si las revistas recha-
zaran los manuscritos con errores y debilidades importantes en
la metodologa estadstica
4
. Muchas se han ido sumando a los
requisitos de uniformidad para artculos presentados. El Comit
Internacional de Directores de Revistas Biomdicas incluy una
pequea ampliacin sobre estadstica
5
. La revista Annals of Inter-
La bioestadstica: una herramienta fundamental
en la elaboracin de artculos radiolgicos
E. Conds
Servicio de Medicina Interna (Unidad de Infecciosas). Hospital de Mstoles. Madrid. Espaa.
Correspondencia:
EMILIA CONDS. Servicio de Medicina Interna (Unidad de Infecciosas).
Hospital de Mstoles.C/ Ro Jcar, s/n. 28935 Mstoles. Madrid. Espaa.
ebarros.html@salud.madrid.org
Recibido: 14-XII-07
Aceptado: 25-II-08
RADIOLOGA ARTCULO ESPECIAL
Biostatistics: a fundamental tool
for the elaboration of radiological
articles
Biostatistics has become an indispensable tool in all do-
mains of the Health Sciences. Biostatistics is essential for en-
suring valid decision making, and knowing the basic princi-
ples of biostatistics well will enable us to use this tool
correctly. In this article, first biostatistics is defined and then
its use and justification are discussed. The aim is to go
through all of the steps that should be followed in the entire
research process, beginning with specifying the objective of
the study, approaching different study designs (cross-sec-
tional, prospective and retrospective longitudinal, clinical tri-
als) and the most commonly used statistical techniques in the
Health Sciences, from descriptive statistics necessary to be-
gin any study, to univariate analysis of both qualitative and
quantitative variables, to the multivariate analyses most com-
monly used in our field.
Key words: biostatistics, health sciences, research.
La bioestadstica se ha convertido en una herramienta
indispensable en todos los dominios de las Ciencias de la
Salud, necesaria para tomar decisiones vlidas, por lo que
conocer bien sus principios bsicos nos permitir hacer un
buen uso de ella. Tras definirla, se plantea el uso de su ma-
nejo y su justificacin. Se pretende hacer un recorrido por
las diferentes etapas que se deben seguir en todo proceso
de investigacin, empezando por concretar el objetivo del
estudio, abordando los diversos diseos de estudios
(transversales, longitudinales prospectivos y retrospecti-
vos, ensayos clnicos) y las tcnicas estadsticas ms
usualmente utilizadas en el mbito de la salud, desde la es-
tadstica descriptiva para iniciar todo estudio, pasando por
los anlisis univariados tanto de variables cualitativas co-
mo cuantitativas, as como los anlisis multivariados ms
utilizados en nuestro medio.
Palabras clave: bioestadstica, ciencias de la salud, investi-
gacin.
(265-270) Artculo especial-La bioestadstica...:01 Actualizacion 887 (333-339) 18/07/2008 16:48 Pgina 265
nal Medicine incorpor el resumen estructurado para los artcu-
los originales
6
, algunas realizan revisin por profesionales espe-
cializados y otras adjuntan una lista de comprobacin adicional
centrada exclusivamente en el anlisis estadstico (JAMA, British
Medical Journal). Con ellas el autor comprueba la idoneidad de
la metodologa, ante la dificultad que puede suponer su poste-
rior revisin especfica
7
. A pesar de ciertos signos de mejora en
diversos aspectos, hoy se siguen observando muchos errores,
fundamentalmente asociados a la bsqueda desesperada de un
valor de p significativo. Con frecuencia se publican estudios con
resultado estadsticamente significativo en lugar de los de mayor
relevancia
8
.
