Berea-Baltierra R, Rivas-Ruiz R, Pérez-Rodríguez M, Palacios-Cruz L, Moreno J, Talavera JO

Idioma: Español
Referencias bibliográficas: 9
Paginas: 192-197
Archivo PDF: 334.67 Kb.

RESUMEN

La complejidad del fenómeno de causalidad en la práctica clínica implica que el resultado de una maniobra no se deba únicamente a esta, sino a la interacción con otros factores del estado basal o variables que ocurran durante la maniobra. Esto requiere diseños metodológicos que permitan evaluar estas variables. Cuando el resultado es dicotómico, se usa la regresión logística múltiple (RLM). La RLM es un modelo multivariado útil cuando se requiere predecir o explicar, al ajustar por el efecto de distintos factores de riesgo, el efecto de una maniobra o exposición sobre el desenlace. Para realizar la RLM se requiere que el desenlace (o la variable dependiente) sea dicotómico y mutuamente excluyente (por ejemplo, vivo/muerto, enfermo/sano); las variables independientes o factores de riesgo pueden ser cuantitativas o cualitativas. La asociación que se obtiene es la razón de probabilidades, también llamada razón de momios (RM), con intervalos de confi anza (IC) del 95 % y con estas medidas se estima el porcentaje de la variabilidad del desenlace que se explica a partir de los factores de riesgo. Por estas razones, este modelo es el más usado en la investigación clínica, ya que uno de los principales objetivos de la práctica clínica es poder predecir o explicar un evento en el que se tomen en cuenta diferentes factores de riesgo.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Portney LG, Watkins MP. Logistic regression. En: Foundations of clinical research applications to practice. Third edition. New Jersey, USA: Pearson & Prentice Hall; 2009. p. 696-700.

2. Palacios-Cruz L, Pérez M, Rivas-Ruiz R, Talavera JO. Investigación clínica XVIII. Del juicio clínico al modelo de regresión lineal. Rev Med Inst Mex Seguro Soc. 2013;51(6):656-61.

3. Peduzzi P, Concato J, Kemper E, Holford TR, Feinstein AR. A simulation study of the number of events per variable in logistic regression analysis. J Clin Epidemiol. 1996;49(12):1373-9.

4. Dawson B, Trapp RG. Bioestadística médica. México: Manual Moderno; 2005. p. 239-41.

5. Talavera JO, Rivas-Ruiz R, Pérez-Rodríguez M. Investigación clínica VI. Relevancia clínica. Rev Med Inst Mex Seguro Soc. 2011;49(6):631-5.

6. Feinstein AR. Multivariable analysis: An introduction. New Haven: Yale University Press; 1996.

7. Talavera JO. Investigación clínica I. Diseños de investigación. Rev Med Inst Mex Seguro Soc. 2011; 49(1):53-8.

8. Rivas-Ruiz R, Castelán-Martínez OD, Pérez M, Talavera JO. Investigación clínica XVII. Prueba chi cuadrada, de lo esperado a lo observado. Rev Med Inst Mex Seguro Soc. 2013;51(5):552-7.

9. Rivas-Ruiz R, Pérez-Rodríguez M, Talavera JO. Investigación clínica XV. Del juicio clínico al modelo estadístico. Diferencia de medias. Prueba t de Student. Rev Med Inst Mex Seguro Soc. 2013;51(3): 300-3.