Epidemiología Clínica Dr. Cristian Díaz Vélez                      Escuela de Medicina-USAT
Cristian Díaz Vélez   2
   Recuerdo de estadística   Intervalo de confianza   Inferencia estadística                   Cristian Díaz Vélez   3
Cristian Díaz Vélez   4
La estimación tiene como finalidad aproximarse  al conocimiento de ciertas características de la  población: los parámetro...
La Función Normal estándar tiene  (media)=0 y (desviación estándar) =1Esto significa que entre -1.96 y 1.96, se tiene al...
Cristian Díaz Vélez   7
   Es el procedimiento que permite llegar a    conclusiones acerca de una población a partir    de la información que se ...
Cristian Díaz Vélez   9
Estimación puntual: Es un solo valor numérico  utilizado   para    estimar    el parámetro  correspondiente de la població...
   Se desea conocer los niveles de glicemia de los    habitantes de un pueblo   Se tomo una muestra de sangre de cada   ...
Estimación puntual:Nivel de glicemia                                   La glicemia promedio de        70                  ...
   Es el intervalo que contiene con determinada    confianza al valor del parámetro poblacional,    que se desea estimar....
Cristian Díaz Vélez   14
Cristian Díaz Vélez   15
Se sospecha que el Valor del Sodio sérico de los  pacientes con Tuberculosis Miliar es diferente de  la población general...
Los pasos solo son referenciales         No absolutos            Cristian Díaz Vélez    17
   1.- Establecer la Hipótesis (H0 y H1)   2.- Elección de la prueba estadística   3.- Nivel de significación   4.- Ap...
Cristian Díaz Vélez   19
Las hipótesis estadísticas son expresadas como  relación entre variablesTradicionalmente se denomina: Hipótesis Nula (H0)...
Ante la sospecha que el Valor del Sodio sérico de    los pacientes con Tuberculosis Miliar es diferente    de la población...
Eficacia y seguridad del Tramadol          subcutáneo vsendovenoso en el manejo del dolor      agudo post operatorio  en p...
Contraste Unilateral                       La Eficacia y seguridad del Tramadol subcutáneo es igual al                    ...
Supongamos que en estudio se obtuvo t = 0,03Entonces es 3%, como se uso nivel de significancia 95% (p<0,05)Vemos que el 3%...
   Cuanto más grande sea la diferencia entre las    dos variables, más fácil es demostrar que la    diferencia es signifi...
Cristian Díaz Vélez   26
   Existen más de 300 pruebas estadísticas básicas.   Hay dos clases de pruebas estadísticas: Las    paramétricas y las ...
   Los valores de la variable dependiente sigan la    distribución de la curva normal. La muestra en la que    se hizo la...
   Las pruebas estadísticas no paramétricas, en    cambio, no hacen a los datos ninguna de las    exigencias que les hace...
   Tipo:    Categórica/cualitativa    Numérica/cuantitativa   Escala:    Categórica/cualitativa Nominal                 ...
   Categóricas nominales                 Dicotómicas                                          Nominales ppd   Categórica...
Variable Dependiente         Variable                       Prueba                          IndependienteDicotómica       ...
Identificar una variable dependiente      Ninguna V. ind.                 Una V. ind.                        Más de una V....
1                V. Dependiente                   ContinuaInterés en la                             Interés en la  posició...
2                      Var. Depend.                        Ordinal   Interés en la                              Interés en...
3                           V. Dependiente                               nominal                            Interés en la ...
4              V. Dependiente                 Continua   No          Interés en la             Si                 posición...
5               Var. Depend.                 Ordinal Var. Indep.                              Var. Indep  Nominal         ...
6                       Var. Depend.                         Nominal       Var. Indep.                            Var. Ind...
7                                 Var. Depend.                                   Ordinal       Var. Indep.                ...
8                 V. Dependiente                     ordinal                  Var. Indep                   Nominal    Dato...
9                                     Var. Depend.                                       Nominal         Var. Indep.      ...
Cristian Díaz Vélez   43
Cristian Díaz Vélez   44
Los valores críticos de los errores en los estudios   del área biomédica:     Alfa () menor al 5%     Beta () menor al 2...
