25-30-Colaboracion_FC 05/03/12 17:21 Página 25

COLABORACIONES
Farmacéuticos Comunitarios
Andrés Iglesias JC. Introducción a la bioestadística.

2012; 4(1): 25-30

INTRODUCCIÓN A LA BIOESTADÍSTICA

AUTORES INTRODUCCIÓN
INTRODUCCIÓN
bajar con todos los pacientes, por lo que
normalmente se trabaja con un subcon-
junto de la población más accesible: la
J. Carlos Andrés Iglesias
El diseño metodológico de un trabajo muestra. Para que los resultados del es-
Farmacéutico comunitario en Vigo. de investigación debe estar orientado a tudio se puedan generalizar a toda la po-
Grupo Berbés de investigación y maximizar la validez, coherencia y con- blación es necesario que la muestra sea
docencia en atención farmacéutica. sistencia de la información y reducir los representativa de la población de estudio,
errores en los resultados. En este sentido, lo cual se consigue realizando un mues-
la parte metodológica de una publica- treo adecuado. Para ello, lo primero es
ción científica, normalmente recogida definir la población de estudio, especifi-
RESUMEN en la sección de material y métodos, es cando los criterios de selección, el tamaño
un componente clave para la evaluación de la muestra necesario y la técnica de
El análisis estadístico es uno de los as-
pectos más importantes en el diseño de de la calidad de una investigación, y en muestreo que se va a realizar.
una investigación científica ya que nos ella se centrarán tanto los revisores
va a orientar sobre la validez de los re- como los lectores. Consta de: El cálculo del tamaño de la muestra ne-
sultados obtenidos y su repercusión clí- cesario dependerá del tipo de estudio y
nica. La falta de formación de muchos • La descripción y selección de los pa- de la variable o variables que se quieran
farmacéuticos comunitarios en el análisis
estadístico resta valor a las investigaciones cientes. medir. En cuanto al muestreo, hay dos ti-
desarrolladas, pese a partir de ideas inte- • El tipo de variables y su medición. pos de técnicas: el muestreo probabilístico
resantes o aplicar metodologías rigurosas. • La justificación del tamaño muestral. (se basa en la premisa de la aleatoriedad)
El presente artículo pretende iniciar al lec- • El tipo de intervención en estudios y el no probabilístico (no todos los indi-
tor en la terminología y conceptos básicos experimentales. viduos tienen la misma probabilidad de
del análisis estadístico, aportando los co-
nocimientos elementales necesarios para • La aleatorización de los grupos si pro- ser seleccionados en la muestra).
un correcto diseño del estudio, un análisis cede. Por variable se entiende cualquier carac-
apropiado y una adecuada interpretación • El control de sesgos. terística distinta entre los individuos de la
de los resultados. • El tipo de diseño y análisis estadístico muestra de estudio que puede ser medida
utilizado. como, por ejemplo, el nivel de estudios, el
nivel de colesterol o el número de medi-
Este último apartado, el análisis esta- camentos prescritos. Las variables pueden
ABSTRACT dístico, probablemente sea una de las ser cualitativas (nominales y ordinales) o
principales limitaciones para los inves- cuantitativas (discretas y continuas).
Statistical analysis is one of the most im-
portant aspects of research design because
tigadores en farmacia comunitaria. Sin
it reflects the validity of the results obtai- embargo, entender las diferencias entre
ned and its clinical impact. The lack of
statistical knowledge of many community
las distintas técnicas estadísticas, su uso
adecuado y los conceptos básicos que
ESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA
pharmacists may negatively affect rese- subyacen tras ellas resulta esencial no
arch despite interesting ideas or rigorous
methodologies.
sólo para diseñar, realizar y publicar un La estadística descriptiva se ocupa de
This paper introduces the reader to the trabajo científico, sino también para va- recoger, organizar y resumir las carac-
terminology and basic concepts of statis- lorar y entender los resultados de las terísticas de los individuos del estudio.
tical analysis, providing the knowledge publicaciones científicas. El conjunto de datos que se obtiene de
necessary for study design, appropriate La estadística es una disciplina que se la medición de la variable se denomina
analysis, and interpretation of results.
ocupa de recoger, clasificar, resumir (es- distribución. Para describir esa distri-
tadística descriptiva), analizar y realizar bución se van a utilizar una serie de
inferencias (estadística inferencial) a índices, llamados estadísticos, y se van
partir de datos, con la finalidad de ayu- a representar los datos obtenidos me-
PALABRAS CLAVE dar a la toma de decisiones, proporcio- diante tablas y gráficos. Tanto los grá-
nando, asimismo, los instrumentos me- ficos como los estadísticos que se van
PALABRAS CLAVE EN ESPAÑOL
Farmacia comunitaria, estadística, diseño
todológicos necesarios para la realización a utilizar dependerán de la naturaleza
de investigación, resultados. y publicación de trabajos científicos. de las variables.

