Beruflich Dokumente
Kultur Dokumente
Y ESCRITURA CIENTFICA
EN CLNICA
EDITOR:
Rafael Burgos Rodrguez
1998
Catalogacin por la Biblioteca de la EASP
ISBN: 84-87385-45-1
Todos los derechos reservados. Ninguna parte de esta publicacin puede ser reproducida ni trans-
mitida en ninguna forma ni por ningn medio de carcter mecnico ni electrnico, incluidos fotocopia y
grabacin, ni tampoco mediante sistemas de almacenamiento y recuperacin de informacin, a menos que
se cuente con la autorizacin por escrito de la Escuela Andaluza de Salud Pblica.
Las publicaciones de la Escuela Andaluza de Salud Pblica estn acogidas a la proteccin prevista por
las disposiciones del Protocolo 2 de la Convencin Universal de Derechos de Autor.
Las denominaciones empleadas en este publicacin y la forma en que aparecen presentados los datos
que contiene no implican, de parte de la Escuela Andaluza de Salud Pblica, juicio alguno sobre la condi-
cin jurdica de los pases, territorios, ciudades o zonas citados o de sus autoridades, ni respecto a la deli-
mitacin de sus fronteras.
C. MEDIDAS DE FRECUENCIA.........................................................................................49
1. Introduccin....................................................................................................49
2. Prevalencia......................................................................................................51
3. Incidencia........................................................................................................52
4. Indicadores e ndices......................................................................................61
D. ESTUDIOS DESCRIPTIVOS...........................................................................................63
1. Introduccin....................................................................................................63
2. Informes de casos y series de casos ..............................................................64
3. Estudios ecolgicos ........................................................................................65
4. Estudios transversales (prevalencia) ..............................................................69
5. Anlisis ...........................................................................................................72
6. Ventajas...........................................................................................................74
1. Introduccin....................................................................................................77
2. Definicin de las cohortes .............................................................................79
3. Identificacin de las cohortes ........................................................................82
4. Formacin de las cohortes .............................................................................82
5. Determinacin de la exposicin.....................................................................83
6. Sesgos .............................................................................................................83
7. Anlisis ...........................................................................................................85
1. Introduccin....................................................................................................95
2. Seleccin de casos..........................................................................................96
3. Seleccin de controles....................................................................................97
4. Grupo control: Poblacin en estudio y base de estudio .............................101
5. Recogida de la informacin .........................................................................102
6. Sesgos ...........................................................................................................103
7. Anlisis de la informacin ...........................................................................105
G. ESTUDIOS CUASIEXPERIMENTALES Y
ESTUDIOS ALEATORIOS CONTROLADOS.............................................................111
1. Introduccin ..................................................................................................111
2. Estudios cuasiexperimentales.......................................................................112
3. Estudios aleatorios controlados o ensayos clnicos.....................................116
REFERENCIAS....................................................................................................................125
PARTE II. ANLISIS DE DATOS EN
INVESTIGACIN CLNICA Y EPIDEMIOLGICA
A. ANLISIS DESCRIPTIVO............................................................................................131
1. Introduccin..................................................................................................131
2. Medicin de signos y sntomas ...................................................................132
3. Presentacin de datos ...................................................................................133
4. Resumen numrico de una serie estadstica ................................................147
5. Otra forma de resumir una serie de datos ...................................................154
1. Introduccin..................................................................................................159
2. Probabilidad..................................................................................................161
3. Probabilidad condicionada y teorema de Bayes..........................................161
4. Influencia de sensibilidad, especificidad
y prevalencia en valores predictivos ...........................................................168
5. Tests diagnsticos y variables continuas .....................................................171
6. Aplicaciones de varios tests diagnsticos ...................................................174
1. Introduccin..................................................................................................177
2. De lo particular a lo general ........................................................................177
3. Valor de la informacin de nuestra experiencia..........................................180
4. Control del error aleatorio: Intervalo de confianza.....................................183
5. Control del error aleatorio: Contrastes de hiptesis....................................186
6. Tamao de la muestra ..................................................................................193
1. Introduccin..................................................................................................197
2. Test de la t de Student .................................................................................198
3. Regresin lineal simple................................................................................202
4. Correlacin ...................................................................................................208
5. Regresin logstica .......................................................................................213
6. Anlisis de supervivencia.............................................................................218
E. ANLISIS MULTIVARIANTE .............................................................................229
REFERENCIAS .........................................................................................................271
A. INTRODUCCIN .................................................................................................277
1. Introduccin..................................................................................................279
2. Determinacin de la unidad de registro ......................................................281
3. Diseo de la estructura de registro ..............................................................284
4. Eleccin del formato de datos .....................................................................290
REFERENCIAS .........................................................................................................301
PARTE IV. ESCRITURA Y LECTURA CRTICA
DE ARTCULOS CIENTFICOS
1. Ttulo ............................................................................................................326
2. Autores..........................................................................................................330
3. Resumen .......................................................................................................333
4. Introduccin..................................................................................................336
5. Materiales y mtodos ...................................................................................341
6. Resultados.....................................................................................................345
7. Tablas............................................................................................................350
8. Grficos ........................................................................................................370
9. Notas a pie de pgina...................................................................................405
10. Discusin ......................................................................................................408
11. Conclusin ....................................................................................................412
12. Agradecimientos ...........................................................................................413
13. Referencias ...................................................................................................415
14. Apndices .....................................................................................................424
1. Concepto y estndares..................................................................................427
2. Pautas para evaluar la calidad de revisin ..................................................428
3. Estructura......................................................................................................429
E. ESTILO EN LA COMUNICACIN CIENTFICA .................................................431
REFERENCIAS .........................................................................................................507
NDICE DE MATERIAS............................................................................................511
Un pas tan necesitado como el nuestro de renovaciones debe acoger con entusiasmo todo
aquello que signifique progreso e implementacin. El texto que ahora prologamos es buena
muestra de la respuesta que un grupo de profesionales se plantean cuando tratan de investigar
y transmitir el resultado de los conocimientos adquiridos. En una poca en la que los usos y
costumbres sociales, debido a las nuevas tecnologas, pueden impulsar una evolucin de con-
secuencias imprevisibles, el recuerdo de lo que es una metodologa rigurosa y cmo debe trans-
mitirse la misma es un ejemplo a seguir por cualquier intelectual que pretenda ser riguroso en
sus exposiciones.
De ah que un ciclo de investigacin pueda medirse por los cambios que acarrea en nues-
tro cuerpo de conocimientos, o por los nuevos problemas que suscita. En la ciencia, la duda
es creadora, estimula la investigacin, la bsqueda de ideas que den razn a los hechos de un
modo cada vez ms adecuado. Desde Bacon, Descartes, Stuart Mill, etc., la metodologa cien-
tfica es capaz de suministrar indicaciones y proporcionar medios para evitar errores, pero no
debe suplantar a la creacin original, ni aun eludirnos todas las equivocaciones.
El mtodo cientfico servira en primer lugar para incrementar nuestro conocimiento, para
aumentar nuestro bienestar. Las ciencias puras persiguen un fin puramente cognitivo, mientras
que las ciencias aplicadas (tecnolgicas) utilizan el mtodo general propio de la ciencia punta
y varios mtodos especiales que los aplica a fines prcticos. Las ciencias puras, que para algu-
nos autores no se diferencian prcticamente en nada de las aplicadas, pretenderan mejorar
nuestro dominio de las mismas. La investigacin epidemiolgica sera un claro ejemplo.
No quisiera dejar de comentar con sumo inters la parte cuarta, la que para el lector ur-
logo pueda ser quiz la ms interesante, pues ensea como debe leerse crticamente cualquier
tipo de publicacin cientfica. Tras la valoracin de los diversos tipos de comunicaciones, nos
introduce en el campo de la crtica cientfica, hecho nada fcil cuando lo que tenemos delan-
te es, supuestamente, el resultado de una investigacin. De la lectura de estas deliciosas pgi-
nas debe inferirse nuestro anlisis crtico en la lectura de cualquier tipo de comunicacin; a
ello se aaden comentarios acertados sobre las diferencias gramaticales y de estilo cientfico
y literario o las cualidades del mismo; al final los autores dan 51 consejos tiles para evitar
vicios y mal estilo en la redaccin de cualquier comunicacin cientfica.
Si como dira algn autor "hay libros buenos para siempre, libros buenos para un momen-
to, libros malos para un momento y libros malos para siempre", sin la menor duda, el presente
texto sera un libro bueno para siempre.
10 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Creo que raramente se produce la feliz coincidencia de ideas claras, lenguaje preciso, solu-
cin a problemas y el planteamiento de dudas que nos abren horizontes para nuevas investi-
gaciones.
Cuando recib la amable invitacin del Dr. Rafael Burgos, para prologar la segunda edi-
cin de Metodologa de Investigacin y Escritura Cientfica en Clnica tuve conciencia que
tal encargo era un medio para expresar las prolongadas y fecundas relaciones de los autores,
a travs de su labor en la Escuela Andaluza de Salud Pblica, con un colectivo de profe-
sionales sanitarios de dentro y fuera de Andaluca.
El presente libro en su primera edicin (en la que hasta el prlogo era estimulante) ha
constituido para muchos clnicos una ayuda de extraordinaria utilidad, bien como libro de
texto en algunas de las actividades acadmicas impartidas por la EASP, bien como obra de
consulta y orientacin a la hora de elaborar proyectos, llevar a cabo estudios experimenta-
les, analizar racionalmente los datos, interpretar literatura y expresar mediante lenguaje cien-
tfico los resultados de nuestros estudios. Por todo ello, para los que apreciamos la obra, es
un excelente noticia la aparicin de una segunda edicin, corregida y aumentada en su III
seccin (referente al soporte informtico del investigador) y con una particular proyeccin a
la Oncologa, razn adicional para que se me encargara el presente comentario, en el que
quiero expresar mis opiniones en torno al contenido de la obra, a su mensaje y al entorno
de la cual procede.
* Admitir las verdades con extraordinaria precaucin, cuando no haya nada que se opon-
ga a ellas, aunque aparezcan con aparente y meridiana claridad
* Ordenar la pauta de adquisicin de datos comenzando por los mas sencillos y termi-
nando por los mas complejos
* No omitir ninguna parte del problema en anlisis de los datos, ni por otra parte, aa-
dir parte extraa por conveniencia del xito aparente.
12 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Durante la mayor parte de tiempo en que el conocimiento cientfico forma parte de nues-
tra cultura, el diseo experimental ha influido de manera decisiva (y adversa) en algunas
ramas del saber biolgico. Razones ticas, legales y sociales se han opuesto a que el ser
humano vivo sea sujeto experimental y por ello la divergencia en el desarrollo de la deno-
minada investigacin bsica mdica, y la investigacin clnica o epidemiolgica, pero esas
razones son ajenas al mtodo cientfico en s.
No ha sido sino hasta el siglo XX cuando se ha roto la restriccin mental que cons-
trea la medicina clnica a una prctica denominada por Diego Gracia, medicina basada en
la intencin, en la que por la naturaleza intrnseca del ser investigado, el hombre, era tica
y legalmente impensable ejecutar cualquier acto mdico cuya finalidad no fuera la curacin
de la enfermedad, o su paliacin. Moralmente era reprobable que el ser humano participara
en una investigacin cuya finalidad fuese la adquisicin de conocimiento biolgico, sin que
tal saber fuera, forzosamente dirigido a curar, o a aliviar.
Frente a esa actitud, a lo largo de este siglo se ha ido imponiendo la necesidad de que
la practica mdica tenga base cientfica, es decir, frente a la medicina basada en la inten-
cin, la medicina basada en la evidencia. Esta prctica mdica, a la cual todos aspiramos, se
sustenta en un mtodo de investigacin, que en nada difiere del que se ha aplicado en la
denominada investigacin bsica. Lo que hoy es una manera "natural" de pensar en la cien-
cia mdica se ha producido gracias al extraordinario desarrollo del mtodo cientfico expe-
rimental en la clnica durante los ltimos ochenta aos, de modo que en contraste con la res-
triccin "moral" que solo permita una medicina intencional, hoy somos conscientes que toda
labor clnica no basada en la evidencia, es decir en los resultados de la investigacin cien-
tfica, es ticamente reprobable.
A pesar del dramtico cambio en nuestra concepcin clnica, solo un 20% de nuestra
actividad mdica se basa en evidencias, pero ello slo es un aliciente adicional para estimu-
lar los progresos en la investigacin clnica; el enorme espacio ocupado por la prctica mdi-
ca intencional es el campo de actuacin presente y futuro de todo mdico que tenga con-
ciencia crtica de sus limitados conocimientos.
La profunda transicin intelectual del mdico a lo largo del siglo XX, muestra que si bien
es una transformacin general de la medicina, hay algunas especialidades mdicas, como la
oncologa, en las que el pensamiento cientfico se ha impuesto. En efecto, el desarrollo de la
especialidad parte de los aos setenta, fecha en la que la medicina basada en la evidencia ya
era "dogma" cientfico. As mismo desde los inicios de la oncologa, los pioneros de la espe-
cialidad se esforzaron por cuantificar y digitalizar cuando era posible, todas las variables aso-
ciadas a la enfermedad (evolucin, extensin, teraputica) y al enfermo (pronstico) objeto de
la especialidad, de forma que los datos que recolectamos pudieron ser sometidos fcilmente
a procedimientos matemticos. El mtodo de investigacin (relacin causa-efecto) tiene su
soporte mas importante en la estadstica, ciencia que es una especialidad matemtica.
PRLOGO A LA EDICIN 1996 13
El presente libro permite a cualquier profesional con intencin de iniciar una investiga-
cin epidemiolgica entender las bases operativas del proceso intelectual de su trabajo. En
todo caso y aun en ausencia de proyecto formal de investigacin, proporciona la formacin
adecuada que un mdico requiere en estos momentos para desarrollar su sentido crtico en
la prctica clnica. Tales virtualidades derivan de su contenido y de su estilo.
La primera parte describe y conceptualiza los diversos diseos, entendidos como herramien-
tas de trabajo, que tienen aplicacin en los problemas que acomete la investigacin clnica.
La segunda parte se dedica a los mtodos estadsticos de anlisis de datos, con una par-
ticular y gratificante claridad. Los mdicos, que por desgracia carecemos de una slida for-
macin matemtica, tenemos cierta dificultad en la comprensin de ciertos conceptos mate-
mticos; en consecuencia se aprecia doblemente el esfuerzo de simplificacin de sus autores.
Este texto no es "uno ms" de entre los que se utilizan en la educacin bsica del inves-
tigador. Los autores, voluntaria o involuntariamente, nos permiten extraer una conclusin
fundamental de la atenta lectura de su libro: la INVESTIGACIN, con maysculas, no es
patrimonio de un grupo selecto de profesionales, que imbuidos de un aura especial parecen
pertenecer a la reducida plantilla de los intelectuales con derecho a pensar; cualquier mdi-
co puede aplicar el mtodo cientfico a su labor. Naturalmente, nadie debe pensar que el
progreso en la investigacin clnica solo derivar de aportaciones individuales geniales. El
progreso en esta actividad humana, como en muchas otras viene de la mano de la coope-
racin, mas que de la competicin, pero en esta colaboracin nadie est excluido, a condi-
cin de poseer una mente sana y educada en ejercer el mtodo cientfico, y a esto ltimo
contribuye esta obra. Mostrarnos el mundo de la investigacin como una actividad factible
es una importante aportacin de este libro. Todos podemos colaborar. Karl Popper escriba:
"El espritu de la Ciencia ha cambiado a consecuencia de la investigacin organizada.
Esperemos que a pesar de esto, siempre haya individualidades. Ninguno de nosotros debe-
ra renunciar a ejercer esa aportacin individual".
No se puede finalizar este comentario sin hacer referencia a sus autores y a su mbito
de trabajo. Prcticamente todos ellos han sido mis profesores a lo largo de diferentes cur-
sos que he recibido en la EASP; con algunos guardo antiguas y estrechas relaciones. No
podra olvidar que Emilio Snchez-Cantalejo fue el responsable del tratamiento estadstico
de los datos que conformaban la investigacin de mi Tesis Doctoral all en el ao 1974.
Todos son sin duda representantes del "espritu de la EASP". La Escuela Andaluza de Salud
Pblica ha sido un faro intelectual de difusin de un estilo de hacer una prctica mdica
firmemente comprometida con la sociedad en la que nace. Yo, que pertenezco a la institu-
14 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
cin universitaria, tengo que lamentar que en algunos Departamentos (al menos de los que
yo conozco en el mbito de las ciencias mdicas) aun impere una nocin elitista de "exce-
lencia" intrnseca que los convierte en "miniuniversos-islas", en los que la separacin de la
realidad social (de cuyo entorno deriva su financiacin) los acerca a la concepcin de
Universidad y del saber propia del mundo de Guillermo de Baskerville (Umberto Eco), situa-
cin que se agrava por las dificultades en el ejercicio de la crtica y la autocrtica. En este
panorama, ha sido muy importante que una institucin pblica dedicada a la formacin con-
tinuada en investigacin epidemiolgica, practica clnica y gestin entienda que no se puede
estar de espaldas a la realidad, y que nuestro deber es construir la alternativa sanitaria que
la sociedad demanda. Bajo esta ptica resulta particularmente coherente y apreciable la labor
de este grupo de compaeros que se ha plasmado en la publicacin que he tenido oportu-
nidad de comentar.
Son muchas las personas que de una manera u otra han contribuido a la realizacin de
esta monografa. Los autores quieren agradecer especialmente a Vctor Baena, Jos Carne-
ro, Aurelio Cayuela, Alberto Fernndez, M ngeles Fernndez, Carmen Martnez, Rosa
Miarro, Vctor Sarmiento y a Jos Mara del Rosal la lectura de algunas partes del
manuscrito y sus interesantes comentarios.
A Jos Manuel Garca y Juan Ortega por su apoyo en una parte importante del diseo de
los grficos. A Giulia Fernndez y Ana M Galn por su eficiente labor de secretara.
Los Autores
INTRODUCCIN A LA EDICIN 1996
La transmisin de informacin
El crecimiento, tanto del nmero de revistas como del nmero de artculos origi-
nales publicados, ha sido exponencial desde 50 revistas en 1750 con aproximadamente
igual nmero de artculos en ese ao hasta 23.480 revistas biomdicas y de salud en
1994 con unos 500.000 artculos publicados por ao. El ritmo de este crecimiento es
mucho ms rpido que el de la mayora de los fenmenos sociales. Mientras que la
poblacin se duplica cada cincuenta aos y la renta de los pases desarrollados cada
veinte, el tamao de la informacin cientfica se convierte en el doble solamente en
diez aos si utilizamos una concepcin amplia de ciencia, o en quince si la definimos
de modo ms exigente. Cada quince aos, por ejemplo, se duplica el nmero de revis-
tas cientficas y de "abstracts" o resmenes de todos los campos de la ciencia pura y
aplicada, lo mismo que el de compuestos qumicos conocidos o el de miembros de
instituciones cientficas.
oportuna. Igualmente se debe evitar el publicar artculos que no aporten nada, cir-
cunstancia bien planteada desde finales del siglo XIX por George Eliot, ensayista y
novelista britnica cuando escriba "Bendito es el hombre quien no teniendo nada que
decir se abstiene de evidenciar este hecho con palabras".
El conocimiento cientfico
El quehacer clnico tiene que ver con la aplicacin del conocimiento cientfico al
diagnstico y tratamiento de problemas concretos de salud y de enfermedades en indi-
viduos y en grupos. El conocimiento cientfico es la consecuencia del pensamiento
cientfico el cual se reconoce por su objetividad, su racionalidad y su sistematicidad.
Hoy en da existe consenso sobre una docena de caractersticas del conocimiento cien-
tfico, cuya descripcin sucinta sera como sigue:
Comunicable: Sujeto de transmisin oral o escrita basada en datos sobre hechos obser-
vables, presentacin, anlisis e interpretacin de los mismos.
Util: Es aprovechable, beneficioso, conveniente, fructfero, sensible y hasta lucrativo.
Nuestro mundo actual sin la ciencia inmersa en l retornara a la poca de las
cavernas.
a) Problemas de complejidad: Los asuntos que son objeto del conocimiento cien-
tfico suelen ser de difcil comprensin por cuanto se componen de muchos
elementos muy diversos e interrelacionados; Identificar sus caractersticas o
atributos (variables) y establecer la asociacin entro ellos (casual o no), resul-
ta en general difcil y -a veces- imposible.
b) Problemas de medicin: La ciencia es inconcebible en ausencia de algn tipo
de medicin. Muchos avances cientficos estn condicionados en gran medida
por los procedimientos e instrumentos de medicin empleados. La medicin se
halla en una posicin estratgica entre la teora y la experiencia; entre la razn
y la naturaleza.
c) Problemas de control: Inherente a cualquier tipo de diseo de investigacin est
la necesidad de control, en trminos de comparacin o comprobacin. Los tipos
de control ms frecuentemente utilizados son: control por manipulacin, con-
trol estadstico y control por aleatorizacin.
d) Problemas de tica: La tica, parte de la filosofa que estudia la moral y su
repercusin en los actos humanos, tiene por objeto los juicios de valor cuando
se aplican a la distincin entre el bien y el mal, lo permitido y lo prohibido en
la investigacin. Los problemas de tica tienden a limitar los estudios experi-
mentales, sea por accin o por omisin.
La metodologa de investigacin
Una revisin atenta de los diversos libros de texto y de consulta sobre metodolo-
ga de investigacin muestra -ms all de la diversidad de estructuras y de nomen-
clatura- que el mtodo cientfico se desarrolla en 3 grandes etapas consecutivas: etapa
conceptual o etapa terica; etapa emprica o etapa prctica y etapa interpretativa o
etapa del significado.
INTRODUCCIN 23
Cada una de las etapas consta de diversos componentes los cuales pueden esque-
matizarse como sigue:
Sin duda, para una correcta interpretacin de los artculos con determinaciones esta-
dsticas y diseos epidemiolgicos o para la elaboracin de los mismos, es necesario
un adecuado conocimiento de la estadstica y de la epidemiologa, adems de un ade-
cuado conocimiento de la metodologa de escritura cientfica. As es importante cono-
cer el alcance de los trminos significacin estadstica, error , error , sensibilidad,
especificidad, valor predictivo, hiptesis nula, mtodos paramtricos o no paramtri-
cos, etc...., as como su correcta interpretacin. Por otra parte es importante distinguir
entre medidas de asociacin y de magnitud, conocer cual es el impacto poblacional, la
importancia del muestreo probabilistico, las diferencias entre los diversos diseos de
estudios epidemiolgicos y cual es el ms adecuado al objetivo clnico definido.
artculo; cmo debemos presentar los resultados; cmo conducir la discusin y ela-
borar las conclusiones; cmo citar correctamente las referencias bibliogrficas.
tfica. Esta parte IV agrega tres importantes apndices, con ejercicios sobre cmo
redactar ttulos correctos; siete tipos de pautas para evaluar artculos originales; los
requisitos uniformes para preparar manuscritos enviados a revistas biomdicas.
Cada una de las partes se apoya en referencias citadas en el texto, para efecto de
verificacin y profundizacin.
El conjunto de las cuatro partes configura una obra con un contenido global meto-
dolgico, estadstico y estilstico nico en su genero, de trascendencia y de utilidad.
El propsito bsico de este libro es actualizar al mdico clnico sobre algunos aspec-
tos claves del proceso de investigacin y de la escritura de su informe. No ha sido la
intencin de los autores cubrir todas las reas de la investigacin en forma de un tra-
tado o de un manual, sino simplemente ofrecer una panormica rpida del cmo dise-
ar una investigacin, cmo presentar y analizar los datos, cmo utilizar los recursos
que nos provee la informtica y cmo publicarla en la forma de un artculo cientfico.
Otro objetivo de esta obra tan especial es ayudar a los clnicos a evaluar en forma
ms inteligente y ms crtica los trabajos que se presentan a reuniones cientficas y
aquellos otros que se publican como artculos, an cuando stos no hagan investiga-
ciones propias.
28 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Estas reflexiones justifican que el destinatario principal del libro sea el mdico
clnico, tanto el mdico general de atencin primaria, como el mdico especialista.
Para ello se ha intentado escribirlo de forma comprensible y prctica. El libro va diri-
gido principalmente a mdicos sin conocimientos previos de epidemiologa, de esta-
dstica, de informtica, ni de redaccin cientfica.
Creemos que la obra puede ser igualmente til para enfermeras, odontlogos, far-
macuticas, fisioterapeutas, veterinarios, salubristas y otros profesionales y tcnicos
del campo de la salud. Igualmente estamos convencidos de que la monografa ser de
gran utilidad para estudiantes de medicina y de enfermera quienes tendrn la opor-
tunidad de incorporar precozmente las metodologas de investigacin y de publica-
cin cientfica como valor de vida en su quehacer diario.
En suma, este libro intenta descubrir los secretos de ese no tan fcil arte de con-
vertir el pensamiento cientfico sobre un problema real por resolver en un artculo
cientfico publicado. Los autores esperan que la obra cumpla con el gran objetivo que
se trazaron al rellenar cada pgina en blanco: ser til.
1. Conceptos generales
F no F
Fig. I.1- Estudios o diseos epidemiolgicos: grupos y comparacin de grupos.
32 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Grupos. La primera idea implcita en la figura I.1 es que trataremos con grupos de
personas. En el trabajo clnico diario se reune informacin a travs de la anamnesis, la
exploracin y las pruebas complementarias. Ese proceso, completado con un adecuado
diagnstico diferencial, lleva a la verificacin o rechazo de distintas hiptesis sobre la
situacin de salud de un paciente, lo que denominamos diagnstico. El enfoque epide-
miolgico, sin embargo, utiliza informacin sobre la distribucin de los problemas de
salud y sus determinantes en colectivos de personas, ya sean enfermas o sanas.
quier otro efecto relacionado con la situacin de salud de las personas. Notaremos
en adelante la presencia de cualquier efecto como E, y como no E su ausencia. La
respuesta a esta primera pregunta se encuentra mediante la descripcin de variables
relacionadas con las caractersticas de las personas, el lugar o el tiempo en los que se
presenta el problema.
Adems, debe tenerse en mente el estado del conocimiento previo sobre el pro-
blema a investigar (Fig. I.2). Este ser indudablemente un determinante del tipo de
pregunta que se plantee y, por tanto, del tipo de estudio.
Mide el problema
DESCRIPCIN y observa diferencias
entre grupos
ECOLGICOS
TRANSVERSALES
EVALUACIN DE
POSIBLE ASOCIACIN ASOCIACIN
ENTRE FACTORES
Y EL PROBLEMA CAUSALIDAD
RIESGO
ANALTICOS EXPERIMENTALES
CASO CONTROL ALEATORIOS CONTROLADOS
SEGUIMIENTO CUASIEXPERIMENTALES
As, es posible que nos encontremos en una primera fase, en la que lo importan-
te es definir precisamente en qu consiste el problema. Una situacin semejante a la
que se plante cuando los mdicos de un hospital de Madrid en la dcada de los
ochenta detectaron un nmero alto de ingresos por neumona atpica, en un periodo
corto de tiempo. Las investigaciones posteriores llevaron a la definicin de una nueva
entidad, el Sndrome del Aceite Txico Espaol. Con frecuencia el problema aparenta
estar bien definido. Por ejemplo, en un estudio sobre factores dietticos y metabli-
cos y su influencia sobre la litiasis renal, ser necesario diferenciar el tipo de litiasis:
no se va a detectar lo mismo si se trata de cido rico que de oxalato clcico.
F E
TIPOS DE DISEOS
EPIDEMIOLGICOS
NO CONTROL CONTROL
de asignacin: de asignacin:
ASIGNACIN ASIGNACIN
NO ALEATORIA ALEATORIA
NO INTERVENCIN INTERVENCIN
en el Diseo en el Diseo
E. OBSERVACIONALES E. EXPERIMENTALES
CASO
CASO SEGUIMIENTO
ECOLGICOS SERIE DE CONTROL (cohorte)
CASOS
TRANSVERSALES
(prevalencia)
Una primera gran divisin es la que distingue entre diseos Experimentales y los
No Experimentales u Observacionales. Se utilizan dos criterios para establecer esta
distincin. En primer lugar, la posibilidad de que el investigador controle o no la asig-
nacin de los participantes a los grupos de comparacin. En un estudio experimental
existe ese control, es decir, el propio investigador decide, para los individuos que van
a participar, a qu grupo sern asignados. Aunque, como se ver ms adelante, el con-
trol en la asignacin se deja en manos del azar (lo que conocemos como asignacin
aleatoria). En los diseos no experimentales no hay posibilidad de asignacin aleato-
ria; las personas presentan exposicin o no a distintos factores, por las razones que
sean, sin que intervengan los investigadores. Estos se limitan a observar la situacin.
Por otro lado, en los estudios de tipo experimental existe manipulacin de alguna
variable independiente, o intervencin, por parte del investigador. Es decir, se espe-
ra que tras la asignacin aleatoria, las diferencias que se encuentren se puedan atri-
buir, precisamente, a la intervencin efectuada.
4. Estudios experimentales
Si hubiera que elegir cul es el mejor diseo posible cuando se pretende verificar
una hiptesis, la respuesta sera, en principio, favorable a los diseos de tipo experi-
mental. La razn reside en sus caractersticas. En primer lugar, el experimento per-
mite el control de la asignacin. El hecho de poder incluir a las personas en los grupos
que se van a comparar de forma aleatoria tiene una ventaja sobre el resto de las estra-
tegias: si el azar no juega una mala pasada, se puede esperar que los grupos de com-
paracin sean muy similares entre s. Es decir, para mltiples variables (como sexo,
edad y dems) es posible conseguir grupos homogneos, en los que la distribucin de
las variables que podran interferir en los resultados sea semejante. De esta forma, si
se encuentran diferencias, slo quedara una explicacin: la intervencin, o manipu-
lacin de una variable. La situacin ideal la representa, pues, el estudio aleatorio con-
trolado 4, 5 (Fig. I.5).
INTERVENCIN
F
F
AZAR
no F
noF
Fig. I.5- Estudio aleatorio controlado (ensayo clinico). Tras la asignacin aleatoria,
la exposicin (F) consiste en una intervencin. Al final se comparan
los resultados obtenidos en trminos relativos.
PARTE I 37
5. Estudios no experimentales
Estas y otras razones han hecho que muchas investigaciones utilicen estudios No
Experimentales u Observacionales. En las ltimas dcadas se ha producido un aumen-
to en el desarrollo de nuevos diseos, y un incremento espectacular de procedimien-
tos de anlisis estadstico para el control de variables distorsionadoras o confundentes.
No se debe olvidar, por otro lado, que el objetivo de la investigacin no es necesa-
riamente la verificacin de hiptesis; de hecho persiste un gran desconocimiento sobre
el comportamiento de los problemas que afectan a la Salud en las poblaciones, lo cual
justifica el uso de estudios descriptivos.
Los diseos observacionales se subdividen a su vez en dos grandes tipos: los mera-
mente Descriptivos, y los denominados Analticos. En el primer caso se pretende
encontrar la respuesta a una pregunta ya conocida: cmo se comporta el problema
38 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
F no F
no E
no E
no E
E
E
E
Los estudios descriptivos dan lugar generalmente a hiptesis variadas. Cmo veri-
ficarlas? Ya se han comentado las limitaciones y dificultades que se encuentran cuan-
do se piensa en los estudios experimentales. En este punto, el investigador tiene la
posibilidad de acudir a los diseos Analticos. Includos en el grupo de los estudios
Observacionales, y por lo tanto no experimentales, renen un conjunto de alternativas
suficientemente potentes frente a la experimentacin. Los ms frecuentemente usados
son los estudios de Seguimiento o de Cohortes, y los estudios de Casos y Controles.
F
F
noF
noF
F
E
no F
F
no E
no F
Los diseos observacionales de tipo analtico son, pues, una buena opcin cuan-
do se intenta evaluar hiptesis. An cuando no pueden aprovechar las ventajas de la
asignacin aleatoria y el control de las intervenciones, sern el diseo de eleccin en
mltiples ocasiones. El problema va a ser, ya que no existe experimentacin, en qu
medida otros factores pudieran estar distorsionando la observacin.
B. ERRORES EN LOS DISEOS
Y FORMAS DE CONTROL
E. Perea-Milla Lpez
Los posibles errores se agrupan en dos grandes tipos: error aleatorio y error sis-
temtico 14.
1. Error aleatorio
Un ejemplo puede encontrarse en el cncer de vejiga (Fig. I.9). Se piensa que entre
el 30 y el 70% de los casos estn relacionados con el consumo de tabaco 16 y un 10 o
un 20%, con ciertas exposiciones laborales (industrias textiles, mecnicas y grficas sobre
todo). Se sospecha adems que algunos factores dietticos pueden estar implicados.
Se podra evaluar mediante un estudio la asociacin entre cierto tipo de dieta (diga-
mos, una dieta X) y ese cncer. El diseo debera tener en cuenta la posibilidad de
que variables confundentes distorsionen sus resultados. Puede ser que entre quienes
consumen ese tipo de dieta (F) sea ms frecuente encontrar a trabajadores de las indus-
trias en las que se sabe que existe un mayor riesgo de padecer cncer de vejiga. Si
so pasa inadvertido para los investigadores, entonces parte de la carga del riesgo
laboral se camuflara junto a la de la dieta, aumentando aparentemente la peligrosi-
dad de esta ltima.
Una distorsin semejante, pero de signo contrario, ocurrira si quienes siguen esa
dieta son, por ejemplo, menos fumadores en promedio. Cuando se compare la dieta X
con otras, la menor cantidad de tabaquismo en ese grupo provocar que esa dieta apa-
rezca como menos peligrosa de lo que realmente es. Esto es as porque al asociarse la
dieta en estudio con una menor proporcin de fumadores, parte de la carga de riesgo
del tabaco se transfiere en el estudio a las personas que siguen otros tipos de dieta.
Cmo decidir, en la fase de diseo, si una variable puede actuar como confun-
dente?. La identificacin o caracterizacin de una tercera variable como potencial-
mente confundente (C), es decir, distorsionadora de la verdadera relacin entre el factor
en estudio (F) y el efecto (E), requiere el cumplimiento de una serie de condiciones.
46 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
F E F E
Dieta X Cncer Dieta X Cncer
vejiga vejiga
C C
Exposicin Tabaquismo
laboral
(textil)
En primer lugar, el potencial confundente (C) debe ser predictor del efecto an
entre las personas no expuestas al factor en estudio. En el ejemplo anterior (Fig. I.10),
tanto el tabaco como el trabajo en ciertas industrias se comportan, segn estudios pre-
vios, como factores de riesgo (por tanto, predictores) en relacin a la probabilidad de
desarrollar cncer de vejiga, an entre aqullos que no sigan la dieta X. Un factor con-
fundente es aqul que acta como factor de riesgo o factor protector del efecto en
estudio, por s mismo o como marcador indirecto de otro predictor.
F E F E
Dieta X Cncer Dieta X Cncer
vejiga vejiga
C C
Exposicin Tabaquismo
laboral
(textil)
F E F E
Dieta X Cncer Dieta X Cncer
vejiga vejiga
C C
Exposicin Tabaquismo
laboral
(textil)
miento, haciendo que los grupos de comparacin sean similares en cuanto a factores
confundentes ya conocidos. Por ejemplo, elegir cada control con una edad semejante
al caso correspondiente. La mejor herramienta en el diseo es, sin embargo, la asig-
nacin aleatoria, algo que no siempre es posible.
1. Introduccin
PREVALENCIA INCIDENCIA
INCIDENCIA
P R EV A L E N C I A
DURACIN PROMEDIO
Una vez conocido el inters que un tipo y otro de medidas tiene, es necesario
explorar la estructura interna y las ventajas e inconvenientes que cada una de ellas
aporta.
2. Prevalencia
F no F
no E
no E
no E
E
E
E
Fig. I.14- Prevalencia: proporcin de personas con el efecto (E) o sin l (no E) global,
y segn los grupos expuestos (F) o no (no F).
Es de inters recalcar aqu una diferencia implcita en los dos ejemplos anterio-
res. El punto de corte conceptual no es estrictamente cronolgico; es posible estudiar
prevalencia de eventos que no se producen necesariamente en una fecha comn para
todas las personas estudiadas. Es el caso de la aparicin de nios recin nacidos que
presentan malformaciones renales. Si la presencia de ese tipo de malformaciones se
asocia con algn grado de inviabilidad, es muy posible que un porcentaje de los embrio-
nes y fetos que a lo largo del embarazo desarrollen el problema no lleguen a alcan-
zar la viabilidad y se produzca muerte fetal intratero, aborto... De tal forma que el
nmero de recin nacidos vivos con esa malformacin no es sino una expresin de la
probabilidad promedio individual de presentar ese dao a la salud en el momento del
nacimiento, es decir de su prevalencia. De la misma forma, un estudio que se limita-
ra a describir la presencia de una determinada caracterstica en el momento del diag-
nstico en pacientes que acuden a una consulta, estara midiendo la prevalencia de
esa caracterstica en esos pacientes.
3. Incidencia
F
F
x x
x x
x x
A B
Fig. I.16- Ciudad A y ciudad B. Mortalidad por todas las causas (X)
durante el mismo periodo de tiempo14.
Respecto al denominador, resulta obvio que cada persona seguida aporta al con-
junto global todo el tiempo durante el que no present el suceso de inters, hasta que
56 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
ste apareci o bien, si sto no ocurri, hasta que el seguimiento termin. El deno-
minador es, entonces, una suma de tiempo (medido en aos, das, meses, segundos,..),
conocido como personas-tiempo (Fig. I.17).
Personas
1 x : Nueva
ocurrencia
: Muerte
2
3 x
4 x
5 x
0 1 2 3 4 5 Aos
4 adems fallece. La nmero 2 muere al final del primer ao por otra causa. La can-
tidad de nuevos casos de enfermedad X aparecidos en esa poblacin es de tres. Es el
numerador. Para construir el denominador debe sumarse el tiempo que cada indivi-
duo permanece en seguimiento hasta que aparece la enfermedad, acaba el seguimien-
to, o desaparece por abandono, muerte por otra causa o cualquier otra razn.
2
A
3
4
5
6
B
7
8
0 2 4 6 8 10 Das de
seguimiento
Tiempo en riesgo
Fig. I.20- Tasa de incidencia. Densidad de puntos a lo largo del tiempo en riesgo.
La densidad de incidencia no cumple los criterios para ser considerada como pro-
porcin. Tericamente, su rango oscila entre 0 e infinito, y adems tiene dimensin:
al ser frecuencia de aparicin de nuevos casos por unidad de tiempo, su unidad de
medida se expresa como tiempo -1, es decir, cambio por unidad de tiempo. Y no
mide probabilidad promedio de aparicin de nuevos casos, sino la fuerza de una expo-
sicin para cambiar en determinada poblacin el flujo del estado de salud al de enfer-
PARTE I 59
medad; es una caracterstica de esa enfermedad, que, como se ha visto, puede com-
portarse de forma diferente en distintos grupos que se comparen, segn distintos nive-
les de exposicin. Este tipo de cociente se conoce como tasa.
Esta restriccin del trmino tasa a lo que se ha descrito como densidad de inci-
dencia puede generar confusin ya que, histricamente, se ha utilizado asociada a cual-
quier medida de prevalencia o incidencia. La fuerza de la costumbre ha impuesto el
uso indiscriminado de ese concepto que, hoy por hoy, se acepta.
Una ventaja aadida del uso de la densidad de incidencia es que es aplicable tanto
en situaciones en las que se parte de una poblacin fija (un nmero de personas carac-
terizadas porque inicialmente no presentan el efecto de inters), as como en el caso
de las poblaciones llamadas dinmicas o abiertas (Fig. I.21).
En las poblaciones abiertas se admite que hay entradas y salidas a lo largo del
seguimiento. Un buen ejemplo es el de una ciudad que se siguiera a lo largo del tiem-
po. La gente emigra, muere, nace, llegan inmigrantes, etc. O un hospital en el que a
lo largo del tiempo se producen ingresos, estancias ms o menos prolongadas, y altas
o fallecimientos. Esa situacin impide establecer un grupo inicial fijo, la poblacin
en estudio, por lo que un seguimiento en tiempo real no puede calcular incidencia
acumulada. Slo puede estimarse el denominador de tiempo en riesgo sumando las
contribuciones individuales al conjunto de personas-tiempo. Ese sumatorio se define
como la base del estudio.
Tiempo
X X
X X
Entrada Ocurre
X el suceso
Tiempo en riesgo
Abandono
Entrada o prdida
Nuevos casos
t1 t2 Tiempo (t)
Fig. I.22- Densidad de puntos en el area de poblacin y tiempo (la base de estudio).
En una poblacin abierta, el tamao cambia a lo largo del tiempo.
Base de estudio
(Personas - tiempo)
En situaciones prcticas puede que no sea posible calcular el tiempo en riesgo para
cada individuo. Una aproximacin grosera a la construccin del denominador con-
siste en multiplicar el promedio de la poblacin que se ha seguido, por el tiempo pro-
medio de duracin del seguimiento. Esa aproximacin es frecuente cuando se usan
datos agregados (a nivel poblacional) y no se dispone de informacin individual. Se
basa en la suposicin de que las entradas y salidas han sido homogneas a lo largo
del tiempo, y puede entonces asumirse que se han producido todas en la mitad del
seguimiento (Fig. I.24).
salidas
Tamao de la poblacin
entradas
Tiempo
4. Indicadores e ndices
Es posible construir mltiples tipos de ndices. Cada uno de ellos podra combi-
nar diferentes indicadores, y debera establecerse qu peso o ponderacin se le atri-
buye a cada indicador. El problema prctico estriba, por lo tanto, en qu indicadores
y qu pesos se decide usar, en funcin de lo que se pretende medir.
1. Introduccin
Este tipo de diseos, que hemos situado en una perspectiva de primera aproxi-
macin al conocimiento de un determinado problema, se realizan por simple obser-
vacin. Unicamente permiten, por lo tanto, constatar una situacin dada. Consiguen
sin embargo alcanzar dos tipos de objetivos. Por un lado, ofrecen informacin sobre
la situacin del problema de salud de inters, con la mayor precisin posible. De esta
forma, identifican proporciones de individuos afectados y/o relacionan la distribucin
de algunas caractersticas o exposiciones con la del problema en estudio. Por otro lado,
son una fuente inestimable de hiptesis, an cuando su capacidad de verificacin sea
al menos discutible.
IDENTIFICAR
POBLACIN DIANA
DEFINIR EL OPERATIVIZAR
PROBLEMA VARIABLES
DE SALUD
no E E FIEBRE
ELEGIR FUENTES
DE INFORMACIN
Un punto de gran ayuda en la fase de diseo del estudio, es la decisin sobre los
indicadores y tablas que se pretenden obtener en el anlisis. Su utilidad prctica inme-
diata es la seleccin de las variables que deben incluirse en el protocolo, identifican-
do cules sirven a los objetivos planteados y cules son innecesarias.
mera hiptesis que despus se verific, o fueron la primera seal de alarma respec-
to a la aparicin de nuevos sndromes o epidemias.
An cuando podran citarse muchos otros ejemplos, y se calcula que en Espaa las
publicaciones de este tipo suponen entre el 50 y el 80% de la produccin cientfica mdi-
ca 23, su utilidad tiene una serie de limitaciones. En principio no sirven para probar hip-
tesis estadsticas, dado que representan la experiencia de una sla persona o un pequeo
nmero de ellas 24. Desde un punto de vista epidemiolgico presentan un problema cru-
cial: la inexistencia de algn grupo que pueda servir como comparacin o control.
3. Estudios ecolgicos
Los diseos de tipo ecolgico usan medidas que relacionan caractersticas de pobla-
ciones en su conjunto, y permiten describir los problemas de salud en relacin a ele-
mentos relacionados con caractersticas de las personas, el lugar y el tiempo. Esto permite
cumplir objetivos tales como la rpida generacin de hiptesis etiolgicas, as como
una fcil aproximacin a la evaluacin de programas preventivos o de intervencin.
Entre sus ventajas ms relevantes se puede citar su rapidez y bajo coste, ya que
utilizan informacin disponible, adems de la posibilidad de comparar grupos y zonas
que necesitaran una enorme inversin de recursos si se usara otro tipo de diseo. Se
acepta que pueden ser un primer paso en la investigacin de una posible relacin entre
exposiciones y efectos variados. Sin embargo, existe una cierta controversia 26 sobre
la validez de su uso en la verificacin de hiptesis, sobre todo cuando se trata de eva-
luacin de intervenciones.
