métodos estadísticos en el trasplante renal - Roche Trasplantes

MÉTODOS ESTADÍSTICOS EN EL TRASPLANTE RENALdecidir cuándo hay diferencia, siendo lo habitual considerar que existe confusión cuandola exponencial del coeficiente (el HR) cambia en más del 10%. Por ejemplo, si el análisismostrado en la Tabla III tuviera como objetivo estimar el efecto de los tratamientos,se encontraría que la edad y el sexo conjuntamente no son variables de confusión,puesto que los HR estimados en el modelo simple, 0,386 y 0,823 para tacrolimus yCSA, respectivamente, no son muy diferentes de 0,404 y 0,854, estimados en el modeloque contiene también las variables edad y sexo.El modelo más sencillo que hace explícita la interacción entre dos variables X 1 y X 2 es:h(t)In [ ] = β 1 X 1 + β 2 X 2 + β 3 X 1 Xh 20 (t)Es fácil ver (6) que en este modelo, el cambio en In [h(t)/h 0 (t)] por una unidad de cambioen X 1 manteniendo fijo X 2 es β 1 +β 3 X 2 o, dicho de otro modo, el HR por una unidad decambio en X 1 manteniendo fijo X 2 es:e β 1+β 3 x 2= e β 1(e β 3) x 2Es decir, el HR es diferente para cada valor de X 2 .Contrastar la existencia de interacción entre X 1 y X 2 es contrastar si el coeficiente β 3 es cero(no hay interacción), o distinto de cero (existe interacción). En caso de que exista interacción,los exponenciales de los coeficientes β 1 y β 2 por sí solos no significan nada y la asociaciónde las variables X 1 y X 2 con la supervivencia está cuantificada por la expresión anterior.Obviamente, primero debe contrastarse la interacción y después, en caso de que no exista,la confusión.Estrategias de modelizaciónDebido a los objetivos distintos de los modelos de regresión es difícil establecer una estrategiageneral para encontrar el mejor modelo, es más, el mejor modelo significa cosasdistintas con cada objetivo.En un análisis predictivo el mejor modelo es el que produce predicciones más fiables,es decir, más parecidas a la realidad, para una nueva observación, mientras que en unanálisis estimativo el mejor modelo es el que produce estimaciones más precisas, esdecir, con un intervalo de confianza más estrecho, del efecto de la variable de interés.En ambos casos, se prefiere el modelo más sencillo posible (a este modo de seleccionarmodelos se le denomina parsimonia), de modo que, en un análisis estimativo, sepuede excluir del modelo una variable que tenga un coeficiente significativamente dis-94