La pregunta a investigar: la clave de la investigacin
En todo proceso de investigacin se comprueban experimental-
mente y se verifican hiptesis y teoras formuladas por la cien-
cia. Baena en 1993 define la investigacin como una serie de
pasos que intentan dar una respuesta lgica a una pregunta es-
pecfica
9
. Consta de varias etapas, empezando por una concep-
tual o terica en la que se plantea la pregunta a investigar a par-
tir del propio conocimiento, de artculos mdicos y de examinar
con sentido crtico la prctica y los problemas clnicos. Se detec-
tan huecos en el conocimiento y se generan interrogantes. Estas
preguntas de investigacin deben ser relevantes, novedosas, inte-
resantes y factibles con los medios de que disponga el investiga-
dor concreto. As, un investigador se plante las modificaciones
de dosis de radiacin de la radiografa digital segn las diferen-
tes proyecciones en los ltimos 6 aos despus de estar instau-
rada dicha tcnica en su hospital
10
, otro intent averiguar la
exactitud en la diferenciacin de benignidad y metstasis de los
ndulos linfticos por sonoelastografa en pacientes con cncer
de tiroides o de hipofaringe
11
, etc.
Posteriormente surge la etapa de planificacin o diseo, en la
que el investigador seleccionar el tipo de estudio que mejor
pueda responder a su pregunta y determina el mnimo nmero
de sujetos necesario para llevarlo a cabo. En el siguiente paso se
recogen los datos y se analizan los resultados para posteriormen-
te pasar a una fase interpretativa en la que se da significado a
los hallazgos. En la ltima fase se pretende difundir dicha infor-
macin.
Diseando un estudio
Una vez definida la pregunta a investigar se debe plantear un di-
seo adecuado. Una misma experiencia puede planificarse en
diversos modos, y siempre hay uno que, siendo menos costoso,
genera una mxima eficacia. La fase de diseo es la ms impor-
tante en la metodologa de la investigacin, ya que un estudio
bien diseado y pobremente analizado puede ser siempre resca-
tado mediante un mejor anlisis, mientras que un estudio po-
bremente diseado ya no tiene remedio. Los estudios, segn su
diseo, se pueden clasificar en observacionales y experimentales.
En los primeros el investigador es un mero espectador de lo que
ocurre (ya sea de forma prospectiva o retrospectiva), mientras
que en los segundos el investigador ejerce control, es decir acta
o modifica el factor del estudio. Las listas de comprobacin dis-
tinguen entre ambos tipos de diseo. Un estudio observacional
deber regirse por la lista STROBE
12
, en cambio para un estudio
experimental debern manej arse las declaraciones
CONSORT
13,14
o CONSORT CLUSTER
15
si fue aleatorizado, o la
TREND
16
si la asignacin no se decidi al azar.
Estudios observacionales
Se clasifican en:
Estudios de cohortes
En ellos se efecta un seguimiento de los individuos a lo largo
del tiempo (pueden ser prospectivos: el investigador define la
muestra y mide las posibles variables predictoras antes de que
se produzca un desenlace, o retrospectivo: el investigador defi-
ne la muestra y recoge los datos referentes a las variables pre-
dictoras una vez que se ha producido el evento). En cualquier
caso se mide el posible predictor y transcurrido un periodo de
seguimiento se determina el efecto, por lo que proporcionan
evidencias de causa-efecto ya que se puede establecer la se-
cuencia de los acontecimientos. Los estudios de cohortes pre-
tenden estudiar incidencias (nmero de casos nuevos de una
enfermedad durante un periodo de tiempo). Suelen efectuarse
en enfermedades comunes y requieren un tiempo largo de rea-
lizacin, por lo que precisan tamaos grandes para compensar
las prdidas que se producen a lo largo del estudio (efecto de
desgaste). La medida de asociacin que se utiliza en este tipo
de estudios es el riesgo relativo (RR) o cociente entre el riesgo
de expuestos y no expuestos. Un ejemplo de este tipo de diseo
es el estudio de cohortes de deteccin precoz del cncer de
pulmn con clculo de su incidencia en Espaa del grupo EL-
CAP. En l, a los individuos fumadores se les realiza tomo-
grafa computarizada (TC) helicoidal de baja dosis de radia-
cin, describindose una incidencia del 1,1% en este grupo de
pacientes
17
.
