1 Mg. Wilmer Fuentes NeiraCURSO TALLER: HERRAMIENTAS ESTADISTICA PARA LA EVALUACION DE INDICADORES EPIDEMIOLÓGICOS EN SALUD Mg. Wilmer Fuentes Neira Data Scientist

2

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

4 The science of learning from (or making sense out of) data 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

5 Usos de la Estadística en el Sector SaludElaboración de políticas Investigación científica Toma de decisiones Usos de la Estadística en el Sector Salud Lic. Luis Infantes Oblitas COESPE Nº 421

6 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. Estadística en Salud

7

8

9 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 Oblitas COESPE Nº 421

10 Principales Fuentes de DatosPOB RENAES PERS NAC DEF HIS INMUN Población Estimada Registro Nacional Establecimientos Información de Recursos Humanos Consulta Externa Atención por Discapacidad Egresos Hospitalarios Emergencia Inmunizaciones Salud Sexual y Reproductiva Salud Mental Enfermedades Metaxénicas SALUD SEXUAL METAX Nacimientos Defunciones HIS DIS EGRESO EMERG MENTAL Principales Fuentes de Datos

11 METODOS ESTADISTICOS”

12 Se adaptan métodos y según el campo de aplicación” Epidemiologia, Gestión, Sistemas de Calidad, Data Science, Planeamiento Espacial, etc. Mg. Wilmer Fuentes

13 Métodos Estadístico en un diseño Experimental

14 MUESTREO ESTADISTICO Concepto:Procedimiento para seleccionar una o más muestras estadísticamente representativas de la población o poblaciones. Ejemplo de uso del muestreo: Encuestas. Diseño y análisis de experimentos. Control de calidad

15 Ejemplo: Control de Calidad en Investigación:Validación de Instrumentos (encuestas, test) Validación de Metodologías, etc. HIPERTENSIÓN Ciudad X Tiempo 1 Ciudad X tiempo 2 Total n % No hipertensos 351 65.2 332 65.5 683 65.4 Hipertensos 187 34.8 175 34.5 362 34.6 538 100.0 507 1045 p = 0.935, Chi cuadrado

16 Muestras La muestra debe ser representativa de la poblaciónDebemos 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 MUESTREORepresentatividad: Significa atribuir a cada unidad de muestreo (persona, vivienda, ...) una probabilidad, conocida y diferente de cero, de ser elegida. Precisión de las estimaciones: La precisión o confiabilidad de las estimaciones derivadas de la muestra debe ser suceptible de medir Así:  = p ± precisión Viabilidad: El método de muestreo debe ser práctico. La teoría y la práctica deben estar juntas. Economia y eficiencia: Un buen método de muestreo (muestra) debe proporcionar la mayor cantidad de información a menor costo.

18 TERMINOS ESTADISTICOS (RECORDAR)Población Unidad de muestreo Marco muestral Muestra Unidad de análisis Parámetro 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 No probabilísticosAccidental (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

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 = 1,96 pe =0,1 qe =0,9 E =  0,05 n= (1,96)2 (0,1)(0,9) = 138,3 (0,05)2 n  139 Interpretación: 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

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 = 1,96 N= 1200 Se = 1,6 E =  0,5 n= (1,96)2 (1,6)2 = 39,33 (0,5)2 nf = , = 38,05 1 + 39,33/1200 nf  39

28

29 SPSS e INFORMACIÓN R, MathLab R, SPSS, STATA SQL, ORACLE, MySQL

30 Ejemplo de Ficha de Recolección de datosCaracteristicas Clínicas. 1.11 Fiebre: SI ( ) NO ( ) NO DATO ( ) 1.12 Dolor abdominal SI ( ) NO ( ) NO DATO ( ) 1.13 Náuseas SI ( ) NO ( ) NO DATO ( ) 1.14 Vómitos SI ( ) NO ( ) NO DATO ( ) 1.15 Hepatomegalia SI ( ) NO ( ) NO DATO ( ) 1.16 Tumoración abdominal SI ( ) NO ( ) NO DATO ( ) 1.17 Tumor Torax: SI ( ) NO ( ) NO DATO ( ) 1.18 Hemoptisis: SI ( ) NO ( ) NO DATO ( ) 1.19 Tos: SI ( ) NO ( ) NO DATO ( ) 1.20 Tos purulenta SI ( ) NO ( ) NO DATO ( ) 1.21 Otros: SI ( ) NO ( ) NO DATO ( ) AYUDA DIAGNÓSTICA: 1.22 Hg: 1.23 Leucocitos Las características clínicas no son excluyentes, así que se toma cada característica como variables.