Una clasificacin de los diseos ecolgicos los presenta en tres grandes grupos:
MORTALIDAD AJUSTADA
1.19 a 1.62
1.12 a 1.18
1.00 a 1.11
0.88 a 0.99
0.73 a 0.87
0.25 a 0.72
20
15
10
5
Vejiga
Prstata
0
1955 1960 1965 1970 1975 1980 1985 1955 Ao
Fig. I.27- Tendencias de mortalidad por cncer de vejiga y prstata. Espaa, 1955-1990.
Fuente: Movimiento Natural de la Poblacin.
Elaboracin: Registro de Cncer de Granada.
Cardiopata
isqumica
100
80
60
40
20
0 Consumo
1300 1400 1500 1600 1700 1800 1900 2000 2100 2200 2300 2400 2500 2600 de tabaco
Fig. I.28-Relacin entre consumo per cpita de tabaco y mortalidad por cardiopata
isqumica en hombres. Tasas ajustadas por 100.000 habitantes. (Espaa 1951-1979) 29.
Sea cual sea el tipo de diseo ecolgico, sus propios puntos fuertes marcan sus
debilidades. En el caso de la evaluacin de programas de deteccin precoz de alguna
enfermedad, por ejemplo, puede encontrarse una asociacin positiva, y estadstica-
mente significativa, entre la cobertura del programa y el declive, aos despus, de la
mortalidad especfica por esa causa 30. Sin embargo, al usar datos agregados, no se
demuestra definitivamente que la evitacin de muertes se haya producido en el grupo
sometido al screening. Slo se manejan datos promedio.
Por otro lado, el mismo hecho de manejar datos promedio puede estar ocultando
algn factor distorsionante o confundente. Es conocida la asociacin entre consumo
de carne y la mayor frecuencia de problemas como el infarto, el cncer de clon o el
de vejiga urinaria. Pero el consumo de carne podra estar asocindose a alguna otra
variable, como un descenso en el aporte diettico de fibras, hbitos de vida ms seden-
tarios y otros. Incluso, podra encontrarse relacin con el nmero de horas que se pier-
den viendo la televisin. Y es posible que esos otros datos no estn disponibles para
el estudio en cuestin.
Tasa de suicidios 30
por 105 habitantes
25
20
15
10
0
20 30 40 50 60 70 80 90 100 Porcentaje de
protestantes
Fig. I.29- Tasa de suicidios (por 105 habitantes) segn composicin religiosa
en 4 provincias de Prusia. 1883-1890. Fuente: Morgenstern 7.
F no F
no E
no E
no E
E
E
E
Por otra parte, son diseos que permiten cruzar informacin acerca de la preva-
lencia de problemas de Salud con datos sobre la distribucin de factores de exposi-
cin. Si adems se puede comparar esa descripcin con lo que ocurre en distintos
grupos, las diferencias que se encuentren servirn para generar hiptesis, tiles en el
diseo ulterior de estudios analticos.
5. Anlisis
no E
E
P(E) = P(E)
E + noE
y en cada fila quines presentan exposicin (F) y quines no (no F). La prevalencia
en los expuestos se calcula dividiendo el nmero de personas enfermas en el grupo
expuesto (a) por el total de expuestos (a+b). Idntico clculo puede hacerse para los
no expuestos (c/c+d). La razn de prevalencia, finalmente, es el cociente entre ambas
prevalencias (RP). Si se ha muestreado, ese cociente es un estimador de la verdadera
razn de prevalencias que se da en la poblacin.
E noE
F a b
noF c d
b
a c
P(E)F = P(E)noF =
(a + b) (c + d) a
no E
a no F
P(E)F (a + b)
RP = = E d
P(E)noF c
(c + d)
c
6. Ventajas
PRESENTE FUTURO
CASOS
PREVALENTES noE
INTERVENCIN
X
E
E
Fig. I.34- Combinacin de dos cortes transversales para evaluar una intervencin X.
PARTE I 75
-Pueden identificar casos (las personas con el efecto) y no casos (el resto), lo cual
d pie a un posible anlisis como si se tratara de estudios de casos y controles (Fig.
I.35). Sin embargo, esta opcin no debera descuidar el hecho de manejar casos pre-
valentes, diagnosticados recientemente o ms antiguos. An cuando pueda recons-
truirse la experiencia previa de exposicin, entre los casos detectados podran estar
aquellos que por la presencia de una determinada caracterstica han disfrutado de una
mejor supervivencia. Si es as, esa caracterstica puede aparecer ms frecuentemente
en ellos, en comparacin con los no casos. Entonces se concluira errneamente que
la exposicin ha jugado un papel de factor de riesgo, cuando en realidad pudo mejo-
rar el pronstico.
PRESENTE
noE
noE
E
E
F noF
F
E
noF
F
noE
noF
1. Introduccin
F
F
noF
noF
Cada grupo que se sigue se conoce como cohorte. El trmino proviene de la orga-
nizacin de las legiones romanas en compaas o cohortes en las que sus componen-
tes tenan en comn la procedencia de las mismas aldeas o comarcas. En los estudios
de seguimiento, los individuos que componen cada cohorte tienen en comn la exis-
tencia o no de un nivel dado de exposicin. La poblacin diana puede ser poblacin
sana, en la que es posible observar la aparicin de daos a la salud como enferme-
dad, muerte u otros. Tambin puede seguirse a poblaciones enfermas, en cuyo caso el
efecto a investigar puede consistir en curaciones, recurrencias, mejoras o cualquier
otro de inters tras el diagnstico o desde el comienzo de los primeros sntomas. En
cualquier caso, el propsito es reunir un nmero suficiente de personas en riesgo de
que ocurra algo, y verificar si so ocurre en un plazo ms o menos lejano.
Retrospectivo Prospectivo
F F
F F
noF noF
noF noF
N de
personas Nuevos casos
Poblacin de estudio
Base de estudio
(Personas - tiempo)
Fig. I.38- Poblacin en estudio y base del estudio. Fuente: Norell S 44.
Por otro lado, en una cohorte cerrada es posible conocer el tiempo durante el que
cada participante permanece libre del efecto. Entonces puede estimarse la cantidad de
tiempo en riesgo observado en expuestos y no expuestos. Esa combinacin de perso-
nas y tiempo se denomina base del estudio (study base) (Fig. I.38). El cociente en
cada cohorte del nmero de nuevos casos aparecidos dividido por el sumatorio de
personas-tiempo, o base del estudio, permite medir la incidencia como densidad de
incidencia, o tasa de incidencia (Fig. I.39). Como se ver ms adelante, la compa-
racin de la incidencia de ambas cohortes es el fundamento del anlisis en estudios
de este tipo. Y esa comparacin puede hacerse tanto si se dispone de incidencia acu-
mulada como de densidad de incidencia.
PARTE I 81
E P-T
F a B
no F c D
CASOS
Fig. I.39- Los casos se originan en una poblacin en estudio o en una base de estudio
(suma de Personas-Tiempo o P-T) durante el periodo de estudio. Al final del
seguimiento pueden resumirse los resultados en una tabla 2x2.
Fuente: Norell S 44.
Una solucin es usar la poblacin general como cohorte no expuesta. Tiene la ven-
taja de aportar la incidencia que se esperara en la cohorte expuesta si no hubiera exis-
tido la exposicin. Sin embargo, puede haber problemas de comparabilidad; adems,
si la exposicin es frecuente, su caracterizacin de no exposicin pierde fuerza. Y
la vigilancia a la que estn sometidas las cohortes puede ser diferente. Otra opcin es
utilizar una cohorte distinta como cohorte no expuesta, lo ms similar posible a la
expuesta. Por ejemplo, trabajadores de otras fbricas, en el caso de riesgos laborales.
En ocasiones, la dificultad para encontrar una cohorte de comparacin adecuada obli-
ga a comparar los distintos niveles de exposicin con el grupo menos expuesto, que
se convierte as en el grupo de referencia.
de prevalencia previo para detectar los casos prevalentes (Fig. I.40). Si ya padecen
el efecto, no estn en riesgo de desarrollarlo, y por lo tanto hay que excluirlos del
seguimiento.
CASOS
PREVALENTES noE
5. Determinacin de la exposicin
6. Sesgos
sesgo preocupa menos, ya que en todo caso las diferencias son al menos tan grandes
como las encontradas, o mayores.
CLASIFICACIN CORRECTA Incidencia Resultado
(Relativa) (Magnitud)
F 70
7
noF 10
CLASIFICACIN INCORRECTA
F 60
2
noF 30
7. Anlisis
a. Riesgo Relativo.
Una idea inmediata es dividir la incidencia en expuestos (IF) por la incidencia en
los no expuestos o grupo de referencia (InoF); el resultado, la razn de incidencias,
se conoce como Riesgo Relativo (RR). Si se usa incidencia acumulada, el riesgo rela-
tivo es una razn de riesgos; en el caso de la densidad de incidencia se trata de una
razn de tasas, aunque por costumbre se mantiene el mismo nombre.
Razn de riesgos.
(Tabla I.1). El riesgo relativo puede ser mayor que 1, cuando la incidencia es mayor
en la cohorte expuesta. Si se trata de la aparicin de una enfermedad, entonces la
exposicin est asociada con un aumento en la incidencia, en comparacin con el
grupo de referencia. Si es menor que la unidad, entonces la exposicin se asocia con
un efecto protector. Y si es igual a la unidad, no hay diferencias entre exposicin o
no exposicin o, lo que es lo mismo, no hay evidencias de asociacin.
Cuando se usa con incidencia acumulada, el riesgo relativo informa de cuntas veces
se incrementa el riesgo de padecer el problema en los expuestos en relacin a los no
expuestos, en el caso de un factor de riesgo o de mal pronstico. Es informacin til
para identificar incrementos de riesgo individuales si se produce la exposicin.
E no E
F a b
no F c d
a c
IF = ____ InoF =
(a+b) (c+d)
a
IF (a+b)
RR = =
InoF c
(c+d)
Los datos que siguen a continuacin (tabla I.2) provienen de un estudio en el que
se sigui a 259 pacientes con tumor de Wilms que haban sido sometidos a radiote-
rapia 40, para evaluar el riesgo de recidivas (E). Se les clasific segn el tipo de irra-
diacin en funcin del tamao del campo irradiado, clasificado como suficiente (noF)
o insuficiente (F).
E no E
F 2 21
no F 2 234
2 2
IF = = 0.09 InoF = = 0.009
(2+21) (2+234)
2
IF (2+21)
RR = = = 10
InoF 2
(2+234)
Razn de tasas.
(Tabla I.3). Cuando se usa con densidad de incidencia (nuevos casos, E, en rela-
cin a cantidad de personas-tiempo o P-T), el riesgo relativo estima el nmero de
veces que aumenta la velocidad en el flujo de sanos a enfermos (fuerza de morbili-
dad en este caso) en el grupo expuesto (a/NF) frente al de referencia, el no expuesto
(c/NnoF).
88 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
E P-T
F a NF
no F c NnoF
a c
IF = InoF =
NF NnoF
a
IF NF
RR = RT = =
InoF c
NnoF
TABLA I.3- Razn de tasas. Cociente entre la tasa en expuestos y la tasa en no expuestos.
Otra posibilidad sera seguir a pacientes sanos (sin HBP) de un colectivo deter-
minado (por ejemplo, los donantes de sangre en un centro regional) y cuantificar la
aparicin de nuevos casos de hiperplasia mediante exmenes peridicos, para com-
parar la incidencia en distintos grupos de exposicin; en este caso podra plantearse
el seguimiento en tiempo real como una cohorte abierta, con personas que comienzan
a donar sangre y otras que dejan de hacerlo. En el ejemplo (Tabla I.4), la tasa de inci-
dencia en expuestos es de 0.0006, o lo que es lo mismo, 6.6 casos por cada 10.000
aos, haciendo una simple regla de tres. Se interpreta como el nmero de nuevos casos
aparecidos por unidad de tiempo, en este caso aos. Por cada 10.000 aos de exposi-
cin que se pudieran observar de personas expuestas al factor F, se produciran 6,6
nuevos casos de enfermedad.
PARTE I 89
E P-T
F 60 90.000
no F 12 96.000
60 12
IF = = 0.00066 ao1 InoF = = 0.00012 ao1
90.000 96.000
60
IF 90.000
RR = RT = = = 5.33
InoF 12
96.000
E no E
F a b
no F c d
a c
(a+b) a (c+d) c
Oddsi(F) = = Oddsi(no F) = =
b b d d
(a+b) (c+d)
a
Oddsi (F) b a*d
O.R. = = =
Oddsi (noF) c b*c
d
TABLA I.5- Odds Ratio (OR) de incidencia. Cociente entre la odds de incidencia
en expuestos, Oddsi (F), y la odds de incidencia en no expuestos, Oddsi (no F).
Por lo tanto, un cociente que relacionara ambas odds (Odds ratio, OR o Razn
de Oportunidades), sera mayor que 1 para un factor de riesgo. Si fuera un factor
protector, las cosas seran totalmente opuestas, y la OR sera inferior a la unidad. En
caso de no haber asociacin no hay razn para esperar diferencias en las dos cohor-
tes, y la OR sera igual a 1. Un comportamiento idntico al RR, como puede verse.
Se puede verificar que la OR es igual a (a*d)/(b*c), por lo que tambin se conoce
como Razn de Productos Cruzados. Cuando la enfermedad es poco frecuente, y
ocurre en la mayora de las ocasiones, la OR d valores similares a la Razn de Ries-
gos o Riesgo Relativo (RR).
Riesgo Atribuible.
Con el mismo ejemplo de un factor asociado a un mayor riesgo de padecer la
enfermedad, la situacin al final del seguimiento sera la de una mayor proporcin de
nuevos casos en la cohorte expuesta (Fig. I.42). De forma visual, usando incidencia
acumulada, aproximadamente dos tercios de los expuestos en la figura han enferma-
do (IF =0.66), frente a slo un tercio en el grupo de referencia (InoF = 0.33). El riesgo
relativo es, pues, aproximadamente igual a 2 (0.66/0.33).
F noF
E noE
F a b
IF - InoF c d
noF
IF InoF
a c
IF = InoF =
(a+b) (c+d)
a c
RA = IF InoF =
(a+b) (c+d)
IF InoF
PA =
IF
Con los datos de la grfica anterior, la Proporcin Atribuible en expuestos es, efec-
tivamente del 50% (0.50). Es decir, se podra haber evitado la mitad de los casos que
han aparecido en la cohorte expuesta si se hubiese evitado esa exposicin:
0.66 0.33
PA = = 0.50
0.66
IF InoF IF InoF
PA = = =
IF IF IF
InoF 1
= 1 = 1 =
IF RR
RR 1 RR 1
= =
RR RR RR
PARTE I 93
F * (RR 1)
PAP =
1 + (F * (RR 1))
Como la eliminacin total de una exposicin puede no ser factible, existen pro-
cedimientos de clculo para el caso de reducciones parciales, as como para el caso
de anlisis multivariante 41.
1. Introduccin
Suponen una aproximacin ms eficiente, en el terreno no experimental, a la veri-
ficacin de hiptesis. Bsicamente cumplen los mismos objetivos que los estudios de
seguimiento, con un menor consumo de recursos y tiempo. Incluso son la alternati-
va cuando se trata de problemas poco frecuentes, o con perodos de induccin largos.
Sin embargo son ms vulnerables a la presencia de determinados errores sistemti-
cos o sesgos.
F
E
no F
F
no E
no F
2. Seleccin de casos
Un requisito importante es que sean casos nuevos, es decir, casos incidentes. Esto
es esencial para evitar la mezcla de casos nuevos y antiguos que se produce si se usan
casos prevalentes, como los procedentes de un corte transversal; si la enfermedad est
relacionada con un grado importante de letalidad, por ejemplo, podran estar sobre-
representados los casos que por alguna razn han logrado sobrevivir. Entonces podra
encontrarse una mayor proporcin de esa caracterstica en los casos que en los con-
troles y deducirse que la exposicin en estudio es un factor de riesgo.
La seleccin de los casos tiene como objetivo incluir todos los casos incidentes
detectados en una poblacin bien definida durante un periodo de tiempo. Cuando es
difcil definir esa poblacin (por ejemplo, si los casos son los ingresados en un deter-
minado hospital) so afectar a la forma de seleccin del grupo de controles. De cual-
quier manera suele ser necesario establecer un mecanismo de identificacin de todos
los casos que a veces es complejo.
3. Seleccin de controles
Lilienfield 2 propuso un esquema para la seleccin del grupo control segn el ori-
gen de la serie de casos (Fig. I.44a-44f). Aunque no es la forma en que finalmente
consideraremos la funcin del grupo control, su inters est en la introduccin de una
idea central: la comparabilidad de casos y controles a partir de su procedencia de una
misma poblacin, la que origina los casos.
98 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
CASOS CONTROLES
CASOS CONTROLES
En este caso (Fig. I.44b) debe existir precaucin, ya que si la muestra poblacio-
nal es un corte de tipo transversal, se tratar de casos prevalentes. Si es as podran
contener a casos supervivientes, y los factores relacionados con un mejor pronstico
aparecer como factores de riesgo, al ser ms frecuentes en el grupo de casos.
CASOS CONTROLES
CASOS CONTROLES
Por las mismas razones que en el caso anterior, es difcil en este caso conocer la
poblacin que origina los casos (Fig. I.44d). Se toma como grupo control una mues-
tra de los individuos que habran ingresado si hubieran desarrollado el efecto.
CASOS CONTROLES
CASOS CONTROLES
Estos ejemplos dan una idea, en principio intuitiva, y aplicada al concepto tradi-
cional de los estudios caso-control, de la forma en que se deben seleccionar los con-
troles ms adecuados. Algo en comn a todos ellos, y sta es la idea principal que se
pretende presentar, es la bsqueda de un grupo control representativo de la poblacin
origen de los casos. Un error en este punto podra distorsionar las estimaciones en la
distribucin de la exposicin y llevar a conclusiones errneas.
CASOS
a (exp.) c (no exp.)
CONTROLES
b (exp.) d (no exp.)
Fig. I.45- Casos y controles: poblacin en estudio y base del estudio. Los controles
son una muestra de la poblacin o la base de estudio que origina los casos.
Modificado de Norell S 44.
102 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
La poblacin en estudio de la que proceden los casos puede ser cerrada, es decir,
una poblacin fija en la que no se producen entradas ni salidas. Un estudio de segui-
miento podra calcular incidencia acumulada si usara como denominador la poblacin
inicialmente en riesgo de que ocurriera la enfermedad. Puede calcularse el riesgo rela-
tivo (razn de riesgos) y la odds ratio de incidencia. En el estudio de casos y con-
troles equivalente, los controles son representativos de la poblacin de la que proceden
los casos. Ofrecen por lo tanto informacin sobre la distribucin de la exposicin y
la no exposicin en la poblacin si los controles se muestrean de la poblacin al
comienzo del seguimiento.
5. Recogida de la informacin
6. Sesgos
En ese caso obtener una muestra de poblacin general como grupo control puede
ser arriesgado. Si los casos y los controles representan a poblaciones distintas, se pro-
duce lo que se conoce como sesgo de Berkson 48. Para evitarlo, los controles pueden
seleccionarse de entre personas ingresadas durante el mismo periodo en el hospital
por otras causas, por ejemplo de distintos servicios, excluyendo diagnsticos relacio-
nados positiva o negativamente con el factor de riesgo en estudio; para conseguir que
el grupo control ofrezca una buena estimacin de la distribucin de la exposicin en
la poblacin que origin los casos, las enfermedades incluidas como controles deben
104 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
tener una probabilidad de hospitalizacin semejante a la de los casos. Para evitar mayo-
res problemas es recomendable adems que el grupo control contenga una mezcla de
diagnsticos distintos. As una seleccin distorsionada de los casos se compensara
con una seleccin distorsionada en el mismo sentido de los controles, mejorando su
comparabilidad. Se trata entonces de un estudio de casos y controles de base hospi-
talaria. Una ventaja aadida es que tanto casos como controles recuerdan con igual
intensidad sus antecedentes de exposicin, y la participacin es ms alta.
Aunque tambin son posibles, las negativas a participar son ms frecuentes nor-
malmente en los controles. Si los no participantes son sistemticamente distintos en
algo a los que participan, y si ese algo est relacionado con la exposicin o el efec-
to, el grupo estudiado puede no representar adecuadamente a la poblacin de la que
procede. En ocasiones la nica forma de evidenciar si se ha introducido algn tipo de
sesgo es comparar respondentes y no respondentes en algunas variables de las que se
pueda disponer informacin (sexo, edad, etc).
plo, se elige un control que sea semejante en cuanto a la variable que interesa homo-
geneizar: la misma edad, sexo, barrio, etc.
7. Anlisis de la informacin
Los estudios de casos y controles en los que se consigue informacin sobre todos los
casos incidentes en un periodo de tiempo, y en los que se conoce la fraccin de mues-
treo de los controles, permiten estimar la incidencia acumulada 49. Sin embargo sa es
una situacin poco frecuente, y en general no es posible calcular incidencia, ya que
no se conoce cmo se distribuye la aparicin de casos en expuestos y no expuestos
en la poblacin en estudio. Por ello, no es posible el clculo directo del Riesgo Rela-
tivo (RR). En su lugar ste se estima mediante la Odds Ratio de exposicin (OR),
traducida como Razn de Ventajas o Razn de Oportunidades.
E no E
F a b
no F c d
a b
(a+c) a (b+d) b
OddsF (E) = = OddsF (no E) = =
c c d d
(a+c) (b+d)
a
OddsF (F) c a*d
O.R. = = =
OddsF (noF) b b*c
d
Tabla I.6- Odds Ratio de exposicin en casos y controles. Cociente entre la odds de exposi-
cin de los casos y la odds de exposicin de los controles.
Tambin debe recordarse que el Riesgo Relativo se define como la razn entre
incidencia en expuestos e incidencia en no expuestos (RR=IF/InoF), y so es as tanto
si se usa incidencia acumulada como densidad de incidencia (Tabla I.7).
E no E
F a b
no F c d
a c
IF = ____ InoF =
(a+b) (c+d)
a
IF (a+b)
RR = =
InoF c
(c+d)
a a
IF (a+b) a*(c+d) c
RR = = = =
InoF c c*(a+b) (a+b)
(c+d) (c+d)
108 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
E no E
F a b
no F c d
a
OddsF (E) c a*d
O.R. = = =
OddsF (noE) b b*c
d
a a
c c a*d
RR = ~
= = O.R.
(a+b) b b*c
(c+d) d
1. Introduccin
Se engloban aqu un conjunto de diseos en los que existe una intervencin pla-
nificada por los investigadores y hay algn control sobre la asignacin de los parti-
cipantes a los grupos de comparacin. Aunque, como veremos despus, no siempre
estn presentes ambos aspectos.
2. Estudios cuasiexperimentales
Podran definirse como estudios esperimentales en los que falta o bien la asigna-
cin aleatoria o bien el grupo control 57. Veney 58 propuso un esquema del plantea-
miento general de estos diseos (Fig. I.46). Se trata de responder a la pregunta: con-
sigui la intervencin producir alguna diferencia? Las intervenciones a evaluar pueden
ser muy diversas. Por ejemplo, interesara saber si el tipo de formacin e informa-
cin que se facilita a los pacientes en dilisis o transplantados, al alta, influye sobre
su calidad de vida. O si el hecho de recibir peridicamente en un servicio informa-
cin sobre el coste e indicaciones de las pruebas complementarias mejora la calidad
y la eficiencia de su prescripcin. En situaciones de ese tipo puede medirse algn
indicador de la situacin (lo que en cuasiexperimentacin se conoce como indicador
de estado del sistema). A continuacin se introduce alguna modificacin (la inter-
vencin), y una segunda observacin de nuevo mide la situacin. La diferencia entre
la primera y la segunda observacin determina si la modificacin tuvo algn efecto.
Se hace alguna
SE OBSERVA 2 OBSERVACIN
Se introduce alguna
algn indicador del del indicador del
MODIFICACIN
estado del sistema estado del sistema
La DIFERENCIA entre la
1 y 2 observacin determina si
la modificacin tuvo algn efecto
Este esquema puede complicarse. Por ejemplo, sera interesante saber si un grupo
semejante a aqul sobre el que se interviene tiene una evolucin similar en el tiem-
po a pesar de no sufrir la intervencin. En ese caso se est usando un grupo no
expuesto como grupo de referencia o control. Distintas combinaciones producen los
diversos tipos de estudios cuasiexperimentales. Revisaremos slo dos tipos, simples
pero ilustrativos: los diseos antes-despus (o pretest-postest), y los del tipo antes-
despus con grupo control.
PARTE I 113
En este caso el nico grupo considerado es el que se conoce como grupo expe-
rimental (Fig. I.47). En un primer momento se hace una observacin, que se nota
como O1. Puede tratarse de mortalidad postoperatoria, tasa de infecciones, morbili-
dad poblacional o cualquier otra medicin que interese. Se obtiene as informacin
sobre el nivel basal o de partida. A continuacin se introduce el efecto experimen-
tal, notado como X; puede ir desde un programa complejo, como el establecimien-
to de contratos-programa con los hospitales, a una actividad concreta, como la intro-
duccin de un programa de educacin sobre autocuidados. En cualquier caso, tras la
intervencin se hace una segunda observacin (O2), que idealmente debera usar el
mismo tipo de medicin que la primera.
t1 t2
E O1 X O2
Si la variable que se mide presenta oscilaciones a lo largo del tiempo, por ejem-
plo la mortalidad postoperatoria, surge un nuevo problema. Es posible que un ao,
por mera variacin aleatoria, la tasa de mortalidad est por encima de la tendencia
general. Parece sensato esperar que el ao siguiente, si nada ha cambiado, regrese
al nivel habitual. Si en medio se produjo una intervencin, aparentemente sta tuvo
entonces un impacto. Slo que si no se hubiera producido, la mortalidad igualmen-
te hubiera descendido. Este fenmeno se conoce como regresin a la media, y un
diseo antes-despus no puede controlarlo. Se necesitara conocer adems el com-
portamiento de la mortalidad durante los aos previos.
An con estas limitaciones, son frecuentes las ocasiones en las que no es posi-
ble otro tipo de diseo. Porque la intervencin ya ha comenzado, porque no es posi-
ble encontrar un grupo comparable que sirva como control, etc. En se caso lo impor-
tante es no perder de vista las posibles explicaciones alternativas a la que asegura
que la intervencin fue exitosa.
PARTE I 115
t1 t2
E O E1 X O E2
C O C1 O C2
Un diseo de este tipo podra llevarse a cabo con el presunto conjunto de lecto-
res de esta monografa. Si antes de comenzar su lectura se pudiera evaluar el nivel
de conocimientos previo (por ejemplo mediante preguntas tipo test), al final se podra
repetir esa prueba o una semejante. Si sto se hiciera con todos los lectores, el dise-
o sera lgicamente de antes-despus. La diferencia de nivel estimara la hipotti-
ca utilidad de la lectura. Pero tambin se podra atribuir a estar asistiendo simult-
neamente a un curso de actualizacin, por ejemplo, y no se podra entonces evaluar
el impacto aislado de la monografa.
116 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Cmo hacerlo? Una forma, desde el punto de vista cuasiexperimental, sera deci-
dir que aqullos procedentes del hospital A leyeran la monografa en cuestin, y los
del hospital B no lo hicieran. Tendramos entonces un estudio antes-despus con
grupo control. El problema probablemente se centre entonces en la comparabilidad
de ambos hospitales, habilidades y destrezas de los que proceden de cada uno, etc.
Cuestiones que dado que se trata slo de un ejemplo, es posible dejar de lado.
INTERVENCIN
F
F
AZAR
noF
noF
FASE I
SEGURIDAD
FASE II
EFICACIA
FASE III
EFICACIA RELATIVA
FASE IV
EFECTOS A LARGO PLAZO
Estudios en fase III 63. Son los estudios aleatorios controlados propiamente dichos.
Evalan la eficacia relativa y la seguridad del tratamiento, intentando reproducir las
condiciones de uso habituales. Se compara la eficacia del nuevo tratamiento con las
alternativas teraputicas disponibles previamente para la indicacin estudiada, o con
un placebo si no las hubiera. Se llevan a cabo en una muestra de pacientes ms amplia,
representativa de la poblacin de pacientes a la que ira destinado el medicamento.
Otra posibilidad es usar un diseo de tipo cruzado (Fig. I.51). En ese caso cada
participante recibe ambos tratamientos, el experimental y el control. La forma ms
comn es en dos perodos: durante el primero la mitad de los participantes estn en
el grupo experimental y la otra mitad en el control. A continuacin se cruzan, y se
invierten las exposiciones. De esta forma se requiere un menor nmero de partici-
pantes, aunque el seguimiento de cada uno es mayor. Y se produce un autoajuste,
ya que cada persona sirve como su propio control.
CRUZAMIENTO
F no F F noF
AZAR
noF F no F F
Los diseos de tipo factorial 5, 64 son una opcin cuando se pretende verificar ms
de una hiptesis. Por ejemplo, el uso de analgsicos y espasmolticos en el dolor
clico de la litiasis, y el papel de los ansiolticos como coadyuvantes. Se podra ale-
atorizar primero y proporcionar analgsicos y espasmolticos a un grupo y slo anal-
gsicos al grupo control (Fig. I.52).
AZAR
Analgsicos +
Analgsicos
Espasmolticos
AZAR AZAR
Como se ha podido ver, este grupo no tiene porqu estar no expuesto. Su carac-
terizacin en ese sentido tiene que ver con el hecho de que no est expuesto a la
exposicin en estudio (un nuevo tratamiento, etc). Sin embargo, est muy extendida
la creencia de que el grupo control es uno sometido a placebo. Pero si existe un tra-
tamiento estndar previo, se es el que se aplica en el grupo control. La idea es com-
parar el nuevo tratamiento a la mejor terapia disponible hasta ese momento. Si no
existiera, tiene sentido usar entonces algn tratamiento no activo en el grupo con-
trol. En algunas ocasiones lo que se compara es dos nuevos tratamientos 65; en ese
caso la designacin de grupo experimental o control es arbitraria.
3.3. Sesgos
a. Sesgo de seleccin
Los pacientes que se estudian han de ser una muestra representativa de los pacien-
tes que presentan el problema en estudio, o al menos de aquellos a los que se dirige
la indicacin evaluada. Por ello, un primer problema lo presentan las personas que se
niegan a participar en el estudio. El anlisis debe contemplar si existen diferencias
entre quienes participan y quienes no, para detectar posibles evidencias de sesgo de
seleccin. Un problema semejante proviene de los abandonos durante el seguimiento.
122 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
DECLARO QUE:
b. Sesgo de clasificacin
3.4. Anlisis
53. Friedman G, Hiatt R, Quesenberry Ch, Selby J. Case-control study of screening for
prostatic cancer by digital rectal examinations. Lancet 1991; 337:1526-1529.
54. Palli D, Roselli M, Buiatti E, Carli S, Ciatto S, Toscani L, Maltoni G. A case-con-
trol study of the efficacy of a non-randomized breast cancer screening program in
Florence (Italy). Int J Cancer 1986; 38:501-504.
55. Davey G, Strbele S, Egger M. Smoking and health promotion in Nazi Germany. J
Epidemiol Community Health 1994; 48:220-223.
56. Gervs J, Prez M.: El diseo semiexperimental y experimental y la investigacin
evaluativa. Atencin Primaria 1991; 8:567-576.
57. Snchez-Cantalejo Ramirez E. Evaluacin de intervenciones. Granada: Escuela Andaluza
de Salud Pblica, 1991.
58. Veney J, Kaluzny D. Evaluation and decision making for health services programs.
Englewoods Cliffs, NJ: Prentice Hall Inc., 1984.
59. Ministerio de Sanidad y Consumo. Real Decreto 561/1993, de 16 de abril, por el que
se establecen los requisitos para la realizacin de ensayos clnicos con medicamen-
tos. Madrid: BOE 13 de mayo de 1993.
60. Directiva 91/507/CEE, de 19 de julio. Unin Europea.
61. Legha SS. Ensayos clnicos en fase I en tumores slidos en adultos. Rev Cncer 1990;
4:11-14.
62. Martin M, Diaz-Rubio E. Estudios en fase II en Oncologa. Rev Cncer 1990; 4:15-
23.
63. Lizn J. El estudio en fase III. Estudios comparativos aleatorios. Rev Cncer 1990;
4:24-29.
64. Byar D, Piantados S. Factorial designs for randomized clinical trials. Cancer Treatment
Reports 1985; 69:1055-1063.
65. Higgins J. Introduccin a los estudios clnicos de asignacin aleatoria. Durham, NC:
Family Health International, 1985.
66. Skrabanek P, McCormick J. Sofismas y desatinos en Medicina. Barcelona: Ed. Doyma,
1992.
67. Fletcher R, Fletcher S, Wagner E. Epidemiologa Clnica. Barcelona: Ed. Consulta,
1989.
68. Berry D. Interim analyses in clinical research. Cancer Investigation 1987; 5:469-477.
PARTE II
ANLISIS DE DATOS EN INVESTIGACIN
CLNICA Y EPIDEMIOLGICA
1. Introduccin
ellas y ha publicado la ltima versin 3 de las instrucciones para los autores que dese-
en publicar en tal revista. En tal referencia se dice que todo artculo a publicar pasa
por uno de los siete estadsticos pertenecientes al comit editorial y tambin aparece
el listado de preguntas acerca del diseo y anlisis del estudio candidato a publica-
cin. En nuestro pas, aunque con algn retraso, revistas como Medicina Clnica y
Gaceta Sanitaria han incorporado a estadsticos en el proceso de revisin de artcu-
los. Este aumento del uso de los mtodos estadsticos ha llevado aparejado en muchas
ocasiones un mal uso de los mismos 4; algn autor ha cifrado en el 50% la proporcin
de artculos clnicos en los que se encuentran serios problemas de diseo y/o anlisis
de los datos. Altman 5 escribe un editorial alertando sobre este problema donde esta-
blece un parangn entre el clnico que no utiliza el tratamiento correcto en sus pacien-
tes con el investigador clnico que no disea y/o analiza de forma adecuada sus estudios.
Las razones de esta situacin son, por una parte, el poco conocimiento por parte de
los clnicos de disciplinas como la estadstica y la epidemiologa y, por otra, la falta
de profesionales de estas disciplinas, problema especialmente grave en nuestro pas.
Se dice que una variable es cualitativa o categrica si sus posibles valores no son
numricos; ejemplos de este tipo de variables son: el sexo, el estado civil, el estado
del tumor, la variable GLEASON (gradacin de la malignidad de un tumor), etc.; todas
PARTE II 133
ellas tienen en comn el hecho de que sus valores no son nmeros. Del sexo se dice
que es una variable dicotmica o binaria pues solo puede tomar dos valores: hom-
bre, mujer; sin embargo, el estado civil es tambin categrica pero sus posibles valo-
res son ms de dos: casado, soltero, divorciado, etc.; a estas variables se les denomina
policotmicas. En la variable estado de cncer y en la GLEASON hay algo que no
se encuentra en las otras y esto es que entre sus valores o categoras hay implcito un
orden: un tumor en estado I precede y tiene mejor pronstico que en estado II, ste
mejor que el III, etc.; a estas variables se les denomina ordinales; sin embargo, an
no se ha demostrado, a pesar de algunos, que entre los valores de la variable sexo
exista un orden. El hecho de que las variables categricas no sean numricas no entra
en contradiccin con el hecho de que para poder manejarlas con muchos paquetes
informticos sea necesario asignar nmeros a cada valor; as podemos asignar valor
1 al paciente casado, 2 al soltero, 3 al separado, etc., aunque a la hora de analizar los
datos deberemos advertir a la mquina que tales nmeros son realmente etiquetas.
El grupo de las cuantitativas est constituido por aquellas variables cuyos valores
son numricos: nmero de hijos, edad, nivel de PSA, etc. La primera se dice que es
una variable cuantitativa discreta pues sus posibles valores son nmeros aislados: 0,
1, 2, etc.; tanto la edad como el nivel de PSA son variables cuantitativas continuas
porque, al menos tericamente, pueden valer cualquier nmero, por raro que sea, den-
tro de un intervalo determinado.
3. Presentacion de datos
Una vez medidas las variables de inters en los sujetos del estudio, es necesario
resumir de alguna manera la informacin recogida. La estadstica descriptiva es un
conjunto de procedimientos encaminados a sintetizar tal informacin; entre stos pode-
mos citar: las tablas, grficos y resmenes numricos acerca de la magnitud y varia-
bilidad de las mediciones realizadas.
3.1. Tablas
malignidad del tumor para cada una de estas personas no nos dara idea de la distri-
bucin del estado de los individuos; de ah la conveniencia de resumir adecuadamente
esa informacin. Una forma de presentar resumidamente esos datos es mediante una
tabla. Una tabla se construye poniendo en una columna las categoras o valores de la
variable en cuestin, en este caso el grado de malignidad del tumor dado por la varia-
ble GLEASON, y en otra columna el nmero de veces que se repite cada una de esas
categoras; en la Tabla II.1 aparece la distribucin de esta variable medida en 74 pacien-
tes con cncer de prstata.
Grado 4 12 0.1622
Grado 5 18 0.2432
Grado 6 21 0.2838
Grado 7 14 0.1892
Grado 8 o ms 9 0.1216
Total 74 1.0000
Segn esta tabla, de entre las 74 personas en estudio, 12 presentan un tumor con-
siderado de Grado 4; este nmero 12 se dice que es la frecuencia absoluta, o sim-
plemente la frecuencia, de la categora Grado 4, pues es el nmero de veces que
se repite esa categora; por otra parte, el 12.16% de los pacientes estn clasificados
como individuos con un tumor de Grado 8 o superior, es decir, la frecuencia relati-
va de la categora Grado 8 o ms es 0.1216. En general, la frecuencia de una cate-
gora es el nmero de veces que se presenta tal categora, mientras que la frecuencia
relativa es el cociente entre la frecuencia absoluta y el nmero total de individuos; es
claro que la frecuencia relativa depende del conjunto de referencia, en este caso las
personas diagnosticadas con cncer de prstata en una determinada regin, mientras
que la frecuencia absoluta es independiente de ste; si notamos por fi la frecuencia
absoluta de la clase i, la frecuencia relativa, que notaremos por hi, se puede expresar
mediante el cociente
fi
hi =
n
Las distintas categoras en que se puede clasificar a los individuos, y esto vale
para cualquier tipo de variable, se deben construir segn dos criterios: exhaustividad
y exclusividad; en otras palabras, un individuo debe pertenecer a una y slo a una
de las categoras. Estos criterios implican las siguientes relaciones:
f1 + f2 + ... + fk = n
h1 + h2 + ... + hk = 1
k k
fi = n hi = 1
i=1 i=1
donde el smbolo i=1 significa que hay que sumar desde la categora 1 hasta la cate-
gora k, siendo k el nmero de categoras, que para la tabla anterior vale 5.
1 165 0.825
2 26 0.130
3 7 0.035
4 o ms 2 0.010
Para el caso de una variable continua como, al menos tericamente, puede tomar
un nmero muy grande de valores, en una columna no se representan cada uno de los
posibles valores, sino intervalos de valores; un intervalo viene dado por una pareja
136 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
de valores que son los extremos del intervalo; a la distancia entre los extremos, su
diferencia, se denomina amplitud del intervalo; a los efectos que despus considera-
remos, es necesario definir lo que llamaremos la marca de clase del intervalo, como
el punto intermedio entre sus dos extremos, y que en ocasiones tomaremos como repre-
sentante de todos los valores del intervalo correspondiente. En la Tabla II.3 se mues-
tra la distribucin de la duracin del tratamiento de cada litiasis, dada en minutos,
para el conjunto de los 200 pacientes mencionados anteriormente. La variable consi-
derada es continua.
TabIa II.3.- Distribucin de la duracin del tratamiento en 200 pacientes sometidos a litotricia.
10 x < 20 4 15 4 0.0200
20 x < 30 5 25 9 0.0450
30 x < 40 21 35 30 0.1500
40 x < 50 27 45 57 0.2850
50 x < 60 48 55 105 0.5250
60 x < 70 53 65 158 0.7900
70 x < 80 28 75 186 0.9300
80 x < 90 13 85 199 0.9950
90 x < 100 1 95 200 1.0000
Total 200 1.0000
3.2. Grficos
mucha solera; Playfair, uno de los fundadores de los grficos estadsticos, propuso a
principios del siglo XIX el uso de los diagramas de barras y el de sectores para repre-
sentar sus datos. Otra gran precursora de la utilizacin de la estadstica en el campo
sanitario, Florence Nightingale, tambin utilizaba grficos para presentar las bajas
mensuales del ejrcito britnico en la guerra de Crimea.
Como todo mtodo que se usa con frecuencia, no siempre se utiliza de la mejor
forma, por lo que existen unas normas que se deben tener en cuenta a la hora de cons-
truir toda representacin grfica:
Son los grficos a utilizar cuando se quiere representar una sola variable; quizs
el ms utilizado en la literatura mdica sea el llamado diagrama de barras. Tanto las
variables cualitativas como las cuantitativas discretas se pueden representar median-
te este tipo de grfico, que se construye por medio de un sistema cartesiano en el que
en el eje horizontal se representan los valores de la variable y por cada uno de esos
valores se trazan segmentos o barras perpendiculares cuya altura sea proporcional a
la frecuencia, absoluta o relativa, de cada valor. La Fig. II.1 muestra la distribucin
del grado de malignidad, medido en trminos de GLEASON, en 74 pacientes con cn-
cer de prstata que aparecen en la Tabla II.1; como quiera que, aunque se le asignen
nmeros a las distintas categoras del grado de malignidad, tal variable no es num-
rica, pues si se acepta su caracter numrico equivaldra a afirmar que existe la misma
diferencia entre un grado 4 y un 5 que entre ste y un 6 etc.; a cada categora de la
variable se le ha asignado un rectngulo con igual base de valor arbitrario, pero igual
para todas las categoras; sobre cada una de esas bases se levantan rectngulos con
altura proporcional a su frecuencia, con lo que se consigue que sus reas sean pro-
porcionales a sus frecuencias.
Frecuencia
25
20
15
10
0 Grado de
malignidad
4 5 6 7 8 o ms
cmo la mayora de los casos de cncer de prstata sin afectacin ganglionar tienen
grados de malignidad menores que los casos con afectacin ganglionar.
Frecuencia
20
Afectacin
No Afectacin
15
10
Grado de
0 malignidad
4 5 6 7 8 o ms
FIG. II.2.- Distribucin del grado de malignidad del tumor segn la afectacin ganglionar.
Frecuencia
60
50
40
30
20
10
0
0 20 40 60 80 100 Minutos
Frecuencia
200
150
100
50
0
10 20 30 40 50 60 70 80 90 100 Minutos
Grado 5
Grado 4
Grado 6
Grado 8 o ms
Grado 7
Una representacin grfica menos conocida que las anteriores es el llamado tron-
co y hoja, traduccin de su nombre original stem-and-leaf; esta representacin,
debida a J. W. Tukey, que podemos considerar como un hbrido entre una tabla y un
histograma, tiene como ventaja sobre estas dos el hecho de, aparte de representar la
forma de la distribucin, tambin muestra los valores de la variable. La idea consis-
te en dividir cada dato de la serie en dos partes: una que es el tronco y otra la
hoja. A continuacin aparecen las presiones sistlicas de un grupo de 80 adultos.
