See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/275021061

Estadística analítica

Chapter · January 2013

CITATIONS READS

0 13,948

3 authors, including:

Pedro Romero-Aroca
Hospital Universitari Sant Joan de Reus
149 PUBLICATIONS   2,241 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Diabetic Retinopathy View project

Infectious ophthalmic diseases View project

All content following this page was uploaded by Pedro Romero-Aroca on 03 August 2015.

The user has requested enhancement of the downloaded file.

Capítulo 23

ESTADÍSTICA ANALÍTICA
Julio José Gonzalez López, Carlos Lázaro García, Pedro Romero Aroca

«Aunque es fácil mentir con estadísticas, es mucho más fácil mentir sin ellas»
Frederick Mosteller

1.  Contraste de Hipótesis pacientes tratada con el fármaco B). El contraste de

   a) Significación estadística hipótesis permite a partir de la información obtenida
    b)  Elección de la prueba estadística con muestras, poner a prueba nuestra hipótesis a ni-
    c) Prueba de bondad de ajuste a la distribución vel poblacional.
normal. Kolmogorov-Smirnov Se procede basándose en la lógica falsacionista,
2.  Análisis bivariante. es decir, se asume que es cierta la hipótesis contraria
a la nuestra, a la que se suele denominar hipótesis
    a) Tablas de contingencia
nula (H0), dado que recoge la igualdad o inexisten-
    b) Prueba de Ji (o Chi) cuadrado cia de relación entre nuestros parámetros de estudio
    c) Test exacto de Fischer (A no es mejor que B). La contraria es la hipótesis
    d) Test de Student alternativa (Ha), que asume que no existe igualdad o
    e) «U» de Mann-Whitney que sí existe relación entre los parámetros (A es me-
    f) Test de ANOVA y Kruskal-Wallis jor que B). Ambas son excluyentes y cubren todos los
    g) Pruebas de correlación: Pearson y Spearman
posibles resultados (o es mejor A que B o no lo es).
Como ya explicamos extensamente en el capítulo
    h) Regresión lineal simple
7, todo contraste de hipótesis puede dar lugar a dos
   i) Regresión logística tipos de errores:
    j) Análisis de supervivencia 1.  Error tipo I o error α, consiste en aceptar
3.  Medidas de tratamiento de efecto nuestra hipótesis alternativa cuando es falsa (falso
   a) 
Riesgo relativo positivo).
   b) Odds ratio 2.  Error tipo II o error ß, implica rechazar nuestra
4.  Análisis multivariante
hipótesis alternativa cuando es cierta (falso negativo).
Estos errores se producen porque trabajamos so-
    a) Regresión lineal múltiple
bre muestras y no sobre poblaciones (capítulo 6), que
   b) Regresión logística sería el caso ideal, pero imposible de realizar en la
práctica. Lo único que podemos hacer es minimizar-
los al máximo.

