Upload
genoveva-monje
View
213
Download
0
Embed Size (px)
Citation preview
La red GRAAL: La red GRAAL:
Un enfoque actualizado en Un enfoque actualizado en
metodología cuantitativametodología cuantitativa
Barcelona UPF 2010Barcelona UPF 2010
Miguel MartínMiguel Martín
La aproximación cuantitativa La aproximación cuantitativa a los problemas de saluda los problemas de salud
► La variabilidad de estados de salud puede La variabilidad de estados de salud puede cuantificarse.cuantificarse.
► La detección de grupos de riesgo se traduce La detección de grupos de riesgo se traduce en un cálculo de probabilidades. en un cálculo de probabilidades.
► Hay que tener conocimientos claros de Hay que tener conocimientos claros de bioestadística.bioestadística.
► La tecnología actual permite “aparcar” La tecnología actual permite “aparcar” métodos aproximados.métodos aproximados.
BIOESTADÍSTICABIOESTADÍSTICACONCEPTOS BÁSICOS CLÁSICOS: LOS ORÍGENESCONCEPTOS BÁSICOS CLÁSICOS: LOS ORÍGENES
► En Ciencias Físicas Experimentales:En Ciencias Físicas Experimentales: Experimentos Experimentos positivistaspositivistas
Objetivo: determinarObjetivo: determinar ExactitudExactitud Variabilidad (Error)Variabilidad (Error) (atribuible al aparato de medida)(atribuible al aparato de medida) Precisión Precisión
Media…Media… Error estándar…Error estándar… Exactitud… Precisión…Frente a un patrón Exactitud… Precisión…Frente a un patrón
Tamaño muestralTamaño muestral
BIOESTADÍSTICABIOESTADÍSTICACONCEPTOS BÁSICOSCONCEPTOS BÁSICOS
► En Ciencias Biológicas y de la Salud:En Ciencias Biológicas y de la Salud:
Error medidaError medida Variabilidad Variabilidad AleatoriaAleatoria AtribuibleAtribuible
V.Atribuible V.Atribuible >> >> V.Aleatoria V.Aleatoria >> >> Error medidaError medida (posible) (permanente) (controlable)(posible) (permanente) (controlable)
V. ExperimentalV. Experimental V. AleatoriaV. Aleatoria ??????
Tipos de variablesTipos de variables
Categóricas
NominalesNominales
OrdinalesOrdinales
ConteoConteo (discretas)
Continuas
Frecuencia
Frecuencia
Presencia
Ocurrencia
No consideran el tiempo
Obligan a determinar el tiempo
Aplicación escala
Cualitativas
Cuantitativas
PROYECTO MONICAPROYECTO MONICAhttp://www.who.int/cardiovascular_diseases/resources/publications/en/http://www.who.int/cardiovascular_diseases/resources/publications/en/
index.htmlindex.html
Variables presencia: Prevalencia.
Binomial
Multinomial
Nº veces que se produce un fenómeno categórico (una variable categórica) de sólo 2 categorías en una muestra N.
Los fenómenos con frecuencia tienen >2 situaciones.
Ej: Probabilidad de que en una muestra de N=920 individuos, x sean mujeres si la probabilidad de ser mujer es p=0.3 y, por lo tanto, la de ser hombre es 1-p=0.7.
La probabilidad de que 250 sean mujeres es 0,005
Ej: Probabilidad de que en una muestra de N=920 individuos, x1 sean <18 años, x2 18-50 años y x3 >50 años, siendo p1=0.3, p2=0.5 y p3=0.2.
P(260, 480,180) = 0,0004
1
1 1 111
!( ,..., / ,..., / ) ... , 1
!... !k
kx x
k k k iik
NM x x p p N p p p
x x
Variables presencia
Sucesos observados:
Independientes (sin contagio)
Homogeneidad entre los individuos (sin predisposición)
Si no: Análisis Multivariante+
OR
Antes de buscar modelos… describir la varianzaAntes de buscar modelos… describir la varianza
Variables ocurrencia
Probabilidad de observar x sucesos de una característica determinada en una población en la que en promedio se observan en un tiempo determinado.
