medigraphic.com
ISSN 1727-897X (Digital)

2020, Número 2

<< Anterior

Medisur 2020; 18 (2)


¿Cómo interpretar los resultados del análisis estadístico implicativo en los estudios de causalidad en Salud?

Sagaró CNM, Zamora ML

Idioma: Español
Referencias bibliográficas: 30
Paginas: 292-306
Archivo PDF: 395.14 Kb.


RESUMEN

El perfeccionamiento de las técnicas estadísticas es un problema de investigación que no pierde vigencia. Una vez identificado y fundamentado el empleo del análisis estadístico implicativo en la búsqueda de posibles factores causales en Salud, se hizo necesario el diseño de una metodología para su aplicación óptima, en la cual la etapa más compleja resultó ser la interpretación de los resultados. Por ello, este trabajo tiene como objetivo describir cómo realizar dicha interpretación, cuya base se sustenta en los referentes teóricos de la literatura, y los prácticos, a partir de las experiencias adquiridas de los diversos estudios de casos y controles con la aplicación de la técnica. En la interpretación se abordan los índices, las tablas y los gráficos del tipo: árboles de similaridad y cohesitivo, y el grafo implicativo, a partir de los cuales se identifican los posibles factores causales, las variables confusoras, las modificadoras del efecto y otras que pueden intervenir.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Sagaró NM, Zamora L. Evolución histórica de las técnicas estadísticas y las metodologías para el estudio de la causalidad en ciencias médicas. MEDISAN [revista en Internet]. 2019 [citado 21/04/2019];23(3):[aprox. 32p]. Disponible en: Disponible en: http://www.medisan.sld.cu/index.php/san/article/view/2434/html_1.

  2. Sagaró NM, Zamora L. Métodos actuales para asegurar la validez de los estudios de causalidad en medicina. Gac Méd Espirit [revista en Internet]. 2019 [citado 20/11/2019];21(2):[aprox. 20p]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1608-89212019000200146.

  3. Gras R, Régnier JC, Lahanier D, Marinica C, Guillet F. Implicative Statistical Analysis. From the Hard Sciences to the Human and Social Sciences. 3rd. ed. Tolouse: Cépaduès; 2017.

  4. Sagaró NM, Zamora L. ¿Por qué emplear el análisis estadístico implicativo en los estudios de causalidad en salud?. RCIM [revista en Internet]. 2019 [citado 20/06/2019];11(1):[aprox. 13p]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18592019000100088.

  5. García Y, Zamora L, Sagaró N. Análisis estadístico implicativo en la identificación de factores de riesgo en pacientes con cáncer de pulmón. MEDISAN [revista en Internet]. 2015 [citado 20/01/2019];19(8):[aprox. 12p]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192015000800003.

  6. Moraga A, Zamora L, Sagaró NM, Moraga A, Rodríguez A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de pulmón. MEDISAN [revista en Internet]. 2016 [citado 20/01/2019];20(3):[aprox. 12p]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192016000300010.

  7. Moraga A, Zamora L, Sagaró NM, Moraga A, Rodríguez A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de mama. MEDISAN [revista en Internet]. 2017 [citado 20/01/2019];21(4):[aprox. 11p]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192017000400003.

  8. Moraga A, Zamora L, Sagaró NM, Moraga A, Rodríguez A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de próstata. MEDISAN [revista en Internet]. 2018 [citado 20/01/2019];22(1):[aprox. 12p]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192018000100007.

  9. Paez Y, Sagaró NM, Zamora L. Análisis estadístico implicativo en la determinación de factores pronósticos del estado nutricional del paciente grave al egreso. MEDISAN [revista en Internet]. 2018 [citado 20/01/2019];22(6):[aprox. 10p]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192018000600007.

  10. Galano K, Sagaró NM, Zamora L, Lambert Y, Mingui E. Análisis estadístico implicativo en la identificación de factores pronósticos de mortalidad del cáncer renal. Rev Inf Cient [revista en Internet]. 2018 [citado 14/05/2019];98(2):[aprox. 16p]. Disponible en: Disponible en: http://www.revinfcientifica.sld.cu/index.php/ric/article/view/2268.

  11. Pardo S, Sagaró NM, Zamora L, Viltre DM. Utilidad del análisis estadístico implicativo para identificar factores pronósticos en pacientes con cáncer de mama. Revista Electrónica Dr. Zoilo E. Marinello Vidaurreta [revista en Internet]. 2019 [citado 25/05/2019];44(4):[aprox. 18p]. Disponible en: Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/article/view/1869/pdf_268.