1.  CONTRASTE DE HIPÓTESIS

Como ya comentamos en el capítulo 5, en un tra-
bajo de investigación de tipo analítico se parte de una
hipótesis científica (el descenso de la PIO es mayor
con el fármaco A que con el B) que debe traducirse a
una hipótesis estadística en términos de parámetros
(la media de las PIOs de los pacientes tratados con
el fármaco A es significativamente superior que los
a)  Significación estadística
En muchas ocasiones la expresión «estadística-
mente significativo» (el valor de la famosa p) se toma
como «garantía de calidad», el equivalente a clíni-
camente relevante o como la prueba que un efecto
es producido por determinada variable, pero no es
así. Es muy importante separar el concepto de signi-
178
ficación estadística de la interpretación que nosotros
hacemos de dichos resultados (ver capítulo  22). La
significación estadística lo que nos indica es cuan
separados están nuestros resultados con los que ob-
tendríamos si fueran debidos solo al azar. En el ca-
pítulo 24 se exponen algunos errores comunes en el
manejo de la significación estadística.
De manera arbitraria se determina que un resul-
tado es estadísticamente significativo cuando existe
un 95% de probabilidades de que el resultado ob-
tenido NO sea debido al azar (p<0,05). Dicho de
otra forma, solo tenemos un 5% de probabilidades
de cometer un error tipo alfa. Si deseamos estar aún
más seguros, podemos elevar el nivel de significación
hasta un 99% (p<0,01). Debemos destacar que la sig-
nificación estadística depende de dos factores: la di-
ferencia que estamos intentando probar (cuanto ma-
yor sea, más fácil es probarla) y el tamaño muestral
(más fácil detectar diferencias cuanto mayor tamaño
muestral tengamos).
b)  Elección de la prueba estadística
Una de las causas más frecuentes de duda del in-
vestigador con poca experiencia es la elección del
test estadístico en los contrastes de hipótesis, pero
en la inmensa mayoría de los casos es sencillo. Esta
elección depende de:
1. Tipos de variables: cuantitativas (y si son dos
grupos o más de dos grupos de comparación) y cua-
litativas (y dentro de estas últimas si son nominales u
ordinales, ver capítulo 8).
2.  Si los datos son apareados o independien-
tes. Son datos apareados los que se realizan en
los mismos sujetos (por ejemplo la medida de la
PIO antes y después de la administración de un
colirio hipotensor), mientras que son datos inde-
pendientes los que se obtienen de individuos dife-
rentes (por ejemplo, al comparar la eficacia de dos
técnicas quirúrgicas en dos grupos de pacientes
diferentes).
3.  La distribución de las variables estudiadas. Las
pruebas paramétricas suponen una distribución es-
pecífica en las variables estudiadas (generalmente la
distribucion normal o de Gauss). Para ver si nuestra
distribución es normal debemos utilizar un test es-
tadístico, habitualmente el de Kolmogorov-Smirnov.
Ver el apartado de la t de Student en este mismo ca-
pítulo, donde se explica como se comprueba esto
mediante un ejemplo. Estas pruebas son de elección
y son más potentes. Si no nos es posible determinar
23.  Estadística analítica
esa distribucion o el tamaño muestral es pequeño (en
general, menos de 30), debemos utilizar pruebas no
paramétricas.
Combinando estos factores, los principales test
que podemos utilizar son los que se muestran en las
tablas I y II. La primera muestra la prueba de elección
según los factores anteriormente referidos y la tabla II
muestra alternativas si no pueden realizarse pruebas
paramétricas.
Ejemplo 23.1
 eseamos comprobar si un nuevo AINE
D
es más eficaz en el tratamiento del ede-
ma macular postquirúrgico que el que
solíamos utilizar habitualmente. Como
variable de respuesta tomamos la agude-
za visual. (cuantitativa) y comparamos
dos grupos de tratamiento, uno con cada
fármaco, (variable cuantitativa dicotó-
mica, es decir, de dos categorías). Con-
sultando la tabla I, vemos que la prueba
que debemos utilizar es la t de Student.
Si nuestra muestra es pequeña o no sigue
una distribución normal (veremos más
tarde como se comprueba eso) debería-
mos utilizar una prueba no paramétrica,
que consultando la Tabla II es la U de
Mann-Whitney. Si existen más de dos
grupos de comparación (en el caso en
que comparemos tres o más tipos de AI-
NES) la prueba sería la ANOVA o un test
no paramétrico en muestras pequeñas
(Kruskal-Walls).
Ejemplo 23.2
 eseamos determinar si un nuevo mé-
D
todo de receta hospitalaria informatiza-
da disminuye el número de errores en
el proceso de prescripción y adminis-
tración de fármacos comparándolo con
el método convencional con soporte de
papel. Tenemos una variable cualitativa
dicotómica (error/no error) y dos grupos
de estudio (pacientes con receta infor-
matizada y pacientes con receta en pa-
pel). Por lo tanto el test de elección sería
un Ji (o Chi) cuadrado.
23.  Estadística analítica 179

Tabla I: Elección del test estadístico

Variable de respuesta
Factor de estudio Cualitativa nominal (2 Cualitativa nominal Cualitativa ordinal Cuantitativa
categorías) (>2 categorías)
Cualitativo: 2 gru- Chi al cuadrado Chi al cuadrado* U de Mann-Whitney* t de Student
pos independientes Fisher *
Z comparación propor-
ciones
Cualitativo: Mc Nemar* Q de Cochran Prueba de los signos* t de Student
2 grupos apareados Fisher* Prueba de Wilcoxon*
Cualitativo: Chi al cuadrado* Chi al cuadrado Kruskal-Walls* ANOVA
> 2 grupos inde-
pendientes
Cualitativo: Q de Cochran* Q de Cochran* Friedman* ANOVA
> 2 grupos aparea-
dos
Cuantitativo t de Student ANOVA Correlación de Correlación de
Spearman* Pearson
Tau de Kendall* Regresión lineal
* Pruebas no paramétricas.

Tabla II.  Equivalencia entre pruebas

Existen árboles de decisión on-line para la elección
paramétricas y no paramétricas del test estadístico. Por ejemplo:
– http://www.microsiris.com/Statistical%20Deci-
Muestra Prueba paramé- Prueba no para-
trica métrica sion%20Tree/
– http://www.socialresearchmethods.net/selstat/
Muestras relacio-
nadas ssstart.htm
  2 muestras t de Student Wilcoxon
   > 2 muestras ANOVA Friedman
Muestras inde- 3. UTILIZACIÓN DE LOS TEST ESTADÍSTICOS
pendientes MÁS FRECUENTES
  2 muestras t de Student U de Mann-
Whitney a)  Tablas de contingencia
   > 2 muestras ANOVA Kruskal-Walls
En la investigación biomédica, con frecuencia nos
encontramos con variables cualitativas, que se clasi-
fican en dos o más categorías excluyentes. Cuando
Ejemplo 23.3 se pretende comparar dos o más grupos respecto a
una variable de este tipo, los resultados se muestran
 eseamos saber si el grosor corneal está
D como tablas de contingencia, que es esto:
influido por la edad. En este caso tene-
mos dos variables cuantitativas, por lo Propiedad B
que la prueba de elección sería un test Propiedad A + - Total
de correlación o regresión (veremos + a b a+b
más tarde la diferencia entre ambos).
- c d c+d