PALABRAS CLAVE EN INGLÉS En cuanto a los gráficos, para las va-

Community pharmacy, statistics, research
design, outcomes. POBLACIÓN
POBLACIÓN, MUESTRA Y VARIABLES
riables cualitativas son útiles los dia-
gramas de sectores y de barras, y para
las variables cuantitativas los histogra-
En la investigación en farmacia comuni- mas, polígono de frecuencias o dia-
Continúa ➡ taria resulta prácticamente imposible tra- grama de cajas.

FC 25
25-30-Colaboracion_FC 05/03/12 17:21 Página 26

COLABORACIONES
Farmacéuticos Comunitarios
Andrés Iglesias JC. Introducción a la bioestadística.

2012; 4(1): 25-30

sidera que la muestra es homogénea En la estimación puntual se obtiene un

ABREVIATURAS y, por tanto, la media será repre- único valor para el parámetro. En la es-
sentativa de la muestra. timación por intervalos, más apropiada,
CV: coeficiente de variación.
DE: desviación estándar.
se utiliza un valor estadístico acompa-
ECA: ensayo clínico aleatorizado. • Medidas de posición: informan sobre ñado de su intervalo de confianza, que
EE: error estándar. la posición que ocupa un valor con es un rango de valores entre los que se
EEM: error estándar de la media. respecto a la distribución de valores. va a encontrar, con una cierta probabi-
HbA1c: hemoglobina glucosilada. – Percentiles: son los 99 valores que lidad, el valor del parámetro a estimar.
NNT: número necesario de pacientes a
tratar.
dividen la distribución en 100 partes Esta probabilidad se conoce como nivel
OR: odds ratio. iguales. de confianza.
PDT: programa de deshabituación tabáquica. – Cuartiles: cada uno de los tres valores Para la construcción de un intervalo de
RR: riesgo relativo. de la variable que dividen la muestra confianza hace falta conocer:
RRA: reducción del riesgo absoluto. ordenada en cuatro grupos iguales. • Un estimador puntual del parámetro
RRR: reducción del riesgo relativo.
– Deciles: cada uno de los nueve valores a estimar.
de la variable que dividen la muestra • El tamaño muestral.
Fecha de recepción: 18/10/2011 ordenada en diez grupos iguales. • Una función de ese estimador y del
Fecha de aceptación: 20/12/2011 parámetro cuya distribución muestral
• Medidas de forma: indican el grado se conozca totalmente.
de apuntamiento y de asimetría de • Un nivel de confianza específico.
una distribución de datos.
Para describir las variables cuantitativas – Coeficiente de asimetría (g1): indica Hay que tener en cuenta también el error
se utilizan los siguientes estadísticos: el grado de asimetría de la distribu- estándar (EE) de cada estadístico.
ción de datos (simétrica, asimétrica
• Medidas de centralización: indican positiva y asimétrica negativa). CÁLCULO DEL INTERVALO DE
el valor de la variable hacia el cual – Coeficiente de curtosis (g2): se uti- CONFIANZA PARA UNA MEDIA
tienden a agruparse los datos. liza para medir el grado de apunta- Si la variable sigue una distribución normal
– Media aritmética (m, x– ): la media miento de una muestra (mesocúr- o el tamaño de la muestra es grande (<100),
