medigraphic.com
ISSN 1561-3194 (Digital)

2020, Número 2

<< Anterior

Rev Ciencias Médicas 2020; 24 (2)


Técnicas estadísticas multivariadas para el estudio de la causalidad en Medicina

Sagaró CNM, Zamora ML

Idioma: Español
Referencias bibliográficas: 36
Paginas: 1-14
Archivo PDF: 344.14 Kb.


RESUMEN

Introducción: las técnicas estadísticas multivariadas son aquellas que analizan múltiples características medidas en un mismo individuo, que por estar interrelacionadas no tiene sentido medir su efecto de manera aislada. Las mismas son más frecuentemente empleadas en los estudios observacionales acerca de la etiología y el pronóstico de una enfermedad, ya que permiten explicar, predecir, controlar variables confusoras y obtener mayor consistencia en la inferencia estadística.
Objetivo: exponer las técnicas multivariadas que pueden ser empleadas para el estudio de la causalidad en las ciencias biomédicas.
Métodos: se llevó a cabo una revisión de la literatura sobre el tema en bases de datos bibliográficas como Pubmed/Medline, SciELO, SCOPUS, Web of Science, EBSCOhost, Google, entre otras. Se emplearon en la estrategia de búsqueda como descriptores los consignados en las palabras claves del artículo, los mismos fueron utilizados en idiomas inglés, francés, portugués y español, combinados con los operadores lógicos. De los más de 200 documentos digitales encontrados, se escogieron los de mayor actualidad, elaborando un informe donde se agrupan las técnicas según su objetivo y tipos de variables empleadas en el análisis.
Resultados: se presentan las técnicas descriptivas, explicativas y mixtas, considerando los diferentes tipos de regresión y las ecuaciones estructurales como las técnicas más empleadas en el estudio de la causalidad.
Conclusiones: se propone el empleo del análisis estadístico implicativo en la determinación de factores de riesgo y pronósticos.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Hair JF, Anderson RE, Tatham RL, Black WC. Análisis multivariante 5ª. Ed. [Internet] Prentice Hall International. Inc; 1999. [citado 10/01/2018]. Disponible en: Disponible en: https://www.scribd.com/document/367039653/Analisis-Multivariante-5ta-Edicion-Joseph-F-Hair-LIBROSVIRTUAL-com

  2. Hernández Avila M, Garrido Latorre F. Diseño de estudios epidemiológicos. Salud Pública de México [Internet] 2000 marzo-abril [citado 10/01/2018]; 42(2): [aprox. 10p.]. Disponible en: Disponible en: https://www.scielosp.org/pdf/spm/2000.v42n2/144-154

  3. Diaz-Quijano FA. Regresiones aplicadas al estudio de eventos discretos en epidemiología. Rev Univ Ind Santander Salud [Internet] 2016 [citado 18/03/2019]; 48(1): [aprox. 6p.]. Disponible en: Disponible en: http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S0121-08072016000100003

  4. Lozares Colina C, López-Roldán P. El análisis multivariado: definición, criterios y clasificación. Revista de Sociologia [Internet] 1991 [citado 18/03/2019]; (37): [aprox. 21p.]. Disponible en: Disponible en: https://papers.uab.cat/article/view/v37-lozares-lopez

  5. Closas AH, Arriola EA, Kuc CI, Amarilla MR, Jovanovich EC. Análisis multivariante , conceptos y aplicaciones en Psicología Educativa y Psicometría. Enfoques [Internet] 2013 [citado 18/03/2019]; 25(1): [aprox. 20p.]. Disponible en: Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=5229555

  6. Olive DJ. Robust Multivariate Analysis. [Internet] Switzerland: Springer International Publishing AG; 2017. [citado 18/03/2019] Disponible en: Disponible en: https://link.springer.com/content/pdf/10.1007/978-3-319-68253-2.pdf

  7. Ranganathan P, Pramesh CS, Aggarwai R. Common pitfalls in statistical analysis: Logistic regression. Perspect Clin Res [Internet] 2017 [citado 15/01/2019]; 8(3): [aprox. 4p.]. Disponible en: Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5543767/

  8. Isaza-Jaramillo S, Jaimes-Barragán F. Ronda clínica y epidemiológica: aproximación a los modelos de predicción clínica. Iatreia [Internet]. 2017 [citado 15/01/2019]; 30(1): [Aprox. 7p.]. Disponible en: Disponible en: http://www.scielo.org.co/scielo.php?pid=S0121-07932017000100092&script=sci_abstract&tlng=es

