Bioestadística
Bioestadística: Estadística de la vida.
Bio, del latín, Bios:
“Vida”.
Estadística, del alemán, Statistik:
“La cosa del Estado”.
Estado, del latín, Status:
“Modo de pararse “ o “Posición”.
Bioestadística
La Estadística es una rama de las Matemáticas que
nos provee de métodos y procedimientos para
recopilar, organizar, analizar, presentar e interpretar
un conjunto de datos, que permitan luego establecer
conclusiones válidas y establecer inferencias.
Ciencia que aplica el Análisis Estadístico a los
problemas y a los objetos de estudio de la Biología.
La Bioestadística es una rama de la Biología y de la
Estadística que se ocupa de los problemas
planteados dentro de las Ciencias de la Vida, como la
Biología y la Medicina, entre otras.
Historia
El primer médico que utilizó métodos matemáticos
para cuantificar variables de pacientes y sus
enfermedades fue el francés Pierre Charles Alexandre Louis (1787-1872).
La primera aplicación del “Método numérico” (que es
como tituló a su obra y llamó a su método) es su
clásico estudio de la tuberculosis, que influyó en toda
una generación de estudiantes.
Sus discípulos, a su vez, reforzaron la nueva Ciencia
de la Epidemiología con el método estadístico.
En las recomendaciones de Louis para evaluar
diferentes métodos de tratamiento están las bases de
los ensayos clínicos que se hicieron un siglo después.
Historia
En Francia, Louis René Villermé (1782 - 1863), y en
Inglaterra, William Farr (1807 - 1883) —que había
estudiado Estadística Médica con Louis— hicieron los
primeros mapas epidemiológicos usando métodos
cuantitativos y análisis epidemiológicos.
Francis Galton (1822 - 1911), basado en el
Darwinismo Social, fundó la Biometría Estadística.
Pierre Simon Laplace (1749 - 1827), astrónomo y
matemático francés, publicó en 1812 un tratado sobre
la teoría analítica de las probabilidades: “Théorie
analytique des probabilités”, sugiriendo que tal
análisis podría ser una herramienta valiosa para
resolver problemas médicos.
Historia
Los primeros intentos de hacer coincidir las
Matemáticas de la Teoría Estadística con los
conceptos emergentes de la infección bacteriana
tuvieron lugar a comienzos del siglo XX.
Tres diferentes problemas cuantitativos fueron
estudiados por otros tantos autores.
William Heaton Hamer (1862 - 1936) propuso un
modelo temporal discreto en un intento de explicar la
ocurrencia regular de las epidemias de sarampión.
John Brownlee (1868 - 1927), primer director del
British Research Council, luchó durante veinte años
con problemas de cuantificación de la infectividad
epidemiológica.
Historia
Ronald Ross (1857 - 1932) exploró la
aplicación matemática de la Teoría de las
Probabilidades con la finalidad de determinar la
relación entre el número de mosquitos y la
incidencia de malaria en situaciones endémicas
y epidémicas.
Pero el cambio más radical en la dirección de la
Epidemiología se debe a Austin Bradford Hill
(1897 -1991) con el ensayo clínico aleatorizado
y, en colaboración con Richard Doll (1912 -), el
épico trabajo que correlacionó el tabaco y el
cáncer de pulmón.
Historia
Los primeros trabajos bioestadísticos en Enfermería
los realizó, a mediados del siglo XIX la enfermera
inglesa Florence Nightingale.
Durante la guerra de Crimea, Florence Nightingale
observó que eran mucho más numerosas las bajas
producidas en el hospital que en el frente.
Por lo tanto, recopiló información y dedujo que la
causa de la elevada tasa de mortalidad se debía a la
precariedad higiénica existente.
Así, gracias a sus análisis estadísticos, se comenzó a
tomar conciencia de la importancia y la necesidad de
unas buenas condiciones higiénicas en los hospitales.
ESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA:
Toma, desmenuza y elabora los datos.
No saca conclusión.
Sin hipótesis previa.
Estadística hospitalaria.
ESTADÍSTICA INFERENCIAL:
A partir de una muestra seleccionada y
representativa, voy a hacer inferencias para la
población.
Estadística de investigación.
Herramientas
1-Estadística Descriptiva:
A) Analógicas: Cuadros o Tablas y Gráficos o
Mapas.
B) Digitales: Estadígrafos.
2-Estadística Inferencial:
A) Analógicas: Cuadros o Tablas y Gráficos o
Mapas.
B) Digitales: Estadígrafos.
FUENTES
FUENTE PRIMARIA:
Quien recoge la información, la elabora y la concluye
es uno mismo (no necesito referirme a ella).
FUENTE SECUNDARIA:
Debo mencionar de dónde obtuve los datos.
FUENTES OFICIALES:
Gubernamentales (INDEC, Censos, defunciones, etc.,
el Estado afronta el gasto).
FUENTES PRIVADAS:
Encuestadores para elecciones, etc.
