EPIDEMIOLOGA
CLNICA Y ESTADSTICA
Rebeca Milln Guerrero
Benjamn Trujillo Hernndez
Jos Ramiro Caballero Hoyos
EPIDEMIOLOGA
CLNICA Y ESTADSTICA
Universidad de Colima
Mtro. Jos Eduardo Hernndez Nava, Rector
Mtro. Christian Torres Ortiz Zermeo, Secretario General
Licda. Ma. Guadalupe Carrillo Crdenas, Coordinadora General de Comunicacin Social
Mtra. Gloria Guillermina Araiza Torres, Directora General de Publicaciones
INTRODUCCIN A LA
EPIDEMIOLOGA
CLNICA Y ESTADSTICA
ISBN: 978-607-8356-43-0
Derechos reservados conforme a la ley
Impreso en Mxico / Printed in Mexico
Prlogo .......................................................................................... 7
Introduccin ................................................................................... 9
Captulo i
Epidemiologa y estadstica clnica ................................................. 15
Epidemiologa clnica .............................................................. 17
Comprensin de la literatura mdica ....................................... 19
Clasificacin de la epidemiologa ............................................. 20
Benjamn Trujillo Hernndez
Captulo ii
El mtodo cientfico y su aplicacin en la investigacin ................. 23
Introduccin ........................................................................... 23
Aplicacin del mtodo en el proceso de investigacin .............. 25
Fases deductivas ...................................................................... 26
Fases inductivas ....................................................................... 30
Jos Ramiro Caballero Hoyos
Captulo iii
Cmo elaborar un proyecto de investigacin ................................. 41
Introduccin ............................................................................ 41
Estructura de un proyecto ....................................................... 42
Rebeca Milln Guerrero
Captulo iv
Riesgo, causalidad y mediciones de riesgo ...................................... 51
Mediciones de riesgo ............................................................... 53
Pruebas diagnsticas ................................................................ 58
Benjamn Trujillo Hernndez
Captulo v
Diseos de estudio ........................................................................ 65
Introduccin ........................................................................... 65
Tipos de diseo ....................................................................... 67
Rebeca Milln Guerrero
Captulo vi
Variables y escalas de medicin ...................................................... 81
Introduccin ........................................................................... 81
Variable ................................................................................... 82
Nociones de estadstica ............................................................ 86
Benjamn Trujillo Hernndez
Captulo vii
Muestreo y tamao de muestra ..................................................... 91
Conceptos generales ................................................................ 91
Tipos de muestreo .................................................................. 92
Benjamn Trujillo Hernndez
Captulo viii
Cmo elegir la prueba estadstica .................................................. 105
Introduccin ......................................................................... 105
Eleccin de la prueba estadstica adecuada ............................ 105
Otras pruebas estadsticas ...................................................... 111
Benjamn Trujillo Hernndez
Captulo ix
Anlisis de datos con el paquete estadstico spss .......................... 113
Introduccin ......................................................................... 113
Introduccin al anlisis estadstico con el paquete spss .......... 120
Sntesis .................................................................................. 249
Jos Ramiro Caballero Hoyos
Captulo x
Medicina basada en evidencias aplicada a la neurologa ............... 255
La medicina basada en evidencias .......................................... 255
La utilidad de la mbe en la neurologa ................................... 256
Diferentes escalas de gradacin para medir la mbe ................. 259
Rebeca Milln Guerrero
Prlogo
8
Introduccin
11
Introduccin a la epidemiologa clnica y estadstica
14
Captulo i
Epidemiologa y estadstica clnica
Benjamn Trujillo Hernndez
Epidemiologa clnica
Este concepto fue utilizado por primera vez en 1938 por John R.
Paul, y se define como la utilizacin de los mtodos o estrategias de
la epidemiologa en el quehacer clnico. Al respecto, es difcil dis-
cernir entre epidemiologa en general y epidemiologa clnica. La
epidemiologa clnica puede ser utilizada para lo siguiente:
17
Benjamn Trujillo Hernndez
Diagnstico
Gracias a la epidemiologa es posible elegir los mtodos diag-
nsticos ms certeros. Los profesionales de la salud y las insti-
tuciones de salud se ocupan de utilizar pruebas diagnsticas que
sean baratas, inocuas y que detecten en forma temprana las en-
fermedades. Generalmente todas las enfermedades tienen una
prueba diagnstica idnea o prueba de oro (gold standar). Sin em-
bargo, la prueba de oro en muchas ocasiones es difcil realizarla
porque es riesgosa y, por ello, se utilizan mtodos alternos que se
acerquen a la certeza del primero. Por ejemplo, para determinar
un infarto de miocardio, la prueba de oro sera la biopsia de mio-
cardio, pero esto no es posible por los riesgos que implica, por lo
tanto se utilizan pruebas alternativas como son el cuadro clnico,
cambios enzimticos y electrocardiograma; para esto, se vale de la
determinacin, sensibilidad, especificidad, valor predictivo posi-
tivo-negativo y curva caracterstica operativa del receptor (roc).
La determinacin de estos parmetros ha permitido utilizar las
pruebas idneas para el diagnstico ms temprano de las enfer-
medades e iniciar medidas correctivas, siendo una consecuencia
de ello la disminucin de los costos de la enfermedad. Desafor-
tunadamente algunos profesionales de la salud no dominan estos
conceptos y no las utilizan en su bagaje profesional.
Tratamiento
Mediante las herramientas de la epidemiologa y estadstica es
posible determinar la eficacia teraputica y elegir el mejor trata-
miento para la mayora de las enfermedades. La epidemiologa
ensea a determinar el diseo metodolgico idneo, el tamao
de muestra, tipo de muestreo, seleccin de la muestra (criterios
de inclusin, exclusin y eliminacin), la asignacin de los gru-
pos de estudio, las pruebas estadsticas e interpretacin de los
resultados. El conocimiento de estos conceptos es indispensable
para realizar un proyecto de investigacin bajo el modelo ensayo
clnico. La correcta utilizacin de las herramientas de la epidemio-
18
Captulo i | Epidemiologa y estadstica clnica
Clasificacin de la epidemiologa
La epidemiologa, de acuerdo con sus objetivos, se divide en des-
criptiva y analtica.
Epidemiologa descriptiva
sta estudia la distribucin de las enfermedades en tiempo, espacio
y persona; es una descripcin lo ms fehaciente posible de la reali-
dad. No se ocupa de analizar las causas de la enfermedad o relacin
causa-efecto. Generalmente utiliza estadstica descriptiva como por
ejemplo medidas de tendencia central, dispersin y grficas.
La epidemiologa descriptiva es la base de todas las inves-
tigaciones futuras, ya que es sumamente difcil que un trabajo de
investigacin como un ensayo o experimento no se sustente en
una investigacin descriptiva previa. La epidemiologa descriptiva
es utilizada por los estudiantes del rea de salud para realizar tra-
bajos de investigacin en licenciatura, maestra y ocasionalmente
doctorado. Tambin se recurre a la epidemiologa descriptiva en
los departamentos de epidemiologa y estadstica de las unidades
hospitalarias.
Epidemiologa analtica
Esta clase de epidemiologa busca el porqu o las causas que provo-
caron la enfermedad; igualmente, trata de buscar asociaciones es-
tadsticas o causales y el peso de las mismas, y pretende que sus
20
Captulo i | Epidemiologa y estadstica clnica
Conclusin
La epidemiologa es una herramienta muy importante que puede
ser utilizada en la prevencin, diagnstico, tratamiento y reha-
bilitacin del paciente. El dominio de las herramientas de la
epidemiologa debe ser imprescindible en epidemilogos e inves-
tigadores clnicos y debera serlo tambin para todos los profesio-
nales de la salud.
Glosario
Epidemiologa. Es una disciplina que se encarga del estudio relacionado
con el proceso salud-enfermedad en una poblacin.
Epidemiologa analtica. Estudia el porqu o las causas que provoca-
ron la enfermedad. Trata de buscar asociaciones estadsticas, causales,
o ambas, y el peso de las mismas.
Epidemiologa clnica. Es una rama que utiliza los mtodos o estrategias
de la epidemiologa en el quehacer clnico.
Epidemiologa descriptiva. Estudia la distribucin de las enfermedades
en tiempo, espacio y persona.
Estadstica. Estudia los mtodos y procedimientos para recoger, clasifi-
car, resumir y analizar datos y realizar inferencias a partir de los mismos.
21
Benjamn Trujillo Hernndez
Autoevaluacin
Qu es la epidemiologa y cules son sus principales antecedentes
histricos?
Cules son algunos aportes importantes de la estadstica para el
desarrollo de la epidemiologa como disciplina cientfica?
Qu es y qu estudia la epidemiologa clnica?
Cules son las principales aplicaciones de la epidemiologa clnica
para favorecer un servicio ms eficiente en los contextos hospita-
larios y extra hospitalarios?
Bibliografa
Lpez, M.S.; Corcho B.A., y Moreno A.A. (1999). Notas histricas sobre el
desarrollo de la epidemiologa y sus definiciones. En: Revista Mexicana de
Pediatra, 66(3), pp. 110-114.
Lpez-Moreno, S.; Garrido-Latorre, F., y Hernndez-vila, M. (2000). Resea
histrica de la epidemiologa. En: Salud Pblica de Mxico, 42(2), pp.
133-143.
Guerra de Macedo, C. (1994). Usos y perspectivas de la epidemiologa. Washington,
D.C.: Organizacin Panamericana de la Salud.
Frenk, M.J. (1993). La salud de la poblacin. Hacia una nueva salud pblica. Mxico,
D.F.: Fondo de Cultura Econmica.
Lpez-Moreno, S.; Corcho-Berdugo, A., y Lpez-Cervantes, M. (1998). La
hiptesis de la comprensin de la morbilidad: un ejemplo de desarrollo
terico en epidemiologa. En: Salud Pblica de Mxico, 40, pp. 442-449.
Rose, G. (1988). Individuos enfermos y poblaciones enfermas. En: Organizacin
Panamericana de la Salud, El desafo de la Epidemiologa (pp. 900-909).
Washington, D.C.: OPS.
22
Captulo ii
El mtodo cientfico
y su aplicacin en la investigacin
Jos Ramiro Caballero Hoyos
Introduccin
Inferencias y Problema
generalizaciones
Hiptesis
Induccin Deduccin
Contrastacin
de hiptesis
Operacionalizacin
Anlisis Diseo
de datos del estudio
Recoleccin
de datos
Fuente: Adaptado de Wallace (1980).
25
Jos Ramiro Caballero Hoyos
Fases deductivas
El conocimiento histrico ha puesto a disposicin de los cientficos
un repertorio acumulado de leyes y teoras que les permiten plantear
posibles explicaciones y predicciones para los problemas e hiptesis
que deseen investigar.
En trminos generales, las leyes cientficas son las proposicio-
nes ms aceptadas sobre las relaciones y regularidades de la natura-
leza. En el planteamiento del problema y de las hiptesis de investi-
gacin, estas leyes ayudan a predecir las posibilidades estadsticas de
aparicin de una amplia serie de eventos. A su vez, dichas leyes pue-
den ser confirmadas empricamente en el proceso de investigacin.
26
Captulo ii | El mtodo cientfico y su aplicacin en la investigacin
Fases inductivas
El razonamiento inductivo nos lleva de un conjunto finito de
enunciados singulares a la justificacin de un enunciado univer-
sal. La evaluacin argumentativa de tales enunciados se basa en la
regla de realizar la mayor cantidad de observaciones posibles antes
de justificar cualquier generalizacin que pretenda impactar sobre
las leyes y teoras aceptadas por la comunidad cientfica. En con-
30
Captulo ii | El mtodo cientfico y su aplicacin en la investigacin
33
Jos Ramiro Caballero Hoyos
Figura 2
Relacin espuria causada por una variable de confusin
Frecuencia de consumo de cigarrillos Incidencia de cncer pulmonar
Conclusin
El presente captulo ha descrito el mtodo cientfico como un
conjunto de principios y normas que orientan la planeacin e
implementacin que se lleva a cabo en el proceso de investi-
gacin. Bajo esa concepcin, ha sintetizado las distintas fases de
aplicacin del mtodo en dicho proceso.
Un argumento central del ensayo es que el mtodo cient-
fico ha sido una construccin histrica que refleja la maduracin
del pensamiento humano en su afn por conocer su entorno.
Antes del siglo xvii predominaron mtodos basados en la obser-
vacin directa, la lgica deductiva aristotlica y la filosofa tei-
da de ideas teolgicas. Estos mtodos correspondan a formas de
produccin no capitalistas con una fuerte influencia del poder
religioso y monrquico.
Como resultado de cambios estructurales que originaron
el sistema capitalista, la produccin masiva y sus efectos demo-
grficos, la secularizacin de los valores y la modificacin de es-
tilos de vida, lleg a imponerse desde el siglo xvii el mtodo
cientfico que complement la deduccin con el razonamiento
inductivo, la observacin indirecta de los fenmenos, la formu-
35
Jos Ramiro Caballero Hoyos
Glosario
Conocimiento cientfico. Saber crtico sobre el mundo real que se
genera mediante observacin emprica basada en los procedi-
mientos y principios generales por los cuales se compone el m-
todo de la ciencia. En su comunicacin se emplea un lenguaje
con reglas precisas y explcitas que favorecen la crtica de la vali-
dez de sus argumentos por los actores de la comunidad cientfica.