09 | 9
10 | 5 9 5 7 8 8 8 7 6 4 6 0 1 4 6
11 | 7 8 9 0 4 1 5 7 8 2 3 9 2 3 2 7 0 8 9 1 8 9 7 2 3 9 7
12 | 2 2 9 0 3 0 1 0 0 1 6 2 1 8 5 7 2 8 3 3 7 3 8 7 0 9 8 1 2 8
13 | 8 3 3 5 9
14 | 2 1
Las cifras a la izquierda de la vertical son los troncos y las de la derecha, las hojas;
el primer valor 105 est representado con tronco 10 y hoja 5; el valor 142 como 14
y 2, etc. Por tanto, el tronco 10 tendr tantas hojas como presiones haya comprendi-
das entre 100 y 109 mm; es decir, la longitud de cada fila de hojas es el nmero de
veces que se repite cada tronco. Como se ve, con esta representacin grfica obtene-
mos informacin acerca de la forma de la distribucin, la que nos dara el histogra-
ma, pero adems se tiene la informacin que nos dara una tabla pues permite conocer
los valores de la variable, cosa que no ocurra con el histograma. De la misma mane-
ra que en el histograma se puede elegir la amplitud de los intervalos que sirven de
base a los rectngulos, para esta representacin grfica es tambin posible adecuar tal
amplitud a nuestra conveniencia. El anterior tronco y hoja se ha construido en base a
intervalos de amplitud 10 mm.; si por alguna razn nos interesase afinar un poco ms
y construirlo en base a intervalos de 5 mm., la representacin grfica sera as
142 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
09 | 9
10 | 4 0 1 4
10 | 5 9 5 7 8 8 8 7 6 6 6
11 | 0 4 1 2 3 2 3 2 0 1 2 3
11 | 7 8 9 4 5 7 8 9 7 8 9 8 9 7 9 7
12 | 2 2 0 3 0 1 0 0 1 2 1 2 3 3 3 0 1 2
12 | 9 6 8 5 7 8 7 8 7 9 8 8
13 | 3 3
13 | 8 5 9
14 | 2 1
en donde en el primer tronco 10 estaran las presiones comprendidas entre 100 y 104 mm.,
ambas inclusive, y en el otro tronco 10 se situarn las presiones entre 105 y 109 mm.
nube de puntos, es fcil de manipular; en la Fig. II.6 (b) aparece la misma represen-
tacin en donde se ha cambiado la escala del eje vertical con lo que da la sensacin
de menos cambios interanuales en el nmeros de trasplantes renales en Andaluca. Las
dos grficas son perfectamente vlidas pero evidentemente la impresin que causan al
lector es muy diferente. De este hecho se puede sacar la conclusin de que es muy
importante, a la hora de mirar cualquier nube de puntos, fijarse en las escalas elegi-
das, evitando de esa manera cualquier posible manipulacin malintencionada.
N de 400 N de
Trasplantes Trasplantes
200
300
180
200
160
100
140
Tiempo 0 Tiempo
Trasplantes 3 3 10 12 24 43 50 51
144 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Una posible estrategia consiste en construir dos grficos, uno para el nmero de
trasplantes renales y otro para los cardiacos; sin embargo, puede ser ms informativo
un grfico que presente simultneamente ambas relaciones, como aparece en la Fig.
II.7, en donde se observan las fluctuaciones en el nmero de trasplantes renales y el
aumento en los cardiacos a lo largo del periodo considerado.
200
150
100
50
0 Tiempo
Un diagrama de estrellas consiste en asignar a cada sujeto una estrella con tantos
radios como variables se hayan medido; es un tipo de grfico pensado para variables
cuantitativas siendo la longitud de cada radio de la estrella proporcional a la magni-
tud de la variable que representa. Como observaciones para construir un diagrama de
estrellas vamos a tomar las que aparecen en la Tabla II.6, donde se muestra una serie
de cinco indicadores que tienen que ver con la gestin, en seis grandes hospitales
andaluces; por tanto, cada hospital vendr representado por una estrella de cinco radios
que tendrn longitud proporcional a los valores de las cinco variables.
PARTE II 145
Como quiera que entre estas variables medidas hay algunas cuyos valores estn en
relacin inversa y otras en relacin directa a la calidad de la gestin del hospital, reali-
zaremos alguna transformacin. Por ejemplo, ya que a mayor valor de la variable estan-
cia media, peor gestin, utilizaremos la variable 12-estancia media por lo que a mayor
valor de esta variable, mejor gestin del hospital; de la misma forma utilizaremos 200-
lista de espera y 36-mortalidad. Con estas transformaciones, las cinco variables son
homogneas en el sentido de que cuanto mayores sean sus valores mejor gestin.
Fig. II.9.- Caras de Chernoff para cinco indicadores de gestin en seis hospitales andaluces.
Las variables utilizadas han sido introducidas de manera que valores pequeos de
ellas representan una mala gestin hospitalaria, lo que se traduce en rasgos faciales
tristes y pequeos; de esta forma es fcil apreciar que en general, los peor gestiona-
dos son los hospitales 1, 3 y 6 mientras que los mejor gestionados son los hospitales
2, 4 y 5. Para comprender el significado de las caras puede ser til la siguiente tabla
donde se explican las caractersticas de cada rasgo:
PARTE II 147
Adems de las tablas y los grficos, una serie de observaciones se puede descri-
bir y resumir mediante lo que denominaremos estadsticos; un estadstico no es ms
que una forma de combinar las observaciones; dicho ms formalmente, un estadsti-
co es una funcin de los datos observados. Existe gran variedad de estadsticos que
se pueden usar para describir una coleccin de datos y los hay de dos tipos:
1) Unos dan idea de la magnitud o tamao de los datos; son las llamadas medi-
das de posicin o tendencia central.
ciones dividida por el nmero de ellas. En la Tabla II.7 aparece el coste por receta,
en pesetas corrientes, en el segundo semestre de 1992, en Andaluca.
Para calcular el coste medio por receta en ese periodo no hay ms que sumar los
costes y dividir la suma por 6, el nmero de meses, que es el nmero de observacio-
nes realizadas.
donde 1188.67 es un nmero que resume los seis valores del coste por receta en el
periodo indicado. Como toda medida de tendencia central, es un valor que est por el
centro de la distribucin, en el sentido de que no es ni de los valores bajos ni de los
altos del conjunto.
Consideremos ahora los datos de la Tabla II.8, en donde se muestra el gasto far-
macutico por habitante en 1992 de los diferentes distritos sanitarios de la provincia
de Granada.
Para conocer la media del gasto farmacutico por persona en el conjunto de los
ocho distritos sanitarios, no habra ms que sumar todos estos gastos a nivel de dis-
trito y dividirlos por 8, el nmero de distritos.
12268029000
= 14901
823302
En general, sean x1, x2, ..., xn las observaciones; por xi notaremos una observacin
genrica; la media de ese conjunto de datos, se puede expresar de la siguiente forma
_ x1 + x2 + ... + xn
i=1
xi
x = =
n n
_ wi xi
xp =
i=1
n
wi
i=1
150 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Si consideramos que las observaciones xi son el gasto por habitante en los dife-
rentes distritos y las importancias o pesos son las poblaciones de cada distrito, la expre-
sin anterior queda en la forma
que coincide con el valor medio antes calculado. Si a todas las observaciones se les
da la misma importancia, es decir, todos los pesos wi son iguales, la media pondera-
da coincide con la media aritmtica.
Como hay un nmero par de observaciones, los dos valores centrales son 14949
y 14957 y por tanto la mediana sera el valor
14949 + 14957
= 14953
2
Aparte de las anteriores, otras medidas de tendencia central de uso frecuente son
los denominados percentiles que se pueden entender como generalizaciones de la
mediana; as, el percentil i es aquel valor que, ordenadas las observaciones en forma
creciente, el i% de ellas son menores que l y el (100-i)% restante son mayores; por
ejemplo, que la duracin del tratamiento aplicado a un paciente est en el percentil
80 del tiempo empleado en el tratamiento de otros pacientes significa que el 80% de
los individuos han sido tratados durante un periodo de tiempo menor que el suyo y el
20% restante tuvieron un tiempo de tratamiento ms prolongado; a los percentiles 25,
50 y 75 se les denomina primer, segundo y tercer cuartil, respectivamente; as, el
segundo cuartil coincide con la mediana.
200 individuos con litiasis, no tenemos ms que trazar por los valores 0.25, 0.5 y 0.75
del eje de ordenadas rectas paralelas al eje de abcisas; cuando intercepten al polgono
de frecuencias acumulativas relativas, trazamos una vertical y el valor de la intersec-
cin de sta con el eje de abcisas es el cuartil correspondiente; la Fig. II.10 ilustra este
modo de proceder, donde el primer cuartil es 47, la mediana 59.5 y el tercer cuartil 68.
1.0 Frecuencia
0.8
0.6
0.4
0.2
0.0 Minutos
20 40 60 80 100
| xi - x |
i=1
dm =
n
Valor Valor
30 30
25 25
20 20
15 15
10 10
N de N de
1 2 3 4 5 observacin 1 2 3 4 5 observacin
i=1
i
2
x -
i=1
n
s2 =
n-1
Por tanto, para el clculo de la varianza necesitamos conocer la suma de los cuadra-
n
n
2
dos de las observaciones, xi , y el cuadrado de la suma de las observaciones,
i=1
( x )
i=1
i
2
y el cuadrado de la suma es
1
(2010 - 10000)
5
s2 = = 2.5
4
___
y su desviacin tpica es 2.5 = 1.58
1
(2306 - 10000)
5
s2 = = 76.5
4
____
y su desviacin tpica es 76.5 = 8.75
154 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
s
C.V. =
x
es la observacin ms grande de la serie y tal que sea menor o igual que la cantidad
Q 3 + 1.5 (Q 3 Q 1) = O 2
Una vez calculados los valores adyacentes superior e inferior, se trazan segmen-
tos desde las caras laterales del rectngulo hasta los valores adyacentes, con lo que
queda completada la caja. Segn el criterio de Tukey, los valores de la distribucin
que sean menores que el valor adyacente inferior o mayores que el valor adyacente
superior se denominan observaciones extremas o outliers, es decir, observaciones
raras respecto al conjunto de todas las observaciones.
09 | 9
10 | 0 1 4 4 5 5 6 6 6 7 7 8 8 8 9
11 | 0 0 1 1 2 2 2 2 3 3 3 4 5 7 7 7 7 7 8 8 8 8 9 9 9 9 9
12 | 0 0 0 0 0 1 1 1 1 2 2 2 2 2 3 3 3 3 5 6 7 7 7 8 8 8 8 8 9 9
13 | 3 3 5 8 9
14 | 1 2
Los tres cuartiles son 111.5, 119 y 123 respectivamente, por lo que los valores
adyacentes superior e inferior seran:
140
130
120
110
100
Fig. II. 12.- Representacin mediante una caja de las presiones de 80 individuos.
( 94.25 , 140.25)
lo que, siguiendo el criterio de Tukey, nos lleva a declarar a los individuos con pre-
siones 141 y 142 como raros, en cuanto a su presin sistlica, respecto al resto de los
individuos; estas dos presiones corresponden a los dos segmentos horizontales que
quedan por encima del valor adyacente superior.
luar el riesgo de sufrir infarto entre los individuos que no hacen ejercicio; tambin se
evalu una medida la calidad del estudio, como aparece en la Tabla II.9, indicando el
valor 0 mala calidad, el 1 calidad aceptable y 2 3 buena. Es de inters comparar las
distribuciones de los riesgos relativos en las tres categoras de calidad de los estudios.
2.0 0 2.0 1
2.3 0 2.0 1
1.9 0 2.6 2
1.5 1 2.4 2
0.5 0 2.3 1
1.1 0 1.6 1
2.0 1 1.5 1
1.2 2 0.9 0
1.8 0 1.5 0
1.1 0 1.2 1
2.8 1 0.5 0
1.9 1 2.5 0
3.1 2 1.6 2
2.0 1 1.6 2
1.6 1 2.2 0
2.5 1 1.5 0
1.1 0 1.1 0
2.4 0 1.1 0
1.6 2 1.7 0
2.5 3 2.5 3
1.5 0
Para representar mediante cajas las distribuciones de los riesgos en las tres cate-
goras, tendremos que calcular los tres cuartiles as como los valores adyacentes en
cada categora de calidad. Para calidad mala (0), los riesgos ordenados de forma ascen-
dente son
0.5, 0.5, 0.9, 1.1, 1.1, 1.1, 1.1, 1.1, 1.5, 1.5, 1.5, 1.7, 1.8, 1.9, 2.0, 2.2, 2.3, 2.4, 2.5
por lo que los valores de los tres cuartiles son 1.1, 1.5 y 1.95 aproximadamente. Para
conocer los valores adyacentes para esta serie calculamos
por lo que los valores adyacentes sern 0.5 y 2.5. Ya que en la serie no hay ningn
riesgo fuera del intervalo (0 , 3.15) no podemos decir que existan riesgos relativos
raros en ella. Procediendo de igual manera para las dos restantes categoras de cali-
dad del estudio, el lector puede comprobar que los cuartiles que definen las respecti-
vas cajas son: 1.6, 2, 2 para calidad 1 y 1.6, 2.4, 2.5 para calidad 2 o ms. Los valores
adyacentes para las series son
por lo que el valor 2.8 de la segunda serie puede considerarse como una observacion
extrema; en definitiva, las tres distribuciones se pueden representar como aparece en
la Fig. II.13.
3.0
2.5
2.0
1.5
1.0
0.5
0 1 2
Calidad del Estudio
A partir de esta representacin grfica podemos ver cmo a medida que la cali-
dad de los estudios es mayor la evidencia de que la inactividad fsica es un factor de
riesgo para el infarto de miocardio se hace ms palpable; entre los estudios de mala
calidad hay algunos, aquellos que muestran riesgos relativos inferiores a la unidad,
que aseguran que la inactividad fsica protege del infarto de miocardio.
B. TEST DIAGNOSTICOS
J.A. Chicharro Molero
R. Burgos Rodrguez
1. Introduccin
En primer lugar hemos de tener en cuenta que los datos obtenidos de la anamne-
sis y la exploracin fsica no revelan, usualmente, el verdadero estado del paciente.
Excluyendo los fallos metodolgicos, este hecho se debe a que los signos y sntomas
pueden ser representativos de ms de una enfermedad:
Este cuadro podra estar producido por entidades tan diferentes como una infec-
cin del tracto urinario bajo, agudizacin de una hiperplasia benigna prosttica o una
cncer in situ de vejiga. En cualquier caso un tacto rectal, analtica de orina y, si pro-
cediera, una citologa urinaria nos sacaran de dudas; pero no con el 100%, ya que
estas pruebas no son exactas y tienen un porcentaje de fallos como cualquier otra, ya
que incluso los estudios histopatolgicos son, en ocasiones, difciles de interpretar y
varan con la pericia del patlogo. Mediante esta breve reflexin podemos extraer dos
conclusiones: una, que no slo un nico test diagnstico nos dar la certeza diagns-
160 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
tica, dos que nunca sta ser del 100%, existiendo siempre incertidumbre sobre si la
prueba complementaria acert o no en el diagnstico.
En este caso los dos urlogos tenan razn, pero las palabras ambiguas utilizadas
produjeron distintas reacciones en el paciente. En realidad el infraestadiaje clnico de
los tumores testiculares es del 20-30% segn las series; en consecuencia, si la infor-
macin sobre la incertidumbre diagnstica se hubiera cuantificado, el paciente no se
hubiese angustiado y hubiese aceptado la linfadenectoma.
Esta gran confusin que se puede originar al cuantificar la incertidumbre con pala-
bras imprecisas, se puede evitar hablando en trminos de probabilidad que oscila en
valores de 0 a 1, aunque en medicina, sobre todo en la comunicacin con los pacien-
tes, se puede expresar en porcentajes. As, si en el caso anterior los dos urlogos le
hubiesen dicho al paciente que la probabilidad que tenga afectacin ganglionar es
del 20-30% se hubieran evitado las ambigedades que se produce por:
Los mdicos eligen diferentes palabras para expresar un mismo juicio sobre la
probabilidad de un suceso futuro.
Los mdicos eligen las mismas palabras para expresar muy diferentes juicios
sobre la probabilidad de un proceso.
Con respecto a las dos ltimas preguntas, es totalmente necesario conocer la meto-
dologa epidemiolgica y estadstica para la evaluacin de los test diagnsticos, para
PARTE II 161
2. Probabilidad
Existen dos tipos de fenmenos que pueden ocurrir; los deterministas que son los
que realizados en las mismas condiciones, siempre dan los mismos resultados; y los
aleatorios que son aquellos en los que no se puede predecir su resultado aunque se
realicen en idnticas situaciones. Desgraciadamente en la prctica mdica abundan los
segundos y apenas existen, si es que los hay, los primeros. La cuantificacin de los
fenmenos aleatorios se realiza a travs de la teora de la probabilidad.
Evidentemente cada vez que se lanza el dado es imposible que salgan dos nme-
ros a la vez, por lo que a este tipo de sucesos aleatorios se les denomina incompati-
bles; as mismo existen sucesos aleatorios en los que la aparicin de uno no vincula
para la del otro, por lo que se llaman independientes 8; por ejemplo la probabilidad
de tener un hipernefroma en el rin derecho es independiente de tener una litiasis en
el rin izquierdo. Los sucesos independientes nunca pueden ser incompatibles, pues
en definitiva estos ltimos tiene relacin ya que si aparece uno no puede hacerlo el
otro simultneamente.
vez que ha ocurrido otro previo; por ejemplo cul es la probabilidad de que un
paciente tenga un carcinoma de prstata una vez que el PSA es mayor de 10 ng/ml?
que no es lo mismo que plantearse Cual es la probabilidad de que en pacientes con
carcinoma de prstata el PSA sea mayor de 10 ng/ml? . En este punto, para no abu-
rrir al lector no nefito y para despertar al nefito, adelantaremos que ambas pregun-
tas son probabilidades condicionadas; la primera, corresponde al valor predictivo
positivo, y la segunda a la sensibilidad.
Lo primero que hay que conocer de una prueba diagnstica es su poder de dis-
criminacin, es decir sensibilidad, especificidad y sus complementarios; para ello debe-
mos aplicar el test que queramos analizar (PSA, tacto rectal, ecografa) a un grupo,
la muestra, de individuos en el que existan personas con la enfermedad (cncer de
prstata) y personas sin ella, lo cual se debe haber determinado previamente por uno
o varios tests diagnsticos que estn considerados como los de mxima fiabilidad
(estndar ideal). La seleccin de la muestra debe seguir ciertas normas importantes:
1) Debe tener un tamao adecuado que garantice el control del error aleatorio (sig-
nificacin y potencia).
PSA
SI A B
CARCINOMA
DE PRSTATA
NO C D
Tras la aplicacin del test pueden ocurrir cuatro circunstancias representadas por
las casillas:
- Individuos en los que el test clasific como enfermos, PSA>10, y que real-
mente lo estaban; son los verdaderos positivos (A).
- Individuos en los que el test clasific como no enfermos, PSA<10, y que real-
mente no lo estaban; son los verdaderos negativos (D).
- Individuos en los que el test clasific como enfermos, pero que realmente no
estaban enfermos, es decir sern los falsos positivos (C).
- Individuos clasificados como no enfermos por el test diagnstico, pero que real-
mente estaban enfermos, es decir los falsos negativos (B).
164 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
A
A+B
D
C+D
B
A+B
C
C+D
Todo este desarrollo es perfecto para ver la capacidad discriminativa de los test
diagnsticos, pero en la prctica los urlogos no sabemos a priori, que sujetos tienen
cncer y cuales no y lo que nos interesa en la realizacin de nuestra actividad asis-
tencial es conocer cuan de seguro estamos de que un sujeto tenga o no la enfermedad
(cncer de prstata) en funcin de unos test que apliquemos. Pues bien cuando un
varn acude a la consulta la probabilidad de que padezca un carcinoma de prstata,
PARTE II 165
Una vez en el desarrollo del teorema de Bayes, supongamos que queremos cal-
cular la probabilidad de tener carcinoma de prstata cuando tenemos un PSA>10ng/ml,
P(E/T+), por la ley de la probabilidad condicionada sabemos que:
166 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
P(T+ y E)
P(E/T+) = (1)
P(T+)
P(T+ y E)
P(E/T+) = (3)
P(T+ y E) + P(T+ y noE)
P(E) * P(T+/E)
P(E/T+) = (4)
P(E) * P(T+/E) + P(noE) * P(T+/noE)
Sensibilidad * Prevalencia
VPP = (4b)
Sensibilidad * Prevalencia + PFP * (1-Prevalencia)
P(noE) * P(T-/noE)
P(noE/T-) = (5)
P(noE) * P(T-/noE) + P(E) * P(T-/E)
Especificidad * (1-Prevalencia)
VPN= (5b)
Especificidad * (1-Prevalencia) + PFN * Prevalencia
Observando las frmulas de ambos valores predictivos, podemos apreciar que los
dos dependen de tres probabilidades que son:
Para el sufrido lector, que se maree con las frmulas, diremos que mediante arti-
lugios matemticos, el clculo de los valores predictivos se pueden hacer desde la
tabla 2x2; as el VPP sera A/A+C, y el VPN sera D/B+D. Aunque, evidentemente,
el clculo desde la tabla 2x2 es ms rpido y fcil, personalmente aconsejamos las
frmulas del Teorema de Bayes, pues como veremos con posterioridad son de ayuda
incalculable para la comprensin de la influencia de sensibilidad, especificidad y pre-
valencia en los valores predictivos.
168 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Hasta ahora sabemos que ambos valores predictivos dependen de tres probabili-
dades, pero no dependen por igual de ellas.
Sensibilidad * Prevalencia
VPP =
Sensibilidad * Prevalencia + 0
Sensibilidad * Prevalencia
VPP =
Sensibilidad * Prevalencia + 0
Especificidad * (1-Prevalencia)
VPN=
Especificidad * (1-Prevalencia) + 0
Especificidad * (1-Prevalencia)
VPN=
Especificidad * (1-Prevalencia) + 0
De todo lo dicho hasta ahora sobre la influencia en los valores predictivos se puede
llegar a varias conclusiones:
4) Para evitar el problema que puede suponer que la muestra no sea representa-
tiva de la poblacin de inters, bien por que haya demasiados pacientes enfer-
mos o no enfermos, podemos obtener la razn de probabilidades 9, 11 que es
el cociente entre la sensibilidad y la proporcin de falsos positivos. Este valor
apenas se influencia por una composicin de la muestra diferente a la pobla-
cin de inters.
PARTE II 171
Hasta ahora hemos visto test diagnsticos cuyos resultados se miden como varia-
bles categricas, por ejemplo tacto rectal, y cuando hemos tratado variables continuas
como el PSA estableciendo un valor, artificiosamente claro, que determinaba el esta-
do de enfermo y no enfermo. En la realidad la total independencia de la distribucin
de una variable (glucemia, PSA, etc.) en enfermos y no enfermos, situacion (a) de la
Fig. II.14., ocurre muy pocas veces, si es que hay alguna, ya que existe solapamiento
de ambas distribuciones, situacin (b) de la Fig. II.14, tal que si establecemos el punto
de corte que discrimine lo normal de lo patolgico en un valor determinado, por ejem-
plo PSA>7, habr enfermos de cncer de prstata con valores menores (falsos negati-
vos) y no enfermos, sin cncer de prstata, con valores mayores (falsos positivos).
No E E
IDEAL
(A)
No E E
REAL
(B)
1 2 3 4 5 6 7 8 9 10 11 12
NO E E NO E E
NO E E NO E E
VN FN
MAS SENSIBLE MENOS SENSIBLE
MENOS ESPECIFICO FP VP MAS ESPECIFICO
Despus de todo lo dicho, surge la gran pregunta: cul es el punto de corte que
mejor discriminacin diagnstica tiene?; pues bien, para contestar a este interrogan-
te debemos recurrir a las curvas de rendimiento diagnstico o Curvas ROC 11.
1
Sensibilidad (A)
)
-E
(1
FP
S=
0 1
1-Especificidad
1) La lnea que se situa a 45 grados del eje de las X y del eje de las Y, llamada
lnea de no discriminacin. Todos los puntos que se situen en esta lnea ten-
drn igual proporcin de verdaderos positivos (sensibilidad) que de falsos posi-
tivos; es decir el test se comportar de igual manera en el grupo de enfermos
que en el de no enfermos, no teniendo, por tanto, ninguna capacidad de dis-
crimacin diagnstica.
Las curvas ROC tienen dos aplicaciones concretas en la evaluacin de test diag-
nsticos cuyos valores sean variables continuas: la eleccin del punto de corte de
mxima discrimacin diagnstica y la comparacin de dos test diagnsticos 13.
174 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
)
-E
(1
FP
S=
0 1
1-Especificidad
Una segunda forma de elegir el punto de corte ptimo sera aquel en que (sensi-
bilidad+especificidad)/2 tenga el valor ms alto.
Es usual en la prctica mdica utilizar test diagnsticos una vez que ha sido uti-
lizado otro previo para seleccionar un subgrupo de pacientes que padezcan la enfer-
medad de inters. Por ejemplo, una vez que hemos utilizado la determinacin de PSA,
obtenemos un grupo de pacientes cuyos niveles son mayores de 10 ng/ml, pues bien,
PARTE II 175
1
Sensibilidad
)
-E
(1
FP
S=
0 1
1-Especificidad
En primer lugar que el subgrupo de pacientes que ser sometido al segundo test
debe ser el determinado como enfermo por el primer test, por lo que ser tremenda-
mente importante que la proporcin de falsos negativos sea muy baja en el primer
test. As si los valores del PSA entre 4 y 10 mg/ml, nos ofrecen dudas diagnsticas
importantes, deberamos situar el valor discriminante de lo normal y patologico en 4
ng/ml para evitar la prdida de pacientes que tengan la enfermedad. Con esta medida
someteramos a algunos pacientes a biopsias prostticas sin que tengan cncer, falsos
positivos, pero se nos escaparan menos cnceres; teniendo en cuenta la baja morbi-
lidad de la biopsia prosttica con respecto al carcinoma de prostata, esto sera desea-
ble a no ser que se demostrara que el diagnstico de estos cnceres no aumenta la
supervivencia o que encontremos indices como densidad del PSA (PSAD) con mejor
rendimiento diagnstico en este intervalo de valores.
La especificidad de la batera de test resultar del cociente de todos los casos deno-
minados como negativos por cada uno de los test dividido por el nmero de casos de
la enfermedad.
176 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
1. Introduccin
2. De lo particular a lo general
pacientes con litiasis, medir en cada uno de ellos el tiempo que dur su tratamiento
de litiasis y calcular el tiempo medio en esos 100 individuos; imaginemos que tal
valor medio es 53.77 minutos; qu decir acerca del tiempo medio en todos los indi-
viduos sometidos a litotricia?. El conjunto de procedimientos estadsticos que permi-
ten pasar de lo particular, la muestra, a lo general, la poblacin, es lo que se denomina
la Inferencia estadstica.
Lo primero que salta a la vista despus de esto es que no todas las medias de las
muestras son iguales; la media de la muestra y, en general, cualquier forma de com-
binar los valores de la muestra para estimar un parmetro, lo que en estadstica se
denomina un estimador, cambia su valor de una muestra a otra. La Fig. II.20 es un
histograma de la distribucin de los valores de las medias de 200 muestras de tama-
o 100, elegidas al azar de una poblacin constituida por 3376 pacientes sometidos a
tratamiento con litotricia; en esta poblacin, la media es 57.46 minutos y la desviacin
tpica 22.84 minutos. De la Fig. II.20 podemos obsevar que la mayora de las medias
180 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Frecuencia
40
30
20
10
0
52 54 56 58 60 62 64 Minutos
Fig. II. 20.- Distribucin del tiempo medio del tratamiento con litotricia
en base a 200 muestras de 100 enfermos.
analizar los datos; para el caso de estimar la media de la poblacin, una estimacin
del error estndar de la media viene dada por
__
s/ n
b d
+
a (a+b) c (c+d)
donde a,b, c, d son los valores de las casillas, como aparecen en la Tabla I.1. As, para
los resultados del estudio sobre tumor de Wilms que aparecen en la Tabla I.2, el error
estndar para el logaritmo del riesgo relativo ser
___________________
21 234
+ = 0.976
2 (2+21) 2 (2+234)
De forma similar, el error estndar para el logaritmo de la O.R. viene dado por la
expresin
182 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
________________
1 1 1 1
+ + +
a b c d
Obsrvese como en el error estndar de cualquier estimador, el tamao de la muestra
figura en el denominador, lo que significa que cuanto mayor sea el tamao de la mues-
tra menor ser el error estandar; esto es un hecho que ocurre para todos los estima-
dores: a mayor tamao de muestra, mayor precisin.
0.20
0.15
0.10
0.05
0.0
50 55 60 65
Fig. II. 21.- Distribucin de las medias de todas las posibles muestras de tamao 100.
PARTE II 183
estimador z (e.e.)
donde e.e. es el error estndar del estimador y z es un valor que depende del nivel de
confianza 1- con que se quiera dar el intervalo; los valores de z para los niveles de
confianza 0.90, 0.95 y 0.99 son 1.64, 1.96 y 2.58 respectivamente; el signo signi-
fica que cuando se elija el signo negativo se conseguir el extremo inferior del inter-
valo, y cuando se elija el signo positivo se tendr el extremo superior. A la diferencia
entre 1 y el nivel de confianza se le denomina nivel de error.
Pero, qu significa que la confianza de un intervalo es del 95%? Para ello vamos
a volver al caso de querer conocer el tiempo medio de tratamiento mediante litotri-
cia; a partir de cada muestra elegida podemos calcular el valor del estimador, la media
de la muestra, y adems, podemos estimar, hacernos idea de, el error estndar de la
media; segn la expresin anterior, es todo lo que necesitamos, adems de sustituir
z por 1.96, para calcular el intervalo de confianza con objeto de conocer el valor
medio en la poblacin. Pues bien, si tomamos muchas muestras, podemos calcular
otros tantos intervalos; por un argumento estadstico que cae fuera del nivel de esta
monografa, se puede demostrar que por trmino medio, de cada 100 de tales inter-
valos, 95 de ellos contendrn en su interior el valor del parmetro en la poblacin; en
la Fig. II.22 aparecen 100 intervalos procedentes de las primeras 100 muestras de las
200 que se tomaron y como se observa la mayora, 92 de los 100 los intervalos, con-
tienen en su interior el valor 57.46 que era la media en la poblacin; si esto lo hici-
semos muchas veces, de cada 100 intervalos, 95 de ellos, por trmino medio, contendrn
en su interior el valor 57.46 del parmetro.
184 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Nmero
de muestra
100
80
60
40
20
0
45 50 55 60 65 70 Minutos
Cmo interpretar este resultado? Esperamos que ste sea uno de los 95 interva-
los de cada 100 que incluyen en su interior el valor de la media de la poblacin; sera
mala suerte que este fuese uno de los 5 de cada 100 que no tienen en su interior el
valor medio de la poblacin; de esta interpretacin debe quedar claro que tal resulta-
do no significa que existe una probabilidad del 95% de que la media de la poblacin
est en su interior. En definitiva, la informacin que presta un intervalo de confianza
para un parmetro es un par de nmeros entre los que nosotros confiamos que est el
valor del parmetro de inters; de ninguna manera lo podemos asegurar con certeza
total, pero estamos casi seguros.
Este grado de confianza o seguridad lo podemos elegir nosotros por lo que el lec-
tor puede pensar que porqu no construir el intervalo a un mayor nivel de confianza;
el intervalo anterior al 99% de confianza resulta de sustituir el 1.96 que corresponde
al 95%, por el 2.58 que corresponde al 99%; por tanto, el intervalo es ahora
PARTE II 185
intervalo ms ancho que el anterior pues si queremos tener ms confianza en que nues-
tro intervalo contenga a la media de la poblacin es evidente que debe ser ms ancho.
Los valores ms comunes de niveles de confianza son los antes mencionados, 0.90,
0.95 y 0.99.
donde log (10) es el logaritmo neperiano de 10; por tanto, el intervalo para el ries-
go relativo ser
Esta discusin que se ha hecho con el intervalo de confianza para la media de una
poblacin, se puede hacer para cualquier otro parmetro: una prevalencia o propor-
cin de sujetos de una poblacin que tienen una determinada caracterstica, diferen-
cias de medias o de proporciones, una O.R., un riesgo relativo, etc.; lo nico que
cambia es que las expresiones del intervalo son algo ms complicadas. De todas for-
mas, como se dijo antes, el ordenador nos evita tener que conocer tales frmulas pues
l ya nos da los clculos directamente.
5. 1. Un ejemplo introductorio
Mora et al. 15 presentan un estudio sobre el efecto del Flurbiprofen frente a la com-
binacin de Dipirona e Hioscina para el tratamiento del dolor en el clico nefrtico.
Para ello disearon un ensayo clnico en el que hay dos grupos de enfermos de dolor
crnico, uno que recibe Flurbiprofen mientras a los enfermos de la segunda cohorte
se les administra Dipirona e Hioscina. Como medida del efecto de los tratamientos se
defini la respuesta, positiva o negativa, a un tratamiento cuando se consigui o no
una situacin de alivio. Los resultados del estudio aparecen en la Tabla II.11. Este es
el ejemplo ms simple de las llamadas tablas de contigencia o tablas cruzadas, donde
aparecen en las filas de la tabla las distintas categoras de una variable categrica, en
PARTE II 187
este caso el tipo de tratamiento, y por columnas las categoras de otra variable, en este
caso el tipo de respuesta al dolor producido por un clico nefrtico. A la Tabla II.11
se le denomina 2x2 porque cada una de las dos variables tiene solo dos categoras.
Respuesta al dolor
Positiva Negativa Total
Dipirona
+Hioscina 11 15 26
Flurbiprofen 16 10 26
Total 27 25 52
Sean cuales sean los deseos de los investigadores del estudio anterior, en todo con-
traste de hiptesis se parte de la que se denomina hiptesis nula que, para un estu-
dio como el anterior, establece la igualdad en la efectividad de los dos tratamientos;
si p D+H representa la probabilidad de tener respuesta positiva al tratamiento con Dipi-
rona + Hioscina y pF la correspondiente al Flurbiprofen, la hiptesis nula a contrastar
establece que p D+H = pF . Por tanto, lo que vamos a hacer es medir la compatibilidad
de esta igualdad con el hecho de haber encontrado un 42.3% y 61.5% de respuestas
positivas en los grupos.
Respuesta al dolor
Dipirona
+Hioscina 13.5 12.5 26
Total 27 25 52
PARTE II 189
El hecho de que los dos tratamientos tengan iguales valores esperados se debe exclu-
sivamente a que los dos grupos de tratamiento tienen el mismo nmero de enfermos.
En definitiva, lo que se acaba de hacer es construir una tabla que es una traduc-
cin de la hiptesis nula, la que establece la igualdad en la efectividad de los dos tra-
tamientos. Como quiera que el objetivo del contraste de hiptesis era medir la
compatibilidad entre la tabla de los valores observados y la hiptesis nula, tal objeti-
vo se puede conseguir midiendo la compatibilidad entre la tabla de los valores obser-
vados y la de los valores esperados.
La pregunta que ahora se plantea es cmo medir la compatibilidad entre esas dos
tablas?. El estadstico britnico K. Pearson propuso la cantidad
mos la igualdad de los tratamientos y en caso contrario diremos que son distintos. Lo
que queda por definir es el criterio para decidir si el estadstico de Pearson es peque-
o o grande; tal decisin la vamos a tomar en funcin del denominado valor P. Este
valor nos da la probabilidad de que, supuesto que los dos tratamientos son igualmen-
te efectivos, encontremos en estudios similares al nuestro resultados como los que
hemos observado o resultados ms contradictorios con la hiptesis nula. Si esta pro-
babilidad es pequea, en general, menor de 0.05 (P<0.05), querr decir que es muy
poco probable que siendo la hiptesis nula verdadera, se encuentren resultados como
los observados o ms extremos; dicho de otra forma, lo observado es incompatible
con la hiptesis nula y por tanto la rechazamos y concluimos que los dos tratamien-
tos no son igualmente efectivos. Cuando se rechaza la hiptesis nula se suele decir
que el test es significativo. Si, por el contrario, el valor P es grande significa que es
posible que siendo los dos tratamientos igualmente efectivos, los hallazgos de nues-
tro estudio no son raros, por lo que no habr razones para rechazar la hiptesis nula
y por tanto la aceptaremos. J. H. Ware et. al. 16 definen el valor P como el grado de
sorpresa; cuanto ms pequeo sea P, ms sorprendentes son nuestros resultados en el
caso en que la hiptesis nula sea cierta.
Como cualquier test estadstico, solo se puede aplicar en ciertas condiciones; para
el caso del test de la que se acaba de exponer es aplicable siempre que el nmero
2
de sujetos en el estudio sea al menos 40; si ste es menor que 40 pero mayor que 20,
ningn valor esperado debe ser menor que 5. Si no se cumple esto, se puede aplicar
el llamado test de Fisher 17.
5. 3. Tipos de error
Es posible que, an siendo verdadera la hiptesis nula, la diferencia entre las pro-
porciones de respuestas positivas observadas entre los dos tratamientos sea grande
debido al azar; es posible, por ejemplo, que al lanzar dos monedas perfectas 10 veces
al aire con una de ellas obtengamos 1 cara y 9 con la otra, aunque esto es ciertamente
improbable; en resumen, existe la posibilidad de que siendo verdadera la hiptesis
nula, el azar nos lleve a rechazarla. Este error, consistente en rechazar la hiptesis
nula siendo verdadera se conoce como error de tipo I o error . Por otra parte, es
posible que los resultados experimentales nos lleven a aceptar la hiptesis nula sien-
do falsa; a este nuevo error se le conoce como error de tipo II o error . Si repre-
sentamos por H0 a la hiptesis nula y por H1 a la hiptesis contraria, la que establece
que los dos tratamientos tienen distinta efectividad, el siguiente cuadro presenta las
cuatro posibles situaciones en las que nos podemos encontrar.
PARTE II 191
Decisin por
H0 H1
Como quiera que no conocemos cul de las dos hiptesis es la verdadera, acep-
temos la hiptesis nula o la rechacemos, siempre corremos el riesgo de equivocarnos,
sea cual sea la decisin que tomemos.
Entre los errores de tipo I y II hay una ntima relacin; para un mismo tamao de
muestra, cuando se disminuye el error , es decir, deseamos disminuir la probabili-
dad de equivocarnos al rechazar la hiptesis nula, el error , la probabilidad de acep-
tar la hiptesis nula siendo falsa, aumenta. Debe quedar muy claro por otra parte que,
con una misma muestra, puede aceptarse o rechazarse la hiptesis nula; todo depen-
de del error considerado de tal forma que cuanto ms pequeo sea ms dificil ser
rechazarla pero ms probable su aceptacin siendo falsa. Pues bien, el error ms
pequeo al que se puede rechazar la hiptesis nula es lo que antes hemos denomina-
do error P; supongamos que una hiptesis se puede rechazar para un nivel de error
del 5% pero no para un =1%; esto significa que el nivel de error ms pequeo al
que se puede rechazar H0 debe ser un nmero comprendido entre 0.05 y 0.01 y esto
se suele escribir de la forma
P < 0.05
Esta notacin proviene del hecho de que antes de la difusin de los paquetes esta-
dsticos-informticos, el estadstico solo tena acceso a tablas en las que nicamente
192 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
aparecan determinados valores de ; los ms usuales son: 0.20, 0.10, 0.05, 0.01 y
0.001. Por esta razn no se poda calcular el valor exacto de P y haba que confor-
marse con decir que era menor que 0.05 y mayor que 0.01; sin embargo, con la popu-
larizacin de los ordenadores el investigador puede obtener, para cualquier test, el
error P exacto por lo que la notacin anterior ir desapareciendo con el tiempo. Para
el ejemplo que venimos siguiendo, el error mnimo al cual podemos rechazar la hip-
tesis de igualdad de los dos tratamientos es P= 0.16; ya que este es un error bastante
grande respecto al convencional, el 0.05, no podemos rechazar la hiptesis nula y por
tanto la aceptamos. En definitiva, a la vista de los resultados de este estudio no hay
argumentos para decir que los dos tratamientos tienen distinta efectividad, lo que, por
abuso del lenguaje, se suele querer decir con la frase: los dos tratamientos tienen igual
efectividad. Aunque para cada caso particular habra que discutir el error a elegir,
la costumbre es rechazar la hiptesis nula si P es inferior a 0.05, lo que no se debe
tomar como dogma.
Como se puede apreciar, este intervalo contiene en su interior el valor cero, lo que
significa que ste puede ser un valor para la diferencia entre los dos tratamientos, es
decir, los dos tratamientos pueden ser iguales, lo que est de acuerdo con los resulta-
dos del contraste de hiptesis que antes hemos realizado.
6. Tamao de la muestra
Otra cuestin de vital importancia es el hecho de que, para un error fijo, toda
hiptesis nula se puede aceptar o rechazar dependiendo del tamao de muestra elegi-
do; con tamaos de muestra pequeos ser dificil rechazar una hiptesis nula y con
tamaos de muestra grandes ser fcil rechazarla. Si estamos interesados en demos-
trar cientficamente que la eficacia de las dos drogas A y B es la misma, no tenemos
ms que aplicar ambos tratamientos a un nmero pequeo de individuos; lo que no
se dice en estas ocasiones es que la potencia del test es muy pequea, o lo que es
igual, la probabilidad de aceptar H0 cuando es falsa es muy grande. De esta forma
parece claro que ante todo test no significativo, el caso de nuestro ejemplo, habra que
preguntar por la potencia dando as al lector un elemento de juicio acerca de la vero-
similitud de la hiptesis nula. Freiman et al. 18, revisaron 71 ensayos clnicos con resul-
tados no significativos publicados en The New England Journal of Medicine entre
los aos 1960 y 1977 y demostraron que la mitad de ellos tenan potencias menores
de 0.26 (sus errores eran mayores que 0.74) a la hora de detectar diferencias del
orden del 25%. De esta forma se puede decir que si no se considera a la hora del dise-
o el tamao de muestra, la ausencia de una prueba de eficacia no es prueba de la
ausencia de eficacia.
194 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Por el contrario, toda hiptesis nula, para un dado, se puede rechazar sin ms
que tomar un numero suficientemente grande de individuos en la(s) muestra(s); supon-
gamos que se quiere realizar un test de hipotesis acerca de la eficacia de las dos dro-
gas A y B; diferencias tan pequeas como pD+H pF = 0.001 pueden llevar el rechazo
de pD+H pF = 0 si tales estimaciones estn basadas en grandes tamaos de muestra.
Aqu aparece clara la necesidad de distinguir entre la significacin estadstica y la
significacon prctica; hasta qu punto tiene sentido afirmar que dos drogas tienen
efectos diferentes si sus probabilidades de curacin respectivas son 0.5 y 0.501?; en
el clculo del tamao de muestra interviene la diferencia que al investigador le pare-
ce importante detectar, es decir, la diferencia que tiene efectos prcticos.
________ ___________________ 2
Supongamos que la experiencia dice que el 40% de los tratados con la combina-
cin Dipirona+Hioscina responde positivamente; vamos a establecer como diferencia
clnicamente relevante la cantidad 0.1, es decir, consideraremos los dos tratamientos
clnicamente distintos cuando se diferencien en al menos un 10% en el porcentaje de
respuestas positivas; por tanto, p1 =0.4, |p1p2|=0.1, es decir p2 =0.3 o p2 =0.5; por razo-
nes en las que no podemos entrar aqu siempre se debe tomar el valor ms prximo
a 0.5. Si elegimos como error = 0.05 y potencia 1= 0.9, es decir, = 0.1, entonces
z 0.05 =1.96 y z 2(0.1 )= z 0.2 =1.28 segn la tabla de la distribucin normal, por lo que el
tamao de muestra viene dado por
________ ____________________ 2
lo que quiere decir que debemos tomar al menos 518 pacientes por grupo. Si dismi-
nuimos la potencia a 0.8, el valor z 2 es, segn la tabla de la normal, 0.842 por lo que
el tamao de muestra necesario pasa a ser 388; este resultado de un menor tamao de
muestra era esperable pues lo que hemos hecho ha sido disminuir la potencia y, por
tanto, aumentar el error de aceptar que los dos tratamientos son iguales cuando son
clnicamente distintos. Por otra parte, si definisemos como diferencia clnica de inte-
rs el valor 0.2, es decir, para asegurar que el Flurbiprofen tiene, o bien un 20% de
xitos, o bien, un 60%, el tamao de muestra sera ahora
________ ________________________ 2
para =0.05 y =0.9; con =0.05 y 1= 0.8, z 0.4 = 0.842 y el tamao sera de 97
pacientes por grupo.
En resumen, cuanto ms pequeos sean los dos tipos de error, es decir, ms segu-
ros estemos de los resultados, y cuanto menor sea la diferencia clnicamente impor-
tante, mayor ser el tamao de muestra necesario. El clnico que quiera llevar a cabo
el estudio debe pensar muy detenidamente en estas cuestiones; en general, como valor
se suele tomar 0.05, el valor ms comn de suele ser 0.20 y la diferencia clnica
relevante depende de la naturaleza de cada estudio y es el clnino el nico capacita-
do para establecerla. Es frecuente la desorientacin de ste cuando pregunta a un esta-
dstico por el tamao de muestra de su estudio y el estadstico le responde con la
pregunta acerca de la diferencia clnica en la que l est interesado; sin su respuesta
no se puede conocer cuantos pacientes hay que tomar.