( , )!
x
P x ex
f (Nº personas, tiempo de estudio)
º
N veces fenomenoPoisson
Personas tiempo
Análisis Multivariante+
RR
Poisson1781 - 1840
Jacob Bernouilli 1654-1705
Padres “involuntarios” de los fenómenos incidencia y prevalencia
¿Entendemos que quiere ¿Entendemos que quiere decir probabilidad?decir probabilidad?
► 0 < p < 1.0 < p < 1.
► ¿Por qué a veces valoramos p = 0.05 como ¿Por qué a veces valoramos p = 0.05 como valor muy pequeño y otras al contrario?.valor muy pequeño y otras al contrario?.
► ¿Nos fijamos en las posibilidades o sólo en las ¿Nos fijamos en las posibilidades o sólo en las probabilidades?probabilidades?
Colocar 4 personas en cuatro habitaciones es Colocar 4 personas en cuatro habitaciones es un problema de 256 situaciones diferentes.un problema de 256 situaciones diferentes.
► AA B B CC DD AA BB CC D D A A B B CC D D AA BB CC DD 4,0,0,0 1 0,4,0,0 1 0,0,4,0 1 0,0,0,4 1 4,0,0,0 1 0,4,0,0 1 0,0,4,0 1 0,0,0,4 1 3,1,0,0 4 3,0,1,0 4 3,0,0,1 4 0,3,1,0 43,1,0,0 4 3,0,1,0 4 3,0,0,1 4 0,3,1,0 4 0,3,0,1 4 1,3,0,0, 4 0,0,3,1 4 1,0,3,0 40,3,0,1 4 1,3,0,0, 4 0,0,3,1 4 1,0,3,0 4 0,1,3,0 4 0,0,1,3 4 1,0,0,3 4 0,1,0,3 40,1,3,0 4 0,0,1,3 4 1,0,0,3 4 0,1,0,3 4 2,2,0,0 6 2,0,2,0 6 2,0,0,2 6 0,2,2,0 62,2,0,0 6 2,0,2,0 6 2,0,0,2 6 0,2,2,0 6 0,2,0,2 6 0,0,2,2, 60,2,0,2 6 0,0,2,2, 6
2,1,0,1 12 2,1,1,0 12 2,0,1,1 12 0,2,1,1 122,1,0,1 12 2,1,1,0 12 2,0,1,1 12 0,2,1,1 12 1,2,1,0 12 1,2,0,1 12 0,1,2,1 12 1,0,2,1 121,2,1,0 12 1,2,0,1 12 0,1,2,1 12 1,0,2,1 12 1,1,2,0 12 0,1,1,2 12 1,0,1,2 12 1,1,0,2 121,1,2,0 12 0,1,1,2 12 1,0,1,2 12 1,1,0,2 12
1,1,1,1 241,1,1,1 24
► TOTAL 256 TOTAL 256
Interpretación valores de probabilidadInterpretación valores de probabilidad
► En una tabla 2*2, hay 1048576 formas En una tabla 2*2, hay 1048576 formas diferentes de colocar 10 casos.diferentes de colocar 10 casos.
► Una tabla 4,1,2,3 se puede formar de 12600 Una tabla 4,1,2,3 se puede formar de 12600 maneras diferentes.maneras diferentes.
► Si las casillas fuesen equiprobables ver esa Si las casillas fuesen equiprobables ver esa tabla tendría una probabilidad de :tabla tendría una probabilidad de :
►1260012600//1048576 = 0,0121048576 = 0,012
► Si n fuese 20 el número de tablas 2*2 Si n fuese 20 el número de tablas 2*2 posible sería posible sería 1,1 101,1 1012.12.
► En una tabla 2*2, n individuos generan En una tabla 2*2, n individuos generan 44nn
tablas posibles.tablas posibles.
