Métodos estadísticos para evaluar la causalidad en estudios observacionales
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 expues...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2017 |
| País: | España |
| Institución: | Universidad Complutense de Madrid (UCM) |
| Repositorio: | Docta Complutense |
| Idioma: | español |
| OAI Identifier: | oai:docta.ucm.es:20.500.14352/19802 |
| Acceso en línea: | https://hdl.handle.net/20.500.14352/19802 |
| Access Level: | acceso abierto |
| Palabra clave: | 519.233.5 Estudio observacional confusión índice de propensión regresión logística trabajo fin de máster Estadística Técnicas de Investigación Social Análisis Multivariante 1209 Estadística 6302.03 Diseño de Investigación Social 1209.09 Análisis Multivariante |
| Sumario: | 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. |
|---|