2.5%                                        2.5%    No                                          No esperada               ...
   La confianza es de 95%, el error alfa se fija a lo    mas en 5%.   De modo similar se fija la potencia del estudio   ...
La probabilidad de rechazar la hipótesis nulacuando en realidad es verdadera y es la “p”,por lo es un riesgo que asume el ...
   Disponer de una teoría que guíe la investigación,    evitando el "salir de pesca" con el ordenador buscando    asociac...
   Incrementar el tamaño de la muestra.   Estimar el poder estadístico del estudio.   Incrementar el valor de “p”.   U...
Cristian Díaz Vélez   51
Cristian Díaz Vélez   52
   El término "estadísticamente significativo"    invade la literatura médica y se percibe como    una etiqueta que indic...
   La significancia estadística viene dada por el    nivel de Significancia (nivel de seguridad) que    nos trazamos inic...
Cristian Díaz Vélez   55
   Disponemos de 2 tratamientos (A y B). El      tratamiento A lo reciben 25 pacientes y el      tratamiento B otros 25 p...
t : 0,20 Si ahora la muestra es de 900 pacientes por grupo, se tiene que: t : 0,043Por lo tanto los valores de la "p“ o “t...
Cristian Díaz Vélez   58
   Poder estadístico o potencia estadística.   Es el complemento del error tipo II (1-β).   Es la probabilidad de recha...
   El tamaño del efecto a detectar:    > tamaño del efecto relevancia clínica.    > probabilidad hallazgos significativos...
   El tamaño de la muestra:    > muestra    > potencia estadística.   El nivel de significación estadística.        valo...
Cristian Díaz Vélez   62
Cristian Díaz Vélez   63
Cristian Díaz Vélez   64
   Para EVALUAR las hipótesis establecidas se    debe realizar un estudio.   Se toma una muestra de 25 pacientes con    ...
x z                                          n  Cristian Díaz Vélez       66
   Con los valores obtenidos, se calcula el    estadístico de prueba   Se trata de evaluar cuanto se asemejan los    dat...
Si se tomó una muestra de 25 individuosSe sabe que en la población el sodio tiene   una tipo Normal con  = 140 meq/l, y ...
x z                        n                     El valor de la prueba                                  para este ejer...
Cristian Díaz Vélez   70
   El valor p , es la probabilidad de que por azar    obtengamos un resultado como el tenemos en    frente o mas extremo,...
La probabilidad deobtener -4 o aunmenos por Azar:0.0001       -4                     Cristian Díaz Vélez   72
Cristian Díaz Vélez   73
   Luego de obtener los resultados se puede    calcular el p, que es la probabilidad de un    resultado tanto o mas extre...
  Se tomo una muestra de 25 individuos con   tuberculosis miliar El promedio de Sodio de la muestra resultó en   138 meq...
Cristian Díaz Vélez   76
   Ocurrió que el valor de Z es -4, lo que    corresponde a un valor de p = 0.0001   Dado que ese valor es menor que el ...
Relevancia clínica      Cristian Díaz Vélez   78
   La relevancia clínica de un fenómeno va más    allá de cálculos aritméticos y está determinada    por el juicio clínic...
    Reducciones del riesgo relativo de 50% casi       siempre y de 25% con frecuencia, son       consideradas como clínic...
    La forma recomendada de presentar los     resultados de un ensayo clínico aleatorizado y     otros tipos de estudio d...
   El riesgo relativo, que es el cociente entre los    expuestos al nuevo tratamiento o actividad    preventiva y los no ...