Deduccin. Razonamiento lgico que lleva a desarrollar determi-
nados enunciados a partir de otros enunciados dados. En el pro-
ceso de investigacin, estar al tanto de leyes y teoras universales
permite derivar de stas algunas explicaciones y predicciones.
Falsabilidad. Supuesto filosfico que sustenta la factibilidad del
procedimiento que se sigue en las pruebas de hiptesis. Su nocin
principal indica que aunque las hiptesis cientficas no pueden
ser verificadas, es factible demostrar su falsedad o nulidad.
Fenomenalismo. Supuesto de la filosofa positiva que sustenta la
factibilidad del procedimiento llevado a cabo por la operacionali-
zacin de conceptos que se encuadran en las hiptesis. Asimismo
postula la idea de que el sujeto no conoce el mundo externo de
forma directa, sino a travs de datos sensoriales, por lo cual la cien-
cia requiere de un lenguaje formal numrico que medie en la cons-
truccin del conocimiento sobre esos datos sensoriales.
Induccin. Razonamiento lgico que lleva de una lista finita de
enunciados singulares a la justificacin de un enunciado universal.
Inferencia estadstica. Es el proceso de usar resultados muestra-
les para obtener generalizaciones respecto a las caractersticas de
una poblacin. La misma comprende un conjunto de procedi-
mientos estadsticos (pruebas de significancia y estimaciones
de intervalo) en los que interviene la aplicacin de modelos de
probabilidad y mediante los cuales se estiman los parmetros de
una poblacin con determinado grado de error.
37
Jos Ramiro Caballero Hoyos
Autoevaluacin
Qu es el mtodo cientfico y por qu su desarrollo se asocia a
una profunda revolucin mental en la historia de las sociedades?
Por qu se plantea que el mtodo favorece el desarrollo de un
conocimiento con amplio consenso social?
Cules son los razonamientos lgicos que orientan la aplicacin
de mtodo en todo proceso de investigacin? Defina en qu con-
siste cada una de stos.
Cules son las fases deductivas del proceso de investigacin?
Cules son las fases inductivas del proceso de investigacin?
38
Captulo ii | El mtodo cientfico y su aplicacin en la investigacin
Bibliografa
Ayer, A. J. (1965). El positivismo lgico. Mxico, D.F.: Fondo de Cultura Econmica.
Bryman, A. (2004). The nature of Quantitative Research. En: Social Research Methods
(pp. 62-68). London: Oxford University Press.
Bunge, M. (1979). La ciencia, su mtodo y su filosofa. Buenos Aires: Ediciones Siglo
Veinte.
De Vaus, D. A. (2001). Research Design in Social Research. London: Sage Publications.
Grawitz, M. (1984). Mtodos y tcnicas de las ciencias sociales. Tomo i. Mxico D.F.:
Editia Mexicana.
Koyr, A. (1977). Estudios de historia del pensamiento cientfico. Madrid: Siglo xxi.
Piaget, J., y Garca, R. (1987). Psicognesis e historia de la ciencia. Mxico, D.F.: Siglo
xxi editores.
Popper, K.R. (1967). La lgica de la investigacin cientfica. Madrid: Tecnos.
Richards, S. (2005). Filosofa y sociologa de la ciencia. Mxico, D.F.: Siglo xxi editores.
Twisk, J.W.R. (2004). Applied longitudinal data analysis for Epidemiology. Cambridge,
C.B.: Cambridge University Press.
Wallace, W. (1980). La lgica de la ciencia en la Sociologa. Madrid: Alianza Universidad.
39
Captulo iii
Cmo elaborar un proyecto
de investigacin
Rebeca Milln Guerrero
Introduccin
Estructura de un proyecto
A continuacin se proponen los elementos a incluir cuando se
elabora un proyecto de investigacin:
Ttulo
ste debe ser corto, conciso y debe expresar, con el menor nme-
ro de palabras, qu estudio se realizar, el universo de estudio, el
diseo de investigacin y las variables que se estudiarn (Hulley y
Cummings, 1997).
Antecedentes
Consecuentemente debe realizarse una bsqueda exhaustiva de la
literatura mundial, tanto internacional, nacional y local del tema
que se investigar. Con este fin se recomienda que la extensin de
dicho captulo no sea mayor de dos cuartillas; para conseguir lo
anterior, se resumir lo relevante del estudio, incluir la historia y
su relacin con el momento actual en los mbitos internacional y
nacional (en este caso Mxico). Este apartado tiene como objetivo
que el investigador domine la bibliografa al respecto y con ello
obtenga las herramientas necesarias para contestar cualquier duda
en relacin con el tema; asimismo evitar repetir estudios ya reali-
zados con el propsito de que el suyo sea indito. Finalmente este
apartado explica el motivo de la investigacin, ya sea por ser nue-
vo o porque no est ampliamente estudiado, etctera (Friedman,
Furberg y DeMets, 1985).
42
Captulo iii | Cmo elaborar un proyecto de investigacin
Hiptesis
Al definir los objetivos del estudio, es necesario formular una
hiptesis especfica. Una hiptesis es lo que piensa el investigador
que encontrar, es una conjetura o argumento que trata de ex-
plicar determinados hechos. Generalmente el investigador ya
tiene una idea del resultado esperado que desea confirmar y de-
ber probar. No se necesita hiptesis en estudios descriptivos que
simplemente describen cmo se distribuyen las caractersticas de
una poblacin; se necesitan hiptesis en estudios que emplearn
prueba de significacin estadstica para comparar los hallazgos
entre los grupos. Una buena hiptesis debe basarse en una pre-
gunta de investigacin, sobre todo debe ser simple y especfica.
Cundo es simple?: cuando contiene una variable predictora o
independiente y una variable de desenlace o dependiente, la cual
se escribe como afirmacin, ejemplo: la aspirina es eficaz en infar-
to cerebral (Rodrguez et al., 2001; Hulley y Cummings, 1997).
Material y mtodo
Este elemento contiene los siguientes apartados:
Diseo. Existen diferentes tipos o diseos de estudios:
Los descriptivos observacionales se emplean para descri-
bir enfermedades, incidencia en padecimientos, etctera.
Los descriptivos analticos, como los de casos y controles,
son tiles para conocer factores de riesgo sobre algunas
enfermedades, causas de mortalidades, etctera. Los es-
tudios de cohortes sirven para conocer el pronstico de
enfermedades, cmo se desenvuelve una enfermedad
en el tiempo, etctera. Por ltimo, los estudios de inter-
vencin, como los ensayos clnicos controlados, son de
utilidad para conocer la eficacia teraputica o demostrar
causas con alguna maniobra que realice el investigador
(Riegelman y Hirsch, 1992).
Universo de trabajo. ste identifica a los individuos que
formarn parte del estudio; es decir, la eleccin de una
44
Captulo iii | Cmo elaborar un proyecto de investigacin
46
Captulo iii | Cmo elaborar un proyecto de investigacin
Anlisis estadstico
El investigador debe planificar el modo de manejar y analizar los
datos obtenidos a lo largo del estudio. En el mismo debe indicarse
qu pruebas estadsticas se efectuarn para poder realizar estadsti-
ca descriptiva o inferencial, por ejemplo: media, desviacin es-
tndar, chi cuadrado, t de Student, etctera (Hulley y Cummings,
1997; Dawson y Trapp, 2001: 13-20).
Consideraciones ticas
De acuerdo con el proyecto de estudio y el diseo, habr con-
sideraciones ticas que deben tenerse en cuenta. Si es un estu-
dio descriptivo y es una revisin de expedientes, es suficiente un
consentimiento verbal. Si se trata de un estudio con informacin
confidencial, es probable que se necesite consentimiento verbal
o por escrito, pero si se trata de una maniobra teraputica o una
prueba especial con riesgo, debe haber una carta tica en donde
se describa en qu consiste el estudio, qu medicamento es, sus
caractersticas, beneficios o perjuicios, si se emplear un grupo
placebo y el riesgo de formar parte de ste. Dicha carta deben fir-
marla el investigador, el enfermo y dos testigos.
Recursos materiales y humanos
En este punto se debe mencionar qu se necesitar para realizar el
estudio; por ejemplo, si es una encuesta: papelera, mimegrafo
para los cuestionarios, personal mdico, de enfermera, encuesta-
dores, etctera. Expedientes: Si es un frmaco, quin lo proporcio-
nar, jeringas, radiografas (rx), tomografa axial computarizada
(tac), etctera. Mdicos familiares, no familiares, un especialista,
etctera.
Financiamiento
Asimismo debe mencionarse el costo de lo siguiente: medica-
mento, papelera, jeringas, fotocopias, servicio del mimegrafo,
etctera. De esta manera es necesario que el investigador realice un
clculo de costo para planear el estudio y determinar factibilidad.
47
Rebeca Milln Guerrero
Cronograma de trabajo
Este paso es importante, ya que debe contemplarse el tiempo
aproximado que llevar el estudio: por ejemplo: De septiembre
a octubre de 2013 = elaboracin del proyecto. Noviembre de
2013 = presentacin del proyecto al comit de investigacin.
Diciembre de 2013 a marzo de 2014 = elaboracin del estudio.
De abril a mayo de 2014 = anlisis de resultados. Y junio de
2014 = presentacin de resultados y envo a publicacin.
Productos entregables
Esto se refiere a que deben sealarse los productos para difusin
de conocimientos, los cuales resultarn cuando se lleve a cabo el
proyecto. Por ejemplo:
Artculos cientficos de divulgacin nacional.
Artculos cientficos de divulgacin internacional.
Sntesis ejecutivas para tomadores de decisiones.
Guas informativas para la poblacin.
Difusin de los resultados en foros nacionales de la
especialidad, o de investigacin; asimismo en foros
internacionales, etctera.
Grupo de trabajo
El grupo de trabajo que colaborar, el currculo y en qu tema
son expertos y cmo colaborarn en el proyecto.
Bibliografa
La bibliografa que se consult debe mencionarse en cada apar-
tado del proyecto. En el manuscrito debe anotarse dentro de
parntesis el nmero y en el apartado final deber sealarse la
referencia del documento revisado (revista, libro, etctera).
48
Captulo iii | Cmo elaborar un proyecto de investigacin
Conclusin
Un proyecto de investigacin requiere que tomemos en cuenta
diversos puntos antes de iniciar el trabajo; de igual manera, debe-
mos ordenar nuestros pensamientos en tiempo y forma, para de-
terminar su factibilidad.
Glosario
tica de la investigacin. El investigador est obligado a seguir deter-
minadas normas de comportamiento relacionadas con el proyecto
que planea realizar. El investigador debe proteger a los partici-
pantes contra riesgos, daos y amenazas que pudieran afrontar
ellos y el equipo de investigacin. Tambin es importante que en
todo estudio se observen los derechos de respeto por la dignidad
humana, la igualdad, la autonoma individual y la libertad de ex-
presin. Cuando nos encontramos en espacios privados o con co-
municaciones privadas, los investigadores estn obligados a obte-
ner el consentimiento informado de los participantes, es decir,
debe informrseles sobre los objetivos de la investigacin y solicitar
su aceptacin explcita para participar en el proyecto.
Factibilidad de un proyecto. Se refiere a la disponibilidad de los re-
cursos necesarios para llevar a cabo los objetivos o metas sealados.
Investigacin cientfica. Es la aplicacin del mtodo cientfico para
resolver problemas o tratar de explicar determinadas observaciones.
Proyecto de investigacin. Es la versin escrita relativa al plan del
estudio.
Autoevaluacin
Qu es un proyecto de investigacin?
Cul es la relacin entre el proyecto y el mtodo cientfico?
Por qu un proyecto debe expresar una propuesta de investigacin
factible y apropiada para el contexto clnico que se quiera estudiar?
Cules son los elementos a incluir cuando se elabora un proyecto
de investigacin?
49
Rebeca Milln Guerrero
Bibliografa
Dawson, B., y Trapp, R.G. (2001). Basic & Clinical Biostatistics. New York: Lange
Medical Books-McGraw-Hill.
Friedman, L.M.; Furberg, C.D., y DeMets, D.L. (1985). Fundamentals of Clinical
Trials. Littleton, MA: PSG Publishing Co, Inc.
Hulley, S.B., y Cummings, S.R. (eds.) (1997). Diseo de la Investigacin Clnica.
Madrid: Harcourt Brace.
Riegelman, R.K., y Hirsch, R.P. (1992). Cmo estudiar un estudio y probar una
prueba: lectura crtica de la literatura mdica. Washington DC: Organizacin
Mundial de la Salud.
Rodrguez, J.; Cabrera, H., y Martnez-Cairo, S. (2001). Epidemiologa Clnica.
Pruebas diagnsticas. Mxico, D.F.: Arte y Cultura.
50
Captulo iv
Riesgo, causalidad y mediciones
de riesgo
Benjamn Trujillo Hernndez
Mediciones de riesgo
Determinacin del Riesgo Relativo (rr)
Una de las mediciones ms utilizadas para evaluar la asociacin
causal es la determinacin del rr y or (Odds Ratio). Es impor-
tante tambin determinar en los rr y or el intervalo de confianza
del 95% (ic de 95%) con sus lmites inferior y superior. Para que
un factor de riesgo sea considerado como tal, la determinacin de
su rr u or, y su lmite de confianza inferior debe ser <1, mientras
que un rr u or y su lmite de confianza superior deber ser <1.
