medigraphic.com
ISSN 1561-3194 (Electronic)

2020, Number 2

<< Back

Rev Ciencias Médicas 2020; 24 (2)

Multivariate statistical techniques for the study of causality in medicine

Sagaró CNM, Zamora ML

Language: Spanish
References: 36
Page: 1-14
PDF size: 344.14 Kb.


ABSTRACT

Introduction: multivariate statistical techniques are those that examine multiple characteristics considered in the same individual, and that because they are interrelated do not make sense to determine their effect in an isolated way. They are more frequently applied in observational studies in relation to the etiology and prognosis of a disease, since they permit to explain, predict and control confusing variables to obtain greater consistency in statistical inference.
Objective: this paper is aimed at describing the multivariate techniques that can be applied for the study of causality in biomedical sciences.
Methods: a review of the literature on the subject was carried out, searching in bibliographic databases such as Pubmed/Medline, SciELO, SCOPUS, Web of Science, EBSCOhost, Google, among others. The descriptors used in the search strategy were those provided in the key words of the article, which were used in English, French, Portuguese and Spanish, combined with the logical operators. Out of more than 200 digital documents found, the most current ones were chosen, and a report was prepared where the techniques were grouped according to their objective and types of variables applied in the analysis.
Results: descriptive, explanatory and mixed techniques were presented, considering the different types of regression and structural equations as the most applied techniques in the study of causality.
Conclusions: The use of implicit statistical analysis in the determination of risk factors and prognosis was proposed.


REFERENCES

  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