es la suma de los valores de las ob- tica, leptocúrtica y platicúrtica). se calcula el error estándar de la media
servaciones dividido por el tamaño (EEM) y después el intervalo de confianza:
de la muestra. Para variables cualitativas, como el
– Mediana (Me): la mediana se calcula sexo o el tipo de estudios, se suelen des- EEM = s/√n
_
ordenando los valores de menor a ma- cribir los datos en frecuencias, tanto ab-
yor y tomando el valor del medio (50% solutas como relativas. IC 95% = x– ± Za/2 EEM
de datos a cada lado de ése valor). Generalmente, los datos cualitativos se
n = tamaño de la muestra
– Moda (Mo): es el valor que más se expresan como porcentajes y los cuan- S = desviación estándar
repite. titativos como media ± desviación es- x– = media muestral
tándar, acompañados ambos de los lí-
• Medidas de dispersión: expresan el mites de confianza, cuyo cálculo se verá
grado de homogeneidad de los datos más adelante. La probabilidad de que la media poblacio-
en torno a un valor central. nal (m) se encuentre en ese intervalo es 1-
– Varianza (S2, σ2): se calcula como a. El nivel de confianza del intervalo (1-
la media del cuadrado de las des-
viaciones de las observaciones res-
ESTADÍSTICA
ESTADÍSTICA INFERENCIAL
a)% lo fija el investigador, habitualmente
el 95%, en cuyo caso a= 0,05, que corres-
pecto a la media ponde a un valor Z (distribución normal
– Desviación estándar o típica (DE, La estadística inferencial se ocupa de rea- tipificada) de 1,96.
S, σ): es la raíz cuadrada con signo lizar inferencias o generalidades en pobla-
positivo de la varianza. Proporciona ciones a partir de la información obtenida Ejemplo: se pretende estimar el nivel de
una idea de cómo están distribuidos en una muestra, incluyendo tanto la esti- HbA1c de los diabéticos del género mas-
los datos con respecto a la media. mación de parámetros poblacionales como culino que son pacientes habituales de una
– Amplitud o rango: es la diferencia la realización de contrastes de hipótesis. farmacia comunitaria. El tamaño de la
entre el valor máximo y el mínimo. muestra es de 84 pacientes. Los datos ob-
– Coeficiente de variación (CV): es ESTIMACIÓN DE PARÁMETROS tenidos en el estudio fueron los siguientes:
una medida de dispersión relativa Con la estimación de parámetros se
de los datos y se calcula dividiendo puede obtener el valor de un parámetro x– = 9,69
la desviación típica muestral por la poblacional a través de un estadístico EEM = 0,23
media y multiplicando el cociente calculado en la muestra. Por ejemplo,
por 100. Su utilidad estriba en que se puede estimar la media de una po- IC 95% = 9,69 ± 1,96 (0,23) = (9,24 a 10,14)
permite comparar la dispersión o blación (m) a partir de una media mues- Es decir, con un 95% de probabilidad el
variabilidad de dos o más grupos. tral (x– ). Esos datos de la población son nivel de HbA1c de la población de estu-
Si el CV es menor del 25%, se con- los que interesan a la investigación. dio se encuentra entre 9,24 y 10,14.