Próxima SlideShare
Cargando en…5
×

Clase 02. parametros y estadistica en epidemiologia

4.709 visualizaciones

Publicado el

1 comentario
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
4.709
En SlideShare
0
De insertados
0
Número de insertados
3
Acciones
Compartido
0
Descargas
271
Comentarios
1
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Clase 02. parametros y estadistica en epidemiologia

  1. 1. Epidemiología Clínica Dr. Cristian Díaz Vélez Escuela de Medicina-USAT
  2. 2. Cristian Díaz Vélez 2
  3. 3.  Recuerdo de estadística Intervalo de confianza Inferencia estadística Cristian Díaz Vélez 3
  4. 4. Cristian Díaz Vélez 4
  5. 5. La estimación tiene como finalidad aproximarse al conocimiento de ciertas características de la población: los parámetros.Un parámetro es un número que resume alguna característica de la población, usualmente designado con letras griegas: :media, :desviación estándar, : proporciónLos parámetros se estiman a partir de las muestras por medio de las estadísticas, éstas son cálculos en base a los datos provenientes de la muestra. Cristian Díaz Vélez 5
  6. 6. La Función Normal estándar tiene (media)=0 y (desviación estándar) =1Esto significa que entre -1.96 y 1.96, se tiene al95 % de la distribución normal estándar Cristian Díaz Vélez 6
  7. 7. Cristian Díaz Vélez 7
  8. 8.  Es el procedimiento que permite llegar a conclusiones acerca de una población a partir de la información que se obtiene de una muestra seleccionada de esa población. Se puede inferir a cerca de : Parámetros poblacionales Relaciones entre variables Predicción de resultados Cristian Díaz Vélez 8
  9. 9. Cristian Díaz Vélez 9
  10. 10. Estimación puntual: Es un solo valor numérico utilizado para estimar el parámetro correspondiente de la población.Estimación por intervalos : Consta de dos valores numéricos que definen un intervalo que, con un grado específico de confianza, incluye al parámetro por estimar. Cristian Díaz Vélez 10
  11. 11.  Se desea conocer los niveles de glicemia de los habitantes de un pueblo Se tomo una muestra de sangre de cada habitante del pueblo Se calcula el promedio y la desviación estándar Cristian Díaz Vélez 11
  12. 12. Estimación puntual:Nivel de glicemia La glicemia promedio de 70 la población es 100 mg/dl 80 90 100 μ =100 110 75 Estimación de intervalo: 85 95 195 σ = 35.6 El IC es igual a μ ± Z(σ /√n) 100 El IC: 100 ± 1.96 (35.6/ √100) : (93 , 107) Con una confianza de 95% el verdadero valor de la glicemia promedio de los habitantes se halla entre 93 a 107 mg/dl. Cristian Díaz Vélez 12
  13. 13.  Es el intervalo que contiene con determinada confianza al valor del parámetro poblacional, que se desea estimar. X - (Z(σ /√n) X X + (Z(σ /√n) Cristian Díaz Vélez 13
  14. 14. Cristian Díaz Vélez 14
  15. 15. Cristian Díaz Vélez 15
  16. 16. Se sospecha que el Valor del Sodio sérico de los pacientes con Tuberculosis Miliar es diferente de la población general Se sustenta esta suposición en la observación de 3 pacientes que tienen la concentración de sodio sérico menos de 140 meq/l. El valor promedio observado de los tres pacientes fue 137.5 meq/l. Cristian Díaz Vélez 16
  17. 17. Los pasos solo son referenciales No absolutos Cristian Díaz Vélez 17
  18. 18.  1.- Establecer la Hipótesis (H0 y H1) 2.- Elección de la prueba estadística 3.- Nivel de significación 4.- Aplicación de la prueba 5.- Valor P 6.- La decisión Cristian Díaz Vélez 18
  19. 19. Cristian Díaz Vélez 19
  20. 20. Las hipótesis estadísticas son expresadas como relación entre variablesTradicionalmente se denomina: Hipótesis Nula (H0), aquella que expresa que no hay diferencia Hipótesis Alterna (H1), aquella que expresa que hay diferencia o asociación entre variables Cristian Díaz Vélez 20