Ejemplo, supongamos que en un estudio se encontr lo siguiente:
la diabetes se asoci a cardiopata con un rr de 2.5 (ic de 95% =
0.9 a 3.5); aparentemente, hay asociacin causal, sin embargo, el
lmite inferior fue <1, por lo tanto no hay significancia estadstica,
mientras que en otro estudio se encontr un rr de 4.2 (ic de 95%
= 1.8 a 5.7) y en este caso s hubo asociacin porque el lmite infe-
rior fue >1. La anttesis de lo anterior es el factor protector, es decir,
un factor que protege o disminuye la probabilidad de enfermar;
en este caso el rr y su lmite de confianza superior deben ser <1.
Los diseos analticos son los encargados de determinar o eva-
luar el impacto o la probabilidad de que los factores de riesgo causen
una enfermedad o evento morboso. Los diseos analticos son dos:
Estudios de cohorte. La medida de asociacin es el riesgo
relativo (rr).
Estudios de casos y controles. La medida de asociacin es
la razn de momios u Odds Ratio (or).
Estudios de cohorte
stos se refieren a un diseo que estudia dos grupos de indivi-
duos del mismo tamao muestral y semejantes en sus carac-
53
Benjamn Trujillo Hernndez
56
Captulo iv | Riesgo, casualidad y mediciones de riesgo
Pruebas diagnsticas
Antes de abordar este tema, es necesario definir los siguientes
conceptos:
Validez. Es el grado en que una prueba mide lo que
se supone debe medir. La sensibilidad y la especificidad
58
Captulo iv | Riesgo, casualidad y mediciones de riesgo
Tabla 3
Tabla 2 x 2 utilizada para pruebas diagnsticas
Prueba nueva Enfermo Sanos Total
Positiva a 85 (vp) b 40 (fp) 125
Negativa c 15 (fn) d 60 (vn) 75
Total 100 100 200
vp = Verdaderos positivos; fp = Falsos positivos; fn= Falsos negativos; vn = Verdaderos negativos.
Fuente: Elaboracin propia.
60
Captulo iv | Riesgo, casualidad y mediciones de riesgo
61
Benjamn Trujillo Hernndez
62
Captulo iv | Riesgo, casualidad y mediciones de riesgo
Glosario
Causa. Se define como la condicin que sola o acompaada pro-
duce una enfermedad.
Factor de riesgo. Son las variables o conjunto de condiciones fsi-
cas, qumicas, biolgicas, psicolgicas, y sociales que preceden y
se asocian con la enfermedad o incrementan la probabilidad de
enfermar.
Mediciones del riesgo. Conjunto de mediciones utilizadas para
evaluar la asociacin causal entre variables.
Riesgo. Probabilidad de desarrollar una enfermedad por estar ex-
puestos a determinados factores.
Validez. Es el grado en que una prueba mide lo que se supone
debe medir.
Reproductividad. Es la capacidad de una prueba para ofrecer los
mismos resultados cuando se utiliza en circunstancias similares.
Seguridad. Se refiere a la certeza o confianza que una prueba ofre-
ce para detectar la presencia o ausencia de una enfermedad.
Sensibilidad. Capacidad de la prueba para detectar enfermos.
Especificidad. Capacidad de la prueba para detectar sanos.
Cociente o razn de probabilidad positiva. Es una medida de
exactitud y es la posibilidad de que una prueba diagnstica sea
positiva en enfermos.
Cociente o razn de probabilidad negativa. Es una medida de exac-
titud y es la posibilidad de que la prueba diagnstica sea negati-
va en sanos.
63
Benjamn Trujillo Hernndez
Autoevaluacin
Qu es la causalidad y cules son sus principales modelos?
Cmo se define el riesgo de una enfermedad?
Qu es un factor de riesgo y qu criterios debe cumplir para ser
una causa de enfermedad?
Cules son las medidas estadsticas que permiten evaluar la cau-
salidad del riesgo en los estudios clnicos?
Qu son la sensibilidad y especificidad de una prueba diagnsti-
ca? Cules son sus aplicaciones?
Bibliografa
Dawson, B., y Trapp, R. (2001). Basic & Clinical Biostatistics. New York: Lange
Medical Books-McGraw-Hill.
Downie, N.M., y Heath, R.W. (1986). Mtodos estadsticos aplicados. Mxico D.F.:
Harla.
Fleiss, J.L. (1981). Statistical Methods for Rates and Proportions. Nueva York: John
Wiley & Sons.
Longo D.; Kasper D.; Jameson L., et al. (2012). Harrisons. Principles of Internal
Medicine (18a ed.). New York: The McGraw-Hill Companies.
Pita Fernndez, S., y Prtegas Daz, S. (2003). Pruebas diagnsticas: Sensibilidad y
especificidad. En: Cuadernos de Atencin Primaria, 10, pp. 120-124.
Sackett, D.L.; Straus, S.E.; Richardson, W.S., et al. (2001). Medicina basada en la
evidencia. Madrid: Harcourt.
Sokal, R.R., y Rohlf, F.J. (1995). Biometry. New York: W.H. Freeman and Company.
64
Captulo v
Diseos de estudio
Rebeca Milln Guerrero
Introduccin
66
Captulo v | Diseos de estudio
Figura 3
Diseos de estudio
Ensayo clnico
Intervencin
Ensayo de laboratorio
Control de variables
Comunicacin de caso
Serie de casos
No intervencin Transversal
(descriptivo) ( prevalencia)
Casos y controles
Estudios de cohorte
Prospectivo
Temporalidad Retrospectivo
Bidireccional
Transversal
Nmero de medicin
Longitudinal
Una muestra
Nmero de muestras
Comparativo
Fuente: Tomado de Hulley et al., 1997.
Tipos de diseos
Descriptivos
La caracterstica principal de este tipo de estudios, es que no son
manipuladas las variables de estudio. Este tipo de diseo es el
indicado para estudiar un problema nuevo. El objetivo de estos
estudios es explorar el terreno, describir la distribucin de las en-
67
Rebeca Milln Guerrero
La encuesta transversal
ste es probablemente el diseo ms utilizado en la investigacin
mdica y se caracteriza por estudiar a una poblacin en la cual
los datos son recolectados a un mismo tiempo y en forma retros-
pectiva; es decir, al comenzar el anlisis ya ocurri el desenlace
y la exposicin a la maniobra; este estudio solamente lleva una
medicin o registro. En la encuesta transversal, en forma arti-
ficial se reconstruye la secuencia temporal de la enfermedad; la
precisin de los datos depende del paciente y la medicin de las
variables puede ser errnea, ello se suma a que es difcil asociar
un desenlace con una probable causa. Dentro de sus ventajas se
encuentra la utilidad para describir variables y sus patrones de
distribucin, tambin para establecer la prevalencia o propor-
cin de la poblacin que presenta la enfermedad en un momen-
to dado, adems de que se realiza en corto tiempo, no hay riesgo
de prdidas en el seguimiento y su costo es menor.
Como desventaja, no existe la certeza de la relacin tem-
poral, aun cuando se establece asociacin entre variables. No es
til para enfermedades poco frecuentes y resulta limitado para
conocer la evolucin natural de la enfermedad o pronstico.
Estudio de casos y controles
ste se trata de un estudio observacional, retrospectivo, en el cual
los sujetos se seleccionan sobre la base de la presencia o no de la en-
fermedad o fenmeno a estudiar y luego se observa hacia atrs en el
tiempo para detectar diferencias en las variables predictoras que pu-
diesen explicar por qu los casos desarrollan la enfermedad y los con-
69
Rebeca Milln Guerrero
Poblacin
Factor Factor Sin la enfermedad mucho ms
de riesgo de riesgo grande sin la
presente ausente Muestra de controles enfermedad
(controles)
Fuente: Tomado de Hulley et al., 1997: 84-95.
70
Captulo v | Diseos de estudio
Los pasos para realizar este tipo de estudio son los siguientes:
1. Seleccionar una muestra a partir de una poblacin.
2. Medir las variables predictoras (factor de riesgo presente
o ausente).
3. Efectuar un seguimiento de la cohorte.
4. Medir las variables de desenlace (enfermedad presente o
ausente).
72
Captulo v | Diseos de estudio
73
Rebeca Milln Guerrero
74
Captulo v | Diseos de estudio
Desventajas:
Complejidad. La posibilidad de manipular la variable
independiente, determinar causalidad y experimentar
en seres humanos, confiere a los ensayos clnicos un
alto grado de complejidad.
Costo. La naturaleza de los estudios clnicos experi-
mentales exige el uso de productos biolgicos, farma-
colgicos o procedimientos teraputicos y de control
y monitoreo no exentos de costo.
Diseo cruzado
ste permite que el sujeto en estudio sea su propio control. En
este diseo cada sujeto recibe la intervencin en forma secuen-
cial. Esto es, a un grupo se le administra el tratamiento a y a otro
el b, despus se le mantiene en un periodo sin tratamiento (la-
vado) y el grupo que recibi al principio el tratamiento a recibe
despus el b y viceversa.
Los diseos cruzados tienen ventaja sobre los paralelos en
relacin con su eficiencia estadstica ya que se requiere de menor
nmero de sujetos y los costos son menores, pero existe un pro-
blema para este diseo, sobre todo cuando se emplean frmacos
con larga accin teraputica (meses), tiempo que deberemos es-
perar para el lavado y poder continuar con el estudio.
Los ensayos clnicos son una herramienta fundamental
para evaluar la eficacia de los medicamentos y otros procedimien-
tos teraputicos. Tambin optimizan el estudio de la cintica y al-
gunos aspectos de la seguridad de los mismos. Cuando surge un
frmaco con posible eficacia teraputica se debe realizar la llama-
da farmacologa teraputica que presenta las siguientes fases:
Fase preclnica. Se realiza en animales y deben ser tres es-
pecies diferentes, esta fase sirve para estudiar lo siguiente:
Toxicidad estructural aguda: dao heptico, renal, de
mdula sea.
75
Rebeca Milln Guerrero
Conclusin
En este captulo hemos descrito los diferentes tipos de diseos
que pueden seguirse al realizar una investigacin, sin embargo
ninguno es mejor que otro, ya que debe elegirse el diseo que
pueda responder a la pregunta planteada.
Glosario
Diseo de un estudio. Clasificacin de los estudios en funcin de
la manera en que el investigador lleva el control de las variables
de estudio y la direccin temporal que le d.
Diseos descriptivos. Tipo de estudios en los cuales no son ma-
nipuladas las variables de estudio. Este tipo de diseo es el indi-
cado para estudiar un problema nuevo.
Estudios de cohorte. Este tipo de estudios implica efectuar, a lo
largo del tiempo, un seguimiento de grupos conformados por
individuos. Su propsito es descriptivo y analtico. Se trata de
un estudio prospectivo, donde el investigador elige la muestra
que todava no presenta el desenlace de inters.
Estudio observacional. En este tipo de estudio no existe inter-
vencin en las variables.
77
Rebeca Milln Guerrero
78
Captulo v | Diseos de estudio
Autoevaluacin
Qu es un diseo de investigacin?
Qu aspectos determinan las caractersticas que debe contener
un diseo de estudio?
Cmo clasifica los diseos de estudio propuestos por la autora?
Por qu la seleccin de un diseo de estudio debe basarse, sobre
todo, en las preguntas de investigacin que se quieran responder?
Bibliografa
Hulley, S.B.; Gove, S., y Cummings, S.R. (1997). Concepcin de la pregunta
a investigar. En: S. B. Hulley, y S. R. Cummings (eds.), Diseo de la
Investigacin Clnica (pp. 3-19). Madrid: Harcourt Brace.
Hulley, S.B.; Gove, S., y Cummings, S.R. (1997). Diseo de un nuevo estudio: I.
Estudios de cohorte. En: S. B. Hulley, y S. R. Cummings (eds.), Diseo de
la Investigacin Clnica (pp. 69-81). Madrid: Harcourt Brace.
Hulley, S.B.; Gove, S., y Cummings, S.R. (1997). Diseo de un nuevo estudio: II.
Estudios transversales y estudios de casos y controles. En: S. B. Hulley,
y S. R. Cummings (eds.), Diseo de la Investigacin Clnica (pp. 84-95).
Madrid: Harcourt Brace.
Hulley, S.B.; Gove, S., y Cummings, S.R. (1997). Diseo de un nuevo estudio: IV.
Experimentos. En: S. B. Hulley, y S. R. Cummings, (eds.), Diseo de la
Investigacin Clnica (pp. 123-132). Madrid: Harcourt Brace.
McKee, P.A.; Castelli, W.P.; McNamara, P.M., y Kannel, W.B. (1971). The natural
history of congestive heart failure: the Framingham study. En: New
England Journal of Medicine, 285, pp. 1441-1446.
Talavera, J.O. y Rivas-Ruiz, R. (2012). Investigacin Clnica XII. Del juicio clnico
a la encuesta transversal. En Revista Mdica del Instituto Mexicano del
Seguro Social, 50, pp. 41-44.
Thompson, CH.OC., y Vega, F.L. (2001). Diseos de investigacin en las ciencias
biomdicas. En Revista Mexicana de Pediatra, 68, pp. 147-151.
