Biomédica

2.
APLICACIN DE LA ESTADISTICA EN LA BIOMEDICINA

2.1 GENERALIDADES DE LA ESTADISTICA CON LA BIOMEDICINA
La estadstica puede definirse como la disciplina que se ocupa del tratamiento de
los datos numricos derivados de grupo de casos. A menudo estos casos pueden
ser personas, animales u otros organismos. En ocasiones se dice que la
estadstica contribuye poco o nada al progreso de la medicina, porque el medico
se ocupa en cada momento del tratamiento de un solo paciente y este difiere de
los otros en aspectos importantes.Muchas tcnicas de la estadstica se emplean
con mucha frecuencia en la investigacin mdica y describirlas en trminos que
sean accesibles para quien no domine las matemticas. La eleccin de los temas
estadsticos refleja el alcance de su empleo en la investigacin mdica; muchos de
estos temas se ven ms utilizados en la estadstica aplicada, pero igual
mostraremos casos puntuales que trabajan en la investigacin mdica o que estn
interesados en la aplicaciones mdicas. La estadstica biomdica consiste, segn
que opiniones, simplemente en formulacionesnumricas sobre materias mdicas:
cuantas personas fallecen por una determinada causa cada ao, cuantas camas
hospitalarias se encuentran disponibles en un rea concreta o cunto dinero se
gasta en una determinada prestacin mdica. Estos hechos tienen una
importancia administrativa clara sobre todo el modo en que la estadstica puede
mostrar resultados a personal administrativos que no son necesariamente
estadsticos. Por ejemplo, Para prever el nmero de camas de un servicio de
obstetricia de una comunidad necesitamos conocer cuntas mujeres dan a luz en
un periodo determinado y cuantas de ellas deben recibir cuidados en hospitales o
maternidades. Los datos numricos tambin ofrecen la base de numerosas
investigaciones mdicas. El estadstico necesita ir mas all de esta labor
descriptiva en dos aspectos importantes: el primero, la posibilidad de mejorar la
calidad de informacin, planeando cuidadosamente la recogida de datos, y el
segundo, saber que los procedimientos de inferencia estadstica proporciona una
amplia gama de mtodos objetivos para extraer conclusiones de los datos sobre
los temas que se estn investigando . En los ltimos aos se han constatado una
produccin abundante de artculos que han desarrollado nuevos mtodos
estadsticos especficamente para la investigacin mdica.
2.2 PRESENTACIN DE INFORMACIN MEDIANTE LA ESTADISTICA
El material bruto de las investigaciones estadsticas consiste en observaciones
individuales que casi siempre se deben resumir de algn modo para que puedan
ser de utilidad. El objetivo de los mtodos estadsticos va ms all de la mera
presentacin de datos e incluye la formulacin de inferencias a partir de ellos.
Estos dos aspectos descripcin e inferencia- no pueden separarse. No podemos
referiros a las herramientas descriptivas sin considerar el fin para el que son
necesarias. Siempre es til distinguir, en primer lugar entre dos tipos de variables,
cualitativas (o categricas) y cuantitativas. Las variables cualitativas pueden
distinguirse en observaciones nominales y ordinales.Uno de los principales
mtodos de presentacin de la informacin estadstica,sobre todo en la
biomedicina, lo constituyen las grficas. Las tendencias y los contrastes suelen
percibirse con mayor rapidez y quiz son retenidos durante ms tiempo en la
memoria mediante la observacin causal de un diagrama bien proporcionado, que
por el escrutinio de los datos numricos correspondientes, presentados en una
tabla. Sin embargo, las grficas deben ser sencillas, pues los que contienen
demasiada informacin entraan mayor dificultad en la interpretacin. Otro mtodo
de resumir y presentar algunas caractersticas importantes de un conjunto de
datos en forma de tabla. Existen muchas variantes, pero las caractersticas
esenciales son que la estructura y el significado de una se indiquen con
encabezamientos o ttulos y que el resumen estadstico se exprese en el cuerpo
de la tabla mediante nmeros.
Es til clasificar las observaciones cuantitativas en variables discretas y continuas.
Las medidas discretas suelen ser recuentos como el nmero de veces que un
individuo ha sido ingresado en el hospital en los ltimos 5 aos. Las variables
continuas pueden adoptar un intervalo de valores continuos o interrumpidos como
la estatura, la edad, el peso y la presin arterial. Un paso prctico para resumir
gran cantidad de datos es la formacin de una distribucin de frecuencia. TABLA
1.5
2.3 PROBABILIDADES EN LA BIOMEDICA
El principal objetivo de la asignacin de probabilidades numricas es permitir la
realizacin de clculos a partir de estos nmeros. Las dos operaciones bsicas
que nos ocupan son la suma y la multiplicacin. Por ejemplo, si se escoge al azar
el nombre de un mdico a partir del British Medical Register, la probabilidad de
que este mdico sea varn es de 0,8. La probabilidad de que el mdico se haya
graduado en una universidad en Inglaterra es de 0,6. Cul es la probabilidad de
que el mdico sea un varn o se haya graduado en Inglaterra, o ambas
caractersticas a la vez? Si se suman ambas probabilidades se obtiene 0,8 + 0,6 =
1,4, lo cual es claramente errneo, porque las probabilidades no pueden ser
superiores a 1. Para obtener la respuesta correcta se debe restar la probabilidad
del doble suceso. As llamando A y B a los dos sucesos, obtenemos una expresin
ms general de la ley aditiva. P (A o B o ambos) = P (A) + P (B) P (A y B) y
designando a los sucesos A y B, obtendremos, P (A o B o ambos) = 0,80 + 0,06
0,48 = 0,92.
Tambin en el estudio de la biomdica se pueden estudiar las probabilidades con
modelos de distribucin binomial y distribucin de Poisson. En la distribucin
binomial se tiene una secuencia aleatoria en la que los sucesos de cada prueba
individual son de tipo A o B cuyas posibilidades de ocurrir es igual a . Para la
distribucin binomial se tendrn las siguientes ecuaciones,
E(r) = n y Var(r) = n(1 ). La figura 2.7 ilustra la distribucin de varias
combinaciones de () y n. En la distribucin de Poisson el modelo es anlogo, en
forma continua, a las secuencias de los ensayos independientes. La probabilidad
de que en la serie completa de n pruebas aparezcan exactamente x sucesos,
segn esta aproximacin, vendr dada por la distribucin
binomial
()()

