Upload
adrian-v-hernandez
View
117
Download
1
Embed Size (px)
Citation preview
BASES CIENTIFICAS DE LA INVESTIGACION Y FARMACOLOGIA
CLINICA
1
Clase III, 13 Octubre 2012
Estadística en investigación clínica
Objetivos Clase III
2
- Conocer pruebas estadísticas básicas para comparar 2 grupos o 3+ grupos.- Identificar modelos estadísticos básicos- Entender medidas de asociación estadística.
Hipótesis estadística
• Ensayos Superioridad
– Nula: Efecto de A no es diferente a Efecto de B
– Alternativa: Effect de A es diferente a Efecto de B
• Ensayos No-inferioridad
– Nula: Efecto de A no es no-inferior a Efecto de B
– Alternativa: Efecto de A es no-inferior a Efecto de B
3
p
• Uso muy frecuente en investigación médica.
• Probabilidad que dos o más grupos de valores sean diferentes entre sí dejando de lado el azar (nivel α).
• No indica dirección de asociación.
• No indica fuerza de asociación.
• No permite comparación con otro p.
4
IC 95%
• Uso regularmente frecuente en investigación médica.
• Variabilidad alrededor de una medida de asociación.
• Da información acerca de significancia, dirección y fuerza de asociación, tamaño de muestra y número de eventos.
6
Ejemplos IC 95%
• OR 3.2 (IC 95% 0.6-6.4)
• HR 1.4 (IC 95% 1.2-1.6) vs 0.6 (0.4-0.8)
• RR 2.0 (IC 95% 1.8-2.2) vs. (IC 95% 1.2-2.9)
7
Comparación de dos grupos
• Continuas:
– n≥25: t-test
– n<25: Wilcoxon rank-sum test
• Categóricas:
– Mayoría de casos: Chi-square test
– Si n<5 en celdas: Fisher test
8
Comparación de ≥3 grupos
• Continuas:
– n≥25: One-way ANOVA
– n<25: Kruskal-Wallis test
• Categóricas:
– Mayoría de casos: Chi-square test
– Si n<5 en celdas: Fisher test
9
Modelo lineal
• Variable dependiente: Continua, distribución normal.
• Variables independientes: Continuas y/o categóricas.
• Se asume: linearidad, normalidad, homocedasticidad de residuals (Yobs –Ypredicho).
10
Modelo logístico
• Variable dependiente: Dicotómica
• Variables independientes: Continuas y/o categóricas.
• Odds= 1/(1-p); p=probabilidad
• Log(odds)=β0+β1X1+β2X2+…
13
Modelo Poisson
• Variable dependiente: Cuenta/Rate, distribución Poisson.
• Variables independientes: Continuas y/o categóricas.
• Cuenta: Numero de hospitalizaciones
• Rate: Numero de hospitalizaciones x 1000pac
15
Modelo Cox
• Variable dependiente: Dicotómica, tiempo de seguimiento conocido.
• Variables independientes: Continuas y/o categóricas.
• Asume: Hazards proporcionales en el tiempo (hazard=riesgo de evento a determinado t).
17
Odds Ratio (OR)
OR=odds casos/odds control
Odds=1/(1-p)
P=1/(1+odds)
OR=eβ (de modelo logístico)
OR de tabla 2x2
21
Risk Ratio (RR) vs Rate Ratio (RaR)
RR=riesgo casos/riesgo controlRaR=rate casos/rate control
riesgo=eventos/totalrate=eventos/person-time
RR de tabla 2x2RaR=eβ (de modelo Poisson)
22
Number needed to treat (NNT)
NNT= 1/RD
Numero de pacientes a tratar para evitar un evento clinico
25
Number needed to harm (NNH)
NNH= 1/RI
RI: incremento de riesgo de evento adverso entre casos y controles
Numero de pacientes a tratar para producir un evento adverso
26
Population attibutable risk (PAR)
PAR= I población – I no-exp
PAR%=(PAR/ I población)*100
Porción de la incidencia de enfermedad en la población (exp y no-exp) que es debida a la
exposición.
Incidencia de la enfermedad en la población que seria eliminada si la exposición fuera eliminada
27
Calculo del tamaño de muestra
• Simple vs. Complejo
• La información usada debe ser cercana a realidad que se investiga
• Necesario para protocolo de investigación
• Necesario para publicación
28
Información a considerar
• Número de grupos a comparar
• Medidas absolutas o relativas
• Variabilidad de medidas (sd, var)
• Poder
• Nivel de falsos positivos (α)
• % de pérdida en seguimiento
• Otros: margen NI, one vs. Two sided, etc
29