26 FC
25-30-Colaboracion_FC 05/03/12 17:21 Página 27

Andrés Iglesias JC. Introducción a la bioestadística. Farmacéuticos Comunitarios 2012; 4(1): 25-30

CÁLCULO DEL INTERVALO DE asociación o diferencia entre las dos va- Resumiendo, cuando el valor de p está
CONFIANZA PARA UNA PROPORCIÓN riables. La estadística ayuda a tomar la por debajo de 0,05, se dirá que el resultado
Para calcular el intervalo de confianza decisión acerca de cual de las dos hipó- es estadísticamente significativo y será no
de una proporción: tesis es la verdadera. significativo en cualquier otro caso.

Ejemplo: estudio donde se pretende com-

EEP =
p0 (1-p0)
————————
n
parar un programa de deshabituación
del tabaco desde la farmacia (PDT) con
ELECCIÓN
DE LA PRUEBA ESTADÍSTICA
la atención habitual. Las hipótesis del
IC 95% = p0 ± Za/2 EEM estudio serían: A la hora de elegir una determinada
prueba estadística se van a tener en
n = tamaño de la muestra H0: no existen diferencias entre el PDT cuenta una serie de factores:
p0 = proporción muestral y la atención habitual.
EEP = error estándar de la H1: existen diferencias entre el PDT y • El número y tipo de variables.
proporción la atención habitual. • Si los datos son independientes o pa-
reados.
La tabla 1 muestra las diferentes proba- • La distribución de los datos: diferentes
En el caso, más probable, que se desco- bilidades en el contraste de hipótesis. pruebas, como el test de Kolmogorov-
nozca la varianza poblacional, los inter- La probabilidad de cometer un error de Smirnov, comparan la función de dis-
valos de confianza, tanto para medias tipo I se denomina nivel de significación. tribución teórica (normal) con la ob-
como para proporciones, no se construyen El nivel de significación lo fija el inves- servada, calculando un valor de
en base a la distribución normal, sino que tigador, utilizándose normalmente el de discrepancia. Si esa probabilidad es
este valor de Z debe sustituirse por el de 0,05 (nivel de confianza del 95%). mayor que el nivel de significación
la distribución de la t de Student-Fisher Una prueba de contraste de hipótesis fijado, se puede asumir que los datos
para (n - 1) grados de libertad. calcula la probabilidad de que los re- siguen una distribución normal.
sultados obtenidos en una investigación • La homogeneidad de las varianzas (si
CONTRASTE DE HIPÓTESIS puedan ser debidos al azar. Esta proba- existe o no homocedasticidad): el test
El contraste de hipótesis enfrenta a dos bilidad es el grado de significación es- de la homocedasticidad se realiza con
opciones mutuamente excluyentes: la tadística o valor de p. Basándose en el test de Levene.
hipótesis nula (H0) y la hipótesis alter- esta probabilidad, se decidirá rechazar
nativa (H1). La H0 representa la afirma- o no la hipótesis nula. Así, cuanto me- Teniendo en cuenta todo lo anterior, una
ción de que no hay asociación o dife- nor sea el valor de p, menor será la posible clasificación de las pruebas o téc-
rencia entre las dos variables estudiadas probabilidad de que los resultados ob- nicas estadísticas podría ser su división
y la H1 afirma que hay algún grado de tenidos se deban al azar y mayor evi- en pruebas paramétricas y no paramétri-
dencia habrá en cas, tal como aparece en la tabla 2.
TABLA 1 RESULTADOS DE UN CONTRASTE DE HIPÓTESIS contra de la hipóte- Las pruebas paramétricas requieren que
sis nula. Si dicha las variables analizadas tengan las si-
H0 falsa
H0 cierta
H1 cierta probabilidad es me- guientes características:
H0 No error Error de tipo II nor que el nivel de • Deben ser, por norma general, cuan-
no rechazada 1-b b significación fijado titativas, o por lo menos de escala de
H0 Error de tipo I No error la hipótesis nula se intervalo.
rechazada a 1-a
rechazará. • Deben ser variables de distribución
normal.
• Las poblaciones deben tener la misma
TABLA 2 TIPOS DE TÉCNICAS ESTADÍSTICAS
varianza.
Prueba estadística • Las muestras deben ser de una tamaño
Tipo de variable Nº de
Muestras grande (>30).
respuesta muestras Paramétrica No paramétrica
T para dos muestras Las pruebas no paramétricas no requie-
Independientes U de Mann-Whitney
independientes
2 ren asumir normalidad de la población
T para dos muestras y, en general, son menos potentes que
Pareadas Wilcoxon
pareadas
Cuantitativa las paramétricas.
Anova + test a Kruskal-Wallis +
Independientes
posteriori componentes múltiples
>2 COMPARACIÓN DE DOS VARIABLES
Friedman +
Pareadas Anova pareada
componentes míltiples
CUALITATIVAS INDEPENDIENTES
Cuando en un estudio se pretende com-
Independientes Chi-cuadrado/Fisher
Cualitativa 2 parar dos o más grupos de pacientes con
Dependientes McNemar/signos respecto a una variable categórica, los
Correlación 2 r de Pearson rho de Spearman resultados se suelen presentar a modo
de tablas de doble entrada que reciben

FC 27
25-30-Colaboracion_FC 05/03/12 17:21 Página 28

COLABORACIONES
Farmacéuticos Comunitarios
Andrés Iglesias JC. Introducción a la bioestadística.

