medigraphic.com
ISSN 1684-1859 (Impreso)

2019, Número 1

<< Anterior Siguiente >>

Revista Cubana de Informática Médica 2019; 11 (1)


¿Por qué emplear el análisis estadístico implicativo en los estudios de causalidad en salud?

Sagaró CNM, Zamora ML

Idioma: Español
Referencias bibliográficas: 27
Paginas: 88-103
Archivo PDF: 676.19 Kb.


RESUMEN

El análisis estadístico implicativo es una técnica de minería de datos, surgida para resolver problemas de la didáctica de las matemáticas, se basa en la inteligencia artificial y el álgebra booleana, para modelar la casi implicación entre eventos y variables de un conjunto de datos. El objetivo de este ensayo es exponer las evidencias teóricas y prácticas que demuestran su utilidad para el estudio de la causalidad en la salud, para lo cual se realizó una revisión exhaustiva del tema en las bases de datos bibliográficas alojadas en Internet. Se presentan una serie de razones que justifican el uso de esta técnica en estudios de causalidad en medicina, en relación con el número de variables, el tamaño de la muestra, los supuestos requeridos para su aplicación y la naturaleza asimétrica de sus índices. También se identifican algunas ventajas con respecto a las técnicas estadísticas tradicionales, como la detección de eventos raros, que pasan inadvertidos a medidas como el apoyo y la confianza. Finalmente, se mencionan las investigaciones clínico-epidemiológicas donde se ha utilizado este análisis.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Gras R. L'Implication Statistique. Nouvelle méthode exploratoire de données, La Pensée sauvage, éditions, Francia. 1996.

  2. Betancourt Betancourt JA, Ramis Andalia RM. Apuntes sobre el enfoque de la complejidad y su aplicación en la salud. Rev Cubana Salud Pública. 2010;36(2). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-34662010000200010&lng=es&nrm=iso&tlng=es

  3. Valls Pla X, Gregori Huerta P. Diseño de un paquete R para el Análisis Estadístico Implicativo Trabajo Final de Master en Matemática Computacional. Universitat Jaime I, 2014. Disponible en: repositori.uji.es/xmlui/bitstream/handle/10234/107441/TFM_2013_vallsX.pdf?

  4. Gras R, Suzuki E, Guillet F, Spagnolo F. Statistical Implicative Analysis, Theory and Applications Springer, 2008. ISBN: 978.3.540.78982.6

  5. Gras R.Genese et developpement de l’analyse statistique implicative: retrospective Historique. Educ. Matem. Pesq., São Paulo, 2014;16(3):645-661.

  6. 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. 2017.

  7. Orús P, Zamora L, y Gregori P. Teoría y aplicaciones del Análisis Estadístico Implicativo. Primera aproximación en lengua hispana. Universitat Jaume I, Castellón de la Plana: Innovació Digital Castelló, s.l.u. 2009.

  8. Kenneth HR. Discrete Mathematics and Its Applications. Seventh Edition McGraw-Hill, 2012:1-8.

  9. Gras R, Régnier J.-C., Guillet F. Analyse Statistique Implicative. Une méthode d'analyse de données pour la recherche de causalités. RNTI-E-16 2009. Disponible en: http://www.cepadues.com/livre_details.asp?l=897

  10. Couturier R. CHIC: Cohesive hierarchical implicative classification, Statistical Implicative Analysis, Springer, 2008.Disponible en: http://www.springer.com/us/book/9783540789826

  11. Gras R, Couturier R, Gregori P. Un mariage arrangé entre l’implication et la confiance? VII International Conference SIA, 2015.

  12. Couturier R, Gregori P. Classification en utilisant les règles d’implication de l’ASI. Conference Paper October 2017. Disponible en: https://www.researchgate.net/publication/324770682

  13. Bodin A. Analyse implicative: modèles sous-jacents à l’analyse implicative et outils complémentaires. IRMAR, 1997;(32).

  14. Peralta ML. Estudios para establecer el origen o causalidad. Dermatología RevMex 2005;49(6).

  15. Mitchell H. Gail MH, Haneuse S. Power and Sample Size for Multivariate Logistic Modeling of Unmatched Case-Control Studies. Stat Methods Med Res. Author manuscript; Disponible en: PMC 2018 July 01.

  16. Rodrigues Cortes T, Faerstein E, Struchiner CJ. Utilização de diagramas causais em epidemiologia: um exemplo de aplicação em situação de confusão. Cad. Saúde Pública, 2016;32(8):e00103115. Disponible en: http://dx.doi.org/10.1590/0102-311X00103115

  17. Brewer L, Wright J, Rice G, Neas L, Teuschler L. Causal inference in cumulative risk assessment: The roles of directed acyclic graphs. Environ Int 2017;102: 30-41.

  18. Greenland S, Pearl J. Causal diagrams. Wiley Stats Ref: Statistics Reference Online,John Wiley & Sons, Ltd. 2017 DOI:10.1002/9781118445112.stat03732.pub2

  19. Werlinger F, Cáceres D. Aplicación de grafos acíclicos dirigidos en la evaluación de un set mínimo de ajuste de confusores: un complemento al modelamiento estadístico en estudios epidemiológicos observacionales. Rev. méd. Chile 2018;146(7):907-913. Disponible en: http://dx.doi.org/10.4067/s0034-98872018000700907

  20. Morin E. La epistemología de la complejidad. Gazeta de Antrpología 2004;20(02) Disponible en: http://hdl.handle.net/10481/7253

  21. Briones G. Metodología de la investigación cuantitativa en las ciencias sociales. ARFO Editores e Impresores Ltda. Bogotá Colombia, 2002.

  22. Silva Ayçaguer LC, Barroso Ultra IM. Regresión logística. Madrid: La muralla, 2000.

  23. Dunkler D, Plischke M, Leffondré K, Heinze G. Augmented backward elimination: pragmatic and purposeful way to develop statistical models. PlosOne [internet] 2014;9(11):e113677. Disponible en: http://journals.plos.org/plosone/article?id=10.1371/journal.pone.0113677

  24. La Spada E, Soresi M, Giannitrapani L, Montalto G, Spagnolo F. Hepatitis C Virus-positive patients with persistently normal serum transaminase: a long-term follow-up. Quaderni di Ricerca in Didattica (Mathematics) 2010;(20)Supplemento n.1.

  25. 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. 2015;19(8). [citado 10 Ene 2018]; Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192015000800003

  26. 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. 2016;20(3). [citado 10 Ene 2018]; Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192016000300010

  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 mama. MEDISAN. 2017;21(4): 413. [citado 10 Ene 2018]; Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192017000400003




2020     |     www.medigraphic.com