La estadística médica ¿entra en un paquete?

Dr. Jorge Pouso
Médico intensivista, experto en estadística médica
[email protected]

Nihil temere crediteris (No creas nada a la ligera)
Marco Porcio Catón (234-149 AC)

La medicina - arte milenario -ha recibido, no sin cierta desconfianza, a mediados del siglo XX el aluvión de la bioestadística moderna y, a fines del mismo, el de la informática. Esta ha incidido singularmente en aquella colaborando en el desarrollo de procesos de cálculo iterativos y por tanto poniendo al alcance de prácticos e investigadores métodos y modelos de alta complejidad.

Desde que Richard Doll y Austin Bradford Hill (1) demostraron la asociación significativa entre tabaquismo y cáncer de pulmón con una simple prueba de chi cuadrado, la presencia de la estadística en las publicaciones científicas médicas se ha incrementado de modo tal que hoy la gran mayoría de las investigaciones publicadas contienen un capítulo de métodos estadísticos. Estos se han hecho progresivamente más sofisticados intentando reflejar la realidad clínica a través del análisis y control de las múltiples variables potencialmente incidentes en el resultado final.

Paquetes y métodos estadísticos

Para ejecutar completamente un método estadístico en un ordenador es necesario un programa que cumpla paso a paso con el mismo. Cubrir la amplia gama de métodos estadísticos hace necesario colecciones de programas o paquetes que suelen constituir la forma en que se presenta el software estadístico.

Conceptualmente, un paquete estadístico es un conjunto de programas informáticos específicamente diseñados para el análisis estadístico de datos con el objetivo de resolver problemas de estadística descriptiva, inferencial o ambos.

Esta tarea suele estar en manos de organizaciones empresariales comerciales, universitarias o gubernamentales que facilitan los manuales, periódicamente crean nuevas versiones revisadas, ampliadas y actualizadas a las disponibilidades de hardware y sistemas operativos, los hacen más fáciles de usar, presentando los resultados en forma más clara. Estos paquetes, debido a su extensa utilización suelen estar exentos de errores de cálculo - aunque no siempre conceptuales- y suelen incluir herramientas gráficas.

Aunque los paquetes abarcan la mayoría de los métodos estadísticos, es imposible que se encuentren siempre completamente actualizados o que incluyan métodos muy especializados. Por esta razón existen programas desarrollados por autores de nuevos métodos, como por ejemplo Breslow y Day (para casos y controles, en 1980) o Coleman (mortalidad en sujetos-año , en 1990).

Paquetes extensamente usados como SPSS - Statistical Package for the Social Sciences, BMDP, SAS- Statistical Analysis Systems, Minitab, Genstat y GLIM fueron diseñados inicialmente para mainframes , pero actualmente los ordenadores personales o PC o microordenadores son la forma más común de ordenador usada en la ejecución de estos programas , conservándose únicamente los mainframes para conjuntos muy grandes de datos.

Todos los análisis estadísticos implican algún cálculo, cuya complejidad puede ir desde una simple operación mental hasta una regresión logística que requiere el uso de un ordenador.

Considerar el ordenador como calculadora programable grande y rápida, apta para grandes conjuntos de datos y capaz de almacenar todos los pasos de cálculo y sus resultados en archivos es un punto de vista restringido, pues un ordenador tiene otras ventajas: puede almacenar, comprobar y clasificar datos, contar individuos y categorizar variables. Estas últimas tareas forman parte sustancial de muchos procesos estadísticos. La simple construcción de una tabla de contingencia de 2x2 en un conjunto grande de datos contabilizando los individuos que cumplen con las condiciones requeridas en las cuatro celdas, o una prueba de rangos cuyo primer paso es ordenar los datos, requieren procesos no realizables con una calculadora y que resultan - excepto para número pequeño de datos - tediosas, costosas en tiempo y no exentas de error si se llevan a cabo a mano.

Aunque la accesibilidad a estos programas ha significado un gran beneficio a los investigadores en los últimos años, no debe perderse de vista que se trata de simples herramientas para llevar a cabo un trabajo. Resulta fácil aplicar métodos complejos a datos, pero no es tan sencillo luego interpretar los resultados si el método no era el adecuado a los objetivos de la investigación.

A pesar de todo las calculadoras siguen cumpliendo su papel en cálculos subsidiarios o en el análisis de tablas como la prueba de chi cuadrado, Odds Rato y Riesgo Relativo univariados, Fisher o el cálculo de Mantel-Haenszel.

¿Quién le teme a los métodos estadísticos?