  9. Gentzkow M, Shapiro JM, Taddy M. Measuring Polarization in High-Dimensional Data: Method and Application to Congressional Speech. SIEPR Discussion Paper No. 16-028 Stanford Institute for Economic Policy Research; 2016. [citado 15/01/2019]. Disponible en: Disponible en: https://siepr.stanford.edu/sites/default/files/publications/16-028.pdf

  10. Bind MA. Causal Modeling in Environmental Health. Annu. Rev. Public Health [Internet] 2019 [citado 15/01/2019]; 40: [aprox. 9p.]. Disponible en: Disponible en: https://www.annualreviews.org/doi/abs/10.1146/annurev-publhealth-040218-044048

  11. Lee L. Regression Discontinuity Designs in Economics. Journal of Economic Literature [Internet] 2010 [citado 15/01/2019]; 48(2): [aprox. 20p.]. Disponible en: Disponible en: http://dx.doi.org/10.1257%2Fjel.48.2.281

  12. Ponce C, Escobal J. Metodología cuantitativa de la evaluación del impacto. En: Escobal J, Ponce C. (Eds.) Combinando protección social con generación de oportunidades económicas: una evaluación de los avances del programa Haku Wiñay [Internet]. Lima: GRADE Group for the Analysis of Development; 2016. [citado 20/01/2019]. Disponible en: Disponible en: https://www.grade.org.pe/publicaciones/metodologia-cuantitativa-de-la-evaluacion-del-impacto/

  13. Monsalve Torra AE. Sistema de ayuda a la decisión clínica en enfermedades de diagnóstico complejo. [Tesis Doctoral]. Universidad de Alicante; 2017 [citado 21/02/2019]. Disponible en: Disponible en: https://rua.ua.es/dspace/bitstream/10045/65334/1/tesis_monsalve_torra.pdf

  14. Jöreskog KG, Olsson UH, Wallentin FY. Multivariate Analysis with LISREL. [Internet] Switzerland: Springer International Publishing; 2016. [citado 21/02/2019]. Disponible en: Disponible en: https://link.springer.com/content/pdf/10.1007/978-3-319-33153-9.pdf

  15. Roth Unzueta E. Análisis multivariado en la investigación psicológica: Modelado predictivo y causal en SPSS y AMOS. [Internet] Bolivia: SOIPA Ltda; 2012. [citado 21/02/2019]. Disponible en: Disponible en: http://repositorio.ucb.edu.bo/xmlui/bitstream/handle/UCB/134/LibroAnlisisMultivariadopescaneadonuevo-comprimido.pdf?sequence=1&isAllowed=y

  16. Manzano Patiño AP. Introducción a los modelos de ecuaciones estructurales. Inv Ed Med [Internet]. 2017 [citado 18/01/2019]; 7(25): [aprox. 5p.]. Disponible en: Disponible en: http://www.scielo.org.mx/pdf/iem/v7n25/2007-5057-iem-7-25-67.pdf

  17. Escobedo Portillo MT, Hernández Gómez JA, Estebané Ortega V, Martínez Moreno G. Modelos de Ecuaciones Estructurales: Características, Fases, Construcción, Aplicación y Resultados. Cienc Trab. [Internet] 2016 [citado 18/01/2019]; 18(55): [aprox. 6p.]. Disponible en: Disponible en: https://scielo.conicyt.cl/scielo.php?script=sci_abstract&pid=S0718-24492016000100004&lng=es&nrm=iso

  18. Keith TZ. Multiple regression and beyond: An introduction to multiple regression and structural equation modeling. 2nd ed. [Internet]. New York: Taylor & Francis; 2015. [citado 18/01/2019]. Disponible en: Disponible en: http://admin.ifj.org/multiple-regression-and-beyond-an-introduction-to-multiple-regression-and-structural-equation-modeling.pdf

  19. Alves de Oliveira A, Furquim de Almeida M, Pereira da Silva Z, Lisiane de Assunção P, Rigo Silva AM, Geremias dos Santos H, et al. Factors associated with preterm birth: from logistic regression to structural equation modeling. Cad. Saúde Pública [Internet]. 2019 [citado 18/01/2019]; 35(1): [aprox. 2p.]. Disponible en: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-311X2019000104001&lng=en&nrm=iso&tlng=en

  20. Ruiz M, Pardo A, San Martín R. Modelos de ecuaciones estructurales. Papeles del Psicólogo [Internet] 2010[citado 20/01/2019]; 31(1): [aprox. 11p.]. Disponible en: Disponible en: http://www.redalyc.org/pdf/778/77812441004.pdf

  21. Gras R, Régnier JC, Lahanier-Reuter D, Marinica C, Guillet F. L'Analyse Statistique Implicative. Des Sciences dures aux Sciences Humaines et Sociales 3ème édition revue et augmentée. Cépaduès Ed; 2017.