POBLACIÓN
POBLACIÓN: Todos los elementos e individuos que poseen
características comunes y observables, constitutivos del objeto
en estudio (no necesariamente personas).
Hay que definirla muy bien (A veces, sólo en la mente). Finita e
infinita. Objeto y objetivo.
UNIVERSO (Acotado según variables).
Por eso trabajamos con MUESTRAS (Subconjunto de la
población, por selección y representatividad en el muestreo).
Condición: Se dimensiona la magnitud del error.
Hipótesis previa.
UNIDADES DE OBSERVACIÓN, ESTADÍSTICAS U
OBSERVACIONALES:
Cada uno de los elementos considerados.
DATOS ESTADÍSTICOS: Valor o respuesta que adquiere la
variable en cada unidad de análisis.
Parámetros (Certidumbre) y estadígrafos (No).
CARACTERÍSTICAS
VARIABLES:
- Variables cualitativas o no numéricas :
-Nominales (Cualidad, característica o atributo).
-Ordinales (Orden entre categorías).
- Variables cuantitativas o numéricas:
-Discretas o discontinuas (Se cuentan: Valores
enteros).
-Continuas (Se miden: Valores decimales).
Transformación cualitativa.
Categorías.
Ejemplo
Defunciones según Servicios.
Las Defunciones son las unidades
observacionales.
Los Servicios son las variables (Variable
cualitativa).
¿Cómo me doy cuenta?:
¿Qué cosa estudio?: Defunciones (unidades)
¿Cómo las clasifiqué?: Según Servicios
(variables)
Defunciones según Servicios
(Variables) SERVICIOS
N° DE
DEFUNCIONES
CLÍNICA
18
CIRUGÍA
8
ONCOLOGÍA
42
MATERNIDAD
1
TOTAL
69
(Unidades
observacionales)
PRESENTACIÓN DE
INFORMACIÓN
Tabulación: Presentación de datos en forma
ordenada como una tabla.
Tabla con 3 elementos:
1.-Título de la Tabla: Una idea clara de la
unidad en estudio (¿Qué?), idea del criterio o
clasificación (¿Cómo?) e idea geográfica
(¿Dónde?) y también idea temporal
(¿Cuándo?).
2.-Matriz de la Tabla: Fila matriz y Columna
matriz. Encabezamiento.
3.-Cuerpo de la Tabla: Frecuencias.
TABLAS
Abscisa = X : Variable.
Ordenada = Y : Frecuencia (2° columna).
No se deben sacar conclusiones de los
gráficos.
Los gráficos sólo sirven para ilustrar y tener
una visión rápida y directa de la situación.
Sólo se sacan conclusiones de las tablas.
Las tablas se leen de izquierda a derecha y de
arriba abajo.
FRECUENCIA
Frecuencia Absoluta:
Es el número real racional entero absoluto de la
frecuencia.
Frecuencia Relativa:
Es el porcentaje relativo de esa frecuencia
sobre el total de frecuencias.
Frecuencia acumulada:
Puede ser absoluta o relativa.
Es la suma progresiva de las frecuencias en
cada una de ellas que finalmente tienen que
llegar al número total de la suma y al 100 %.
INTERVALOS
Intervalo Cerrado: Va desde un mínimo posible
hasta un máximo determinado.
Intervalo Abierto: No tiene mínimo o no tiene
máximo.
Amplitud: Son los valores comprendidos entre
el mínimo y el máximo de un intervalo. Su valor
se obtiene de la resta de los límites máximos y
mínimos de los mismos. También se llama
rango o amplitud de la serie.
Rango o Amplitud Total: Comprende todos los
rangos considerados en el estudio.
TIPOS DE TABLAS
TABLA SIMPLE:
1 sola entrada.
1 sola variable.
1 solo criterio de clasificación.
TABLA DE DOBLE ENTRADA:
2 entradas.
2 variables.
2 criterios de información o clasificación.
Gráficos
Objetivos:
Representar distribuciones de frecuencia.
Hacer comparaciones.
Mostrar asociación entre dos o más variables.
Recomendaciones:
Debe ser sencillo y autoexplicativo.
Debe representar fielmente los hechos.
Debe ser agradable a la vista y los ejes deben
estar en proporción.
VARIABLES Y Gráficos:
GRÁFICOS
Tipos de Variables:
Cualitativas y / o
Cuantitativas Discretas
-De puntos (Dispersograma)
-De líneas o lineales (Series
cronológicas)
-De figuras geométricas:
Barras simples, verticales,
horizontales, adyacentes,
compuestas, proporcionales,
comparativas, apiladas,
agrupadas, flotantes, mixtas.
De áreas.
Circulares o Sectoriales (pie
o torta, anillos concéntricos)
-De cuerpos geométricos.