Aunque existen multitud de test estadísticos, en Total a+c b+d N

la inmensa mayoría de trabajos se utilizan los más
frecuentes, entre los que encontramos los tres ante- Hay diversos procedimientos estadísticos para
riores. Si nuestras necesidades son más complejas, analizar las tablas de contingencia, entre ellos la
lo mejor es solicitar el asesoramiento de un experto. prueba de Ji cuadrado y el test exacto Fisher.
180 23.  Estadística analítica

b)  Prueba de Ji (o Chi) cuadrado Tabla de contingencia Sexo

Recuento GradoKK Total
Esta prueba nos permite saber si dos variables
categóricas están asociadas. Para su cálculo, es ne- I II III IV
cesario saber las frecuencias esperadas y compa- Sexo M 8 10 8 1 27
rarlas con las frecuencias observadas realmente. El V 6 12 3 0 21
estadístico c2 va a medir la diferencia entre el valor
Total 14 22 11 1 48
observado y el que se obtendría si ambas variables
* GradoKK
fueran totalmente independientes. El valor de c2 es
tanto mayor cuanto mayor sea esta diferencia, y por
lo tanto mayor relación existirá entre ambas varia- Pruebas de chi-cuadradado
bles. Se ha de tener en cuenta que este test nos va Valor gl Sig.
a decir si existe relación entre ambas variables pero asintótica
(bilateral)
no sabremos en qué sentido se produce. Tras obtener
el valor de c2 se habrá de plantear un contraste de Chi-cuadrado de Pearson 3,038ª 3 ,386
hipótesis frente a la hipótesis nula en la que no existe Razón de verosimilitudes 3,461 3 ,326
asociación entre ambas variables y la hipótesis alter- N de casos válidos 48
nativa en la que sí existe asociación. En la hipótesis ª  3 casillas (37,5%) tienen una frecuencia esperada inferior a
nula los valores de c2 se distribuyen dependiendo 5. La frecuencia mínima esperada es ,44.
de los grados de libertad, que es igual al número de
filas menos 1 por el número de columnas menos 1. En el recuadro superior se ordenan
Si no existiera asociación entre ambas variables, es nuestros casos por número de pacientes
decir, de ser cierta la hipótesis nula, el valor que se según estadio y sexo. En el segundo re-
ha obtenido ha de estar en el rango de mayor pro- cuadro vemos que no existe diferencia
babilidad según la distribución ji-cuadrado. El valor significativa entre sexos (p=0,386).
«p» que se obtiene es la probabilidad de obtener los
datos observados si fuera cierta la hipótesis de inde- Existen calculadoras on-line muy sencillas de uti-
pendencia. Si el valor «p» es <0,05, entonces se re- lizar para calcular la Ji-cuadrado. Por ejemplo:
chazaría la hipótesis nula y por lo tanto se aceptaría – http://graphpad.com/quickcalcs/chisquared1.
que existe relación entre ambas variables. cfm
– http://www.socscistatistics.com/tests/chisquare/
Ejemplo 23.4 Default2.aspx