  21. 21. Ante la sospecha que el Valor del Sodio sérico de los pacientes con Tuberculosis Miliar es diferente de la población general. La hipótesis a evaluar : H0: El nivel del sodio sérico en pacientes con tuberculosis miliar no difiere de la población general. H1: El nivel del sodio sérico en pacientes con tuberculosis miliar difiere de la población general. Cristian Díaz Vélez 21
  22. 22. Eficacia y seguridad del Tramadol subcutáneo vsendovenoso en el manejo del dolor agudo post operatorio en pacientes traumatológicos Cristian Díaz Vélez 22
  23. 23. Contraste Unilateral La Eficacia y seguridad del Tramadol subcutáneo es igual al endovenoso en el manejo del dolor agudo post operatorio en pacientes traumatológicos La Eficacia y seguridad del Tramadol subcutáneo es mayor al endovenoso en el manejo del dolor agudo post operatorio en pacientes traumatológicosContraste Bilateral La Eficacia y seguridad del Tramadol subcutáneo es igual al endovenoso en el manejo del dolor agudo post operatorio en pacientes traumatológicos La Eficacia y seguridad del Tramadol subcutáneo son diferentes al endovenoso en el manejo del dolor agudo post operatorio en pacientes traumatológicos Nivel de significancia: 95% Cristian Díaz Vélez 23
  24. 24. Supongamos que en estudio se obtuvo t = 0,03Entonces es 3%, como se uso nivel de significancia 95% (p<0,05)Vemos que el 3% (1,5% a cada lado de la cola) es menor de 5% y estaríaen el área sombreadaConclusión: Se rechaza la hipótesis nula, por lo tanto se acepta la hipótesis alterna Cristian Díaz Vélez 24
  25. 25.  Cuanto más grande sea la diferencia entre las dos variables, más fácil es demostrar que la diferencia es significativa. Cuanto más grande es el tamaño muestral más fácil es detectar diferencias entre los grupos. Cristian Díaz Vélez 25
  26. 26. Cristian Díaz Vélez 26
  27. 27.  Existen más de 300 pruebas estadísticas básicas. Hay dos clases de pruebas estadísticas: Las paramétricas y las no paramétricas. Cristian Díaz Vélez 27
  28. 28.  Los valores de la variable dependiente sigan la distribución de la curva normal. La muestra en la que se hizo la investigación. Las varianzas de los grupos que se comparan en una variable dependiente sean aproximadamente iguales (homogeneidad de las varianzas). La variable dependiente esté medida en una escala que sea por lo menos de intervalo, aunque este último requisito no es compartido por todos los estadísticos. Cuando los datos cumplen con los requisitos indicados, especialmente con los dos primeros, las pruebas estadísticas paramétricas exhiben su máximo poder. Cristian Díaz Vélez 28
  29. 29.  Las pruebas estadísticas no paramétricas, en cambio, no hacen a los datos ninguna de las exigencias que les hacen las pruebas estadísticas paramétricas; por eso se les denomina "pruebas estadísticas libres de distribución". Todas estas pruebas poseen menos poder que las pruebas paramétricas correspondientes, pero han demostrado ser muy útiles como alternativas cuando no se considera apropiado el uso de pruebas paramétricas. Cristian Díaz Vélez 29
  30. 30.  Tipo: Categórica/cualitativa Numérica/cuantitativa Escala: Categórica/cualitativa Nominal Ordinal Numérica/cuantitativa Razón Intervalo Cristian Díaz Vélez 30
  31. 31.  Categóricas nominales Dicotómicas Nominales ppd Categóricas ordinales Ordinales Numéricas proporción Numéricas intervalo Cuantitativas Cristian Díaz Vélez 31
  32. 32. Variable Dependiente Variable Prueba IndependienteDicotómica Dicotómica z, Chi-2, FisherDicotómica Nominal z, Chi-2, Metha-PatelDicotómica Ordinal Mann-Whitney / WilcoxonDicotómica Cuantitativa Regresión LogísticaNominal Dicotómica z, Chi-2, Metha-PatelNominal Cuantitativa Regresión DiscriminanteOrdinal Nominal Kruskal-WallisOrdinal Cuantitativa Regresión Odds ProporcionalCuantitativa Dicotómica t de StudentCuantitativa Nominal ANOVACuantitativa Cuantitativa Regresión Lineal, Cristian Díaz Vélez correlaciones 32