Estudios de casos y controles
El investigador trabaja hacia atrs: comienza con el desenlace,
eligiendo una muestra a partir de una poblacin de pacientes
que presentan la enfermedad (casos), y otra a partir de una po-
blacin que no la presenta (controles). Seguidamente compara
los niveles de las variables predictoras en las dos muestras
para determinar cules se asocian al desenlace de la enferme-
dad. Estos estudios son eficientes en enfermedades raras o que
posean un periodo de latencia largo; sirven para generar hipte-
sis y a partir de ellos confirmarlas por medio de estudios pros-
pectivos. En este tipo de estudios no podemos valorar inciden-
cias, prevalencias o el riesgo de desarrollar una enfermedad
estando expuesto, ya que hemos elegido a los pacientes ya en-
fermos. Recurrimos a la odds ratio (OR) o razn de producto
cruzado (tabla 1). Una odds es un cociente entre la probabilidad
de que ocurra un suceso y la de que no ocurra (en el grupo de
expuestos, por ejemplo, ver cuntos presentan la enfermedad
frente a los que no la presentan). Una OR es una razn de odds
(el cociente anterior en el grupo de expuestos frente a ese co-
ciente en el grupo de no expuestos), que representa cuntas ve-
ces es mayor la fraccin de enfermos respecto a los no enfer-
mos, en el grupo de expuestos frente a los no expuestos. Hay
que destacar que en las enfermedades raras, es decir de baja
prevalencia, el RR y la OR tienen un significado parecido. Pare-
Conds E. La bioestadstica: una herramienta fundamental en la elaboracin de artculos radiolgicos
266 Radiologa. 2008;50:265-70
(265-270) Artculo especial-La bioestadstica...:01 Actualizacion 887 (333-339) 18/07/2008 16:48 Pgina 266
ja utiliza este tipo de diseo en su trabajo sobre la morfologa
del conducto pancretico mediante colangiopancreatografa por
resonancia magntica tras un periodo de 5 aos de haber pre-
sentado una pancreatitis aguda
18
.
Estudios transversales
Existe un tipo de estudio, de estructura similar a los de cohor-
tes, que son los transversales o de prevalencia, en los que las
mediciones se realizan en una sola ocasin, sin ningn perio-
do de seguimiento, por tanto su caracterstica principal es que
la presencia de la exposicin y de la enfermedad se observan
simultneamente o en un periodo corto de tiempo. Lo que los
define es la falta de secuencia temporal entre la medicin de
un factor de riesgo y una enfermedad. Son apropiados para
describir variables y sus patrones de distribucin, pero no sir-
ven para el estudio de relacin causa-efecto aunque pueden ser
un primer paso para la realizacin de otros estudios prospecti-
vos. Del Campo utiliza este tipo de diseo para estudiar los
parmetros de justificacin clnica en las peticiones de resonan -
cia magntica. Selecciona al azar 500 peticiones de resonancia
magntica nuclear (RMN) y valora su cumplimiento segn di-
ferentes aspectos. Despus, radilogos independientes revisa-
ron los informes de dichas resonancias para calcular en cun-
tas de ellas los hallazgos encontrados eran coincidentes con la
clnica descrita
19
.
Estudios sobre pruebas diagnsticas
Entre los estudios observacionales existen otros que son los es-
tudios sobre pruebas diagnsticas, con una variable desenlace
(enfermedad determinada por una prueba de referencia o
patrn de diagnstico) y una variable predictora (prueba en es-
tudio). Estas pruebas pretenden medir la fuerza de asociacin
entre las dos a partir de la sensibilidad (proporcin de enfer-
mos con pruebas positivas) y la especificidad (proporcin de
sanos con pruebas negativas). Nos va a permitir cuantificar la
capacidad de una prueba para clasificar correctamente a una
persona segn la presencia de una enfermedad. Estos resultados
deberan expresarse en intervalos de confianza para evitar el
sesgo debido al azar (que individuos enfermos presenten una
prueba negativa). El valor de una prueba tambin depende de
la prevalencia de la enfermedad, as, cuanto ms rara sea, ms
especfica debe ser la prueba; por el contrario, en enfermedades
prevalentes la prueba debe ser ms sensible para que sea de ma-
yor utilidad. A partir de aqu se podra calcular el valor predicti-
vo positivo (probabilidad de que con una prueba positiva el
individuo presente la enfermedad) y el valor predictivo negati-
vo (probabilidad que tiene una persona con una prueba negativa
de estar sana). Todas estas medidas de asociacin nos van a
permitir interpretar la aplicabilidad clnica de una prueba en
estudio
20,21
.
