curso taller : herramientas estadistica para la evaluacion de indicadores epidemiolÓgicos en salud

Post on 26-Jan-2016

62 Views

Category:

Documents

2 Downloads

Preview:

Click to see full reader

DESCRIPTION

CURSO TALLER : HERRAMIENTAS ESTADISTICA PARA LA EVALUACION DE INDICADORES EPIDEMIOLÓGICOS EN SALUD. Mg. Wilmer Fuentes Neira Data Scientist sirwilpi@gmail.com. Esto lo que quiero decir. Vea Ud. si lo puede probar con estadística. - PowerPoint PPT Presentation

TRANSCRIPT

CURSO TALLER: HERRAMIENTAS ESTADISTICA

PARA LA EVALUACION DE INDICADORES

EPIDEMIOLÓGICOS EN SALUD

Mg. Wilmer Fuentes Neira

Data Scientist

sirwilpi@gmail.com

Esto lo que quiero decir. Vea Ud. si lo puede probar con estadística.

Several informal definitions are offered in the book A Career in Statistics: Beyond the Numbers by Gerald Hahn and Necip Doganaksoy: The science of learning from (or making

sense out of) data The theory and methods of extracting

information from observational data for solving real-world problems

The science of uncertainty The quintessential interdisciplinary science The art of telling a story with [numerical] data

4http://www.worldofstatistics.org

Uso

s de la

Est

adís

tica

en e

l Sect

or

Salu

d• Elaboración de

políticas

• Investigación científica

• Toma de decisiones

Lic. Luis Infantes OblitasCOESPE Nº 421

Est

adís

tica

en

Salu

d

Proveer información continua

sobre la producción de servicios

de salud y la morbimortalidad;

mediante las acciones de registro,

control de calidad, procesamiento

y consolidación de las actividades

de recuperación y preventivo

promocionales.

Las personas mas importante del

Sistema de Información en Salud,

son los Profesionales y no

Profesionales responsables del

llenado de los registros

hospitalarios.

Estos son los insumos que los

estadísticos necesitan para

transformarlos en información.

Lic. Luis Infantes OblitasCOESPE Nº 421

Prin

cipale

s Fu

ente

s de D

ato

s POB

RENAES PERS

NAC DEF

HIS

INMUN

Población Estimada

Registro Nacional EstablecimientosInformación de Recursos Humanos

Consulta ExternaAtención por DiscapacidadEgresos HospitalariosEmergencia

InmunizacionesSalud Sexual y ReproductivaSalud MentalEnfermedades Metaxénicas

SALUD SEXUAL

METAX

NacimientosDefunciones

HIS DIS EGRESO EMERG

SALUD MENTAL

METODOS ESTADISTICOS”

11

Se adaptan métodos y

según el campo de aplicación”Epidemiologia, Gestión,

Sistemas de Calidad, Data

Science, Planeamiento

Espacial, etc.

Mg. Wilmer Fuentes

Métodos Estadístico en un diseño Experimental

13

14

MUESTREO ESTADISTICO

Concepto:

Procedimiento para seleccionar una o

más muestras estadísticamente representativas de la población o poblaciones.

Ejemplo de uso del muestreo:a. Encuestas.b. Diseño y análisis de experimentos.c. Control de calidad

15

Ejemplo: Control de Calidad en Investigación: Validación de Instrumentos (encuestas, test) Validación de Metodologías, etc.

HIPERTENSIÓN

Ciudad XTiempo 1

Ciudad X tiempo 2

Total

n % n % n %

No hipertensos 351 65.2 332 65.5 683 65.4

Hipertensos 187 34.8 175 34.5 362 34.6

Total 538 100.0 507 100.0 1045 100.0

p = 0.935, Chi cuadrado

16

Muestras

La muestra debe ser representativa de la población Debemos evitar sesgos sistemáticos Controlar variables de confusión El tamaño muestral juega un papel fundamental La muestra debe contener suficiente información

para que la inferencia que realicemos sea una

generalización aceptable

17

CRITERIOS DE ACEPTACION DE UN METODO DE MUESTREO

a. Representatividad: Significa atribuir a cada unidad de muestreo (persona, vivienda, ...) una probabilidad, conocida y diferente de cero, de ser elegida.

b. Precisión de las estimaciones: La precisión o confiabilidad de las estimaciones derivadas de la muestra debe ser suceptible de medir. Así: = p ± precisión

c. Viabilidad: El método de muestreo debe ser práctico. La teoría y la práctica deben estar juntas.

d. Economia y eficiencia: Un buen método de muestreo (muestra) debe proporcionar la mayor cantidad de información a menor costo.

