Estudio experimentales pdf

Analice e interprete los datos. Ejemplo 8. Cuenta con una temperatura media anual de Es una zona que presenta condiciones favorables para el desarrollo de P. Donde las unidades experimentales estaban formadas por un surco de 5 plantas, distanciados a 0. Estos factores se colocan sobre unidades experimentales menores. Es frecuente referirse a los tratamientos sobre las parcelas grandes como los tratamientos, y a los tratamientos sobre las parcelas chicas como los subtratamientos.

Datos del ejemplo utilizado en este trabajo. Un factor es un tipo de tratamiento y en un experiemento factoral cualquier factor tendra varios tratamientos asociados llamados niveles. Por ejemplo, si dieta esun factor entonces varias dietas diferentes seran estudiadas.

El concepto de un experiemnto factorial se ilustra con un ejemplo. Supongamos que se desea introducir vacas lecheras a un pais y no se sabe nada acerca de cual es la mejor raza lechera o el mejor forraje para sacar buen rendimiento en calidad y cantidad de leche.

Un procedimiento seria hacer dos experimentos independientes para determinar la mejor raza y el mejor forraje. Desafortunadamente no podemos hacer ningun estudio sobre calidad de forraje sin alimentar en alguna de las razas lecheras y si comparamos las razas lecheras sin uso de diferentes forrjaes no obtendremos la respuesta que buscamos. Podria suceder que el feecto de los forrajes en la diferentes razas sea completamente diferente.

Por tanto, las conclusiones que han sido sacadas laboriosamente sobre el mejor tipo de forraje para una raza lechera pueden ser inaplicables a la raza que consideramos mejor al final del estudio.

Debemos considerarlos separadamente. En este caso no podemos concluir separadamente que una raza lechera es la mejor y que un tipo de forraje es el mejor sin estudiar mas a fondo como se comporta cada raza lechera con los diferentes tipos de forraje o los tipos de forraje con cada raza lechera.

Un arreglo mas simple es el 22 donde dos factores, A y B tienen dos niveles para cada uno a0,a1. Por convencion al de nivel bajo para ambos factores se denominan como 1, el resto se expresa como a,b y ab. Estas variables fueron evaluadas durante tres semanas etapas consecutivas. Data pollo2; Input racion etapa rep gp ca acon pp; Cards; 1 1 1 0. Por ejemplo, interesante saber la interdependencia que existe entre la edad de un animal y su peso.

Pero no pudo precisar el grado de frondosidad o pujanza ni el de escasez o deficiencia. Volumen de la Crecimiento Y copa X 22 0. No deben incluirse las constantes. En este caso el R cuadrado fue 0. En este caso rechazamos la hipotesis con nivel 0. Notese que la prueba 5 coencide con la 1 en este caso particular. Para saber si el modelo cuadratico se ajusta mejor que el lineal, debemos fijarnos en la reduccion producida en el error.

Si la reduccion es grande entonces quiere decir que el modelo cuadratico es mejor. Tambien podemos ver si el parametro C es estadisticamente significativo, lo mismo que si el R cuadratico aumento considerablemente. El R cuadrado del modelo cuadratico siempre sera mas alto que el del modelo lineal lo mismo aplica para el modelo cubiso , pero debemos considerar y pensar si este aumento en el R cuadrado realmente vale la pena como para complicar el modelo con un factor mas.

Ejemplo Como regla general para decidri sobre el empleo de covarianza, el investigador debiera tener la certeza de que sus covariables no estan influenciadas por lo tratamientos estudiados. Y Bloques 3 Se utilizaron cinco estanques, cada uno calentado a una de las cinco temperaturas.

Los pesos iniciales y finales se presentan en la siguiente tabla: Bloq. Las varianzas y las medias de las distintas muestras no estan correlacionadas. Los efectos principales son aditivos.

Esta es una de las principles razones para insistir en no dividir en subparcelas una parcela que recibe cierto tratamiento y referirnos a las mismas como repeticiones. Supongamos, por ejemplo, que las repeticiones de dos de los tratamientos fueron en realidad muestras de poblaciones con grandes varianzas, mientras que aquellas de los dos otros tratamientos se obtuvieron de poblaciones con varianzas mucho menores. Hay diversos cursos que podemos seguir.