Tenemos una muestra de 48 queratoco-

nos clasificados según su correspondien-
te estadio de la enfermedad (variable
ordinal, de I a IV). Queremos saber si la
distribución de estos estadios es igual en
ambos sexos. Para ello introducimos los
datos en el SPSS (las variables aquí no
son del tipo «numéricas», sino «cadenas»
en la notación del SPSS). Lo siguiente es
hacer la correspondiente tabla de con-
tingencia. Para ello entramos en Analizar
g Estadísticos Descriptivos g Tablas de
Contingencia y señalamos que la variable
sexo vaya por filas y el grado de querato-
cono por columnas. Seguidamente vamos
a estadísticos y marcamos el test Ji-cua-
drado (vemos que hay muchos otros test
que podemos realizar con estas tablas).
Los resultados obtenidos se muestran así:
c)  Test exacto de Fischer
Cuando la muestra a estudiar es pequeña, es pre-
ferible utilizar el test exacto de Fisher. Se basa en eva-
luar la probabilidad de cada una de las tablas 2 x 2
que se pueden formar si conservamos los mismos to-
tales de filas y columnas que los de la tabla observada.
Cada una de estas probabilidades se obtiene bajo la
hipótesis nula de independencia de las dos variables
analizadas. Conviene usar la prueba exacta de Fisher
cuando al menos un 25% de las casillas de la tabla
de contingencia tienen un valor absoluto inferior a 5.
d)  Test T de Student
Este test es uno de los test más frecuentemente
utilizados en los estudios estadísticos en ciencias de
23.  Estadística analítica
la salud, generalmente en la comparación entre dos
técnicas quirúrgicas, tratamientos o pruebas diagnós-
ticas si medimos los resultados con variables cuanti-
tativas. Podemos realizar el test «t» de Student para
comparar el valor medio obtenido por ejemplo con
un nuevo fármaco hipotensor ocular antes y después
de su instauración (muestras apareadas). También
nos informa sobre las diferencias en un nuevo trata-
miento respecto a uno anterior o a los valores basales
de referencia (pruebas de conformidad). O bien nos
permite comparar efectos en muestras diferentes, por
ejemplo el valor medio de presión intraocular tras
realizar una trabeculoplastia selectiva en un grupo
con Síndrome Pseudoexfoliativo con de un grupo
con Glaucoma Pigmentario.
Al ser un test paramétrico, se requiere que la dis-
tribución muestral de las medias siga una distribu-
ción normal (habitualmente comprobada mediante
el test de Kolmogorov-Smirnov) y que el tamaño de la
muestra sea grande (generalmente más de 30 casos,
siempre que la distribución de la variable no presente
asimetría ni anomalías destacables). No es necesario
que ambos grupos sean iguales en número. Asimis-
mo es necesario analizar la varianzas, ya que si no
existe homogeneidad de varianzas, el resultado del
test se verá afectado.
Dado que este es el test más utilizado, vamos a
desarrollar un ejemplo a modo de tutorial utilizando
el programa estadístico SPSS. Estudiaremos si la pa-
quimetría corneal es diferente entre hombres y muje-
res Para ello realizamos una paquimetría ultrasónica
a 100 hombres y 100 mujeres de un mismo rango de
edad. La hipótesis nula (H0) es que las medias de espe-
sor corneal son las mismas en ambos grupos, mientras
que la hipótesis alternativa (H1) es que son distintas.
Lo primero es comprobar si esta distribución si-
gue una ley normal, que es un paso muy importante
para saber si la prueba que debemos utilizar es pa-
ramétrica o no. La prueba que debemos utilizar es la
de Kolmogorov-Smirnov, que hace una comparación
181
entre la distribución de nuestra muestra y el modelo
de distribución normal. En el programa SPSS vamos a
la pestaña Analizar gPruebas no paramétricas gK-S
de una muestra y señalamos entre sus posibilidades
la distribución de contraste normal (vemos que tam-
bién ofrece la posibilidad de comprobar si se ajusta a
otros tipos de distribuciones). Entonces nos aparece
un cuadro de resultados con un nivel de significación
estadística. Si p<0.05 existe una diferencia estadís-
ticamente significativa respecto a una distribución
NORMAL, luego NO es una distribución normal. En
nuestro caso particular encontramos que el valor de
«p» es mayor de 0,05, por lo que nos encontramos
ante una distribución NORMAL.
Después hemos de saber si existe o no igualdad
de varianzas aplicando el test de Levene, pero esto
ya nos lo da el programa en el cuadro de la t de Stu-
dent. Para llegar a él señalamos Analizar g Comparar
medias g Prueba T para una muestra, introducimos
las variables de estudio y se nos muestra el siguiente
cuadro:
Si p>0,05 (test de Levene), existe homocedastici-
dad u homogeneidad de varianzas y hay que tomar el
valor correspondiente (marcado en rojo en la figura).
Si p<0,05, existe heterocedasticidad, o heterogenei-
dad de varianzas y hay que tomar el valor correspon-
diente (Marcado en azul en la figura).
En nuestro caso se cumple el criterio de homoge-
neidad de varianzas. Una vez que sabemos es nor-
mal y las varianzas son homogéneas, podemos utili-
zar la t de Student. A mayores valores de «t» menor es
el valor de «p». El valor de «p» obtenido en nuestro
ejemplo es 0,833, por lo que podemos afirmar que
no se encuentran diferencias estadísticamente signifi-
cativas entre los valores de espesor corneal observa-
dos entre hombres y mujeres. De esta manera acep-
tamos la hipótesis nula que nos dice que las medias
de espesor corneal son las mismas en ambos sexos.
Existen calculadoras on line para la t de Student,
algunos introduciendo todos los datos y otros con
182 23.  Estadística analítica

media, desviación típica y tamaño muestral. Deja- pacinetes de ascendencia amerindia.