  22. Gras R, Bodin A. L’A.S.I., analyseur et revelateur: de la complexite cognitive taxonomique. EMP [Internet]. 2017 [citado 22/01/2019]; 19(1): [aprox. 18p.]. Disponible en: Disponible en: http://dx.doi.org/10.23925/1983-3156.2017v19i1p497-515

  23. Bodin A, Giovannini ML, Silva L. L’utilisation de l’analyse implicative et cohésitive pour exploiter un test standardisé de mathématique. Italian Journal of Educational Research [Internet]. 2017 [citado 20/01/2019]; 19. Disponible en: Disponible en: https://ojs.pensamultimedia.it/index.php/sird/article/view/2547

  24. Sagaró Del Campo NM, Zamora Matamoros L. ¿Por qué emplear el análisis estadístico implicativo en los estudios de causalidad en salud? RCIM [Internet]. 2019 [citado 20/06/2019]; 11(1): [aprox. 15p.]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18592019000100088

  25. Sagaró Del Campo N, Zamora Matamoros L. Análisis estadístico implicativo versus Regresión logística binaria para el estudio de la causalidad en salud. MULTIMED [Internet] 2019 [citado 19/12/2019]; 23(6): [aprox. 24p.]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1028-48182019000601416&lng=es

  26. García Mederos Y, Zamora Matamoros L, Sagaró del Campo N. Análisis estadístico implicativo en la identificación de factores de riesgo en pacientes con cáncer de pulmón. MEDISAN [Internet]. 2015 [citado 20/01/2018]; 19(8). Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192015000800003

  27. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de pulmón. MEDISAN [Internet]. 2016 [citado 20/01/2018]; 20(3). Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192016000300010

  28. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de mama. MEDISAN [Internet]. 2017 [citado 20/01/2018]; 21(4): [aprox. 1p.]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192017000400003

  29. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de próstata. MEDISAN [Internet]. 2018 [citado 20/01/2018]; 22(1). Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192018000100007

  30. Paez Candelaria Y, Sagaró del Campo NM, Zamora Matamoros L. Análisis estadístico implicativo en la determinación de factores pronósticos del estado nutricional del paciente grave al egreso. MEDISAN [Internet]. 2018 [citado 20/01/2019]; 22(6). Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192018000600007

  31. Galano Vázquez K, Sagaró del Campo NM, Zamora Matamoros L, Lambert Matos Y, Mingui Carbonell E. Análisis estadístico implicativo en la identificación de factores pronósticos de mortalidad del cáncer renal. Rev. inf. Cient [Internet]. 2018 [citado 14/05/2019]; 98(2). Disponible en: Disponible en: http://www.revinfcientifica.sld.cu/index.php/ric/ article/view/2268

  32. Pardo-Santana S, Sagaró-del-Campo NM, Zamora-Matamoros L, Viltre-Castellanos DM. Utilidad del análisis estadístico implicativo para identificar factores pronósticos en pacientes con cáncer de mama. Revista Electrónica Dr. Zoilo E. Marinello Vidaurreta [Internet]. 2019 [citado 25/05/2019]; 44(4). Disponible en:Disponible en:http://revzoilomarinello.sld.cu/index.php/zmv/ article/view/1869

  33. Balzarini M, Bruno C, Córdoba M, Teich I. Herramientas en el Análisis Estadístico Multivariado. Escuela Virtual Internacional CAVILA Facultad de Ciencias Agropecuarias, Universidad Nacional de Córdoba, Argentina; 2015.

  34. Sagaró Del Campo NM, Zamora Matamoros L. Métodos gráficos en la investigación biomédica de causalidad. Revista Electrónica Dr. Zoilo E. Marinello Vidaurreta [Internet]. 2019 [citado 12/06/2019]; 44(4). Disponible en: Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/ article/view/1846

  35. Sagaró Del Campo NM, Zamora Matamoros L. Métodos actuales para asegurar la validez de los estudios de causalidad en medicina. Gac. Méd. Espirit [Internet]. 2019 [citado 20/10/2019]; 21(2): [aprox. 14p.]. Disponible en: Disponible en: http://scielo.sld.cu/pdf/gme/v21n2/1608-8921-gme-21-02-146.pdf

  36. Sagaró Del Campo NM, Zamora Matamoros L. Evolución histórica de las técnicas estadísticas y las metodologías para el estudio de la causalidad en ciencias médicas. MEDISAN [Internet]. 2019 [citado 11/06/2019]; 23(3). Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192019000300534




2020     |     www.medigraphic.com