medigraphic.com
ISSN 1028-4818 (Digital)

2019, Número 6

<< Anterior Siguiente >>

Mul Med 2019; 23 (6)


Análisis estadístico implicativo versus Regresión logística binaria para el estudio de la causalidad en salud

Sagaró CNM, Zamora ML

Idioma: Español
Referencias bibliográficas: 23
Paginas: 1416-1440
Archivo PDF: 630.62 Kb.


RESUMEN

El presente trabajo tiene por objetivo establecer una comparación de dos técnicas estadísticas multivariadas empleadas en investigaciones clínico-epidemiológicas para la identificación de factores pronósticos o de riesgo a partir de diseños observacionales. Se comparan la regresión logística binaria, muy empleada en salud desde mediados del siglo pasado para identificar la influencia de diversos factores sobre un desenlace dicotómico y el análisis estadístico implicativo, herramienta de la minería de datos, empleada para modelar la cuasi-implicación entre los sucesos y variables, que surgió para solucionar problemas de la Didáctica de las matemáticas; para lo cual se llevó a cabo una revisión de la literatura y de las investigaciones en las cuales se aplicaron de forma simultánea ambas técnicas. Se definieron catorce patrones de comparación. Se presentan las ventajas del análisis estadístico implicativo y se sugiere su empleo contextualizado previo a la regresión logística en los estudios epidemiológicos de causalidad.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. 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 2019; 23(3): 534-556.

  2. Sagaró Del Campo NM, Zamora Matamoros L. Métodos actuales para asegurar la validez de los estudios de causalidad en medicina. Gac. Méd. Espirit 2019; 21(2): 146-160.

  3. Gras R, Régnier JC, Lahanier-Reuter D, Marinica C, Guillet F. L'Analyse Statistique Implicative. Méthode exploratoire et confirmatoire à la recherche de causalités. [Internet]. 2013 [citado 8/7/2019]. Disponible en: https://www.researchgate.net/publication/236005381_L'Analyse_Statistique_Implicative_Methode_exploratoire_et_confirmatoire_a_la_recherche_de_causalites

  4. 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): 947-57.

  5. 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): 344-53.

  6. 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): 395-406.

  7. 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 2018; 22(1): 48-56.

  8. 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 2018; 22(6): 431-40.

  9. 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. 2019; 98(2): 146-60.

  10. 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 8/7/2019]; 44(4). Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/article/view/1869

  11. Silva Ayçaguer LC, Barroso Ultra IM. Regresión logística. [Internet]. Madrid: Editorial La Muralla; 2004. [citado 8/7/2019]. Disponible en: https://www.marcialpons.es/libros/regresion-logistica/9788471337382/

  12. Aguayo Canela M, Lora Monge E. Cómo hacer una regression logística binaria ¨paso a paso¨ (II): análisis multivariante. DocuWeb-fabis.org [Internet]. 2018 [citado 20/1/2019]. Disponible en: http://www.fabis.org/html/archivos/docuweb/regresion_logistica_2r.pdf

  13. López-Roldán P, Fachelli S. Metodología de la investigación social cuantitativa. [Internet]. Barcelona: Universidad Autónoma de Barcelona; 2015. [citado 7/8/2019]. Disponible en: https://ddd.uab.cat/pub/caplli/2016/163564/metinvsoccua_a2016_cap1-2.pdf

  14. De la Fuente Fernández S. Regresión logística. [Internet]. Madrid: Facultad de Ciencias Económicas y Empresariales UAM; 2011. [citado 7/8/2019]. Disponible en: https://docplayer.es/21085069-Santiago-de-la-fuente-fernandez-regresion-logistica.html

  15. Sagaró Del Campo NM, Zamora Matamoros L. ¿Por qué emplear el análisis estadístico implicativo en los estudios de causalidad en salud? Revista Cubana de Informática Médica 2019; 19(1): 88-103.

  16. Molinero LM. Elección de los puntos de corte para convertir una variable cuantitativa en cualitativa. Sociedad Española de Hipertensión. [Internet]. 2003 [citado 7/8/2019]. Disponible en: https://www.seh-lelha.org/eleccion-los-puntos-corte-convertir-una-variable-cuantitativa-cualitativa/

  17. Ramírez W, Rodríguez Y. La Regresión Logística aplicada a un programa de salud en Medicina Veterinaria REDVET. Rev Electrón Veterinaria 2014; 15(9): 1-19.

  18. Bodin A. Analyse implicative: modèles sous-jacents à l’analyse implicative et outils complémentaires. [Internet]. 1996 [citado 7/8/2019]. Disponible en: http://www.numdam.org/article/PSMIR_1995-1996___3_A4_0.pdf

  19. Menéndez J. Regresión lineal. Colinealidad en: Curso de SPSS Curso de SPSS, diciembre de 2016. Disponible en: http://www.fjmenendez.blogspot.com/2015/12/regresion-lineal-colinealidad.html

  20. Dunkler D, Plischke M, Leffondré K, Heinze G. Augmented backward elimination: pragmatic and purposeful way to develop statistical models. Plos One 2014; 9(11): e113677.

  21. Alves de Oliveira A, Furquim de Almeida M, Pereira da Silva Z, Lisiane de Assunção P Rigo Silva AM, Geremias dos Santos H, Pereira Alencar G. Factors associated with preterm birth: from logistic regression to structural equation modeling. Cad. Saúde Pública 2019; 35(1): e00211917.

  22. 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 2019/4/10]; 44(4). Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/article/view/1846

  23. Zamora Matamoros L, Díaz Silvera JR, Portuondo Mallet L. Fundamental Concepts on Classification and Statistical Implicative Analysis for Modal Variables. Rev. Colomb. Estad 2015; 38(2): 335-51.




2020     |     www.medigraphic.com