Luego cada grupo puede analizarse por separado, como lo hicimos en el ejemplo anterior. Un investigador desea probar el efecto de una nueva vitamina sobre el peso de algunos animales. Es su deseo incluir un amplio rango de animales en sus pruebas, de modo que elige ratones, gallinas y ovejas.

Este es un ejemplo reconocidamente extremo y casi absurdo, pero sirve para enfatizar el punto de que el supuesto de independencia de varianzas y medias no debe aceptarse ciegamente.

Afortunadamente, esto no sucede con frecuencia. Esto recibe el nombre de efecto multiplicativo de tratamiento. Al parecer, todo lo que aprendimos fue que los ratones, las gallinas y las ovejas difieren de peso. Para hacerlo, removeremos la media general, los efectos de tratamiento y los efectos de bloque de cada celda.

Componentes del error en un experimento con vitaminas. Para hacerlo, necesitamos aprender una prueba conocida como prueba de Bartlett para la homogeneidad de varianzas.

Varianza y sus logaritmos para grupos en un experimento con vitaminas. Logaritmo de la media 5. Podemos multiplicar las varianzas por una constante cualquiera, sin alterar la prueba. El factor 2. Pueden hallarse mayores detalles sobre esta prueba en los textos de Steel y Torrie o de Snedecor y Cochran,. Natural history of human immunodeficiency virus type 1 viremia after seroconversion and proximal to AIDS in a large cohort of homosexual men.

J Infect Dis. Use of cohort studies for evaluating AIDS therapies. Wily and Sons. NY Los Estudios de cohorte. McGraw-Hill y Interamericana. Madrid, Enciclopedia de Salud y Seguridad en el Trabajo.

Ministerio de Trabajo y Asuntos Sociales Cancer and Occupation in Sweden: EPC-Rapport Clinical value of p53, c-erbB-2, CEA and CA regarding relapse, metastasis and death in resectable non-small cell lung cancer. Int J Cancer ; European Prospective Investigation into Cancer and Nutrition. Int J Epidemiol S6-S Cohort Studies. En: Modern Epidemiology. Second Edition. Philadelphia, Epidemiologic Reviews ; 20, 1. Cancer Epidemiology and Prevention. Oxford University Press.

Oxford, Methods to assess population effectiveness of therapies in human immunodeficiency virus incident and prevalent cohorts. Am J Epidemiol. Los estudios de casos y controles permiten estudiar una amplia variedad de posibles exposiciones. Por ejemplo, durante la fase aguda de un infarto de miocardio, los niveles de colesterol total en sangre disminuyen.

Los estudios de casos y controles no son eficientes para estudiar exposiciones raras. En los estudios de casos y controles no es posible, en general, obtener estimadores de la incidencia de la enfermedad.

Los casos del estudio se limitan a los casos nuevos de la enfermedad que aparecen durante el periodo de estudio. Los casos son todos aquellos pacientes que tienen la enfermedad en un momento determinado. Desde el punto de vista del estudio de factores de riesgo o protectores , los estudios de casos y controles con casos prevalentes son similares a los estudios transversales.

En general un control debe ser una persona que si hubiera desarrollado la enfermedad hubiera sido seleccionado como caso. De esta forma, un individuo que desarrolla la enfermedad en estudio o que muere no puede ser ya seleccionado como control. Un ejemplo es el sesgo de memoria, tener una determinada enfermedad puede hacer que se recuerden mejor las posibles exposiciones.

Statistical methods in cancer research. The analysis of case-control studies. Lyon: International Agency for Research on Cancer, Exposure measurement in case-control studies: reported methods and recommendations. Epidemiol Rev. Selection of cases and controls. Epidemiol Rev ; Case-Control Studies. Design, Conduct, Analysis. Beyond the basics.

Statistical analysis of case-control studies. Describiendo la forma en que la enfermedad se distribuye en la comunidad. Estudio de las personas. Analizando las causas o los factores de riesgos que hacen que aparezca la enfermedad. La medida del efecto es el riesgo relativo. La medida del efecto es la odds ratio. Conocer las desigualdades en salud. La primera se identifica con el Cuestionario de Hogar.

Como en un estudio de cohorte, podemos calcular la probabilidad de que una persona expuesta a un determinado factor de riesgo presente la enfermedad en un determinado momento. Como en un estudio de cohortes, podemos estudiar varias enfermedades. Lo que implica un ahorro de tiempo y dinero.

