6.

- ESTADISTICA APLICADA A INTERVENCIONES

Se utiliza el nombre genrico de intervenciones porque el manejo sera similar si se habla de tratamientos farmacolgicos, sicolgicos, intervenciones educativas, quirrgicas, legislativas, o de organizacin. Son diseos donde se aplican diferentes intervenciones a diferentes grupos y se comparan los resultados entre los mismos. La mayora de los casos de intervenciones se realizan en base al diseo experimental, en el cual el investigador manipula una variable independiente para comprobar lo que ocurre con la variable desenlace, intentando un diseo que le permita inferir que la causas de la diferencia encontrada se debn exclusivamente a esa intervencin. Si slo se usara un grupo, al que le aplicara la intervencin y se midiera luego la diferencia antes y despus, por ejemplo disminucin del dolor por el uso de un analgsico, no se podra estar seguro que lo nico que actu en la mejora sera ese tratamiento. Tal vez el tiempo tambin hizo que disminuyera el dolor y todo el efecto curativo no se debiera al analgsico. Cuando se realiza una intervencin y se comparan los valores de una variable antes y despus de la misma se esta utilizando un tpico estudio preexperimental sin grupo control Slo realizando un estudio controlado, se puede establecer una relacin del tipo causal entre ambas variable; independiente y dependiente. Al controlar la influencia de otras variables extraas se pueda saber si la variable independiente es la que realmente tiene efecto en la dependiente o es necesario encontrar la accin de otras variables que tambin actan en el proceso.

6.1 Control del experimento

6.1.1 Equivalencia de los grupos
El control en un experimento elimina algunas otras explicaciones posibles, las cuales estaran relacionadas con estas otras variables que inciden y por lo cual se las denomina variables confusoras, intervinientes, o a controlar. Por ejemplo una intervencin educativa sobre una enfermedad donde se midiera lo que saba ese grupo antes de la intervencin y despus de las mismas y se hallara diferencia. Esto no sera suficiente para demostrar que los cambios se debieron slo a esa intervencin educativa, podran haber actuado tambin conjuntamente otras factores como la publicacin de informacin de ese tema en los medios de comunicacin. Para evitar esta cuestin se realiza el experimento controlado, en el cual se utiliza al menos un grupo control semejante al grupo en estudio pero sobre el cual no se realizar esa intervencin educativa. La diferencia de conocimientos entre los dos grupos expuestos a la informacin similar de los mismos medios de comunicacin, sera aquella debida exclusivamente a la intervencin educativa del investigador Por ello, el investigador debe tener al menos un punto de comparacin: dos grupos, uno al que se le administra el estmulo y otro al que no llamado por ello grupo control. A veces se requiere tener varios grupos, cuando se desea averiguar el efecto de distintos niveles de la variable independiente.

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

33

Es importante tener en cuenta, que para que el experimento sea controlado no es suficiente con tener dos o ms grupos de control, sino que deben ser similares en todo, menos la manipulacin de la variable independiente. Los grupos deben ser: inicialmente equivalentes y tambin equivalentes durante todo el desarrollo del experimento, menos por lo que respecta a la variable independiente. As mismo, los instrumentos de medicin deben ser iguales y aplicados de la misma manera. La equivalencia inicial no se refiere a equivalencias entre individuos, porque las personas tenemos por naturaleza diferencias individuales; sino a la equivalencia entre grupos. Si tenemos en un grupo personas de mayor edad, o con ms estudios, etc, no se podra descartar la influencia de estos factores en los resultados. No puede solicitarse que sean exactamente iguales, basta con verificar que la diferencia entre los mismos no sea significativa, al menos en esas variables que tericamente ya sabemos que podran incidir en la variable desenlace. Todo en el experimento debe ser los ms parecido posible entre el grupo de estudio y el grupo control; deben recibir tambin las mismas instrucciones, ser iguales las personas, la misma duracin del experimento, mismo horario del da, en fin todo lo que sea parte del experimento. Cuanto mayor sea la equivalencia durante su desarrollo, mayor control y posibilidad de que, si observamos o no efectos, estemos seguros de que verdaderamente se deben a la intervencin. Por eso cuando se le administra una pastilla a un grupo se administra una pastilla semejante al grupo control aunque sin la sustancia activa. El instrumento y la forma de medir del resultado debe ser semejante, por esto a veces cuando amerita esta cuestin se ciegan los experimentos para que los evaluadores de las variables desenlace no se dejen influenciar al saber quien recibe el tratamiento. Lo mismo se hace con las personas intervinientes en el experimentos para evitar ese mismo error.