HH MM
EE 4040 1010
DD 2020 3030
Tablas posibles: 1,61 10Tablas posibles: 1,61 10+60+60
Tablas (40, 10, 20, 30) : 4,88 Tablas (40, 10, 20, 30) : 4,88 1010+52+52
P(equiprobable) = 3,03 10P(equiprobable) = 3,03 10-8-8
P (MV) = 0,00037 P(ind) = 2,2 P (MV) = 0,00037 P(ind) = 2,2 1010-7-7
Interpretación valores de Interpretación valores de probabilidadprobabilidad
Década de los sesenta: IBM , UNIVAC BMDP, SPSS, NAG
Década de los 70: Minis VAX HP Fujitsu Uso Estadística
Década 1980 – 1990 tecnología 16 bits SAS Estadística
Década 1990 – 2000 tecnología 32 bits Trivialización
Errores de uso
Década 2000- tecnología 64 bits Desaparecen las
aproximaciones
Una nueva forma de abordar la estadística sin aproximaciones:
N>30, test exacto si n<20, p<0.05, etc.
Laplace
1749 – 1827
Gauss
1777-1855
De Moivre 1667 - 1754
Contraste de Hipótesis por verosimilitud
Verosimilitud: Verosimilitud: Probabilidad de que lo observado se corresponda con una Probabilidad de que lo observado se corresponda con una hipótesis.hipótesis.
Hipótesis:Hipótesis: Implica definir que probabilidad a priori le damos a Implica definir que probabilidad a priori le damos a cada celda.cada celda.
4 1 2 310!(4,1,2,3 / 0.4,0.1,0.2,0.3 /10) 0.4 0.1 0.2 0.3 0.035
4!1!2!3!M
4 1 2 310!(4,1,2,3 / 0.3,0.2,0.3,0.2 /10) 0.3 0.2 0.3 0.2 0.015
4!1!2!3!M
GG22 = -2 ln (P(f = -2 ln (P(f observadasobservadas|H) / |H) / P(f P(f observadasobservadas|H|HMVMV) )) )
Mientras tanto…Mientras tanto…
Desarrollo industrial y agrónomo:Desarrollo industrial y agrónomo: Potencia estudios diseño experimental.Potencia estudios diseño experimental.
El rendimiento de un experimento se evalúa por las El rendimiento de un experimento se evalúa por las medias medias
Estudios Clínicos y Farmacológicos:Estudios Clínicos y Farmacológicos:Utilizan formalismos del diseño experimental clásico Utilizan formalismos del diseño experimental clásico sin serlosin serlo
Estudios observacionales:Estudios observacionales: Los esquemas del diseño experimental no son útiles.Los esquemas del diseño experimental no son útiles.
Pearson
Fischer
GossetSnedecor
Wilcoxon
BIOESTADÍSTICABIOESTADÍSTICACONCEPTOS BÁSICOSCONCEPTOS BÁSICOS
► En Ciencias Biológicas y de la Salud:En Ciencias Biológicas y de la Salud:
Error medidaError medida Variabilidad Variabilidad AleatoriaAleatoria AtribuibleAtribuible
V.Atribuible V.Atribuible - - V.Aleatoria V.Aleatoria - - Error medidaError medida
ModelizaciónModelización
Y { Xn }
F ( Y ) = β0 + β1 X1 +…+ βk Xk + Error
Modelo lineal
Introducción
Introduce Xi si el cambio en el Error es significativo, (Disminución).
Introduce nueva Xl si nuevo cambio en el Error es significativo.
Si Error final es aleatorio fin del estudio.
Si Error final no es aleatorio faltan variables.