Si ahora nos ponemos en el lugar del lector de un artculo en que aparecen dife-
rencias no significativas, la pregunta que nos debemos plantear: cual es la potencia
del test empleado?; dicho de otra manera: con el tamao de muestra de este estudio,
cual es la probabilidad de obtener resultados estadsticamente significativos en caso
de que los dos tratamientos sean distintos? La siguiente expresin permite el clculo
aproximado de la potencia de un test para comparar dos proporciones
__________
n(p1 - p2) 2
z 2 =
-
2p(1 - p)
z
__________
26(0.1) 2
z 2 =
- 1.96 = -1.235
2(0.45)(0.55)
que da lugar a una potencia de slo 0.11, es decir un error = 0.88; si slo se qui-
siera detectar una diferencia de 0.2 todava la potencia del test sera bastante baja, del
orden del 30%. Por tanto, el hecho de que no se encontrasen diferencias en el estu-
dio sobre el efecto del Flurbiprofen frente a la Dipirona+Hioscina es muy poco fia-
ble, existe una gran probabilidad de aceptar que son iguales aunque se diferencien en
un 0.2 de efectividad. Una amplia discusin acerca del tamao de muestra en estu-
dios de casos y controles puede encontrarse en Schlesselman 19 y para ensayos clni-
cos en la monografa de Machin y Campbell 20.
1. Introduccin
Variable Resultado
Dicotmica Continua
Hay otros estudios en los que la variable resultado es el tiempo que transcurre
desde la ocurrencia de un hecho hasta la ocurrencia de otro; por ejemplo, tiempo que
transcurre desde el diagnstico de cncer de prstata hasta la muerte del paciente debi-
da al tumor, tiempo desde la fecha del transplante de rin hasta la fecha de rechazo,
etc. En este tipo de estudios no siempre disponemos del valor exacto de la variable
resultado, el tiempo que transcurre, pues es posible que el paciente con el tumor muera
de un accidente de trfico, o que un transplantado no rechace nunca el rion. En ese
caso, estos estudios necesitan un tipo especial de anlisis conocido como anlisis de
supervivencia. Todos estos tipos de anlisis se exponen a continuacin.
2. Test de la t de student
Otra forma de evaluar la diferencia entre los dos tratamientos, hubiese sido dise-
ar un estudio en el que la variable resultado hubiese sido el tiempo transcurrido desde
la administracin del tratamiento hasta la desaparicin del dolor del clico nefrtico;
imaginemos que los resultados fuesen los que aparecen en la Tabla II.15. Lo que cam-
bia respecto al estudio anterior es el caracter de la variable resultado que en este caso
es el tiempo que pasa desde que se recibe el tratamiento hasta la desaparicin del
dolor, es decir, ahora la respuesta es una variable continua; como se acaba de decir,
el mtodo de anlisis para esta situacin es el test del la t de Student.
Tabla II.15. Tiempo transcurrido, en minutos, hasta la remisin del dolor clico.
24, 19, 30, 24, 29, 21, 26, 31, 18, 22, 31, 26, 16, 33,
Flurbiprofen 21, 25, 30, 20, 19, 22, 30, 9, 17, 28, 35, 26, 23, 17,
20, 27, 18, 37
Dipirona+ 32, 54, 36, 28, 19, 43, 28, 34, 32, 34, 29, 19, 22, 23,
Hioscina 33, 28, 33, 32, 49, 27, 37, 20, 28, 36, 31, 24, 20, 30,
29, 17, 28
Ahora la hiptesis nula sobre la que se quiere decidir es que el tiempo medio trans-
currido hasta la desaparicin del dolor es el mismo para los dos tratamientos. Los
tiempos medios en las dos muestras de 32 y 31 pacientes con clico nefrtico fu de
24.19 y 30.16 minutos para el Flurbiprofen y Dipirona+Hioscina, respectivamente,
PARTE II 199
con unas desviaciones tpicas de 6.240 y 8.327 minutos. La cuestin que ahora se
plantea es: la diferencia 24.19-30.16=5.97 minutos se puede achacar al azar ?, o lo
que es igual, estan de acuerdo los resultados del estudio con la hiptesis de que
ambos tratamientos tardan, por trmino medio, el mismo tiempo en hacer desapare-
cer el dolor? Para esta nueva situacin el estadstico de contraste es
_ _
| x 1 - x2 |
t exp =
_______
s 1 + 1
n1 n2
donde
x1 y n1 son la media y tamao de la primera muestra,
x2 y n2, los de la segun-
da y
_________________
s= (n1-1)s12 + (n2-1)s22
n1 + n2 -2
es una desviacin tpica obtenida ponderando las de las dos muestras; para nues-
tro ejemplo,
________________________
(32-1)6.24 2 + (31-1)8.327 2
s= = 7.34
32 + 31 -2
por lo que
distintos. Para evaluar si el valor 3.22 es suficientemente grande hay que compararlo
con el valor de una nueva distribucin, la t de Student, distribucin que depende de
un parmetro que tambin se denomina grados de libertad cuyo valor es n1 + n22. El
error mnimo al cual se puede rechazar la hiptesis de igualdad de los tiempos medios
para los dos tratamientos es P=0.002; como este es un error muy pequeo, rechaza-
mos tal hiptesis y concluimos que, salvo el error del 0.2%, hay evidencias para recha-
zar la hiptesis que estableca que los dos tratamientos tardan, por trmino medio, el
mismo tiempo en hacer desaparecer el dolor.
200 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Aqu son pertinentes los mismos comentarios que los realizados en II.C.5. acerca
de la comparabilidad de los grupos a efecto de poder achacar solo a los distintos tra-
tamientos los distintos tiempos medios de remisin del dolor.
Para evaluar los posibles valores de esa diferencia de tiempos medios calculamos
un intervalo de confianza para esa diferencia que viene dado por la expresin
_______
x1 -
x2 t s 1 +
1
n1 n2
lo que nos permite decir que, con una confianza del 95%, la combinacin Dipiro-
na+Hioscina tarda, por trmino medio, como mnimo 2.27 y como mximo 9.67 minu-
tos ms que el Flurbiprofen en hacer desaparecer el dolor del clico nefrtico.
Como la mayora de los tests estadsticos, el test de Student que se acaba de rea-
lizar es aplicable solamente si se cumplen una serie de condiciones previas; para el
test de Student tales condiciones establecen que las dos variables medidas, el tiempo
de duracin del dolor con cada tratamiento, sigan una distribucin normal y, por otra
parte, que las varianzas en las dos poblaciones sean parecidas. La primera se puede
obviar si los tamaos muestrales sean ambos mayores que 30, o bien, que siendo meno-
res que 30 las distribuciones de las dos variables no se diferencien mucho de la dis-
tribucin normal; la segunda condicin se puede resolver mediante el test de Welch 23.
Otra suposicin fundamental para poder aplicar este test es que las dos variables medi-
das sean independientes, es decir, los valores de una no vengan condicionados por los
de la otra; para el caso en que no se cumpla esta condicin, hay una versin del test
de Student para muestras dependientes o apareadas 24.
(z + z2) 2 (2 2)
n =
2
PARTE II 201
Cuando los tamaos de muestra son pequeos, en general, menores que 30 y las
variables medidas no siguen una distribucin normal, lo cual es bastante frecuente, no
se cumplen las condiciones de aplicacin del test de la t de Student. En esta situcin es
aplicable el llamado test de Mann-Whitney para muestras independientes, o bien el
test de Wilcoxon para muestras apareadas; estos dos tests forman parte de los llamados
tests no paramtricos o libres de distribucin, que se pueden aplicar sin que se cum-
plan las condiciones exigidas al test de Student pero que tienen una menor potencia 25.
Por ltimo, poner de relieve un error muy comn en las publicaciones mdicas;
es frecuente que en vez de evaluar dos tratamientos, se disee un estudio para com-
parar tres o ms tratamientos. Para analizar esta nueva situacin lo que suele hacer,
indebidamente, es aplicar el test de la t de Student a cada pareja de tratamientos; este
no es el camino correcto. En efecto, imaginemos un ensayo clnico en el que se quie-
re comparar la efectividad de cuatro formas distintas de administracin de un nuevo
tratamiento, frente a un tratamiento estandar; en definitiva, de lo que se trata es de
comparar cinco tratamientos; si se utiliza como estrategia de anlisis la comparacin
de todas las posibles parejas de tratamientos mediante la t de Student, tendremos que
realizar un test para comparar el tratamiento 1 con el tratamiento 2, otro test para com-
parar el tratamiento 1 con el tratamiento 3, etc. Ya que con cinco tratamientos pode-
mos formar diez parejas distintas de tratamientos, sern 10 el nmero de tests de
Student a realizar. Qu problemas presenta esta estrategia de anlisis?; si cada uno
de estos tests se hace con una confianza del 95%, es decir, un nivel de error de 0.05,
se puede demostrar que siendo los cinco tratamientos igualmente efectivos, existe en
el mejor de los casos una probabilidad, aproximadamente, del 30% de encontrar al
menos un test significativo; en definitiva, existe una probabilidad de un 30% de recha-
zar la hiptesis de igualdad de los cinco tratamientos, cuando realmente lo son. Por
tanto, cuando se llevan a cabo muchas comparaciones mediante tests de hiptesis, se
incrementa mucho el error de rechazar la hipteis nula siendo verdadera.
Para evitar esta dificultad conocida como el problema de las comparaciones ml-
tiples, hay una solucin que consiste en ser ms exigente a la hora de realizar cada
uno de los tests, es decir, disminuir el error en cada uno de ellos. La regla de Bon-
ferroni consiste en realizar cada test a un error /k, donde k es el nmero de tests a
efectuar; de esta manera el error global acumulado de todos los tests es aproximada-
mente el error deseado. Para el ejemplo anterior, declararamos cada test significa-
tivo slo si el error de rechazo fuese como mximo 0.05/10=0.005 para que el error
global fuese 0.05 aproximadamente.
202 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Respuestas a preguntas como las siguientes son de inters para el clnico: cmo
cambia el nivel de PSA cuando cambia el tamao de la glndula prosttica; cmo
cambia la tasa del filtracin glomerular con el cambio del nivel de creatinina en san-
gre?, etc. En la Tabla II.16. aparecen los datos de creatinina (X) y hemoglobina (Y)
medidos en 50 individuos pertenecientes a un estudio en el que se trataba de evaluar
la relacin entre esas dos variables en los enfermos con fallo renal crnico.
E(Y) = O + 1X
^ ^
donde y^ es la media estimada de la variable resultado y 0, 1 son las estimacio-
nes de los parmetros del modelo.
Tabla II. 16. Niveles de creatinina y hemoglobina en 50 individuos con fallo renal crnico.
X Y y^ Y-y^ X Y y^ Y-y^
Creatinina Hemoglobina Creatinina Hemoglobina
Hemoglobina (g/dl)
11
10
2 3 4 5 6 7 8 Creatinina (mg/dl)
^ ^
y^ = 0 + 1X
donde
^ (xi - x)(yi - y)
1 =
(xi - x) 2
y 1
0 =
^ ^
x
De todas formas el clculo es lo de menos pues hoy los ordenadores son accesi-
bles y ellos hacen este tipo de trabajo. La tabla de resultados que arrojara todo paque-
te estadstico informtico con estos datos sera parecida a la Tabla II.17., en donde en
una columna aparece las estimaciones de los parmetros del modelo y en otra sus res-
pectivos errores estndar
fallo renal crnico? Para responder a esta pregunta no hay ms que dividir el valor
absoluto de la estimacin del coeficiente de regresin entre su error estndar y com-
parar ese cociente con el valor de la distribucin normal al nivel de confianza 1- ele-
gido; siempre que tal cociente sea mayor que el valor de la tabla de la distribucin
normal se puede afirmar, salvo el error , que las dos variables son linealmente depen-
dientes. Segn la Tabla II.17. el error estndar de la estimacin del coeficiente de
regresin es 0.05312; por tanto, el cociente
0.5708
= 10.74
0.05312
hay que compararlo con el valor de la distribucin normal; si se elije una confianza
del 95%, el valor correspondiente de la normal es 1.96; ya que 10.74 es mayor que
1.96 podemos decir que, con un error inferior al 5%, la el nivel de hemoglobina est
asociado o depende del nivel de creatinina. Si el error estndar hubiese sido 0.5312,
el cociente anterior hubiese valido 1.074 que al ser menor que 1.96 no tendramos
argumentos para rechazar la independencia entre las dos variables y concluiramos
que la hemoglobina y la creatinina son linealmente independientes.
por lo que podemos decir con una confianza del 95% que el descenso medio de
hemoglobina ser como mnimo 0.47 g/dl y como mximo 0.67 g/dl, por aumento
en 1 mg/dl en el nivel de creatinina. El hecho de que este intervalo de confianza no
contenga el valor 0 est de acuerdo con el resultado del contraste que se acaba de
realizar.
es decir, segn el modelo ajustado, los pacientes con un nivel de 5.2 mg/dl de crea-
tinina tienen, por trmino medio, un nivel de 9.282 g/dl de hemoglobina; la colum-
na encabezada por el smbolo y^ de la Tabla II.16. da las estimaciones de los valores
medios de la hemoglobina para los distintos valores de creatinina; segn esa tabla,
la estimacin correspondiente a los pacientes con niveles de creatinina igual a 5.2
mg/dl es 9.278 que no coincide con el valor 9.282 arriba calculado por problemas
de redondeo.
Segn aparece en la Tabla II.16., se han observado cuatro pacientes con 5.2 mg/dl
creatinina en los que la hemoglobina medida fue 9.6, 9.8, 8.8 y 9.8 g/dl, respectiva-
mente; las diferencias entre cada uno de estos valores y la hemoglobina estimada
para ellos
nos dar idea de como se ajusta el modelo estimado en esos cuatro pacientes. Estas
diferencias entre los valores observados y los valores predichos por el modelo y^ , es
^
decir, las cantidades Yy, son los llamados residuales cuyos valores tambin apare-
cen en la Tabla II.16. El estudio de los residuales es una parte muy importante, aun-
que muy olvidada, del anlisis de regresin; de igual manera a lo comentado en los
dos tests anteriores, el test de la 2 y el test de la t de Student, el anlisis de regre-
sin lineal se puede llevar a cabo solo si se cumplen ciertas condiciones que de no
darse invalidan las conclusiones que se puedan derivar de l. Tales condiciones, que
escapan al nivel de esta monografa, se comprueban precisamente a partir del anli-
sis de los residuales as como otras cuestiones de inters como son la identificacin
de las llamadas observaciones extremas (outliers) que son aquellas que tienen resi-
duales grandes, es decir, hay gran desacuerdo entre lo observado y lo predicho por el
modelo, y las denominadas observaciones influyentes que son aquellas cuya presencia
o ausencia cambia sensiblemente las estimaciones de los parmetros del modelo. Debi-
do a la complejidad de este tipo de anlisis de los residuales, el clnico debera bus-
car la colaboracin de un estadstico.
4. Correlacin
cambio que experimenta la media de la variable resultado con el aumento en una uni-
dad de la predictora, cambio que se cuantifica mediante el coeficiente de regresin.
Sin embargo, en la Fig. II.24 aparecen dos nubes de puntos que dan lugar al mismo
coeficiente de regresin pero es evidente que la relacin que representan las dos gr-
ficas es distinta; en la de la izquierda la relacin entre las dos variables es ms estre-
cha que en la de la derecha; por tanto, el coeficiente de regresin no capta la mayor
o menor fuerza de la asociacin entre dos variables. El coeficiente de correlacin
de Pearson entre dos variables continuas es una medida de la fuerza de la asociacin
entre tales variables; de alguna manera, similar al riesgo relativo para el caso de varia-
bles categricas. El coeficiente de correlacin entre dos variables puede ser cualquier
nmero comprendido entre -1 y 1; el signo de este coeficiente indica el sentido del
cambio de la variable resultado con el cambio de la predictora; as, un coeficiente de
correlacin negativo indica que a mayor valor de la predictora, menor valor de la
variable resultado; si el signo es positivo indica que cuando aumenta una, tambin
aumenta la otra. El valor absoluto del coeficiente de correlacin informa de la fuerza
de la asociacin entre las dos variables; un coeficiente de correlacin con valor abso-
luto prximo a 1, es decir, un coeficiente de correlacin prximo a -1 o a 1, indica
que las dos variables estn estrechamente asociadas. Un coeficiente de correlacin
prximo a cero indica poca o nula asociacin entre las variables.
y y
12 12
10 10
8 8
6 6
2 4 6 8 10 x 2 4 6 8 10 x
Como todo parmetro no va a ser conocido, por lo que hay que conformarse con
una estimacin a partir de los datos de la muestra elegida; tal estimacin viene dada
por la expresin
n
(xi - x)(yi - y)
i=1
r =
__________________
n n
(xi - x) 2 (yi - y) 2
i=1 i=1
-60.89
r =
_______________ = -0.84
(106.67) (49.205)
Ya que el valor 0 del coeficiente de correlacin indica no asociacin entre las dos
variables, la creatinina y la hemoglobina, la cuestin que ahora se plantea es de deci-
dir si la estimacin -0.84 es estadsticamente distinta de cero, pues cero es el valor
del coeficiente de correlacin que establece la no asociacin o independencia lineal
entre las dos variables. Para ello no hay ms que calcular el valor del estadstico
|r |
__________
(1 - r 2)
n-2
0.84
__________ = 10.73
(1 - 0.842)
50 - 2
^ sX
r = 1
sY
por tanto que el coeficiente de correlacin sea cero, lo que equivale a afirmar que
las dos variables son independientes, implica que el coeficiente de regresin tambin
vale cero; de todas formas, ambos coeficientes expresan conceptos completamente
distintos.
Como en todos los tests vistos hasta ahora, sealar que para poder hacer inferen-
cias acerca del coeficiente de correlacin es necesario que al menos una de las varia-
bles medidas siga una distribucin Normal. Hay muchas ocasiones en que interesa
medir la fuerza de la asociacin entre dos variables que ninguna de ellas cumple la
condicin de seguir una Normal; por ejemplo, cuando las variables son ordinales o
212 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Creatinina 38 33.5 43.5 14 24 38 24 6.5 48 15.5 2.5 31.5 12.5 47 24 19.5 10 19.5 46 36 42 4.5
(Rangos) 40 19.5 50 28 1 24 35 19.5 31.5 9 24 27 30 41 45 43.5 6.5 33.5 2.5 4.5 38 15.5 29 11
12.5 49 8 17
Hemoglobina 20.5 41 11.5 28 28 3.5 35.5 31 3.5 48 49 32.5 28 8 39 17.5 44 24 5 14.5 10 47 11.5
(Rangos) 20.5 2 28 50 17.5 24 22 17.5 42 39 24 17.5 13 8 6 45 34 43 28 8 14.5 35.5 32.5 39 1
37 46
6 di 2
rS = 1-
3
n -n
Por ltimo, sealar que tanto el anlisis de regresin como de correlacin tan solo
puede poner en evidencia asociaciones entre variables; para dar el salto de la asocia-
cin a la causalidad se requieren otros argumentados adicionales que se discutirn en
el captulo II.E.
5. Regresin logstica
Para analizar este tipo de relaciones lo que trataremos ser de expresar la proba-
bilidad de que un individuo presente la caracterstica de inters, desarrollar un cn-
cer, ser hipertenso, etc., en funcin de la variable predictora; si notamos por P tal
probabilidad, siguiendo lo visto en la regresin lineal, podramos expresar el modelo
de la forma
P = 0 + 1X
donde, como antes, X es la variable predictora. Sin embargo, el modelo este tiene algu-
nos inconvenientes que lo invalidan para nuestro propsito; una de las razones para
la no utilidad de este modelo es que podra ocurrir que calculadas las estimaciones de
los parmetros del modelo, la sustitucin de algunos valores de la predictora dieran
lugar a valores no permitidos para una probabilidad, es decir, valores fuera del inter-
214 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
valo (0,1). Para evitar ese problema lo que vamos a hacer es realizar una transforma-
cin de la probabilidad de presentar la caracterstica de inters, denominada trans-
formacin logit, que consiste en el logaritmo de la ventaja P/(1P) de presentar la
caracterstica, por lo que el modelo lo formularemos as
P
log = 0 + 1X
1-P
P1 P2
log = 0 + 1 x1 log = 0 + 1 x2
1 - P1 1 - P2
P1
P1 P2 1 - P1
log - log = log = 1 (x1 - x2)
1 - P1 1 - P2 P1
1 - P1
P1
1 - P1
= O.R.
P1
1 - P1
es la odds ratio, podemos afirmar que para dos individuos que se diferencian en una
unidad en relacin a la predictora
log(O.R.) = 1
PARTE II 215
o lo que es igual
O.R. = e 1
Edad gestacional
24 25 26 27 28 29 Total
Vivo 3 16 38 49 45 30 181
Muerto 26 56 69 50 21 7 229
El problema est en estudiar como cambia el riesgo de muerte con la edad gesta-
cional; para ello tenemos que estimar los parmetros del modelo a partir de los datos
del estudio. El criterio de estimacin de los parmetros de un modelo de regresin
logstica, denominado el mtodo de la mxima verosimilitud es bastante ms com-
plejo que el de los mnimos cuadrados empleado en el caso de la regresin simple,
pues no hay frmulas explcitas para las estimaciones de los parmetros como ocu-
rra en la regresin lineal; el cculo de las estimaciones se basa en procesos matem-
ticos complejos que requieren gran cantidad de clculo hasta tal punto que solo son
posibles mediante el auxilio de un ordenador.
216 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
P
log = 18.36 0.6819 Edad
1P
nas y ste a su vez a 1.98 veces ms que uno de 27 semanas, etc., el riesgo del de 25
semanas ser (1.98)(1.98)(1.98)(1.98)=15.34 veces mayor que el de 29 semanas. En
general, el riesgo de un recin nacido de x1 semanas respecto a otro de x2 semanas
viene dado por la expresin
e0.6931(x 1 x2)
donde la diferencia entre este valor y el 15.34 antes calculado se debe a problemas
de redondeo. En definitiva, un recin nacido de 25 semanas est a un riesgo de morir
15 veces mayor que un recin nacido de 29 semanas. La Fig. II.25 ilustra los logits
observados y los ajustados mediante el modelo de regresin logstica.
Logit
2
-1
Edad en
24 25 26 27 28 29 semanas
6. Anlisis de supervivencia
Las tcnicas estadsticas que resuelven los problemas anteriores constituyen lo que
se conoce por anlisis de supervivencia; stas son tcnicas cuyo objetivo es estudiar
el tiempo que transcurre desde la ocurrencia de un determinado suceso: comienzo de
un tratamiento, diagnstico de cncer, remisin del cncer, etc., hasta la ocurrencia de
otro: curacin de la enfermedad, muerte, ocurrencia de recidiva, etc., respectivamen-
te. El nombre de estas metodologas se debe al hecho de que se han empleado hasta
PARTE II 219
la fecha principalmente para el estudio del tiempo desde el diagnstico de cncer hasta
la muerte del paciente.
1 10.00 0
2 6.51 1
3 7.27 0
4 4.82 1
5 8.00 0
6 9.00 0
7 7.70 1
8 3.44 1
9 1.56 1
10 0.65 1
Tiempo de
0 2 4 6 8 10 seguimiento
N de observacin
10 Fallecido
Censurado
8
Tiempo de
0 2 4 6 8 10 supervivencia
As, para realizar cualquier estudio de supervivencia tendremos que disponer de,
al menos, la variable tiempo de vida o supervivencia de cada paciente y si es o no
una observacin censurada, codificando sta usualmente como 1 si ha fallecido duran-
te el seguimiento o 0 si es censurado.
6. 1. El mtodo de Kaplan-Meier
De esta forma se tiene que, de los 10 pacientes que constituyen la cohorte, ni-
camente han fallecido 6 en los instantes de tiempo t1 =0.65, t2 =1.56, t3 =3.44, t4 =4.82,
t5 = 6.51 y t6 =7.70 y el resto han sido censurados, es decir, la observacin 3 tiene un
tiempo de vida superior a 7.27 aos y los restantes pacientes sobrevivieron al menos
8 aos. Llegados a esta situacin podemos definir para cada instante tk , k =1,...,6, lo
que se denominan grupos de riesgo Rk, constituidos por el nmero de individuos que
222 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
permanecen con vida justo antes de dicho instante; as, inmediatamente antes del pri-
mer tiempo de muerte, los 0.65 aos, los 10 pacientes estn a riesgo de muerte por lo
que R1=10; slo 9 de los 10 pacientes estn a riesgo de muerte inmediatamente antes
de los 1.56 aos, pues uno de los pacientes ya muri; por tanto, R2 =9; de forma simi-
lar, los restantes grupos de riesgo para los diferentes tiempos de muerte son R3 =8,
R4 =7, R 5= 6 y R6 = 4.
En el tiempo t1 =0.65 muere uno de los pacientes de los 10 que estaban a riesgo
de morir, el grupo R1 , por lo que quedan 9 con vida, luego la probabilidad de sobre-
^
vivir al tiempo t1 = 0.65 es el cociente S(0.65)= 9/10 = 0.9. Entre los nueve que que-
dan a riesgo de muerte despus del tiempo 0.65 aos, el grupo R2, no se produce
ninguna muerte hasta los 1.56 aos; as, entre los 0.65 y los 1.56 aos, la estimacin
de la supervivencia sigue siendo 0.9. En el tiempo 1.56 se produce una muerte entre
los 9 a riesgo, por lo que la probabilidad de sobrevivir, de entre los que sobrevivie-
ron al primer tiempo de muerte, al tiempo 1.56 ser 8/9.
Los pacientes que continuan con vida despues del tiempo t2 =1.56 son aquellos
que sobrevivieron a t1=0.65 y a t2 =1.56, luego la probabilidad de sobrevivir a t2=1.56
ser el producto de la probabilidad de sobrevivir a t1 =0.65 por la de sobrevivir a
^ ^
t2 =1.56, es decir, S(1.56)= (9/10) (8/9)= 0.8. De igual forma, S(3.44) es la probabili-
dad de superar con vida el instante de tiempo t1 =0.65, t2 =1.56 y t3 =3.44, luego ser
^
el producto de tres probabilidades dado por S(1.56)=(9/10) (8/9)(7/8)=0.7.
^
R1 - d1 Rk - dk
S(tk) = x ... x
R1 Rk
^ 10 - 1 9 - 1 8-1
S(3.44) = x x = 0.7
10 9 8
0.65 10 1 0.900
1.56 9 1 0.800
3.44 8 1 0.700
4.82 7 1 0.600
6.51 6 1 0.500
7.70 4 1 0.375
Obsrvese que entre dos instantes de tiempo en que ocurre una muerte, la super-
vivencia se mantiene constante puesto que en ese periodo de tiempo no fallece nin-
^ ^
gn paciente; as, si S(0.65)=0.9 y S(1.56)=0.8, la supervivencia entre 0.65 y 1.56 se
mantiene igual a 0.9 por ser el nmero de personas que continan con vida el mismo
^ ^
en ese periodo de tiempo. Igualmente, si S(6.51)=0.5 y S(7.70)=0.375, el tiempo de
supervivencia entre 6.51 y 7.70 es 0.5 puesto que entre ambos instantes de tiempo no
se produce ningn fallecimiento. Teniendo en cuenta estas consideraciones puede cons-
truirse una curva de supervivencia escalonada, representando en el eje horizontal el
tiempo en aos y en el vertical las probabilidades de vida, obtenindose la Fig. II.28
Supervivencia
1.0
0.8
0.6
0.4
0.2
0.0
Tiempo de
0 2 4 6 8 10 supervivencia
En ella puede verse que la probabilidad de continuar con vida tras 4 aos a par-
tir del diagnstico del tumor es 0.7, es decir, el 70% de la poblacin tiene una super-
vivencia superior a 4 aos, vive ms de 4 aos, tras el diagnstico de cncer de prstata.
Como se puede ver, la representacin grfica de la curva de supervivencia es una linea
en forma de escalera, donde cada peldao viene condicionado por la presencia de algu-
na muerte en el tiempo correspondiente y la supervivencia se mantiene constante entre
cada dos tiempos consecutivos de muerte.
GRUPO 1 (Hombres) 8, 78*, 109, 109, 137, 196, 253, 325, 345, 560, 730
GRUPO 2 (Mujeres) 82, 253, 342, 381, 404, 662, 838, 1114, 1159
0.6
0.4
0.2
0.0
0 200 400 600 800 1000 1200 Tiempo
Fig.II.29.- Curvas de supervivencia de una cohorte de hombres y mujeres con cncer.
PARTE II 225
Para realizar este contraste construimos una tabla donde, para cada tiempo de muer-
te, est recogido el nmero de fallecimientos observados en los grupos de hombres y
mujeres, dados por OH y OM respectivamente, y el nmero de pacientes que contin-
an en observacin dentro de cada grupo, es decir, el nmero de individuos de cada
grupo que viven justo antes de cada tiempo de supervivencia; este conjunto de pacien-
tes a riesgo en cada grupo estar representado por RH y RM respectivamente. Supo-
niendo la hiptesis nula cierta, vamos a comparar las muertes observadas con las
esperadas mediante un razonamiento similar al de las tablas de contingencia y ver
cmo de parecidos son estos valores. Si estn muy prximos podremos aceptar como
vlida la hiptesis inicial y concluir que no hay diferencias entre los grupos estudia-
dos; si por el contrario las muertes esperadas son muy diferentes a las observadas
rechazaremos nuestra hiptesis nula.
OH + OM
R M
RH + RM
La Tabla II.25. muestra el proceso completo para calcular las muertes esperadas
en cada grupo de pacientes, obtenindose los valores 6.089 para los hombres y 12.91
para las mujeres.
Tiempos de OH OM O+O
H M RH R
M R+R
H M
O+O
H M
R
H
O+O
H M
R
H
supervivencia R+R
H M R+R
H M
8 1 0 1 11 9 20 0.550 0.450
82 0 1 1 9 9 18 0.500 0.500
109 2 0 2 9 8 17 1.059 0.941
137 1 0 1 7 8 15 0.467 0.533
196 1 0 1 6 8 14 0.428 0.571
253 1 1 2 5 8 13 0.769 1.231
325 1 0 1 4 7 11 0.364 0.636
342 0 1 1 3 7 10 0.300 0.700
345 1 0 1 3 6 9 0.333 0.667
381 0 1 1 2 6 8 0.250 0.750
404 0 1 1 2 5 7 0.286 0.714
560 1 0 1 2 4 6 0.333 0.667
662 0 1 1 1 4 5 0.200 0.800
730 1 0 1 1 3 4 0.250 0.750
838 0 1 1 0 3 3 0.000 1.000
1114 0 1 1 0 2 2 0.000 1.000
1159 0 1 1 0 1 1 0.000 1.000
Si comparamos las sumas de las muertes observadas con las esperadas en cada
grupo mediante el estadstico de Pearson, como hacamos en las tablas de contingen-
cia, obtendremos el valor
PARTE II 227
que ser comparado con el valor de una distribucin 2 con 1 grado de libertad, obte-
nindose un valor P de 0.055. En consecuencia, con un error P muy prximo a 0.05,
podemos rechazar la hiptesis nula de igualdad de supervivencia en los dos grupos,
es decir, la supervivencia en hombres es distinta a la de las mujeres.
No hay que perder de vista sin embargo que el tamao de la muestra estudiada es
muy importante para que el test efectuado sea fiable en el sentido de tener una
potencia aceptable, por lo que antes de realizar cualquier comparacin entre grupos
es necesario asegurarnos de que el diseo de la investigacin es el correcto y el tama-
o muestral el adecuado; en caso contrario las conclusiones obtenidas podran ser err-
neas y en absoluto fiables. Machin 29 presenta tablas para el nmero de pacientes
necesarios para realizar el test Log-Rank en ensayos clnicos, dando tablas que faci-
litan este trabajo.
E. ANALISIS MULTIVARIANTE
E. Snchez-Cantalejo Ramrez
Ricardo Ocaa Riola
E. Perea-Milla Lpez
1. Confusin e interaccin
Como puede imaginar el lector, un anlisis tan sencillo como el expuesto en II.C.5
acerca de la asociacin entre dos variables puede presentar graves inconvenientes;
pudiera ser que el Flurbiprofen fuese un tratamiento ms eficaz que la combinacin
de Dipirona+Hioscina y que el hecho de no haber encontrado asociacin se deba a
que, bien por un mal diseo del estudio o bien por azar, en el grupo del Flurbiprofen
hubiesen caido los enfermos con un cuadro clnico ms grave que en el grupo trata-
do con Dipirona+Hioscina, lo que constituira un sesgo en el diseo del estudio. Para
poder comparar la eficacia de dos tratamientos deberemos estar seguros de que los
dos grupos de enfermos a los que se les aplican tales tratamientos son similares en
trminos de cualquier variable que pueda afectar al resultado, pues en caso contrario
estamos midiendo algo distinto al efecto del tratamiento: el efecto del tratamiento ms
el de las variables en las que los dos grupos no son similares. Si los grupos no son
parecidos en cuanto a las variables que puedan afectar al resultado, no nos va a ser
posible diferenciar el efecto de stas y el del tratamiento, por lo que no podremos
alcanzar el objetivo para el que se plante el estudio.
1. 1. Confusin
Curacin
S No Total
Tratamiento A 40 60 100
Tratamiento B 60 40 100
Discutiendo los resultados con los supuestos investigadores, nos dicen que el tra-
tamiento A fu aplicado mayoritariamente en hombres, mientras la mayora de los tra-
tados con B fueron mujeres. Inmediatamente se plantea la siguiente pregunta: qu
influencia puede tener el hecho de que en los dos grupos de enfermos no haya la
misma proporcin de hombres que de mujeres? Para responder a esta pregunta lo que
vamos a hacer es desagregar la Tabla II.26, formando dos tablas, una para hombres y
otra para mujeres, como aparece en la Tabla II.27.
Hombres Mujeres
Curado No curado Curado No curado Total
Tratamiento A 16 57 24 3 100
Tratamiento B 2 10 58 30 100
En una situacin como sta en que el grado de asociacin entre dos variables, tra-
tamiento y curacin, es distinto si se tiene o no en cuenta otra variable, el sexo, se
dice que esta ltima es una una variable confusora para la asociacin entre el tipo
de tratamiento y la curacin. Si no se tiene en cuenta el sexo, o dicho de otra forma,
si no se controla por el sexo, se dice que existe confusin entre las dos variables,
tratamiento y curacin. Lo que se acaba de hacer es estudiar la relacin entre dos
variables en los distintos estratos de una tercera, el sexo; a este proceso se denomina
estratificacin; evidentemente, la estratificacin se debe hacer en base a ms de una
variable, a tantas como variables estn desigualmente distribuidas en los grupos de
tratamiento y que puedan afectar al resultado. Obsrvese por ltimo que los riesgos
en los dos estratos, los grupos formados segn la variable por la que se controla, son
similares entre s, 1.32 y 1.35, pero distintos al obtenido sin estratificar; ya que los
riesgos en los estratos son similares, tiene sentido hablar de un nico riesgo relativo
para los hombres y para las mujeres.
En este ejemplo hemos controlado el efecto confusor del sexo analizando la aso-
ciacin entre el tratamiento y la curacin en ambos grupos de sexo; por eso se dice
que en este caso se ha controlado la confusin en la fase de anlisis del estudio. Otra
forma de controlar el efecto confusor de las variables es en la fase de diseo, obli-
gando en esta fase del estudio a que las variables confusoras, en nuestro ejemplo el
sexo de los pacientes, se distribuya de igual forma en los dos grupos de tratamiento,
es decir, diseando un estudio apareado.
1. 2. Interaccin
Supervivencia
S No Total
Hombre 17 49 66
Mujer 25 31 56
Total 42 80 122
Segn la Tabla II.28., una estimacin del riesgo de muerte entre los hombres viene
dada por el cociente 49/66 y, para las mujeres, 31/56; por tanto el cociente
(49/66)/(31/56)=1.34 es el riesgo relativo de muerte de los hombres respecto a las
mujeres; es decir, un hombre con melanoma est a un 34% de ms riesgo de muerte
que una mujer. Entre las variables que se analizaron en el estudio estaba la edad de
los pacientes al diagnstico; si disponemos de esta variable, sera deseable estudiar si
este riesgo de 1.34 se mantiene, independientemente de la edad a la que se diagns-
tic el melanoma en el paciente, es decir, el riesgo relativo de muerte de los hom-
bres respecto a las mujeres es el mismo sea cual sea la edad? Para responder a esta
pregunta, vamos a considerar dos grupos de pacientes en funcin de su edad: los que
tienen 45 aos o menos y los que tienen ms de 45 aos. La Tabla II.29 presenta estos
resultados. Segn sta, entre los 32 pacientes ms jvenes, los que tienen menos de
46 aos, el riesgo de muerte entre los hombres es de 19/(3+19) y 4/(6+4) entre las
mujeres; es decir, para este grupo de edad, el riesgo relativo de muerte de los hom-
bres respecto a las mujeres es (19/22)/(4/10)=2.16. Para el otro grupo de edad, los 90
pacientes de ms de 45 aos, tal riesgo relativo vienen dado por (30/44)/(27/46)=1.16;
recurdese que este riesgo era 1.34 si no considerbamos la edad de los pacientes.
Hombre 3 19 14 30 66
Mujer 6 4 19 27 56
PARTE II 233
En el segundo ejemplo, las cosas son distintas. En este caso las asociaciones entre
la supervivencia al melanoma y el sexo en los dos grupos que hemos formado en fun-
cin de la edad, son diferentes; por tanto, aqu no tiene sentido hablar de asociacin
entre supervivencia y sexo, si no se especifica a qu grupo de edad pertenece el pacien-
te. En caso de presencia de interaccin no tiene sentido dar un valor resumen de los
distintos estratos pues en stos las cosas son muy diferentes.
En el apartado anterior se ha visto cmo la relacin entre dos variables puede estar
condicionada por una tercera variable; si no se controla por sta, la asociacin encon-
trada entre las dos primeras puede ser errnea. Esta dificultad se puede obviar estu-
diando la relacin de inters en distintos estratos de la variable por la que se quiere
controlar; en el apartado II.E.1.1. sobre confusin controlamos por el sexo de los pacien-
tes y en II.E.1.2, el apartado sobre interaccin, la variable de control fu la edad. Sin
embargo, en la prctica, la asociacin entre dos variables puede estar influida por dos
o ms variables: el sexo, la edad, el estado de la enfermedad al diagnstico, etc.
234 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Siguiendo con la estrategia antes expuesta, tendramos que estudiar la relacin de inte-
rs en los distintos grupos de enfermos formados en base a su sexo, edad, estado al
diagnstico etc. El inconveniente que presenta tal estrategia es la multidud de grupos
que se pueden formar; por ejemplo, imaginemos estas tres variables de las que for-
mamos 2 grupos para el sexo, 4 para la edad y otros 4 para el estado de la enferme-
dad; en definitiva seran 2x4x4=32 grupos, por lo que la asociacin de inters habr
que estudiarla en estos 32 grupos. Como quiera que en la investigacin clnica el nme-
ro de sujetos en estudio suele ser de moderado a bajo (en el ensayo clnico sobre el
efecto del Flurbiprofen eran 52 pacientes, en el ejemplo de la supervivencia al mela-
noma cutneo eran 122, etc.), ello significa que si hay muchos estratos en los que estu-
diar la relacin de inters, el nmero de pacientes en cada uno de los estratos va a ser
muy pequeo; as, si se quisiera controlar por sexo, edad y estado en el ensayo del
Flurbiprofen, el nmero medio de pacientes por estrato sera 52/32=1.62. Es decir, en
la mayoria de los estratos tendramos uno o dos enfermos; el lector puede imaginar
qu se puede deducir de cada uno de esos estratos con tan poca informacin.
Por anlisis multivariante se puede entender el anlisis estadstico que trata con
tres o ms variables simultneamente; bajo este criterio, la estratificacin es una tc-
nica multivariante con las deficiencias que se han comentado anteriormente. De las
muchas tcnicas del anlisis multivariante, nosotros vamos a hablar exclusivamente
de tcnicas de regresin, pues el clnico suele estar interesado en estudiar cmo afec-
PARTE II 235
tan a una variable, la variable resultado, los cambios en otras variables, las predicto-
ras; por ejemplo cmo cambia el peso del recin nacido con la edad y el peso de la
madre?; cmo cambia el riesgo de infarto de miocardio con el cambio de los nive-
les de triglicridos y de HDL; cmo cambia la supervivencia del cncer de mama
segn el estado al diagnstico y la edad de la mujer? Las tcnicas de regresin mul-
tivariantes que se exponen a continuacin son, con mucho, las ms utilizadas en la
investigacin sanitaria.
Estos son tres ejemplos que se pueden analizar con las tcnicas de regresin que
vamos a presentar en este captulo; la eleccin de estas tres se debe principalmente
a la gran eclosin que se ha producido en su empleo en los ltimos aos en las publi-
caciones mdicas. Algunas de ellas, como la regresin lineal mltiple, son tcnicas
muy antiguas, y las otras, como la regresin logstica y la regresin de riesgos pro-
porcionales, son ms recientes. La razn de su gran popularidad, y no slo en la lite-
ratura sanitaria, es debido a la disponibilidad de los ordenadores; en general, las
tcnicas multivariantes implican clculos muy complicados que pueden llegar a impli-
car millones de operaciones aritmticas lo que, evidentemente, slo una mquina es
capaz de llevar a cabo.
donde X1, X2, ..., Xp son las p variables predictoras y 0, 1, ..., p son parmetros
a estimar y que nos darn idea de la asociacin de las predictoras con la variable resul-
tado; la interpretacin de estos parmetros depender del modelo elegido, como se
ver ms adelante. En cuanto a las predictoras, no hay ninguna restriccin acerca de
su naturaleza, pudiendo ser categricas o numricas, tanto discretas como continuas
en cualquiera de los tres modelos.
236 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
El modelo de regresin lineal mltiple permite estudiar la relacin entre una varia-
ble resultado continua y un conjunto de dos o ms predictoras, pudiendo ser stas de
cualquier naturaleza; si notamos por Y la variable resultado y por X1, X2, ..., Xp las
predictoras, tal modelo establece que la media de la variable resultado E(Y) se puede
expresar por la relacin
donde los i son los parmetros del modelo, a estimar a partir de la muestra de
sujetos elegida; cuando se dispone de una sola predictora este modelo se reduce al de
la regresin lineal simple. Recurdese que en este caso los parmetros se estimaban
por el mtodo de los mnimos cuadrados; en el modelo multivariante es el mismo
mtodo de estimacin pero ms complicado, aunque slo desde el punto de vista del
clculo, cuestin que no debe preocupar, pues eso lo realiza el ordenador.
edad y sexo del mdico; 8) actitud y conocimiento de la diabetes por parte del mdi-
co; 9) existencia de protocolo para el tratamiento de la enfermedad, etc. Como medi-
da del control de la enfermedad utilizan el porcentaje de hemoglobina glicosilada
(hemoglobina A1) de tal manera que a mayor valor de esta variable peor control exis-
te de la enfermedad.
Para poder interpretar los resultados es fundamental conocer cmo se han asigna-
do los valores a las distintas categoras de las variables; en la notacin que utilizan
los autores del trabajo para la variable sexo (mujer/hombre) significa que a las muje-
res le han asignado valor 1 y a los hombres el 0; a los que han tenido acceso al die-
tista hospitalario le asignaron valor 1 y a los que no tuvieron acceso valor 0; etc.
Veamos entonces cmo interpretar los resultados de este estudio. En primer lugar,
toda variable que tenga un coeficiente estimado con signo positivo significa que a
mayor valor de tal predictora mayor valor de la variable respuesta. El valor 0.72 corres-
pondiente al sexo se interpreta de la siguiente forma: a igualdad de tipo de tratamiento,
de nmero de enfermedades relacionadas con la diabetes, aos desde el diagnstico,
acceso al distista hospitalario e inters del mdico en la diabetes, una mujer (valor 1
de la variable sexo) tiene por trmino medio 0.72 unidades de hemoglobina A1 ms
que un hombre (valor 0 de la variable sexo); es decir, a igualdad en las restantes varia-
bles que aparecen en el modelo, las mujeres tienen peor control, mayor porcentaje de
hemoglobina glicosilada, que los hombres. El valor 0.72 estima el cambio medio en
hemoglobina A1 de las mujeres respecto de los hombres, la categora de referencia.