79
Captulo vi
Variables y escalas de medicin
Benjamn Trujillo Hernndez
Introduccin
Variable
Una variable es todo fenmeno fsico, qumico, biolgico, psi-
colgico, o social, que puede medirse y que vara entre los gru-
pos. Esto es, todo lo que puede medirse es una variable.
Nivel de medicin
El nivel de medicin es til cuando recolectamos informacin
o la base de datos y sirve para identificar la caracterstica de las
variables estudiadas. De acuerdo con lo anterior las variables
pueden ser de cuatro tipos:
Nominal. Aqu anotamos una caracterstica y se refiere
a que le damos un nombre o cualidad que lo distingue.
Esta caracterstica es exclusiva y mutuamente excluyente,
82
Captulo vi | Variables y escalas de medicin
Debe tomar en cuenta que las variables ordinales de rango (en el anlisis estadstico se degradan
1
tendencia central es el promedio y las medidas de dispersin son: rango, intervalo, desviacin
estndar, varianza y coeficiente de variacin. Las pruebas estadsticas para comparar promedios
son t Student (pareada o no pareada), anlisis de varianza (anova) o anova de medidas repetidas.
Todos los programas estadsticos cuando comparan dos o ms promedios, realizan pruebas
de comparacin de varianzas, para saber si hay diferencia significativa entre las mismas. En
caso de que las varianzas sean diferentes o heterogneas, la estadstica que se debe utilizar es
la no paramtrica. Por ejemplo, supongamos que se compararon los promedios y desviacin
estndar entre dos grupos de tratamiento: Grupo A) 89.5 17.4 K y Grupo B) 87.4 1.2 K.
Desde ese punto de vista los promedios son casi iguales, sin embargo, el programa estadstico
realiza la comparacin de las varianzas (desviacin estndar al cuadrado) con la prueba f (va-
rianza mayor/varianza menor) y encuentra que son diferentes significativamente (p < 0.05).
La prueba estadstica para comparar dos promedios con varianzas iguales es la t de Student, sin
embargo, como tiene varianzas diferentes, la prueba idnea es la prueba U de Mann-Whitney
(prueba no paramtrica [Dawson y Trapp, 2001; Downie y Heath, 1986]).
84
Captulo vi | Variables y escalas de medicin
no hay variable independiente; si hay dos o ms grupos, cada grupo es independiente del otro
(grupo A, Grupo B y Grupo C) y las pruebas estadsticas que se deben utilizar son las no pareadas
ya sean paramtricas (t de Student o anova de una va) o no paramtricas (chi cuadrada, U de
Mann-Whitney o Kruskall-Wallis). Sin embargo, cuando un grupo (conjunto de individuos)
se mide dos o ms veces, se llaman grupos dependientes y las pruebas estadsticas son pareadas
o dependientes que pueden ser paramtricas (t Student pareada o anova de medidas repetidas)
y no paramtricas (McNemar, Wilcoxon, Cochran, Friedman, etctera [Sackett, Straus, Ri-
chardson, et al., 2001; Sokal y Rohlf, 1995]).
85
Benjamn Trujillo Hernndez
Nociones de estadstica
La palabra estadstica se utiliz por vez primera cuando el Estado
o pases quisieron saber cuntos habitantes existan para cobrar
impuestos y para la milicia. En este libro abordaremos el tema
con la menor cantidad de ecuaciones matemticas. Apelamos a
que actualmente existen los suficientes programas estadsticos
que nos auxilian en el quehacer matemtico, sin embargo, el
86
Captulo vi | Variables y escalas de medicin
87
Benjamn Trujillo Hernndez
Conclusin
La identificacin y caractersticas de las variables es altamente
necesario para realizar un trabajo de investigacin. La falta de
esto, provoca que los resultados carezcan de validez interna y ex-
terna. De acuerdo con el tipo de variable de inters se clasifica
en paramtrica (variables de razn) y no paramtrica (variables
nominales y ordinales).
Glosario
Variable. Todo fenmeno que puede medirse y que vara entre
los grupos.
Escalas de medicin de las variables. Nominal, ordinal, intervalo
y de razn.
Medidas no paramtricas. Mediciones sustentadas en observa-
ciones subjetivas.
Medidas paramtricas. Mediciones sustentadas en observaciones
objetivas.
Autoevaluacin
Qu es una variable?
Qu es una escala de medicin?
Cmo se clasifican las variables por su naturaleza? Seale ejem-
plos de variables cualitativas y cuantitativas.
Cmo se clasifican las variables por su escala de medicin? Qu
pruebas estadsticas paramtricas y no paramtricas se pueden
aplicar para contrastar hiptesis de nulidad en cada una de estas
variables?
Cmo se clasifican las variables por su interrelacin? Qu se
debe considerar para estar seguro de que una variable es inde-
pendiente o dependiente?
Cmo se clasifican las variables por su reversibilidad? D ejem-
plos de variables irreversibles en el campo de la salud.
88
Captulo vi | Variables y escalas de medicin
Bibliografa
Dawson, B., y Trapp, R. (2001). Basic & Clinical Biostatistics. New York: Lange
Medical Books-McGraw-Hill.
Downie, N.M., y Heath, R.W. (1986). Mtodos estadsticos aplicados. Mxico D.F.:
Harla.
Fleiss, J.L. (1981). Statistical methods for rates and proportions. Nueva York: John
Wiley & Sons.
Sackett, D.L.; Straus, S.E.; Richardson, W.S., et al. (2001). Medicina basada en la
evidencia. Madrid: Harcourt.
Sokal, R.R., y Rohlf, F.J. (1995). Biometry. New York: W.H. Freeman and Company.
89
Captulo vii
Muestreo y tamao de muestra
Benjamn Trujillo Hernndez
Conceptos generales
91
Benjamn Trujillo Hernndez
Muestra
Subconjunto de individuos que a travs de una frmula matemti-
ca (frmula para calcular el tamao de muestra) representan a la
poblacin o universo.
Muestreo
Actividad o herramienta utilizada para saber el porcentaje de la
poblacin que debe examinarse y representar fielmente a la po-
blacin. Un mal muestreo puede provocar errores de muestreo o
inferencia (los resultados de la muestra son errneos y por descono-
cimiento de los investigadores se aplican al resto de la poblacin).
Validez interna
Se refiere a que los resultados obtenidos en la muestra son vlidos
solo para el grupo de individuos o pacientes estudiados.
Validez externa o capacidad de generalizacin o inferencia
Se refiere a que los resultados obtenidos son validos tanto para la
muestra como para el resto de la poblacin o universo.
Tipos de muestreo
Pueden dividirse en dos grandes grupos: muestreo probabilstico y
no probabilstico.
Muestreo probabilstico
Son aquellos sustentados en el principio de equiprobabilidad, esto
significa que todos los individuos de la poblacin tienen la misma
probabilidad de ser elegidos y formar parte de la muestra. Con este
tipo de muestreo aseguramos que la muestra extrada sea represen-
tativa de la poblacin y por ese motivo son los ms recomendables.
Los muestreos probabilsticos son los siguientes: aleatorio simple,
sistemtico, estratificado y por conglomerados:
92
Captulo vii | Muestreo y tamao de muestra
94
Captulo vii | Muestreo y tamao de muestra
Bola de Nieve
Se llama as porque primero se localizan a algunos individuos, los
cuales conducen a otros, y stos a otros, y as hasta conseguir una
muestra suficiente. Este tipo se emplea muy frecuentemente cuan-
do se hacen estudios con poblaciones marginales, delincuentes,
sectas, determinados tipos de enfermos, etctera.
Muestreo discrecional o por autoridad
A criterio del investigador o por indicaciones de una autoridad, se
decide el nmero de individuos que se estudiarn.
Tamao de muestra
Idneamente en todos los proyectos de investigacin se debera
determinar un tamao de muestra (tm). Un tm adecuado asegura
la posible generalizacin de los resultados de un estudio y denota
calidad. Sin embargo, en muchas ocasiones por falta de tiempo
o desconocimiento no se realiza el tm. En la actualidad un estu-
dio sin un adecuado clculo de tm difcilmente ser publicado
en revistas con rigor cientfico o con factor de impacto y a travs
del tiempo hemos observado que grandes ideas o tesis han sido
desechadas por las revistas debido a que carecen de ste. Es por
ello que en los cursos de epidemiologa clnica se insiste en que los
trabajos de investigacin debe determinarse un tm. Este captulo
no pretende abordar en forma amplia el tema sobre el tm, para
esto hay paquetes estadsticos y libros escritos por expertos.
Actualmente existen muchas frmulas para los diferen-
tes tipos de estudio, sin embargo, aqu abordaremos aquellas que
consideramos son las bsicas para casi todos los diseos metodo-
lgicos. Las frmulas estn dividas de acuerdo con dos criterios:
tipo de variable y nmero de grupos de estudio. Las variables pueden
ser de dos tipos:
Proporcin. Cuando la variable de inters es de naturaleza
cualitativa y tiene nivel de medicin nominal u ordinal.
96
Captulo vii | Muestreo y tamao de muestra
n= Z (PQ)
E
Donde:
Z = (1.96)2 = 3.84 = 95% de confianza
P = proporcin esperada
Q = (1-p). Es el complemento de p, de tal forma que la
suma de p + q debe ser igual a 100%.
E = Error o precisin. Generalmente utilizamos 10% del
valor de p.
97
Benjamn Trujillo Hernndez
98
Captulo vii | Muestreo y tamao de muestra
menor que con la segunda y se sustentan en el principio de que no hay informacin previa.
El problema surge debido a que un TM inadecuado, no va permitir generalizaciones. Por lo
anterior sugerimos que, preferentemente, utilicen la frmula para poblaciones finitas. Otro
fenmeno frecuente es utilizar una precisin o error de 5% independientemente del valor
de P, lo que provoca que el tamao de muestra calculado sea menor. Por tal motivo siempre
sugerimos que se utilice como mnimo 10% del valor de prevalencia o frecuencia (P).
99
Benjamn Trujillo Hernndez
n= 2(z+ z) x s2
2
e2
n = Son los individuos necesarios en cada una de las muestras.
Z= 1.96
Z = Poder o potencia estadstica o error tipo beta; normal-
mente se utilizan errores de 0.84 (80% de poder), 1.03
(85% de poder), 1.28 (90% de poder) o 1.64 (95% de
poder).
E = Es la precisin o diferencia esperada entre dos promedios.
S2 = Varianza
Ejemplo: Se desea utilizar un nuevo frmaco antihiper-
tensivo y se considera que sera clnicamente eficaz si lograse un
descenso de la presin diastlica de 10 mm Hg respecto al trata-
miento habitual. Por estudios previos sabemos que la desviacin
estndar de la presin diastlica de pacientes que reciben trata-
miento habitual para la hipertensin arterial es de 13 mm Hg;
se acepta un riesgo o intervalo de confianza de 95% y un poder
o potencia estadstica de 90%. Al despejar, y de acuerdo con la
siguiente frmula anterior:
2(1.96+1.28)2 x 132 2(10.49) x 169 20.9 x 169 3532
n= = = = = 35.4
10 100 100 100
101
Benjamn Trujillo Hernndez
Glosario
Universo. Es la totalidad de individuos.
Muestra. Subconjunto de individuos que representa al universo.
Muestreo. Tcnica para recolectar individuos.
Muestreo aleatorio. Tcnica de muestreo que implica el azar.
Muestreo no aleatorio. Tcnica de muestreo con ausencia del azar.
Errores o sesgos de muestreo. Conjunto de acciones equivocadas
utilizadas para recolectar individuos.
Autoevaluacin
Qu es el muestreo y cules son los tipos de muestreo que existen?
Cules son las estrategias de muestreo probabilsticas? Seale
ejemplos de cada una de stas.
Por qu el muestreo probabilstico permite la generalizacin de
los resultados a la poblacin?
Cules son las estrategias de muestreo no probabilsticas? Seale
ejemplos de cada una de stas.
Qu es clculo del tamao de la muestra?
Cul es la diferencia entre las variables de proporcin y razn?
Cules son las cuatro frmulas para el clculo del tamao de la
muestra?
Qu frmulas son ms adecuadas para los diseos de estudio
observacionales o descriptivos?
102
Captulo vii | Muestreo y tamao de muestra
Bibliografa
Abramson, J.H., y Abramson, Z.H. (1999). Survey methods in Community Medicine.
Edinburgh, London, New York, Philadelphia, Sydney, Toronto: Churchill
Livingstone.
Canales, F.H., De Alvarado, E.L., y Pineda, E.B. (1994). Metodologa de la
investigacin. Manual para el desarrollo de personal de salud. Mxico,
D.F.: Limusa.
Dawson, B., y Trapp, R. (2001). Basic & Clinical Biostatistics. New York: Lange
Medical Books-McGraw-Hill.
Downie, N.M., y Heath, R.W. (1986). Mtodos estadsticos aplicados. Mxico: Harla.
Fleiss, J.L. (1981). Statistical methods for rates and proportions. New York: John
Wiley & Sons.
Fuentelsaz Gallego, C. (2004). Clculo del tamao de la muestra. En: Matronas
Profesin, 5, pp. 5-13.
Hulley, S.P., y Cummings, S.R. (1993). Diseo de la investigacin clnica. Un enfoque
epidemiolgico. Barcelona: Doyma.