  12. Rodrigues T, Faerstein E, Struchiner CJ. Use of causal diagrams in Epidemiology: application to a situation with confounding. Cad Saúde Pública [revista en Internet]. 2016 [citado 10/01/2019];32(8):[aprox. 22p]. Disponible en: Disponible en: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-311X2016000804001&lng=pt&tlng=pt.

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

  14. Greenland S, Pearl J. Causal diagrams. New Jersey: John Wiley & Sons; 2017.

  15. Williamson EJ, Aitken Z, Lawrie J, Dharmage SC, Burgess JA, Forbes AB. Introduction to causal diagrams for confounder selection. Respirology. 2014;19(3):303-11.

  16. Sagaró NM, Zamora L. Métodos gráficos en la investigación biomédica de causalidad. Revista Electrónica Dr. Zoilo E. Marinello Vidaurreta [revista en Internet]. 2019 [citado 10/06/2019];44(4):[aprox. 18p]. Disponible en: Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/article/view/1846/pdf_609.

  17. Manterola C, Otzen T. Los sesgos en investigación clínica. Int J Morphol [revista en Internet]. 2015 [citado 10/06/2019];33(3):[aprox. 14p]. Disponible en: Disponible en: https://scielo.conicyt.cl/scielo.php?script=sci_arttext&pid=S0717-95022015000300056.

  18. Hernández M, Garrido F, Salazar E. Sesgos en estudios epidemiológicos. Salud Pública Méx [revista en Internet]. 2000 [citado 10/06/2019];42(5):[aprox. 24p]. Disponible en: Disponible en: https://scielosp.org/article/spm/2000.v42n5/438-446/es/.

  19. Molina M, Ochoa C. Errores en epidemiología. Errores sistemáticos. Factores de confusión y modificación del efecto. Evidencias en pediatría [revista en Internet]. 2016 [citado 10/06/2019];12(1):[aprox. 8p]. Disponible en: Disponible en: https://evidenciasenpediatria.es/files/41-12718-RUTA/Fundamentos_MBE_16.pdf.

  20. Pearl J. Comments on: The tale wagged by the DAG. Int J Epidemiol. 2018;47(3):1002-4.

  21. 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 Med Chile [revista en Internet]. 2018 [citado 10/06/2019];146:[aprox. 14p]. Disponible en: Disponible en: https://scielo.conicyt.cl/pdf/rmc/v146n7/0034-9887-rmc-146-07-0907.pdf.

  22. Prado M. Búsqueda de relaciones causales para aplicaciones en cardiología y psiquiatría [Internet]. Madrid: Universidad Carlos III de Madrid; 2012 [citado 10/06/2019]. Disponible en: Disponible en: https://e-archivo.uc3m.es/handle/10016/14256.

  23. Reyna JL. Modelos causales y tipo ideal: una estrategia teórico-metodológica para la sociología del desarrollo latinoamericano. Estudios Demográficos y Urbanos [revista en Internet]. 1971 [citado 10/01/2019];5(1):[aprox. 25p]. Disponible en: Disponible en: https://estudiosdemograficosyurbanos.colmex.mx/index.php/edu/article/view/141/134.

  24. Bacallao J. Enfoques modernos del sesgo y la causalidad en la investigación epidemiológica. Rev Cubana Salud Pública [revista en Internet]. 2012 [citado 20/01/2019];38 Suppl 5:[aprox. 20p]. Disponible en: Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S086434662012000500003&lng=es&nrm=iso&tlng=es.

  25. Coscia C. Métodos Estadísticos Para Evaluar La Causalidad en Estudios Observacionales [Internet]. Madrid: Universidad Complutense de Madrid; 2017 [citado 10/06/2019]. Disponible en: Disponible en: https://eprints.ucm.es/43964/1/TFM_ClaudiaCosciaRequena.pdf.

  26. Gras R. Genese et developpement de l’analyse statistique implicative: retrospective Historique. Educ Matem Pesq, São Paulo. 2014;16(3):645-61.

  27. Rothman KJ, Greenland S. Causation and Causal Inference in Epidemiology. Am J Public Health. 2005;95 Suppl 1:S144-50.

  28. Pearce N, Lawlor DA. Causal inference so much more than statistics. Int J Epidemiol . 2016;45(6):1895-1903.

  29. Hernán MA, Robins JM. Part I Causal inference without models. En: Causal Inference. Boca Raton: Chapman & Hall/CRC, forthcoming; 2019.

  30. Hallqvist J. Causal inference - some aspects [Internet]. Sweden: Department of Public Health and Caring Sciences Uppsala University; 2019 [citado 03/01/2020]. Disponible en: Disponible en: https://kipdf.com/causal-inference-some-aspects_5ab2019d1723dd339c808f68.html.




2020     |     www.medigraphic.com