31 ESTADISTICA DESCRIPTIVA

32 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) PROMEDIOS, DESVIACION ESTANDAR, PERCENTILES, ETC. FRECUENCIA RELATIVA (%, proporciones)

33 ¡Lo que nunca debe hacerse!Paciente edad diagnòsticos tratamiento fecha_ingreso Carlos Confuso Estandar 20 años Neuralgia del trigemino, diabetes e HTA Morfina, metmormina y valsarltran 10 de marzo Jessica Norma Tukey 15 meses Desnutricion Crònica, anemia Pediasure, consejería, ferramin 05/07/2012 … Optimice el ingreso PacienteID Paciente edad_a dx_1 dx_2 dx_3 tratamiento1 tratamiento2 tratamiento3 fecha_ingreso 32456 Carlos Confuso Estandar 20 Neuralgia del trigemino diabetes HTA Morfina metmormina valsartran 10/03/2012 23212 Jessica Norma Tukey 1 Desnutricion Crònica anemia Pediasure consejeria 05/07/2012 Nunca ingrese texto, emplee códigos numéricos

34 Variables En los individuos del curso de bioestadistica es variable: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 Peru si ( ) no ( ) 6.5 Especifique: ___________________

37 Tipos de variables 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

38 Presentación ordenada de datos (ej. Tesis)Género n % Varones 4 40.0 Mujeres 6 60.0 Total 10 100.0 Si queda time, mostrar algo con SPSS 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.

39 Gráficos para v. cualitativasDiagramas de pastel (pie) No usarlo con variables ordinales. El área de cada sector es proporcional a su frecuencia (abs. o rel.) Note las etiquetas de las categorìas (modalidades) y etiqueta de valores Un pictograma bien hecho (cerdito) y mal hecho(carritos) hecho por niños

40 Gráficos para v. cualitativasDiagramas de barras (tipo tesis) Alturas proporcionales a las frecuencias (abs. o rel.) Se pueden aplicar también a variables discretas ¿Presencia de etiquetas de valor? Un pictograma bien hecho (cerdito) y mal hecho(carritos) hecho por niños ¿Que se mide en las ordenas? ¿Se describen bien la categorias?

41 Prevalencia de hipertensión arterial en el Perú. TORNASOL II

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

43 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 paid employment among older workers in Europe: a four year follow-up study Scand J Work Environ Health Sep 3.

44 Cuantitativas o NuméricasSi 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

45 Tipos de variables 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.

46 Figura 2. Promedio de los marcadores de riesgo cardiovascular según control de la HbA1c.¥

47 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

48 Diagramas de barras (tipo publicación)Figure 1 Q-LES-Q scores Un pictograma bien hecho (cerdito) y mal hecho(carritos) hecho por niños Celso Iglesias-García. Quality of life in depressed women over 40 years old. Actas Esp Psiquiatr 2012;40(4):221-7

49 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

51 Salud en relación con el conocimiento y las preferencias en jardines de niños de bajo nivel socioeconómico. El objetivo del presente estudio fue determinar la actividad física (AF) y el conocimiento de nutrición en jardines . . . Int J Behav Nutr Phys Act Jan 10;9:1. Health-related knowledge and preferences in low socio-economic kindergarteners. Nemet D, Geva D, Meckel Y, Eliakim A.

52 Estadística inferencialUsa 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.

53 Estadística inferencial-EjemplosEn 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 Ejemplo ¿Cuántos individuos tienen menos de 2 hijos?frec. indiv. sin hijos + frec. indiv. con 1 hijo = = 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 gráficoSi 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 Previo a ello existe una organizaciòn previa del conocimiento A B Se muestra la PAS de individuos con determinadas caracteristica ¿Cuántas Variables Hay?