C mo elegir la prueba estad stica seg n variable usada
Download
1 / 48

Cómo elegir la prueba estadística según variable usada - PowerPoint PPT Presentation


  • 145 Views
  • Uploaded on

Percy Mayta Tristán MD, MPH (c) , MHEd (c) Profesor, Escuela de Medicina, Universidad Peruana de Ciencias Aplicadas Profesor, Escuela de Posgrado, Universidad Peruana Cayetano Heredia Comité Editor, Revista Peruana de Medicina Experimental y Salud Publica

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Cómo elegir la prueba estadística según variable usada' - avital


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
C mo elegir la prueba estad stica seg n variable usada

Percy Mayta Tristán MD, MPH (c), MHEd(c)

Profesor, Escuela de Medicina, Universidad Peruana de Ciencias Aplicadas

Profesor, Escuela de Posgrado, Universidad Peruana Cayetano Heredia

Comité Editor, Revista Peruana de Medicina Experimental y Salud Publica

Comité de Ética, Instituto Nacional de Salud

[email protected]

Cómoelegir la pruebaestadísticasegún variable usada


Logros
Logros

  • Recordar algunos conceptos básicos de estadística para poder comprender el uso de pruebas de hipótesis.

  • Conocer los pasos para elegir una prueba estadística.

  • Conocer las principales pruebas estadísticas y los escenarios en los que se pueden usar.

  • Conocer la forma de redactar un plan de análisis de datos en un protocolo de investigación.


Contexto
Contexto

  • Día a día, cada decisión que tomamos tiene un margen de error (las cirugías tienen un margen de error, los vuelos aéreos tienen un margen de error, etc.)

  • Conocer cual es la magnitud del error es la tarea del investigador. Por eso se debe plantear en cada caso, el error que estamos dispuestos a aceptar.


Planteamiento de hip tesis 1
Planteamiento de hipótesis (1)

  • Desde el punto de vista matemático siempre se tiene dos hipótesis:

    • Hipótesis nula (H0) o hipótesis de trabajo

    • Hipótesis alternativa (H1) o hipótesis preliminar del investigador


Planteamiento de hip tesis 2
Planteamiento de hipótesis (2)

  • Ejemplos:

    • H0: la variable edad tiene distribución normal

    • H1: la variable edad no tiene distribución normal

    • H0: µ(edad mujeres) = µ(edad varones)

    • H1: µ(edad mujeres) ≠ µ(edad varones)



Definiciones nivel de significancia
Definiciones: nivel de significancia

  • Nivel de significancia: es la máxima cantidad de error que estamos dispuestos aceptar para dar como válida la hipótesis del investigador

    • En líneas generales siempre se establece en 5% o menos (0.05 ó menor)


Definiciones error tipo i
Definiciones: error tipo I

  • Error tipo I:

    • Conocido como alfa (α)

    • Ocurre cuando rechazamos la hipótesis nula cuando esta es verdadera

    • La meta es mantener este error lo más pequeño posible


Definiciones error tipo ii
Definiciones: error tipo II

  • Error tipo II:

    • Conocido como beta (β)

    • Ocurre cuando no rechazamos la hipótesis nula cuando está es falsa

    • La meta es mantener este error lo más pequeño posible (aceptado: 0.20)


Definiciones poder
Definiciones: poder

  • Poder (potencia):

    • El poder de un estudio viene dado por (1 – β)

    • Es la probabilidad de rechazar la hipótesis nula cuando es falsa

    • La meta es mantener el poder de un estudio lo más grande posible



Ejemplo
Ejemplo

  • Si especificamos que α = 0,05, veremos una región de rechazo:


P valor 1
P-valor (1)

  • El p-valor: es la probabilidad de equivocarse al aceptar la hipótesis del investigador como verdadera; es decir, la probabilidad de cometer error tipo I.

  • Interpretación del p-valor:

    • Si el valor de p es menor que el error tipo I (α), entonces es posible rechazar la hipótesis nula

    • Si el valor de p es igual o mayor que el error tipo I (α), entonces no es posible rechazar la hipótesis nula.