Proporcionan estimadores de prevalencia. Ya que los factores de riesgo asociados a los casos prevalentes pueden ser distintos a los asociados a los casos incidentes. Podemos cometer un sesgo si utilizamos muestras procedentes de poblaciones no representativas de todos los casos.

Son ineficientes para estudiar enfermedades poco frecuentes, agudas o letales ya que la probabilidad de encontrar un caso en un momento dado prevalencia es muy baja. No proporciona estimadores de incidencia o de riesgo relativo. Posible sesgo de supervivencia: los casos observados pueden tener una mayor supervivencia. Estimaciones puntuales. Cuando la enfermedad no influye en el hecho de estar en el estudio.

Cuando la enfermedad no influye en el hecho de estar expuesto. Por ejemplo, bronquitis, enfermedades mentales, etc. Cuando no se pueden realizar estudios de incidencia. Como primera etapa de un estudio de cohortes, ya que nuestro objetivo en este caso es seleccionar a personas sanas. Estudios de Seroprevalencia. Describe comparability of assessment methods if there is more than one group Bias 9 Describe any efforts to address potential sources of bias Study size 10 Explain how the study size was arrived at Quantitative variables 11 Explain how quantitative variables were handled in the analyses.

Make clear which confounders were adjusted for and why they were included b Report category boundaries when continuous variables were categorized c If relevant, consider translating estimates of relative risk into absolute risk for a meaningful time period Other analyses 17 Report other analyses done—eg analyses of subgroups and interactions, and sensitivity analyses Discussion Key results 18 Summarise key results with reference to study objectives Limitations 19 Discuss limitations of the study, taking into account sources of potential bias or imprecision.

Note: An Explanation and Elaboration article discusses each checklist item and gives methodological background and published examples of transparent reporting. Madrid Epidemiologic research: principles and quantitative methods.

Van Nostrand Reinhold Company. New York. Los estudios de prevalencia. La necesidad de abordar este tipo de estudios surge de la dificultad de obtener datos de alta calidad sobre exposiciones ambientales y las variables relacionadas con ellas. Medidas agregadas. Mediciones ambientales.

Mediciones globales. Bajo coste. Por ejemplo, los datos de mortalidad de los municipios se juntan con los datos censales y de otras encuestas. Limitaciones en las mediciones de los estudios individuales. Estos modelos permiten estimar el efecto para cada grupo y con un significado distinto dependiendo del tipo de modelo. La ventaja de estos modelos es que la variable dependiente no puede tomar valores negativos, mientras que en el modelo lineal si.

Sesgo intra-grupo. Un modelo puede ofrecer un excelente ajuste a los datos y estar sesgado y otro puede tener peor ajuste y no estarlo.

Reconocer que los distintos individuos pertenecen a distintos grupos tiene consecuencias importantes a la hora de analizar los datos.

Ello tiene considerables ventajas. The effects of nondifferential confounder misclassification in ecologic studies. Spatial correlation in ecological analysis. Int J Epidemiol. London, Institute of Education. Divergent biases in ecologic and individual-level studies. Stat Med. Ecological bias, confounding, and effect modification.

Erratum in: Int J Epidemiol Sep;20 3 Methodologic Frontiers in Environmental Epidemiology. The semi-individual study in air pollution epidemiology: a valid design as compared to ecologic studies. Environ Health Perspect. Parallel analyses of individual and ecologic data on residential radon, cofactors, and lung cancer in Sweden. Am J Epidemiol , , Solid-tumor mortality in the vicinity of uranium cycle facilities and nuclear power plants in Spain. Geographical pattern of brain cancer incidence in the Navarre and Basque Country regions of Spain.

Occup Environ Med. Ecologic studies in modern epidemiology. Lippincott Raven Publishers, ; J Natl Cancer Inst. Comparison of relative risks obtained in ecological and individual studies: some methodological considerations. Int J Epidemiol 16, , Gaceta Sanitaria 13 5 , Version 0. Cambridge, MRC. Biostatistics Unit. En Chalmers y cols. Supongamos que al lanzar la moneda por primera vez obtenemos una cara: el primer sujeto de ese bloque es asignado al nuevo tratamiento.

Los elevados costes de los ensayos de campo limitan su uso al estudio de factores preventivos de enfermedades bien muy frecuentes, bien extremadamente graves. Estudios posteriores con grupo control confirmaron los resultados observados. Antecedentes y estado actual del tema 2. Impresos de recogida y manejo de datos: manual de operaciones Desviaciones del protocolo Aspectos administrativos 4.

