Untitled

Introducción a la Bioestadística

Un viaje hacia el análisis de datos en ciencias de la salud

SEMANA 1
FUNDAMENTOS

¿Qué aprenderemos esta semana?

  1. Comprender la estadística y bioestadística
    • Exploraremos las definiciones fundamentales y su importancia en las ciencias de la salud.
  2. Identificar tipos de variables
    • Aprenderemos a distinguir entre variables cualitativas y cuantitativas con ejemplos prácticos.
  3. Dominar las escalas de medición
    • Conoceremos las diferentes escalas y su aplicación en investigación.
  4. Diferenciar población y muestra
    • Entenderemos estos conceptos clave y su relevancia en el análisis estadístico.

¿Qué es la Estadística?

Definición

  • La estadística es la ciencia que se ocupa de la recopilación, organización, análisis e interpretación de datos para ayudar en la toma de decisiones.
  • Esta disciplina nos transforma datos en bruto en información significativa.
    • En un mundo inundado de datos, la estadística actúa como una brújula que nos guía hacia conclusiones válidas y decisiones fundamentadas.
  • La estadística se divide en dos ramas principales:
    1. Estadística descriptiva: Resume y describe datos.
    2. Estadística inferencial: Permite hacer predicciones y generalizaciones sobre poblaciones más amplias.

Bioestadística: Estadística aplicada a la salud

  • La bioestadística es la aplicación de métodos estadísticos al estudio de fenómenos biológicos y de salud.
  • Es una herramienta fundamental para:
    1. Ensayos clínicos: Evalúa la eficacia y seguridad de nuevos tratamientos médicos mediante análisis riguroso de datos.
    2. Estudios epidemiológicos: Identifica patrones de enfermedades en poblaciones y factores de riesgo asociados.
    3. Investigación genética: Analiza datos genómicos para comprender herencia y susceptibilidad a enfermedades.

¿Por qué es importante la Bioestadística?

  1. Validación científica: Proporciona métodos rigurosos para validar hipótesis y hallazgos en investigación biomédica.
  2. Toma de decisiones clínicas: Ayuda a los profesionales sanitarios a tomar decisiones basadas en evidencia.
  3. Políticas de salud pública: Fundamenta el diseño de programas de salud y políticas sanitarias efectivas.
  4. Interpretación de resultados: Permite leer críticamente literatura científica y comprender sus implicaciones.

CONCEPTOS FUNDAMENTALES

Variables: Los bloques de construcción de los datos

  • Una variable es cualquier característica, número o cantidad que puede ser medida o contada.
  • Las variables son la base de cualquier estudio estadístico, ya que representan los aspectos de interés que queremos investigar.

Tipos principales

  • Las variables se clasifican en dos grandes categorías según la naturaleza de la información que representan:
    1. Cualitativas.
    2. Cuantitativas.
  • Esta distinción es crucial porque determina qué métodos estadísticos podemos aplicar.

Importancia en investigación

  • Identificar correctamente el tipo de variable es el primer paso en cualquier análisis estadístico.
  • Esta clasificación influye en la elección de gráficos, medidas de resumen y pruebas estadísticas apropiadas.

Variables Cualitativas

  • Las variables cualitativas, también llamadas categóricas, describen características o atributos que no pueden expresarse numéricamente.
  • Clasifican a los individuos en categorías mutuamente excluyentes.

Tipos de variables cualitativas

  1. Nominales:

    • Sin orden inherente entre categorías.
    • Ejemplos:
      • Grupo sanguíneo (A, B, AB, O)
      • Sexo biológico
      • Color de ojos
      • Presencia de enfermedad (sí/no)

  2. Ordinales:

    • Con orden o jerarquía entre categorías.
    • Ejemplos:
      • Nivel de dolor (leve, moderado, severo)
      • Estadio del cáncer (I, II, III, IV)
      • Grado de satisfacción
      • Nivel socioeconómico

Variables Cuantitativas

  • Las variables cuantitativas representan cantidades numéricas que resultan de medir o contar.
  • Permiten realizar operaciones matemáticas y proporcionan información más precisa sobre las características estudiadas.