  33. 33. Identificar una variable dependiente Ninguna V. ind. Una V. ind. Más de una V. ind. V. Dep. V. Dep. V. Dep. V. Dep. V. Dep. V. Dep. V. Dep. V. Dep. V. Dep.Continua Ordinal Nominal Continua Ordinal Nominal Continua Ordinal Nominal 1 2 3 4 5 6 7 8 9 Para fines estadísticos una variable nominal solo se refiere a dos categorías de una Característica. Si la característica tiene K categorías, se necesitan K-1 variables. Cristian Díaz Vélez 33
  34. 34. 1 V. Dependiente ContinuaInterés en la Interés en la posición dispersión Media Varianza, DS Coef. Variación T student Chi2 T student Cristian Díaz Vélez 34
  35. 35. 2 Var. Depend. Ordinal Interés en la Interés en la posición dispersión Mediana AmplitudPrueba de Willcoxon intercuartilica Cristian Díaz Vélez 35
  36. 36. 3 V. Dependiente nominal Interés en la Si posición No Proporción TasaDesenlace Desenlace Aprox. Normal común raro PoissonBinomial Poisson Cristian Díaz Vélez 36
  37. 37. 4 V. Dependiente Continua No Interés en la Si posiciónDif. Medias T student Var. Indep Var. Indep intencionada aleatoria Regresión lineal Análisis Correlación T student T student Prueba F Z de Fisher Cristian Díaz Vélez 37
  38. 38. 5 Var. Depend. Ordinal Var. Indep. Var. Indep Nominal Ordinal Mediana Coef. CorrelaciónMann-Whitney Prueba Sperman Cristian Díaz Vélez 38
  39. 39. 6 Var. Depend. Nominal Var. Indep. Var. Indep. Nominal Ordinal o continua Datos Datos Chi2 paraapareados Indep. tendenciaP. McNemar Dif. Medias Chi2 Test Fisher Cristian Díaz Vélez 39
  40. 40. 7 Var. Depend. Ordinal Var. Indep. Var. Indep. Var. Indep Nominal continua Continua o nominal Var. Indep Var. Indep Var. Indep Var. Indep Datos Datos intencionada aleatoria intencionada aleatoriaapareados Indep. ANOVA ANOVA Análisis Análisis Análisis AnálisisFactorial Medidas Regresión Correlación Covarianza Correlaciónde una via repetidas múltiple múltiple (ANCOVA) múltiple Prueba F Prueba F Prueba F Prueba F Prueba F Prueba F Student Student F parcial F parcial F parcial F parcial Cristian Díaz Vélez 40
  41. 41. 8 V. Dependiente ordinal Var. Indep Nominal Datos Datos Indep. pareados Prueba Prueba FriedmanKruskal-Wallis Cristian Díaz Vélez 41
  42. 42. 9 Var. Depend. Nominal Var. Indep. Var. Indep Nominal Continua o nominal Dependiente No dependiente Del tiempo Del tiempo. Dependiente No dependiente Del tiempo Del tiempo. Análisis de Análisis Regresión Regresión AnálisisTablas de vida estratificado De Cox logística discriminante Log-rank Mantel-Haenszel Razón de Razón de Razón de chi2 Máxima Máxima Máxima probabilidad probabilidad probabilidad Cristian Díaz Vélez 42
  43. 43. Cristian Díaz Vélez 43
  44. 44. Cristian Díaz Vélez 44
  45. 45. Los valores críticos de los errores en los estudios del área biomédica: Alfa () menor al 5% Beta () menor al 20%La confianza en 95% o masLa Potencia 80% o mas.El tamaño de la muestra influye Cristian Díaz Vélez 45
  46. 46. 2.5% 2.5% No No esperada esperada Población EsperadaR. Rechazo Región de no rechazo R. Rechazo Cristian Díaz Vélez 46
  47. 47.  La confianza es de 95%, el error alfa se fija a lo mas en 5%. De modo similar se fija la potencia del estudio en 80%, por tal el error beta es a lo mas 20%. Cristian Díaz Vélez 47
  48. 48. La probabilidad de rechazar la hipótesis nulacuando en realidad es verdadera y es la “p”,por lo es un riesgo que asume el investigadorde equivocarse al rechazar la hipótesis nula,cuando en realidad es cierta. Este riesgo seestablece normalmente en 0.05 ó 0.01Por lo tanto “p” no es un indicador de fuerzade la asociación ni de su importancia, sinouna probabilidad. El error de tipo II consiste en aceptar la hipótesis nula cuando es falsa y esto se conoce como el error de tipo II o Beta (β ).Cristian Díaz Vélez 48