La estimacin 0.29 significa que a igualdad de las restantes variables, los pacien-
tes tratados con antidiabticos orales tienen 0.29 unidades ms de hemoglobina A1
que los tratados con insulina; de igual forma, los tratados slo con dieta tienen por
trmino medio 0.97 unidades menos que los tratados con insulina. Aqu se puede
observar que se comparan tanto los tratados con antidiabticos orales como los trata-
dos con dieta, respecto a los tratados con insulina; recurdese que los tratados con
insulina eran los sujetos identificados con la pareja (0,0) que se eligi como catego-
ra de referencia.
El valor -0.86 correspondiente a la variable que mide el inters del mdico por la
diabetes se puede interpretar como que a igualdad de valores en las restantes varia-
bles, las personas tratadas por un mdico interesado en la diabetes tienen por trmi-
no medio 0.86 unidades menos de hemoglobina A1 que las personas tratadas por un
mdico sin especial inters en esta enfermedad; es decir, el hecho de que el mdico
tenga un especial inters en la diabetes est asociado a un mejor control de la enfer-
medad en sus pacientes.
Hasta ahora hemos interpretado el efecto de una sola variable, es decir, hemos
comparado mujeres con hombres, tratados por un mdico con inters en la diabetes
frente a los tratados por un mdico sin especial inters en esta enfermedad, etc. Tam-
240 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
bin es posible la comparacin entre dos diabticos que difieran en dos o ms varia-
bles de las que aparecen en la Tabla II.30.; por ejemplo, qu diferencia promedio
existe entre un hombre (sexo=0), tratado con insulina (tratamiento=(0,0)), con tres
enfermedades relacionadas con la diabetes (N enfermedades=1), con una diabetes
diagnosticada hace 8 aos (Aos desde el diagnstico=1), con acceso al dietista
(Acceso=1) y tratado por un mdico interesado en la diabetes (Inters=1), respecto
a una mujer (sexo=1), tratado con dieta (tratamiento=(0,1)), con 1 enfermedad rela-
cionada con la diabetes (N enfermedades=0), con una diabetes diagnosticada hace
3 aos (Aos desde el diagnstico=0), sin acceso al dietista (Acceso=0) y tratada
por un mdico interesado en la diabetes (Inters=1)? Segn el modelo estimado, el
nivel medio de hemoglobina A1 para los hombres de las caractersticas del anterior-
mente descrito es
En tercera columna de la Tabla II.30. aparecen los errores estndar de las estima-
ciones de los parmetros del modelo; como todo error estndar, stos dan idea de la
fiabilidad de las estimaciones y nos permiten tanto evaluar la significacin estadsti-
ca de la asociacin entre las predictoras con la variable resultado como la construc-
cin de intervalos de confianza para los parmetros del modelos. As, dividiendo cada
estimacin por su error estndar y comparando tal cociente en la distribucin normal
nos permite evaluar el error P; por ejemplo, el cociente entre la estimacin 0.72 corres-
pondiente al sexo y su error estndar 0.28, 0.72/0.28=2.57 nos permite afirmar que el
sexo est relacionado con el control de la diabetes con un error aproximadamente igual
a 0.01. Obsrvese como el cociente 0.29/0.37=0.78 no es significativo ni a un error
tan alto como el 0.40, por lo que no hay evidencias para afirmar que existan diferen-
cias, en trminos del control de su diabetes, entre los individuos tratados con antidia-
bticos orales y los tratados con insulina.
Tambin podemos construir intervalos de confianza para cada uno de los par-
metros correspondientes a las variables presentes en el modelo. Como se dijo en el
PARTE II 241
apartado II.C.3, los intervalos de confianza para un parmetro cuyo estimador siga
una distribucin normal tiene como expresin general
estimador z(e.e)
Todo modelo estadstico se puede aplicar si y solo si se cumplen una serie de hip-
tesis acerca de las variables medidas; en caso de que stas no se cumplan las conclu-
siones que se derivan del modelo construido no son vlidas por lo que es necesario
la comprobacin de su verificacin. El conjunto de tcnicas relacionadas con esta cues-
tin se conoce como diagnstico del modelo. Aunque esto es un tema que sale fuera
del nivel de la presente monografa es una cuestin de gran importancia y, desgra-
ciadamente, muchas veces olvidada; de nuevo la colaboracin con un profesional de
la estadstica se hace imprescindible.
Horbar et al. 33 presentan los resultados de un estudio diseado para evaluar el ries-
go de muerte en recin nacidos con pesos entre 501 y 1500 gramos. Para ello se dise-
un estudio de cohorte en el que se incluyeron 3603 nios con pesos comprendidos
entre los lmites anteriores; el periodo de seguimiento fu de 2 aos, de 1 de Noviem-
bre de 1987 a 31 de Octubre de 1989. Como variable resultado se consider el falle-
cimiento o no del recin nacido, variable dicotmica, y como predictoras se consideraron
el peso en gramos, el tamao segn la edad gestacional, la raza, el sexo, tipo de parto
(vaginal/cesrea), presentacin del parto, el indice Apgar al minuto, presencia o no de
complicaciones de la madre (diabetes insulin-dependiente, eclampsia, hipertensin o
hemorragia) antes del parto.
PARTE II 243
P
Log = 0 + 1X1 + ... + pXp
1-P
e( + X + ... + X )
0 1 1 p p
P =
1 + e( + X + ... + X )
0 1 1 p p
Como siempre, los parmetros del modelo no los vamos a poder conocer exacta-
mente, por tanto a lo que tendremos acceso es a sus estimaciones en base a los 3603
individuos del estudio. De la misma manera que en el caso univariante, el mtodo de
244 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
En principio, no todas las variables medidas en los recin nacidos tienen porqu
ayudar a predecir la probabilidad de muerte; como en el modelo de regresin lineal
mltiple se plantea la cuestin de seleccionar las variables predictoras que aporten
informacin, estadsticamente significativa, a la hora de predecir la probabilidad de
muerte del recin nacido. Los autores del estudio utilizaron el procedimiento de selec-
cin hacia atrs (backward), llegando al modelo estimado que aparece en la Tabla II.31.
Constante 2.606
Peso en grs./100 -0.422 0.029
BPSEGa -0.491 0.157
Raza -0.450 0.145
Sexo 0.656 0.131
Apgar 0.971 0.131
bajo peso para su edad gestacional est a 1/0.61=1.63 veces ms riesgo de muerte que
el que tiene bajo peso para su edad gestacional, con la condicin de que sean iguales
en trminos de las otras cuatro variables presentes en el modelo ajustado.
Dos recin nacidos iguales en peso, BPSEG, sexo y Apgar, pero uno de raza negra
y el otro de otra raza, el primero est a e-0.45(10) =0.64 veces ms riesgo de muerte que
el segundo; es decir, los nios de razas distintas a la negra estn a 1/0.64=1.56 veces
ms riesgo de morir que los de raza negra. El papel del peso del recin nacido sobre
el riesgo de muerte es como sigue: a igualdad en los valores de las restantes variables,
por cada aumento de 100 gramos, pues en el modelo ajustado no aparece el peso en
gramos sino el peso en gramos dividido por 100, en el peso de un recin nacido el ries-
go de muerte aumenta en e-0422 =0.66 veces, es decir, el riesgo disminuye 1/e-0422=1.52
veces, o sea, el riesgo decrece en un 52%. Si un recin nacido pes 850 gramos y otro
1250 gramos, el riesgo de muerte del primero es e-0422(850/1001250/100) = e1.69 = 5.4 veces
superior al del segundo, siempre que sean iguales en BPSEG, raza, sexo y Apgar.
Merece la pena el siguiente comentario: que el nio de 850 gramos est a 5.4
veces ms riesgo de muerte que el de 1250 es vlido sean los dos de bajo peso o los
dos de peso apropiado, los dos de raza negra o los dos de raza distinta a la negra, los
dos nios o los dos nias y, por ltimo, los dos con un Apgar 3 o los dos >3. Es
decir, este riesgo no cambia en funcin de los valores de estas cuatro variables. Los
autores no hacen nign comentario acerca de la posible interaccin entre las cinco
variables por lo que no es posible saber si es que no hay interaccin o es que no la
estudiaron; imaginemos que el trmino de interaccin entre el peso del recin nacido
y la raza hubiese sido significativo. El tal caso ya no podramos decir que el riesgo
del que pes 850 gramos es 5.4 veces que el riesgo del que pes 1250; habra que
hablar de un riesgo en caso de que los dos fuesen nios y de otro riesgo distinto en
el caso de que fuesen nias. Si existe interaccin entre dos variables, no se puede
hablar del riesgo de una de ellas pues hay que especificar el valor de la variable con
la que interacta.
Aparte de poder comparar dos individuos respecto a una variable pero siendo igua-
les en relacin a las restantes variables presentes en el modelo ajustado, es posible la
comparacin de dos individuos cualesquiera. Imaginemos una nia de raza negra, con
1150 gramos al nacer, con bajo peso para su edad gestacional y con un Apgar 3;
cuntas veces est a ms riesgo de muerte que un nio que no sea negro, con 1400
gramos de peso, con peso normal para su edad gestacional y con un Apgar>3? En
general, el riesgo entre dos individuos viene dado por la expresin
O.R. = e (x
1 11x12) + 2(x21x22) + + p(xp1xp2)
246 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Supongamos otro recin nacido de 750 gramos de peso, con peso normal para su
edad gestacional, BPSEG=0, de raza blanca, nio y con Apgar inferior a 4; la proba-
bilidad de muerte para este nio es
lo que significa que, aproximadamente el 75%, 3 de cada 4 nios con tales carac-
tersticas, morirn.
Cuando se plantea un anlisis de datos donde interviene un nico factor que divi-
de la cohorte de individuos en dos o ms grupos diferentes, el mtodo de Kaplan-
Meier permite construir una curva de supervivencia para cada grupo que podr ser
comparada con las restantes como vimos en II.D.6.2. Sin embargo, en anlisis de
mayor envergadura es frecuente disponer de varias variables o factores pronstico que
potencialmente pueden modificar la supervivencia de cada individuo en funcin de
los valores que tomen; de esta forma si quisiramos ver conjuntamente la influencia
de la Edad y Estado clnico (con niveles de I a IV) en la supervivencia de una cohor-
te de pacientes afectados de cncer de mama, una posible estrategia basada en curvas
de Kaplan-Meier sera categorizar la variable Edad considerando por ejemplo tres gru-
pos de pacientes con edades comprendidas entre 30-49 aos, 50-69 aos o ms de 70
aos, cruzar cada uno de los grupos de pacientes obtenidos con los cuatro niveles de
Estado considerados, construir una curva de supervivencia mediante el mtodo Kaplan-
Meier para cada uno de los 12 grupos de pacientes resultantes y compararlas entre s
a travs de la superposicin de grficas.
duzca una muerte en un instante de tiempo posterior a un tiempo dado t, por lo que
si queremos calcular la probabilidad de que un paciente permanezca con vida trans-
curridas t unidades de tiempo desde el inicio del seguimiento, bastar con calcular
P[T>t]; sin embargo si quisiramos saber qu probabilidad hay de que un paciente
muera en los prximos 30 das, tendremos que especificar adems cuanto tiempo ha
pasado desde el inicio del seguimiento, ya que, en igualdad de condiciones, un indi-
viduo que acaba de ser diagnosticado de cncer tendr presumiblemente muchas ms
posibilidades de continuar con vida un mes despus que otro con la enfermedad diag-
nosticada hace tiempo. Por ello no es suficiente con preguntarse qu probabilidad exis-
te de morir transcurridos 30 das, es necesario indicar cuanto tiempo ha sobrevivido
el paciente hasta el momento; en realidad lo que buscamos no es ms que la proba-
bilidad de que ocurra una muerte antes del instante t + t si el paciente ha sobrevi-
vido hasta el instante t, o dicho de otra forma, la probabilidad de morir entre los
instantes de tiempo t y t + t, sabiendo que el paciente continuaba con vida en el
tiempo t. Este resultado se expresa matemticamente mediante la probabilidad condi-
cionada P[ T< t + t | T > t ] donde t representa el incremento de tiempo transcurrido,
los 30 das.
Pero, qu ocurrira si t fuera muy pequeo, casi despreciable? En ese caso ten-
dremos una probabilidad de muerte instantnea puesto que el intervalo definido por
t y t + t es tan pequeo que casi puede considerarse como un instante de tiempo con-
creto. Definiremos entonces la funcin de riesgo h(t) mediante la expresin
P [Tt + t | T>t]
h(t) = lm
t0 t
donde X1, X2, ..., Xp son los factores pronstico introducidos y h0(t), llamada fun-
cin de riesgo base, es el valor de la funcin de riesgo cuando se anula el efecto de
las variables, es decir, cuando X1, X2, ..., Xp = 0; el inters del modelo est en la posi-
bilidad de comparar los riesgos entre pacientes con caractersticas diferentes, enten-
PARTE II 249
diendo por caractersticas los distintos valores que pueden tomar las variables consi-
deradas como factores pronstico.
La pregunta que necesitamos responder ahora es: qu interpretacin dar a los coe-
ficientes de este modelo? Para ello empecemos con el caso ms simple; un estudio
en el que intervienen una nica variable X predictora del riesgo de muerte, por ejem-
plo, presencia o no de ascitis, y supongamos que la presencia de ascitis se ha codifi-
cado con un 1 y la ausencia con un 0. Para una sola predictora, el modelo de Cox
adoptara la forma
h(t, X) = h0(t)e X
El riesgo de muerte para un individuo con ascitis, X=1 vendr dado por
De forma similar, se puede calcular el riesgo relativo entre dos pacientes cuales-
quiera; en general este riesgo viene dado por
e(x x )
1 2
La Tabla II.32. representa una estimacin del modelo de Cox con factores pro-
nstico Estado clnico y Edad, en aos, ambas medidas en el momento del diagns-
tico, proveniente de un estudio sobre supervivencia de cncer de mama, en base a una
muestra de 300 mujeres procedentes del Registro de Cncer de Granada.
Tabla II.32.- Estimacin del modelo de Cox con factores pronstico Edad y Estado.
Volviendo a la Tabla II.32., sta es la razn por la que aparecen tres variables que
tienen que ver con el estado; la categora correspondiente a la terna (0,0,0) es la de
referencia y la tabla lo que muestra son los coeficientes de las restantes categoras res-
pecto de sta; por tanto, el coeficiente 0.98 correspondiente a la variable indicadora
Estadio2 tiene la siguiente interpretacin: para dos mujeres con igual edad, e 0.9 8= 2.66
es el riesgo de muerte de una diagnosticada en estado II respecto a una diagnostica-
da en estado I; e 1.70 = 5.47 es el riesgo de muerte de una diagnosticada en estado III
respecto a una diagnosticada en estado I y e 3.17 =23.81 es el riesgo de muerte de una
diagnosticada en estado IV respecto a una diagnosticada en estado I.
La Tabla II.32., aparte de dar las estimaciones de los parmetros del modelo, de
los que acabamos de derivar las estimaciones de los riesgos relativos, tambin mues-
tra las estimaciones de los errores estndar de tales parmetros, por lo que podremos
construir intervalos de confianza. En general, un intervalo de confianza al 95% para
un parmetro i viene dado por
^
i 1.96 (e.e.)
e 1.96 (e.e.)
i
252 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
^ ^
h(t, Edad, Estado) = h0(t)e 0.02Edad + 0.98 Estado II + 1.70Estado III + 3.17Estado IV
^ ^
h(t, 45, Estado III) = h0(t)e 0.02 (45) + 0.98(0) + 1.70(1) + 3.17(0)
y, para la segunda
^ ^
h(t, 38, Estado II) = h0(t)e 0.02 (38) + 0.98(1) + 1.70(0) + 3.17(0)
e
0.02 (45) + 0.98 (0) + 1.70 (1) + 3.17 (0)
= e 0.02 (45-38) + 0.98 (0-1) + 1.70(1-0) = e 0.89 = 2.44
e 0.02 (38) + 0.98 (1) + 1.70 (0) + 3.17 (0)
^
Decamos antes que h0(t) es el riesgo estimado de muerte para aquellos pacientes
que presenten valores de las variables predictoras igual a 0, en este caso seran indi-
viduos con Estado I (Estado II=0, Estado III=0, Estado IV=0) y Edad=0; la pre-
gunta que surge inmediatamente es: tiene sentido hablar de pacientes con Edad=0?
En el caso que nos ocupa no tiene sentido porque el rango de edades de nuestra base
de datos no incluye a pacientes recien nacidas diagnosticadas con cncer de mama y
sera absurdo hablar de individuos con 0 aos de edad. Para soslayar esta dificultad
lo que se suele hacer es la operacin que se conoce con el nombre de centrado (cen-
PARTE II 253
tering); en nuestro caso, ser considerar, en lugar de la Edad, una nueva variable obte-
nida a partir de ella restndole el valor de alguna medida de posicin, por ejemplo la
mediana, que en este caso es igual a 60 aos, es decir, tomaremos la variable repre-
sentada por EdadM=Edad-60, con lo cual aquellos individuos de 60 aos de edad y
con Estado I anulan todas las variables predictoras y formarn el grupo de referencia
que da significado al riesgo base. Puede probarse que los coeficientes obtenidos al
estimar el modelo con la variable EdadM en lugar de Edad son los mismos y no cam-
biarn siempre que hagamos transformaciones de las variables iniciales que consistan
en sumar o restar constantes, sin embargo los resultados no sern iguales si dividimos
o multiplicamos por constantes. En nuestro caso volvemos a tener la misma tabla ante-
rior y el modelo estimado ser
^ ^
h(t, EdadM, Estado) = h0(t)e 0.02(Edad-60) + 0.98Estado2 + 1.70Estado3 + 3.17Estado4
Como cualquier modelo estadstico, el de Cox est basado en una serie de hip-
tesis que hay que comprobar; este modelo est basado en la denominada hiptesis de
riesgos proporcionales razn por la que el modelo de Cox tambin se conoce con el
nombre de modelo de riesgos proporcionales (proportional hazards models). Antes
se ha visto como el riesgo entre dos sujetos que se diferenciaban en una unidad en
trminos de la predictora Xi era ei, cantidad que es independiente del tiempo, es decir,
constante; esta hiptesis es crucial de comprobar siempre que se utilice el modelo de
Cox; el ajuste del modelo a nuestros datos, la presencia de observaciones influyentes,
la deteccin de observaciones extremas, etc., son otras cuestiones de inters. De nuevo
la colaboracin de un estadstico es imprescindible para tratar estas cuestiones; una
buena introduccin sobre estas materias se puede encontrar en Harris 35.
6. De la asociacin a la causalidad
El punto final en cualquier investigacin llega cuando tras la recogida de los datos,
siguiendo un diseo y anlisis adecuados, se obtienen los resultados. La situacin
puede ser el hallazgo o no de una asociacin. Para simplificar imaginemos que el estu-
dio tuvo xito y se encontr una asociacin que es estadsticamente significativa y
tiene suficiente significacin clnica o prctica. La pregunta que los investigadores
quisieran poder contestar ahora es: esa relacin es causal? Puede tenerse delante un
verdadero factor pronstico o de riesgo o, lamentablemente, es la consecuencia de una
acumulacin de errores en el diseo, la recogida de los datos o el anlisis.
De alguna forma ha de hacerse una serie de juicios que permitan tomar la deci-
sin. Elwood 40 propuso un esquema de evaluacin que seguiremos en parte. Se trata
de hacer algo semejante a un diagnstico de causalidad: la idea es enfrentar las posi-
bles explicaciones no causales a los argumentos que apoyan la posible causalidad en
la relacin encontrada. No se pretende slo poner en los platos de una balanza el
nmero de argumentos a favor y en contra, sino ponderar la verosimilitud de cada uno
de ellos. Si es posible encontrar ms y mejores evidencias de causalidad, entonces se
tendrn los elementos suficientes para establecer una conclusin.
Los sesgos posibles pueden afectar, como se ha visto, a la seleccin de los suje-
tos estudiados, a la mala clasificacin del estatus de exposicin o de enfermedad, o a
la influencia de factores confundentes. Es difcil encontrar un estudio en el que cual-
quiera de estos problemas no est presente. Lo que se pretende es que su influencia
sea mnima. As, es posible aceptar que un estudio est afectado por una cierta can-
tidad de sesgo de seleccin, por ejemplo. Puede ocurrir que un determinado porcen-
taje de controles se negaran a responder un cuestionario en un diseo de casos y
controles. Si se encontr una asociacin y los casos presentan ms frecuentemente el
factor de riesgo, alguien podra argumentar que son precisamente los controles expues-
tos quienes de forma sistemtica se negaron a participar, lo cual provoc el hallazgo
de una mayor proporcin de casos expuestos.
Por tanto, el hallazgo de una asociacin puede estar producido por algn tipo de
error sistemtico, por el azar (error tipo I), o porque verdaderamente esa diferencia
exista en la poblacin estudiada. El caso contrario, no encontrar asociacin estadsti-
camente significativa, puede estar relacionado con algn sesgo que la est camuflan-
do, por el azar (falta de potencia de la muestra o error tipo II), o porque realmente
esa asociacin no existe.
Relacin temporal.
Magnitud de la asociacin.
Relacin dosis-respuesta.
La capacidad de extrapolar las evidencias que ofrecen los resultados del estudio a
poblaciones distintas a la que aqul analiza depende en gran medida de su precisin y
validez interna. Sin embargo es frecuente enfrentarse al dilema de si aumentar la vali-
dez interna a costa de disminuir la validez externa. Por ejemplo, la existencia de un fac-
tor confundente previamente conocido (edad, sexo, otros factores de riesgo, etc) puede
motivar la aplicacin de algn criterio de exclusin (por ejemplo, no incluir a muje-
res, o a hombres). La neutralizacin de un factor confundente puede traer como con-
secuencia un aumento en la validez interna. Sin embargo, surge entonces la pregunta:
son los resultados y conclusiones aplicables a la poblacin excluida del estudio?
Por otro lado, la extrapolacin de los resultados a otras poblaciones distintas de
la poblacin diana en la que se aplic el estudio suele realizarse mediante procedi-
mientos de inferencia estadstica, no siempre debidamente justificados. An cuando
pudiera haberse analizado a toda la poblacin diana en lugar de muestrearla, los inves-
tigadores se enfrentan a un nuevo problema: es esa poblacin estudiada representa-
tiva de alguna otra que no es posible definir?. Existe controversia en este punto, pero
una solucin general podra apuntar en el sentido de dar ms valor a los requisitos de
causalidad que el estudio aporta, y mantener un nivel de prudencia al interpretar los
resultados de las pruebas de inferencia estadstica cuando es difcil definir la pobla-
cin a la que se pretende inferir las conclusiones.
Especificidad.
La relacin exclusiva entre un factor y un efecto, y no con otros, es uno de los pun-
tos propuestos por Hill que ms crticas ha despertado. Conforme avanza el conoci-
miento sobre los problemas de salud y sus determinantes, cada vez es ms difcil encontrar
situaciones de este tipo; ms frecuentemente la situacin es de multicausalidad, y ade-
ms una misma exposicin suele estar implicada con enfermedades diferentes.
Plausibilidad biolgica.
Consistencia.
Coherencia.
La coincidencia de los resultados del estudio con la distribucin del factor de expo-
sicin en sa y otras poblaciones, y la correspondencia con la distribucin del efecto,
es otro argumento a confrontar. Si la asociacin es de tipo causal, se espera entonces
que en poblaciones con mayores niveles de exposicin la enfermedad sea ms fre-
cuente. Paradjicamente el ltimo punto presentado para la valoracin de una relacin
causal acude en ayuda de las evidencias que se presentaron como ms dbiles cuan-
do se revisaron los distintos tipos de diseos, las procedentes de estudios ecolgicos.
F. ANLISIS DE LA DECISIN CLNICA
J.A. Chicharro Molero
R. Burgos Rodrguez
1. Introduccin. Variabilidad
Desde luego, slo es necesario un mnimo ejercicio de reflexin para darse cuen-
ta de que la decisin clnica est sujeta a variabilidad por varias circunstancias:
2. Arbol de decisin
Para construir un rbol de decisin sobre este problema o cualquier otro ms com-
plejo hay que seguir una serie de pasos 43, 44:
4) Calcular cual es el valor esperado de las alternativas del nodo raz, estable-
ciendo cual de ellas es la dominante, la de mayor valor esperado.
Para construir un rbol hay que cumplir dos requisitos: conocer el mtodo y ser
experto en la disciplina que se aplica ste. Las ramas del rbol de decisin parten
siempre de lo que se denomina nodos del rbol (figura II.30) que pueden ser de tres
tipos: nodos de decisin, nodos probabilsticos y nodos terminales.
Los nodos de decisin se representan por un cuadrado (figura II.30) y todo rbol
debe empezar por l, sin perjuicio de que a lo largo del desarrollo pueden aparecer
ms o no. Este nodo supone un punto donde el clnico puede decidir que hacer, de
ah su nombre; en nuestro ejemplo hemos decidido hacer linfadenectoma laparosc-
pica o abierta (figura II.30), pero podramos haber incluido otra tercera opcin, por
262 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
ejemplo no hacer linfadenectoma, pero en nuestro caso el problema que se nos plan-
tea es cul de los dos tipos de linfadenectomas es ms til.
Los nodos terminales representan el final de cada rama del rbol y tendrn unos
valores dependiendo de cmo queramos evaluar el rbol; en nuestro caso lo hare-
mos en trminos de utilidad, aunque tambin se podra hacer en trminos de coste-
utilidad.
B
LINFADENECTOMA
ABIERTA (LFA) GANGLIOS NEGATIVOS (N-)
Una vez que hemos definido el problema, las alternativas iniciales y los elemen-
tos del rbol continuaremos con la construccin del mismo; para esto es interesante
describir todas las posibles alternativas despus de cada rama y si stas ocurrirn ale-
atoriamente, y por tanto saldrn de un nodo probabilstico, o por el contrario sern
decisin del clnico y saldrn de un nodo de decisin. En nuestro ejemplo despus de
los resultados puede ocurrir que haya complicaciones de la tcnica o no las haya y
esta circunstancia no depende de la voluntad del clnico por lo que habr otro nodo
probabilstico al final de cada una de las ramas del nodo A y B de la figura II.30.;
de cada uno de los nuevos nodos probabilsticos que denominaremos A1, A2, B1 y B2
saldrn dos nuevas ramas, figura II.31., que sern la presencia o no de complicacio-
PARTE II 263
NO COMPL. LFL
(N+)
A1
(N-) B2
NO COMPL. PR
COMPL. LFA
B22
COMPL. PR
En resumen para la construccin del rbol hay que identificar el problema, limi-
tar el horizonte temporal e ir desarrollando de izquierda a derecha la secuencia de
sucesos lgicos que pueden ocurrir, determinando si partirn de un nodo probabilsti-
co o de decisin.
Este paso en el anlisis de decisin es uno de los fundamentales pues de los valo-
res numricos que asignemos depender cual de las ramas del nodo raz ( primer nodo
de decisin) ser la alternativa dominante. Slo a las ramas que salen de nodos pro-
babilsticos se les asignar probabilidades. Esta asignacin es una de las tareas ms
complejas y prolijas en todo el anlisis de la decisin pues las respectivas probabili-
dades, por ejemplo de complicaciones tras linfadenectoma laparoscpica, se pueden
extraer de dos fuentes: la experiencia propia o la literatura, pero en el primer supues-
to debemos estar seguros de que nuestra experiencia no est sesgada o sea pequea,
y en el segundo debemos testar las fuentes de la literatura y contrastar si los datos han
sido obtenidos con buena metodologa (hay que aprenderse esta monografa!!!!);
pues, aunque podramos asignar nmeros de cualquier fuente, no debemos olvidar que
la solidez de nuestro anlisis de decisin va a depender, entre otros factores, de la
asignacin de probabilidades. Tambin hemos de decir que es difcil en medicina que
cualquier probabilidad tenga un valor exacto y siempre habr un rango de valores,
pero este tema lo abordaremos ms adelante en el anlisis de sensibilidad.
sobre todo cuando hay test diagnsticos, en el rbol habr propabilidades que sean los
valores predictivos o probabilidades que aunque no estn en la literatura se puedan
calcular a partir de otras.
pero hemos de advertir que los qualy estn basados en cuestionarios especficos
para cada situacin y es resbaladizo y poco adecuado utilizar cuestionarios en cir-
cunstancias para las que no estn diseados ni validados.
1. Listar todos los posibles resultados que se puedan dar en nuestro rbol ya cons-
truido, y disponerlos por orden de preferencia.
Pero, como resulta lgico, establecer la utilidad en una entrevista para resolver su
caso es bastante difcil, por no decir extremadamente difcil, por lo que normalmen-
te se utilizan otras valoraciones de resultados.
Los trminos que incluyen el coste obligar a calcular el precio de cada uno de
lo procedimientos o test diagnsticos que se encuentren en el rbol, en nuestro ejem-
plo deberamos saber cuanto cuesta una linfadenectoma laparoscpica, una linfade-
nectoma abierta y una prostatectoma radical. Cada nodo terminal tendr un precio
que equivaldr a la suma de los precios de los procedimientos que se hayan realiza-
do en el trayecto que une ese nodo terminal con el nodo raz. Cuando se valora el
rbol en dos trminos como coste-utilidad o coste-efectividad se deber calcular el
valor esperado de cada alternativa del nodo raz para cada una de las valoraciones,
es decir en dinero y en efectividad o utilidad, pero esto lo desarrollaremos en el
siguiente apartado.
Una vez llegados a este punto, slo nos queda saber sobre qu alternativa del
nodo raz, linfadenectoma laparoscpica (LPL) o linfadenectoma abierta (LFA), nos
inclina el rbol de decisin construido.
PARTE II 267
De igual forma las utilidades esperadas para los nodos A21 y A22 sern respecti-
vamente:
0.9 x 0.84 + 0.7 x 0.16 = 0.86 0.7 x 0.84 + 0.5 x 0.16 = 0.57
calculadas para los nodo A21 y A22; y de igual manera las utilidades de la rama superior
e inferior del nodo B2, sern las calculadas para los nodos B21 y B22, respectivamente.
0.86 x 0.92 + 0.57 x 0.08 = 0.83 0.98 x 0.96 + 0.86 x 0.04 = 0.97
0.99 x 0.42 + 0.83 x 0.58 = 0.89 0.69 x 0.42 + 0.97 x 0.58 = 0.85
Para evitar tal controversia existe el anlisis de sensibilidad que consiste en eva-
luar un rbol por cada uno de los valores del rango en el que pensemos que se mueve
una probabilidad. Es decir, si creemos que las complicaciones de la prostatectoma
radical oscilan de un 8% a un 32% deberemos construir tantos rboles como valores
intermedios queramos evaluar de esta probabilidad. Asimismo, si pensamos que otras
probabilidades no son un nmero fijo, sino que oscilan dentro de un rango deberemos
evaluar un rbol por cada una de las combinaciones de las diferentes probabilidades,
pero no hay que desesperarse!!!!, pues la ciencia adelanta que es una barbari-
dad y la informtica ha resuelto este problema ya que existe software que, una vez
contruido el rbol, asignadas las probabilidades y la valoracin de resultados, con una
leve pulsacin de la tecla [RETURN] evala en dcimas de segundo un rbol, per-
mitiendo introducir en las ramas no slo probabilidades, sino tambin rangos de ellas.
Asimismo podemos efectuar nuestro anlisis de decisin, haciendo que los resul-
tados no sean cifras fijas, sino rangos razonables, que sean plausibles en clnica.
PARTE II 269
3. Probabilidad umbral
Pero la decisin analizada por el rbol de nuestro ejemplo era para cualquier pacien-
te que tenga una probabilidad de afectacin ganglionar del 42%, pero qu ocurre si
esta probabilidad aumenta o disminuye?, y lo que es ms importante a partir de qu
probabilidad de afectacin ganglionar la utilidad de la linfadenectoma laparoscpica
es mayor que la utilidad de la linfadenectoma abierta?
Utilidad
LFL LFA
1
0,8
0,6
0,4
0,2
0 Afectacin
0 40 100 glandular
16. Ware J H, Mosteller F, Delgado F et al. P values. En: Bailar III JC, Mosteller F eds.
Medical Uses of Statistics, Second Edition. Boston: The New England Journal of Medi-
cine Books, 1992: 181-200.
17. Matthews DE, Farewell VT. Using and understanding Medical Statistics, Second Ed..
Basel: Karger, 1988.
18. Freiman JA, Chalmers TC, Smith H Jr. et al. The importance of beta, the type II error,
and sample size in the design and interpretation of the randomized controlled trial: sur-
vey of 71 negative trials. N Engl J Med 1978; 299: 690-4.
19. Schlesselman JJ. Case-Control Studies. New York: Oxford University Press, 1982.
20. Machin D, Campbell MJ. Statistical Tables for the Design of Clinical Trials. Oxford:
Blackwell Scientific Publications, 1987.
21. Instructions to authors. British Medical Journal. 1994; 308: 39-42.
22. Altman DG. Statistics and ethics in medical research. Misuse of statistics is unethical.
British Medical Journal. 1980; 281: 1182-4.
23. Armitage P, Berry G. Statistical Methods in Medical Research, 3th ed. Oxford: Black-
well, 1994.
24. Kramer MS. Clinical Epidemiology and Biostatistics. New York: Springer Verlag,
1988.
25. Altman DG. Practical statistics for medical research. Chapman and Hall: London,
1991.
26. Miller RG. Beyond Anova, basics of applied statistics. New York: John Wiley, 1986.
27. Brand R. Using logistic regression in perinatal epidemiology: an introduction dor cli-
nical researches. Part 2: the logistic regression equation. Paedriatric and Perinatal Epi-
demiology 1990;4:221-235.
28. Catalona WJ, Smith DS, Ratliff TL et al. Measurement of prostatic-specific antigen in
serum as a screening test for prostate cncer. New Engl J Med 1991; 324:1156-1161.
29. Machin D, Campbell MJ. Statistical tables for the design of clinical trials. Oxford:
Blackwell, 1987.
30. Fleiss, JL. Statistical methods for rates and proportions. 2nd edn. New York: Wiley,
1981.
31. Pringle M, Stewart-Evans C, Coupland C et al. Influences on control in diabetes melli-
tus: patient, doctor, practice, or delivery of care?. British Medical Journal 1993; 306:630-
634.
32. Greenland S. Modeling and variable selection in epidemiologic analysis. Am J Public
Health 1989;79:340-349.
33. Horbar JD, Onstad L, Wright E, et al. Predicting mortality risk for infants weighing
501 to 1500 grams at birth: A National Institutes of Health Neonatal Research Net-
work report. Critical Care Medicine 1993; 21: 12-18.
34. Christensen E. Multivariate survival analysis using Coxs regression model. Hepato-
logy 1987; 7:1346-1358.
PARTE II 273
35. Harris EK, Albert A. Survivorship analysis for clinical studies. New York: Marcel Dek-
ker Inc., 1991
36. Hill AB. The enviromentent and disease; association or causation. Proc R Soc Med
1965;58:295-300.
37. Rothman K. Causes. Am J Epidemiol 1976;104:587-592.
38. Miettinen O. Theoretical Epidemiology: principles of occurrence research in Medici-
ne. New York: Wiley, 1985.
39. MacMahon B, Pugh TF. Epidemiology, Principles and Methods. Boston Mass.: Litlle,
Brown & Co., 1970.
40. Elwood JM. Causal relationships in Medicine. A practical system for critical apprai-
sal. Oxford: Oxford Univ Press, 1988.
41. Catalona WJ, Smith DS, Ratleff TL et al. Measurement of prostate specific antigen in
serum as a screening test for prostate cncer. N Eng J of M. 1991; 324 (27):1156-1161
42. Oesterling JI, Jacobsen T, Chute CG et al. Serum prostate specific antigen in a com-
munity based population of healthy men: stablishment of age specific reference ran-
ges. JAMA. 1992; 270:860-864.
43. Snchez JJ. Anlisis de decisin. Documento de apoyo del curso Anlisis de decisin
en Clnica. Granada: Escuela Andaluza de Salud Pblica, 1993.
44. Sackett DL, Haynes, RB, Guyatt GH y cols. The interpretation of Diagnostic Data.
En: Sackett DL, Haynes, RB, Guyatt GH et al. Clinical Epidemiology: A basic scien-
ce for clinical medicine. Second edition. Boston: Little, Brown and company, 1991:69-
151.
45. Wolf JS, Perinchery N, Katsuto M et al. Laparoscopic pelvic lymphadenectomy crite-
ria for patient selection. Urology. 1993; 42:6.
PARTE III
EL SOPORTE INFORMTICO EN LA INVESTIGACIN
A. INTRODUCCIN
A. Calzas Urrutia
Es aqu donde empiezan los problemas para muchos. Las actitudes hacia la utili-
zacin personal de la informtica se muestran en un amplio abanico: pavor hacia las
"maquinitas", recelo, bloqueo mental, complejo de inferioridad por no saber utilizar
algo que hoy en da "lo saben hasta los nios", ... son entre otras muchas las actitu-
des que hemos captado con frecuencia.
Por si fuera poco, se dice adems, que hoy da hay que ser trilinge: adems del
idioma materno y el ingls hay que saber informtica. Y es que el lenguaje que sub-
yace en la Informtica ha evolucionado tan rpidamente como sta misma. Parece
como si ya una barrera inicial se presentara al usuario que necesita de los servicios
de la informtica para su proyecto personal. El lenguaje, la comunicacin al fin y al
cabo, est de fondo.
Es nuestro propsito en estas pginas dar una leve idea de cmo el usuario "pro-
fano" puede hacer un buen uso de la Informtica. Para ello, daremos un repaso al pro-
ceso de tratamiento de datos, desde que se disea un protocolo de recogida de datos
hasta que se produce la obtencin de informacin, haciendo hincapi en toda una serie
de factores que hay que tener en cuenta y dando referencias de ciertos programas que
nos pueden ayudar a resolver nuestra tarea.
1
El usuario se define como persona a quien se considera que la informtica rinde sus servicios. Castelani, X. Mto-
do General de Anlisis de una Aplicacin Informtica. Barcelona: Ed Masson, 1986
B. INFORMACION Y DATOS:
PREPARACION DE LOS DATOS
A. Calzas Urrutia
1. Introduccin
Se dice que un ordenador es una mquina capaz de aceptar una entrada automa-
tizada de datos, procesar de forma mecnica y lgica estos datos y ofrecer una sali-
da, asimismo automtica, del resultado de este procesamiento 1.
Parece sencillo. Unicamente se trata de introducir unos datos, pulsar alguna tecla
y obtendremos la informacin que deseabamos. Ahora bien, qu datos vamos a intro-
ducir?, cmo sn?, estn bien dispuestos para el ordenador?, cmo los va a enten-
der la mquina?, qu tecla, orden, comando o programa debemos accionar?, es
realmente Informacin lo que vamos a obtener o va a ser otro montn de datos ms
con los que no vamos a saber qu hacer? Esta situacin es muy frecuente por diver-
sos motivos, siendo el ms comn el de no cuidar el proceso de recogida, codifica-
cin y entrada de datos. (Normalmente, se dice que si a un ordenador le metes basura,
basura sale). No es lo mismo disponer de datos que disponer de informacin 3.
Las lneas que siguen son una serie de consideraciones que seran deseables que
toda investigador que est en esta situacin las tenga siempre presentes.
Recuerde que siempre es mejor ganar un poco de tiempo diseando nuestro tra-
bajo antes de enceder la mquina y ponerse a meter datos de forma alocada. Las con-
secuencias se pagan despus en horas de pantalla y teclado innecesarias. Tenemos que
tener muy claro qu queremos conseguir, a dnde queremos llegar y despus poner
los medios para ello.
Lo primero y muy importante ser, por tanto, definir con claridad qu objetivos
perseguimos en esta fase de nuestro estudio. Qu queremos hacer con los datos?
Cmo los queremos conservar? Queremos mantener el Fichero de datos actualiza-
do en el tiempo? Vamos a realizar anlisis estadsticos con los datos? Qu tipo de
anlisis? Queremos cruzar variables? ?Cules?
En muchas ocasiones, hemos visto cmo usuarios que no tenan planteados unos
mnimos objetivos con respecto a sus variables, ante la idea de cruzar varibles, optan
por "cruzar todas con todas, a ver lo que sale...". Y lo que sale es una montaa de
hojas de papel llenas de tablas y ms tablas de porcentajes y frecuencias. Esto impre-
siona mucho pero vale de bien poco. El anlisis de estas tablas llevara meses, si no
aos. Nuevamente, obtenemos a la salida del proceso nicamente ms datos, en lugar
de informacin. Recordemos que la informacin es el dato utilizable.
Una vez que tenemos claro cales son los objetivos que perseguimos en esta fase
de la investigacin (en definitiva, la informacin que queremos obtener), debemos
seguir tres pasos, muy simples, pero que a menudo se ignoran:
PARTE III 281
3) Elegir el soporte adecuado para nuestros datos. Nos referimos con esto, al for-
mato en que se van a grabar los datos en el ordenador. Este formato vendr
posibilitado por el programa de entrada de datos que utilizemos (editor de tex-
tos, gestor de base de datos, hoja de clculo...).
Con este ejemplo, queremos indicar que no siempre el objeto de nuestro estudio
de investigacin coincidir con la unidad de registro que nos veremos obligados a
tomar. La fuente de datos a la que podamos acceder determinar en gran medida esto.
mientras que las entradas verticales (columnas) sealan los campos o variables. (fig.
2) 3. Un fichero sera el conjunto de valores para cada variable campo de cada indi-
viduo o registro, grabados en un disco magntico bajo un nombre.
CAMPOS VARIABLES
ria br
e ol
to d o o la _c
is om da ex es al dl
H N E S P T H
REGISTROS u OBSERVACIONES
Sujeto 2
Sujeto n Valores
Es probable que en alguna ocasin se nos presente una estructura de datos que a
primera vista sea imposible de organizar matricialmente. El siguiente ejemplo puede
ser muy esclarecedor.
Intentemos con esto construir una matriz rectangular. Cada fila de esta matriz dar
informacin sobre un hogar distinto. Hay unos datos fijos que ya podemos colocar en
cada columna:
PARTE III 283
Zona Viv. Antiguedad NServic. Ascensor Edad Hijo_1 Edad Hijo_2 ...?...
Hogar 1
Hogar 2
...
Ya nos hemos encontrado con el primer problema: Cuntas columnas tengo que
reservar para la informacin de los miembros de cada hogar? Cuntos son? Eviden-
temente cada familia tendr un nmero diferente de ellos. Adems pueden convivir
otros familiares: primos, abuelos... Si intentamos representar matricialmente estos
datos, nos saldra algo as:
Tabla III.2. Matriz dentada de hogares y caractersticas seleccionadas.
Hogar 1
Hogar 2
...
...
...
...
...
Hogar N
Vamos a convertir este fichero de datos o matriz en dos. Es decir vamos a crear
dos matrices, una contendr exclusivamente los datos de cada hogar. Adems identi-
ficaremos a cada hogar con un cdigo (pueden ser un numeros consecutivos). As este
fichero-matriz, se configurar:
284 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Hogar 1
Hogar 2
...
Ahora haremos lo mismo con los datos que deseamos recoger para cada individuo:
Indiv. 1
Indiv. 2
...
Obsrvese que en esta segunda matriz tambin hemos aadido el cdigo el hogar
al que pertenece cada individuo. As tenemos perfectamente identificados y relacio-
nados a cada individuo con su hogar. El software que utilizemos se encargar de eso.
Se podra argumentar que podramos utilizar como patrn esta segunda matriz,
aadindole las columnas (variables-campos) que describen el hogar en que vive cada
individuo. Esto puede ser vlido y funcionar igualmente, pero no es ptimo. Tendr-
amos que repetir mucha informacin innecesariamente (si tenemos a alguien que intro-
duzca datos, que sea gratis y que no se proteste demasiado, podemos optar por esta
solucin). Tenemos que recordar una vez ms nuestro principio: maximizar la cali-
dad, minimizar la cantidad.
Una vez localizada y determinada la unidad de registro y que veamos nuestro datos
en forma de matriz rectngular, procederemos a elegir y definir los campos que nece-
sitaremos. Es decir, tenemos claro ya cules son las filas; se trata ahora de definir
exhaustivamente cuntas y cmo sern las columnas.