2012; 4(1): 25-30

el nombre de tablas de contingencia. En COMPARACIÓN DE DOS VARIABLES Esta prueba se utilizará siempre que se
esta sentido, la situación más simple de CUALITATIVAS DEPENDIENTES verifique que existe distribución normal,
comparación entre dos variables cuali- En algunos estudios se mide una misma y que haya al menos treinta observa-
tativas es aquella en la que ambas tienen variable más de una vez en cada uno de ciones. Si esta premisa no se cumple,
sólo dos posibles opciones de respuesta, los individuos que se incluyen en la in- puede utilizarse como alternativa la
es decir, son variables dicotómicas, por vestigación. Este tipo de diseños se co- prueba no paramétrica equivalente, el
lo que la tabla de contingencia se reduce nocen como diseños de medidas repeti- test de Wilcoxon para datos pareados.
a una tabla dos por dos tal como se das. Estas mediciones se realizan
muestra a continuación. normalmente antes y después de una COMPARACIÓN DE MÁS DE DOS
intervención, por lo que se denominan MEDIAS INDEPENDIENTES
Variable 2 estudios antes-después. El análisis de la varianza (Anova) es
Variable 1 Categoría 1 Categoría 2 Total En este tipo de estudios, donde se com- una extensión de la prueba t de Student
Categoría 1 a c a+c paran dos variables cualitativas depen- cuando se quieren comparar más de dos
dientes, la prueba estadística apropiada medias. Un error común es intentar
Categoría 2 b d b+d
sería un test de McNemar. comparar parejas de medias con la
Total a+b c+d n
prueba t de Student para datos inde-
COMPARACIÓN DE DOS MEDIAS pendientes. La realización de múltiples
La prueba estadística más utilizada para INDEPENDIENTES contrastes de hipótesis con el test de la
determinar si la relación entre dos varia- Para comparar las medias de dos grupos t de Student aumentaría el riesgo de co-
bles de la tabla de contingencia es signi- independientes, la prueba estadística meter un error de tipo I.
ficativa es la de Chi-cuadrado. En la apropiada es el test de la t de Student. En el modelo más simple del Anova,
prueba de Chi-cuadrado se van a comparar La prueba de la t de Student se utilizará una única variable nominal indepen-
las frecuencias observadas (las que real- siempre que se verifique que existe dis- diente, llamada factor, con tres o más
mente se han producido) con las frecuen- tribución normal y que haya al menos niveles, explica una variable depen-
cias esperadas (aquellas que deberían ha- treinta observaciones. Si esta premisa diente continua. Este modelo se deno-
berse observado si no hubiese relación no se cumple, puede utilizarse como al- mina Anova de 1 factor.
entre las variables). La prueba de Chi-cua- ternativa la prueba no paramétrica equi- El factor puede tener unos niveles fijos
drado se utilizará siempre que al menos el valente, la U de Mann-Whitney. o aleatorios:
80% de las celdas de la tabla de contin- • ANOVA modelo I (efecto fijo): cuando
gencia tengan valores mayores que 5. Si COMPARACIÓN DE DOS VARIABLES el criterio de clasificación está con-
esta premisa no se cumple, puede utilizarse CUALITATIVAS DEPENDIENTES trolado por el investigador, como
como alternativa el test exacto de Fisher. Lo más habitual, cuando se comparan dos puede ser el caso de un tratamiento o
medias procedentes de muestras depen- una intervención
Ejemplo: continuando con el ejemplo dientes, es que se trate, al igual que en el • ANOVA modelo II (efecto aleatorio):
anterior, los resultados obtenidos com- caso anterior de dos variables cualitativas el criterio de clasificación no esta fi-
parando el servicio de deshabituación dependientes, de un estudio antes-después, jado por los investigadores.
del tabaco desde la farmacia con la aten- en el que la variable cuantitativa se mide
ción habitual fueron los siguientes: en dos momentos diferentes. Lo más frecuente para un Anova de 1
Para ver la relación estadísticamente sig- factor es el modelo de efectos fijos.
ABANDONO nificativa, la prueba estadística apro- Si el resultado del ANOVA es significa-
TABACO
piada el test de la t de Student para tivo, se acepta la hipótesis alternativa
GRUPO SI NO Total datos pareados. La clave del análisis es de que no todas las medias son iguales,
PDT 20 10 30 establecer la diferencia existente entre pero no se tendrá suficiente información
Atención habitual 8 22 30
cada par de datos de cada individuo. acerca de cuales son las medias que son
diferentes entre sí. La realización de un
Total 28 32 60 Ejemplo: Ensayo Clínico Aleatorizado test a posteriori permitirá conocer qué
(ECA) en farmacia comunitaria para grupo o grupos son responsables de la
Aplicando la prueba de Chi-cuadrado, evaluar una intervención farmacéutica significación estadística. Entre los mé-
los resultados son: en la mejora del asma. Los pacientes todos más utilizados se encuentran los
son asignados aleatoriamente a un grupo siguientes: Test de Student-Newman-
x2 = 9,6 p = 0,0019 ⇨ p<0,01 intervención (n= 107) y a un grupo de Keuls (SNK), DHS de Tuckey, Test de
atención habitual (n= 94). El objetivo Scheffé, Test de Dunnet, etc.
Conclusión: existen diferencias significa- principal fue valorar el nivel de control La prueba no paramétrica de Kruskal-
tivas entre los grupos. Rechazamos la hi- del asma mediante el Asthma Control Wallis es una extensión de la prueba
pótesis nula (H0: no hay diferencias en Test® (ACT) al inicio y a los seis meses de Mann-Whitney para más de dos
el porcentaje de abandono del tabaco en- del estudio. El resultado fue el siguiente: muestras independientes. Es la alter-
tre los grupos) y aceptamos la hipótesis el cambio medio en el ACT en el grupo nativa al Anova cuando no se puede
alternativa (H1: hay diferencia en el por- intervención fue de +2,3 y de 0,3 en el suponer normalidad y homocedastici-
centaje de abandono del tabaco entre los grupo control; diferencia de medias 2,0 dad, y cuando se trabaja con variables
grupos) como probablemente cierta. (0,1-3,9); p= 0,038. cualitativas.