Lwanga, S.K., y Lemeshow, S. (1991). Determinacin del tamao de las muestras en
los estudios sanitarios: manual prctico. Ginebra: Organizacin Mundial de
la Salud.
Mateu, E., y Casal, J. (2003).Tamao de la muestra. En Revista de Epidemiologa y
Medicina Preventiva, 1, pp. 8-14.
Silva, L.C. (1993). Muestreo para la investigacin en Ciencias de la Salud. Madrid:
Daz de Santos.
Sokal, R.R., y Rohlf, F.J. (1995). Biometry. New York: W.H. Freeman and Company.
103
Captulo viii
Cmo elegir la prueba estadstica
Benjamn Trujillo Hernndez
Introduccin
Variables de razn
Son las variables que pueden ser cuantificadas en forma subjeti-
va o con aparatos de medicin que calibran un cero absoluto. Por
ejemplo, nmero de hijos, peso, talla, edad, glucosa, leucocitos,
etctera. Las medidas de tendencia central y dispersin que las des-
criben son stas: la media, la desviacin estndar, la varianza, los
intervalos o el rango.1
Nmero de grupos que se compararn
De acuerdo con lo anterior sugerimos clasificar a los diseos de la
siguiente manera: univariado (un grupo), bivariado (dos grupos) y
multivariado (tres o ms grupos). Debemos de aclarar que esta cla-
sificacin es una propuesta y creemos que ayudar en la mayora de
las veces a elegir la prueba estadstica idnea. Para un mayor cono-
cimiento sugerimos al lector consulte un tratado de estadstica.
Nmero de mediciones
Se refiere al nmero de mediciones que se realiza a la muestra; stas
pueden ser a travs de encuestas, evaluacin clnica, de laborato-
rio o gabinete. De acuerdo con lo anterior los estudios se dividen
en: transversales (una sola medicin) y longitudinales (dos o ms
mediciones). Cuando a un conjunto de individuos se les mide dos
o ms veces la misma variable y se comparan entre ellos mismos se
llama pareo. Ejemplos de estudios transversales: prevalencia, fre-
cuencias o encuestas en una poblacin. Ejemplos de estudios lon-
gitudinales: estudios de incidencia o estudio de una cohorte.
Una vez que se haya identificado el tipo de variable, nme-
ro de grupos de estudio y nmero de mediciones, se podra escoger
la(s) prueba(s) estadstica(s) adecuada(s); lo nico que debe hacerse
es cruzar la(s) columna(s) con la(s) fila(s) correspondiente(s) y se
selecciona la prueba estadstica (vase tabla 6).
1
Nota. La estadstica no paramtrica se encarga de analizar las variables nominales y ordinales
(de rango y de puntaje) o cualitativas, mientras que la estadstica paramtrica analiza las
variables de razn o cuantitativas.
107
Benjamn Trujillo Hernndez
109
Captulo viii | Cmo elegir la prueba estadstica
Benjamn Trujillo Hernndez
110
Captulo viii | Cmo elegir la prueba estadstica
Glosario
Eleccin de una prueba estadstica. Para elegir la prueba estadsti-
ca adecuada es necesario considerar tres elementos: el nivel de
medicin de la variable dependiente, el nmero de grupos de es-
tudio y el nmero de mediciones al mismo grupo de individuos.
Autoevaluacin
Qu es una prueba estadstica?
Cules son los elementos que se deben considerar para elegir
una prueba estadstica?
Cmo funciona el algoritmo para la seleccin de pruebas es-
tadsticas que propone el autor?
Qu otras pruebas estadsticas describe el autor?
Bibliografa
Dawson, B., y Trapp, R. (2001) Basic & Clinical Biostatistics. New York: Lange
Medical Books-McGraw-Hill.
Downie, N.M., y Heath, R.W. (1986). Mtodos estadsticos aplicados. Mxico: Harla.
Fleiss, J.L. (1981). Statistical methods for rates and proportions. Nueva York: John
Wiley & Sons.
Sackett, D.L.; Straus, S.E.; Richardson, W.S., et al. (2001). Medicina basada en la
evidencia. Madrid: Harcourt.
Sokal, R.R., y Rohlf, F.J. (1995). Biometry. New York: W.H. Freeman and Company.
112
Captulo ix
Anlisis de datos
con el paquete estadstico spss
Jos Ramiro Caballero Hoyos
Introduccin
Aparece el spss
En ese contexto de transicin histrica del anlisis de datos, apa-
reci en el ao 1968 el Paquete Estadstico para las Ciencias Sociales
(ms conocido bajo el acrnimo ingls spss del ingls Statistical
Package for the Social Sciences). Uno de sus creadores fue Norman
H. Nie, joven de 22 aos de edad quien en 1967 era candidato
doctoral de Ciencias Polticas en la Universidad de Standford.
Norman H. Nie impuls el diseo y la produccin del
nuevo paquete estadstico porque estaba frustrado en su intento
de usar programas complejos, procedentes de la Fsica y la Biolo-
ga, para analizar los datos de su tesis. Tras pensar en los requeri-
mientos tcnicos y didcticos necesarios para el nuevo paquete, se
asoci a dos compaeros expertos en informtica (C. Hadlai Hull
y Dale H. Bent), quienes le ayudaron a materializar el proyecto.
Originalmente, el paquete fue creado para ordenadores
grandes y contaba con un manual de usuarios elaborado por Nor-
man H. Nie y C. Hadlai Hall, en 1970. Por su mayor simplicidad
de manejo y su potencial estadstico, el paquete se populariz en
universidades, centros de investigacin e instituciones de gobier-
no de todo el mundo.
Durante el desarrollo del paquete (1969 y 1975), en su
primera etapa, fue la Universidad de Chicago la que impuls su
produccin y mercadeo. En la segunda etapa (1975 a 2009) el pa-
quete pas a manos privadas (spss Inc.) y su popularidad se hizo
ubicua gracias al lanzamiento de la versin para microordenado-
res (1984) y la incorporacin del ambiente de Windows. En su
etapa ms reciente (2009 en adelante), el paquete fue comprado
por la empresa ibm y lleva el nombre de ibm spss Statistics. Esta
empresa genera cada ao una nueva versin que incorpora pro-
gramas de anlisis cada vez ms complejos, con simplicidad di-
dctica y con el soporte de manuales multilinges.
114
Captulo ix | Anlisis de datos con el paquete estadstico spps
Hiptesis
estadstica
116
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 7
Escalas de medicin de las variables con sus propiedades numricas
y medidas de resumen que habilitan calcular
Tipos Escalas Propiedad numrica Medidas univariadas
de variables de resumen
Distancias iguales
y cero arbitrario Tendencia central:
Intervalo (convencional). media, mediana, moda.
Ejemplo: grados
de temperatura. Dispersin:
Escala
rango, desviacin tpica,
o continuas
varianza.
Distancias iguales
y cero absoluto
Grficas:
Razn (ausencia atributo)
histograma y normalidad.
Ejemplo: precios
de medicinas
Fuente: Elaboracin propia.
117
Jos Ramiro Caballero Hoyos
119
Jos Ramiro Caballero Hoyos
120
Captulo ix | Anlisis de datos con el paquete estadstico spps
121
Jos Ramiro Caballero Hoyos
122
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 7
Caja de dilogo Abrir/Datos
donde se selecciona y abre el archivo de inters
123
Jos Ramiro Caballero Hoyos
Figura 8
Matriz de datos con los valores numricos de las variables1
Figura 9
Matriz de datos con las definiciones tcnicas de las variables2
1
Se visualiza en el Editor de datos del spss, en la pestaa inferior de Vista de datos.
2
Se visualiza en el Editor de datos del spss, en la pestaa inferior de Vista de variables.
124
Captulo ix | Anlisis de datos con el paquete estadstico spps
125
Jos Ramiro Caballero Hoyos
Figura 11
Caja de dilogo donde se abren las Frecuencias
126
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 12
Tablas de frecuencias de las variables demogrficas y estructurales,
desplegadas en el Visor de resultados
127
Jos Ramiro Caballero Hoyos
Figura 13
Caja de dilogo de Frecuencias
y sub caja de dilogo mostrada por Grficos de frecuencias
128
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 14
Grficos de barras que muestran las variables
uso del condn en la ltima relacin sexual y las tres variables
de motivos de uso, desplegadas en el visor de resultados
Uso del condn en la ltima relacin sexual (n= 32,104)
CONDON ULTIMA REL. SEX.
80 78
60
Porcentaje
40
22
20
0
No Si
80 76.2 80 80 73
60 60 52.99 60
Porcentaje
Porcentaje
Porcentaje
47.01
40 40 40
27
23.8
20 20 20
0 0 0
No Si No Si No Si
Figura 16
Caja de dilogo que muestra la Prueba binomial
130
Captulo ix | Anlisis de datos con el paquete estadstico spps
132
Captulo ix | Anlisis de datos con el paquete estadstico spps
133
Jos Ramiro Caballero Hoyos
Figura 19
Caja de dilogo Tablas de contingencia y sub caja de dilogo Casillas
135
Jos Ramiro Caballero Hoyos
Figura 20
Grfico que ilustra las frecuencias de la relacin
entre las variables mostradas en la tabla 11
CONDONULTIMARELSEX
No
12.500 S
10.000
13.910
Recuento
7.500
5.000 8.777
2.500 4.583
1.827
0
Baja marginalidad Alta marginalidad
Estrato de marginalidad
136
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 12
Tabla de contingencia estrato de urbanidad de la variable
uso del condn en la ltima relacin sexual, desplegada
en el visor de resultados
Estrato de condonultimarelsex
urbanidad No S Total
Recuento 7,558 1,557 9,115
% dentro de estrato de 82.9% 17.1% 100.0%
Rural urbanidad
% dentro de 33.3% 24.3% 31.3%
condonultimarelsex
Recuento 4,932 1,315 6,247
% dentro de estrato de 78.9% 21.1% 100.0%
Urbano urbanidad
% dentro de 21.7% 20.5% 21.5%
condonultimarelsex
Recuento 10,197 3,538 13,735
% dentro de estrato de 74.2% 25.8% 100.0%
Metropolitano urbanidad
% dentro de 44.9% 55.2% 47.2%
condonultimarelsex
Recuento 22,687 6,410 29,097
% dentro de estrato de 78.0% 22.0% 100.0%
Total urbanidad
% dentro de 100.0% 100.0% 100.0%
condonultimarelsex
137
Jos Ramiro Caballero Hoyos
Figura 21
Grfico que ilustra las frecuencias de la relacin
entre las variables mostradas en la tabla 12
138
Captulo ix | Anlisis de datos con el paquete estadstico spps
140
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 14
Tabla de la prueba Chi-cuadrado referente a uso del condn
en la ltima relacin sexual, en el estrato urbanidad,
desplegada en el visor de resultados
Valor gl Significancia asintnica
(bilateral)
Chi-cuadrado de Pearson 224,629a 2 0.000
Razn de verosimilitudes 248,526 2 0.000
Asociacin lineal por lineal 244,223 1 0.000
N de casos vlidos 29,097
a
. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada
es 1376,20.
141
Tabla 15
142
Pruebas Chi-cuadrado de la relacin entre variables estructurales
y motivos de uso del condn en la ltima relacin sexual
Motivos Uso preventivo del condn
Estratos
Embarazo (g.l.) P its (g.l.) P vih (g.l.) P
Marginacin
Baja (n = 3,015) 76.1 0.14 (1) 0.712 53.3 0.49 (1) 0.484 28.2 11.66 (1) 0.001**
Alta (n = 2,048) 76.5 53.2 24.2
Jos Ramiro Caballero Hoyos
Urbanidad
Rural 77.4 52.0 22.2
5.08 (2) 0.079 8.19 (2) 0.017* 29.49 (2) 0.000**
Urbano 77.4 50.3 27.3
Metropolitano (n = 3,877) 75.1 54.4 29.1
a
= Chi-cuadrado; (g.l.) = grados de libertad; P = valor de significancia P
*Relacin significativa al nivel P <0.005
**Relacin significativa al nivel P <0.01
Captulo ix | Anlisis de datos con el paquete estadstico spps
143
Jos Ramiro Caballero Hoyos
144
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 17
Estimacin de riesgo de uso del condn en la ltima relacin sexual
Intervalo de confianza al 95%
Valor Inferior Superior
Razn de las ventajas 1.583 1.490 1.681
para marginalidad (Alta = 0 / Baja = 1)
Para la cohorte 1.100 1.087 1.114
condonultimarelsex = No
Para la cohorte 0.695 0.662 0.730
condonultimarelsex = S
N de casos vlidos 29,097
Recuadro 1
Estimacin del riesgo en diseos de casos y controles y cohorte
No 18 254 272
145
Jos Ramiro Caballero Hoyos
Figura B
Seleccin del texto en el spss y ejecucin
mediante el botn en la pantalla de Sintaxis
147
Jos Ramiro Caballero Hoyos
Diseos de cohorte
En los diseos de cohorte o prospectivos, se forman dos grupos de personas
en funcin de la presencia o ausencia de un factor desencadenante (en nuestro
ejemplo, el consumo actual de tabaco) y se les sigue en el tiempo para establecer
en qu proporcin de cada grupo ha ocurrido un determinado desenlace (en
nuestro ejemplo, la presencia de enfermedad vascular).