Estudios experimentales
Los estudios experimentales son siempre estudios prospectivos,
en los que se va a valorar el efecto de una o varias intervencio-
nes que el investigador manipula. Un punto crucial en la meto-
dologa de los estudios experimentales es cmo va a decidirse
quines, entre los participantes, van a recibir el elemento nuevo
que se introduce; esta decisin puede ser dejada al azar. Los par-
ticipantes en el estudio se dividen en dos grupos: el experimen-
tal, formado por los receptores del nuevo factor introducido por
el investigador, y el control, constituido por los que no reciben
ese factor. La aleatorizacin en la distribucin de la intervencin
es lo que define a un estudio experimental como puro o verda-
dero. Si, por el contrario, la aleatorizacin no se realiza y es el
investigador (influido o no por las caractersticas de la experien-
cia) el que decide quines recibirn o no la intervencin, el estu-
dio es definido como cuasiexperimental; las conclusiones de este
segundo tipo de estudio suelen tener menor relevancia cientfica
que las del anterior. Un ejemplo de estudio experimental fue el
realizado por Weatherburn en 2000 cuando aleatoriz a un gru-
po de pacientes para realizar radiografa de trax convencional y
radiografa digitalizada y as comparar la dosis de radiacin
22
.
Otras fases en la investigacin
La determinacin del tamao adecuado para la muestra y su ob-
tencin con tcnicas de muestreo especiales contribuye a conse-
guir una mejor representatividad de un modelo reducido de la
poblacin, ya que a partir de los datos conseguidos en ella se
pretende obtener leyes generales de aplicacin a una poblacin
determinada, en la que conseguir todas estas medidas es una
misin muy difcil y costosa. Las tcnicas ms utilizadas son:
a) el muestreo aleatorio simple: es el muestreo por excelencia, la
muestra se suele seleccionar por medio de tablas de nmeros
aleatorios; b) la estratificacin: se crean grupos homogneos en-
tre s y heterogneos entre los diferentes grupos y a partir de
ellos se realiza muestreo aleatorio simple; c) el muestreo por
etapas: se crean grupos heterogneos o conglomerados similares
a la poblacin de la que parten y a partir de ellos nuevos conglo-
merados en los que se realiza nuevamente muestreo aleatorio
simple, o d) una combinacin de ellas.
Una vez se han recopilado todos los datos se pasa a una fase
de anlisis de los resultados en la que tambin forma parte la es-
tadstica, ya que nos permite, gracias a sus diferentes mtodos,
recoger, clasificar, representar y resumir dicha informacin, as
como hacer inferencias (extraer consecuencias) cientficas a
partir de ellos. La primera parte se la debemos a la estadstica
descriptiva y la segunda a la inferencia estadstica.
Estadstica descriptiva
La estadstica descriptiva se ocupa de poner de manifiesto las ca-
ractersticas y regularidades existentes en un conjunto de datos,
as como sintetizarlas en un nmero reducido de medidas o gr-
ficos apropiados. Los datos de los que partimos pueden ser
cuantitativos (representan cantidades y puede hacerlo de forma
continua o discreta) o cualitativos (no son medibles numrica-
mente), y estos ltimos, a su vez, se pueden clasificar en datos
de carcter ordinal (siguen un orden entre ellos) o de carcter
nominal (no siguen un orden lgico, aqu podemos encontrar
Conds E. La bioestadstica: una herramienta fundamental en la elaboracin de artculos radiolgicos
Radiologa. 2008;50:265-70 267
Enfermos No enfermos
Expuestos a b
No expuestos c d
TABLA 1. Tabla de contingencia 2 2. Odds ratio
Clculo de odds ratio o razn de producto cruzado: (a/b)/(c/d) = ad/bc.