6.1.2 Grupos independientes

El grupo de estudio y el grupo control se puede haber conformado por propia decisin de las personas involucradas (estudios observacionales) o por decisin del investigador. En el primer caso, las personas son las que, por ejemplo, decidiran hacer ejercicio o no hacer ejercicio, en el segundo el investigador. Esta divisin puede haberse realizado por mtodos no probabilsticas (estudios cuasiexperimentales) o por mtodos probabilsticos de asignacin al azar (estudios experimentales). A veces el investigador por cuestiones biolgicas (raza, edad, sexo) o tica no puede manipular aleatoriamente las variables. Cuanto mayor sea la equivalencia entre ambos grupos al inicio del estudio ms nos aproximaremos a la situacin de investigacin experimental. En el caso de asignacin al azar el objetivo de esta metodologa es dividir en forma equiprobables las variable confusoras, tanto conocidas o como desconocidas, tratando de hacer equivalentes a los grupos. As la influencia de otras variables que no sean la variable de intervencin ejercen su influencia de manera similar en ambos grupos, y no ejercen ninguna influencia diferencial en ninguno (como podra ocurrir en un diseo observacional, donde las personas que han decidido hacer ejercicio es muy posible que sean diferente sen muchas otras conductas de vida que la gente que ha decidido no hacerlo) La metodologa que se utiliza para esta divisin de grupos puede ser semejante a la utilizada en el muestreo probabilstica. Si es un experimento sencillo, como el ejemplo de probar el efecto de una intervencin educativa, se lista a los sujetos y se designa qu lado de la moneda va a significar el grupo 1 y qu lado el grupo 2. Debe tenerse en cuenta que con este mtodos penden formarse

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

34

grupos de tamao diferente. A veces se sortea uno y la persona que sigue en la lista, va al otro grupo as se evita este problema. Se puede utilizar una serie de nmeros aleatorios, el mismo Excel puede dar una serie en base al nmero total de datos y nmero que se espera en la muestra. En el caso de ensayos clnicos con alguna nueva droga, se utiliza otros mtodos como sorteo en bloques para reforzar el cegado del investigador en cuento a los pacientes que permanecen en cada grupo, y adems asegurarse que la cantidad de pacientes que quedar al final del sorteo ser semejante en cada grupo.Por los principios de la teora probabilstica, la asignacin aleatoria funciona mejor cuanto mayor, cuanto mayor sea el tamao de los grupos. Reacurdese que las unidades de estudio en medicina puede ser muy variadas y estos grupos pueden estar integrados por personas, animales, alimentos, escuelas, etc. En el caso de pacientes se denomina ensayo clnico en el caso que las unidades de estudio fueran comunidades, ensayo comunitarios.