El ingreso de la bioestadística en las ciencias biomédicas ha sido justificadamente bienvenido pero ha tenido y tiene algunos inconvenientes, no poco de los cuales derivan de una magnificación de su papel en relación con la importancia crucial de la metodología de la investigación. La estadística no corrige, sino que suele empeorar todos aquellos errores que se cometen en los métodos, y éstos son el 90% de la labor del investigador. La necesidad creciente y profesional por investigar genera preguntas a contestar cada vez más complejas, diferencias a detectar más pequeñas, mayor necesidad de contemplar el error beta (no poder demostrar una hipótesis cierta, en general debido a un tamaño muestral inadecuado), la importancia de controlar las variables confundentes , determinan diseños con números grandes de individuos - en general multicéntricos e internacionales- y a considerar las estadísticas de multivariables. Esto conlleva procedimientos de cálculo y desarrollos matemáticos complejos que hacen imprescindible el uso de computadoras, así como transformaciones de los datos crudos originales que dejan de estar visibles durante su procesamiento estadístico al investigador tal como él los tomó y los tiene en cuenta en la realidad clínica. Por otra parte los recursos informáticos se han centuplicado, los paquetes estadísticos se han popularizado (no todos, algunos siguen siendo muy caros, poco amigables o francamente engorrosos) y por lo tanto el resultado es que para el común de los lectores de las revistas científicas médicas resulta bastante complicado comprender que métodos estadísticos se aplicaron, y si eran o no adecuados a la pregunta y al diseño de la investigación. Entonces el subcapítulo "Statistical Analysis" o "Statistical Methods" o "Metodología Estadística" pudiera ser leído sin una razonable capacidad crítica imprescindible a toda lectura científica. Debido a que la mayor parte de las conclusiones del artículo y su "verdad" se basan en estas consideraciones ¿cómo podemos juzgar un artículo en cuestión? ¿creeremos todo lo que dice porque una p es igual o menor a 0.05? .

La proliferación,a veces abusiva, de los métodos estadísticos y en especial de los multivariados agrava esta situación. Más allá del alcance de este sencillo artículo debe tenerse en cuenta que algunos de estos métodos tienen limitaciones e inconvenientes matemáticos y clínicos. Finalmente no todos los trabajos científicos médicos publicados suelen especificar el software empleado y si lo hacen no siempre se menciona la versión utilizada (las hay con errores, o con métodos de cálculo disímiles o polémicos) lo que es especialmente importante en pruebas donde éstos no pueden realizarse con lápiz, papel y una calculadora de mano.

Por otra parte ¿todo lo que se publica es la verdad?. De ser así y habida cuenta del enorme número de investigaciones realizadas en los últimos 50 años, publicadas o no , ya no quedaría casi ninguna pregunta por contestar. Todos sabemos que ello no es así. Aunque la estadística ocupa un lugar central en la estructura y función de un diseño de investigación es incapaz de resolver los problemas generados por la metodología empleada. Lo inverso también es cierto: un diseño impecable puede no dar los resultados esperados por mala elección de las estadísticas a utilizar. El uso de hardware y paquetes estadísticos costosos -algunos de los cuales tienen errores y limitaciones - tampoco garantiza nada.

Sin embargo debemos reconocer la repercusión y la importancia que disponer de programas estadísticos para ordenadores significa como impacto cultural, recurso práctico y estímulo para clínicos e investigadores científicos.

Pruebas y programas estadísticos en algunas publicaciones biomédicas. Una estadística de los métodos estadísticos

Con la finalidad de determinar los métodos y programas estadísticos más frecuentemente utilizados en algunas publicaciones norteamericanas y europeas procedimos a revisar todos los artículos científicos originales publicados durante el año calendario 1999 en las siguientes publicaciones: American Journal of Medicine , British Medical Journal , Circulation , European Heart Journal , New England Journal of Medicine y The Lancet. (en el apéndice se incluye a demás una lista de paquetes estadísticos no mencionados en los artículos estudiados). Para el ingreso y procesamiento de los datos se utilizó el paquete Epi Info 6.04b. En total se consideraron 784 artículos que utilizaron 1702 pruebas estadísticas, cuyas distribuciones se muestran en la Tabla 1, junto con la media aritmética (+/- 1 desvío estándar) de pruebas utilizadas por publicación.

Tabla 1. Promedios de pruebas estadísticas empleadas en 784 artículos originales de seis revistas médicas europeas y norteamericanas durante el año calendario 1999

	N artículos	Pruebas usadas
American Journal of Medicine	90	2.1 +/- 1.2
British Medical Journal	195	1.7 +/- 1.2
Circulation	227	2.2 +/- 1.5
European Heart Journal	122	2.6 +/- 1.5
New England Journal of Medicine	104	2.7 +/- 1.6
The Lancet	46	2.0 +/- 1.6
Total	784	2.2 +/- 1.5

Los promedios de pruebas estadísticas usadas en todos los artículos originales para cada revista y para el total de las mismas están expresados como la media aritmética +/- 1 desvío estándar (1ds)

La mayoría de estos artículos disponía de un subcapítulo "análisis estadístico" o "métodos estadísticos" Algunos de ellos no tenían métodos estadísticos; se trataba en general de artículos de métodos diagnósticos o de descripción de técnicas y constituyeron el 9.2% (72/784), 225 artículos (28.7%) tenían una prueba estadística, 199 (25.4) tenían dos, 144 (18.4%) tenían tres y los 144 restantes (18.4%) cuatro o más.