PARTE III 285
Una segunda postura, ms econmica y racional, nos dice que si tenemos bien
definida nuestra metodologa de trabajo, elegiremos unicamente el subconjunto de
variables estrictamente necesarias. Esta segunda postura, adems de resultarnos ms
cmoda a la hora de introduccin de datos, resulta mucho ms econmica en tiempo
y espacio de mquina necesarios. Adems nos proporcionar un mayor control de cali-
dad sobre nuestros datos.
Una vez que designemos cules van ser los campos que compondrn nuestro regis-
tro, procederemos a describir para cada uno una serie de caractersticas. Esto defini-
cin es lo que denominamos construccin de un Diccionario de Datos 5 y es muy
importante, ya que determinar en gran medida el medio (software) por el cual sern
introducidos los datos en el ordenador. Por otro lado, el mero hecho de sentarse y pen-
sar un poco sobre cmo son nuestros datos har que aparezcan en este momento todas
las dudas y dificultades que tengamos; despus ya sera demasiado tarde. Una razn
ms: la comunicacin con un informtico siempre debe hacerse en estos trminos.
Por tanto, se trata de explicitar para cada campo el mayor nmero posible de carac-
tersticas, como pueden ser:
a) Nombre del campo: comenzaremos por bautizar al dato que deseamos reco-
ger, pensando ya en la mquina y en el programa que vayamos a utilizar para
procesar los datos. La gran mayora de los programas identificarn los campos
o variables con nombres que no pueden exceder de 8 caracteres. Si uno de
286 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
b) Tipo de campo: Se trata de definir cmo van a ser los valores que puede con-
tener cada campo. As la variable edad es una variable numrica ya que los
posibles valores que pueda contener son dgitos y adems expresan una canti-
dad. Hablaremos de variables alfanumricas cuando los posibles valores que
pueden tomar son tanto dgitos como letras del alfabeto. Las que ms nos inte-
resan de ste tipo son las variables codificadas. As, el sexo de un individuo
podemos codificarlo como 'H' y 'M', o bien como '1' y '2' para hombres y muje-
res respectivamente. Atencin a esto, porque algunos programas estadsticos
no admiten caracteres alfabticos para cierto tipo de anlisis.
Por ltimo, hay otro tipo de campos denominados campos lgicos, llamados
as porque nicamente admiten dos valores sobre el objeto que representan:
verdadero o falso. Este tipo de campos podian ser considerados como campos
alfanumericos codificados (valor '0' '1') pero la existencia de gestores de bases
de datos como dBASE 6 que manipulan este tipo de campos con gran seguri-
dad hace aconsejable su uso. Por cierto, el sexo..., es un campo lgico? No,
ya que un campo lgico se reserva para aquellos valores de los que se admite
un estado de verdad o falsedad. Un libro, lo tenemos prestado o no. Una per-
sona ha sido operada o no. Pero no podemos decir si tiene sexo o no. Puede
ser hombre, mujer o desconocido (3 valores).
PARTE III 287
En cuanto a las preguntas tipo multirrespuesta, realmente no son una sla varia-
ble sino tantas como respuestas se hallan dado. El problema est en que siem-
pre, como he dicho antes, el programa informtico debe de conocer con cuntas
variables se va a trabajar. En efecto, ante una pregunta de este tipo en un cues-
tionario, unas personas pueden elegir tres opciones, otras dos, otras ninguna, y
otras, muy concienzudas, las marcan casi todas. Con el siguiente ejemplo lo
veremos mejor; en un cuestionario se ha realizado la siguiente pregunta:
1.- Psicologa
2.- Psiquiatra
3.- Pediatra
4.- Sociologa
5.- Tocoginecologa
6.- Antropologa
7.- Medicina General
8.- Puericultura
9.- tica y Moral
10.- Pedagoga
PARTE III 289
Tambin podriamos haber optado por formular la misma pregunta en otros tr-
minos:
"De los siguientes, seale en orden de preferencia, los tres formaciones que le
parezcan ms importantes para abordar un problema en salud materno-infantil"
g) Campos derivados: Por ltimo, planificar siempre tiene sus ventajas. Hay cam-
pos que podemos extraer a partir del valor del valor de otros campos. Por tanto,
no debemos gastar tiempo en recogerlos e introducirlas en el ordenador. Supon-
gamos que hemos recogido el peso y la talla de una serie de individuos; nece-
sitamos adems tener el ndice de msa corporal, (o Indice de Quetelet), que
290 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
1 Numero N 1 10000 5
2 Quirofano A Si 1 10 2 99
3 Tipo_int A Si 001 666 5 999
4 Origen A Si P U 1 X
5 Fecha F 1-1-91 30-6-91 8 Blanco
Hora_ini
6 hora_i N 0 23 2 99
7 minuto_i N 0 59 2 99
Hora_fin
8 hora_f N 0 23 2 99
9 minuto_f N 0 59 2 99
10 Duracion N 1 1440 4 0 SI(*)
11 Ingreso L F V 1
12 Sexo N Si 1 2 1 9
13 Edad N 1 99 2 0
14 N_Historia A 1 1000000 7 Blanco
(*) La duracin de la intervencin la estimaremos restando la hora de inicio de la hora de finalizacin.
Una vez diseado el registro, tenemos claro los campos a utilizar y las caracte-
rsticas de cada uno. Ahora, y no antes, es cuando llega el momento de utilizar el
ordenador para la introduccin y tratamiento de los datos.
PARTE III 291
Debemos saber que casi todos los programas de anlisis estadstico permiten tra-
tar los datos grabados previamente en formato ASCII. Esto hara pensar que el mejor
mtodo para introducir los datos es hacerlo sobre un editor de texto en este formato.
Sin embargo, un editor de texto no nos proporciona ningn control sobre los datos
que estamos tecleando, mientras que LOTUS o el dBASE s lo hacen y de forma
mucho ms efectiva.
Adems debemos saber tambin que estos dos programas no slo puede transfe-
rir los datos en formato ASCII sino que adems tienen comunicacin directa entre
ellos. As, podemos llamar directamente desde SPSS, desde EPIINFO o desde SAS
un fichero creado con dBASE.
1) Deseamos realizar transformaciones muy a menudo con los datos para averi-
guar indicadores tabulados en veritical y horizontal (tasas)
2) El nmero de campos es alto. dBASE III admite hasta 128, mientras su her-
mano mayor, dBASE IV, admite hasta 1024.
Estas son las herramientas bsicas con las que debemos contar en cualquier momen-
to si queremos realizar un tratamiento informatizado de nuestro conjunto de datos,
adems de un mnimo conocimiento del sistema operativo. Evidentemente no siem-
pre es necesario utilizar todas en un mismo proyecto de investigacin. La eleccin de
un programa u otro vendr determinada por unos criterios que abordaremos ms tarde.
Pero antes creo necesario dar una breve descripcin de lo que es cada una de aque-
llas utilidades enumeradas, intentando sobre todo explicar qu se puede hacer con cada
uno de ellos, para qu nos pueden servir.
1) Como herramienta de entrada de datos es tambin muy util aunque quizs dema-
siado engorroso, ya que el procesador de textos no tiene porqu distinguir si lo
que estamos metiendo son datos pertenecientes a variables o una lista de la com-
296 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
pra, por decir cualquier cosa. Es decir, disponemos nicamente de una pgina (pan-
talla) en blanco, en la que podemos introducir los datos (variables) pertenecientes
a cada caso en cada lnea de texto. No tiene control de errores; as si se nos olvi-
da introducir un valor, este error pasar desapercibido hasta que empieze a dar
problemas cuando estemos analizando los datos con un paquete estadstico.
que se trabaja con l y lo sencillo de su manejo. Este programa adems es de los cono-
cidos como shareware: no se necesita licencia, su distribucin es libre, aunque el usua-
rio est moralmente obligado a aportar una pequea cantidad (casi simblica) por su
utilizacin: a cambio recibir los manuales y las versiones actualizadas. En cualquier
caso, el sistema operativo MS-DOS ofrece tambin su propio editor llamado EDIT.
2. Hojas de clculo
Una Hoja de Clculo (u hoja electrnica) es un programa que permite disponer datos
en filas y columnas y poder realizar con ellos un elevado nmero de funciones as como
cualquier tipo de operacin aritmtica con ellos (frmulas). Adems de ello, podemos
obtener grficos inmediatos de los datos contenidos en la Hoja. Otra de las funciones de
la Hoja de Clculo es su posibilidad de actuar como una base de datos rudimentaria.
No todas las hojas electrnicas existentes en el mercado disponen de todas las posi-
bilidades antes descritas. Las ms completas son Quattro-Pro 9, Lotus 1-2-3, Excell,...
Cualquiera de las mencionadas integra las tres funciones descritas (operaciones, base
de datos y grficos), tienen una gran facilidad de comunicacin con otros programas
(los datos pueden ser trasladados) y adems se hallan en castellano; todos los coman-
dos estn traducidos a nuestro idioma as como el programa interno de ayudas que lleva.
Pero, en realidad, podemos utilizar la Hoja de Clculo para cualquier tarea que
suponga el manejo de datos tabulados: clculo de tasas y su representacin grfica,
simulacin de demanda, control de gastos, gestin de almacn ... En concreto se ha
utilizado muchsimo dentro del entorno de la Epidemiologa en elaboracin de indi-
cadores, tasas y representacin grfica, fundamentalmente.
Para dar una idea, describiremos muy brevemente las funciones de una Hoja de
Clculo potente, como pueda ser Lotus o Quattro-Pro. Veremos cmo todas estn enfo-
cadas hacia el anlsis y toma de decisiones.
Una base de datos relacional organiza los datos en forma de tablas con filas y
columnas. Cada fila es un registro (un caso) y cada columna es un campo (variable).
Con ayuda del Algebra de Boole, establece relaciones entre ambas entradas a la tabla
de forma que la consulta a este tipo de bases se hace mucho ms potente y efectiva.
Como se ve, se trata de una sencilla tabla de doble entrada: cada fila es un regis-
tro y cada columna es un campo al que se le ha dado un nombre identificativo.
Adems nos puede servir como un gran depurador de errores. Una relacin impo-
sible es que un individuo sea hombre y tenga cancer de tero. Pero en la entrada de
datos se producen muchos errores como estos, sobre todo cuando ambos campos estn
codificados. Podemos entocer, requerir del Gestor de Base de Datos, mediante una sim-
ple orden que nos extraiga de todos los registros aquellos cuyo campo Sexo sea igual
a 'H' y cuyo campo Cncer sea igual al cdigo de localizacin de cncer de tero. El
Gestor de Base de Datos nos extre rapidisimente los registros que cumplen estas con-
diciones, si los hay, con lo cual estamos en condiciones de modificarlos oportunamente.
4. Paquetes estadsticos
1) De propsito general:
2) De propsito especfico:
Son programas para clculos estadsticos especficos. En este grupo se situn pro-
gramas como SPAD, para el estudio de anlisis de correspondencias, LOGRESS,
para regresin logstica, SPAD-T, para anlisis textuales, OSIRIS, para el trata-
miento de cuestionarios, y un largo etctera.
REFERENCIAS
1.- Prieto A, LLoris A, Torres JC. Introduccin a la Informtica. Madrid: Ed McGraw-
Hill, 1989.
2.- Guilera L. Introduccin a la Informtica. Barcelona: Ed P.P.U., 1985
3.- Aparicio F. Tratamiento informtico de encuestas. Madrid: Ed. Ra-ma, 1991
4.- Schinkel M, Kasper J. Programming in Clipper 5. New York: Addison Wesley, 1992
5.- Pressman R. Ingeniera del Software. Un enfoque prctico. Madrid: Ed. McGraw-Hill,
1988.
6.- Asthon-Tate. Cmo utilizar dBase IV. Madrid: Ed Borland International Inc., 1992.
7.- CISIA. SPAD-T. Manual del usuario. Madrid: Ed CISIA, 1992
8.- Cueva E. WordPerfect 5.1. Madrid: Ed Anaya, 1993.
9.- Borland. Quattro Pro. Gua de actualizacin. Madrid: Ed Borland International Inc., 1992.
10- Etxeberra J, Joaristi L, Lizasoain L. Programacin y anlisis estadsticos bsicos con
SPSS/PC+. Madrid: Ed Paraninfo, 1990.
11.- Healy M. GLIM: an introduction. Oxford: Clarendon Press, 1988.
12.- StatSci. S-Plus for DOS; Users Manual. Seattle: Statistical Sciencies, Inc., 1991.
13.- Dean A. Manual de EPIINFO: Epidemiologa con ordenadores. Sevilla: Consejera de
Salud. Junta de Andaluca, 1991.
14.- EPILOG. Reference Manual. Pasadena, CA: Epicenter Software, 1990
PARTE IV
ESCRITURA Y LECTURA CRTICA
DE ARTCULOS CIENTFICOS
Los libros tienden a ser hoy en da el producto del esfuerzo de mltiples auto-
res a lo largo de los diversos captulos. Este hecho favorece la especializa-
cin de los temas a expensas, muchas veces, de una mejor cohesin y uni-
dad de esa variedad de contribuciones.
The Lancet. (Semanal). Editorial, comentario, artculos, informes breves, sesiones cl-
nicas, artculo de revisin, punto de vista, libros, noticias, cartas al editor, informa-
cin a los autores.
308 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
En lo que respecta a las revistas biomdicas espaolas, una seleccin de las mis-
mas muestra los siguientes contenidos:
1. Concepto de investigacin *
El ser humano es curioso por naturaleza; observa y tiende a indagar para com-
prender. Se interesa por la bsqueda de algo desconocido a partir de un vestigio cono-
cido (huella, rastro o indicio), con el fin de describir, explicar o inferir. La investigacin
satisface -en parte- esta necesidad de conocer.
a. Definiciones de investigacin
*
Para informacin ms detallada sobre este tema, sugerimos revisar la publicacin "Investigacin Cientfica en Salud.
Desde el Problema hasta la Propuesta" (Documento Tcnico N 9. EASP, 1996) por Manuel Alejandro Bobenrieth
Astete, editor.
312 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
(4) Estudio sistemtico para descubrir hechos o teoras de anlisis a fin de obte-
ner respuestas vlidas a preguntas planteadas o soluciones a problemas identi-
ficados (Notter LE, Hott JR., 1992).
(5) Mtodo sistematizado para obtener nuevo conocimiento, el cual puede verifi-
carse y generalizarse ms all del caso o de la muestra estudiada (Brink PJ,
Wood MJ., 1994).
(6) Indagacin sistemtica que utiliza mtodos cientficos ordenados para respon-
der preguntas y/o solucionar problemas (Polit DF, Hungler B., 1993).
(8) Serie de pasos que intentan dar una respuesta lgica a una pregunta especfi-
ca (Baena G., 1993).
(9) Manera por la cual resolvemos problemas complejos en nuestro intento de echar
atrs las fronteras de la ignorancia humana (Leedy PD., 1992).
b. Anlisis de contenido
2. Concepto de cientfico
a. Etimologa
b. Tipo de conocimiento
Desde Emmanuel Kant, filsofo alemn del siglo XVIII, el problema del conoci-
miento comenz a ser objeto de la teora del conocimiento como disciplina filosfi-
ca especial, la cual centra su atencin en cuatro aspectos fundamentales: a) La descripcin
del fenmeno del conocimiento o fenomenologa del conocimiento; b) La cuestin de
la posibilidad del conocimiento; c) La cuestin del fundamento del conocimiento; d)
La cuestin de las formas posibles del conocimiento.
a. Fctico
b. Metdico
c. Analtico
d. Trascendental
e. Explicativo
f. Verificable
g. Simblico
h. Claro y preciso
Los conceptos cientficos, los problemas objeto de estudio, las variables a inves-
tigar, las hiptesis, el diseo se definen sin vaguedad, sin ambigedad. El lenguaje es
directo y utiliza las palabras justas y las expresiones que corresponden exactamente a
la idea que se quiere expresar. Azorn, escritor espaol de la Generacin del 98, maes-
tro de la naturalidad, la sobriedad y la brevedad de sus perodos oracionales, escriba:
"En eso creo yo que est la perfeccin del estilo, en decir ni ms ni menos lo que se
quiere decir, y en decirlo con exactitud".
i. Predictivo
j. Abierto (escptico)
k. Comunicable
l. Perseverante
cueste lo que cueste". Por su parte Albert Einstein, fsico alemn nacionalizado nor-
teamericano, escriba: "Para nuestro trabajo son necesarias dos cosas: una de ellas es
una persistencia infatigable; la otra la habilidad para desechar algo en lo que hemos
invertido muchos sudores y muchas ideas".
m. til
a. Principios
b. Positivismo
c. Mtodo y metodologa
Creemos que sera muy til el distinguir entre mtodo como conjunto de tcnicas
y procedimientos para seleccionar sujetos, recoger, presentar y analizar datos, y meto-
dologa como el estudio de las suposiciones epistemolgicas que guan el uso de un
mtodo. Mtodos particulares (tcnicas y procedimientos) pueden ser comunes a un
nmero de enfoques de investigacin las cuales se diferencian en forma importante
una de otra en metodologa.
d. Procesos sistemticos
Adems la investigacin es tanto un proceso lineal como circular por cuanto con
base en la observacin emprica (experiencia) establece, completa y reforma la teo-
ra; a su vez, con base en la teora intenta explicar una zona de la realidad.
Una revisin atenta de los diversos libros de texto y de consulta disponibles hay
sobre metodologa de investigacin muestra -ms all de la diversidad de estructura
y de nomenclatura- que el mtodo cientfico se desarrolla en cinco grandes etapas con-
secutivas: 1) Etapa conceptual o etapa terica; 2) Etapa emprica o etapa prctica; 3)
PARTE IV 319
A continuacin se presentan -en forma sucinta- las cinco etapas mencionadas con
los diversos pasos que las componen y la enumeracin de las actividades que inclu-
ye cada paso (Ver esquema IV.I).
Paso 15 Validez
Validez interna: (a) Variable dependiente (efecto), como consecuen-
cia de la variable independiente (causa). (b) Papel de los sesgos, de
variables extraas (de confusin) y/o del azar. Validez externa: (a)
Generalizacin de los resultados de la muestra al universo de donde
provino la muestra. (b) Generalizacin de los resultados a otros uni-
versos. (c) Desarrollo de una teora.
Paso 17 Alcance
(a) Limitaciones: sesgos de seleccin, de informacin, de clasifica-
cin, de confusin. (b) Hallazgos novedosos y hallazgos confirmato-
rios; Hallazgos tiles.
Paso 18 Conclusin
(a) Respuesta (conclusin) a la pregunta de la investigacin (hipte-
sis/objetivos) (b) Respuesta basada en los resultados. (c) Resultados
basados en la metodologa. (d) Metodologa basada en el diseo. (e)
Diseo basado en los objetivos/hiptesis.
Publicacin de la investigacin
Artculo cientfico original; Artculo especial; Comunicacin breve;
Caso clnico; Artculo de revisin.
322 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
IVA I. FA
AT SE
RET TEORA C
P
ON
18. Conclusin 1. Problema
ER
CE
(Respuestas) (Preguntas)
NT
PT
EI
UA
AS
L
IV. F
(Limitacin) Bibliogrfica
INDUCCIN
16. Importancia 3. Marco
Novedad Terico
Informacin Piloto
.F
FI
SE HECHOS I
A
N
EM DATOS LA
PR EP
AS
IC A I I. F
Cada uno de estos cinco elementos o partes del cuerpo del artculo cientfico origi-
nal se corresponde a una de las etapas del proceso de la investigacin. De esta manera:
La Parte C de esta obra: "Partes del artculo cientfico original" describe y expli-
ca con detalle los once elementos o partes del artculo cientfico original.
324 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
PARTES PRELIMINARES
INVESTIGACIN ARTCULO ORIGINAL
1. TTULO
2. AUTOR
3. RESUMEN
PARTES FINALES
9. AGRADECIMIENTOS
10. BIBLIOGRAFA
11. APNDICES
V. ETAPA DE DISEMINACIN
(PUBLICACIN) PUBLICACIN EN REVISTAS
Esquema IV.2. Las etapas de la investigacin frente a la estructura del artculo original
C. PARTES DEL ARTICULO CIENTIFICO ORIGINAL
M. A. Bobenrieth Astete
Conviene anticipar que sus partes se pueden agrupar en tres: a) Partes prelimi-
nares: ttulo, autor(es) y resumen; b) Partes del cuerpo: introduccin, materiales y
mtodos, resultados, discusin y conclusin; c) Partes finales: agradecimientos, refe-
rencias y apndice.
De entre los artculos de tipo analtico cabe destacar los estudios correlaciona-
les en los cuales se trata de determinar interrelaciones entre variables clnicamente
significativas.
326 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
1. Ttulo
Concepto y objetivos
Un buen ttulo debe tener atractivo y garra; el ttulo tiene que captar la mirada
y la atencin del lector que hojea la revista; un buen ttulo debe despertar curiosi-
dad y estimular el inters por leer el artculo. El profesional de la salud, aun aque-
llos que estn suscritos a una revista, no lee todos los artculos. La decisin de qu
artculo leer es selectiva y para tomar esta decisin el lector se basa comnmente en
el ttulo del artculo. Luego si ste le resulta atractivo se fijar en los autores para
aterrizar en el resumen.
Estructura
Con frecuencia los ttulos son de difcil comprensin debido al uso de palabras
incorrectas y/o a un orden equivocado de las palabras. La redaccin de un buen ttu-
lo requiere no solamente de la utilizacin de palabras correctas sino tambin de sin-
taxis correcta. 8 La sintaxis trata de la forma de enlace o asociacin entre palabras,
conforme a las reglas de la gramtica espaola.
328 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Estilo
Desde un punto de vista del estilo, el ttulo tiene que ser claro, atractivo, direc-
to y exacto. Debe utilizar trminos precisos, especficos, unvocos y tiene que ser
conciso y suficientemente descriptivo. Los ttulos oscuros o equvocos confunden al
lector y lo desalientan a proseguir a leer el resumen.
largos no son ms significativos que los cortos ya que de hecho suelen contener pala-
bras superfluas e intiles
A su vez los ttulos demasiado cortos de estilo telegrfico tampoco son acepta-
bles por ser incompletos, demasiado vagos, ambiguos e inespecficos. Se trata de ser
breve y conciso sin ser crptico, enigmtico o incompleto.
El ttulo debe redactarse como una frase en tono afirmativo. No es aceptable una
frase en tono interrogativo.
Faltas frecuentes
DE CLARIDAD
DE CONCISIN
DE SOBREEXPLICACION
Estudio sobre.....
Estudio preliminar de .....
Nuevo estudio sobre....
Investigacin acerca de....
Informe de....
Situacin de....
Estado de la situacin de....
Observacin acerca de....
Observaciones preliminares sobre....
Conceptualizacin de....
Nuestra experiencia de....
Resultados de un estudio sobre....
Resultados de la investigacin de....
Anlisis de los resultados de....
Determinacin de....
Anlisis de la situacin de....
Comportamiento de....
Controversia ante....
Notas sobre....
Un tratamiento nuevo para....
Valoracin del....
Contribucin al....
Consideraciones acerca de...
A propsito de...
Una aproximacin a...
Las palabras entre comillas resultan superfluas e intiles; estn de ms por ser
innecesarias y deben omitirse.
2. Autores
Concepto y objetivos
Estructura
Los ltimos 40 aos han sido testigos de una tendencia creciente a la autora
mltiple de los artculos originales publicados en revistas biomdicas. Esto se expli-
ca por el crecimiento de las ciencias y de sus publicaciones, por la complejidad
progresiva de los estudios en el campo de la salud y de la enfermedad, por el
aumento de la investigacin en equipos multidisciplinarios, y por el credencialis-
mo vigente.
Ms all de las razones descritas de la autora mltiple, hay otra razn subya-
cente: el conceder crdito de autor a personas que no lo merecen. La situacin antes
descrita constituye la autora injustificada, la cual es una infraccin grave a la tica
de publicar. A su vez la situacin de negarle el crdito como autor a una persona
que lo merece por ser responsable de una parte decisiva del contenido intelectual del
artculo constituye una injusticia y se denomina autora incompleta. La combinacin
de la autora injustificada y la autora incompleta constituye la autora irresponsa-
ble, la cual es parte de los abusos de carcter tico que se producen en el campo de
la publicacin, junto con el error, el sesgo, el plagio y el fraude. 10
332 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Estilo
AUTORIA.
Todas las personas designadas como autor deben cumplir ciertos requisitos para
tener derecho a la autora. Cada autor debe haber participado en el trabajo en
grado suficiente para asumir responsabilidad pblica por su contenido.
Para concederle a alguien el crdito de autor hay que basarse nicamente en
su contribucin esencial: a) La concepcin y el diseo del estudio, o el an-
lisis y la interpretacin de los datos; b) La redaccin del artculo o la revi-
sin crtica de una parte importante de su contenido intelectual; c) La apro-
bacin final de la versin que ser publicada. Los requisitos a, b y c deben
cumplirse siempre.
La participacin que se limita a conseguir financiamiento o recoger datos no
justifica que se le conceda a nadie el crdito de autor. Tampoco basta con
haber ejercido la supervisin general del grupo de investigacin. Toda la parte
del artculo que sea decisiva con respecto a las conclusiones principales debe
ser responsabilidad de por lo menos uno de los autores.
En un artculo de autor corporativo (colectivo) se debe especificar quines
son las personas principales que responden del documento; a las dems per-
sonas que colaboraron en el trabajo se les debe conceder un reconocimiento
por separado (vase Agradecimientos).
Los directores de revistas podrn solicitar a los autores que justifiquen la asig-
nacin de la autora. 11
Faltas frecuentes
a. Incluir como autores a personas que no han hecho una contribucin intelec-
tual sustancial a la investigacin y que no pueden defender pblicamente el
contenido del artculo en su totalidad (autora injustificada).
b. Incluir un nmero desproporcionadamente alto de autores (autora mltiple).
c. Excluir verdaderos autores (autora incompleta)
d. No respetar el criterio de magnitud de la contribucin al decidir el orden de
aparicin de los autores.
PARTE IV 333
3. Resumen
Concepto y objetivos
Un buen resumen debe ser inteligible, completo, exacto, objetivo y conciso; debe
dar datos concretos y no compilar generalizaciones. Al igual que en el caso del ttu-
lo, debe evitar abreviaciones y frmulas. Tampoco debe incluir referencias citadas
en el texto; igualmente debe excluir tablas, grficos u otras ilustraciones.
Estructura
d. Las conclusiones principales con sus lmites de validez y los alcances del estudio.
Las inmensas dificultades que enfrentan las revistas biomdicas para conseguir
resmenes que incluyan espontneamente estos 4 elementos fundamentales, por una
PARTE IV 335
a. Objetivo
b. Diseo
c. Contexto
d. Sujetos (participantes, pacientes, etc..)
e. Intervenciones
f. Medicin del desenlace
g. Resultados principales
h. Conclusin
Estilo
Faltas frecuentes
4. Introduccin
Concepto y objetivos
La introduccin sirve de transicin del mundo del lector al mundo del autor del
artculo y prepara al lector para que lea el artculo con atencin y con reflexin. Para
ello el autor debe presentar prontamente el campo de estudio para pasar luego al
problema de investigacin. La informacin proporcionada deber ser suficiente como
para que aun el lector que no conozca el tema en detalle pueda ubicarse fcilmente
en el trabajo. Una buena introduccin despierta el inters del lector en conocer el
resto del artculo. 6
Estructura
El marco terico ubica el problema desde una corriente ideolgica, desde un sis-
tema de pensamiento. El marco terico no constituye necesariamente un elemento
rotulado con este nombre. Sin embargo el texto de la introduccin debe presentar evi-
dencia clara sobre cmo el autor relaciona el problema a investigar con el cuerpo de
conocimientos y teoras existentes sobre el tema. Adems el marco terico permite
disponer de una gama de opciones posibles de diseo de la investigacin. Entendemos
el trmino diseo como el enfoque, el abordaje y el plan de la investigacin.
Estilo
El primer prrafo debe invitar al lector a seguir leyendo. En esta parte tan impor-
tante del artculo la organizacin de ideas debe crear una sensacin creciente de des-
cubrimiento. El tono debe ser conversacional, sincero y tener la fuerza de la lgica,
no de la insistencia o la exageracin. Es preciso ir directamente al grano, liberarse
de cualquier elemento que impida la recepcin inmediata de la ideas. El escritor debe
ponerse en el lugar del lector y evitarle que tenga que volver a leer para entender.
Es una buena prctica dar el manuscrito a leer a una persona de confianza que no
tema indicarle al autor lo que falta, lo que sobra y lo que no ha quedado claramen-
te expresado.
Faltas frecuentes
5. Materiales y mtodos
Concepto y objetivos
Surge la pregunta lgica: Cunto detalle debe incluir esta informacin?. La res-
puesta es inequvoca: El detalle suficiente que permita al lector general la clara y
recta comprensin del proceso de la investigacin. Adems el detalle necesario que
haga posible reproducir el estudio a otro investigador, adaptndolo a su realidad.
Todo diseo, ms all de su tipo, debe asegurar de alguna manera dos elemen-
tos: a) Control, en el sentido de comprobacin o de comparacin. De entre las diver-
sas formas de control cabe mencionar el control por manipulacin, el control por
eliminacin o inclusin, el control estadstico y el control por aleatorizacin; b)
Validez, con sus variedades de validez interna y validez externa. 16
Los sesgos suelen agruparse en tres tipos: sesgos de seleccin, sesgos de clasifi-
cacin y sesgos de confusin. Los dos primeros se deben controlar en la fase de dise-
o. El ltimo se puede controlar tanto en la fase de diseo como en la de anlisis.
El lector espera una clara descripcin de los sujetos que intervienen en la inves-
tigacin, aclarando su identidad, su nmero y el modo en que se seleccionaron. El
lector debe obtener una idea muy clara tanto de la muestra como del universo de
donde proviene la muestra.
a. Describa los mtodos estadsticos con detalles suficientes para que un lector
enterado que tenga acceso a los datos originales puede verificar los resultados
informados;
b. Cuantifique los resultados y presntelos con indicadores apropiados de error o
incertidumbre de la medicin (por ejemplo, intervalos de confianza);
c. No dependa exclusivamente de las pruebas de comprobacin de hiptesis esta-
dsticas, tal como el uso de los valores P, que no transmiten informacin cuan-
titativa importante;
d. Analice la elegibilidad de los sujetos de experimentacin;
e. Proporcione los detalles del proceso de aleatorizacin cuando este exista;
f. Si se usaron medios para encubrir las observaciones (mtodo ciego, doble ciego,
etc.) descrbalos junto con los resultados que dieron;
g. Informe no solamente sobre las bondades de la intervencin sino tambin sobre
las complicaciones de la misma (efectos colaterales indeseables);
h. Especifique el nmero de observaciones, sus relaciones y posibles correlacio-
nes con otras unidades;
i. Indique las prdidas de sujetos de observacin (por ejemplo, las personas que
abandonan un ensayo clnico);
j. Utilice referencias actuales sobre el diseo del estudio y los mtodos estads-
ticos (ltimos diez aos y de preferencia los ltimos cinco aos), ms bien que
los artculos originales donde se describieron por primera vez;
k. Especifique cualquier programa de computacin de uso general que haya
empleado;
344 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Una debida consideracin a cada una de estas pautas ayudar grandemente al autor
al momento de preparar y redactar el manuscrito del artculo. Tambin ser muy til
en la etapa ms temprana del protocolo de investigacin, cuando se toman decisiones
cruciales acerca de los objetivos y el diseo de la investigacin.
Estructura
Estilo
El estilo debe ser narrativo, directo, factual. Deben preferirse frases cortas y sen-
cillas en lugar de largas y complejas; la experiencia muestra que las primeras resul-
tan ms fciles de entender por los lectores. Debe emplearse un estilo objetivo, evi-
tando los pronombres personales. La claridad, la concisin y la secuencia son requisitos
esenciales. No tienen cabida cuestiones ni conceptos que no son estrictamente rele-
vantes al tema del estudio y al objetivo del captulo.
Faltas frecuentes
6. Resultados
Concepto y objetivos
Surge aqu una pregunta prctica: Con qu grado de detalle tcnico deben pre-
sentarse los hallazgos? La respuesta es inequvoca: deben aparecer aquellos detalles
que se consideren esenciales para una comprensin clara de la informacin y de su
aplicacin.
346 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Los objetivos del captulo de resultados pueden enunciarse brevemente como sigue:
b. Presentar los hallazgos en un orden lgico, el cual permita una secuencia que
apoye la hiptesis;
f. Describir los hallazgos y su anlisis con detalle suficiente como para justificar
las conclusiones.
PARTE IV 347
Estructura
Las tablas y los grficos son auxiliares poderosos del texto. Se debe estar aler-
ta a fin de evitar redundancias.
Las tablas son como la imagen de los datos; consisten en conjuntos ordenados
y sistemticos de nmeros y/o palabras que muestran valores en renglones o filas
horizontales y en columnas verticales.
a. Ser autoexplicativa.
b. Ser sencilla y de fcil comprensin.
c. Tener ttulo breve y claro.
d. Indicar la fuente de origen de la informacin (lugar y fecha).
e. Incluir las unidades de medida en el encabezamiento de cada columna.
f. Indicar la base de las medidas relativas (razones, porcentajes, tasas, ndices, etc.)
g. Hacer explcitas las abreviaciones.
h. Indicar las llamadas a notas de pie de tabla mediante letras colocadas como
exponentes, en orden alfabtico.
i. Agregar informacin, no duplicarla.
Las figuras son como la imagen de las ideas; consisten en grficos, diagramas,
dibujos lineales, mapas, fotografas, radiografas, etc..
a. Ser autoexplicativa.
b. Ser sencilla y de fcil comprensin.
c. Tener ttulo breve y preciso.
d. Indicar fuente de origen de la informacin (lugar y fecha).
e. Indicar claramente las coordenadas, escalas y unidades de medida.
f. Equilibrar la sencillez con la claridad y la funcionalidad.
g. Proveer adecuacin y uniformidad.
h. Hacer explcitas las abreviaciones.
i. Agregar informacin, no duplicarla.
Se deben seleccionar cuidadosamente las tablas y los grficos porque son cos-
tosos y ocupan mucho espacio en la publicacin. Adems el exceso de tablas, de
material grfico o de ambos disminuye el efecto que se desea lograr, cual es el de
realzar el texto.
Estilo
Faltas frecuentes
7. Tablas
Introduccin
Algunas veces las tablas resultantes constituyen el nico elemento de anlisis necesa-
rio, especialmente cuando la cantidad de datos es pequea y las relaciones son sencillas.
Cuando los datos son ms complejos ser necesario recurrir a grficos y/o a esque-
mas para visualizar patrones ms amplios y tendencias, como as mismo para identi-
ficar variaciones y prospecciones desde esas tendencias. Estas variaciones pueden
representar hallazgos nuevos importantes o simplemente detectar errores de codifica-
cin o de transcripcin.
Una vez que se ha completado el anlisis, las tablas, los grficos y los esquemas
sirven como ayudas visuales tiles para describir los datos a otras personas. De lo
anterior se desprende que los objetivos de las tablas, de los grficos y de los esque-
mas son: a) posibilitar la comprensin y el anlisis de los datos; b) comunicar infor-
macin acerca de los datos.
Las tablas para ser tiles deben ser exactas, fciles de leer y de comprender.
Esto requiere ttulo, espaciamiento, rayado, arreglo de los encabezamientos y ubica-
cin de la tabla con respecto al texto. Las tablas completan el texto, razn por la cual
deben ubicarse lo ms cerca posible del prrafo donde se las menciona.
Hoy existen muchas convenciones para construir tablas. Tanto las asociaciones
cientficas y profesionales como algunos organismos internacionales especifican sus
convenciones en sus respectivos manuales de estilo o de publicaciones. Algunos de
estos manuales son de tipo restrictivo para uso interno; otros, en cambio, se publican
para una amplia distribucin a un pblico interesado compuesto de investigadores,
profesores, directores de revistas, correctores de estilo y casas editoriales. J.B. Howell
describe en su libro ya clsico 231 manuales de estilo en uso en pases de habla ingle-
sa agrupados en 27 temas, biologa y ciencias entre otros. 21
1. Numeracin
Toda tabla debe ir numerada. Hay dos sistemas de numeracin de tablas: a) nume-
racin correlativa en orden de mencin en el texto completo; b) numeracin por cap-
tulos segn secuencia de aparicin en cada captulo. En el primer caso la tabla llevar
un nmero simple; en el segundo caso llevar un nmero compuesto por el nmero
del captulo, primero, y el nmero de orden de la tabla en ese captulo, segundo. A
modo de ejemplo, si la primera tabla aparece en el captulo 3, en el primer caso lle-
var el nmero 1; en el segundo caso llevar el nmero 3.1.
Se debe asignar un nmero rabe, consecutivo a cada tabla aun cuando haya pocas
tablas en el documento. El orden en el cual se mencionan las tablas en el texto deter-
mina la numeracin. Las tablas incluidas en los apndices deben numerarse consecu-
tivamente con las tablas en el texto. Esto significa que si la ltima tabla en el texto
es la tabla 7, la primera tabla del apndice ser la tabla 8. Toda referencia en el texto
a una tabla debe ser por nmero; en consecuencia no se debe usar una frase intro-
ductoria tal como En la tabla siguiente se muestra... sino La tabla 1 muestra....
Las referencias numeradas facilitan al lector el ubicar la tabla sin demora, aun cuan-
do por razones de diseo la tabla no se ubique inmediatamente despus del prra-
fo donde se la cita.
2. Ttulo
El ttulo debe escribirse en la misma lnea del nmero de la tabla, separado por
un guin y un espacio. El ttulo debe ocupar lneas completas equivalentes al ancho
total de la tabla y centrando la lnea ltima si sta resulta ser ms corta. El ttulo debe
ir en maysculas, debiendo utilizarse igual sistema de maysculas en los ttulos de
todas las tablas. El ttulo debe identificar brevemente el contenido de la tabla sin ade-
lantar informacin sobre los resultados; la tabla debe mostrar meramente los hechos,
reservando para el texto la discusin y la interpretacin de esos hechos.
354 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
3. Encabezamientos de columnas
4. Cuerpo
El cuerpo de la tabla debe contener todos los datos que ilustran el ttulo de la
misma. La consistencia aqu es muy importante; si los datos se informan en palabras,
hay que ser consistente con la forma, con la puntuacin y con las abreviaturas. Si los
datos se informan en nmeros, hay que expresarlos en las mismas unidades. Los nme-
ros enteros deben alinearse por la columna derecha; los nmeros decimales deben ali-
nearse por sus puntos decimales.
5. Intervalos de clases
Cuando se trata de variables de tipo continuo tales como tiempo, edad, dosis de
irradiacin, ingreso econmico, presin arterial, etc., stas tienen un rango amplio de
PARTE IV 355
Para crear los intervalos de clase se deben tener presente las siguientes pautas
directrices: a) crear intervalos de clase que sean mutuamente excluyentes; b) usar un
nmero relativamente amplio de intervalos de clase ms bien angostos para el anli-
sis inicial; ms tarde se pueden combinar los intervalos; c) usar intervalos de clase
con significacin natural o biolgica; d) utilizar agrupaciones por edad de tipo estn-
dar y/o de uso frecuente en la especialidad; e) utilizar los mismos intervalos para el
numerador que para el denominador en caso que se vaya a calcular tasas; f) crear cate-
goras para desconocido, no declara, no consta, etc.
TabIa IV.1.- Distribucin de la duracin del tratamiento en 200 pacientes sometidos a litotricia.
10 x < 20 4 15 4 0.0200
20 x < 30 5 25 9 0.0450
30 x < 40 21 35 30 0.1500
40 x < 50 27 45 57 0.2850
50 x < 60 48 55 105 0.5250
60 x < 70 53 65 158 0.7900
70 x < 80 28 75 186 0.9300
80 x < 90 13 85 199 0.9950
90 x < 100 1 95 200 1.0000
Total 200 1.0000
Fuente: Burgos R, Chicharro JA, Bobenrieth MA. Metodologa de investigacin y escritura cientfica en clnica. Gra-
nada: Escuela Andaluza de Salud Pblica, 1994.
Tabla IV.2.- Incidencia de leucemia entre los residentes de Hiroshima, de 1945 a 1966.
Fuente: Martnez Oliva L. Cncer y ambiente. Bases epidemiolgicas para su investigacin y control. Mtodos epide-
miolgicos. Mxico: Centro Panamericano de Ecologa y Salud, 1990.
Fuente: Lwanga SK, Tye CY. La enseanza de la estadstica sanitaria. Ginebra, 1987.
La Tabla IV.4 muestra el nmero anual de consultas mdicas en Estados Unidos por
edad, dividido en seis intervalos de clase.
La Tabla IV.5 presenta la variable edad dividida en ocho grupos con intervalos desi-
guales: a) el primer grupo con intervalo de menos de 14 aos; b) los siguientes cua-
tro grupos con intervalos de 5 aos; c) los siguientes dos grupos con intervalos de 10
aos; d) el ltimo grupo con intervalo mayor de 55 aos.
7. Tamao y forma
Si la tabla es muy larga, puede continuarse de una pgina a las pginas siguien-
tes. El nmero de la tabla junto con el ttulo se incluye en el comienzo de la tabla;
las pginas siguientes llevarn solamente el nmero de la tabla con la indicacin
Continuacin; sin embargo los encabezamientos de columnas se deben repitir en
cada pgina.
8. Abreviaturas y smbolos
Aunque su uso est proscrito en los ttulos excepto para smbolos matemticos,
qumicos y biolgicos de uso comn las abreviaturas y los smbolos constituyen
ahorro legtimo de espacio en encabezamientos de columnas y en el cuerpo de la tabla.
Se debe utilizar abreviaciones estndar que sean autoexplicativas; en caso contrario
debe incluirse una nota explicativa a pie de tabla, en el ngulo inferior izquierdo.
9. Alineacin
En una columna de cifras se deben alinear todos los puntos decimales y las comas.
Igualmente se deben alinear signos monetarios, signos ms, signos menos, signo mayor
que, signo menor que, signo igual, etc.
10. Omisiones
En una columna larga de cifras, el nmero cero (0) que precede a un punto deci-
mal puede suprimirse en todas las entradas excepto la primera y la ltima. Si todas las
cifras estn en miles o millones, se puede ahorrar espacio suprimiendo los ceros rele-
vantes y anotando el hecho al final del ttulo, como por ejemplo: (cifras en millones).
Las notas a pie de tabla se utilizan para explicar cualquier parte de la tabla que lo
requiera. Las notas a pie de tabla son de cuatro tipos: a) notas sobre fuente de los
PARTE IV 359
datos; b) notas generales; c) notas sobre partes especficas de la tabla; d) notas sobre
nivel de probabilidad.
a. Si los datos de una tabla no provienen del estudio que se presenta sino que se
han tomado de otra fuente, el autor debe sealarlo claramente en la primera
nota a pie de tabla, la cual se inicia con la palabra Fuente:.
b. Las notas generales incluyen comentarios sobre la validez de los datos que se
presentan, sobre cmo se obtuvo la informacin, etc.
c. Las notas sobre partes especficas incluyen explicaciones sucintas sobre ter-
minologa, sobre unidades utilizadas o sobre algn otro aspecto relevante de
la tabla.
d. Cuando la tabla contiene valores con niveles de probabilidad conocida sta se
debe incluir en una nota a pie de tabla, las cuales se indican con asteriscos. Se
utiliza un asterisco para el nivel ms bajo de probabilidad, dos asteriscos para
el siguiente y as sucesivamente hasta el ms alto.
Las notas a pie de tabla no se deben numerar en la misma serie que las notas a
pie de pgina del texto.
13. Ubicacin
Idealmente cada tabla deber ubicarse lo ms cerca posible del final del prrafo
donde se la cita por primera vez. Si la tabla no puede acomodarse en el espacio res-
tante de la pgina es preferible continuar con el texto para completar la pgina y ubi-
car la tabla al comienzo de la pgina siguiente. Si la tabla aparece intercalada en el
texto, deben dejarse tres espacios en blanco encima y tres espacios en blanco debajo
de cada tabla.
360 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Las tablas de una variable son las tablas ms bsicas en epidemiologa descripti-
va; su objetivo es mostrar distribucin de frecuencia de una sola variable, ej. grado
de malignidad del tumor, nmero de sesiones de tratamiento, etc.