18

TERMINOS ESTADISTICOS (RECORDAR)

a. Población b. Unidad de muestreoc. Marco muestral d. Muestrae. Unidad de análisisf. Parámetrog. Estadígrafo o estadístico.

19

Población.- Colección de elementos acerca

de los cuales se desea hacer inferencia. Unidad de muestreo.- Son la

colección no traslapada de elementos de la población que cubren la población completa.

Marco muestral.- Un marco es la lista de unidades de muestreo.

20

Muestra: Es una colección de unidades seleccionadas de un marco o de varios marcos.

Unidad de análisis: es cada uno de los elementos requeridos para hacer inferencia.

21

Población

En población tiene una característica de interés en particular. Individuos expuestos a HIV Individuos diabéticos Individuos vacunados contra la gripe Fumadores

Población objetivo (diana): Población a la que nos corresponde

extender las conclusiones del trabajo

22

TÉCNICAS DE MUESTREO

• Intencional• Sin norma• Accidental (casos)• Voluntarios

• MAS• MS• ME• M de C

No probabilísticos

Probabilísticos

METODOS

(prácticos y económicos

23

Tamaño muestral

Es algo medio complicado, primero es necesario distinguir

entre: Encuesta descriptiva.- Diseñado para proporcionar

estimaciones de algunas características simples.

(prevalencia, incidencia) Encuesta analítica.- Para investigar asociaciones entre

variables. (asoc. fumar y riesgo de eventos cardiovasculares)

24

Para estimar una proporción poblacional

Nnn

n

NconoceseSiE

qpzn

f

ee

1

:22

2

25

Ejemplo:

En una población grande se desea estimar la prevalencia de DM con 95% de confianza. De la literatura se sabe que p =10%, si se asume un error muestral de 5%, calcular n.

Solución: Datos:Z /2 = 1,96pe =0,1qe =0,9E = 0,05

n= (1,96)2 (0,1)(0,9) = 138,3

(0,05)2

n 139Interpretación: Si se desea estimar la prevalencia poblacional con 95% de confianza y con un E de 5%, se debe evaluar 139 sujetos.

26

Para estimar una media poblacional

Nnn

n

NconoceseSiE

szn

f

e

1

:2

2

22

27

Ejemplo: En cierta población de 1200 escolares se desea estimar el nivel promedio de Hb con 95% de confianza. Al realizar un estudio piloto se encontró: x= 12,3 s = 1,6. Si los investigadores estan dispuestos a asumir un E = 0,5 , calcular n.Solución:Datos:

Z /2 = 1,96N= 1200Se = 1,6E = 0,5

n= (1,96)2 (1,6)2 = 39,33 (0,5)2

nf = 39,33 = 38,05 1 + 39,33/1200

nf 39

28

SPSS e INFORMACIÓN

R, SPSS, STATA

SQL, ORACLE, MySQL

R, MathLab

ESTADISTICA DESCRIPTIVA

31

ESTADÍSTICA DESCRIPTIVAOrdenando la Información

Al ordenar datos muy numerosos, es usual resumirlos o agruparlos en clases o categorías. Al determinar cuántos pertenecen a cada clase, establecemos la frecuencia. Construimos así una tabla de datos llamada tabla de frecuencias y si es cuantitativa se pueden emplear promedio y otras medidas

FRECUENCIA ABSOLUTA

(cantidad de casos, recuento de eventos,

etc)

FRECUENCIA RELATIVA

(%, proporciones)

PROMEDIOS, DESVIACION ESTANDAR,

PERCENTILES, ETC.

Variables Una variable es una característica o atributo observable que varía entre los

diferentes individuos de una población. La información que disponemos de cada individuo es resumida en

variables.