28 FC
25-30-Colaboracion_FC 05/03/12 17:21 Página 29

Andrés Iglesias JC. Introducción a la bioestadística. Farmacéuticos Comunitarios 2012; 4(1): 25-30

Hipertensión Hipertensión
COMPARACIÓN DE MÁS DE DOS conjunta no indica necesariamente que no controlada controlada
Total
MEDIAS DEPENDIENTES exista causalidad entre ambas. Pacientes
11 (37,9) 19 (61,3) 30
Para analizar una variable en más de GI
dos ocasiones en los mismos pacientes, REGRESIÓN LINEAL SIMPLE Pacientes
18 (62,1) 12 (38,7) 30
GC
el análisis adecuado se denomina Anova Además de determinar si las variables
Total 29 31 60
de medidas repetidas. Este procedi- están asociadas y en qué sentido se da
miento se utiliza cuando existe una va- dicha asociación en muchas ocasiones Resultados: x2 = 3,27 p = 0,071
riable independiente, llamada Factor in- resulta interesante obtener una ecuación
trasujetos porque todos los sujetos que se pueda usar para predecir el valor El resultado del test de Chi-cuadrado
reciben o pasan por todos los niveles de de una variable (variable respuesta o muestra que no hay diferencias signifi-
esa variable independiente. dependiente, y), teniendo en cuenta un cativas. Sin embargo, se observa que con
Al igual que el Anova de un factor, el valor asignado a otra variable (variable la intervención farmacéutica casi un
Anova de medidas repetidas requiere cum- explicativa o independiente, x). Lo que 23% más de los pacientes tienen la pre-
plir con los supuestos de normalidad, ho- se obtiene es la recta de regresión: sión arterial controlada, lo cual parece
mocedasticidad e independencia, pero ade- un resultado importante.
más cuenta con una suposición adicional, y = a + bx + e Variando el tamaño de la muestra, ale-
la esfericidad (prueba de esfericidad de atorizando en este caso a 120 pacientes,
Mauchly), que se refiere a la homogenei- a y b son los coeficientes de re- los resultados son:
dad de varianzas de las diferencias de cada gresión. Donde b es la pendiente
par de niveles del factor intrasujetos. Ade- de la recta y a es el punto donde Hipertensión
No
Total
la recta corta al eje y, denomi- hipertensión
más, si se rechaza la hipótesis nula, es ne- nándose ordenada en el origen. Pacientes
22 (37,9) 38 (61,3) 60
cesario realizar contrastes para factores e es el error o término residual. en AF
de medidas repetidas, similares a los test Pacientes
36 (62,1) 24 (38,7) 60
sin AF
a posteriori del Anova de 1 factor.
Total 58 62 120
Mediante el método de Mínimos Cua-
drados se determinan los valores de los Resultados: x = 6,542 p = 0,011
CORRELACIÓN
CORRELACIÓN Y REGRESIÓN
coeficientes a y b.
También se calcula el coeficiente de de- El porcentaje es el mismo, un 23% más
terminación (R2) que indica la propor- de pacientes controlados, pero ahora la
Podemos estudiar la relación que existe ción de la variación total en la variable prueba estadística es significativa. En este
entre dos variables cuantitativas me- dependiente Y que está explicada por o ejemplo se ve claramente la influencia del
diante la correlación y la regresión. se debe a la variación en la variable in- tamaño sobre la significación estadística.
dependiente x y está comprendido entre Por otro lado, el p valor no nos muestra
CORRELACIÓN 0 (cuando la variación explicada es nula) información sobre la precisión de los
Mide la asociación lineal entre dos va- y 1 (cuando se explica toda la variacion). resultados, sobre el rango en el que se
riables (x e y) y el sentido que tiene encuentra el valor real. Por esta razón,
dicha asociación. La correlación se para valorar la relevancia clínica de los
puede estimar de dos maneras:
• Coeficiente de correlación de Pearson
SIGNIFICACIÓN
ESTADÍSTICA Y RELEVANCIA CLÍNICA
resultados, se recomienda que se acom-
pañen siempre del intervalo de con-
(r): para dos variables cuantitativas fianza correspondiente, hayan resultado
de distribución normal. En la investigación científica actual, que o no estadísticamente significativos, y
• Coeficiente de correlación de Spear- el resultado de un estudio sea estadística- de medidas de efecto y asociación, que
man (rs): se utiliza cuando alguna de mente significativo parece ser el objetivo ayudan a comprender la relevancia clí-
las variables es ordinal, cuando las principal al que aspiran la mayoría de los nica de los resultados.
muestras son pequeñas (n<30) o investigadores. Sin embargo, no siempre
cuando las variables cuantitativas no es correcto basar todas las conclusiones MEDIDAS DE ASOCIACIÓN Y EFECTO
siguen una distribución normal. en el valor de p, ya que puede darse el RIESGO RELATIVO
caso, y muchas veces sucede, de que el El riesgo relativo (RR) estima la magni-
Los valores de estos los coeficientes de resultado de un estudio sea no significa- tud de la asociación e indica el número
Pearson y Spearman varían entre -1 y tivo, pero los resultados sean relevantes o de veces que es más probable que una
+1. Un valor de +1 indica una relación viceversa. Y es que muchas veces signifi- enfermedad se desarrolle en el grupo
lineal o línea recta positiva perfecta. Un cativo no es equivalente a importante. expuesto en relación al grupo no ex-
valor de -1 indica una relación lineal puesto. Es una razón entre las inciden-
negativa perfecta. Un coeficiente de co- Ejemplo: estudio controlado aleatorizado cias del grupo expuesto (Ie) y del grupo
rrelación igual a 0 indica que no hay re- realizado en farmacias comunitarias para no expuesto (I0) como se muestra en la
lación lineal entre las dos variables. Por evaluar una intervención farmacéutica para siguiente ecuación:
otra parte, el coeficiente de correlación mejorar el control de la enfermedad en el
indica únicamente que dos variables in- paciente hipertenso. Se aleatorizan sesenta Ie a/(a+b)
dependientes varían conjuntamente, pero pacientes, treinta a un grupo intervención RR = —— = ————————
Io c/(c+d)
hay que dejar claro que esta variación (GI) y a treinta a un grupo control (GC).

