Archivo de la categoría: ARTÍCULOS DE MEDICINA COMENTADOS

Artículo 15: Traditional and Emerging lifestyle risk behaviors and all-cause mortality in middle-aged and older adults

Se trata de un artículo muy interesante desde el punto de vista estadístico por la enorme masa de datos que maneja y la gran capacidad que tiene de ir articulando diferentes agrupaciones buscando su relación con la mortalidad.

El abstract es el siguiente:

Captura de pantalla 2016-03-05 a las 8.51.49

Durante seis años de seguimiento de 231048 personas se ha podido establecer cuáles son los riesgos de mortalidad en función de una serie de estilos de vida que se analizaron en todos estas personas. Los comportamientos analizados han sido: Fumar, beber alcohol, tipo de alimentación, actividad física, comportamiento sedentario y horas de dormir.

Los resultados de riesgos se establecen mediante la Hazard ratio (HR). La significación la obtenemos del intervalo de confianza.

La HR es una relación entre las funciones de riesgo de mortalidad de dos grupos que se quieren relacionar. Estas funciones son el reverso de las llamadas curvas de supervivencia. Una HR de 1 ó, aunque no sea 1 exactamente, si su intervalo de confianza contiene al 1, indica que los miembros de los dos grupos tienen el mismo riesgo de morir. Si la HR es mayor que 1 significativamente (el intervalo de confianza no contiene al 1) será que el grupo estudiado, respecto al grupo referencia, tiene más riesgo de morir. Tanto mayor, claro, cuanto más grande sea esa HR. Si fuera menor que 1, significativamente (sin contener al 1 su intervalo de confianza) entonces indicaría un grupo protector de la mortalidad.

Los distintos comportamientos y su relación de riesgo respecto al grupo de referencia lo muestra la siguiente ilustrativa tabla:

Captura de pantalla 2016-03-05 a las 8.53.16

Captura de pantalla 2016-03-05 a las 8.53.29

Captura de pantalla 2016-03-05 a las 8.53.40

Evidentemente esta fragmentación de la muestra en tantos grupos distintos únicamente es posible en muestras enormes como esta. Observemos que en esta fantástica tabla se pueden visualizar situaciones muy diferentes. A la derecha tenemos el porcentaje de personas que representa cada grupo respecto al total de la muestra. Y más a la derecha tenemos la HR con su intervalo de confianza que si no contiene al 1 se entiende como estadísticamente significativa.

En el artículo hay otra interesante forma de agrupar los datos. De los factores estudiados calculan un score según acumulen desde 0, 1, … , 6 factores de riesgo, según el siguiente criterio:

Captura de pantalla 2016-03-06 a las 8.43.17

Por lo tanto, pueden crear 7 grupos según el valor del score: 0, 1, 2, 3, 4, 5 y 6.

Entonces analizan los datos según diferentes grupos y según el valor del score:

Captura de pantalla 2016-03-06 a las 9.05.26

Captura de pantalla 2016-03-06 a las 9.05.39

Realmente se trata de un artículo extraordinario desde el punto de vista estadístico.

Anuncios

Artículo 14: Physical activity and risk of coronary heart disease and stroke in older adults

 

Se trata de un artículo de la revista Circulation que los autores realizan este magnífico resumen que muestro a continuación:

Captura de pantalla 2015-11-12 a las 11.12.14

De nuevo una magnífica oportunidad para practicar con diversos conceptos estadísticos.

Me parece, además, una enorme oportunidad para ver la capacidad comunicativa que han conseguidos los autores a la hora de sintetizar la información.

Este artículo es una magnífica oportunidad, de nuevo, para ver la importancia enorme que tiene la Regresión de Cox y, por lo tanto, la Hazard ratio, en Medicina. Observemos también que se ha ajustado, para evitar confusores, con las variables expuestas abajo y a la izquierda de la tabla.