(265-270) Artculo especial-La bioestadstica...:01 Actualizacion 887 (333-339) 18/07/2008 16:48 Pgina 267
las variables dicotmicas o binarias en las que solo existen dos
categoras). Para poder resumirlos acudimos a las tablas de fre-
cuencia si los datos son cualitativos o cuantitativos discretos en
pequeo nmero; cuando son variables cuantitativas continuas o
discretas en gran cantidad se crean intervalos, o se condensa la
informacin en medidas de posicin, de dispersin y de asocia-
cin. Una medida de posicin es un nmero que describe cmo
se encuentra el resto de la muestra con respecto a l. Las ms
usuales aluden a un nmero central que intenta representar a to-
da la muestra, son las llamadas medidas de tendencia central
(moda, media y mediana). Una medida de dispersin es un n-
mero que pretende indicar cmo de variables, discrepantes o dis-
persos son los datos de la muestra (desviacin tpica, rango o
amplitud, rango intercuartlico, coeficiente de variacin, etc.).
Las medidas de asociacin, por su parte, informan sobre la rela-
cin lineal entre dos variables estadsticas observadas conjunta-
mente (covarianza y coeficiente de correlacin de Pearson, RR,
OR, etc.). Para realizar una representacin de los datos tambin
tendremos en cuenta el tipo de variable que se vaya a representar.
As, si los datos son cualitativos recurriremos a grficos de secto-
res o rectngulos, mientras que si los datos son cuantitativos la
representacin se har por medio de histogramas o diagramas de
cajas como formas ms frecuentes de representacin (tabla 2).
Inferencia estadstica
La inferencia estadstica, por su parte, consta de dos fases: una
de estimacin y otra de contraste de hiptesis.
La estimacin versa sobre el modo de determinar cul es el va-
lor de un parmetro poblacional a partir de lo observado en una
muestra. La estimacin se puede realizar de forma puntual pi-
diendo al estimador que sea un valor aproximado del parmetro
(insesgado) y con una dispersin pequea (eficiente), o de una
forma ms amplia o estimacin confidencial, dando un rango de
valores al parmetro desconocido con un grado de precisin. En
la estimacin confidencial al 95% (en medicina es la ms fre-
cuentemente utilizada) podremos decir que de 100 intervalos de
confianza construidos, 95 contendrn el verdadero valor del
parmetro (el valor que queremos calcular si estudiramos a la
poblacin completa); dicho de otra forma, que con una probabi-
lidad de error de 0,05 dicho intervalo contendr al verdadero va-
lor del parmetro. A partir de finales de los ochenta
23-25
, y gracias
a publicaciones en revistas como BMJ, empezaron a surgir cam-
bios en la presentacin de los resultados de los estudios de inves-
tigacin al recomendar el uso de los intervalos de confianza jun-
to con los valores de significacin estadstica, ya que aporta la
ventaja de expresar los resultados en las unidades en las que se
ha realizado, lo cual facilita su interpretacin en trminos de
magnitud y relevancia clnica, por lo que el Comit Internacional
de Editores de Revistas Mdicas sugiri su obligatoriedad y la de-
claracin CONSORT lo prioriza sobre los valores de p
26
.
En un contraste de hiptesis el primer ingrediente es formu-
lar la hiptesis nula (H
0
), que se somete a comprobacin
(contraste) para ver si es cierta o no. Para ilustrar estos con-
ceptos recurriremos al estudio de Pareja, que intenta averiguar
si existen diferencias en el dimetro de la cabeza del pncreas
entre los pacientes que presentaron pancreatitis aguda biliar
5 aos antes (casos) y los que no (controles)
18
. Tambin se
prev la hiptesis alternativa (H
1
), que habr que aceptar si
la H
0
resulta rechazada. Lo habitual es que H
1
sea la negacin de
H
0
. Se aceptar la hiptesis nula al no haber encontrado evi-
dencias en su contra; ello no implica que H
0
sea necesaria-
mente cierta, ya que no llega a probarse. Hay que plantearla a
travs de una igualdad o afirmacin: el dimetro de la cabeza
del pncreas es igual entre los pacientes que padecieron pan-
creatitis y los que no.