  49. 49.  Disponer de una teoría que guíe la investigación, evitando el "salir de pesca" con el ordenador buscando asociaciones entre variables. Disminuir el número de test estadísticos llevados a cabo en el estudio. Depurar la base de datos para evitar errores de valores extremos que puedan producir hallazgos significativos. Utilizar valores de “p” más reducidos (0.01 ó 0.001). Reproducir el estudio. Si al reproducir el estudio se obtienen resultados similares, estaremos más seguros de no estar cometiendo el error de tipo I. Cristian Díaz Vélez 49
  50. 50.  Incrementar el tamaño de la muestra. Estimar el poder estadístico del estudio. Incrementar el valor de “p”. Utilizar test paramétricos (más potentes) en lugar de test no paramétricos. Cristian Díaz Vélez 50
  51. 51. Cristian Díaz Vélez 51
  52. 52. Cristian Díaz Vélez 52
  53. 53.  El término "estadísticamente significativo" invade la literatura médica y se percibe como una etiqueta que indicase "garantía de calidad". Los test de hipótesis son test de significación estadística. Cristian Díaz Vélez 53
  54. 54.  La significancia estadística viene dada por el nivel de Significancia (nivel de seguridad) que nos trazamos inicialmente. - Una seguridad del 95% lleva implícito una p < de 0.05 - Y una seguridad del 99% lleva implícita una p < 0.01. En conclusión: cuanto más estadísticamente significativo sea, es menos probable de cometer el error tipo I. Al el error tipo I el error tipo II Cristian Díaz Vélez 54
  55. 55. Cristian Díaz Vélez 55
  56. 56.  Disponemos de 2 tratamientos (A y B). El tratamiento A lo reciben 25 pacientes y el tratamiento B otros 25 pacientes. 15 pacientes responden favorablemente al tratamiento A y 20 al tratamiento B. ¿Existe diferencia significativa entre ambos tratamientos? Ho (hipótesis nula) = No hay diferencia entre ambos tratamientos. Ha (hipótesis alternativa) = Sí existe diferencia entre ambos tratamientos.Nivel de significancia: 95% Cristian Díaz Vélez 56
  57. 57. t : 0,20 Si ahora la muestra es de 900 pacientes por grupo, se tiene que: t : 0,043Por lo tanto los valores de la "p“ o “t” deben ser considerados solo como una guíay no como base de conclusiones definitivas e irrevocables. Cristian Díaz Vélez 57
  58. 58. Cristian Díaz Vélez 58
  59. 59.  Poder estadístico o potencia estadística. Es el complemento del error tipo II (1-β). Es la probabilidad de rechazar la hipótesis nula cuando es realmente falsa. Representa la capacidad de un test para detectar como estadísticamente significativas diferencias o asociaciones de una magnitud determinada. Cristian Díaz Vélez 59
  60. 60.  El tamaño del efecto a detectar: > tamaño del efecto relevancia clínica. > probabilidad hallazgos significativos > poder estadístico. Variabilidad: > variabilidad < probabilidad obtener diferencias < poder estadístico. Cristian Díaz Vélez 60
  61. 61.  El tamaño de la muestra: > muestra > potencia estadística. El nivel de significación estadística. valor α poder estadístico Es decir, si disminuimos la probabilidad de cometer un error de tipo I aumentamos simultáneamente la probabilidad de un error de tipo II, por lo que se trata de encontrar un punto de “equilibrio” entre ambas. Generalmente, se suele trabajar con un poder en torno al 80% o al 90%. Cristian Díaz Vélez 61
  62. 62. Cristian Díaz Vélez 62
  63. 63. Cristian Díaz Vélez 63
  64. 64. Cristian Díaz Vélez 64