Entre los consumidores actuales de tabaco, la proporcin de casos con enfermedad
vascular es de 46/208 = 0.221, mientras que la de no consumidores es de 18/272
= 0.066. Al dividir ambas proporciones se calcula el riesgo relativo (nmero de
veces en que es ms probable encontrar enfermedad vascular en consumidores
actuales de tabaco que en no consumidores): 0.221/0.066 = 3.348 veces ms.
El valor del ndice calculado a mano se asemeja al que reporta la segunda fila de
la tabla estimacin de riesgo (figura C) para la cohorte vascular = 1 o con presencia
de enfermedad: 3.342. El intervalo de confianza de 95% mayor a 1 expresa
que la diferencia entre grupos es significativa y que posee un sentido de riesgo.
El ndice presentado en la tercera fila de la misma tabla corresponde a la cohorte
vascular = 2 o sin presencia de enfermedad: 0.834. Su valor expresa el nmero de
veces en que es ms probable no encontrar enfermedad vascular en consumidores
actuales de tabaco que en no consumidores. El intervalo de confianza de 95%
menor a 1 expresa que la diferencia entre grupos es significativa y que posee un
sentido de proteccin.
148
Captulo ix | Anlisis de datos con el paquete estadstico spps
149
Jos Ramiro Caballero Hoyos
Tabla 19
Estimacin de riesgo
Intervalo de confianza al 95%
Valor Inferior Superior
Razn de las ventajas para sexo 2.311 2.185 2.446
(Mujer = 0 / Hombre = 1)
Para la cohorte 1.209 1.193 1.225
condonultimarelsex = No
Para la cohorte 0.523 0.501 0.546
condonultimarelsex = S
N de casos vlidos 29,097
150
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 24
Caja de dilogo Tablas de contingencia
con una variable de ajuste (sexo) y sub caja de dilogo Estadsticos
151
Jos Ramiro Caballero Hoyos
Tabla 20
Tabla de contingencia de uso del condn en la ltima relacin sexual y marginacin
con una variable de ajuste (sexo), desplegada en el visor de resultados
Sexo Estrato condonultimarelsex
No S Total
Recuento 5,459 748 6,207
% dentro de 87.9% 12.1% 100.0%
Marginacin marginacin
alta
% dentro de 38.4% 27.8% 36.8%
condonultimarelsex
Recuento 8,739 1,943 10,682
% dentro de 81.8% 18.2% 100.0%
Mujeres
Marginacin marginacin
baja
% dentro de 61.6% 72.2% 63.2%
condonultimarelsex
Recuento 14,198 2,691 16,889
% dentro de 84.1% 15.9% 100.0%
Total marginacin
% dentro de 100.0% 100.0% 100.0%
condonultimarelsex
Recuento 3,318 1.079 4,397
% dentro de 75.5% 24.5% 100.0%
Marginacin marginacin
alta
% dentro de 39.1% 29.0% 36.0%
condonultimarelsex
Recuento 5,171 2,640 7,811
% dentro de 66.2% 33.8% 100.0%
Hombres
Marginacin marginacin
baja
% dentro de 60.9% 71.0% 64.0%
condonultimarelsex
Recuento 8,489 3,719 12,208
% dentro de 69.5% 30.5% 100.0%
Total marginacin
% dentro de 100.0% 100.0% 100.0%
condonultimarelsex
152
Captulo ix | Anlisis de datos con el paquete estadstico spps
153
Jos Ramiro Caballero Hoyos
Tabla 21
Tabla de Chi-cuadrado de uso del condn en la ltima relacin sexual
con una variable de ajuste (sexo) desplegada en el visor de resultados
Sexo Valor gl Significancia Significancia Significancia
asintnica exacta exacta
(bilateral) (bilateral) (unilateral)
verosimilitudes
Estadstico 0.000 0.000
exacto de Fisher
Asociacin 113,847 1 0.000
lineal por lineal
N de casos 12,208
vlidos
a
. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada
es 988,99.
b
. Calculado slo para una tabla de 2x2.
c
. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada
es 1339,49.
154
Captulo ix | Anlisis de datos con el paquete estadstico spps
condonultimarelsex = No
Para la cohorte 0.726 0.683 0.771
condonultimarelsex = S
N de casos vlidos 12,208
155
Jos Ramiro Caballero Hoyos
Tabla 23
Estimacin de la razn de las ventajas comn de Mantel-Haenszel*
Estimacin 1.549
In(estimacin) 0.446
Error tp. de In(estimacin) 0.031
Significancia asinttica (bilateral) 0.000
Intervalo de confianza Razn de ventajas comn Lmite inferior 1.499
asinttica al 95%
Lmite superior 1.695
In(Razn de ventajas Lmite inferior 0.405
comn)
Lmite superior 0.528
*La estimacin de la razn de las ventajas comn de Mantel-Haenszel se distribuye de manera
asintticamente normal bajo el supuesto de razn de las ventajas comn igual a 1,000. Lo
mismo ocurre con el log natural de la estimacin.
156
Captulo ix | Anlisis de datos con el paquete estadstico spps
158
Captulo ix | Anlisis de datos con el paquete estadstico spps
160
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 26
Caja de dilogo Logstica binaria
y sub caja de dilogo Definir variables categricas
Figura 27
Sub caja de dilogo Definir variables categricas
con las variables del modelo transformadas a ficticias
161
Jos Ramiro Caballero Hoyos
162
Captulo ix | Anlisis de datos con el paquete estadstico spps
164
Tabla 29
Tabla de codificaciones de variables categricas y tabla de la ecuacin
de regresin logstica, desplegadas en el visor de resultados
b e.t. Wald gl Sig. Exp(b) ic de 95% para exp(b)
Inferior Superior
a
Paso 1 est_rural 24,743 2 0.000
est_urbano(1) 0.092 0.049 3,523 1 0.061 1.096 0.996 1.207
est_metropolit(2) 0.205 0.043 23,091 1 0.000 1.227 1.129 1.334
est_marg_baja(1) 0.188 0.039 23,450 1 0.000 1.207 1.118 1.302
condoninisex 1.842 0.033 3096,975 1 0.000 6.307 5.911 6.729
Sexo_hombres(1) 0.582 0.032 330,559 1 0.000 1.790 1.681 1.906
edad_46> 253,619 2 0.000
edad_20-29(1) 0.703 0.063 125,879 1 0.000 2.021 1.787 2.285
edad30-45(2) 0.213 0.060 12,367 1 0.000 1.237 1.099 1.392
Constante -2,883 0.066 1888,012 1 0.000 0.056
a
. Variable(s) introducida(s) en el paso 1: est_urb, est_marg, condoninisex, sexo, edadrec.
165
Captulo ix | Anlisis de datos con el paquete estadstico spps
Jos Ramiro Caballero Hoyos
166
Captulo ix | Anlisis de datos con el paquete estadstico spps
Recuadro 2
Efectos de confusin e interaccin en el modelo
167
Jos Ramiro Caballero Hoyos
Figura E
Caja de dilogo Logstica binaria y sub caja de dilogo de Opciones
168
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tal procedimiento gener las distintas tablas del anlisis de regresin que se
desplegaron en el visor de resultados del spss. Nos interes solamente leer e
interpretar la tabla de variables en la ecuacin (vase la tabla A de este recuadro)
donde se expresaron los valores calculados de las variables estructurales
individuales y en interaccin (multiplicadas). Notamos que los valores de la
significancia p (Sig.) de la prueba Wald para las interacciones eran mayores a
0.05 y ello nos permiti aceptar la hiptesis nula de la interaccin (es decir
que no haba efecto de interaccin entre las variables estructurales):
Tabla A
Tabla de variables en la ecuacin con efectos
de interaccin desplegada en el visor de resultados
b e.t. Wald gl Sig. Exp(b) ic de 95%
para exp(b)
Inferior Superior
169
Jos Ramiro Caballero Hoyos
170
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 31
Prueba de Hosmer y Lemeshow, desplegada en el visor de resultados
Paso Chi-cuadrado gl Sig.
1 11,670 8 0.167
3
Iteracin es el nmero de veces que se repite un proceso.
171
Jos Ramiro Caballero Hoyos
172
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 32
Modelo de regresin logstica de factores asociados al uso
del condn en la ltima relacin sexual, en poblacin adulta**
Uso del condn en ltima relacin sexual
Factores S rm univariado rm multivariado
(%) (ic 95%) (ic 95%)
Marginacin
Baja (n = 18,493) 24.8 1.6 (1.49-1.68)* 1.2 (1.12-1.30)*
Alta (n = 10,604) 17.2 Referente Referente
Urbanidad
Metropolitana (n = 13,735) 25.8 1.7 (1.58-1.80)* 1.2 (1.13-1.33)*
Urbana (n = 6,247) 21.1 1.3 (1.19-1.40)* 1.1 (0.99-1.21)
Rural (9,115) 17.1 Referente Referente
Uso del condn en primera relacin sexual
S (n = 8,222) 50.3 8.3 (7.78-8.80)* 6.3 (5.91-6.73)*
No (n = 20,869) 10.9 Referente Referente
Sexo
Hombres (n = 12,208) 30.5 2.2 (2.18-2.45)* 1.8 (1.68-1.91)*
Mujeres (16,889) 15.9 Referente Referente
Grupos de edad
20-29 (n = 8,774) 34.8 3.9 (3.46-4.34)* 2.0 (1.79-2.28)*
30-45 (16,916) 17.8 1.6 (1.44-1.80)* 1.2 (1.10-1.39)*
46 > (3,407) 11.8 Referente Referente
Constante 0.06
Bondad de ajuste del modelo Hosmer & Lemeshow: Chi-cuadrado = 11.7, grados de libertad
= 8, P = 0.167
*Prueba Wald: P < 0.01
RM = Razn de ventajas (Razn de Momios u Odds Ratio)
**Mxico, 2012. N = 29,097.
Fuente: Elaboracin propia.
175
Tabla 33
176
Variables por escalas de medicin, definiciones, y valores y etiquetas
Variables y escalas Definiciones Valores y etiquetas
Ordinal
pib de pases en 2010a Niveles de ingreso de los pases 1. Mediano-bajo, 2. Mediano,
3. Mediano-alto, 4. Alto
Intervalo/razn
Jos Ramiro Caballero Hoyos
ndice de desigualdad sociala ndice de la inequidad en la distribucin del ingreso ndice gini de 0 a 100
ndice de fragilidad de los pasesb Grado de fragilidad econmica, poltica, desarrollo ndice compuesto de 0 a 10
humano, demogrfica, ambiental y seguridad
ndice de felicidad planetariac Percepcin de bienestar, esperanza de vida y ecologa Porcentaje
d
Coeficiente de dispersin tnica Grado de heterogeneidad tnica Coeficiente de 0 a 1
e
Coeficiente de dispersin de lenguas Grado de heterogeneidad de uso de lenguas Coeficiente de 0 a 1
e
Prevalencia de vih % de personas de 15 a 49 aos infectados con vih Porcentaje
Tasa de incidencia Cantidad estimada de nuevos casos de tb pulmonar, Casos x 100,000 personas
de tuberculosose frotis positivo y extrapulmonar
a
Fuente: Banco Mundial, 2010.
b
Fuente: Carleton University Ottawa, 2010.
c
Fuente: Centre for Well-being at New Economics Foundation, 2010.
d
Fuente: Alesina et al. Fractionalization. Journal of Economic Growth, 8, 2003: 155-194.
e
Fuente: Banco Mundial, 2011.
Captulo ix | Anlisis de datos con el paquete estadstico spps
*Se visualiza en el Editor de datos del SPSS, en la pestaa inferior Vista de datos.
177
Jos Ramiro Caballero Hoyos
Figura 31
Matriz de datos con las definiciones tcnicas de las variables*
*Se visualiza en el Editor de datos del SPSS, en la pestaa inferior Vista de datos.
178
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 34
Definiciones de las medidas de tendencia central y de dispersin
Medidas de tendencia central:
dnde tienden a concentrarse los valores de una distribucin?
Media aritmtica (x) es el promedio aritmtico de un conjunto
de observaciones en una distribucin.
Mediana (Md) es el valor medio en un conjunto de valores ordenados
dentro de una distribucin.
Moda (Mo) es la observacin que ocurre con ms frecuencia en una
distribucin.
Medidas de dispersin: cmo y cunto varan los valores de una distribucin?
Rango: cuantifica la diferencia entre los valores mnimo y mximo
de una distribucin.
Mnimo: el valor mnimo observado en una distribucin.
Mximo: el valor mximo observado en una distribucin.
Varianza: cuantifica el grado de variacin entre el conjunto de valores
de una distribucin.
Desviacin tpica (desviacin estndar): es la raz cuadrada del valor
calculado de la varianza.
Fuente: Hardy, M. (2004: 35-64).