H
0
: dimetro cabeza del pncreas del grupo de pacientes que
padecieron pancreatitis = dimetro cabeza del pncreas del
grupo de pacientes que no padecieron pancreatitis.
H
1
deber recoger la afirmacin que se desea probar fuera de
toda duda.
H
1
: dimetro cabeza del pncreas del grupo de pacientes que
padecieron pancreatitis dimetro cabeza del pncreas del
grupo de pacientes que no padecieron pancreatitis.
Ninguna regla de decisin nos garantiza un acierto seguro.
Todos tienen asociados unos posibles errores:
El error de tipo I o es el error que se comete cuando se re-
chaza la H
0
y sta es cierta (si concluysemos que la dosis de ra-
diacin en radiologa digital es distinta a lo largo de los ltimos
aos cuando en realidad fuese la misma). El criterio ms co-
rriente es aceptar un riesgo 0,05.
El error de tipo II o es el error que se comete cuando no se
rechaza la H
0
y sta es falsa (las radiaciones son distintas a lo
largo de los aos y aceptamos que la dosis de radiacin es la
misma). El criterio ms corriente es aceptar un riesgo entre
0,10 y 0,20.
Se define la potencia de contraste (1-) como la probabili-
dad de rechazar la H
0
cuando realmente es falsa (una prueba
Conds E. La bioestadstica: una herramienta fundamental en la elaboracin de artculos radiolgicos
268 Radiologa. 2008;50:265-70
Variables Tipos Medidas Representacin
Cuantitativas Continuas Posicin (moda, media, mediana), Histogramas, diagramas de cajas,
Discretas dispersin (varianza, desviacin tpica, rango grficos de tallos y hojas
o amplitud, rango intercuartlico, coeficiente
de variacin) y asociacin (covarianza,
coeficiente de Pearson)
Cualitativas Ordinales Frecuencias absolutas, frecuencias relativas Sectores, barras
Nominales
TABLA 2. Tipos de variables, formas de medirlas y representaciones ms frecuentemente utilizadas en estadstica descriptiva
Decisin
Realidad
H
0
H
1
H
1
1-
H
0
1-
TABLA 3. Contraste de hiptesis
H
0
: hiptesis nula; H
1
: hiptesis alternativa; : error tipo I; : error tipo II; 1-: nivel de
confianza; 1-: potencia del contraste.
(265-270) Artculo especial-La bioestadstica...:01 Actualizacion 887 (333-339) 18/07/2008 16:48 Pgina 268
ser tanto mejor cuanta mayor potencia tenga) (tabla 3). Por
otra parte, el valor p, nivel crtico o p-valor mide la probabili-
dad de que la diferencia entre la hiptesis y lo observado con
la muestra sea debida al azar; es una medida de discrepancia
entre los datos observados y la H
0
. Si p-valor es menor que
se rechaza la H
0
con un nivel de significacin ; por el con-
trario, si p-valor es mayor que no podemos rechazar la H
0
.
Anlisis univariantes y multivariantes
Se entiende el anlisis univariante como aquel en el que se rela-
cionan dos variables, pero la mayora de los fenmenos biolgicos
dependen de muchos factores diferentes y nos interesa conocer la
influencia de cada uno de ellos de forma independiente, contro-
lando los posibles factores de confusin y la interaccin entre
ellos, de ah que en la investigacin de las Ciencias de la Salud
debamos utilizar el anlisis multivariante, que engloba los mto-
dos y tcnicas estadsticas que permiten estudiar y tratar un con-
junto de variables observadas en un grupo de individuos.
Por medio de pruebas paramtricas (en las que se supone que
las observaciones de que dispone el experimentador provienen
de distribuciones cuya forma exacta es conocida pero se desco-
nocen los valores de algunos parmetros) y no paramtricas
(nicamente se conocen caractersticas muy generales de la dis-
tribucin o el tamao muestral es pequeo) se pueden realizar
contrastes de posicin. Estos contrastes dependern del tipo de
variables y su relacin (tabla 4), as, cuando las variables son
cuantitativas se puede utilizar el coeficiente de correlacin de
Pearson (paramtrico) o de Spearman (no paramtrico).