P valor 2
P-valor (2)

  • A tomar en cuenta:

    • El error tipo I (α) es 0,05 en la mayoría de casos

    • El error tipo II (β) es en la mayoría de casos 0,20, de esta manera el poder de un estudio es de 0,80 (80%)

    • Por convención se juzga como “estadísticamente significativo si el valor de p < 0.05


Precisi n 1
Precisión (1)

  • Hace referencia a la concentración de los valores estimados en torno al valor que se trata de estimar, de tal manera que la distancia entre el valor a estimar y el valor estimado sea pequeña


Precisi n 2
Precisión (2)

  • Es un concepto unido al tamaño de muestra

  • Por ejemplo: si deseo calcular el tamaño de muestra para un estudio que quiere determinar la prevalencia de caries en escolares de Lima, se requiere saber la prevalencia esperada y la precisión de este estimado.


Exactitud
Exactitud

  • Es lo cerca que el resultado de una medición está del verdadero valor.

  • La precisión y la exactitud son conceptos ligados pero no significan lo mismo.



Intervalos de confianza 1
Intervalos de confianza (1)

  • Se entiende por un par de números entre los cuales se estima que estará cierto valor desconocido con una determinada probabilidad de acierto.

  • Se trata de que los resultados de una muestra permitan inferir el estimado de la población.


Intervalos de confianza 2
Intervalos de confianza (2)

  • La probabilidad de que el verdadero valor se encuentre en el intervalo que hemos construido se denomina nivel de confianza y se denota como (1 - α)

  • Generalmente se construye intervalos de confianza de 95% (otros menos frecuentes son de 90% y de 99%)


Intervalos de confianza 3
Intervalos de confianza (3)

  • Se puede construir un intervalo de confianza al 95% (IC95%) para una media, una proporción, una prevalencia, una diferencia, entre otros.

  • A mayor tamaño de muestra, mayor precisión y se tendrá un intervalo de confianza más pequeño.


Recordando
Recordando

  • Cuando se comete un error de tipo I

  • Cuando se comete un error de tipo II

  • Qué es el valor de p

  • Cuando se hace más pequeño un intervalo de confianza.


Qu hacer para elegir una prueba estad stica paso 1
Qué hacer para elegir una prueba estadística: paso 1

  • Cuáles son los objetivos de mi estudio.

  • Qué hipótesis he planteado.

  • Cuál es la naturaleza de mi variable dependiente e independiente.


A tener en cuenta
A tener en cuenta

  • Estos elementos deben ser previstos desde el protocolo para calcular el tamaño muestral mínimo requerido para demostrar nuestra hipótesis.


Pruebas b sicas para asociaci n entre dos variables categ ricas
Pruebas básicas para asociación entre dos variables categóricas

SI

NO

¿Grupos relacionados?

Test de McNemar

OJO :) Cuando menos, un valor esperado es menor de 2 o cuando menos el 20% de los valores esperados es menor a 5

NO

SI

Test Exacto de Fisher

Chi Cuadrado


Escenario 1
Escenario 1 categóricas

  • Se desea evaluar si existe asociación entre el género y el uso de piercings en una población de estudiantes de Medicina de la Universidad Z.

  • Se desarrolla un estudio con 39 alumnos de los cuales 8 tienen piercing.

Ho: No existe asociación entre el género y el usar piercing


Son grupos relacionados
¿Son grupos relacionados? categóricas

NO

¿Hay valores esperado menor de 2 o cuando menos el 20% son menores a 5?


Qu prueba uso
¿Qué prueba uso? categóricas

Test Exacto de Fisher

¿Qué concluiría?

Ho: No existe asociación entre el género y el usar piercing


Escenario 2
Escenario 2 categóricas

  • Se desarrolla un estudio de casos y controles, considerando como caso a las personas con la enfermedad gavinica (EG) y como variable de exposición consumo de Redbull.

  • De las 400 personas con EG, 100 se expusieron al Redbull; de los 1200 controles, 200 estuvieron expuestas al Redbull.