-Otros:
Cartogramas
Pictogramas
Gráficos de Puntos
Gráficos de Líneas
Barras Verticales
Barras Horizontales
Barras Proporcionales
Barras Comparativas
Barras Apiladas
Gráficos Mixtos
Gráficos de Áreas
Diagrama Sectorial
¿Gráficos Circulares?
Cartogramas
Pictogramas
VARIABLES Y GRÁFICOS
Tipos de Variables:
Gráficos:
Cuantitativas Continuas
Histograma
Histograma y / o su
correspondiente
Polígono de Frecuencias
(Polígono de frecuencias
acumuladas u ojiva)
Histogramas
Polígono de Frecuencia
Polígono de Frecuencias
Medidas de Posición o de
Tendencia Central
Media
Mediana
Moda o Modo
Media O Promedio
Media aritmética o promedio: Es igual a la suma de
todos los sumandos dividido por el número total de los
mismos.
Media geométrica: Es igual a la raíz n - ésima del
producto de todos los números.
Media ponderada: Con el agregado de exponentes.
Media cuadrática: Es igual a la raíz cuadrada de la
suma de los cuadrados de los números dividido por el
total de los mismos.
Media armónica: Con el inverso o recíproco.
Media aritmética geométrica: Sucesión convergente a
un mismo número e Integral elíptica completa de 1°
especie.
Media generalizada: Conjunción de todas.
Mediana
Mediana (Me): Valor de aquel conjunto de
datos que separa la mitad de valores más altos
y más bajos que ella (2 x 50 % de los datos).
Cuartil (Q): 4 x 25 % de los datos (4 partes, 3
cortes). Entre Q 1 y Q 3 el 50 %. Q 2: Me.
Decil (D): 10 x 10 % de los datos (10 partes, 9
cortes). D 5: Me.
Percentil (P): 100 x 1 % de los datos (100
partes, 99 cortes). P 50: Me.
Todos éstos no miden un punto; sino
frecuencias, áreas o probabilidades de que
algo ocurra.
Moda o Modo
Moda o Modo:
Es el valor de la variable más observado (con
mayor frecuencia) en una muestra.
Puede haber más de una (la muestra puede ser
bimodal, trimodal o multimodal) o ninguna.
El intervalo modal es el de mayor frecuencia
absoluta.
MEDIDAS DE DISPERSIÓN
1) De Posición:
Rango o amplitud de la variable (Recorrido):
Expresa cuál es el valor menor y mayor de los
datos. No es una buena medida de variabilidad.
Desviación semiintercuarteril.
2) Respecto a Tendencia Central:
Desviación típica.
Dispersión relativa.
Otras:
Variabilidad: Mide cuánto se alejan de la media.
Variación: Es la diferencia entre los dos
valores, el mayor y el menor.
Otras
Desvío Medio: Evalúa cómo se dispersan los valores
de la media (no se usa mucho).
Varianza o Variancia: Medida cuadrática del desvío
medio (grado de concentración de datos alrededor del
centro).
Desvío Estándar: Es la raíz cuadrada de la varianza
o variancia para obtener su valor sin afectar la unidad
de medida (Variabilidad de la población).
Desvío intercuartilar: No se usa mucho (salvo
intervalos abiertos, asimetría y datos aberrantes
distantes; se trabaja con mediana).
Coeficiente de variación: Relaciona el desvío de una
variable con la media de una variable (no lleva
unidad).
Error Estándar: Es la variabilidad muestral.
Medidas de Forma
Es la forma de la distribución de las
frecuencias.
No es tanto un aspecto de la variable, como el
compendio de todos los aspectos de su
distribución.
Aspectos:
Variabilidad.
Grado de asimetría (Sesgo + y -).
Precipicio a derecha e izquierda
Grado de curtosis (Apuntamiento).
Carl Friedrich Gauss
CURVA NORMAL DE GAUSS
Z: Valor estadístico de la curva normal de
frecuencias.
Parámetro de distribución normal, media y
desvío (Valor – Promedio / Desvío Estándar).
Polígono de frecuencias, Histograma (ancho
depende del intervalo), cada barra dividida en 5
intervalos más pequeños.
El polígono se transforma en línea curva.
Gauss descubrió la función matemática integral
por superficies del área de su curva por
derivación.
Integral de Gauss
Curva de Gauss
Normal (180 +/- 20).
Ninguno más de 240 ni menos de 120.
Probabilidad de Gauss = .3413. Multiplicado x 100
(%)= 34, 13 %; a ambos lados de la media = 68,26 %
(1 D. S.).
Luego, 13,59 % x 2 = 27,18 % + 68, 26 % = 95,44 %
(2 D. S.).
Luego, 2,14 % x 2 = 4, 28 % + 95,44 % = 99,72 % (3
D. S.).
No hay más de 3 desvíos.
30 es el número mínimo mágico para ser una muestra
grande.
Muestras pequeñas, menos de 30: t de Student.
Muestras grandes, más de 30: Chi cuadrado.
Desvío Estándar
Curva Tridimensional