Grado 4 12 0.1622
Grado 5 18 0.2432
Grado 6 21 0.2838
Grado 7 14 0.1892
Grado 8 o ms 9 0.1216
Total 74 1.0000
Fuente: Burgos R, Chicharro JA, Bobenrieth MA. Metodologa de investigacin y escritura cientfica en clnica. Gra-
nada: Escuela Andaluza de Salud Pblica, 1994.
Fuente: Burgos R, Chicharro JA, Bobenrieth MA. Metodologa de investigacin y escritura cientfica en clnica. Gra-
nada: Escuela Andaluza de Salud Pblica, 1994.
La Tabla IV.7 es similar en su estructura a la Tabla IV.4, ya que ambas presentan varia-
bles cuantitativas de tipo discreto. La diferencia est en que en la Tabla IV.4 la varia-
ble es el grado de malignidad del tumor y en la Tabla IV.5 la variable es el nmero
de sesiones de tratamiento a los pacientes.
Los datos de un estudio pueden tambin tabularse en forma cruzada para mostrar
el recuento de una segunda variable, atributo o caracterstica.
Trasplantes
Corazn: 3 3 10 12 24 43 50 51
Fuente: Burgos R, Chicharro JA, Bobenrieth MA. Metodologa de investigacin y escritura cientfica en clnica. Granada:
Escuela Andaluza de Salud Pblica, 1994.
Fuente: Ministerio de Comercio de Estados Unidos. Resumen estadstico de la 110 edicin. Washington, D.C.: Oficina del Censo, 1990.
La Tabla IV.9 para datos bidimensionales muestra los tipos de acomodacin de la gente
mayor de 65 aos en Estados Unidos, por sexo.
La Tabla IV.4 (p.357) para datos bidimensionales muestra el nmero anual de con-
sultas mdicas en Estados Unidos, por grupos de edad.
EXPUESTOS a b Horizontal 1
NO EXPUESTOS c d Horizontal 2
Vertical 1 Vertical 2
La Tabla IV.10 muestra el formato genrico de las tablas de dos por dos. El status
del efecto (enfermo/sano) se indica habitualmente a lo largo de la parte superior de
la tabla (encabezamientos de columna); el status de la exposicin (expuesto/no expues-
to) se indica a lo largo de la parte lateral izquierda de la tabla (encabezamientos de
fila). Las letras a, b, c y d dentro de las cuatro celdas de la tabla de dos por dos se
refiere al nmero de personas con el status de efecto indicado arriba y el status de
exposicin indicado a la izquierda.
PARTE IV 363
Presente a b m1 a/m1
Ausente c d m2 c/m2
Total n1 n2 n n/n1
Fuente: Martnez Oliva L. Cncer y ambiente. Bases epidemiolgicas para su investigacin y
control. Mtodos epidemiolgicos. Mxico: Centro Panamericano de Ecologa y Salud, 1990.
La Tabla IV.12 muestra la aplicacin de una tabla de dos por dos a medidas de ries-
go en estudio de cohortes.
Enfermo No enfermo
Verdaderos positivos (VP): individuos que resultaron positivos al tamizaje y que realmente tienen la enfermedad.
Falsos negativos (FN): individuos que respondieron negativamente al examen y que padecen realmente la enfermedad.
Falsos positivos (FP): individuos que resultaron positivos al tamizaje pero en los cuales se descart totalmente la
enfermedad.
Verdaderos negativos (VN): individuos en que el tamizaje fue negativo y realmente no tienen la enfermedad
Como puede apreciarse, el examen de tamizaje puede dar resultados falsos, de ah que para evaluar la validez de una
prueba se recurra a establecer su grado de sensibilidad y de especificidad
Algunas veces se requiere incluir una tercera variable para mostrar un conjunto
de datos y sus relaciones en forma ms completa. Una tabla de ms de tres variables
resulta -en general- un tanto congestionada y en la medida que aumenta la compleji-
dad de la tabla suele disminuir su claridad. La decisin de construir una tabla de tres
o ms variables debe tomarse frente a la conveniencia de agregar una tabla adicional
con una o dos variables.
Fuente: Burgos R, Chicharro JA, Bobenrieth MA. Metodologa de investigacin y escritura cientfica en clnica. Gra-
nada: Escuela Andaluza de Salud Pblica, 1994.
Fuente: Burgos R, Chicharro JA, Bobenrieth MA. Metodologa de investigacin y escritura cientfica en clnica. Granada: Escue-
la Andaluza de Salud Pblica, 1994.
La Tabla IV.15 muestra una serie de cinco variables (indicadores): estancia media,
ndice de ocupacin, utilizacin de quirfano, lista de espera y mortalidad, los cuales
se relacionan con la gestin de seis grandes hospitales andaluces.
Jamn asado 29 17 46 63 17 12 29 59
Espinacas 26 17 43 60 20 12 32 62
Pur de patatas 23 14 37 62 23 14 37 62
Ensalada de repollos 18 10 28 64 28 19 47 60
Gelatina 16 7 23 70 30 22 52 58
Croissants 21 16 37 57 25 13 38 66
Pan integral 18 9 27 67 28 20 48 58
Leche 2 2 4 50 44 27 71 62
Caf 19 12 31 61 27 17 44 61
Agua 13 11 54 80 3 18 21 14
Pasteles 27 13 40 67 19 16 35 54
Helado de vainilla 43 11 54 80 3 18 21 14
Helado de chocolate 25 22 47 53 20 7 27 74
Macedonia de frutas 4 2 6 67 42 27 69 61
Fuente: Centro para el Control de Enfermedades. Informe de toxi-infecciones alimenticias. Atlanta: CCE, 1989.
La Tabla IV.16. muestra una investigacin por toxi-infeccin alimenticia con tres varia-
bles relacionadas: tipo de alimento; condicin de haber comido o no haber comido
cada alimento; condicin de salud (enfermo/sano).
La Tabla IV.5 (p.357) muestra casos nuevos reportados de sfilis, tasas por 100.000,
segn grupos de edad y raza.
366 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Los diversos tipos de tablas descritos muestran recuentos de casos. Las celdas de
una tabla tambin pueden contener promedios, desviacin tpica, mediana, tasas, aos
perdidos de vida potencial, riesgos relativos, intervalos de confianza, etc.
Tabla IV.17.- Media, desviacin tpica y mediana de los tems y la escala global del
cuestionario de apoyo social. Centro de Salud de Cartuja, 1989.
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 Escala
X: 2,9 2,7 3,0 3,6 3,7 3,3 3,3 3,2 2,5 3,3 3,6 35,55
S: 1,4 1,3 1,3 1,2 1,3 1,3 1,3 1,2 1,4 1,2 1,3 10,23
Me: 3 3 3 4 4 3 4 3 2 3 4 36
Fuente: De La Revilla L, Bailn E, Luna J, Delgado A, Prados MA, Fleitas L. Validacin de una escala de apoyo social
funcional para su uso en la consulta del mdico de familia. Atencin Primaria 1991; 8: (9): 52.
Nivel de hacinamiento
Hacinado 7 15 7,93 (0,78-182,58) 0,044
Semihacinado 1 17
Escolaridad de la madre
Analfabeta 5 6 7,22 (1,05-55,55) 0,024
Primaria incompleta 3 26
Como parte del plan de anlisis debemos desarrollar la matriz o formato de tablas
los cuales muestran cmo se van a organizar y a exponer los datos. Las matrices de
tablas son tablas completas, excepto que carecen de los datos. En consecuencia deben
mostrar ttulo, encabezamientos de columnas, intervalos de clase, categoras, medidas
estadsticas a calcular, totales, etc.
Fuente 19, 20 y 21: Centro para el Control de Enfermedades. Informe de toxi-infecciones alimenticias. Atlanta: CCE, 1989.
La matriz de Tabla IV.19 se centra en seis rasgos clnicos: fiebre, inyeccin conjun-
tival bilateral, cambios de la boca, cambios de las extremidades perifricas, erupcin
cutnea y linfadenopata cervical. En cada caso se indica el nmero y el porcentaje.
Los siguientes formatos de matriz de tabla han mostrado ser muy tiles en la inves-
tigacin de brotes de intoxicacin e infecciones alimenticias.
Matriz de tabla IV.22- Encuesta de consumo-enfermedad.
Sntomas - Alimentos
Nombre Sexo Edad Incubacin D V Obs.
Fuente: Armijo Rojas R. Epidemiologa bsica en atencin primaria de la salud. Madrid: Ediciones Daz de
Santos, 1994.
Fuente: Armijo Rojas R. Epidemiologa bsica en atencin primaria de la salud. Madrid: Ediciones Daz de
Santos, 1994.
8. Grficos
Introduccin
Tanto los grficos como las tablas completan el texto y ayudan a que el lector
tenga una visin y una comprensin rpida del mensaje. Los grficos y las tablas
clarifican la informacin, ponen nfasis en los datos ms significativos, establecen
relaciones y resumen el material de los hallazgos 23.
1. Numeracin
Todo grfico debe tener un ttulo el cual se presenta en la forma de una frase
breve explicativa. Valen aqu los comentarios sobre Ttulo de la seccin sobre
Tablas.
3. Identificacin de partes
4. Tamao y forma
5. Preparacin
Con respecto a las fotografas, se recomienda que sean ntidas, de muy buena
calidad; el tamao 10x15 cm (tamao de una tarjeta postal) en superficie mate.
El grfico debe centrarse en la pgina, con un margen ms ancho abajo que arri-
ba para acomodar la leyenda; tambin el margen izquierdo debe ser mayor que el
derecho por razones de empaste.
PARTE IV 373
6. Crditos y permisos
7. Ubicacin
Si aparecen dos o ms grficos en una misma pgina, cada uno debe llevar un
nmero y una leyenda. Tambin se pueden acomodar dos o ms grficos directa-
mente relacionadas en la misma pgina como un grupo o conjunto con un nico
nmero y leyenda nica; en este caso los grficos individuales se deben identificar
con una letra sola (a, b, c, etc.).
Grficos en barra
Los grficos en barra, tambin denominados grficos en columna, son las ayu-
das visuales de eleccin para comparar magnitudes o tamaos; tambin son exce-
lentes para destacar diferencias en un item en diferentes perodos de tiempo.
1. Uso
Se recomienda:
2. Diseo
La informacin que sigue ha probado ser til para la decisin sobre el diseo
de un grfico en barras:
a. Se debe decidir si las barras sern verticales u horizontales. Hay autores que
recomiendan barras verticales para mostrar altitud, mientras que distancias reco-
rridas se muestras mejor con barras horizontales; un arreglo vertical de las
barras ilustra mejor la cantidad de una variable en diferentes intervalos de tiem-
po mientras que un arreglo horizontal de las barras ilustra mejor diferentes
mediciones de varias variables en el mismo tiempo.
c. Las barras deben tener el mismo ancho. Se sugiere un ancho entre 0,5 y 1 cen-
tmetro , aun cuando la altura y el espacio disponible suelen determinar el ancho
de las barras.
e. Las barras se deben separar manteniendo igual distancia entre ellas. El autor
debe sentirse en libertad para agrupar un conjunto de barras que representan
variables con algn elemento en comn; si ste fuera el caso se debe mante-
ner igual distancia entre conjuntos de barras.
f. Se debe poner rtulos en el lado izquierdo o debajo de las barras, aparte del
eje del grfico. Nunca poner rtulos dentro de las barras.
HOMBRES MUJERES
100 100
Tasas por 100.000
0 0
n a a o ta ge o n o
ig bi ct
C. n
Es ero
ul go
ar
cto
io
ix
om ag sta lo
am
m
in
lo
j
La Re
ili
ar
rv
m Co
Ve
a
l r
no
Re
n m
Co
Ve tm
La
Ov
Pu
ab
Ce
M
la st Pr
ela
e E
-m
-m
sc
o no
ln
ie
el
P
Pi
LOCALIZACIONES LOCALIZACIONES
HOMBRES MUJERES
Mortalidad Incidencia
Grfico IV.2. Mortalidad e incidencia de Cncer. Tasas brutas por 100.000. Granada 1988-90.
Fuente: Martnez Garca, C. El Cncer en Granada, Incidencia y mortalidad 1988-90. Granada: Escuela Andaluza
de Salud Pblica, 1994.
HOMBRES MUJERES
Trieste (I) Dinamarca
Asturias Asturias
Granada Granada
Mallorca Mallorca
Murcia Murcia
Navarra Navarra
Pas Vasco Pas Vasco
Tarragona Tarragona
Zaragoza Zaragoza
40
1.500
30
1.000
20
500
10
0 0 Pobres No pobres
NIOS HOMBRES MUJERES
Grupo Amrica Latina y el Caribe, 1985 Grupo Amrica Latina y el Caribe, 2030
de edad de edad
75 + 75 +
70-74 70-74
65-69 65-69
60-64 60-64
55-59 55-59
50-54 50-54
45-49 45-49
40-44 40-44
35-39 35-39
30-34 30-34
25-29 25-29
20-24 20-24
15-19 15-19
10-14 10-14
5-9 5-9
0-4 0-4
20 16 12 8 4 0 10 20 30 40 50 20 16 12 8 4 0 10 20 30 40 50
Porcentaje de la poblacin total Porcentaje de las muertes totales
Prevalencia de riesgo
100
80
60
40
20
0
Hipertensin Obesidad Tabaquismo Alcohol Falta de
ejercicio
Sin escolaridad Escolaridad post-secundaria
Truncada 35-64
Andaluca
Aragn
Asturias
Baleares
Canarias
Cantabria
Castilla la Mancha
Castilla Len
Catalua
C. Valenciana
Extremadura
Galicia
Madrid
Murcia
Navarra
Pas Vasco
Rioja
0% 25% 50% 75% 100%
Histogramas
1. Uso
La variable del eje horizontal (eje X) ms comn es tiempo. Sin embargo, otras
variables continuas, tales como nivel de colesterol, nivel de presin arterial, valores
de seroalbmina en gramos por litro de sangre, casos de hepatitis A reportados, etc.,
pueden inscribirse en el eje X.
Se recomienda empezar el eje X antes del primer caso del brote y mostrar cual-
quier caso de la misma enfermedad que ocurri durante el perodo preepidmico.
Esos casos pueden representar casos antecedentes o casos no relacionados. Al mismo
tiempo pueden representar la fuente del brote.
2. Diseo
d. No pueden existir separaciones entre los rectngulos, dado que, al ser continua
la variable, los lmites de los intervalos de clase son lmites que reflejan valo-
res reales.
e. Cuando los intervalos son desiguales (unos ms amplios que otros), debe res-
petarse la proporcionalidad entre las reas, lo que afecta la comparabilidad entre
barras; ya hemos considerado cmo bajo estas circunstancias la comparacin
entre reas se hace ms dificultosa.
f. Cuando los intervalos son iguales, las bases de los rectngulos tambin lo son,
por lo que la atencin se centra en la altura casi exclusivamente, a efectos de
comparacin, dado que la altura del rectngulo ser proporcional a la fre-
cuencia.
PARTE IV 383
3. Ejemplos de histogramas
N de hombres
30 900
= 1 caso
800
El rea de Campaas
25 cada cuadrado de vacunacin
es idntica con vacuna 700
polio oral
20 600
500
Casos
15
400
No es esencial
No hay espacios mostrar lneas
10 horizontales 300
entre columnas
adyacentes entre casos
200
5
100
0 0
Ene Mar May Jul Sep Nov Ene Mar 60 100 140 180 220 260 300 340 380 420 460 500
1988 1989 Nivel de colesterol (mg/dl.)
Mes
Frecuencia
12 12
10 10
8 8
6 6
4 4
2 2
0 0
30 34 38 42 46 50 54 30 34 38 42 46 50 54
Valores de seroalbmina en g/l Valores de seroalbmina en g/l
Periodo de
incubacin
mximo
Tiempo Tiempo
Tiempo Tiempo
Polgonos de frecuencias
1. Uso
2. Diseo
b. Para mantener un rea total igual se debe poner especial atencin a como se
cierra el polgono de frecuencias. La lnea de frecuencia del polgono empie-
za en el punto cntrico del intervalo anterior al intervalo uno (con un valor Y
de cero), completamente fuera del histograma y conecta con el punto cntrico
del primer intervalo que contiene observaciones. El lado derecho del polgono
de frecuencia cierra de manera similar.
386 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Porcentaje
15 25
Histograma Poblacin referencia
Peso por estatura
Polgono de Estatura por edad
frecuencias 20 Peso por edad
10
N de casos
5 10
0
1 2 3 4 5 6 7 8 9 0
Semana del brote de la enfermedad -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7
Primera observacin se ltima observacin se Puntuacin referencia Z
conecta con el punto medio del conecta con el punto medio del
intervalo anterior en el eje X intervalo siguiente en el eje X
Grfico IV.16. Antropometra de nios
Grfico IV.15. Nmero de casos de gripe haitianos de edad 24-60 meses comparado
reportados por semana del brote. con poblacin de referencia OMS.
Fuente: Centro para el control de enfermedades.Informe Fuente: Centro para el control de enfermedades. Informe
de Toxi-infecciones alimenticias. Atlanta: CCE, 1989. de Toxi-infecciones alimenticias. Atlanta: CCE, 1989.
1. Uso
Se usan grficos lineales con cualquier tipo de audiencia para mostrar una ten-
dencia, ms que una comparacin. Los grficos lineales son los grficos ms utili-
zados debido a que permiten mostrar datos discretos como parte de una tendencia y
permiten llamar la atencin sobre una prediccin. Se usa el grfico lineal cuando se
quiere poner nfasis en datos sin distorsionar su efecto. Un buen grfico lineal puede
reemplazar pginas de explicacin, permitiendo al lector la comprensin de ideas
complejas en unos pocos minutos.
2. Diseo
Dado el hecho que el grfico lineal representa una relacin de proporcin entre
X e Y, la representacin visual debe sugerir y realzar esa proporcin.
La informacin siguiente constituye una ayuda para disear un buen grfico lineal:
a. Crear los ejes X e Y en forma lgica. Dibujar el eje horizontal X con interva-
los iguales de izquierda a derecha, partiendo con el nmero ms bajo a la izquier-
da. Dibujar el eje vertical Y con cero en el fondo y con el nmero ms alto en
la cima. Recordar que su nmero ms bajo ser donde X e Y se intersecan. Se
debe mantener una proporcin constante en esas dos lneas de manera tal que
las lneas den un cuadro lgico de los datos. Si no se mantiene una proporcin
constante o si el dibujo es demasiado ancho o demasiado alto, los datos apare-
cern distorsionados porque las lneas aparecen muy empinadas o muy planas.
b. Mostrar cero como punto de partida para ambos, X e Y, siempre que sea posi-
ble. Si razones de espacio exigen comenzar con un nmero ms alto, hacerlo
claramente con un espacio en blanco y un marcador que muestre donde empie-
zan los intervalos; esta tcnica se denomina de cero suprimido.
c. Rotular claramente los intervalos de los ejes X e Y, preferiblemente en forma
horizontal. Usar una leyenda para identificar los puntos que se trazan e iden-
tificar las lneas que se dibujan para mostrar tendencias. Identificar todos los
hechos que se suponen importantes para el lector y colocar su clave de identi-
ficacin en la esquina inferior derecha del grfico. De esta manera se reserva
la esquina inferior izquierda para informacin sobre Fuente y otras notas a
pie de grfico.
d. Utilizar lneas claramente contrastantes (lneas gruesas, lneas delgadas, lneas
quebradas, lneas de punto) en el caso de que el grfico presente comparacio-
nes mltiples y requiera en consecuencia ms de una lnea de tendencia,.
Para grficos en colores, utilizar colores contrastantes.
388 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
e. Utilizar una rejilla o sombreado para dar mayor exactitud y para realzar
la calidad del grfico. Sin embargo se debe tener cuidado que este artificio no
estorbe y confunda el diseo.
f. Evitar el insertar lneas mltiples para mostrar relaciones entre muchas varia-
bles en un solo grfico. Demasiadas lneas confunden al lector; la mayora de
los artistas grficos aconsejan no incluir ms de 3 a 4 lneas.
900
800
Autorizada la vacuna
Casos reportados (por 1.000)
700
600
500
400
300
200
100
0
1950 1955 1960 1965 1970 1975 1980 1985 1990 Ao
Guerra Mundial
4000
1000 Gran
Depresin
0
1900 1920 1940 1960 1980 Ao
El Grfico IV.18 es lineal de escala aritmtica muestra el consumo per cpita de ciga-
rrillos en Estados Unidos 1900 y 1985. Ntese cmo se seala con flechas seis acon-
tecimientos mundiales que se relacionan con el hbito de fumar.
50
biliares (mg/g peso seco
40
30
20
10
4 8 12 16 20 24 28 32 36 40 Das
9.000 Total
8.000 Domstico
Salvaje
7.000
6.000
Casos
5.000
4.000
3.000
2.000
1.000
0
1955 1960 1965 1970 1975 1980 1985 1990 Ao
25
20
Tasas por 100.000
15
10
5
Vejiga
Prstata
0
1955 1960 1965 1970 1975 1980 1985 1955 Ao
Grfico IV.21. Tendencias de mortalidad por cncer de vejiga y prstata. Espaa, 1955-90.
Fuente: Movimiento Natural de la Poblacin. Elaboracin: registro de Cncer de Granada.
El Grfico IV.21 es lineal de escala aritmtica, lneas mltiples, muestra las tenden-
cias de mortalidad, tasas por 100.000 habitantes, por cncer de vejiga y prstata en
Espaa, 1950-1990.
300
N de Trasplantes
N de Trasplantes
180
200
160
100
140
0
1986 1988 1990 1992 Tiempo 1986 1988 1990 1992 Tiempo
150
100
50
0
1986 1988 1990 1992 Tiempo
70 SERIES
60 Serie 3
Serie 2
50
Serie 1
Frecuencias
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 Meses
100% SERIES
Serie 3
75% Serie 2
Serie 1
Frecuencias
50%
25%
0%
1 2 3 4 5 6 7 8 9 10 11 12 Meses
A B
Incidencia
C D
Incidencia
edad edad
1,0 1,0
Probabilidad de sobrevida
Probabilidad de sobrevida
0,5 0,5
Tratamiento A:
Tratamiento B:
0 1 2 3 4 5 0 10 20 30 35 40 50
Aos Semanas
El Grfico IV.27 es lineal y representa una curva de sobrevida. El eje vertical (Y)
corresponde a la probabilidad de sobrevida (de 0 hasta 1.0); el eje horizontal (X)
corresponde a aos (de 1 hasta 5).
40
tero
Tasa por 100.000 habitantes mujeres
mama
pncreas
30
leucemia
hgado
ovario
20 pulmn
estmago
colon y recto
10
0
1930 1940 1950 1960 1970 1980 1985
Ao
Grfico IV.29. Tasas de mortalidad por cncer por 100.000 habitantes para diversas
localizaciones, ajustadas para mujeres, por edad, en los Estados Unidos. 1930-1982.
Fuente: Martnez Oliva, L. Cncer y ambiente. Bases epidemiolgicas para su investigacin y control. Mto-
dos epidemiolgicos. Mxico: Centro Panamericano de Ecologa y Salud, 1990.
394 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
El Grfico IV.29 es lineal de escala aritmtica y presenta tasas de mortalidad por cn-
ceres en nueve localizaciones a lo largo de 55 aos, en Estados Unidos. Llama la aten-
cin la dificultad para identificar cada localizacin con el tipo de lnea. Esto se debe al
error de haber incluido nueve lneas de distinta configuracin, pero que al estar todas
en blanco y negro inducen a confusin.
Evolucin de la Evolucin de la
poblacin espaola poblacin del mundo
en millones de habitantes en millones de habitantes
45 14.000
41,3 41,6 12.500
39,3 12.000
40 38,8
10.000
35 8.000 7.200
6.000 5.700
30
4.000
25 2.000
2.000 1.000
200
1991 2010 2030 2050 Siglo I a.C. 1800 1950 1994 2015 2050
El Grfico IV.30 presenta la evolucin de la poblacin del mundo mediante una com-
binacin de un grfico de barras horizontales (mitad superior) y un grfico lineal (cua-
drante inferior derecho). Adems se muestra un grfico lineal en silueta sobre la
evolucin de la poblacin espaola (cuadrante inferior izquierdo).
PARTE IV 395
Este tipo de grfico, tambin denominados grficos de cambio relativo, son con-
fiables, adaptables y tiles. En efecto permiten comparar cambios relativos para gran-
des y pequeas cantidades.
d. El grfico semilogartmico provee una tcnica slida para comparar varias series
de datos que no se expresan en unidades comunes.
1. Uso
Se usan grficos semilogartmicos para mostrar cambios relativos cuando las can-
tidades base difieren grandemente. El grfico lineal aritmtico es til para describir
fluctuaciones comparativas solamente cuando las cantidades comparadas tienen valo-
res similares. Tambin se utilizan grficos semilogartmicos para comparar cambios
relativos de variables expresadas en unidades diferentes.
396 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
2. Diseo
a
10.000
Hombres
Mujeres
1.000
Tasas por 100.000 (Log.)
100
10
0
0 1- 5- 10- 15- 20- 25- 30- 35- 40- 45- 50- 55- 60- 65- 70- 75- 80- 85-
Edad
b
3.000
Hombres
2.500 Mujeres
2.000
Tasas por 100.000
1.500
1.000
500
0
0 1- 5- 10- 15- 20- 25- 30- 35- 40- 45- 50- 55- 60- 65- 70- 75- 80- 85-
Edad
Grfico IV.31. Incidencia de cncer todas las localizaciones. Tasas especficas por edad y
sexo. Granada 1988-90. Arriba, escala vertical semilogartmica. Abajo, escala aritmtica.
Fuente: Martnez Garca, C. El Cncer en Granada, Incidencia y mortalidad 1988-90. Granada: Escuela
Andaluza de Salud Pblica, 1994.
a. b.
1.000E+07 2.000
ciudad Q ciudad Q
ciudad P ciudad P
1.000.000 1.500
Log de Miles
Miles
100.000 1.000
500 500
0 0
1984 1985 1986 1987 1984 1984 1985 1986 1987 1988
Aos Aos
100
0,22
1 1983,
1973, 10,0
ciclo 0,0028
0,1
ciclo
0,01
ciclo
0,001
1951 1955 1960 1965 1970 1975 1980 1985 1990 Ao
Grficos en sectores
1. Uso
Su uso est indicado para grupos de audiencias con intereses y antecedentes sobre
el tema muy variados. Se los utiliza por su rpida facilidad de lectura y compren-
sin. Por su naturaleza, este tipo de grfico da a la audiencia una visin general, un
cuadro panormico sobre valores bsicos, sobre relaciones y sobre clasificacin de
los datos. Un buen grfico en sector muestra un compuesto total de partes (secto-
res) y cmo un sector afecta al total.
2. Diseo
a. Dibujar primero un crculo de 360 grados; dado el hecho que 3,6 grados equi-
vale a un 1%, un segmento de 72 grados representa un 20%. Cada segmento
debe igualar su porcentaje en grados; para encontrar los grados, multiplicar el
porcentaje del segmento por 3,6. El total de los segmentos del crculo debe
sumar 360 grados, lo que equivale al 100%.
d. Utilizar, por lo menos, tres segmentos en el grfico (el utilizar solamente dos
resulta absurdo en un grfico en sector) y no incluir ms de cinco o seis. Si
se necesita ms de seis, entonces considerar un nuevo sistema de agrupacin
de la informacin con menos de 6 categoras o la utilizacin de otro tipo de
grfico
400 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Genital 13%
Genital 7% Pulmn 1%
HOMBRES MUJERES
Grfico IV.34. Incidencia de cncer. Frecuencia relativa por rganos y aparatos. Granada 198890.
Fuente: Martnez Garca, C. El Cncer en Granada, Incidencia y
mortalidad 1988-90. Granada: Escuela Andaluza de Salud Pblica, 1994.
Ovario 25%
Placenta 0%
HOMBRES MUJERES
Grficos de dispersin
Para crear un grfico de dispersin debemos tener un par de valores para cada
persona, grupo y otra entidad en nuestro conjunto de datos, un valor para cada una de
la variables. Entonces diseamos cada par de valores colocando un punto sobre el gr-
fico donde los dos valores se cruzan (ej. por ciento de sobrevida y enfermedad arte-
rial perifrica; niveles de tetraclorodibenzeno-dioxin ajustado para lpidos y aos de
exposicin; volumen expiratorio forzado y estatura; presin arterial sistlica y edad en
mujeres; peso del nio al nacer y aumento de peso de la madre durante el embarazo).
1. Uso
2. Diseo
a. Se desarrolla una escala para las dos variables la cual se construye en el ngu-
lo de la derecha, lo cual permite una grfica rectangular de coordenadas.
b. Cada variable se asigna a uno de los dos ejes de coordenadas; los valores de
una variable (X) se sitan en el eje horizontal; los valores de la segunda varia-
ble (Y) se sitan en el eje vertical.
c. Los datos se refieren a un nmero de sujetos, cada uno de los cuales provee
observaciones sobre dos variables.
PARTE IV 403
Alto A B C
Y Y Y
Bajo
Bajo X Alto X X
Correlacin fuertemente negativa Correlacin positiva moderada Correlacin positiva perfecta
D E F
Alto
Y Y Y
Bajo
Bajo X Alto X X
Correlacin negativa dbil Sin correlacin Correlacin fuertemente positiva
10.000
1.000
Nivel de TCDD (pg/g de lpido)
100
10
1
0,0005 0,005 0,05 0,5 1,0 5,0 50,0
Aos de exposicin
4
VEF (litros)
0
160 170 180 190 Estatura (cm)
Concepto y objetivos
Las notas a pie de pgina son de dos clases: de referencia y de contenido. Las
notas de referencia son aquellas que citan de las fuentes de los hechos que se publi-
can o que hacen referencia a otras partes del documento mismo. Las notas de con-
tenido, por otra parte, proveen informacin adicional, que el autor piensa que sera
de inters para el lector pero que no es suficientemente vital para incorporarlo en el
texto principal. Las notas de contenido son anlogas a los apndices. Aquellas tablas,
esquemas, listas, cartas y otras similares las cuales no tienen una relevancia inme-
diata con el texto quedan mejor ubicadas en un apndice; este material se refiere en
el texto mediante una nota a pie de pgina. Cuando se trate de material simple y
breve, se debe incluir directamente en la nota a pie de pgina, en vez de situarlo en
un apndice. 26
Usos
Las notas a pie de pgina tienen cuatro usos principales: a) Citar la fuente de
afirmaciones en el texto que no califican como referencias propiamente tales; sto
abarca tesis, artculos en semanarios o peridicos, ponencias a jornadas o congresos
no publicadas, cartas personales, opiniones especficas de personalidades, citas entre
comillas, etc.; b) Hacer referencias cruzadas; c) Hacer comentarios incidentales o
circunstanciales que amplan la discusin del texto lo cual podra beneficiar al lec-
tor pero que al introducirse en el texto interrumpir su flujo de pensamiento; d) Hacer
reconocimientos a personas o a instituciones.
406 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Numeracin
Ubicacin
Las notas deben disponerse en orden numrico al pie de la pgina o al final del-
captulo. El uso de notas al pie de la pgina permite al lector leer el documento de
corrido de principio a fin, sin la incomodidad de tener que interrumpir la lectura
para buscar una referencia al final del captulo o del documento y regresar nueva-
mente a la pgina y lnea del texto original. Esto es particularmente engorroso cuan-
do el documento se conserva en la forma de microficha.
Abreviaturas
El texto de la nota debe evitar las abreviaturas. Sin embargo las abreviaturas son
de uso frecuente en las bibliografas, listas de referencias, materias tabulares y mate-
riales ilustrativos.
No se deben utilizar abreviaturas que designan una parte de una palabra escrita.
(Ej.: vol. por volumen; pt. por parte; cap. por captulo, etc.) a menos que esa parte
PARTE IV 407
de la palabra sea seguida por un nmero (Ej.: vol. 2; 4 vols.; pt.4; cap.10, etc.) Si
no se acompaan de un nmero, esas palabras representadas por las abreviaturas
deben escribirse completas.
Los textos que utilizan notas a pie de pgina para referencias citadas en el texto
en lugar de agrupar las referencias en una seccin especial se cien a los mismos
criterios y normas descritos en el Captulo C, seccin 13. REFERENCIAS de esta
Parte IV de la obra.
La abreviacin LOC. CIT., por las palabras latinas LOCO CITATO en el lugar
citado, se usa en lugar de IBID cuando la referencia al trabajo la precede inme-
diatamente y adems se refiere a la misma pgina. LOC. CIT., tambin se usa en
lugar de OP. CIT. cuando se hace referencia a un trabajo previamente citado y a la
misma pgina. En consecuencia LOC. CIT. nunca es seguido por un volumen o un
nmero de pgina.
408 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
10. Discusin
Concepto y objetivos
La forma como se organiza y se escribe este captulo es una llave del xito. El
lector debe poder descubrir una secuencia lgica en el anlisis de la informacin y
sus implicaciones. Esta secuencia no sigue necesariamente el orden en que se con-
dujeron los experimentos.
Un aspecto que atenta gravemente contra la validez del estudio, tanto la validez
interna como la externa, es el de los sesgos. Aqu destacan: a) Los sesgos de selec-
PARTE IV 409
La discusin debe relacionar los resultados con las teoras subyacentes y con
los resultados de estudios afines. Por ello los hallazgos presentados en el captulo
de resultados se analizan y comparan con la informacin comunicada en publica-
ciones de otros autores. Esto significa, de hecho, la segunda revisin bibliogrfica.
(La primera revisin bibliogrfica acaeci en la Introduccin a fin de conocer los
antecedentes del problema a investigar y configurar el marco terico de la investi-
gacin).
h. Sealar reas distintas que hace falta investigar sobre el tema en cuestin.
Estructura
Cumplida esta fase se deben redactar comentarios sobre los propios resultados
comparndolos con los resultados publicados por otros autores. Esto obliga a una
segunda revisin bibliogrfica, con las citas correspondientes; no se trata de una revi-
sin bibliogrfica exhaustiva sino nicamente de las publicaciones ms recientes y
relevantes que tengan relacin con el problema estudiado y los hallazgos presentados.
Estilo
son importantes, son novedosos y son tiles. El estilo argumentativo incluye ele-
mentos de debate y de controversia.
El tono del lenguaje debe ser seguro, sin llegar a ser triunfalista. Las afirma-
ciones no pueden ser siempre categricas frente al relativismo del conocimiento
adquirido, el cual suele trabajar ms con relaciones que con valores aislados. Problemas
no resueltos tales como la representatividad de la muestra, el control de las varia-
bles, la validez de los instrumentos de medicin, la confiabilidad de las fuentes de
informacin -tanto documentales como de campo- y la probabilidad de error en el
proceso de inferencia, cobran un alto precio en este captulo.
Faltas frecuentes
11. Conclusin
Concepto y objetivos
La ltima parte del cuerpo del artculo cientifico original se denomina conclu-
sin. De hecho la conclusin es la deduccin, consecuencia o resolucin que el autor
propone al lector, luego de un completo razonar en la discusin. La conclusin es
el fin o terminacin del artculo cientfico original. Concluir, del latn conclusio
es inferir o deducir una verdad de otras que se admiten, presuponen o demuestran.
Estructura
Estilo
El estilo debe ser claro y directo, en tono afirmativo; de hecho se debe evitar el
estilo ampuloso, farragoso, por cuanto le resta claridad al mensaje. Adems debe ser
conciso evitndose todo exceso de ideas y palabras innecesarias. El tono no debe ser
triunfalista; no debe ir ms all de lo que los hechos permiten. El estilo debe tener
un equilibrio entre imaginacin y objetividad, entre entusiasmo y reflexin.
Faltas frecuentes
12. Agradecimientos
Concepto y objetivos
Estructura
Estilo
La redaccin de este captulo tiene poco o nada que ver con lo cientfico. El eje
de la redaccin aqu se encuentra en la atencin, el respeto y el afecto que tiene una
persona a otra: en la verdadera cortesa. En consecuencia los elementos que carac-
terizan esta seccin son la verdad, la naturalidad, la sobriedad y la brevedad. No se
debe pecar por defecto ni por exceso; tampoco cabe aqu la vaguedad y la redac-
cin debe ser directa y especfica.
Faltas frecuentes
13. Referencias
Concepto y objetivos
Es aconsejable el conservar todos los datos de las referencias hasta que se haya
publicado el artculo, cada una en una tarjeta aparte o en la memoria de un ordenador.
Estructura
Texto
Es un hecho bien conocido que las tasas de incidencia y de mortalidad por cncer de
pulmn en los pases desarrollados son ms altas que en la mayora de los pases de
Amrica Latina y el Caribe (1,2). En cambio, en Amrica Latina son ms elevadas las
de cnceres de vejiga urinaria, laringe y cavidad bucal (1,3). En dos estudios realizados
en Antioquia, estado del noroeste de Colombia, se informa de una alta frecuencia de cn-
cer de laringe, especialmente entre las mujeres (4,5).
Referencias:
1. Puffer RR, Griffith GW. Caractersticas de la mortalidad urbana. Informe de la Inves-
tigacin Interamericana de Mortalidad. Washington DC: Organizacin Panamericana
de la Salud, 1968. Publicacin Cientfica 151.
2. Zavala D, Correa P. Latin America. In: Howe GM, ed. Global GeoCancerology. A
World Geography of Human Cancer. Londres: Churchill Livingston, 1986, p. 98.
5. De Restrepo HE, Franco A. Cancer morbidity and mortality among the insured popu-
lation of the Social Segurity Institute of Antioquia, Colombia. Int J Epidemiol 1978,
7(3):285-291.
Ventajas:
Permite una lectura rpida que puede interrumpirse para consultar las referen-
cias citadas.
Ahorra espacio a la revista.
Concuerda con el sistema de Vancouver adoptado por varios centenares de
revistas biomdicas importantes de alcance internacional.
418 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Desventajas:
Es laborioso aadir nuevas referencias, ya que hay que reenumerar las dems.
Puede separar los distintos trabajos de un mismo autor.
Texto
Es un hecho bien conocido que las tasas de incidencia y de mortalidad por cncer de
pulmn en los pases desarrollados son ms altas que en la mayora de los pases de
Amrica Latina y el Caribe (Puffer y Griffith, 1968; Zavala y Correa, 1986). En cam-
bio, en Amrica Latina son ms elevadas las de cnceres de vejiga urinaria, laringe y
cavidad bucal (Puffer y Griffith, 1968; Waterhouse et al., 1982). En dos estudios reali-
zados en Antioquia, estado del noroeste de Colombia, se informa de una alta frecuencia
de cncer de laringe, especialmente entre las mujeres (Correa, 1955; De Restrepo y
Franco, 1978).
Referencias:
1. Correa P. Statistical study of cancer in Antioquia. Schweiz Z Pathol 1955, 18:491-500.
2. De Restrepo HE, Franco A. Cancer morbidity and mortality among the insured popu-
lation of the Social Segurity Institute of Antioquia, Colombia. Int J Epidemiol 1978,
7(3):285-291.
4. Zavala D, Correa P. Latin America. In: Howe GM, ed. Global GeoCancerology. A
World Geography of Human Cancer. Londres: Churchill Livingston, 1986, p.98.
Ventajas:
Pueden aadirse o suprimirse fcilmente las referencias.
Permite relacionar inmediatamente a personas con los fenmenos mencionados.
Desventajas:
Es inconveniente para la lectura, especialmente cuando se citan varias refe-
rencias en un prrafo.
Es ms costoso para la revista por cuanto desperdicia espacio.
PARTE IV 419
Texto
Es un hecho bien conocido que las tasas de incidencia y de mortalidad por cncer de
pulmn en los pases desarrollados son ms altas que en la mayora de los pases de
Amrica Latina y el Caribe (3,5). En cambio, en Amrica Latina son ms elevadas las
de cnceres de vejiga urinaria, laringe y cavidad bucal (3,4). En dos estudios realizados
en Antioquia, estado del noroeste de Colombia, se informa de una alta frecuencia de cn-
cer de laringe, especialmente entre las mujeres (1,2).
Referencias:
1. Correa P. Statistical study of cancer in Antioquia. Schweiz Z Pathol 1955, 18:491-500.
2. De Restrepo HE, Franco A. Cancer morbidity and mortality among the insured popu-
lation of the Social Segurity Institute of Antioquia, Colombia. Int J Epidemiol 1978,
7(3):285-291.
5. Zavala D, Correa P. Latin America. In: Howe GM, ed. Global GeoCancerology. A
World Geography of Human Cancer. Londres: Churchill Livingston, 1986, p. 98.
Ventajas:
Desventajas:
Siempre hay que reenumerar las llamadas en el texto si se aaden nuevas refe-
rencias.
Su mbito de uso se restringe a revistas de biologa; no se utiliza en las revis-
tas mdicas y de salud.
420 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Estilo
Advirtase que en ambos estilos se subrayan los ttulos de los libros y los ttu-
los de las revistas. No se subraya el ttulo del artculo de la revista ni el ttulo del
captulo del libro.
Aunque cada revista tiene sus propias normas la mayora se atiene a las normas
del Comit Internacional de Editores de Revistas Mdicas, versin 1993. A conti-
nuacin se detalla la informacin mnima necesaria para poder localizar un docu-
mento y que es requerida por las revistas o casas editoriales. Si la revista opta, por
ej., por no usar cursivas, no tiene ms que modificar nuestra bibliografa. En cambio
si le faltan datos, debera devolvernos el manuscrito para que lo complementemos.
Libros y monografas:
Apellido del autor(es) (o editores, compiladores, etc..), inicial (es) del nombre*. Ttulo
con subttulo si lo hay. Mencin de edicin. Lugar: entidad, editorial y ao.
Belle D, ed. Lives in stress: women and depresion. Beverley Hills: Sage, 1982.
Captulo de un libro:
Apellido del autor(es) del captulo, inicial(es) del nombre del autor(es) del captulo.
Ttulo del captulo. En: Apellido del autor(es) del libro, iniciales del nombre del
autor(es) del libro. Ttulo del libro. Mencin de edicin. Lugar de publicacin: enti-
dad, editorial y ao. Cuando proceda, se agregarn los nmeros del volumen y pgi-
nas consultadas, serie a que pertenece y nmero que le corresponde en la serie.
de Oleaga Usategui JI, de Manuel Keenoy E**. Sistema de Salud y Atencin Primaria. En:
Martn Zurro A, Cano Prez JF. Manual de Atencin Primaria. Organizacin y pautas de
actuacin en la consulta. Segunda edicin. Barcelona: Ediciones Doyma, 1989:12-28.
Artculo de revista:
Apellido del autor(es)*. Inicial(es) del nombre del autor. Ttulo del artculo. Ttulo
de la revista. Ao; vol: (n), pginas.
Mckween RE. Resuscitation of the newborn. Clin. Obstet. Gynecol. 1987; 30(3), 611-20.
* Las normas del Comit Internacional de Editores de Revistas Mdicas recomiendan mencionar a todos los auto-
res. Cuando haya seis o ms se debe citar solamente a los tres primeros y aadir et. al.
** En unos apellidos compuestos se puede preferir la transposicin de los prefijos o partculas: el espaol de, el
francs de o d, el holands van y el alemn von. Si se efecta la inversin de los nombres compuestos
en el ejemplo mencionado, esto aparecera as: Oleaga Usategua JI de, Manuel Keenoy E de.
422 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Libro:
Apellido del autor(es), iniciales del nombre del autor (o autores). Ao de publica-
cin. Ttulo: subttulo. Nmero de edicin (si consta). Nombre y nmero de la serie
(si es del caso). Lugar de publicacin: editorial.
Pilliteri, A. 1976. Maternal-newborn nursing: care of the growing family. 2nd ed. Boston:
Little, Brown.
Si est firmado por dos o tres autores, sus apellidos e iniciales se separarn
mediante punto y coma:
Greene, W.H.; Simmons, P.; Morton, B.G. 1988. Educacin para la salud. Mxico:
Interamericana.
Casado de Fras, E. et al. 1983. Lactancia natural. (Serie Monogrfica; n 7). Madrid:
Ministerio de Sanidad y Consumo.
Si la lista incluye ms de una obra del mismo autor publicada en el mismo ao,
stas se distinguen aadiendo una letra tras el ao. En la bibliografa al final no se
repite el nombre del autor, sino que se pone un guin largo.
En el caso de obras sin firma, la primera palabra del ttulo, que no sea un art-
culo, ocupa el lugar del autor:
Captulo de libro:
Apellido del autor(es) del captulo; Iniciales de los nombres del autor del captulo.