  65. 65.  Para EVALUAR las hipótesis establecidas se debe realizar un estudio. Se toma una muestra de 25 pacientes con tuberculosis miliar y se realizará el dosaje de Na+ sérico. Entonces se comparará una muestra contra una población con parámetros conocidos Cristian Díaz Vélez 65
  66. 66. x z   n Cristian Díaz Vélez 66
  67. 67.  Con los valores obtenidos, se calcula el estadístico de prueba Se trata de evaluar cuanto se asemejan los datos a lo que teóricamente sería la distribución si la hipótesis nula es verdadera Cristian Díaz Vélez 67
  68. 68. Si se tomó una muestra de 25 individuosSe sabe que en la población el sodio tiene una tipo Normal con  = 140 meq/l, y  = 2.5 meq/l.¿ Como sería el cálculo de la prueba Z ? Cristian Díaz Vélez 68
  69. 69. x z   n El valor de la prueba para este ejercicio es 138 - 140 Z = -4Z = --------------- 2.5/ √25Z =-4 Cristian Díaz Vélez 69
  70. 70. Cristian Díaz Vélez 70
  71. 71.  El valor p , es la probabilidad de que por azar obtengamos un resultado como el tenemos en frente o mas extremo, asumiendo que no hay diferencia entre la población y la muestra estudiada. Cristian Díaz Vélez 71
  72. 72. La probabilidad deobtener -4 o aunmenos por Azar:0.0001 -4 Cristian Díaz Vélez 72
  73. 73. Cristian Díaz Vélez 73
  74. 74.  Luego de obtener los resultados se puede calcular el p, que es la probabilidad de un resultado tanto o mas extremo que el que hemos encontrado a base de nuestros datos. Usualmente si cae en la región de rechazo o si p es menor que  se rechaza H0 Cristian Díaz Vélez 74
  75. 75.  Se tomo una muestra de 25 individuos con tuberculosis miliar El promedio de Sodio de la muestra resultó en 138 meq/l ¿ 138 es diferente al de la población ? Tenemos que establecer un criterio para decidir si 138 es un valor esperado de la población general o no.¿ Cuales son los valores esperados ? Cristian Díaz Vélez 75
  76. 76. Cristian Díaz Vélez 76
  77. 77.  Ocurrió que el valor de Z es -4, lo que corresponde a un valor de p = 0.0001 Dado que ese valor es menor que el valor alfa prefijado. Se rechaza la hipótesis nula. Cristian Díaz Vélez 77
  78. 78. Relevancia clínica Cristian Díaz Vélez 78
  79. 79.  La relevancia clínica de un fenómeno va más allá de cálculos aritméticos y está determinada por el juicio clínico. La relevancia depende: magnitud de la diferencia, la gravedad del problema a investigar, morbimortalidad generada por el mismo, su coste y por su frecuencia entre otros elementos. Cristian Díaz Vélez 79
  80. 80.  Reducciones del riesgo relativo de 50% casi siempre y de 25% con frecuencia, son consideradas como clínicamente relevantes independientemente de la significación estadística.  Ideal: Sea relevante, estadísticamente significativo y validez externa.  La práctica de la medicina basada en la evidencia considera el ensayo clínico aleatorizado como el estándar para valorar la eficacia de las tecnologías sanitarias.Sackett DL, Haynes RB , Guyatt GH, Tugwell P. Epidemiología clínica. medicina clínica, 2ª ed. Madrid:Editorial Médica Panamericana; 1994. Cristian Díaz Vélez 80
  81. 81.  La forma recomendada de presentar los resultados de un ensayo clínico aleatorizado y otros tipos de estudio debe incluir : La reducción relativa del riesgo (RRR) La reducción absoluta del riesgo (RAR) El número necesario de pacientes a tratar para reducir un evento (una muerte, una enfermedad, etc) (NNT).Sackett DL, Richarson WS, Rosenberg W, Hynes RB. Evidence-based medicine: how to practice andteach EBM. 2nd ed. London: Churchill-livingstone; 2000. Cristian Díaz Vélez 81
  82. 82.  El riesgo relativo, que es el cociente entre los expuestos al nuevo tratamiento o actividad preventiva y los no expuestos, es en este caso. La RRR es el complemento del RR (1-RR) La reducción absoluta del riesgo (RAR) es la resta de las rptas. a los tratamientos. Cristian Díaz Vélez 82

×