Artículo 13: A randomized trial of intensive versus standard blood-pressure control

Este un artículo donde básicamente se comparan dos procedimientos de control de la presión arterial y se comparan esos dos procedimientos a través de una serie de variables resultados. El Abstract es el siguiente:

Captura de pantalla 2015-11-11 a las 15.41.15

La estadística descriptiva de los dos grupos comparados es la siguiente:

Captura de pantalla 2015-11-11 a las 15.41.42

Captura de pantalla 2015-11-11 a las 15.41.55

La evolución a lo largo del tiempo de estos dos métodos de control es la siguiente:

Captura de pantalla 2015-11-11 a las 15.42.14

Finalmente, podemos ver cuáles son las Hazard ratio de las curvas de supervivencia comparadas:

Captura de pantalla 2015-11-11 a las 15.42.25

Podemos ver a continuación las funciones de riesgo con las que se calcula la Hazard ratio:

Captura de pantalla 2015-11-11 a las 15.42.37

Artículo 12: The relationship between sweetened beverage consumption and risk of heart failure in men

Selecciono este artículo como un interesante ejemplo de aplicación de la Regresión logística. El abstract es el siguiente:

Captura de pantalla 2015-11-09 a las 20.42.05

La estadística descriptiva de los grupos estudiados:

Captura de pantalla 2015-11-09 a las 20.42.32

La curva de supervivencia aplicada aquí como tiempo hasta insuficiencia cardíaca si es que se produce:

Captura de pantalla 2015-11-09 a las 20.42.47

Y finalmente el cálculo de la Hazard ratio:

Captura de pantalla 2015-11-09 a las 20.42.59

 

Artículo 11: One-year outcome following biological or mechanical valve replacement for infective endocarditis

El siguiente artículo es una comparación entre las prótesis valvulares mecánicas y biológicas. Es interesante para ver la Regresión de Cox.

El abstract es el siguiente:

Captura de pantalla 2015-11-08 a las 10.02.42

La Estadística descriptiva es la siguiente:

Captura de pantalla 2015-11-08 a las 10.03.13

Se han hecho diferentes regresiones de Cox a partir de las curvas de supervivencia hasta el año. Las hazard ratio son las siguientes:

Captura de pantalla 2015-11-08 a las 10.03.47

Recordemos que la Hazard ratio lo que hace el medir la relación de riesgos, en este caso de muerte, durante el primer año, en la variable estudiada. Para compararlo con la Odds ratio puede consultarse el artículo Odds ratio versus Hazard ratio.

Obsérvese una curiosidad: En Odds ratio y en Hazard ratio la significación suele darse en términos de intervalo de confianza no mediante un p-valor. De hecho, la información es redundante. Si el intervalo no contiene al 1 el p-valor será menor que 0.05 y si lo contiene el p-valor será mayor que 0.05. Aquí curiosamente nos dan las dos cosas. Puede observarse que cuanto más se acerca el intervalo al 1 más se acerca el p-valor al 0.05. En este estudio se han seleccionado únicamente las relaciones significativas, por eso ningún intervalo contiene al 1 ni ningún p-valor es mayor que 0.05.

Obsérvese la siguiente tabla de otro estudio también de endocarditis donde se puede apreciar perfectamente esta redundancia que comento:

Captura de pantalla 2015-11-08 a las 10.34.05

Y finalmente veamos las curvas de supervivencia de los dos tipos de prótesis:

Captura de pantalla 2015-11-08 a las 10.04.20

Y estas son las curvas de supervivencia con la que se calcula la Hazard ratio de prótesis biológicas respecto a mecánicas que es 1,298. Recordemos que la Hazard ratio es una relación basada en las funciones de riesgo. La biológicas tienen mayor riesgo de muerte y por eso su curva de supervivencia va por debajo. No confundirse con esto.

 

Artículo 10: Excess mortality among persons with type 2 diabetes

Este es un artículo interesante para evaluar el papel de la hazard ratio como medida del riesgo. Es un complemento concreto a lo desarrollado en el tema dedicado a la Regresión de Cox.

El abstract de este artículo es el siguiente:

La estadística descriptiva de los dos grupos comparados es la siguiente:

En la siguiente tabla podemos ver la distribución de pacientes y de controles según edad y causas de muerte:

La tabla siguiente nos muestra las hazard ratio según edad:

A continuación tenemos las hazard ratio según edad y otros factores de riesgo y atendiendo a mortalidad por cualquier causa y a mortalidad por causa cardiovascular:

Y finalmente una nueva tabla con las hazard ratio según diferentes factores de riesgo:

 

Artículo 9: A randomized trial of social media from Circulation

Se trata de un artículo muy original de diciembre de 2014. Se trata de un ensayo para evaluar si las redes sociales pueden aumentar el acceso a los artículos de esta importante revista médica (Circulation).