mos dos ejemplos: Tras comprobar la normalidad de la dis-
– http://graphpad.com/quickcalcs/ tribución, podemos observar como en
ttest1/?Format=SD los pacientes de ascendencia africana y
– http://studentsttest.com/ amerindia el espesor corneal es menor.
Esta diferencia es además estadística-
mente significativa (p=0,46), por lo que
e)  «U» de Mann-Whitney rechazamos la hipótesis nula. En la pri-
mera tabla se encuentran las medias y
Esta prueba se utiliza cuando no se cumple el desviaciones estándar de las poblacio-
criterio de normalidad de la distribución, o cuan- nes estudiadas y en la segunda vemos
do el tamaño de la muestra es pequeño (menor de los resultados de la prueba de ANOVA.
30), independientemente de la distribución. Puede
incluso utilizarse para comparar variables ordinales. Report
El estadístico de contraste U se calcula mediante la Paquimetría
ordenación de ambas muestras de menor (valor 1) a PAC Mean N Std. Deviation
mayor (valor n1+n2). Si la hipótesis nula H0 es cierta,
1 535,46 50 23,857
los rangos deben distribuirse de forma aleatoria entre
las dos muestras, y por tanto el rango promedio de 2 524,74 50 25,845
ambas debe ser muy parecido. Al ser esta prueba no 3 534,08 50 24,125
paramétrica, en su cálculo no intervienen ni la media 4 524,60 50 26,606
ni la desviación estándar.
Total 529,72 200 25,458

f)  Test de ANOVA y Kruskal-Wallis ANOVA

Paquimetría
La prueba de ANOVA o análisis de la varianza Sum of Mean
la utilizamos cuando las comparación la queremos df F Sig.
Squares Square
realizar entre 3 o más grupos, ya que la compara- Between 5148,600 3 1716,200 2,717 ,046
ción de varios grupos de dos en dos va a incrementar groups
la probabilidad de que encontremos una diferencia Within 123821,7 196 631,743
estadísticamente significativa (p<0,05) cuando en groups
realidad no existe. Esta es una prueba paramétrica
que por tanto va a precisar la normalidad de la dis- Total 128970,3 199
tribución y la homogeneidad de varianzas, tanto me-
nos importante cuanto mayor sea el tamaño de los Imaginemos ahora que nos encontramos ante el
grupos. La prueba de ANOVA puede ser considerada mismo estudio pero el tamaño de cada grupo es de
como una generalización de la «t» de Student, hasta 25 pacientes o que al analizar la normalidad, es una
el punto que si realizamos esta prueba con tan sólo distribución no normal. En este caso tendremos que
2 grupos, nos encontraremos con los mismos resulta- utilizar un test no paramétrico como el de Kruskal-
dos que si empleamos una «t» de Student. Wallis