6.1.3 Grupos relacionados

La relacin entre los grupos puede ser: natural o artificial. Los diseos apareados naturalmente como el tpico intrasujeto tienen a favor, una economa de sujetos ya que el mismo sujeto confoema los dos grupos, control y grupo con intervencin, o cuando se aplica una intervencin en un miembro y rgano par, por ejemplo en un ojo o en un brazo se aplica y en el otro no. Tambin se considera intrasujeto cuando se aplica a pares de gemelos o los animales de la misma camada, pero en este caso el nmero de sujetos sera el doble que en el caso anterior. El proceso de emparejamiento o apareo artificial (matching) consiste en igualar a los grupos en relacin con alguna variable especfica, que puede influir de modo decisivo en la variable dependiente o las variables dependientes. El primer paso es elegir a esa variable de acuerdo con algn criterio terico. Debe pensarse cul es la variable cuya influencia sobre los resultados del experimento resulta ms necesario controlar y buscar el apareo de los grupos en esa variable. El segundo paso consiste en obtener una medicin de la variable elegida para emparejar a los grupos. El tercer paso consiste en ordenar a los sujetos en la variable sobre la cual se va a efectuar el emparejamiento (de las puntuaciones ms altas a las ms bajas).El cuarto paso es formar parejas segn la variable de apareamiento e ir asignado a cada integrante de cada pareja a los grupos del experimento, buscando un balance entre dichos grupos. Tambin podra intentarse emparejar los grupos en dos variables, pero ambas deben estar relacionadas, porque de lo contrario puede resultar muy difcil el emparejamiento. La asignacin al azar es un mejor mtodo para hacer equivalentes los grupos, el emparejamiento no la sustituye. En cambio, la aleatorizacin garantiza que otras variables no van a afectar a las dependientes ni confundir al experimentador. La bondad de la asignacin al azar de los sujetos a los grupos de un diseo experimental es que el procedimiento garantiza absolutamente que en promedio los sujetos no diferirn en ninguna caracterstica ms de lo que pudiera esperarse por pura casualidad, antes de que participen en los tratamientos experimentales. Conceptualmente el matching corresponde a un procedimiento empleado a priori, en la fase de diseo del estudio. Las variables confusotas que ms comnmente se aparean en medicina son; sexo, edad, nivel econmico o educativo. Depende del tema que se este estudiante y como influyen en la variable desenlace.

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

35

Todos estos controles sirven para mejorar la validez interna que se relaciona con la posibilidad de relacionar la intervencin con el efecto, habiendo controlado adecuadamente todos los puntos del experimento. La validez externa es la que nos permite generalizar los resultados de los experimentos a otras situaciones, sujetos y/o conductas fuera del contexto particular del estudio. Desgraciadamente las acciones que tienden a aumentar el control experimental (validez interna) suele disminuir las posibilidades de generalizacin (validez externa) y viceversa. Ningn diseo es perfecto, las amenazas a la validez siempre pueden surgir en uno u otro punto del procedimiento.

6.2 Pruebas bivariadas

Comenzaremos tratando el caso en el que slo se relacionan dos grupos y por lo tanto se denominan estudios bivariados a diferencia de los otros que se denominan multivariados. En este caso, un grupo tiene la intervencin y le otro acta como grupos control. Una vez determinado el nmero de grupos y la relacin entre los mismos el ltimo punto es la escala en que se mide la variable dependiente o desenlace. Esto permite realizar una primera divisin de los test que se utilizarn para demostrar la diferencia significativa de los resultados en dos grupos: pruebas paramtricas y no paramtricas.

6.2.1 Pruebas paramtricas

Se pueden utilizar las pruebas paramtricas cuando la variable desenlace se mide en escala cuantitativa y la distribucin de los datos sea gaussiana. Si no es as que al menos que el tamao muestral sea mayor de 30. Adems de poder contrastarse la normalidad de los datos mediante la graficacin de los mismos, o por valores semejante de media, mediana y modo, existen pruebas de parametricidad. El investigador espera en estas pruebas que no se encuentre diferencia significativa entre sus datos y los de una curva gaussiana, o sea espera obtener una p >0,05 que no le permita deducir diferencia,

6.2.2 Pruebas no paramtricas

En el caso que no se cumpla este requisito ya sea porque las variable desenlace est medida en escala nominal, ordinal o cuantitativa sesgada con tamao muestral pequeo se utilizan pruebas no paramtricas y el resultados se lee en forma semejante al resto teniendo en cuenta el valor de p obtenido. Ya se vio en el captulo de estadsticas aplicada a riesgo o prevencin, el caso de dos grupos y la variable desenlace medida en escala nominal (se curo, no se cur, rechaz el rgano o no lo rechaz) : En el caso de medirse la variable resultados en escala cuantitativa tambin podra utilizarse esta metodologa pero en base a la determinacin de un punto de corte que dividiera la poblacin en dos intervalos de valores. Por otro lado el esquema de tabla de contingencia, puede utilizarse tanto para resultados de diseos observacionales como experimentales, es el investigador que luego a travs de sus conocimientos del tema y de los sesgos probables inferir con mayor o menor validez las probables causas de la diferencia encontrada entre los dos grupos. Una vez determinada esta situacin, el procedimiento es el habitual, se comienza estableciendo un test de contraste de hiptesis, con una hiptesis nula que propone que no existe diferencia y una alternativa que propone lo contrario. La idea es comparar los resultados obtenidos en los dos grupos