Tipos de variables cuantitativas

  1. Discretas:

    • Valores contables, generalmente números enteros.
    • Ejemplos:
      • Número de hijos
      • Células sanguíneas por microlitro
      • Visitas al médico por año
      • Dosis de medicamento

  2. Continuas:

    • Valores medibles en un rango continuo.
    • Ejemplos:
      • Peso corporal (kg)
      • Altura (cm)
      • Temperatura corporal (°C)
      • Concentración de glucosa (mg/dL)

Comparación: Cualitativas vs. Cuantitativas

Variables Cualitativas
  • Describen atributos o categorías.
  • No permiten operaciones aritméticas.
  • Se representan con gráficos de barras o pasteles.
  • Medidas: frecuencia y porcentaje.
  • Ejemplo: tipo de tratamiento recibido.
Variables Cuantitativas
  • Expresan cantidades numéricas.
  • Permiten cálculos matemáticos.
  • Se representan con histogramas o diagramas de dispersión.
  • Medidas: media, mediana, desviación estándar.
  • Ejemplo: presión arterial sistólica.

MEDICIÓN

Escalas de Medición

  • Las escalas de medición clasifican las variables según el nivel de información que proporcionan.
  • Cada escala tiene propiedades específicas que determinan qué operaciones estadísticas son apropiadas.
  • Entender estas escalas es fundamental para elegir los métodos de análisis correctos.

Tipos de escalas

  1. Intervalo y Razón:
    • Intervalos iguales; razón tiene cero absoluto.
  2. Ordinal:
    • Categorías con orden.
  3. Nominal:
    • Categorías sin orden.
  • Esta jerarquía representa el nivel de precisión y las propiedades matemáticas de cada escala.
  • A medida que ascendemos, ganamos más información y posibilidades analíticas.

Escala Nominal

Características

  • Es la escala más básica que simplemente clasifica en categorías sin orden ni jerarquía.
  • Los números, si se usan, son solo etiquetas.
    • Sin orden: No hay relación de mayor o menor entre categorías.
    • Solo identifica: Agrupa elementos similares.
    • Ejemplos clínicos:
      • Tipo sanguíneo
      • Género
      • Diagnóstico (diabetes tipo 1 vs. tipo 2)
      • Grupo de tratamiento

Escala Ordinal

Características

  • Establece un orden o rango entre las categorías, pero las diferencias entre ellas no son necesariamente iguales o cuantificables.
    • Ejemplo de niveles de dolor:
      1. Leve - Nivel 1 de dolor
      2. Moderado - Nivel 2 de dolor
      3. Severo - Nivel 3 de dolor
  • Ejemplos adicionales:
    • Estadio tumoral (I-IV)
    • Grado de satisfacción del paciente
    • Escala de Glasgow
    • Nivel educativo

Escala de Intervalo

Características

  • En esta escala, las diferencias entre valores son significativas e iguales, pero no existe un cero absoluto que indique ausencia total de la propiedad medida.
  • Propiedades:
    • Intervalos iguales entre valores consecutivos.
    • Permite suma y resta.
    • No permite multiplicación ni división.
    • El cero es arbitrario, no absoluto.
  • Ejemplo principal:
    • Temperatura en Celsius o Fahrenheit: La diferencia entre 20°C y 30°C es igual que entre 30°C y 40°C, pero 40°C no es "el doble de caliente" que 20°C; el 0°C no significa ausencia de temperatura.
  • En ciencias de la salud:
    • Escalas psicológicas estandarizadas
    • Puntuaciones de tests cognitivos
    • Índices de calidad de vida
    • Años del calendario

Escala de Razón

Características

  • La escala más completa, que posee todas las propiedades anteriores más un cero absoluto que indica ausencia total de la característica.
  • Permite todas las operaciones matemáticas.
    • Ejemplo:
      • Peso corporal: 0 kg significa ausencia de masa.
      • 80 kg es el doble de 40 kg.
    • Altura: 0 cm indica ausencia de altura.
    • Permite comparaciones proporcionales.
    • Presión arterial: medida absoluta donde 0 indica ausencia de presión.
    • Concentraciones: Niveles de glucosa, colesterol, etc., con cero absoluto.