Ejemplo 23.5
 
Realizamos un estudio para analizar
nuevamente el espesor corneal, esta
vez en 4 poblaciones distintas. El pri-
mer grupo estará compuesto por 50
pacientes de ascendencia caucásica,
el segundo por 50 de ascendencia afri-
cana, el tercero por 50 sujetos de as-
cendencuia asiática y el cuarto por 50
g) Pruebas de correlación: Pearson y Spearman
Cuando nos encontramos ante variables cuantita-
tivas que pueden estar relacionadas, hemos de apli-
car análisis de correlación y regresión para estudiar
el vínculo entre ellas. Si aplicamos una correlación
vamos a estudiar la dirección y la potencia de aso-
ciación entre ambas variables pero en ningún caso
seremos capaces de establecer una relación de cau-
23.  Estadística analítica
salidad. Cuando una variable es causa o depende di-
rectamente de otra, podremos aplicar una regresión
simple. El coeficiente de correlación de Pearson (r) es
una prueba paramétrica que nos va a permitir medir
el grado de asociación entre dos variables cuantitati-
vas que cumplen criterios de normalidad. Cuando el
criterio de normalidad no se cumple, habremos de
utilizar el test no paramétrico de Spearman (rho). El
coeficiente de Pearson toma siempre valores entre -1
y 1. Las correlaciones positivas nos indican que si una
variable aumenta, la otra también lo hace; y al contra-
rio, si el valor de «r» es negativo, al aumentar una va-
riable, la otra disminuye. De forma general se puede
considerar que si r es mayor de 0,8 la relación es muy
alta, entre 0,6 y 0,8 es alta, entre 0,4 y 0,6 moderada,
entre 0,2 y 0,4 baja y menos de 0,2 muy baja.
h)  Regresión lineal simple
Esta prueba se utiliza cuando una de las dos va-
riables se cree que es causa o dependiente de la otra.
Además de analizar la asociación entre ellas podre-
mos predecir el comportamiento de una conociendo
el resultado de la otra. En la representación gráfica
se representa la variable dependiente en el eje de las
ordenadas (A) y la independiente en el eje de las abs-
cisas (B). Se pretende encontrar la recta que mejor se
ajuste a la «nube de puntos» calculada por el método
de los mínimos cuadrados, tal y como se puede ob-
servar en la figura 1.
Se obtiene una fórmula para la recta de regresión
de la variable dependiente (A) en función de la inde-
pendiente (B) que será A=a+bB, siendo «a» la cons-
tante de la recta y «b» su pendiente. Los tres datos que
obtenemos al realizar esta prueba son: «r al cuadra-
do», que es el coeficiente de correlación de Pearson
elevado al cuadrado. Es el coeficiente de determina-
ción y siempre estará entre 0 y 1. Así un valor de 0,85
significa que la variable independiente es capaz de
explicar el 85% de la variabilidad de la variable de-
pendiente A. También obtendríamos los coeficientes
de regresión, la constante «a» y la pendiente «b». Por
último se obtendría la ANOVA de la regresión, que
nos da la medida de la significación estadística (p).
i)  Análisis de supervivencia
La curva de supervivencia nos va a permitir anali-
zar la evolución de un grupo de sujetos desde un es-
tado inicial en el que comienza nuestro estudio hasta
183
Fig.  1: Representación gráfica de la correlación de dos va-
riables: r=0,957 (muy alta). Se representa también la recta
de regresión.
un estado final en el que se representan las propor-
ciones de supervivencia en función del tiempo. La
función de supervivencia S(t) indica la probabilidad
de que un sujeto de la población sobreviva durante
un intervalo de tiempo superior a «t», siendo «T» la
variable aleatoria que representa el tiempo de super-
vivencia de los sujetos de una determinada pobla-
ción. Esta función de supervivencia es la «Probabili-
dad de Supervivencia» o «Probabilidad Acumulada
de Supervivencia». La prueba más utilizada es la Su-
pervivencia Acumulada de Kaplan-Meier.
Ejemplo 23.6
 nalizamos la probabilidad de control
A
del glaucoma tras cirugía filtrante con dos
criterios de control diferentes. El primer
criterio es obtener una presión intraocu-
lar (PIO) por debajo de 21 mmHg pero
por encima de 16 y el segundo criterio
es obtener una PIO por igual o menor a
16 mmHg. Se puede así observar en este
caso una probabilidad acumulada de su-
pervivencia del 95,95% a los 5 años en
el grupo de pacientes en los que se con-
siguió mantener siempre una PIO posto-
peratoria igual o menor a 16 mmHg y del
86,58% en el grupo con PIO entre 16 y
21 mmHg (fig. 2).
184
3.  MEDIDAS DE TAMAÑO DE EFECTO
Hasta ahora hemos visto si el azar es capaz de
explicar las asociaciones observadas en nuestra
muestra, o si por el contrario las diferencias son lo
suficientemente grandes como para que podamos
Fig.  2: Supervivencia acumulada de Kaplan Meier.
concluir que no son debidas al azar. Como hemos
visto eso es lo que define el valor de la p. Sin embar-
go, ¿no nos aportaría más información el ser capaces
de cuantificar esas asociaciones? (ver capítulo 24).
Las medidas de tamaño de efecto nos van a permitir
no sólo saber si dos variables se asocian entre sí, sino
cuantificar esta asociación.
a)  Riesgo relativo
El riesgo relativo se define como el cociente de
la incidencia de un evento en el grupo de expuestos
a un factor entre la incidencia del evento en los no
expuestos al factor (es decir, el número de veces que
es más probable que la enfermedad se desarrolle en
el grupo expuesto con relación al sano): Imaginen el
siguiente ejemplo:
Enfermos Sanos TOTAL
Expuestos 30  70 100
No expuestos 10  90 100
TOTAL 40 160 200
En este caso, la incidencia en expuestos sería:
la incidencia en no expuestos sería:
23.  Estadística analítica