179
Jos Ramiro Caballero Hoyos
Figura 32
Secuencia de opciones a seleccionar
en el men del spss para ingresar a Frecuencias
Figura 33
Caja de dilogo Frecuencias y sub caja de dilogo Estadsticos
181
Captulo ix | Anlisis de datos con el paquete estadstico spps
Jos Ramiro Caballero Hoyos
Figura 34
Caja de dilogo del comando de clculo Frecuencias y sub caja de
dilogo Grficos donde se generan histogramas con curva normal
183
Jos Ramiro Caballero Hoyos
Figura 35
Grficos de histograma con curva normal
desplegados en el visor de resultados
ndice de fragilidad ndice de felicidad
184
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 36
Caja de dilogo del comando Frecuencias y sub caja Estadsticos
donde se eligen las opciones en Distribucin
185
Tabla 36
186
Estadsticos de asimetra y curtosis
desplegados en el visor de resultados
ind_ gini_ disper_ disper_ ind_ prevalencia_ incidencia_
fragilidad desigualdad tnica lenguas felicidad vih tb
N Vlidos 192 132 185 180 151 146 190
Perdidos 1 61 8 13 42 47 3
Asimetra -0.306 0.581 -0.013 0.256 0.063 3.851 2.912
Jos Ramiro Caballero Hoyos
187
Jos Ramiro Caballero Hoyos
189
Jos Ramiro Caballero Hoyos
Figura 38
Caja de dilogo del comando Explorar y sub caja Grficos
donde se marca Grficos con pruebas de normalidad
Desv de normal
Desv de normal
192
Captulo ix | Anlisis de datos con el paquete estadstico spps
194
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 40
Hiptesis estadsticas de diferencia de medias
y seleccin de pruebas de significancia adecuadas
al tipo de distribucin que presentan las variables
Variable de comparacin Hiptesis estadsticas Pruebas de significancia
de dos muestras
196
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 40
Caja de dilogo de la Prueba t para muestras independientes y sub caja
de dilogo Definicin de grupos relativa a la variable de agrupacin
197
Jos Ramiro Caballero Hoyos
198
Tabla 41
Tabla estadsticos de grupo, desplegada en el visor de resultados
gini_desigualdad N Media Desviacin tpica Error tpico de la media
ind_felicidad > = 40.3 54 43.424 10.1869 1.3863
< = 40.3 73 42.762 7.6863 0.8996
Tabla 42
Prueba T de muestras independientes desplegada en el visor de resultados
Prueba de Levene Prueba T para la igualdad de medias
para la igualdad
de varianzas
F Sig. t gl Sig. Diferencia Error tpico 95% intervalo de
(bilateral) de medias de la diferencia confianza para la
diferencia
Inferior Superior
ind_ Se han asumido 9.604 0.002 0.418 125 0.677 0.6624 1.5855 -2.4755 3.8004
felicidad varianzas iguales
No se han asumido 0.401 94.680 0.689 0.6624 1.6526 -2.6185 3.9434
varianzas iguales
199
Captulo ix | Anlisis de datos con el paquete estadstico spps
Jos Ramiro Caballero Hoyos
200
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 41
Secuencia a seguir en el men del spss
para ingresar a Recodificar en distintas variables
Figura 42
Caja de dilogo Recodificar en distintas variables
y sub caja de dilogo Valores antiguos y nuevos
201
Jos Ramiro Caballero Hoyos
202
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 44
Caja de dilogo Prueba para dos muestras independientes y sub caja de
dilogo Definicin de grupos para la variable de agrupacin
203
Jos Ramiro Caballero Hoyos
Tabla 43
Tabla diferencia de rangos, desplegada en el visor de resultados
gini_ N Rango Suma
binario promedio de rangos
prevalencia_vih 0 66 47.58 3140.50
1 53 75.46 3999.50
Total 119
incidencia_tb 0 74 53.45 3955.50
1 58 4822.50
Total 132
204
Captulo ix | Anlisis de datos con el paquete estadstico spps
205
Jos Ramiro Caballero Hoyos
206
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 46
Caja de dilogo anova de un factor y sub caja de dilogo de Opciones
208
Tabla descriptivos de diferencia de medias, desplegada en el visor de resultados
ind_felicidad N Media Desviacin Error Intervalo de confianza Mnimo Mximo
tpica tpico para la media al 95%
Lmite inferior Lmite superior
Mediano-bajo 64 41.105 9.6368 1.2046 38.697 43.512 24.7 60.4
Mediano 19 46.584 9.0269 2.0709 42.233 50.935 28.3 59.8
Jos Ramiro Caballero Hoyos
Tabla 47
Tabla prueba de homogeneidad de varianzas,
desplegada en el visor de resultados
ind_felicidad
Estadstico de Levene gl gl2 Sig.
14.01 3 142 0.145
Tabla 48
Tabla de la anova, desplegada en el visor de resultados
ind_felicidad
Suma de cuadrados gl Media cuadrtica F Sig.
Inter-grupos 497.414 3 165.805 2.005 0.116
Intra-grupos 11742.593 142 82.694
Total 12240.007 145
210
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 48
Caja de dilogo Prueba para varias muestras independientes
y sub caja de dilogo Rango de la variable agrupacin
211
Jos Ramiro Caballero Hoyos
Tabla 49
Tabla de la prueba Kruskall-Wallis (rangos),
desplegada en el visor de resultados
pib_2010_4niveles N Rango promedio
prevalencia_vih Mediano-bajo 67 84.20
Mediano 14 72.89
Mediano-alto 42 59.71
Alto 18 46.72
Total 141
incidencia_tb Mediano-bajo 82 124.88
Mediano 20 88.20
Mediano-alto 55 63.22
Alto 22 28.59
Total 179
Tabla50
Tabla estadsticos de contrastea,b Chi-cuadrado,
desplegada en el visor de resultados
prevalencia_vih incidencia_tb
Chi-cuadrado 16.832 82.772
gl 3 3
Sig. asinttica 0.001 0.000
.Prueba de Kruskall-Wallis.
a
b
. Variable de agrupacin:. pib_2010_4niveles.
212
Captulo ix | Anlisis de datos con el paquete estadstico spps
213
Jos Ramiro Caballero Hoyos
Figura 50
Caja de dilogo de anova de un factor y sub caja de dilogo Opciones
215
Captulo ix | Anlisis de datos con el paquete estadstico spps
Viene de la pgina 215
216
Variable (i) (j) Diferencia Error Sig. Intervalo de confianza
dependiente pib_2010_4niveles pib_2010_4niveles de medias (i-j) tpico para la media al 95%
Lmite inferior Lmite superior
Mediano-bajo Mediano 102.780 42.057 0.113 -14.56 220.12
Mediano-alto 136.315* 30.234 0.000 55.56 217.07
Alto 191.091* 22.199 0.000 131.30 250.88
Jos Ramiro Caballero Hoyos
Tabla 52
Grficos referentes a diferencia de medias
desplegados en el visor de resultados
Variable prevalencia de vih Variable incidencia de Tb
217
Jos Ramiro Caballero Hoyos
218
Captulo ix | Anlisis de datos con el paquete estadstico spps
219
Jos Ramiro Caballero Hoyos
Figura 52
Caja de dilogo Correlaciones bivariadas
221
Tabla 54
222
Tabla correlaciones r de Pearson, desplegada en el visor de resultados
ind_felicidad gini_desigualdad prevalencia_vih incidencia_tb
Correlacin de Pearson 1 0.022 -0.365** -0.302**
ind_felicidad Sig. (unilateral) 0.402 0.000 0.000
N 151 127 129 151
Correlacin de Pearson 0.022 1 0.484** 0.497**
Jos Ramiro Caballero Hoyos
Tabla B
Interpretacin del peso y la direccin de los coeficientes de correlacin
Perfecta Perfecta
-1.00 0 1.00
225
Tabla 55
226
Tabla correlaciones Rho de Spearman desplegada en el visor de resultados
ind_ disper_ disper_ prevalencia_ incidencia_
fragilidad tnica lenguas vih tb
ind_fragilidad Coeficiente de correlacin 1.000 0.489** 0.425** 0.419** 0.693**
Sig. (unilateral) 0.000 0.000 0.000 0.000
N 192 185 180 146 190
disper_tnica Coeficiente de correlacin 0.489** 1.000 0.693** 0.526** 0.418**
Jos Ramiro Caballero Hoyos
227
Jos Ramiro Caballero Hoyos
Tabla 56
Variables independientes y variable dependiente de los modelos
de regresin lineal mltiple que se intentarn construir
Variables independientes Variable dependiente
Modelo 1: Y. Incidencia de Tb
x1. ndice de felicidad
x2. ndice Gini de desigualdad
x3. ndice de fragilidad
x4. Dispersin tnica
x5. Dispersin de lenguas
Tabla 57
Hiptesis estadsticas de la estimacin
de coeficientes de regresin de los modelos a construir
Variables Variable Hiptesis estadsticas
independientes dependiente complementarias
230
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 55
Caja de dilogo Regresin lineal y sub caja de dilogo Estadsticos
231
Tabla 59
232
Resumen del modelo
Modelo R R cuadrado R cuadrado Error tpico Estadsticos de cambio
corregida de la estimacin
Cambio Cambio Sig. Cambio
gl1 gl2
en R cuadrado en F en F
1 0.526 0.276 0.270 138.861 0.276 45.802 1 120 0.000
2 0.650 0.423 0.413 124.533 0.147 30.201 1 119 0.000
3 0.677 0.459 0.445 121.077 0.036 7.891 1 118 0.006
Jos Ramiro Caballero Hoyos
233
Captulo ix | Anlisis de datos con el paquete estadstico spps
Jos Ramiro Caballero Hoyos
235
Captulo ix | Anlisis de datos con el paquete estadstico spps
Jos Ramiro Caballero Hoyos
237
Jos Ramiro Caballero Hoyos
Figura 56
Caja de dilogo Regresiones lineales y sub caja de dilogo Grficos
238
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 57
Grfico de dispersin donde se muestran los residuos tipificados
frente a los valores pronosticados tipificados*
239
Jos Ramiro Caballero Hoyos
Figura 58
Grficos de residuos parciales de cada variable del modelo
frente a la variable dependiente incidencia_tb
Grfico de regresin parcial Grfico de regresin parcial
Variable dependiente : incidencia_tb Variable dependiente : incidencia_tb
incidencia_tb
incidencia_tb
ind_desigualdad ind_fragilidad
incidencia_tb
disper_lenguas ind_felicidad
240
Captulo ix | Anlisis de datos con el paquete estadstico spps
Figura 59
Grficos histograma (a) y p-p probabilstico normal
de regresin (residuo tipificado [b])*
a) Histograma b) Grfico p-p normal de regresin Residuo tipificado
Variable dependiente: incidencia_tb Variable dependiente: incidencia_tb
241
Jos Ramiro Caballero Hoyos
Figura 60
Caja de dilogo Regresin lineal y sub caja de dilogo Estadsticos
242
Captulo ix | Anlisis de datos con el paquete estadstico spps
Tabla 62
Resumen del modelo*
Modelo Durbin-Watson
4 1.766
*Variables predictoras: (Constante), gini_desigualdad, disper_lenguas, ind_felicidad, ind_
fragilidad. Variable dependiente: incidencia_tb.
Tabla 63
Diagnsticos por caso*
Nmero Residuo incidencia_tb Valor Residual
de casos tpico pronosticado
160 4.856 993 414.74 578.258
*Variable dependiente: incidencia_tb.
243
Jos Ramiro Caballero Hoyos
Tabla 64
Coeficientes*
Estadsticos de colinealidad
Modelo
Tolerancia fiv
1 gini_desigualdad 1.000 1.000
gini_desigualdad 0.965 1.036
2
disper_lenguas 0.953 1.036
gini_desigualdad 0.772 1.049
3 disper_lenguas 0.799 1.295
ind_felicidad 0.799 1.251
gini_desigualdad 0.844 1.185
disper_lenguas 0.597 1.675
4
ind_felicidad 0.790 1.266
ind_fragilidad 0.645 1.551
*Variable dependiente: incidencia_tb.
Tabla 65
Valores recprocos de los estadsticos de tolerancia y fiv en el
contraste de las hiptesis estadsticas de colinealidad (datos ficticios)
Tolerancia fiv
Hiptesis (en funcin de 1) (en funcin de 2)
244
Captulo ix | Anlisis de datos con el paquete estadstico spps
245
Tabla 66
246
Diagnsticos de colinealidad*
Modelo Dimensin Autovalores ndice Proporciones de la varianza
de condicin (Constante) gini_desi-gualdad disper_lenguas ind_feli-cidad ind_fragi-lidad
1 1.972 1.000 0.01 0.01
1
2 0.028 8.326 0.99 0.99
1 2.728 1.000 0.01 0.01 0.04
Jos Ramiro Caballero Hoyos
247
Tabla 67
248
Modelos de regresin lineal sobre variables predictoras
de la incidencia de Tb y la prevalencia del vih, en el mundo*
Modelos y variables predictorasa Coeficiente [ic de 95%] p r2 corregido Cambio en r2
Modelo 1: Predictores de la incidencia de Tbb 0.46 0.02 (p<0.05)
ndice Gini de desigualdad 7.02 [4.62 a 9.42] <0.01
Dispersin de lenguas 32.46 [4.89 a 60.04] <0.05
Jos Ramiro Caballero Hoyos
Sntesis
El proceso de anlisis de las variables intervalo/razn sigui
etapas interrelacionadas que permitieron trabajar los datos des-
de su escrutinio ms simple hasta una construccin de relaciones
ms compleja. Permiti explorar el contenido de las variables in-
dividuales, contrastar la relacin de pares de variables mediante
pruebas de diferencias de medias y de asociacin, y, sobre esa
base, generar dos modelos de regresin lineal.