El abstract es el siguiente:

IMG_0389

El objetivo es hacer un estudio randomizado comparando artículos a los que se les hace una importante difusión mediática con artículos a los que no se les hace tal difusión.

Observemos que, en abstracto, es como un ensayo clínico. Se toman artículos y al azar se los va asignando al grupo tratamiento (difusión especial mediática) o al grupo control (la difusión habitual). En lugar de trabajar con pacientes se trabaja con artículos médicos, pero formalmente es un procedimiento idéntico.

En la parte de análisis estadístico es importante la elección del tamaño de muestra. Miremos cómo está formulado:

IMG_0390

IMG_0391

Es interesante ver cómo se elige este tamaño de muestra (119 por grupo) delimitando una potencia del 90% para detectar una diferencia de un 20% o una potencia del 80% para detectar una diferencia del 17%. Partiendo del supuesto que uno de los grupos tenga un orden de visualizaciones de 560 de media y una desviación estándar de 265. Esto significa que buscan una diferencia mínima a detectar, para considerar que el “tratamiento” (su difusión por las redes sociales) es efectivo, de un 20%, como mínimo respecto al valor medio de acceso a esos artículos.

La media y la desviación estándar estiman que puede ser 560 y 265, respectivamente. Esto significa que entre las visualizaciones a los diferentes artículos de la revista hay este nivel de media y de dispersión. Estos número seguro que salen de informaciones previas que tenían del grado de impacto de los artículos publicados en esa revista.

El 20% de 560 es 112, por lo tanto, esta diferencia de 112, ó más, es lo que se esperaría ver para poder decir que hay una diferencia destacable. Por lo tanto, establecemos, a priori, que si hay realmente una diferencia de 112 ó más, entre los dos grupos, hemos de determinar el tamaño de muestra requerido para tener esta potencia del 90%; o sea, una probabilidad del 90% ó más de detectar tal diferencia como estadísticamente significativa.

Hay diferentes calculadores para realizar esta determinación. A mí con el GRANMO (http://www.imim.cat/ofertadeserveis/software-public/granmo/) me sale que es 118 el tamaño necesario, pero esta diferencia puede ser atribuible a un distinto calculador usado. Observemos la entrada de datos necesaria en la versión del GRANMO para i-phone, para determinar el tamaño de muestra de este ensayo:

IMG_0398

El riesgo beta es 0.1 porque para detectar una diferencia del 20% se quiere tener una potencia del 90%. La potencia es 1-Beta pasado a tanto por ciento. En nuestro caso, 1-0.1=0.9, multiplicado por 100 es, entonces, 90%. El resultado obtenido con la calculadora es el siguiente:

IMG_0399

Al final los autores toman muestras de 121 y 122, respectivamente, por grupo.

Comparan los dos grupos para comprobar que se trata de dos grupos de artículos homogéneos:

IMG_0392

Como puede verse, es así. Se trata de dos grupos de artículos muy similares. Es importante comprobarlo para evitar atribuir las posibles diferencias a variables que nos confundan. No obstante, la randomización acostumbra a generar, por el azar usado, grupos homogéneos, especialmente si el tamaño de muestra es considerable.

Ahora se trata, pues, ya, de evaluar los accesos a esos artículos seleccionados, a los artículos de los dos grupos del ensayo, durante un tiempo, y, después, compararlos mediante la técnica de comparación de dos poblaciones. En este caso como se trata de una variable continua, de dos muestras independientes y, según nos dicen los autores, de variables que no se ajustan a la distribución normal, usan una técnica no paramétrica, el Test de Mann-Whitney o el Test de Wilcoxon de la suma de rangos. Los resultados son los siguientes:

IMG_0395

Nos muestran, los autores, los intervalos de las diferencias de medianas en el total y en distintos subgrupos de artículos. Como podemos ver se trata de diferencias no estadísticamente significativas. Los intervalos de confianza de las diferencias de medianas incluyen siempre al 0, lo que indica que se trata de diferencias no estadísticamente significativas.

La conclusión de los autores es que la propaganda a través de las redes sociales no incrementa los accesos a este tipo de artículos, que los profesionales acceden a ellos por otros canales de interés.