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

36

y ver si esa diferencia podra encontrarse solo por azar, lo cual se realiza utilizando el estadstico adecuado para esa trasformacin. El siguiente cuadro muestra los test que se utilizan, dependiendo de la escala en que se expresa la variable desenlace y la relacin entre los dos grupos. Escala de la variable Nominal Ordinal o Cuantitativa no paramtrica Cuantitativa parametrica Grupos independientes Chi 2 Man Whitney T de Student Grupos relacionados Mc Nemar Wilcoxon T de Student para grupos relacionados

Los mtodos no paramtricos menos poderosos que los paramtricos. Esto quiere decir que es ms difcil rechazar la hiptesis nula con las pruebas no paramtricas, se necesita un mayor tamao muestral. Por esa razn los estadsticos, por lo general, recurren a los mtodos no paramtricos slo cuando los datos no cumplen con los requisitos necesarios. Sin embargo, hay problemas de investigacin en los que las variables categricas son las adecuadas, por lo tanto slo un mtodo no paramtrico es el indicado. Los pasos en las pruebas de hiptesis no paramtricas son los mismos de las paramtricas. Los cambios, simplemente se limitan a cambios en la frmula del estadstico, para obtener la probabilidad de encontrar esa diferencia solo por azar.

6.3

Pruebas multivariadas

Pongmosle justamente el ltimo ejemplo de grupos independientes pero que quiera compara tres dosis diferentes, ya no podra utilizar el test de Student y debera usar el test de ANOVA o anlisis de la varianza

6.3.1 Anlisis de la varianza

Cuando se quiere comparar ms de dos medias es incorrecto utilizar repetidamente el contraste basado en la t de Student. Como se realizaran simultnea e independientemente varios contrastes de hiptesis, la probabilidad de encontrar alguno significativo por azar aumentara. Normalmente en cada contraste si la t supera el nivel crtico, se acepta que se puede estar rechazando errneamente un 5% de los ensayos. Si el nmero de contraste aumenta, este porcentaje posible de estar come tiendo un error tambin aumentara. Por eso lo indicado es utilizar una metodologa que compare todas las muestras de una vez y ver primero en forma general si existe en alguna diferencia entre ellas y luego averiguar en cual muestra se halla la misma. Debido a esto el anlisis se divide en dos fases 1 fase - tratar de ver si se produce alguna diferencia entre todos los grupos. Para ello se contrastan las siguientes dos hiptesis: H0, que dice que toas las medias poblacionales son iguales y H1 que dice que al menos una es diferente. 2 fase - si se encontr diferencia, averiguar en que grupo se encuentra a travs de diferentes pruebas que se utilizan despus de la primera por eso se llaman post hoc o pruebas a posteriori.

6.3.2 Contraste de hiptesis - F de Snedecor

El propsito es demostrar que la varianza entre los grupos (BETWEEN GROUPS) que se comparan es mayor que la varianza que existe entre los valores dentro del mismo grupo (WITHIN GROUPS). De esta manera se demuestra que es mayor que la que se encontrara por azar por simple dispersin

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

37

de los datos. Esto se demuestra comparando justamente la varianza entre grupos versus la varianza dentro del grupo Los resultados de un Anova se suelen representar en una tabla como la siguiente:
Fuente de variacin Entre grupos Tratamientos Dentro Error Total G.L. k-1 SS SSA MS SSA/(k-1) F MSA/MSE