y el riesgo relativo sería:
Su interpretación es sencilla. El valor del riesgo
relativo nos dice cuánto más frecuente es el evento
en los expuestos frente a los no expuestos, de modo
que:
– Si RR > 1, el evento es más frecuente en los
expuestos
–  Si RR < 1, el evento es menos frecuente en los
expuestos
–  Si RR = 1, la probabilidad de presentar el even-
to es igual en expuestos y no expuestos
En nuestro ejemplo, el evento sería 3 veces más
frecuente en los expuestos que en los no expuestos.
Ahora bien, el valor que hemos obtenido es una es-
timación puntual y (como vimos en la estimación de
parámetros) debemos calcular también el intervalo de
confianza. Simplemente observando el intervalo de
confianza, podemos saber si la relación entre las dos
variables es suficientemente grande como para que el
azar no sea suficiente para explicarla, esto es, que sea
estadísticamente significativa. Si el intervalo de con-
fianza del 95% del RR incluye el valor 1, el azar po-
dría explicar la relación, por lo que la relación no es
estadísticamente significativa. Si inferior a 1, el evento
es menos frecuente en los expuestos y si es superior a
1, el evento es más frecuente en los expuestos.
Ejemplo 23.7
S e ha encontrado un RR de 24 (IC entre
17 y 26) de padecer cáncer de pulmón
en los fumadores de más de 20 cigarri-
llos al día con respecto a la población
general. La interpretación de estos datos
es que este tipo de fumadores tienen 24
veces más probabilidad de tener cáncer
de pulmón que la población normal. El
IC no contiene el 1, es muy superior, por
lo que la asociación es claramente signi-
ficativa.
El riesgo relativo es la mejor medida de efecto
para cuantificar relaciones entre variables cualita-
tivas. No obstante, para su cálculo es necesario po-
der calcular la incidencia de los eventos. Por tanto,
necesitamos estudios prospectivos (estudios observa-
cionales de cohortes, o bien estudios experimentales)
para poder calcularlo.
23.  Estadística analítica
b)  Odds ratio
La Odds Ratio (OR) es otra buena forma de cuan-
tificar el tamaño de la asociación entre un factor y
un evento (dos variables dicotómicas) cuando, por
el diseño del experimento, es imposible conocer
la incidencia (por ejemplo, en estudios de casos y
controles). En nuestro ejemplo, entre los pacientes
expuestos existen 30 enfermos por cada 70 sanos
(20/70). Entre los no expuestos, hay 10 enfermos por
cada 90 sanos (10/90). Por tanto, entre los expuestos
expuestos habrá
veces más enfermos que
entre los no expuestos.
A esta razón de enfermos:sanos entre los expues-
tos y no expuestos se le denomina Odds Ratio o, por
razones obvias, «razón de productos cruzados».
Cuanto más baja sea la incidencia, más se aproxi-
marán los valores de RR y OR. En epidemiología, se
considera que ambos valores son equivalentes cuan-
do las incidencias son inferiores al 10%. La interpre-
tación de los valores de la OR, y de sus intervalos de
confianza, es similar a los del RR.
4.  ANÁLISIS MULTIVARIANTE
La estadística que hemos visto hasta ahora nos
ayuda a entender cómo se comporta una variable (es-
tadística univariante) y cómo se relacionan entre sí
dos variables (estadística bivariante). Sin embargo, es
raro en la vida que una cosa dependa sólo de otra, y
con frecuencia nos hallamos ante redes de relaciones
difíciles de descifrar con estadística bivariante. Es aquí
donde el análisis multivariante tiene su papel, va a
permitirnos relacionar entre sí variables cuantitativas,
cualitativas o ambas de forma simultánea. Las técni-
cas multivariante van a permitirnos obtener la infor-
mación importante, separándola de lo accesorio.
Ejemplo 23.8
 esulta clínicamente relevante saber qué
R ción de la recta que mejor se adapte a nuestra nube
pacientes entre todos los hipertensos
oculares tienen más riesgo de desarrollar
185
glaucoma, a fin de tratarlos. Para ello rea-
lizamos un estudio multivariante de los
posibles factores de riesgo, a fin de saber
cuáles deberíamos tomar en cuenta, su
importancia relativa y cuáles son menos
relevantes. Entre estos factores de ries-
go tenemos tanto variables cuantitativas
(PIO) como cualitativas (antecedentes
familiares).
Los modelos multivariantes que aquí estudia-
remos (los más usados en medicina) se basan en el
modelo lineal generalizado. Se trata de una genera-
lización flexible de la regresión lineal simple de mí-
nimos cuadrados que hemos estudiado previamente
en estadística bivariante. Estas técnicas van a permi-
tirnos analizar de forma simultánea relaciones entre
variables, así como predecir el valor que tomará una
variable respuesta en función de una serie de varia-
bles predictoras. En general, el análisis multivariante
nos permite hacer aflorar la estructura subyacente de
nuestras distribuciones, y profundizar en las verda-
deras relaciones que existen entre las variables ob-
servando sus interacciones y eliminando relaciones
espurias de confusión.
a)  Regresión lineal múltiple
Como hemos visto previamente en el capítulo de
estadística bivariante, el objetivo del análisis de re-
gresión es estimar el valor que va a tomar una deter-
minada variable cuantitativa en función de otra. Sin
embargo, ¿no sería más precisa nuestra predicción
si contásemos con más variables predictoras? Si fué-
semos capaces de añadirlas a nuestro modelo, esta-
ríamos mejorando nuestra capacidad de predicción.
Además, estaríamos mejorando nuestra comprensión
de las relaciones entre cada una de las variables
predictoras y la variable respuesta, puesto que eli-
minamos los efectos de confusión e interacción que