FC 29
25-30-Colaboracion_FC 05/03/12 17:21 Página 30

COLABORACIONES
Farmacéuticos Comunitarios
Andrés Iglesias JC. Introducción a la bioestadística.

2012; 4(1): 25-30

El RR puede tomar valores mayores que ciación entre la exposición y la enfer- NNT= 1/0,23 = 4,35. El resultado indica
1, lo cual significa que existe asociación medad, y si es menor que 1 indica una que haría falta realizar la intervención
positiva entre la exposición y la enfer- asociación negativa entre la exposición en cuatro pacientes para evitar un caso
medad, por lo que la exposición actuará y la enfermedad. de no control de la HTA. FC
como un factor de riesgo de la enfer-
medad. Si RR es igual a 1 significa que Ejemplo: estudio de casos y controles de
no existe asociación entre la exposición 415 pacientes donde se observo la aso- BIBLIOGRAFÍA
y la enfermedad. Que RR sea menor que ciación entre la presencia de dislipemia Altman DG. The scandal of poor medical rese-
1 indica una asociación negativa entre y el ser una persona sedentaria o no. arch. BMJ 1994; 308: 283-284.
la exposición y la enfermedad. En este Altman DG, Bland JM. Statistics Notes: Com-
Casos Controles Total paring several groups using analysis of va-
caso, la exposición actuará como factor
Sedentario 110 130 240 riance. BMJ 1996; 312: 1472-1473.
protector de la enfermedad.
No sedentario 35 140 175 Andrés Iglesias C, Fornos Pérez JA, Andrés Ro-
dríguez NF. Introducción a la investigación en
Ejemplo: estudio de cohortes de 500 pa- Total 145 270 415 Farmacia Comunitaria. Vigo: Grupo Berbés y
cientes con prehipertensión (JNC 7) Aulacofano; 2010. ISBN: 978-84-613-7801-2.
donde se dividió a los pacientes en fun- OR = 3,4 Argimon Pallás JM, Jiménez Villa J. Métodos
de investigación clínica y epidemiológica. 2ª
ción de si fueron atendidos en farmacias ed. Madrid: Harcourt; 2000.
donde se realizaba AF o no. Se siguió a Esto indica que 3,4 personas sedenta- Badía X. La investigación de resultados en
los pacientes durante cinco años para rias desarrollan dislipemia por cada 1 salud. De la evidencia a la práctica clínica. Bar-
ver cuantos habían evolucionado a una no sedentaria. celona: Edimac; 2000.
hipertensión estadio 1 o 2. Bewick V, Cheek L, Ball J. Statistics review 7:
Correlation and regression. Crit Care 2003;
REDUCCIÓN DEL RIESGO ABSOLUTO (RRA) 7(6): 451-459.
Hipertensión No
estadío 1 o 2 hipertensión
Total Es la diferencia entre el riesgo entre el Bewick V, Cheek L, Ball J. Statistics review 8:
Pacientes grupo control y el grupo tratado, que Qualitative data - tests of association. Crit Care.
60 (27,3) 160 (61,5) 220 2004; 8(1): 46-53.
en AF informa sobre la reducción en número
Pacientes absoluto de la incidencia que se consi- Bewick V, Cheek L, Ball J. Statistics review 9:
160 (72,7) 100 (38,5) 260 one-way analysis of variance. Crit Care 2004;
sin AF
gue con la intervención o el tratamiento. 8(2): 130-136.
Total 220 260 500
Domínguez-Gil Hurlé A, Soto Álvarez J. Far-
RR = 0,44 REDUCCIÓN DEL RIESGO RELATIVO (RRR) macoeconomía e Investigación de Resultados
Informa sobre el beneficio relativo que en la Salud: Principios y Práctica. Madrid: Real
Academia de Farmacia; 2002.
Existe una asociación negativa entre que se consigue con la intervención.