En los individuos del curso de bioestadistica es variable: El grupo sanguíneo

{A, B, AB, O} Var. Cualitativa

Su nivel emocional “declarado” {Deprimido, Regular, Muy Feliz} Var. Ordinal

El número de hijos {0,1,2,3,...} Var. Numérica discreta

La altura {1’62 ; 1’74; ...} Var. Numérica continua

35

5. ¿Está unido sentimentalmente a una pareja? SI ( ) NO ( )

6. Usted lee el diario:Comercio ( )República( )Expreso ( )Peru21 ( )

36

6. Que diarios ha leído en al último mes:

6.1 Comercio si ( ) no ( )6.2 República si ( ) no ( )6.3 Expreso si ( ) no ( ) 6.4 Peru21 si ( ) no ( )6.5 Especifique: ___________________

37

Cualitativas

Si sus valores (modalidades) no se pueden

asociar naturalmente a un número (no se

pueden hacer operaciones algebraicas con

ellos)

Nominales: Si sus valores no se pueden ordenar Sexo, Grupo Sanguíneo, Religión, Nacionalidad, Fumar (Sí/No)

Ordinales: Si sus valores se pueden ordenar Mejoría a un tratamiento, Grado de satisfacción, Intensidad del dolor

Tipos de variables

38

Presentación ordenada de datos (ej. Tesis)

Hombre Mujer

0

1

2

3

4

5

6

7

Las tablas de frecuencias y las representaciones gráficas son dos maneras equivalentes de presentar la información. Las dos exponen ordenadamente la información recogida en una muestra.

Género n %

Varones 4 40.0

Mujeres 6 60.0

Total 10 100.0

39

Gráficos para v. cualitativas

Diagramas de pastel (pie) No usarlo con variables ordinales. El área de cada sector es proporcional a su frecuencia (abs. o rel.)

27.3

72.7HipertensosNo hipertensos

Note las etiquetas de las categorìas (modalidades) y etiqueta de valores

Gráficos para v. cualitativas

Diagramas de barras (tipo tesis) Alturas proporcionales a las frecuencias (abs. o rel.) Se pueden aplicar también a variables discretas

<1 1 - 4 5 - 9 10 - 150

15

30

45

60

75

6.7 10.016.7

66.7

Grupo de edad (años)

Po

rce

nta

je (

%)

¿Que se mide en las ordenas? ¿Se

describen bien la categorias?

¿Presencia de etiquetas de valor?

Prevalencia de hipertensión arterial en el Perú. TORNASOL II

Prevalencia de la presión arterial según VII Reporte (JNC VII)

Tornasol I(n=14256)

Tornasol II(n=14508)

0

10

20

30

40

50

60

70

80

90

100

43.935.8

32.436.9

17.9 20.7

5.8 6.6

HTA estadio II

HTA estadio I

Prehipertensiòn

No hipertenso

Porc

en

taje

(%)

La mala salud, comportamientos poco saludables y características desfavorables de trabajo influyen en la salida del trabajo entre los trabajadores de más edad en Europa: Un estudio de cuatro de seguimiento

Nota: No se emplean gràficas en el articulo publicado

Robroek SJ, Schuring M, Croezen S, Stattin M, Burdorf

A.Poor health, unhealthy behaviors, and unfavorable work characteristics influence pathways of exit from paidemployment among older workers in Europe: a four yearfollow-up study

Scand J Work Environ Health. 2012 Sep 3.

44

Si sus valores son numéricos (tiene sentido

hacer operaciones algebraicas con ellos)

Discretas: Si toma valores enteros Número de hijos, Número de cigarrillos por día, Num. de

“cumpleaños”

Continuas: Si entre dos valores, son posibles infinitos valores

intermedios. Altura, Presión intraocular, Dosis de medicamento administrado,

edad, Hb

Cuantitativas o Numéricas

45

Cuantitativas o Numéricas

Si sus valores son numéricos (tiene sentido hacer

operaciones algebraicas con ellos) Escala de intervalo

El cero no es una cantidad absoluta.

Escala de razón El cero es una cantidad absoluta.