De las 1702 pruebas estadísticas las 10 más frecuentemente utilizadas, que en conjunto constituyen el 74.6% de las mismas, se muestran en la Tabla 2.

Tabla 2. Las diez pruebas estadísticas más frecuentemente empleadas en 784 artículos originales de seis revistas médicas europeas y norteamericanas durante el año calendario 1999

Pruebas	n (%)
de Student	241 (14.2)
Chi cuadrado	204 (12.0)
ANOVA*	158 ( 9.3)
Regresión Logística binaria	140 ( 8.2)
Prueba de Fisher	106 ( 6.2)
Modelo de Cox	104 ( 6.1)
U test de Mann-Whitney	89 ( 5.2)
Método de Kaplan-Meier	87 ( 5.1)
Prueba de Wilcoxon	71 ( 4.2)
Correlación-regresión lineales	70 ( 4.1)
	1270 (74.6)

Cuatro de las cinco pruebas más frecuentemente utilizadas son las clásicas para variables categóricas (chi cuadrado y Fisher) y contínuas (t de Student y ANOVA) , alternando con ella una de multivariables como la regresión logística binaria.

*Análisis de varianza de una o dos vías.

Conceptualmente los tests utilizados pueden agruparse como: 1) Comparaciones de promedios (media , mediana) o medidas de dispersión (varianza) , 630 (37.0%) , 2) Pruebas univariadas de asociación-independencia entre variables categóricas , 421 (24.7%) , 3) Modelos multivariados de asociación-independencia para variables categóricas y continuas con estimación de Odds-Ratio y Riesgo Relativo , 323 (18.9%) , 4)Estadísticos de sobrevida y ocurrencia de eventos , 138 (8.1%) , 5) Modelos bivariados de correlación-regresión para variables continuas o de rangos , 90 (5.3%). El resto corresponde a metodologías como comparaciones interindividuos en métodos de diagnóstico, metaanálisis, etc.

De los 712 artículos que utilizaron métodos estadísticos descriptivos o inferenciales , en 233 (32.7%) se dejó constancia de la utilización de software estadístico específico. En total fueron mencionadas 269 aplicaciones de esta clase: en 198 artículos se menciona un único programa (85%), en 34 artículos 2 programas (14.6%) y en un trabajo 3 programas (0.4%). Existió constancia de la versión del programa o paquete estadístico utilizado en 144 (53.5%) de los mencionados. Una aplicación era para computadora tipo mainframe , el resto para computadoras personales.

Los paquetes empleados se muestran en la Tabla 3.

Tabla 3. Paquetes estadísticos citados como utilizados en el procesamiento de datos de 233 artículos originales de seis revistas médicas europeas y norteamericanas durante el año calendario 1999

Programa	n (%)
SAS	89 (33.1)
SPSS	64 (23.8)
STATA	20 ( 7.4)
EPI INFO	14 ( 5.2)
STAT VIEW	11 ( 4.1)
EXCEL	8 ( 3.0)
BMDP	6 ( 2.2)
S-PLUS	6 ( 2.2)
JMP	6 ( 2.2)
STATISTICA	5 ( 1.9)
SIGMASTAT	3 ( 1.1)
STATXACT	3 ( 1.1)
MINITAB	3 ( 1.1)
REVIEW MANAGER	3 ( 1.1)
STAT SOFT	2 ( 0.7)
EGRET	2 ( 0.7)
MLN	2 ( 0.7)
OTROS*	22 ( 8.2)
	269

Frecuencias absolutas y relativas porcentuales de los paquetes citados como empleados en el procesamiento de datos. La lista es encabezada por paquetes comerciales clásicos como SAS y SPSS, pero también aparecen con cierta frecuencia otros paquetes con características y accesibilidad diferente como Epi Info y Stat View.

*Figuran una sola vez, se detallan en el apéndice de paquetes estadísticos.

Este estudio, aunque limitado, muestra algunas tendencias interesantes: las pruebas clásicas, que suelen estar en todos los programas, son las más utilizadas. Los modelos multivariados, que no suelen estar en todos los paquetes, también lo son. Es muy amplia la variedad de paquetes empleados pero dos de los "clásicos " figuran en los primeros lugares junto con paquetes muy amigables de la década del 90, como Epi Info , Stat View y Stata. Tal vez esto sea expresión de algún cambio en las preferencias generacionales de expertos e investigadores, ya que todos nos inclinamos más al uso de lo que ya conocemos bien.

