3rd class, Clinical Research at UPC

1. BASES CIENTIFICAS DE LA
INVESTIGACION Y FARMACOLOGIA
CLINICA
Clase III, 13 Octubre 2012
Estadística en
investigación clínica
1

2. Objetivos Clase III
- Conocer pruebas estadísticas básicas
para comparar 2 grupos o 3+ grupos.
- Identificar modelos estadísticos básicos
- Entender medidas de asociación
estadística.
2

3. Hipótesis estadística
• Ensayos Superioridad
– Nula: Efecto de A no es diferente a Efecto de B
– Alternativa: Effect de A es diferente a Efecto de B
• Ensayos No-inferioridad
– Nula: Efecto de A no es no-inferior a Efecto de B
– Alternativa: Efecto de A es no-inferior a Efecto de B
3

4. p
• Uso muy frecuente en investigación
médica.
• Probabilidad que dos o más grupos de
valores sean diferentes entre sí
dejando de lado el azar (nivel α).
• No indica dirección de asociación.
• No indica fuerza de asociación.
• No permite comparación con otro p.
4

5. Ejemplos p
• p=0.1
• p<0.0001
• p=0.04 vs. p=0.06
5

6. IC 95%
• Uso regularmente frecuente en
investigación médica.
• Variabilidad alrededor de una medida
de asociación.
• Da información acerca de
significancia, dirección y fuerza de
asociación, tamaño de muestra y
número de eventos.
6

7. Ejemplos IC 95%
• OR 3.2 (IC 95% 0.6-6.4)
• HR 1.4 (IC 95% 1.2-1.6) vs 0.6 (0.4-0.8)
• RR 2.0 (IC 95% 1.8-2.2) vs. (IC 95% 1.2-2.9)
7

8. Comparación de dos grupos
• Continuas:
– n≥25: t-test
– n<25: Wilcoxon rank-sum test
• Categóricas:
– Mayoría de casos: Chi-square test
– Si n<5 en celdas: Fisher test
8

9. Comparación de ≥3 grupos
• Continuas:
– n≥25: One-way ANOVA
– n<25: Kruskal-Wallis test
• Categóricas:
– Mayoría de casos: Chi-square test
– Si n<5 en celdas: Fisher test
9

10. Modelo lineal
• Variable dependiente:
Continua, distribución normal.
• Variables independientes: Continuas
y/o categóricas.
• Se asume:
linearidad, normalidad, homocedastici
dad de residuals (Yobs –Ypredicho).
10

11. 11

12. Interpretación: Y=β0+β1X1+β2X2+…
12

13. Modelo logístico
• Variable dependiente: Dicotómica
• Variables independientes: Continuas
y/o categóricas.
• Odds= 1/(1-p); p=probabilidad
• Log(odds)=β0+β1X1+β2X2+…
13

14. Interpretación: p(Y)=1/(1+e–(β0+β1X1+β2X2+…))
14

15. Modelo Poisson
• Variable dependiente:
Cuenta/Rate, distribución Poisson.
• Variables independientes: Continuas y/o
categóricas.
• Cuenta: Numero de hospitalizaciones
• Rate: Numero de hospitalizaciones x 1000pac
15

16. Interpretación:
Cuenta: Log(Y)=β0+β1X1+β2X2+…
Rate: Log(Y/p-t)=β0+β1X1+β2X2+…
16

17. Modelo Cox
• Variable dependiente: Dicotómica, tiempo de
seguimiento conocido.
• Variables independientes: Continuas y/o
categóricas.
• Asume: Hazards proporcionales en el tiempo
(hazard=riesgo de evento a determinado t).
17

18. 18

19. 19

20. Interpretación:
h(t)=h0(t)*e(β0+β1X1+β2X2+…)
S(t)=S0(t)e(β0+β1X1+β2X2+…)
20

21. Odds Ratio (OR)
OR=odds casos/odds control
Odds=1/(1-p)
P=1/(1+odds)
OR=eβ (de modelo logístico)
OR de tabla 2x2
21

22. Risk Ratio (RR) vs Rate Ratio (RaR)
RR=riesgo casos/riesgo control
RaR=rate casos/rate control
riesgo=eventos/total
rate=eventos/person-time
RR de tabla 2x2
RaR=eβ (de modelo Poisson)
22

23. Hazard Ratio (HR)
HR=hazard casos/hazard control
h(t)=events(t)/total(t)
HR=eβ (de modelo Cox)
23

24. Risk Difference (RD)
RD= riesgo casos - riesgo control
Diferencia de riesgos absolutos
24

25. Number needed to treat (NNT)
NNT= 1/RD
Numero de pacientes a tratar para evitar
un evento clinico
25

26. Number needed to harm (NNH)
NNH= 1/RI
RI: incremento de riesgo de evento adverso
entre casos y controles
Numero de pacientes a tratar para producir
un evento adverso
26

27. Population attibutable risk (PAR)
PAR= I población – I no-exp
PAR%=(PAR/ I población)*100
Porción de la incidencia de enfermedad en la
población (exp y no-exp) que es debida a la
exposición.
Incidencia de la enfermedad en la población que
seria eliminada si la exposición fuera eliminada
27

28. Calculo del tamaño de muestra
• Simple vs. Complejo
• La información usada debe ser cercana a
realidad que se investiga
• Necesario para protocolo de
investigación
• Necesario para publicación
28

29. Información a considerar
• Número de grupos a comparar
• Medidas absolutas o relativas
• Variabilidad de medidas (sd, var)
• Poder
• Nivel de falsos positivos (α)
• % de pérdida en seguimiento
• Otros: margen NI, one vs. Two sided, etc
29

30. Fórmulas
30