En la investigacin mdica se realizan con frecuencia modelos
de regresin mltiple por la posibilidad que ofrecen para contro-
lar el efecto de terceras variables. La regresin lineal (la variable
dependiente o respuesta que se predice es cuantitativa), la regre-
sin logstica (la variable dependiente es dicotmica) y la de
Cox (la variable dependiente se caracteriza por tener un compo-
nente temporal) son las ms utilizadas. La duda surge al decidir
qu variables independientes (explicativas o predictoras) son in-
cluidas en el modelo. Son fundamentales aquellas relevantes ya
que su olvido podra originar que se confundieran entre s los
efectos de variables que se presentan juntas o correlacionadas,
por ello es importante tener un conocimiento profundo de la
materia en estudio. Cobo realiza un anlisis detallado de las cla-
ves para la inclusin de variables en el modelo
27
.
Entender todas estas tcnicas implica un estudio profundo de
la materia, pero lo que este artculo pretende es dar una visin
global de la metodologa ms usualmente utilizada en los artcu-
los mdicos.
Bibliografa
1. Altman DG. Statistics in medical journals developments in the 1980s. Stat
Med. 1991;10:1897-913.
2. Elster AD. Use of statistical analysis in the AJR and Radiology: frequence,
methods and subspecially differences. Am J Roentgenol. 1994;163:711-5.
3. Goldin J, Zhu W, Sayre JW. A review of the statistical analysis used in pa-
pers published in Clinical Radiology and British Journal of Radiology. Clin
Radiol. 1996;51:47-50.
4. Martn M, Sanz F, Andreu D. Efecto de la introduccin de la bioestadstica
en el currculo de los estudios de medicina. Anlisis de una dcada en la
revista Medicina Clnica (Barcelona). Med Clin (Barc). 1982;79:273-6.
5. Bailar JC, Mosteller F. Guidelines for statistical reporting in articles for
medical journals. Amplifications and explanations. Ann Intern Med.
1988;108:266-73.
6. Haynes RB, Mulrow CD, Huth EL, Altman DG, Gardner MJ. More infor-
mative abstract revisited. Ann Intern Med. 1990;113:69-76.
7. Mora I, Ripoll R. Cmo mejorar la calidad estadstica de los artculos pre-
sentados a revistas biomdicas: lista de comprobacin para los autores.
Med Clin (Barc). 1999;113:138-49.
8. Browner WS, Newman TB. Are all significant P values created equal? The
analogy between diagnostic test and clinical research. JAMA. 1987;257:
2459-63.
9. Baena G. Instrumentos de investigacin. Mxico: Ed. Mexicanos Unidos;
1993.
10. Vao E, Fernndez JM, Ten JI, Prieto C, Gonzlez L, Rodrguez R, et al.
Transition from screen-film to digital radiography: evolution of patient
radiation doses at projection radiography. Radiology. 2007;243:461-6.
11. Lyshchik A, Higashi T, Asato R, Tanaka S, Ito J, Hiraoka M, et al. Cervical
limph node metastases: Diagnosis at sonoelastography, initial experience.
Radiology. 2007;243:258-67.
12. Von Elm E, Altman DG, Pocock S, Egger M, Smith GD, Ebrahim S. STRO-
BE (Standards of Reporting Observational Studies in Epidemiology) State-
ment [consultado el 10/10/2007]. Disponible en: www.strobe-state-
ment.org
13. Begg C, Cho M, Eastwood S, Horton R, Moher D, Olkin I, et al. Improving
the quality of reporting of randomized controlled trials. The CONSORT
statement. JAMA. 2001;285:1987-91.
14. Moher D, Schultz KF, Altman DG, for the CONSORT Group. The CON-
SORT statement: revised recommendations for improving the quality of
reports of parallel-group randomized trials. JAMA. 2001;285:1987-91.
