métodos estadísticos en el trasplante renal - Roche Trasplantes

CURVAS DE VIDA Y SUPERVIVENCIAuna variable con la supervivencia. Ejemplos de estudios con este objetivo son losensayos clínicos en los que se pretende estudiar el efecto del tratamiento sobre lasupervivencia, o los estudios observacionales para evaluar el valor pronóstico de uncierto marcador. En ambos casos, las demás variables están en el modelo para evitarsu posible efecto perturbador (6,13).2. Objetivo predictivo: si el objetivo es predecir lo mejor posible la supervivencia usandoun conjunto de variables independientes. Se desea seleccionar una serie de factoresque permitan predecir la supervivencia de los pacientes. El resultado de unmodelo predictivo es el modelo mismo, mientras que en un modelo estimativo elresultado es la estimación del efecto de la variable de interés, es decir el HR. El objetivoestimativo es el más frecuente en la investigación etiológica, en la que se tratade encontrar factores determinantes de una enfermedad o un proceso.3. Hay un tercer objetivo mixto, de naturaleza más exploratoria, en el que se pretendeidentificar factores de potencial importancia pronóstica para posteriores investigaciones(13).Confusión e interacciónSon los dos efectos perturbadores que, en los modelos estimativos, pueden tener unasvariables en la asociación entre otras. Existe confusión cuando la relación entre la variableen estudio y la supervivencia difiere según se considere o no otra variable. A esta últimavariable se le denomina variable de confusión para la asociación. Existe interaccióncuando la relación entre la variable y la supervivencia varía según los diferentes nivelesde otra variable. Aunque en una primera lectura pueden parecer similares, conviene distinguirclaramente entre ambos fenómenos, siendo los modelos de gran ayuda para ello.El modelo más sencillo para estudiar la asociación entre la supervivencia y otra variableX 1 es:h(t)In [ ] = β 1 Xh 10 (t)X 2 es una variable de confusión para esta asociación, si el modelo:h(t)In [ ] = β 1 X 1 + β 2 Xh 20 (t)produce una estimación diferente de β 1 . Obviamente, esta definición se puede ampliara un conjunto de variables.Contrastar la existencia de confusión requiere, por lo tanto, comparar los coeficientesde regresión de modelos diferentes y, si hay diferencia, existe la confusión, en cuyo casola mejor estimación es la ajustada. Para dicha comparación no se precisa realizar uncontraste de hipótesis estadístico. Será el investigador quien establezca el criterio para93