Tipos de variables

Figura 2. Promedio de los marcadores de riesgo cardiovascular

según control de la HbA1c.¥

Desarrollo psicomotor , entre pequeños para la edad gestacional: Impacto de la suplementación con zinc, peso al nacer y las prácticas de crianza.Cognitive and Motor Development Among Small-for-Gestational-Age Infants: Impact of Zinc Supplementation, Birth Weight,and Caregiving Practices

PEDIATRICS Vol. 113 No. 5 May 2004

Diagramas de barras (tipo publicación)

Celso Iglesias-García. Quality of life in depressed women over 40 years old. Actas Esp Psiquiatr 2012;40(4):221-7

Figure 1 Q-LES-Q scores

Densidad mineral ósea en mujeres durante campaña de Hospital de la

Solidaridad.

50

Gráfica de dispersión

Permite observar la relación entre dos variables cuantitativas.

En este caso cada punto corresponde a un individuo y la ubicaciòn de cada punto depente del valor de PAI y el valor de Hb glicosilada

Salud en relación con el conocimiento y las preferencias en jardines de niños de bajo nivel socioeconómico.

Int J Behav Nutr Phys Act. 2012 Jan 10;9:1.Health-related knowledge and preferences in low socio-economic kindergarteners.Nemet D, Geva D, Meckel Y, Eliakim A.

El objetivo del presente estudio fue determinar la actividad física (AF) y el conocimiento de nutrición en jardines . . .

Estadística inferencial

Usa la teoría de la probabilidad para extraer

conclusiones acerca de una población, a

partir de los datos obtenidos en una muestra. Es muy difícil estudiar a toda la población,

por lo que estudiamos muestras. Métodos para hacer estimaciones y probar

hipótesis son fundamentales para obtener

inferencias.

Estadística inferencial-Ejemplos

En una encuesta nacional acerca de los peligros del tabaquismo, no se entrevista a toda la población, sólo se hace en una muestra de ella.

Para medir la prevalencia de amebiasis en una población, se estudia una muestra aleatorizada. Con la prevalencia de la muestra, se puede inferir la prevalencia de amebiasis en la población.

54

Número de hijos

419 27,8 27,8

255 16,9 44,7

375 24,9 69,5

215 14,2 83,8

127 8,4 92,2

54 3,6 95,8

24 1,6 97,3

23 1,5 98,9

17 1,1 100,0

1509 100,0

0

1

2

3

4

5

6

7

Ocho+

Total

Frec.Porcent.(válido)

Porcent.acum.

Ejemplo ¿Cuántos individuos tienen

menos de 2 hijos? frec. indiv. sin hijos

+ frec. indiv. con 1 hijo = 419 + 255= 674 individuos

¿Qué porcentaje de individuos tiene 6 hijos o menos? 97,3%

¿Qué cantidad de hijos es tal que al menos el 50% de la población tiene una cantidad inferior o igual? 2 hijos

≥50%

55

Recomendaciones para un gráfico Si es estético, fomenta la lectura y comprensión. Sencillez y claridad, el uso del color debe ser

moderado y bien elegido. Usar líneas finas, eliminar las superfluas Usar grid si es necesario Balance entre el espacio en blanco y datos Idealmente no hay que acudir al texto . Balance entre texto, tablas e imágenes, Combinar texto y tablas insertas

56

Introducción de datos de las variables

¿Qué es lo correcto?PRESION ARTERIAL SISTOLICA

SEXO CLAS_IMC PAS_DIUR PAS_NOCT

Varon Sobrepeso 154 156Varon Obeso 156 154Mujer Obeso 154 160Varon Sobrepeso 134 126Mujer Obeso 146 136Mujer Sobrepeso 160 150Mujer Sobrepeso 146 140

Varon Sobrepeso 154 156Mujer Obeso 154 156Varon Obeso 156 154Mujer Obeso 154 160Mujer Sobrepeso 134 126Varon Sobrepeso 146 136 . . . . . . . . . . . .

DIURNA NOCTURNA DIURNA NOCTURNA

134 126 162 160146 136 132 136160 150 136 140146 140 140 136154 156 156 154156 154 134 130154 160 120 124

134 126 162 160146 136 132 136160 150 136 140146 140 140 136154 156 156 154156 154 134 130154 160 120 124

GRUPO SOBRESO GRUPO OBESOS

Var

on

esM

uje

res

A BSe muestra la PAS de individuos con determinadas

caracteristica ¿Cuántas Variables Hay?

top related