(n-1)k

SSE

SSE/k(n-1)

kn-1

SST

Una vez extrada la variacin dentro y entre los grupos mediante la suma de cuadrados, para saber cuanto ms grande es un valor que el otro, se realiza el cociente de ambos valores y se obtiene el estadstico F de Snedecor. Actualmente en forma directa un software teniendo en cuenta la cantidad de grupos y el nmero de unidades de cada uno, establece la correspondencia de ese valor de F obtenido con la probabilidad que se obtuviera slo por azar. Si este valor es menor de 0,05 significa que es muy baja esa probabilidad as que posiblemente haya sido por otra razn diferente al azar, por accin del factor diferencial entre los grupos De esto se deduce que si la varianza de los valores dentro del mismo grupo, es grande la diferencia que existe entre los grupos va a ser mucha mas grande que la variacin dentro del grupo debida al azar, y la razn de estas dos va a dar un valor muy alto, el cual corresponder con una baja probabilidad de suceder solo por azar Veamos un caso sencillo. Supnganse r muestras aleatorias independientes, de tamao 20, extradas de una nica poblacin normal con igual desvo estndar (DE:2) que va a originar igual desvo estndar de la media (DES: 0,44) y tres resultado diferentes (12, 15 y 20) --- ANOVA - Analysis of Variance --Mean Std Dev SEM 12 2 0.4472 15 2 0.4472 20 2 0.4472 SS DF Variance Est (MS) 653.3 2 326.7 228 57 4 881.3 59 s2_bet MSbet 326.7 F = ------ = ----- = ----- = 81.67 s2_wit MSwit 4

Group 1 2 3 Source of Variation Between Groups Within Groups Total

N 20 20 20

P = 0.000

6.3.3 Pruebas post hoc

Las pruebas "a posteriori" son un conjunto de pruebas para probar todas las posibles hiptesis de diferencia entre cada una de las muestras. Sera como un test de Student slo que en vez de usar la varianza de cada muestra se usa la conseguida en la fase anterior, o sea la sumatoria de las varianzas

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

38

dentro de los grupos (s2_wit en el ejemplo de la salida del PRIMER), como estimador de la varianza, es decir un estimador basado en todas las muestras. Existen varias, (Duncan, Newman-Keuls, LSD): todas ellas muy parecidas. Usan el rango (diferencia entre medias) de todos los pares de muestras como estadstico y dicho rango debe superar un cierto valor llamado mnimo rango significativo para considerar la diferencia significativa. En el ejemplo anterior aplicamos una vez realizado el Anova el Test de Bonferroni --- Multiple Comparisons - Bonferroni --Comparison Difference of means t P<.05 3 vs 1: 20 - 12 = 8 12.649 Yes 3 vs 2: 20 - 15 = 5 7.906 Yes 2 vs 1: 15 - 12 = 3 4.743 Yes Degrees of freedom: 57 Los resultados (YES) indican que en las 3 comparaciones la T de Student dio suficientemente alta como para decir que existe una probabilidad muy baja menos del 0,05, que esa diferencia se obtuviera solo por azar. Significa que existe diferencia entre cada uno de los grupos que se compararon. Los supuestos de parametricidad que deben cumplirse son: la variable dependiente debe medirse al menos a nivel de intervalo, independencia de las observaciones, la distribucin de los residuales debe ser normal y la homogeneidad de las varianzas. Por esta razn algunos programas presentan previamente una aprueba para demostrar si existe igualdad de las varianzas, pero aunque sea sean un poco diferentes el programa funciona bien si los tamaos utilizados son semejantes que es lo que se recomienda: en caso de no cumplirse estos requisitos se debern usar otro test (el PRIMER tambin los realiza) Grupos independientes Anova Kruskal Wallis Grupos relacionados Anova para medidas repetidas Friedman

Paramtricos No paramtricos

6.3.4 Anlisis de la varianza de dos factores

Es un diseo de Anova que permite estudiar simultneamente los efectos de dos fuentes de variacin. En cualquier caso, el investigador puede estar interesado en estudiar si hay, o no, diferencia en la evolucin segn el sexo. En un anova de dos vas se clasifica a los individuos de acuerdo a dos factores (o vas) para estudiar simultneamente sus efectos. En el caso de las 3 muestras extradas de 3 poblaciones con diferente conducta frente a la sal quisiera tambin ver el efecto del sexo sobre la respuesta de la presin arterial. Se haran tres grupos de tratamiento para los hombres y otros tres para las mujeres, en total seis grupos Conceptos nuevos preexperimento- cuasiexperimento - experimento controlado apareamiento matching parametricidad validez interna o externa test de Wilcoxon test de Mann Whitney anlisis de la varianza test de Kruskal Wallis y test de Freidman

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

39