Universidad Complutense de Madrid
E-Prints Complutense

Métodos estadísticos para evaluar la causalidad en estudios observacionales

Impacto

Downloads

Downloads per month over past year



Coscia Requena, claudia (2017) Métodos estadísticos para evaluar la causalidad en estudios observacionales. [Trabajo Fin de Máster]

[img]
Preview
PDF
2MB


Abstract

Antecedentes: En investigación clínica es frecuente que uno de los objetivos sea establecer la asociación causal que existe entre una exposición y un desenlace. En los estudios observacionales, si la exposición está relacionada con las características del individuo, los sujetos expuestos y no expuestos difieren, además de por la exposición recibida, por otras características. Los efectos estimados por diferentes métodos estadísticos difieren según el escenario teórico establecido.
Objetivo principal: Comparar los efectos estimados por diferentes métodos estadísticos para evaluar la causalidad en estudios observacionales en dos escenarios que presentan frecuencias diferentes en los eventos, en las exposiciones y en el número de variables a considerar en los ajustes.
Análisis estadístico: Se plantean modelos de regresión logística univariable y multivariable ajustando por variables confusoras. Se utiliza el Índice de propensión (IP) y se estima el efecto mediante distintos métodos del IP.
Resultados: Si los sujetos expuestos y no expuestos no se diferencian, las estimaciones por los distintos métodos coinciden. Cuando el número de eventos y de exposiciones es reducido, el efecto del NMB en el delirio varía en términos de OR.
Conclusiones: Las características del escenario teórico subyacente deben ser tenidas en cuenta para seleccionar el método más adecuado de ajuste en los análisis de causalidad. El índice de propensión permite seleccionar adecuadamente variables por las que corregir. Si existen diferencias en los perfiles de exposición, la adecuación de los distintos métodos depende de la prevalencia de las exposiciones y de la incidencia de los desenlaces.


Item Type:Trabajo Fin de Máster
Directors:
DirectorsDirector email
Muriel García, Alfonso
Pérez Pérez, Teresa
Uncontrolled Keywords:Estudio observacional; confusión; índice de propensión; regresión logística; trabajo fin de máster
Subjects:Sciences > Statistics
Sciences > Statistics > Social sciences research
Sciences > Statistics > Multivariate analysis
Título del Máster:Máster en Bioestadística
ID Code:43964
Deposited On:20 Jul 2017 07:07
Last Modified:21 Jul 2017 09:45

Origin of downloads

Repository Staff Only: item control page