(
, la probabilidad de x se aproxime a:

La figura 2.9 ilustra la distribucin de Poisson para varios valores de .Despus de
mencionar probabilidad mediante la distribucin binomial y la distribucin de
Poisson, mostraremos un ejemplo de un problema de probabilidad desarrollado
por distribucin binomial.
Regresin mltiple en la Biomdica
En la biomdica es conveniente a menudo expresar el valor medio de una variable
en trminos de no otra variable sino de varias. Es posible que se desee conocer a
fondo algunos mecanismos causales descubriendo cul de las variables de un
conjunto x
1,
x
2
, tiene aparentemente ms influencia sobre una variable
dependiente y. por ejemplo, la tasa de recin nacidos vara considerablemente en
diferentes ciudades de Gran Bretaa. Relacionando la tasa de recin nacido
muertos simultneamente con un gran nmero de variables que describen las
ciudades- por ejemplo, variables econmicas, sociales, meteorolgicas o
demogrficas-sera posible encontrar los factores que ejerce una influencia
particular sobre la tasa de recin nacidos muertos. Otro ejemplo se halla en el
estudio de las variaciones del costo por paciente en los distintos hospitales. Esto
presumiblemente depende de forma acusada de la mezcla de pacientes- las
proporciones de los distintos tipos de pacientes-, as como de otros factores. Un
estudio de los efectos simultneos de algunas de estas variables puede explicar,
en gran parte, la variacin de los costos hospitalarios y, prestar atencin a
determinados hospitales cuyos costos altos o bajos estn fuera de la lnea de
prediccin, puede sugerir nuevos factores de suma importancia. La tcnica
apropiada se denomina regresin mltiple. En general, el planteamiento consiste
en expresar el valor medio de la variable dependiente en trminos de los valores
de un conjunto de variables independientes.Mostraremos un ejemplo de un
problema de regresin lineal mltiple.

Ejemplo 1
Los casos de Sida diagnosticados en Espaa en los ltimos aos vienen recogidos en la tabla,
clasificados por grupo de riesgo del paciente.

