INTRODUCCIÓN A LA BIOESTADÍSTICA

Introducción

La bioestadística es una rama de la estadística aplicada que se enfoca en la recolección, análisis e interpretación de datos dentro del contexto de las ciencias de la salud. Esta disciplina es fundamental para realizar investigaciones científicas rigurosas, ya que permite comprender fenómenos biológicos y tomar decisiones informadas en medicina, biología, epidemiología, entre otras áreas.

En la epidemiología, la bioestadística se utiliza para analizar la propagación de enfermedades infecciosas. Por ejemplo, durante un brote de influenza, los bioestadísticos pueden usar datos de hospitalizaciones y casos confirmados para modelar la tasa de propagación del virus y predecir el impacto en la población. Esta información es crucial para que las autoridades sanitarias puedan planificar estrategias de mitigación, como campañas de vacunación o medidas de cuarentena.

Conceptos Básicos de la Bioestadística

Datos

Los datos son valores asociados a una característica de interés que pueden ser medidos, contados u observados en un conjunto de objetos o individuos. En bioestadística, los datos son la materia prima para las investigaciones, ya que permiten hacer inferencias sobre poblaciones más grandes basándose en un conjunto limitado de observaciones.

Supongamos que estamos interesados en estudiar los niveles de colesterol en una población. Los datos podrían incluir mediciones de colesterol total, HDL y LDL en la sangre de un grupo de personas. Estos datos, una vez recolectados, pueden ser analizados para determinar patrones o asociaciones, como la relación entre niveles altos de colesterol y el riesgo de enfermedades cardíacas.

Universo, Población y Muestra

El universo es el conjunto de todos los objetos o individuos sobre los cuales se desea realizar mediciones o conteos. Una población estadística se refiere a todos los posibles valores de una variable dentro de ese universo. Por último, una muestra es una parte o porción seleccionada de la población estadística, la cual se utiliza para hacer inferencias debido a que estudiar toda la población puede ser costoso y poco práctico.

Imaginemos que queremos estudiar la presión arterial en los adultos mayores de una ciudad. El universo serían todos los adultos mayores en esa ciudad. La población estadística incluiría todos los valores posibles de presión arterial en ese grupo. Si seleccionamos aleatoriamente a 200 adultos mayores para medir su presión arterial, esta sería nuestra muestra. A partir de esta muestra, podríamos inferir sobre la presión arterial en toda la población de adultos mayores en la ciudad.

Variables

Las variables son características de interés que pueden variar entre los individuos u objetos del universo. Las variables pueden clasificarse en cualitativas (categóricas) y cuantitativas (numéricas). Las variables cualitativas se dividen en nominales y ordinales, mientras que las variables cuantitativas pueden ser discretas (conteo) o continuas (medición).

Ejemplo:

• Variable cualitativa nominal: El tipo de sangre (A, B, AB, O) de los pacientes.

• Variable cualitativa ordinal: El nivel de dolor experimentado por un paciente (leve, moderado, severo).

• Variable cuantitativa discreta: El número de medicamentos que toma un paciente diariamente.

• Variable cuantitativa continua: La temperatura corporal de un paciente medida en grados Celsius.

Tipos de Datos y Variables

Datos cualitativos vs cuantitativos

Los datos cualitativos describen cualidades o características no numéricas, como el estado civil o el nivel educativo. Estos datos pueden ser categóricos nominales (sin un orden específico) o categóricos ordinales (con un orden implícito). Por otro lado, los datos cuantitativos se refieren a valores numéricos y pueden ser de conteo (discretos) o de medición (continuos).

Ejemplo:

• Dato cualitativo nominal: El color de ojos de un grupo de pacientes.

• Dato cualitativo ordinal: Las etapas del cáncer (I, II, III, IV).

• Dato cuantitativo discreto: El número de hospitalizaciones que ha tenido un paciente en el último año.

• Dato cuantitativo continuo: El índice de masa corporal (IMC) de un grupo de pacientes.

Clasificación de variables

Las variables se clasifican según su naturaleza y el lugar que ocupan en un problema de investigación. Las variables independientes son aquellas que pueden ser manipuladas por el investigador, mientras que las variables dependientes son las que se miden para observar el efecto de las variables independientes. Finalmente, las variables únicas son aquellas que no dependen de otras variables y solo describen un aspecto de la población en estudio.

En un estudio sobre el efecto del ejercicio en la presión arterial, la variable independiente sería la cantidad de ejercicio realizado (por ejemplo, minutos de actividad física diaria), mientras que la variable dependiente sería la presión arterial medida. Si solo se desea describir la presión arterial en una población sin considerar otros factores, la presión arterial sería una variable única.

El Proceso Estadístico en Investigación

Selección y caracterización de muestras

En la investigación estadística, la selección de una muestra representativa es crucial para poder extrapolar los resultados obtenidos a la población general. Existen dos tipos principales de muestras: muestras no probabilísticas, donde la selección depende de criterios subjetivos del investigador, y muestras probabilísticas, donde cada individuo del universo tiene una probabilidad conocida y mayor a cero de ser seleccionado.

• Muestra no probabilística: Si un investigador selecciona pacientes de un hospital porque le resulta conveniente, estamos ante una muestra no probabilística. Este tipo de muestra puede estar sesgada y no representar adecuadamente a toda la población.

• Muestra probabilística: Si un investigador selecciona aleatoriamente a pacientes de diferentes hospitales utilizando un método que asegura que todos los pacientes tengan la misma probabilidad de ser elegidos, estamos ante una muestra probabilística, que tiende a ser más representativa y confiable.

Parámetros y estadísticos

Un parámetro es una constante numérica que describe una característica de una población estadística. Por ejemplo, la media y la varianza son parámetros que describen el centro y la dispersión de una distribución, respectivamente. Los estadísticos, en cambio, son medidas calculadas a partir de una muestra y se utilizan para hacer inferencias sobre los parámetros poblacionales.

• Parámetro: La media del colesterol total en toda la población adulta de un país sería un parámetro.

• Estadístico: La media del colesterol total calculada a partir de una muestra de 500 adultos es un estadístico. Este valor se utiliza para estimar el parámetro real de toda la población.

Aplicaciones de la Bioestadística

La bioestadística tiene aplicaciones extensas en las ciencias de la salud, desde la epidemiología hasta la genética. Por ejemplo, se utiliza para determinar la eficacia de un nuevo tratamiento, analizar factores de riesgo en una enfermedad, o evaluar la validez de un instrumento de medición. A través de herramientas bioestadísticas, es posible tomar decisiones informadas en la práctica clínica y en la salud pública, basadas en la evidencia.

• Determinación de la eficacia de un tratamiento: En un ensayo clínico, se puede utilizar la bioestadística para comparar los resultados de un nuevo medicamento con un placebo. Si el nuevo medicamento muestra una mejora estadísticamente significativa en comparación con el placebo, puede considerarse eficaz.

• Análisis de factores de riesgo: En estudios epidemiológicos, la bioestadística se utiliza para identificar factores de riesgo asociados con enfermedades. Por ejemplo, se puede analizar si el tabaquismo está asociado con un mayor riesgo de desarrollar cáncer de pulmón.

• Evaluación de instrumentos de medición: La bioestadística también se aplica para validar instrumentos como cuestionarios o dispositivos médicos, asegurando que sean precisos y fiables para su uso en estudios o en la práctica clínica.