Sin embargo, a nuestro entender el hecho más relevante es que en 67% de los artículos no se especificó el paquete utilizado aunque resultaba evidente que por el tipo de prueba utilizada o el tamaño muestral se había empleado alguno, y que cuando se hizo mención del o los paquetes estadísticos empleados en casi la mitad no se hizo referencia a la versión empleada. Estos hechos no tienen significación en pruebas que se calculan habitualmente de la misma manera y con escasas variantes matemáticas, pero si lo tienen en tests complejos donde conocer sus detalles y variantes permiten interpretar mejor los resultados.

Criterios útiles en la selección de un programa estadístico

Como acabamos de ver se dispone de muchos programas para ingresar datos y analizarlos estadísticamente. Revisiones periódicas de estos paquetes se publican en revistas informáticas como PC Magazine o PC World

Así como en aquellas especializadas en estadística como American Statistician . Applied Statistics o Statistcs.

Como guía general pueden darse algunos elementos básicos a tener en cuenta al elegir un programa estadístico:

• Facilidad de uso para el estadístico novicio o el usuario ocasional. No utilizarán lenguajes de programación complejos. Deben tener menúes y pantallas de ayuda como guías a través del programa y un manual legible, bien organizado y comprensible. No siempre se disponen de versiones en español. Hay que resignarse a que la informática se ha desarrollado en inglés, como la medicina y su terminología lo hizo en griego y latín.
• Contar con funciones de importación y exportación de datos. Estas capacidades son esenciales. Los datos pueden encontrarse en registros computarizados de enfermedades o en bases de datos de registros médicos desde los cuales debemos contar con la facilidad de transferirlos (importar) a nuestro programa. La mayoría de los paquetes pueden leer textos ASCII, planillas electrónicas como Excel y Lotus, o bases de datos tipo DBF. Algunos paquetes son capaces de importar datos desde otros paquetes estadísticos muy utilizados como SPSS o SAS. Por lo menos nuestro paquete deberá poder importar textos ASCII , Excel o archivos DBF pues la mayoría de las bases de datos y los paquetes estadísticos son capaces de generar archivos de estas clases. También es importante la capacidad de exportar datos a esta variedad de formatos o por lo menos a una de ellos.
• Capacidad para entrar , editar y manejar datos en forma apropiada .El 80% del trabajo de análisis de datos consiste en crear y validar los archivos de datos por medio de entrada de datos y su control, edición, selección de casos de acuerdo a criterios opcionales y transformación de variables. Por lo tanto estas funciones son esenciales a cualquier programa estadístico. Estos procesos otorgan confiabilidad a los datos. Específicamente destacamos las siguientes facilidades o funciones:
  • Capacidad de prevenir el ingreso de valores incorrectos o inválidos. Procesos de validaciones por ejemplo a través del ingreso por duplicado de todos los registros para identificar y corregir errores de digitación. Verificación de datos a través de procesos estadísticos y lógicos que a través de la constatación de valores imposibles o poco probables obliguen a una verificación desde las fuentes.
  • Capacidad de saltear campos automáticamente cuando una variable toma un determinado valor (en general "No").
  • Relación lógica entre campos de código y su descripción en lenguaje natural (evita gran parte de los errores de digitación de estos últimos).
  • Campos que se repiten automáticamente cuando ciertas respuestas son comunes a muchos sujetos.
  • Procesos de recodificación sencillos que permitan transformar una variable continua en categorías o rangos de valores contenidos en otra variable discreta.
  • Creación de nuevas variables a partir de valores ya existentes en otras. La nueva variable tomará un valor de cálculo o un valor lógico de acuerdo a la o las variables preexistentes. Estos procesos son imprescindibles en determinados tests estadísticos.
  • Seleccionar subconjuntos de variables o de casos que cumplan determinados criterios y generar con ellos nuevos archivos de datos.
  • Tratamiento racional de datos perdidos o faltantes (missing values). Este tema es importante y debe considerarse la posibilidad de codificar las opciones de datos no disponible o ausente.
• Capacidad estadística. El clínico no suele requerir un paquete estadísticamente poderoso con rutinas estadísticas sofisticadas, en general llamadas "estadísticas avanzadas" como contraposición y complemento de las "básicas". El agregado de aquellas suele incrementar significativamente la complejidad y el costo de los programas y en general solamente resultan útiles a los estadísticos profesionales. Por otra parte la disponibilidad de esta clase tests constituye una tentación para su uso inapropiado.

< Volver