Desarrolle y presente la distribucin de frecuencia (frecuencia absoluta) y el histograma para
dicha tabla.

Histograma de casos de Sida en Espaa de 1993 a 1997

Ejemplo 2
El 1% de los nios sufre efectos secundarios tras la administracin de un determinado antibitico.
Si ste fue aplicado a seis nios, determinar a) la probabilidad de que ninguno padezca efectos
secundarios o b) lo padezca ms de un nio. c) Si se suministrase el antibitico a 1000 nios, cul
sera el nmero medio de nios con efectos secundarios? Y d) calcular la probabilidad de que, de
esos mil nios, padezcan efectos secundarios ms de 15.
a) El problema se puede formalizar mediante un modelo binomial en donde cada prueba de
Bernoulli sea el administrar el antibitico en cuestin y el suceso xito el que el nio
padezca efectos secundarios. De esta forma, la variable nmero de nios, de entre los seis,
que padecieron efectos secundarios, se puede modelizar mediante una variable X con
distribucin binomial B(6, 0.01) al ser 0.01 la probabilidad de que se d el suceso xito.
La probabilidad de que ninguno de estos nios padezca efectos secundarios, utilizando la
tabla de la distribucin binomial, P{X=0}=0.9415.
Conclusin: Existe el 94.15% de probabilidades de que ningn nio padezca efecto secundario.
b) La probabilidad de que ms de un nio padezca efectos secundarios ser la misma
situacin de la seccin anterior pero de esta manera:
P{X>1} = 1 P{X=<1} = 1 [P{X=0} + P{X=1}]
= 1 [0.9415 0.0571]
= 0.0014 , 0.0014 x 100%
= 0.14%
Conclusin: Existe el 0.14% de probabilidades de que ms de un nio padezca efectos
secundarios.
c) La probabilidad de que se suministrase el antibitico a 1000 nios sera, ahora lo que
ocurre es que se aumenta el nmero de pruebas B(1000, 0.01), por lo tanto la media de
esta distribucin es el producto de los parmetros, es decir, E[X] = n . p = 1000 . 0.01 = 10.
Conclusin: El nmero medio o nmero de nios esperado de nios con efectos secundarios, de
entre los mil, seria 10 nios.
d) El clculo de probabilidades de distribuciones binomiales para un gran nmero de
ensayos, como ocurre aqu, se realiza aproximando dicha distribucin mediante el
teorema central de lmite. En el caso de una distibucin binomial X B(n,p), su
aproximacin mediante una normal Y N (np, ( )) es vlida, cuando supuesto
sea p=< 0.5 entonces sea tambin np> 5. Pr lo tanto, aproximaremos la X B(1000,0.01),
Y (1000 . 0.01,
= N(10, 3.146) quedando la probabilidad igual a

P{X>15} = P{

} = P { Z > 1.59} = 0.0559. 0.0559 x 100 % = 5.56%
Conclusin: Existe el 5.56% de probabilidades de que ms de 15 nios de esos mil nios
padezcan efectos secundarios.

Ejemplo 3
En el anlisis de la posible influencia del peso, X1 y del nivel de cido rico, X2, sobre el nivel de
colesterol, Y, en los individuos de una poblacin, se seleccion al azar a 10 personas de la
poblacin en estudio, anotndose el valor, que en ellos tomaban, las tres variables antes
mencionadas. Los resultados obtenidos fueron los siguientes:

Se pide: Determinar la ecuacin del sistema de regresin de Y sobre X1, X2.
Para calcular la ecuacin del sistema de regresin lineal mltiple de Y sobre X1, X2.

Debemos determinar y resolver, previamente, el sistema de ecuaciones normales

Que para los datos del enunciado queda igual a

Sistema de tres ecuaciones con tres incgnitas, que tiene como solucin los valores,

La ecuacin del sistema de regresin lineal mltiple ser:

Biomédica

Cargado por

Copyright:

Formatos disponibles

Biomédica

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Biomédica

Cargado por

Copyright:

Formatos disponibles

2.

APLICACIN DE LA ESTADISTICA EN LA BIOMEDICINA

= N(10, 3.146) quedando la probabilidad igual a

También podría gustarte