15. Cambell MK, Elbourne DR, Altman DG, for the CONSORT Group. The
CONSORT statement: extension to cluster randomised trials. Br Med J.
2004;328:702-8.
Conds E. La bioestadstica: una herramienta fundamental en la elaboracin de artculos radiolgicos
Radiologa. 2008;50:265-70 269
Nmero y tipo de muestras
Variables cuantitativas y cualitativas
Variables cualitativas
Paramtricas No paramtricas
2 muestras independientes t de Student para muestras U de Mann Whitney Prueba exacta de Fisher
independientes Kolmogorov-Smirnov Chi cuadrado
Wald-Wolfowitz
2 muestras pareadas t de Student para muestras Prueba de Wilcoxon Prueba de McNemar
pareadas Prueba de los signos
> 2 muestras independientes ANOVA para muestras Prueba de Kruskal-Wallis Chi cuadrado
independientes Prueba de la mediana
> 2 muestras pareadas ANOVA para muestras pareadas Prueba de Friedman Q de Cochran
Concordancia de Kendall
TABLA 4. Pruebas paramtricas y no paramtricas segn el tipo de muestras y la relacin entre ellas
(265-270) Artculo especial-La bioestadstica...:01 Actualizacion 887 (333-339) 18/07/2008 16:48 Pgina 269
16. Des Jarlais DC, Lyles C, Crepaz N, and the TREND Group. Improving the
reporting Quality of Nonrandomized Evaluations of Behavioral and Public
Health Interventions: The TREND statement. Am J Public Health. 2004;
94:361-6.
17. Bastarrika G, Garca-Velloso MJ, Lozano MD, Montes U, Torre W, Spiteri
N, et al. Early lung cancer detection using spiral computed tomography
and positron emission tomography. Am J Respir Crit Care Med. 2005;171:
1378-83.
18. Pareja A, Mir J, Artigues E, Labrador T, Martnez V, Fabra R, et al. Morfo-
loga del conducto pancretico a los 5 aos de la pancreatitis aguda biliar:
Estudio con colangiopancreatografa por resonancia magntica. Cir Esp.
2003;74:159-63.
19. Del Campo L, Ocn E, Gmez-Len N. Control de calidad sobre los par-
metros de justificacin clnica en las peticiones de resonancia magntica.
Radiologa. 2005;47:139-43.
20. Hessel SJ, Siegelman SS, McNeil BJ, Sanders R, Adams DF, Alderson PO, et
al. A prospective evaluation of computed tomography and ultrasound of
the pancreas. Radiology. 1982;143:129-33.
21. McNeil BJ, Pauker SG. The patients role in assessing the value of diagnos-
tic test. Radiology. 1979;132:605-10.
22. Weatherburn GC, Bryan S, Davies JG. Comparison of doses for bedside
examinations of the chest with conventional screen-film and computed
radiography: results of randomized controlled trial. Radiology. 2000;217:
707-12.
23. Langman MJS. Towards estimation and confidence intervals. Br Med J.
1986;292:716.
24. Gardner MJ, Altman DG. Confidence intervals rather than P values esti-
mation rather than hypothesis testing. Br Med J. 1986;292:740-6.
25. Gardner MJ, Altman DG. Estimating with confidence. Br Med J. 1988;
296:1210-1.
26. Altman DG, Moher D. Elaboracin de directrices para la publicacin de
investigacin biomdica: proceso y fundamento cientfico. Med Clin
(Barc). 2005;125 Supl 1:8-13.
27. Cobo E. Anlisis multivariante en investigacin biomdica: criterios para
la inclusin de variables. Med Clin (Barc). 2002;119:230-7.
Conds E. La bioestadstica: una herramienta fundamental en la elaboracin de artculos radiolgicos
270 Radiologa. 2008;50:265-70
Declaracin de conflicto de intereses.
Declaro no tener ningn conflicto de intereses.
(265-270) Artculo especial-La bioestadstica...:01 Actualizacion 887 (333-339) 18/07/2008 16:48 Pgina 270