La tabla 67 sintetiza los modelos construidos y detalles
descriptivos que los contextualizan, de manera que se pueda rea-
lizar la comunicacin de los resultados ante la comunidad cien-
tfica con cierta precisin y rigor estadstico. Como se aprecia, la
tabla es el resultado de todo el proceso de anlisis desarrollado
y su sntesis destaca los siguientes elementos: 1) los coeficientes
de regresin y los ic (de 95%) de cada variable; 2) el valor de
significancia (p) de la prueba t de Student de cada variable inde-
pendiente; 3) el coeficiente de determinacin r2 corregido; 4) el
valor del cambio de r2 en el paso en que se gener el modelo; 5)
el valor de la significancia de anova para el modelo; y 6) el valor
de la prueba de contraste de colinealidad Durbin-Watson.
La lectura de la referida tabla (67) muestra que hay dos
variables que fueron ms consistentes que las otras en la predic-
cin de las dos variables dependientes de los modelos: el ndice
Gini de desigualdad social y el ndice de felicidad (en sentido in-
verso). Aunque la tuberculosis y el vih son dos fenmenos muy
relacionados entre s, los hallazgos indican tambin que en la tu-
berculosis las variables de la pobreza (ndice de fragilidad y dis-
persin de lenguas) son factores que refuerzan el riesgo en forma
independiente. Los valores de anova sealan que los modelos
son significativos y la r2 corregidas que los modelos explican
46% y 38% de la varianza respecto a las variables dependientes.
El procedimiento seguido para lograr un resultado com-
plejo, permiti compenetrarse a fondo con los datos y aprove-
249
Jos Ramiro Caballero Hoyos
Palabras finales
Queremos hacer una reflexin general sobre el proceso seguido a lo
largo de esta breve introduccin al anlisis de datos con el paquete
estadstico spss.
El proceso de anlisis propuesto tiene claramente un enfo-
que exploratorio donde se escarba en detalle la informacin simple
para sustentar la posterior construccin de bloques slidos de re-
laciones complejas. En ese intento, el analista adopta y hace inte-
ractuar dos actitudes: una de apego fiel a la norma estadstica y al
cumplimiento de los supuestos del procesamiento y anlisis (vase
figura 5), y otra de cierta apertura a la novedad en los patrones esta-
dsticos y a la creatividad en la conduccin de los procedimientos.
Con ello, el trabajo de procesamiento y anlisis se convierte
en una actividad de bsqueda constante de respuestas a preguntas e
hiptesis estadsticas y de renovacin de ideas para profundizar los
hallazgos con nuevos procedimientos. En esa bsqueda, el paquete
spss es una herramienta heurstica que habilita para transformar
250
Captulo ix | Anlisis de datos con el paquete estadstico spps
251
Jos Ramiro Caballero Hoyos
Glosario
Anlisis de datos. Consiste en la aplicacin sistemtica de tcni-
cas estadsticas orientadas a resumir su distribucin, organizar
sus relaciones y evaluar inductivamente los patrones y tenden-
cias de su estructura.
Archivo de datos. Archivo electrnico que contiene los datos con
cdigos numricos.
Caja de dilogo del spss. Es un cuadro rectangular que presenta
al usuario el repertorio de variables disponibles y de opciones a
seguir para correr un procedimiento de anlisis estadstico.
Datos. Observaciones traducidas a valores con cdigos numricos.
Editor de datos del spss. Ventana donde despliega la matriz de
definiciones que contienen la especificacin de variables, sus
nombres y tipos de escala.
Hiptesis. Una proposicin sobre la naturaleza de una relacin
esperada entre dos o ms variables.
Medicin. Es un proceso deductivo que implica tomar un con-
cepto o idea y desarrollar una medida para su observacin
emprica basada en escalas numricas con principios matemti-
cos. Las escalas ms usadas son las propuestas por Stevens: nomi-
nal, ordinal e intervalo/razn.
Minera de datos. Estrategia que persigue lograr el descubrimien-
to automtico del conocimiento contenido en la informacin
almacenada en las bases de datos, mediante tcnicas explicativas
o de dependencia y tcnicas descriptivas o de interdependencia.
Pruebas no paramtricas. Pruebas estadsticas de significancia
las cuales no requieren que las variables de anlisis cumplan las
asunciones de normalidad y de homogeneidad de varianzas.
Pruebas paramtricas. Pruebas estadsticas de significancia que
asumen una distribucin normal en las variables de anlisis.
Realidad. Un fenmeno que se puede percibir slo de mane-
ra indirecta, a travs de observaciones basadas en sistemas de
medicin.
252
Captulo ix | Anlisis de datos con el paquete estadstico spps
Autoevaluacin
Qu es el anlisis de datos?
Cules son los principales supuestos que presenta el anlisis de
datos computarizado?
Qu es el paquete estadstico spss y cmo contribuy a que la
disciplina del anlisis de datos tenga un mayor desarrollo y popu-
laridad en el mundo?
Cules son los procedimientos de cmputo bsicos para realizar
anlisis exploratorios?
Cules son los procedimientos de cmputo bsicos para realizar
anlisis univariados, segn tipos de variables (nominal, ordinal,
intervalo/razn)?
Cmo se procesan las pruebas de asociacin Chi-cuadrado y co-
rrelacin, y qu tipos de variables requieren?
Cmo se procesan las pruebas de diferencia de medias t y ano-
va, y qu tipos de variables requieren?
Qu criterios se siguen para desarrollar anlisis multivariados
cuando las variables son nominales y ordinales?
Qu criterios se siguen para desarrollar anlisis multivariados
cuando las variables son de intervalo/razn?
Qu es el enfoque de la minera de datos y cmo se aplica en el
anlisis computarizado?
253
Jos Ramiro Caballero Hoyos
Bibliografa
Bryman, A., y Cramer, D. (2009). Quantitative Data Analysis with spss 14, 15 & 16.
A guide for Social Scientists. London: Routledge.
Hardy, M., y Bryman, A. (eds.) (2004). Handbook of Data Analysis. London: Sage
Publications.
Hardy, M. (2004). Summarizing distributions. En: M. Hardy y A. Bryman (eds.),
Handbook of Data Analysis (pp. 35-64). London: Sage Publications.
Lewis-Beck, M.S. (1995). Data Analysis. An Introduction. Thousand Oaks, CA:
Sage Publications.
Neuman, W.L. (1997). Social Research Methods. Qualitative and Quantitative
approaches. Boston, MA: Allyn and Bacon.
Norusis, M.J. (2011). imb spss Statistics 19 Guide to Data Analysis. Upper Saddle
River, NJ: Prentice Hall Press.
Prez, C. (2009). Tcnicas de anlisis de datos con spss 15. Madrid: Pearson/Prentice
Hall.
Tacq, J. (1997). Multivariate Analysis Techniques in Social Science Research. London:
Sage Publications.
254
Captulo x
Medicina basada en evidencias
aplicada a la neurologa
Rebeca Milln Guerrero
259
Rebeca Milln Guerrero
260
Captulo x | Medicina basada en evidencias aplicada a la neurologa
Tabla 70
Niveles de evidenciaa
Nivel de evidencia Tipo de estudio
1a Revisin sistemtica de ensayos clnicos aleatorizados,
con homogeneidad.
1b Ensayo clnico aleatorizado con intervalo
de confianza estrecho.
1c Prctica clnica (todos o ninguno) (*).
2a Revisin sistemtica de estudios de cohortes,
con homogeneidad.
2b Estudio de cohortes o ensayo clnico aleatorizado de baja
calidad (**).
2c Outcomes research (***), estudios ecolgicos.
3a Revisin sistemtica de estudios caso-control,
con homogeneidad.
3b Estudio caso-control.
4 Serie de casos o estudios de cohortes y caso-control
de baja calidad (****).
5 Opinin de expertos sin valorizacin crtica explcita,
o basados en la fisiologa, bench research
o first principles (*****).
Fuente: Saha et al., 2001; Harbour y Miller, 2001: 334-336.
a
En esta calificacin, de nuevo, se toma en cuenta el diseo del estudio y se sealan las siguientes
recomendaciones: Se debe aadir un signo menos (-) para indicar que el nivel de evidencia no es
concluyente: 1) Ensayo clnico aleatorizado con intervalo de confianza amplio y no estadsticamente
significativo; 2) Revisin sistemtica con heterogeneidad estadsticamente significativa.
*Cuando todos los pacientes mueren antes de que un determinado tratamiento est disponible, y con
l algunos pacientes sobreviven, o bien cuando algunos pacientes moran antes de su disponibilidad,
y con l no muere ninguno.
**Por ejemplo, con seguimiento inferior a 80%.
***El trmino outcomes research hace referencia a estudios de cohortes de pacientes con el mismo
diagnstico en los que se relacionan los eventos que suceden con las medidas teraputicas que reciben.
****Estudio de cohorte: sin clara definicin de los grupos comparados y/o sin medicin objetiva
de las exposiciones y eventos (preferentemente ciega) y/o sin identificar o controlar adecuadamente
variables de confusin conocidas y/o sin seguimiento completo y suficientemente prolongado.
Estudio caso-control: sin clara definicin de los grupos comparados y/o sin medicin objetiva de
las exposiciones y eventos (preferentemente ciega) y/o sin identificar o controlar adecuadamente
variables de confusin conocidas.
*****El trmino first principles hace referencia a la adopcin de determinada prctica.
261
Rebeca Milln Guerrero
Conclusin
La Medicina Basada en Evidencias (mbe) es la integracin de las
mejores evidencias de la investigacin, donde se toman en cuen-
ta el mtodo cientfico, sin olvidar la experiencia laboral, que
permite al profesional considerar los aos de trabajo.
Glosario
Medicina Basada en Evidencias. Es la integracin de las mejores
evidencias de la investigacin, con la experiencia clnica y los va-
lores del paciente.
Autoevaluacin
Qu es la Medicina Basada en Evidencias (mbe)?
Quines desarrollaron la mbe y con qu finalidad?
Cules son los pasos para desarrollar la mbe?
Por qu se plantea que es necesario distinguir entre significancia
clnica y significancia estadstica cuando se interpretan las evi-
dencias de los estudios?
Bibliografa
Candelise, L. (ed.) (2007). Evidence-based Neurology: Management of Neurological
Disorders. Oxford: Blackwell Publishing.
Hughes, R., Liberati, A., y Uitdehaag, B.M.J. (2007). Evidence-based medicine:
its contributions in the way we search, appraise and apply scientific
information to patient care. En: L. Candelise (ed.), Evidence-based
Neurology: Management of Neurological Disorders (pp. 2-10). Oxford:
Blackwell Publishing.
Evidence-Based Medicine Working Group (1992). Evidence-based medicine. A
new approach to teaching the practice of medicine. En: Journal of America
Medical Association, 268, pp. 2420-2425.
Guerra-Romero, L. (1996). La medicina basada en la evidencia: un intento de
acercar la ciencia al arte de la prctica clnica. En: Medicina Clnica, 107,
pp. 377-382.
Guyatt, G.H.; Sackett, D.L.; Sinclair, J.C., et al. (1995). Users Guides to the Medical
Literature: IX. A method for grading health care recommendations. En:
Journal of America Medical Association, 274, pp. 1800-1804.
262
Captulo x | Medicina basada en evidencias aplicada a la neurologa
263
Introduccin a la epidemiologa clnica y estadstica, de Rebeca
Milln Guerrero, Benjamn Trujillo Hernndez y Jos Ramiro
Caballero Hoyos, fue editado en la Direccin General de Pu-
blicaciones de la Universidad de Colima, avenida Universidad
333, Colima, Colima, Mxico, www.ucol.mx. La impresin
se termin en mayo de 2015 con un tiraje de 500 ejemplares
sobre papel bond ahuesado de 90 gramos para interiores y
sulfatada de 12 puntos para la portada. En la composicin ti-
pogrfica se utiliz la familia Adobe Garamond Pro. El tamao
del libro es de 22.5 cm de alto por 16 cm de ancho. Programa
Editorial: Alberto Vega Aguayo. Gestin Administrativa:
Ins Sandoval Venegas. Diseo: Jos Luis Ramrez Moreno.
Correccin y cuidado de la edicin: Jos Augusto Estrella.
El presente libro es una herramienta didctica para el aprendizaje de la epidemiologa
clnica. Con un lenguaje sencillo y sin tecnicismos, los autores exponen distintos ele-
mentos tericos y empricos que ayudarn al lector a incorporar el mtodo cientfico y
los principios de la estadstica en el ejercicio de su prctica clnica. En tal sentido, de-
sarrollan en el texto la relacin entre epidemiologa clnica y estadstica, la aplicacin
del mtodo cientfico, la elaboracin del protocolo de investigacin, la eleccin de
diseos de investigacin clnica, la relacin entre causalidad y riesgo, la medicin de los
factores de riesgo, el diseo de la muestra, la seleccin de pruebas de hiptesis, el anli-
sis de datos con el paquete SPSS y la concepcin de la medicina basada en evidencias.
Rebeca Milln Guerrero
Mexicana. Doctora en ciencias mdicas. Nivel II del Sistema Nacional de Investigadores (SNI). Investi-
gadora Titular A del Instituto Mexicano del Seguro Social (IMSS). Profesora B en la Universidad de
Colima. Lnea de investigacin: neurociencias.