Escrig Sos J, Miralles Tena JM, Martínez Ramos
los pacientes sean atendidos en farma- D, Rivadulla Serrano I. Intervalos de confianza:
cias donde se realiza AF y el desarrollo NÚMERO NECESARIO DE PACIENTES por qué usarlos. Cir Esp 2007; 81(3): 121-125.
de hipertensión; es decir, los pacientes A TRATAR (NNT) Guyatt G, Jaeschke R, Heddle N, Cook D, Shan-
atendidos en farmacias donde se realiza Informa del número de pacientes que es non H, Wermuth L. Basic statistics for clinicians:
1. Hypothesis testing. CMAJ 1995; 152: 27-32.
AF en pacientes prehipretensos presen- necesario tratar con la intervención o
Hulley SB, Cummings SR. Diseño de la inves-
tan un menor riesgo de desarrollar hi- la terapia para evitar una incidencia o tigación clínica: un enfoque epidemiológico.
pertensión es estadio 1 o 2. un episodio nuevo de una enfermedad. Madrid: Harcourt Brace; 1997.
Juez Martel P. Herramientas estadísticas para
ODSS RATIO (OR) Ejemplo: ECA realizado en farmacias la investigación en Medicina y Economía de la
Salud. Madrid: Editorial Centro de Estudios
Es la medida de asociación que se utiliza comunitarias para evaluar una inter- Ramón Areces; 2001.
en los estudios de casos y controles. Re- vención farmacéutica para mejorar el Littell RC, Henry PR, Ammerman CB. Statistical
presenta el cociente entre el número de control de la enfermedad en el paciente analysis of repeated measures data using SAS
veces que ocurre un suceso frente a hipertenso. Se aleatorizan sesenta pa- procedures. J Anim Sc. 1998; 76(4): 1216-1231.
cuántas veces no ocurre. cientes, treinta a un grupo intervención Manual del usuario de SPSS Base 15.0. Chi-
cago: SPSS Inc; 2006
(GI) y a treinta a un grupo control (GC).
Casos Controles Pértega Díaz S, Pita Fernández S. Relación
Los resultados después de 1 año de in- entre variables cuantitativas. Cad Aten Prima-
Exposición a b tervención fueron los siguientes: ria 1997; 4: 141-144.
GI= 37% de no controlados. Pértega Díaz S, Pita Fernández S. Métodos pa-
No exposición c d ramétricos para la comparación de dos medias. t
GC= 60% de no controlados.
de Student. Cad Aten Primaria 2001; 8: 37-41.
RRA= % de no controlados en GC- %
Ruiz de Villa M del C. Análisis de medidas repe-
axd no controlados en GI. tidas. Med Clin (Barc). 2004;122 (Suppl 1): 51-58.
OR = —————— RRR= RRA/% no controlados en GI.
bxc Seoane T, Martín JLR, Martín-Sánchez E, Lu-
NNT= 1/RRA. rueña-Segovia S, Alonso Moreno FJ. Curso de in-
RRA= 0,6-0,37. Esto indica que la in- troducción a la investigación clínica. Capítulo 7:
Estadística: Estadística Descriptiva y Estadística
El odds ratio se comporta como el riesgo tervención ha reducido en un 26% el Inferencial. SEMERGEN 2007; 33(9): 466-471.
relativo: si toma valores mayores que 1 número de no controlados. Whitley E, Ball J. Statistics review 1: presenting and
significa que existe asociación positiva RRR= 0,23/0,37. Esto indica que en el summarising data. Crit Care 2002; 6(1): 66-71.
entre la exposición y la enfermedad, si GI el riesgo de no control es un 62% Whitley E, Ball J. Statistics review 3: hypothesis
es igual a 1 significa que no existe aso- menor que en el GC. testing and P values. Crit Care 2002; 6(3): 222-225.

30 FC