TIPOS DE MODELOS DE PROPENSIÓN: Búsqueda DE PROPENSIÓN: Búsqueda de factores de riesgode factores de riesgo
F ( Y ) = β0 + β1 X1 +…+ βk Xk + Error
Modelo lineal
Y contin. X contin. F(Y)=E(Y) ERROR Normal REG. LINEAL MULTIPLE categoria ANOVA
Y frec. X contin. F(Y)=lnY ERROR Poisson REGRESION POISSON categoria LOGLINEAL Y Odds X contin. F(Y)=lnY ERROR Binomial REG. LOGISTICA categoria LOGIT Mod LOGISTICO
Y Odds X contin. F(Y)=lnY ERROR Multinomial REG POLITOMICA categoria Modelos Politómicos
TIPOS DE MODELO SEGÚN EL ERROR O RESIDUALTIPOS DE MODELO SEGÚN EL ERROR O RESIDUAL
TIPOS DE MODELOS CON TIPOS DE MODELOS CON RECURRENCIARECURRENCIA
Fenómenos Poisson con repetición sobre los individuosFenómenos Poisson con repetición sobre los individuos
λλt=i t=i ≠ ≠ λλt=i-1t=i-1
Modelos clásicos marginales no evalúan sobredispersiónModelos clásicos marginales no evalúan sobredispersión
1 RR 1 RR
Mezcla de funcionesMezcla de funciones PoissonPoisson
FACTORES ASOCIADOS A LAS FACTORES ASOCIADOS A LAS INCAPACIDADES LABORALES INCAPACIDADES LABORALES POR ENFERMEDAD DE CORTA POR ENFERMEDAD DE CORTA
DURACIÓNDURACIÓN ENEN PROFESIONALES PROFESIONALES DE ENFERMERÍA EN UN DE ENFERMERÍA EN UN
HOSPITAL UNIVERSITARIOHOSPITAL UNIVERSITARIO
Indiana Mercedes López Bonilla
GRAAL UNAN-León y GRAAL UFMG
Resultados XIIIResultados XIII
Número de trabajadoras por episodios de bajas laborales: frecuencia observada, esperada bajo la distribución Poisson.
0
20
40
60
80
100
120
140
160
180
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
Número de episodios
Obs
Esp
HOSPITALIZACIONES HOSPITALIZACIONES EVITABLES (EVITABLES (csapcsap))
► 250.000 Hospitalizaciones en 220 áreas básicas 250.000 Hospitalizaciones en 220 áreas básicas de salud en Catalunya.de salud en Catalunya.
► 16% atribuibles a condiciones evitables por AP.16% atribuibles a condiciones evitables por AP.
► Los reingresos son muy frecuentes en ciertas Los reingresos son muy frecuentes en ciertas edades y causas, p.ej: Insuficiencia cardiaca.edades y causas, p.ej: Insuficiencia cardiaca.
► Modelos Poisson de la RME.Modelos Poisson de la RME.
ANALISIS DE FENÓMENOS RECURRENTES:ANALISIS DE FENÓMENOS RECURRENTES: Riesgo recurrencia de hospitalización en mayores de 65 Riesgo recurrencia de hospitalización en mayores de 65
años.años.
ANALISIS DE FENÓMENOS RECURRENTES:ANALISIS DE FENÓMENOS RECURRENTES: Riesgo recurrencia de hospitalización en mayores de 65 Riesgo recurrencia de hospitalización en mayores de 65
años.años.
Serviço de Atençao à Saude Serviço de Atençao à Saude do Trabalhador – Núcleo do Trabalhador – Núcleo
SaúdeSaúde
SAST-NSSAST-NS
Universidade Federal de Minas Gerais - Brasil
SubestudiosSubestudios
Tesios Codtoral A. Navarro 2007Tesios Codtoral A. Navarro 2007
• Fenómeno a estudiar: • Muestra:
1. Procesos sist. respiratorio (CIE = J00-J99)
2. IT enfermedades del sist.músculoesquelético y tejido conectivo (CIE = M00-M99)
3. IT trastornos mentales y del comportamiento (CIE = F00-F99)
A. Todos los trabajadores contratados durante el periodo 2000-2005 y sin vínculo previo con el hospital
B. Mujeres técnicas medias contratadas durante el periodo 2000-2005 y sin vínculo previo con el hospital
- Dependencia
de o
curre
ncia
+
+ H
ete
rogeneid