Ho: No existe asociación entre la enfermedad gavinica y el consumo de Redbull


Son grupos relacionados1
¿Son grupos relacionados? categóricas

NO

¿Hay valores esperado menor de 2 o cuando menos el 20% son menores a 5?


Qu prueba uso1
¿Qué prueba uso? categóricas

Chi Cuadrado

¿Qué concluiría?

Ho: No existe asociación entre la enfermedad gavinica y el consumo de Redbull


Y tomando los intervalos de confianza
Y tomando los intervalos de confianza categóricas

OR

¿Qué concluiría?

Ho: No existe asociación entre la enfermedad gavinica y el consumo de Redbull


Entonces
Entonces…. categóricas

  • Debemos tener claro algunos pasos cuando elegimos una prueba:

    • Cuáles son mis objetivos de estudio.

    • Cuál es mi variable dependiente (outcome) e independiente (exposición), y de que tipo son.

    • Cuál es mi hipótesis (traducir en términos estadísticos).

    • Qué supuestos requiero evaluar para saber que prueba elegir.

      OJO, este proceso lo debemos hacer desde el protocolo y es la base para estimar el tamaño de muestra.



Comparar dos grupos no relacionados independientes o datos no pareados
Comparar dos grupos no relacionados (independientes, o datos no pareados).

En otras palabras, evaluar si hay asociación entre dos variables, donde una de ellas es categórica dicotómica


Comparar dos grupos relacionados dependientes o datos pareados
Comparar dos grupos no relacionados (dependientes, o datos pareados).

En otras palabras, evaluar si hay asociación entre dos variables: Por ejemplo pre-post o dos formas de medir lo mismo en una misma unidad., donde una de ellas es categórica dicotómica


Comparar tres grupos o m s no relacionados independientes o datos no pareados
Comparar no tres grupos o más no relacionados (independientes, o datos no pareados).

En otras palabras, evaluar si hay asociación entre dos variables, donde una de ellas es categórica politómica


Cuantificar la correlaci n entre dos variables de similar naturaleza
Cuantificar la correlación entre dos variables de similar naturaleza

En otras palabras, evaluar la magnitud y direccionalidad de la asociación entre dos variables


Cuantificar la magnitud de la asociaci n entre dos o m s variables
Cuantificar la magnitud de la asociación entre dos o más variables

En otras palabras, evaluar la magnitud y direccionalidad de la asociación entre dos variables


Considerandos
Considerandos variables

  • La investigación se hace en redes y en equipo.

  • El investigador no debe saber a la perfección todos los aspectos relacionados con los procesos del trabajo, pero si entender por qué se hicieron.

  • Alguien del equipo debe hacerse responsable de la parte del análisis de datos.

  • Deficiencias en el análisis de datos es uno de los principales motivos de rechazo de artículos.


An lisis de datos
Análisis de Datos variables

  • Se definirá el paquete estadístico a usar (STATA, SPSS, R, SAS, Epi-Info, etc.)

  • Se debe exponer las técnicas lógicas y básicas para análisis (estadísticas descriptivas) que serán empleadas para descifrar lo que revelan los datos que se han recogidos

  • Se expresa también análisis y modelos más avanzados de ser necesario


An lisis de datos ejemplo 1
Análisis de Datos: Ejemplo (1) variables

Randomized control trial to evaluate the effect of a novel-based intervention to increase HIV testing in MSM in Lima, Peru


An lisis de datos ejemplo 2
Análisis de Datos: Ejemplo (2) variables

Hepatitis B infection and its association with consistent condom use: A population-based survey in Peru


An lisis de datos ejemplo 3
Análisis de Datos: Ejemplo (3) variables

USO DE TECNOLOGÍAS DE INFORMACIÓN Y COMUNICACIÓN EN MÉDICOS RECIÉN EGRESADOS DE LIMA, 2011




Para el taller
Para el taller variables

  • Revise sus objetivos y enuncie sus hipótesis.

  • Revise las características de las variables implicadas.

  • Plantee cual sería la prueba estadística a elegir.


ad