Resumen de Escalas de Medición

EscalaPropiedadesOperacionesEjemplo
NominalClasificaciónIgualdad (=, ≠)Grupo sanguíneo
OrdinalClasificación + OrdenMayor/Menor (>, <)Estadio tumoral
IntervaloOrden + Intervalos igualesSuma, Resta (+, -)Temperatura (°C)
RazónTodo + Cero absolutoTodas (×, ÷)Peso (kg)
  • Cada escala superior incluye las propiedades de las inferiores, creando una jerarquía de sofisticación en la medición.

CONCEPTOS CLAVE

Población vs. Muestra

  • La distinción entre población y muestra es fundamental en estadística.
  • Raramente podemos estudiar a todos los individuos de interés, por lo que trabajamos con muestras representativas.
Población
  • El conjunto completo de todos los individuos, objetos o medidas de interés en un estudio.
  • Representa la totalidad sobre la que queremos hacer inferencias.
    • Ejemplos:
      • Todos los pacientes con diabetes en España.
      • Todas las mujeres embarazadas en Europa.
      • Todos los estudiantes de medicina.
Muestra
  • Un subconjunto seleccionado de la población que se estudia realmente.
  • Debe ser representativa para poder generalizar los resultados.
    • Ejemplos:
      • 500 pacientes con diabetes del Hospital La Paz.
      • 1,000 mujeres embarazadas de Madrid.
      • 300 estudiantes de medicina de Barcelona.

¿Por qué usar muestras?

  1. Costo:
    • Estudiar una población completa es extremadamente caro.
    • Las muestras reducen drásticamente los costos económicos del estudio.
  2. Tiempo:
    • Recopilar datos de toda una población puede llevar años.
    • Las muestras permiten obtener resultados en plazos razonables.
  3. Practicidad:
    • A menudo es físicamente imposible acceder a toda la población.
    • Las muestras hacen viable la investigación.
  4. Precisión:
    • Irónicamente, muestras bien diseñadas pueden dar resultados más precisos que censos completos por mejor control de calidad.

Parámetros y Estadísticos

  • Es crucial distinguir entre las medidas que describen poblaciones y las que describen muestras, ya que tienen propósitos diferentes.
Parámetro
  • Valor numérico que describe una característica de la población completa.
  • Es fijo pero generalmente desconocido.
    • Representado con letras griegas (μ, σ).
    • Ejemplo: Peso medio de todos los adultos españoles.
Estadístico
  • Valor numérico calculado a partir de la muestra.
  • Sirve para estimar el parámetro poblacional.
    • Representado con letras latinas (x̄, s).
    • Ejemplo: Peso medio de 500 adultos españoles estudiados.

PRÁCTICA

Ejercicios Introductorios

  • Para consolidar los conceptos aprendidos, practica identificando variables y escalas en contextos reales de ciencias de la salud.
  1. Clasifica las siguientes variables:
    • Identifica si son cualitativas o cuantitativas, y su escala de medición: grupo sanguíneo, frecuencia cardíaca, nivel de escolaridad, número de embarazos previos, satisfacción del paciente.
  2. Define población y muestra:
    • Para un estudio sobre eficacia de una vacuna en adolescentes españoles de 12-16 años, define claramente cuál sería la población y propón una muestra adecuada.
  3. Diseña un mini-estudio:
    • Propón 5 variables (mínimo 2 cualitativas y 2 cuantitativas) que medirías para estudiar factores de riesgo cardiovascular. Especifica la escala de cada una.

Resumen de la Semana 1

  • Hemos establecido los cimientos fundamentales de la bioestadística.
  • Estos conceptos son la base sobre la que construiremos conocimientos más avanzados.
    • Estadística y Bioestadística: Herramientas esenciales para análisis de datos en salud.
    • Variables Cualitativas y cuantitativas: Con diferentes propiedades.
    • Escalas de medición: Nominal, ordinal, intervalo y razón.
    • Población vs. Muestra: Distinción fundamental para inferencia estadística.
  • En las próximas semanas, aplicaremos estos conceptos para describir, visualizar y analizar datos de manera rigurosa y científica.