puedan existir (1). Lo que hacemos al construir un
modelo de regresión lineal múltiple no es más que
aumentar las dimensiones de nuestra nube de pun-
tos. Si pasamos de 1 variable predictoras a 2 variables
predictoras, nuestra nube de puntos pasa de un plano
bidimensional a un espacio tridimensional Si en un
esfuerzo de abstracción añadimos una tercera varia-
ble predictora, pasaremos a estar buscando la ecua-
de puntos en un espacio tetra-dimensional. Podemos
seguir añadiendo variables predictoras hasta llegar
186
a un espacio n-dimensional, donde la ecuación de
nuestra recta sería:
Donde y es el valor que tomaría la variable res-
puesta; a es el término independiente (valor de y
cuando el valor de todas las variables predictoras es
0); ßi (para i desde 1 hasta n) es el coeficiente de re-
gresión de xi; y xi (para i desde 1 hasta n) es el valor
que toma cada una de las variables predictoras (6).
El cálculo de la ecuación de regresión es laborio-
so, y se realiza mediante métodos informatizados. El
coeficiente de determinación R2 es el índice propio
de cada modelo de regresión que nos permite medir
la calidad de ajuste o predicción lograda. Se inter-
preta de igual forma que en regresión lineal simple
(esto es, indica la proporción de la variación de la
variable respuesta que es atribuible a los factores pre-
dictores), y permite comparar entre sí distintos mode-
los de regresión.
b)  Regresión logística
Vamos a hablar ahora de la técnica multivariante
más usada en medicina. Las posibles razones de esto
son:
– Utilidad para predecir variables dicotómicas
(estar o no enfermo).
– Permite incluir como predictores variables
cuantitativas (Gaussianas o no) y cualitativas (7).
– Permite el cálculo de Odds Ratios «controla-
das» por el resto de variables
En este caso, ya no hablamos de una ecuación li-
neal. Una vez tenemos el modelo, podemos calcular
la probabilidad que tiene cada individuo de presen-
tar la variable respuesta, en función de las variables
predictoras. La calidad de la predicción del modelo
puede medirse usando una curva de características
operativas de receptor (curva ROC), que enfrenta la
sensibilidad contra la especificidad del modelo pro-
bado en los mismos individuos con los que ha sido
construido. El área bajo esa curva es el índice que re-
sume la capacidad de predicción de la ecuación, y se
conoce como índice C (fig. 2). Un modelo que siem-
pre acertase tendría un índice C de 1 (clasificaría bien
al 100% de los individuos), mientras que un modelo
que clasificase a los individuos al azar tendría un ín-
dice C de 0,5 (acertaría en un 50% de los individuos).
Elección de variables independientes en regresión
multivariante: El primer paso a la hora de construir un
modelo de regresión multivariante es elegir qué va-
View publication stats
23.  Estadística analítica
riables pueden tener importancia sobre el valor de la
variable resultado (por ejemplo, si queremos conocer
los factores de riesgo de progresión de un glaucoma
pensaremos en el valor de la PIO, en la edad, en los
antecedentes familiares, paquimetría, etc.). Una vez
decidido cuáles pueden ser interesantes, se trata de
seleccionar aquellas que tengan mayor relación con
la variable resultado, buscando el modelo más simple
(con menor número de variables) que mantenga una
capacidad explicativa y predictiva. Con el objetivo de
ayudarnos en esta decisión, los diferentes programas
informáticos incorporan métodos de incorporación
progresiva (forward) o de eliminación progresiva (bac-
kward). Los métodos forward comienzan introducien-
do en el modelo la variable con mayor correlación con
la respuesta, y luego siguen con aquellas que mejor
mejoran el modelo (mayor aumento de R2). El proce-
so acaba cuando la mejoría del modelo producida al
incluir la siguiente variable no mejora la función pre-
dictora del modelo de forma significativa. Los métodos
backward parten de un modelo que incluye todas las
variables, y van excluyendo de una en una a las peores
hasta que la capacidad predictora del modelo dismi-
nuye de forma significativa. Los métodos paso a paso
(stepwise) son una mejora sobre los anteriores. Estos
métodos evalúan las variables incluidas en el modelo
cada vez que una nueva variable entra, de modo que
pueden excluir variables que dejen de aportar informa-
ción una vez que la nueva variable entra en el modelo.
BIBLIOGRAFÍA
 1. Devore JL. Probabilidad y estadística para ingenieros y
ciencias. Editorial: Cenpage Learning Editores S.A. de C.V.;
2008 pag 10-31.
  2. Pardell H, Cobo E, Canela J. Manual de bioestadística. Edi-
torial MASSON SA Barcelona 1986. pag: 11-14.
  3. Milton JS, Tsokos JO. Estadística para biología y ciencias
de la salud. INTERAMERICANA-MCgraw-hill, Madrid
1989, pag: 103-131.
  4. Martel PJ, Diez Vega FJ. Probabilidad y estadística en me-
dicina. Ed Díaz de Santos, Madrid 1997 pag: 308-313, 95.
 5. Cohen J. Statistical Power Analysis for the Behavioral
Sciences (second ed.). Lawrence Erlbaum Associates 1988.
 6. Marill KA. Advanced statistics: linear regression, part II:
multiple linear regression. AcadEmerg Med 2004; 11: 94-
102.
  7. Worster A, Fan J, Ismaila A. Understanding linear and lo-
gistic regression analyses. CJEM 2007; 9(2): 111-3.
  8. Ahmed FE, Vos PW, Holbert D. Modeling survival in colon
cancer: a methodological review. Molecular cancer 2007;
6: 15.
  9. Klein JP, Rizzo JD, Zhang MJ, Keiding N. Statistical methods
for the analysis and presentation of the results of bone ma-
rrow transplants. Part 2: regression modeling. Bone ma-
rrow transplantation 2001; 28: 1001-11.