ad in
div
idual -
MuestraMuestra
FenómenoFenómeno
Todos los Todos los trabajadorestrabajadores
Mujeres Mujeres técnicas técnicas mediasmedias
1. Procesos 1. Procesos sistema sistema respiratoriorespiratorio
2. IT enfermedades 2. IT enfermedades del sistema del sistema músculoesqueléticmúsculoesquelético y tejido conectivoo y tejido conectivo
3. IT trastornos 3. IT trastornos mentales y del mentales y del comportamientocomportamiento
1B1A
2A 2B
3B3A
Heterogeneidad individualHeterogeneidad individual
Tesis Doctoral A. Navarro 2007Tesis Doctoral A. Navarro 2007
Varianza término de fragilidad
Dependencia de ocurrenciaDependencia de ocurrencia
Tesis Doctoral A. Navarro 2007Tesis Doctoral A. Navarro 2007
HR según nº ocurrencia
Estimación puntualEstimación puntual
Tesis Doctoral A. Navarro 2007Tesis Doctoral A. Navarro 2007
Subestudio 1ASubestudio 1A Subestudio 2ASubestudio 2A Subestudio 3ASubestudio 3A
BNBN
PoissonPoisson
AGAG
AG + fAG + f
AG + AG + numnum
PWP.CPPWP.CP
PWP.CP + fPWP.CP + f
PWP.GPWP.G
PWP.G + PWP.G + ff
WLWWLW
n = n = 12001200
HR 1,14-1,19
HR 1,53
HR 1,47
RR 1,49
HR 1,18-1,23
RR 1,52
HR 1,53
HR 1,56
Estimación puntualEstimación puntual
ResultadosResultados
Subestudio 1BSubestudio 1B Subestudio 2BSubestudio 2B Subestudio 3BSubestudio 3B
BNBN
PoissonPoisson
AGAG
AG + fAG + f
AG + AG + numnum
PWP.CPPWP.CP
PWP.CP + fPWP.CP + f
PWP.GPWP.G
PWP.G + PWP.G + ff
WLWWLW
n = 400n = 400
HR 1,55-1,70
HR 2,47
HR 2,30
RR 2,27
HR 1,21-1,24
RR 1,54
HR 1,58
HR 1,64
INFLUÈNCIA INSTITUCIONAL I SALUT MENTAL JOVES DELINQÜENTS INTERNATS EN CENTRES DE JUSTÍCIA JUVENIL
VariablesVariables
► Motiu de consultaMotiu de consulta
Agitació (MPA)Agitació (MPA) Autolesió (MPA)Autolesió (MPA) TraumatològicaTraumatològica MèdicaMèdica
► Mòdul o grup educatiuMòdul o grup educatiu
inicialinicial progrés 1progrés 1 progrés 2progrés 2 finalistafinalista obertobert intensiuintensiu
► HorariHorari
► Desarrelament geogràficDesarrelament geogràfic
presentpresent absentabsent
► Delicte de major gravetatDelicte de major gravetat
vidavida sexesexe lesionslesions propietatpropietat
DemandeDemandess
MPAMPA RestaResta TotalTotal
freqüèncifreqüènciaa
percentatpercentatgege
freqüèncifreqüènciaa
percentatpercentatgege
freqüèncifreqüènciaa
percentatpercentatgege
00 7272 67,367,3 6161 57,057,0 5353 49,549,5
11 1313 12,112,1 1919 17,817,8 1616 15,015,0
22 77 6,56,5 1212 11,211,2 1010 9,39,3
33 44 3,73,7 33 2,82,8 55 4,74,7
44 00 0,00,0 22 1,91,9 44 3,73,7
55 22 1,91,9 33 2,82,8 44 3,73,7
66 00 0,00,0 11 0,90,9 11 0,90,9
77 22 1,91,9 22 1,91,9 00 0,00,0
88 00 0,00,0 22 1,91,9 22 1,91,9
99 11 0,90,9 00 0,00,0 00 0,00,0
1010 11 0,90,9 11 0,90,9 22 1,91,9
1111 00 0,00,0 11 0,90,9 33 2,82,8
1212 11 0,90,9 00 0,00,0 11 0,90,9
1313 11 0,90,9 00 0,00,0 00 0,00,0
1414 00 0,00,0 00 0,00,0 00 0,00,0
>= 15>= 15 33 2,72,7 00 0,00,0 66 5,45,4
CONCENTRACIÓ DE DEMANDES PER USUARIS
CONTRIBUCIÓ A LA DEVIANCE DE CONTRIBUCIÓ A LA DEVIANCE DE CADA VARIABLECADA VARIABLE
VariableVariableContribucióContribució
AbsolutaAbsoluta PercentualPercentual
NacionalitatNacionalitat 19,3819,38 15,115,1
DelicteDelicte 11,0611,06 8,68,6
MòdulMòdul 51,3551,35 40,040,0
HorariHorari 46,6446,64 36,336,3
TotalTotal 128,43128,43 100,0100,0
GRACIAS Kata Kali