Mensink y cols. Para ello, hay que empezar por definir de forma precisa el perfil de los sujetos susceptibles de participar en el estudio, por ej. Un aspecto adicional a tener en cuenta al definir el perfil de los participantes es el de la representatividad de la muestra. Lamentablemente, no siempre es posible aplicar el enmascaramiento, por ej. Por ej.

Describir las desviaciones del protocolo y sus razones. Generalizabilidad 21 Generalizabilidad validez externa de los hallazgos del ensayo. Barcelona: Doyma, Fundamentals of clinical trials. Los Estudios Experimentales. En: Martinez Navarro F. McGraw-Hill Interamericana, Lancet ; Clinical trials. A practical approach.

La sensibilidad de una prueba es la probabilidad de que un sujeto con la enfermedad sea adecuadamente clasificado. En las pruebas de cribado generalmente se utilizan test de alta sensibilidad para captar a casi todos los enfermos. El valor predictivo negativo es la probabilidad de que un sujeto con un resultado negativo en la prueba sea un individuo sano.

El umbral de positividad de una prueba. Este balance entre sensibilidad y especificidad debe considerarse a la hora de definir el umbral adecuado para considerar positiva la prueba. El eje de abscisas crece conforme disminuye la especificidad y el eje de ordenadas crece conforme aumenta la sensibilidad. El eje de abscisas 1-especificidad corresponde a la tasa de falsos positivos y el eje de ordenadas sensibilidad corresponde a la tasa de verdaderos positivos.

El coeficiente de concordancia Kappa. Si se describen las lecturas mediante una tabla cruzada tabla , se observa la concordancia no es completa.

Lecturas completas de la prueba de sangre oculta en heces. Frecuencias esperadas por azar de la prueba de sangre oculta en heces. Como norma general, valores inferiores a 0,4 indican escasa fiabilidad, entre 0,4 y 0,75 la fiabilidad es buena, y valores superiores a 0,75 reflejan un grado excelente de fiabilidad.

Fuente de la figura Mundet X, et al. Cada uno de ellos proviene de una rama en la que se debe escribir la probabilidad conocida que tiene de producirse ese resultado. El valor de cada resultado final se obtiene multiplicando todas las probabilidades de cada una de las ramas por la utilidad asignada a ese final de rama.

La utilidad es una medida de la preferencia relativa, perspectiva, que tiene alguien respecto de un determinado resultado.

El objetivo del cribado poblacional de una enfermedad es reducir la carga de morbilidad y mortalidad asociada a la misma enfermedad.

Barcelona: Ediciones Consulta, SA, Is screening for breast cancer with mammography justifiable? Barcelona: Masson, SA editores, Service screening with mammography of women aged years in Sweden: effects on mortality from breast cancer. J Med Screen ; Estimating the accuracy of screening mammography: a meta-analysis.

Am J Prev Med ;14 2 A,; Medicina Basada en la Evidencia. Madrid: Churchill-Livingstone, Otro problema es su calidad, que puede ser muy variable, y diferir la de los estudios no publicados de la de los publicados.

Esto normalmente se hace para identificar estudios no publicados. Los resultados significativos suelen ser los primeros en publicarse. Se recomienda que los evaluadores no sean los que recogen los datos de la magnitud del efecto. Se considera que es suficiente que sean dos evaluadores independientes.

Aunque existen algunas dudas, los estudios con sesgos probables no deben ser incluidos. Se recomienda que sea realizado por dos investigadores de manera independiente. El procedimiento se resume en la tabla Como ejemplo se expone el caso de la odds ratio OR. Cada estudio proporciona una OR y su varianza. El MEA se resume en la tabla Hay que calcular la varianza entre estudios: Tabla La varianza y el intervalo de confianza se estiman como en el caso anterior, cuando no se tuvo en cuenta la variabilidad entre estudios.

Hay que calcular la varianza de la OR de cada estudio ver tabla BMJ ; Se recalculan los pesos tabla El procedimiento de Mantel-Haenszel se ilustra con los datos del ejemplo de la tabla Los conflictos de intereses deben ser evitados. Sujeto s : voluntarios sanos. Sujetos : pacientes. Un cordial saludo. Natalia Juncal. Nombre requerido.

Escribe tu comentario. Finalidad : Contestar a su solicitud. Comentarios