métodos estadísticos en el trasplante renal - Roche Trasplantes

MÉTODOS ESTADÍSTICOS EN EL TRASPLANTE RENAL2. Estrategia Forward o “hacia delante”. Se parte de una única variable y se van introduciendotodas las demás variables, hasta conseguir el modelo definitivo. La inclusiónde variables se hace en función, también, de que queramos un modelo predictivoo estimativo.3. Estrategia Stepwise o “paso a paso”. Es una modificación de la anterior para evitarque una estrategia “hacia delante” quede con variables no significativas.El investigador debe elegir los factores de corrección apropiados (covariables) y considerarposibles interacciones entre las variables más relevantes. Asimismo, puede ser útiltambién la transformación de ciertas variables continuas, que no guardan una clara relacióncon el modelo proporcional de riesgos, en variables categóricas de más fácil manejoen el contexto de estos modelos multivariados. En cualquier caso, la inclusión de variablescon alto grado de colinearidad (variables en función de otras o que están relacionadasentre sí) puede, también, sobrestimar el modelo innecesariamente. Por el contrario, laomisión de variables relevantes en dicho modelo puede conducir a la aparición de sesgos.Por otra parte, los valores perdidos (missing) también suponen un obstáculo en el análisisde los resultados de los registros de trasplante. De una manera simplista, pero engañosa,estos valores pueden ser ignorados. Sin embargo, esto puede conducir a la pérdidade poder estadístico y, lo que es peor, puede contribuir a introducir sesgos en losresultados. La categorización de una variable, que incluya estos valores missing o su imputaciónen el análisis estadístico, pueden ser algunas de las medidas correctoras paraestos valores perdidos.En los EO, los grupos comparados son con frecuencia diferentes entre sí, producto dela falta de aleatorización de los mismos. Individuos con especiales características biológicaspudieran tener más posibilidades de una determinada exposición o tratamientoque los pacientes del grupo comparativo. Estas características son los denominadosfactores de confusión, que pueden afectar el pronóstico final y producir sesgos en losresultados. La regresión logística es un método habitual para paliar esta situación. Suprincipal ventaja es su capacidad de controlar múltiples variables simultáneamente, peroante escasos eventos pudiera estar limitado el número de variables, que resulta adecuadoincluir simultáneamente (en general, una variable por cada 8-10 eventos). Otrométodo interesante para solventar esta situación son los índices o medidas de propensión(propensity score). Conceptualmente, es la probabilidad condicional de que un individuoreciba un determinado tratamiento o se exponga a un específico factor de riesgo,en función de las variables de confusión. Para el cálculo de un índice de propensión(IP) se utiliza la regresión logística, en la que se incluyen los factores de confusión comovariables independientes, y como variable dependiente la exposición (el empleo de undeterminado tratamiento, la presencia de rechazo agudo, etc.). Cada paciente tendrá,por tanto, un IP resultante de la suma de los coeficientes β de los diferentes factoresque influyen sobre la variable dependiente (exposición determinada) en la regresión lo-192