Ao. Ttulo del captulo. En (seguido de dos puntos) Autor o encabezamiento alter-
nativo del libro. Ttulo del libro. Lugar; editorial, pginas del captulo (inicial y final
inclusive).
Want, P.C. 1987. Obstetrics and Gynaecology En: Information sources in the Medical
Sciences. 3rd. ed. Eds. L.T. Morton and S. Godbolt. London, Butterworths.
Artculo de revista:
Apellido del autor(es). Iniciales de los nombre del autor. Ttulo del artculo. Ttulo
de la revista, ao; vol. (n), pgs. (inicial y final inclusive).
Kramer MS. Intrauterinic growth and retardaton. Pediatrics, 1987. 80(4): 502-11.
Faltas frecuentes
a. No se presentan referencias.
b. Las referencias no parecen pertinentes al tema del estudio.
c. Las referencias se citan equivocadamente.
d. Las referencias son demasiado exiguas.
e. Las referencias son muy numerosas (sospecha de pseudoerudicin del autor).
f. Las referencias son obsoletas (sospecha de desactualizacin del autor).
g. Las referencias no se citan en el texto.
424 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
14. Apndices
Concepto y objetivos
Un apndice, aunque no es de manera alguna una parte esencial del artculo ori-
ginal, es un instrumento til para poner a la disposicin del lector un material rela-
cionado con el texto pero inapropiado para su inclusin en l. Los apndices pue-
PARTE IV 425
den contener, por ejemplo, tablas demasiado detalladas para su inclusin en el texto;
grupos de ilustraciones; notas tcnicas sobre los mtodos; listas; cuestionarios utili-
zadas en la recoleccin de la informacin; estudios de casos demasiado extensos para
incluirlos en el texto.
Estructura
Cada apndice debe llevar un ttulo descriptivo, el cual debe aparecer en el ndi-
ce de contenido. Con respecto al espaciamiento, no es mandatoria la uniformidad;
el texto de un apndice puede estar a espacio sencillo y el texto de otro apndice
puede ir a doble espacio, dependiendo de la naturaleza y origen del material.
Estilo
Faltas frecuentes
1. Concepto y estndares
los estudios primarios publicados; d) Cun eficientes son los mtodos para combi-
nar los resultados y justificar las conclusiones.
El clnico debe aprender a leer en forma selectiva y en forma crtica las revi-
siones. As como el uso de mtodos defectuosos en un estudio original de diagns-
tico o de tratamiento pueden invalidar los resultados, una revisin no cientfica de
la literatura puede conducir a conclusiones incorrectas y peligrosas. Los autores de
revisiones recolectan y analizan datos desde investigaciones primarias, lo cual se
hace en forma subjetiva y subconsciente. La diferencia fundamental entre un estu-
dio original (informacin primaria) y un estudio de revisin (informacin secunda-
ria) est en el tipo de informacin y en la unidad de anlisis y no en los principios
cientficos que se aplican.
3. Estructura
Un artculo de revisin consta, en general, de nueve partes o secciones. Dentro
de un esquema comn la extensin de las secciones de un artculo de revisin podrn
variar segn eltema y el enfoque de la revisin. Cabe recordar que los artculos de
revisin no llevan apndice.
1. Ttulo
Valen aqu los comentarios y normas definidos en el captulo B.2.
2. Autor(es)
Valen aqu los comentarios y normas descritas en el captulo B.2.
3. Resumen
Valen aqu los comentarios y normas descritas en el captulo B.3. La estructura
del resumen debe modificarse, adaptndolo a la estructura del captulo C.4. al C.8
que se presentan a continuacin.
4. Objetivo
Enfocar los factores ms importantes considerados en la revisin; causa, diag-
nstico, pronstico, intervencin teraputica o prevencin. Debe incluirse informa-
cin sobre la poblacin especfica, la intervencin o exposicin y la prueba o desen-
lace (resultado) que hayan sido objeto de estudio.
5. Fuentes de datos
Resumir brevemente las fuentes y mencionar cualquier restriccin. Las posibles
fuentes abarcan expertos o instituciones que han investigado el tema, bases de datos
430 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
6. Seleccin de estudios
Describir los criterios que rigieron la seleccin de estudios (criterio de inclusin y
de exclusin) con detalles sobre la poblacin particular, las intervenciones, los resultados
o diseos metodolgicos. Debe especificarse el mtodo en que se bas la aplicacin de
los criterios: revisin a ciegas, revisin por consenso o por un grupo de revisores, etc..
7. Extraccin de datos
Describir las pautas que se siguieron para recopilar los datos y para evaluar su
calidad y validez (por ejemplo: criterios de inferencias causales). Tambin hay que
indicar el mtodo empleado para seguir las pautas (por ejemplo: extraccin inde-
pendiente por varios observadores).
Deben indicarse las causas de variacin entre estudios que se hayan identifica-
do incluyendo, por ejemplo, las diferencias entre protocolos de tratamiento, coin-
tervenciones, factores o variables de confusin, mediciones de desenlaces o resulta-
dos, duracin del seguimiento y tasas de abandono.
9. Referencias
Valen aqu los comentarios y normas descritas en el captulo B.13.. El nmero
de referencias se recomienda en alrededor de cincuenta.
E. ESTILO EN LA COMUNICACIN CIENTFICA
M. A. Bobenrieth Astete
La gramtica es la ciencia que estudia los elementos de una lengua y sus com-
binaciones. El objeto de la gramtica es el conocimiento sistemtico y cientfico de
la estructura del lenguaje segn las normas consagradas por el uso. De esta mane-
ra, la gramtica constituye un verdadero sistema de medios de expresin. 39
Las marcas tienen estas funciones: el punto finiquita, la coma seala un inter-
valo, el punto y coma advierte una explicacin inmediata, los dos puntos retardan
para resaltar la idea que los sigue, los puntos suspensivos interrumpen enfticamen-
te, los signos de admiracin muestran sobresalto, los de interrogacin demandan ase-
veraciones, el parntesis encierra alguna aclaracin, el guin separa palabras for-
malmente o indica dilogo, las comillas rescatan la propiedad de los vocablos, la
diagonal tiene diversos usos y la diresis devuelve su sonido a la u muda.
432 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
De entre el conjunto de signos que sirven para puntuar se destacan cuatro: la coma,
el punto y coma, el punto y el punto final. 40
La coma es el signo ortogrfico que sirve para indicar la divisin de las frases
o miembros ms cortos de la oracin o del perodo y que tambin se emplea en arit-
mtica para separar los enteros de las fracciones decimales. Es pues una de las pau-
sas que pueden hacerse al hablar y por lo comn la ms corta de ellas.
El punto y coma sirve para separar oraciones entre cuyo sentido hay proximidad
y, por excepcin, frases largas semejantes en serie. El punto y coma sirve para sepa-
rar perodos relacionados entre s, pero no enlazados por una preposicin o conjuncin.
El punto es el signo ortogrfico con que se indica el final del sentido gramati-
cal y lgico de un perodo o de una sola oracin. Se pone tambin despus de toda
abreviatura. El punto separa oraciones cuando los pensamientos que ellos contienen,
aunque relacionados entre s, no lo estn de modo inmediato.
La palabra estilo proviene del latn stilus, trmino con el cual griegos y roma-
nos denominaban el punzn de que se valan para escribir en tablas enceradas. De
aqu pas a designar el conjunto de rasgos que caracterizan la obra de un autor,
escuela, gnero artstico, poca o perodo, diferencindolo de los dems.
De ello se desprende que el escritor cientfico tiene que hacer todo lo posible
por evitar ambigedades y giros que den lugar a interpretaciones errneas. Para ceir-
se a un estilo cientfico de alcance tanto nacional como internacional, deben tener-
se en cuenta las siguientes diferencias entre ste y el estilo literario:
* Tomado parcialmente de un documento indito de la Dra. Egla Blauin,editora jefe del Boletn de la OSP. OPS/OMS,
Washington, D.C. 1991
434 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
3. Objetivo. - Subjetivo.
10. Est libre de jerga y pomposidad. - Usa jerga para crear ambientes, acentos
y personajes.
12. Es transparente, no oscurece la idea; eli- - Puede oscurecer el mensaje para crear
mina toda ambigedad. ecos subconscientes, poticos; para con-
vertir al lector en cocreador.
14. Presenta un punto de vista sin transpa- - Permite cambiar el punto de vista segn
rentar predilecciones personales o emo- los personajes o emociones del autor.
ciones.
15. Distingue hechos (datos) de opiniones. - Puede mezclar hechos con opiniones.
20. Explica los conceptos difciles. - Deja la explicacin a cargo del lector.
El buen estilo cientfico posee ciertas cualidades esenciales las cuales se describen
a continuacin.
Para lograr claridad en el estilo no basta con tener las ideas claras. Es necesa-
rio que la construccin de la frase y del prrafo responda al orden lgico-psico-
lgico de las ideas. Para asegurar esto ltimo conviene ligar las ideas entre dos
o ms frases; adems tales ideas deben presentarse en una secuencia, segn su
importancia.
A diferencia del estilo literario, donde las palabras son muchas veces protago-
nistas del verso o de la prosa, los vocablos en el estilo cientfico han de ser sim-
ples vehculos del pensamiento, al servicio del mismo; las palabras debe ser
transparentes.
Para que el estilo sea preciso se parte del hecho de que si bien es cierto que hay
sinnimos, no es menos cierto que hay una palabra especfica para un objeto,
una situacin y un lugar tambin especfico. El autor debe buscar siempre la
palabra ms adecuada.
PARTE IV 437
dar: Sucede con frecuencia que llega uno a encontrar una idea que buscaba, llega a
darle forma, es decir a obtenerla, sacndola de la nebulosa de percepciones oscuras
a que representa, gracias a los esfuerzos que hace para presentarla a los dems.
Ms all del talento y de las destrezas, el escribir est lleno de escollos ocultos
y de peligros latentes los cuales asoman a la superficie con demasiada frecuencia
bajo la forma de errores, de yerros y de faltas, las cuales le restan claridad y com-
prensin al mensaje aunque no siempre es posible establecer marcos bien delinea-
dos e inequvocos sobre los diversos tipos de faltas. 47
Nos anima a escribir este captulo la experiencia ganada mediante la lectura cr-
tica de unos tres mil manuscritos sometidos para publicacin como artculos cient-
ficos originales en el Boletn de la OSP a lo largo de 13 aos en la Regin de las
Amricas de la OMS. De este universo, no ms de un 25% lleg a la meta de la
publicacin, despus de un laborioso proceso de crtica, de produccin de textos revi-
sados y correccin de estilo. A esto se suma la experiencia docente de ms de 30
cursos intensivos, talleres y seminarios sobre actualizacin en escritura cientfica en
Espaa, Chile, Per, Venezuela, Repblica Dominicana, Cuba, Nicaragua, Costa Rica,
Honduras, Guatemala, Mxico y los EE.UU. donde se sometieron a diseccin -
tanto de contenido como de estilo- unos doscientos artculos cientficos originales y
de revisin seleccionados al azar, de las principales revistas biomdicas de Espaa
y de los pases del Hemisferio Occidental.
Las cincuenta y una reflexiones que siguen constituyen verdaderas alertas ti-
les, consejos que se dan para redactar mejor. No intentan -de manera alguna- aho-
rrar al lector el proceso de ensayo y de error indispensable en la formacin de un
escritor. Slo proponen algunas pautas directrices para acortar este proceso y trans-
formar los errores en verdaderas experiencias de aprendizaje y de desarrollo. 48 Intentan,
adems, confirmar nuestra conviccin de que lo que se lee y se comprende sin mayor
esfuerzo, se ha escrito siempre con un gran esfuerzo.
1. Aclare sus ideas antes de escribir el texto; una vez que vea el tema con clari-
dad, hgase un esquema que le sirva de gua para la escritura de frases, de prra-
fos y de captulos. Viene a nuestra mente aquella afirmacin de Oscar Wilde,
poeta y dramaturgo ingls del siglo XIX: No existen ms que dos reglas para
escribir: tener algo que decir y decirlo bien.
4. Anote las ideas y plantelas en un orden lgico deseable que sirva al objetivo del
escrito. La idea bsica debe destacarse aun cuando no vaya al principio de la frase.
8. Defina los trminos claves del estudio; el estilo de la definicin debe ser afir-
mativo, preciso, claro y sencillo. Aqu tienen plena vigencia las palabras de Jos
Ortega y Gasset, filsofo y escritor espaol de la Generacin Novecentista: Una
lengua es un sistema de signos verbales merced al cual los individuos pueden
entenderse sin previo acuerdo, al paso que una terminologa slo es inteligible
si previamente el que escribe o el que habla y el que lee o escucha se han pues-
to individual o colectivamente de acuerdo sobre el significado de los signos.
9. Las palabras son la materia prima del artista, las herramientas del escritor.
En consecuencia, un pilar fundamental del autor de un escrito es su conocimiento
del vocabulario. El empleo de la palabra exacta, apropiada y adecuada es una de
las reglas fundamentales del estilo.
PARTE IV 441
10. Utilice palabras unvocas; nunca emplee un trmino si no est seguro de lo que
verdaderamente significa y de cmo se escribe. La terminologa es el conjunto
de trminos que se utilizan en un campo determinado del saber, un campo espe-
cializado, en forma distinta a como se usan en el lenguaje comn y que se han
fijado por uso o por normalizacin.
11. No ponga ms palabras que las indispensables; evite palabras innecesarias, las
cuales conducen a vicios comunes en la redaccin biomdica, tales como la gran-
dilocuencia, la verborrea y la redundancia.
12. Tenga presente que las dos palabras que comandan el idioma son el verbo y el
sustantivo. Las restantes partes de la oracin son complementarias y no se debe
abusar de ellas.
13. Tenga siempre a mano tres buenos diccionarios de la lengua espaola: a) uno eti-
molgico; b) otro de sinnimos y contrarios; c) un tercero de dudas del idioma; con-
sltelos ante cualquier dificultad acerca del significado y la ortografa de las palabras.
14. El empleo del adjetivo, entendiendo por tal aquella parte de la oracin que se
junta al sustantivo para calificarlo o determinarlo, debe ser lo ms exacto posi-
ble. Evite, pues, la duplicidad innecesaria de adjetivos.
16. Ubique los adverbios -sean stos de tiempo, de lugar, de modo, de cantidad, de
afirmacin, de negacin o de duda- cerca del verbo al cual se refieren; la expo-
sicin resultar as mas clara.
17. No abuse de los pronombres. Sobre todo tenga sumo cuidado con el empleo del
pronombre posesivo su -apcope de suyo, suya, suyas, suyos- el cual suele
producir ambigedad ya que por su apcope pierde el gnero y es causa fre-
cuente de anfibologa (doble sentido).
20. Evite el uso de extranjerismos, es decir voces, frases o giros de un idioma, extran-
jero empleado en espao. Aqu se incluyen en forma mayoritaria los anglicis-
mos, los americanismos y los galicismos; en proporcin menor los germanismos,
latinismos, grecismos, italianismos, portuguesismos, galleguismos y catalanismos.
22. Prefiera el vocablo culto frente al vocablo vulgar. Los vulgarismos son una forma
de barbarismo que consiste en el empleo de palabras o expresiones propias de
la lengua hablada por el estrato menos culto de la poblacin, inadmisibles en la
lengua profesional usual. Los vulgarismos no son sino los barbarismos ms evi-
dentes utilizados por personas que carecen, por lo general, de cultura y de for-
macin gramatical. Sin embargo, en este vicio no cae slo la gente vulgar sino
muchas personas que presumen de cierta cultura.
23. Use formas verbales activas. Recuerde que el idioma espaol tiene preferencia
por la voz activa. La voz pasiva suele imponerse por desconocimiento del agen-
te activo, porque hay cierto inters en ocultarlo, porque le es indiferente al escri-
tor y por la influencia del idioma ingls. 50
24. No abuse de los incisos y de los parntesis. Ajstelos y procure que no sean
excesivamente extensos.
25. Evite las repeticiones excesivas y malsonantes. Repetir puede ser legtimo solamente
cuando se quiere fijar la atencin sobre una idea y siempre que no suene mal.
27. Mantngase alerta contra la sintaxis defectuosa, un vicio de redaccin muy comn.
Al construir las frases tenga en cuenta el arreglo sintctico: sujeto, verbo y com-
plemento en un orden lgico.
30. Procure ligar la idea inicial de una frase a la idea final de la frase anterior para
facilitar la debida cohesin entre las oraciones.
PARTE IV 443
32. Evite las transiciones bruscas entre distintos prrafos. Procure fundir las ideas
y conceptos con habilidad para que las transiciones sean suaves y efectivas.
33. Tenga presente que el estilo directo tiene mas fuerza y causa mas impacto que
el estilo indirecto.
34. Escriba de preferencia con frases cortas. La psicologa ensea que una frase com-
puesta de 20 palabras logra hasta un 90% de comprensin en los lectores; a medi-
da que aumentan las palabras en la misma frase, la comprensin del lector dis-
minuye. Sin embargo evite la sucesin montona de frases cortas ininterrumpidas
lo cual incluye el abuso de punto y seguido; igualmente evite los perodos
extensos los cuales resultan muchas veces ampulosos y vagos.
35. Recuerde que el lenguaje es el medio de comunicacin por excelencia y que las
cualidades fundamentales del estilo son: la claridad, la concisin, la precisin, la
sencillez y la naturalidad.
36. Haga que su estilo sea atractivo para que capte la voluntad del lector. Utilice la
variedad dentro de la unidad.
38. Adems de cuidar el estilo, tenga en cuenta el tono, que es el estilo adaptado al
tema y a los resultados de la investigacin; el tono o entonacin es la ade-
cuacin de la forma al fondo; el tono acomoda las palabras y las frases a los
hechos y las opiniones que se expresan por escrito.
39. Mantngase aparte de las frases hechas y de los lugares comunes lo cual se
manifiesta en expresiones vulgares o triviales.
40. Sea muy cuidadoso con el uso de metforas, tropo que consiste en trasladar el
sentido recto de las voces en otro sentido figurado en virtud de una compara-
cin tcita. La metfora solo vale cuando aade fuerza expresiva y precisin a
lo que se escribe; en caso contrario la metfora suele confundir al lector.
41. Recuerde que una cualidad esencial de la escritura cientfica es la precisin. Huya,
en consecuencia, de la sugestin sonora de las palabras.
43. Escriba para expresar, no para impresionar. Ud. es responsable de darse a enten-
der bien por medio de la palabra escrita; no cabe, en consecuencia, el encajar
una idea u opinin en la mente del lector por medio de persuasin indebida o
de manera conmovedora.
46. Su estilo es perfectible. Una forma de lograrlo es leer asiduamente con atencin
y reflexin a los buenos escritores. En efecto la lectura atenta de los maestros
de la literatura, tanto de la clsica como de la moderna y de la contempornea,
ayuda eficazmente a mejorar la capacidad de escribir.
47. Una vez terminado el texto del artculo dlo a leer a dos personas de su con-
fianza que entiendan del tema para su lectura crtica. Este ejercicio le permitir
corregir las insuficiencias, los excesos y lo ininteligible.
48. Una vez producido el texto corregido, pida a alguien con formacin lingstica
que lo revise para comprobar la sintaxis, la puntuacin y la ortografa.
49. Resuelva la duda de por qu escribir, qu escribir, cunto escribir, cmo escri-
birlo y dnde publicarlo ubicndose en el inters y en el lugar del lector inteli-
gente e interesado.
51. Si realmente no tiene nada importante que comunicar, contenga su impetu. George
Eliot, novelista del realismo ingls, escribi a fines del siglo pasado: Bendito
es el hombre quien no teniendo nada que decir se abstiene de evidenciar ese
hecho en palabras.
F. LECTURA CRITICA DE ARTCULOS CIENTFICOS
M.A. Bobenrieth Astete
Un artculo publicado en una revista biomdica supone para el lector incauto que
esa investigacin es slida y que vale clnicamente. Lamentablemente el solo nom-
bre del autor y el supuesto prestigio de la revista no constituyen garanta alguna de
validez cientfica de la publicacin. Los estndares de investigacin dejan mucho
que desear desde el punto de vista del diseo, del anlisis de la informacin, de la
estructura y de la redaccin del informe de la misma. En efecto muchas de las revis-
tas biomdicas no disponen de un verdadero sistema de arbitraje por expertos, ni de
consejos editoriales idneos y giles. Aquellas revistas que anuncian disponer de
estos mecanismos de control de calidad del contenido tampoco garantizan necesa-
riamente la validez del diseo o de las conclusiones. De hecho el funcionamiento de
los consejos editoriales suele ser irregular con miembros que cooperan ms por amis-
tad y buena voluntad que por verdadera capacitacin metodolgica. Los abundantes
ejemplos de artculos originales publicados en casi todos los nmeros de revistas sin
estndares de calidad bsicos de diseo, con anlisis parciales e incorrectos de los
datos y plagados de defectos severos de redaccin hablan por s solos de un gran
problema no resuelto de desinformacin.
tuosas, entonces el estudio no puede tener valor clnico. Peor an, puede ser clni-
camente daino a causa de una prctica profesional basada en conclusiones falsas y
engaosas; un estudio clnicamente daino no es tico. La aceptacin profesional de
los hallazgos dudosos tiene entre sus causas una ignorancia de aspectos metodol-
gicos fundamentales.
2. Listas de revisin
Un examen de la literatura sobre este tema muestra algunos libros sobre inves-
tigacin en ciencias de la salud 17, 54; sobre estadstica en investigacin biomdica 55,
sobre epidemiologa clnica 29, sobre investigacin en enfermera 53 y sobre metodo-
logas de investigacin 56, los cuales incluyen captulos especiales sobre evaluacin
crtica de la investigacin publicada. El objetivo general de estos captulos es pro-
porcionar listas de elementos que se deben revisar en cada investigacin publicada.
Estas listas se organizan agrupando frases en tono afirmativo o en forma de pre-
guntas sobre las etapas del proceso de investigacin.
La pauta N 1 del Apndice V se presenta como una descripcin sucinta del for-
mulario del rbitro que utiliza el Boletn de la Oficina Sanitaria Panamericana, revis-
ta mensual sobre temas de salud pblica internacional de la Organizacin Panamericana
de la Salud. Luego se describe brevemente el contenido de 5 captulos de otros tan-
tos libros, sobre evaluacin crtica de la investigacin publicada, cada uno de los
cuales incluye una lista de revisin.
PAUTA N 1
Este formulario del rbitro es un ayuda memoria para los revisores quienes, sien-
do autoridades reconocidas nacional e internacionalmente en el quehacer de su espe-
cialidad mdica, no siempre tienen un dominio metodolgico del complejo proceso de
investigacin cientfica dentro del marco de poltica de publicacin de la revista.
Observaciones.- Este formulario, -el cual se inaugur en 1988 con una segunda ver-
sin revisada en 1991- ha probado ser muy til para el objetivo definido. Tiene las
ventajas de ser breve, claro, directo y completo para los grandes rubros de la inves-
tigacin. Presenta el inconveniente de no ahondar en aspectos del diseo, del anli-
sis y de la interpretacin de los datos. Adems algunos rbitros se sienten encasi-
llados por las respuestas estructuradas.
PAUTA N 2
PAUTA N 3
Origen y objetivos.- La propuesta que nos ocupa proviene del Captulo 26 del libro
que se seala en la referencia. La obra es un extenso libro de texto sobre investi-
gacin cientfica en ciencias de la salud de amplia utilizacin en los EUA, y en pa-
ses de Amrica Latina en la versin en idioma espaol que comentamos. Los 25
captulos del libro que la preceden han examinado las bases conceptuales y meto-
dolgicas para mejorar la prctica de la investigacin. En este captulo se propor-
cionan pautas especficas para la revisin crtica e inteligente de la investigacin.
PAUTA N 4
PAUTA N5
Estructura.- El autor propone una lista que incluye 77 items agrupados en 15 cate-
goras con la siguiente distribucin de frecuencias: comienzo (5); problema (4); revi-
sin de la literatura (6); hiptesis o preguntas de investigacin (8); poblacin y mues-
tra (6); diseo (8); mtodos de recoleccin de datos (6); instrumentacin (11); pruebas
estadsticas y anlisis (5); cronograma (2); personal (1); referencias (5); apndices
(2); general (4); varios (4).
PAUTA N 6
54
La literatura mdica
Estructura.-
a) Pauta general la cual se compone de 17 preguntas distribuidas como sigue:
diseo del estudio (8); conduccin del estudio (1); anlisis y presentacin (6);
apreciacin global (2).
b) Pauta para ensayo clnico que consiste en una lista de 31 preguntas distri-
buidas en las mismas categoras que la pauta general: diseo del estudio (17);
conduccin del estudio (4); anlisis y presentacin (8); apreciacin global (2).
NOTA: Versus. El uso de la preposicin latina versus, contra entre dos nombres de personas,
colectividades o cosas (ej. ciudad versus campo; academia versus servicios, etc..) es un anglicismo, o
ms bien un americanismo. Se la considera un esnobismo, es decir, la imitacin con afectacin de
maneras, opiniones, etc. de personas, grupos o culturas a quienes se considera distinguidos. En espa-
ol correcto se dice frente a o comparado con.
Ttulo original: Eficacia diagnstica del TC y RM en el estadiaje local de los tumores rena-
les.
Faltas: Uso de abreviaturas.
Ttulo propuesto: Tomografa computarizada comparada con resonancia magntica en el
estadiaje local de tumores renales.
PARTE IV 455
Ttulo original: Tratamiento de los tumores vesicales superficiales recidivantes con laser
Nd:Yag: un ao de experiencia.
Faltas: Ttulo partido; subttulo; referencia innecesaria a la duracin del estudio (un ao de
experiencia).
Ttulo propuesto: Laserterapia en tumores vesicales superficiales recidivantes en un hos-
pital de Madrid.
456 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
A. Introduccin
Para que una investigacin sea til, sus hallazgos han de ser una prolongacin de cono-
cimientos y teoras previas, por tanto, el investigador debe estar actualizado en cuanto a lo
que ya se sabe acerca de su tema de estudio y sobre cmo se ha logrado este conocimien-
to. Existen dos maneras de llevar a cabo esta actualizacin:
d. Seleccin y expurgo de las fuentes primarias: Una vez localizados en el catlogo los
documentos escogidos, deben seleccionarse aquellas publicaciones que se estudiarn
ms detenidamente y sern la base de la investigacin. Para ello, deben evaluarse los
documentos teniendo en cuenta una serie de caractersticas que pueden extraerse de los
datos que aparezcan en su referencia bibliogrfica, si sta es completa. Las cuestiones
a tener en cuenta son:
1. Lectura
b. Tipos de lectura
- Lectura de corrido, cuyo fin es obtener informacin de tipo general y se realiza aten-
diendo al ttulo, los datos del autor (trayectoria profesional, etc.), el resumen, el ndi-
ce, los objetivos, la conclusin, los hallazgos, la introduccin y la bibliografa.
- Lectura detenida, que incluye atencin, reflexin y toma de notas.
- Lectura de control, que consiste en una lectura detenida centrada en descubrir ideas
nuevas.
460 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
c. Tcnicas de lectura
- Realizar una lectura rpida para tomar una idea general y seleccionar los apartados
que debemos leer con ms detalle.
- Realizar una lectura detenida de los apartados seleccionados, intentando comprender
antes de aceptar o refutar, y anotar ideas claves al margen.
- Llevar a cabo una reflexin global y crtica sobre el contenido.
2. Evaluacin
a. Criterios de evaluacin
- Criterio de integridad: analiza la cabalidad de la publicacin y cun completa es.
- Criterio de consistencia: analiza la solidez y coherencia del texto.
- Criterio de valor prctico: determina la utilidad de la fuente analizada.
b. Principios de evaluacin
- Pertinencia: ver si la informacin viene a propsito del tema de estudio.
- Seguridad en el contenido: valorar la capacidad, mtodo y experiencia del autor, la
editorial, el traductor, el estilo en la redaccin, la claridad, etc.
- Vigencia (actualidad en la informacin): constatar la fecha de registro de la propie-
dad intelectual y de las referencias bibliogrficas que contiene.
- Objetividad: comprobar si se exponen con imparcialidad los distintos puntos de vista
que se publican sobre un problema.
- Normalizacin: constatar que la disposicin de los epgrafes y el cuerpo de la obra
coincide con lo anunciado en la introduccin y en el ndice.
PARTE IV 461
Operaciones Tareas
Identificacin Extraccin de
de trminos palabras clave
Consulta a obras
de referencia
Bsqueda Bsqueda
bibliogrfica en fuentes
secundarias
Identificacin
de fuentes
primarias
Recuperacin Extraccin
de informacin de referencias
Localizacin
de referencias
en catlogos
Seleccin
de fuentes
primarias
BIBLIOGRAFA
Bobenrieth Astete, MA. El artculo cientfico original. Estructura, estilo y lectura crti-
ca. Granada: Escuela Andaluza de Salud Pblica, 1994.
Gua prctica para la elaboracin de un trabajo cientfico. Bilbao: CITA, 1994. Fundamentos
de Informacin y Documentacin. Madrid: EUDEMA, 1989.
Pinto Molina, M. El anlisis documental. En: Fundamentos de Informacin y
Documentacin. Madrid: EUDEMA, 1989 (pgs. 263-279).
-El anlisis de contenido: la operacin de resumir. En: Fundamentos de Informacin
y Documentacin. Op. cit. (Pgs. 385-413).
Polit DF, Hungler BP. Investigacin cientfica en Ciencias de la Salud. 4 Ed. Mxico:
Interamericana McGraw-Hill, 1994.
APENDICE III
PAUTAS PARA LA EVALUACION
DE ARTICULOS ORIGINALES
M.A. Bobenrieth Astete
Manuscrito:................................................................................................................................
Autor(es): ..................................................................................................................................
Arbitro: ......................................................................................................................................
Fecha: ........................................................................................................................................
2. El problema general
se identifica de forma inmediata y clara
no se describe en cuanto a origen, magnitud e importancia
no se identifica
........................................................................................................................................
4. La revisin bibliogrfica
expone los trabajos publicados ms importantes y recientes relacionados con el tema
no es actual o suficiente
........................................................................................................................................
* HBI/ES 1991, 2 versin
464 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
6. El diseo
es apropiado para el objetivo del estudio
no es adecuado
no est descrito suficientemente
........................................................................................................................................
13. La discusin
examina e interpreta los resultados correctamente en funcin de su significado y de
sus limitaciones
no interpreta los resultados
adolece de omisiones importantes
contiene generalizaciones excesivas
repite los resultados
........................................................................................................................................
14. La conclusin
se justifica porque se apoya en los hallazgos
no se justifica porque no se apoya en los hallazgos
........................................................................................................................................
17. El ttulo
es claro, conciso e informativo
debe modificarse. Se propone:
18. El resumen
es claro y completo (incluye los objetivos, el diseo, las circunstancias en que se rea
liz, la descripcin de los participantes, los mtodos, las variables medidas, los resul
tados principales y las conclusiones ms importantes)
es ambiguo e incompleto. Debe reescribirse
466 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
19. La estructura
es apropiada
es impropia y debe cambiarse
........................................................................................................................................
20. El estilo
es apropiado; tiene claridad, concisin y secuencia lgica
es escueto, poco claro o deficiente
es redundante y debe condensarse
........................................................................................................................................
21. El artculo
es excelente
es bueno
es regular
es malo
es psimo
RECOMENDACION
22. El artculo:
puede publicarse tal como est
podra publicarse con modificaciones mnimas
podra publicarse con modificaciones sustanciales
debe rechazarse; no es idneo para el Boletn de la OPS/Bulletin of PAHO
El autor(s) podra someterlo para publicacin a otra revista. Se sugiere:
Firma:
ELEMENTOS PARA EL ANALISIS CRITICO
DE UNA INVESTIGACION *
A. Fase conceptual
Problema y trminos
Objetivos e hiptesis
B. Fase emprica
Poblacin y muestra
* Traduccin y adaptacin de Manuel A. Bobenrieth de la obra: Downs, Florence; Newman Margared Elements of
a Research Critique. In A Source Book of Nursing Research. Third Edition. Philadelphia: F.A. Davis Co, 1983
468 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Presentacin de datos
27. Los resultados presentan la informacin pertinente a los objetivos del mismo?
28. El texto es claro, conciso y secuencial?
29. Las tablas son necesarias, suficientes y apropiadas?
30. Las ilustraciones (figuras, etc..) son necesarias, suficientes y apropiadas?
C. Fase interpretativa
Anlisis de datos
Discusin y conclusiones
EVALUACIN DE LA INTRODUCCIN
Problema
1. El problema se plantea en forma clara y precisa?
2. El problema es demasiado grande o complejo como para resolverse en una sola inves-
tigacion?
3. El planteamiento aporta informacin precisa respecto a las variables independiente y
dependiente?
4. La pregunta o duda puede resolverse con pruebas empricas?
5. Se incluyen definiciones de trminos necesarios para el entendimiento claro del estudio?
6. Se comenta la importancia del problemas para la asistencia?
7. Hay posibilidad de que el problema tenga importancia ms all de un terreno local?
Revisin de literatura
8. El comunicado vincula el problema con investigaciones previas sobre el tema?
9. Existe dependencia excesiva de fuentes secundarias cuando se han obtenido las fuen-
tes primarias?
10. Se omiten referencias importantes?
11. La revisin incluye los comunicados recientes en la literatura?
12. Se pone nfasis excesivo a artculos de opinin y se concede poca importancia se con-
cede a trabajos empricos?
13. La redaccin es adecuada?. Incluye demasiadas citas de las fuentes originales?
14. La revisin es simplemente una condensacin de trabajos pasados?. Evala crtica-
mente y compara las contribuciones de los estudios fundamentales?
15. La revisin se organiza de forma tal que el desarrollo de las ideas es claro?
16. La revisin concluye con una sinopsis breve de la literatura y sus consecuencias res-
pecto al problema por investigar?
* Polit DF, Hungler B.P. Investigacin Cientfica en Ciencias de la Salud. Tercera Edicin. Captulo 26. Mexico:
Interamericana/Mc Graw-Hill, 1991
470 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Hiptesis
Sujetos
35. Se identifican y describen con nitidez los instrumentos para la obtencin de los datos?
36. Los mtodos de obtencin de datos constituyen la forma ms adecuada para medir
las variables crticas?
37. Si se crea especficamente un instrumento para el estudio, se describen las tcnicas
para su creacin?
38. Si los instrumentos son nuevos o se han adaptado de otros anteriores, se hace una
prueba preliminar adecuadamente?
39. Se presentan pruebas de la confiabilidad de los instrumentos?
40. De haber una respuesta afirmativa, son los coeficientes de confiabilidad de magnitud
aceptable?; el tipo de estimados de confiabilidad obtenido es el ms adecuado?
41. Se presenta prueba alguna de la validez de los instrumentos?
42. En caso afirmativo, las pruebas indican que los instrumentos son lo suficientemente
vlidos para el uso al que se les destin?
43. El tipo de validez expuesto, (esto es, contenido, criterio, constructo) es el ms rele-
vante para los instrumentos en consideracin?
PARTE IV 471
Tcnicas observacionales
Escalas
71. Se explica la razn para escoger una tcnica de cuantificacin escalar, a difierencia
de otra (como seran las escalas de Likert en comparacin con las de Guttman)?
72. El mtodo para colocar puntos reactivos en una escala es emprico o por criterios (esto
es, se hace por anlisis factorial o por anlisis de reactivos)?
73. Se describen los mtodos para eliminar o llevar al mnimo los grupos de respuestas?
(respuestas estereotipadas)
74. Se equilibran los puntos negativos con los positivos?
472 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Estudios experimentales
87. Se describe el mtodo para asignar, de manera aleatoria, los sujetos a grupos?
88. Se describe el diseo en forma exacta y ste es apropiado?
89. Se especifica la base para la seleccin del diseo?
90. Se describe el mtodo para la seleccin de los grupos de comparacin si los hay?
91. Se siguen algunos casos para asegurar la equivalencia de los grupos de comparacin,
y son adecuados los pasos?
92. El comunicado indica el grado de equivalencia de los grupos de comparacin?
93. Si no se utiliza grupo de comparacin, se da alguna explicacin de tal hecho?
94. Si se usa grupo de comparacin, se utilizan mtodos para facilitar la interpretacin
de los resultados, y stos son apropiados y satisfactorios?
Estudios no experimentales
95. Se describe el mtodo para la seleccin de los grupos de comparacin si los hay?
96. Se siguen algunos pasos, como el igualamiento o emparejamiento, para producir gru-
pos de comparacin equivalentes, y tales pasos son adecuados?
97. El comunicado indica el grado con el cual los grupos de comparacin utilizados (si
los hay) son equivalentes?
98. Se describen claramente los atributos o experiencias que diferencian a los grupos de
comparacin si los hay?
99. Se describen las variables extraas que no fueron controladas y que son importantes?
PARTE IV 473
Tcnicas de investigacin
100. Se describen con claridad y detalle las tcnicas utilizadas para llevar a la prctica el
diseo, de manera que permita su repeticin por otro investigador?
101. Se describen las tcnicas para asegurar la constancia de las condiciones?
102. Se exponen las formas de evitar la contaminacin entre los grupos en tratamiento?
103. Son convenientes las circunstancias de estudio (campo, en comparacin con labora-
torio) para el planteamiento por investigar?
104. Se protegen los derechos de los sujetos?
108. Los datos se analizan por tcnicas cualitativas, cuantitativas, o por ambas?
109. El tipo de anlisis es adecuado para los datos reunidos?
Estadstica descriptiva
Estadstica inferencial
114. Se utilizan pruebas de significacin estadstica para someter a prueba las hiptesis?
115. Se utilizan pruebas paramtricas cuando se violan flagrantemente las suposiciones
para usarlas?
116. Se utilizan pruebas no paramtricas cuando tal vez sera conveniente una prueba para-
mtrica ms potente?
117. Se desperdicia informacin de manera innecesaria al transformar medidas de un nivel
relativamente grande de medicin, a otra de nivel menor (por ejemplo, transformar la
talla en pulgadas, a la dicotoma estatura alta/baja?
118. Los estudios de significacin son adecuados para corroborar las hiptesis de investi-
gacin?
119. El comunicado indica el valor del estadstico calculado, el nmero de grados de liber-
tad y el nivel de significacin?
474 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Datos estadsticos
EVALUACION DE LA DISCUSION
Consecuencias
136. Se pasan por alto las consecuencias del estudio, aunque se advierte que existe una
base para ellas?
137. Las consecuencias del estudio se exponen en trminos de retencin, modificacin o
rechazo de un esquema terico/conceptual?
138. Se describen las consecuencias de los hallazgos para la prctica profesional?
139. Son apropiadas las implicaciones expuestas?
140. Se hacen generalizaciones que no se justifican con base en la muestra utilizada?
141. Se presta debida consideracin a las limitaciones del estudio al comentar las conse-
cuencias?
Recomendaciones
Ttulo
Resumen
Bibliografa
Apndices
158. Los apndices se usan eficazmente para presentar materiales largos o suplementarios?
159. Los apndices estn bien organizados y completos?
Estructura y estilo
INTRODUCCIN
MTODOS
RESULTADOS
DISCUSIN
* Polgar S, Thomas SA. Introduccin a la Investigacin en Ciencias de la Salud. Captulo 22. Madrid: Chuerchill
Livingstone, 1993
LISTA DE COMPROBACIN PARA EVALUAR
LA INVESTIGACIN PUBLICADA *
4. Las variables seleccionadas no son ade- las medidas pueden no estar relacionadas con
cuadas los conceptos que se investigan
* Polgar S, Thomas SA. Introduccin a la Investigacin en Ciencias de la Salud. Madrid: Chuerchill Livingstone, 1993
480 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
12. Variaciones o falta de control de los par- La investigacin puede carecer de validez
metros de tratamiento interna
13. Los sesgos de los observadores no se con- La investigacin puede carecer de validez
trolan (efecto Rosenthal) interna y externa
14. Las expectativas de los sujetos no se con- La investigacin puede carecer de validez
trolan (efectos Hawthorne) interna y externa
15. Los estudios se realizan en una situacin La investigacin puede carecer de validez eco-
inapropiada lgica
16. Falta de control de los tiempos a los que Posibles efectos de serie; la investigacin puede
se realizan las observaciones y los trata- carecer de validez interna
mientos
18. Parmetros estadsticos inapropiados para Distorsin de los datos; pueden derivarse
describir y/o analizar datos deducciones falsas
20. Se efectan deducciones falsas a partir de Se pueden establecer conclusiones falsas rela-
los datos tivas a los resultados de una investigacin
24. Los resultados carecen de conexin lgi- Queda sin definir el significado terico de la
ca con resultados de estudios previos investigacin
LISTA DE EVALUACION EN LA INVESTIGACION *
COMIENZO
1. La portada indica el ttulo, el nombre de los patrocinadores, investigadores, asesores,
universidad, institucin, telfonos, direcciones , fecha de envo?
2. El ttulo es una explicacin corta del proyecto?
3. El resumen indica claramente qu se hizo, cmo se llev a cabo y qu resultados se
obtuvieron?
4. La investigacin mencionada en el resumen es tan importante que el lector se ver
interesado por sta?
5. Los resultados del trabajo as como el informe aparecen claramente especificados en
el resumen?
PROBLEMA
6. La importancia del problema fue transmitida sin exageraciones al lector?
7. El nivel de importancia del problema justific el presupuesto requerido y/u otros
recursos?
8. Si los hallazgos del problema de investigacin tuvieron implicaciones ms all de las
aplicaciones esperadas, fue sto mencionado?
9. El objetivo de la investigacin fue planteado en trminos simples y claros?
REVISION DE LA LITERATURA
10. Los principales hallazgos de la investigacin y sus relaciones con el problema fueron
indicados?
11. Cuando fue relevante, se indic la informacin principal acerca de la organizacin del
estudio y las relaciones de ste?
12. Si se us una teora, le queda claro al lector cmo se aplic sta a la hiptesis y al
problema?
13. Est claro qu aportar el estudio al conocimiento actual?
14. Las referencias fueron citadas apropiadamente?
15. La literatura revisada se encuentra relacionada con la poblacin, las variables o
teoras?
* Sproul N. Handbook of Research Methods. Chapter 10. London: The Scarecrow Press Inc., 1988
482 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
POBLACION Y MUESTRA
24. La poblacin fue claramente definida en su descripcin?
25. El tamao de la poblacin fue dado?
26. El mtodo de muestreo fue especificado completamente?
27. Si se utiliz estratificacin, existe un informe acerca de por qu se utiliz y cmo se
conformaron los estratos?
28. Existe algn informe que justifique el procedimiento utilizado si la muestra no inclu-
y procedimientos aleatorios?
29. Fue adecuado el tamao de la muestra y los criterios para su seleccin?
DISEO
30. Fue claro el tipo de diseo de investigacin utilizado?
31. Si se utiliz diseo experimental o cuasiexperimental, fue descrito y explicado?
32. Si se utiliz la estructura experimental, los diferentes niveles de tratamiento son espe-
cificados y explicados?
33. Si se utiliz la estructura experimental, se mencion si los sujetos fueron asignados
aleatoriamente al tratamiento?
34. Si se utiliz la estructura cuasiexperimental, hay alguna explicacin de por qu la
estructura experimental no pudo utilizarse?
35. Han sido utilizados procedimientos para disminuir problemas de validez interna y
externa?
36. Fue impuesto al diseo tanto control como el factible?
37. Si se utiliz una estructura de investigacin histrica, se da suficiente informacin
acerca de la representatividad y posibles distorsiones u omisiones en los datos obteni-
dos de fuentes primarias o secundarias?
PARTE IV 483
INSTRUMENTACION
44. Mide las variables apropiadamente el instrumento?
45. Los niveles de medicin proporcionados son los mismos que el investigador plane?
46. Tiene el instrumento evidencia de validez, en cuanto a magnitud y tipo?
47. Tiene el instrumento evidencia de seriedad, en cuanto a magnitud y tipo?
48. Pueden los sujetos responder al instrumento en un perodo razonable de tiempo?
49. Es lo suficientemente sencillo el instrumento para los sujetos que lo van a responder?
50. Es el instrumento fcil de administrar en un perodo de tiempo razonable?
51. Los resultados del instrumento son fciles de interpretar?
52. Tendr el instrumento efectos psicolgicos o sociales? Si es as, qu medidas se
incorporan para manejar esos efectos?
53. Si el instrumento es nuevo o una version modificada, hubo una prueba piloto?
54. Hay una copia de cada instrumento en los apndices?
CRONOGRAMA
60. Se describen de una forma sencilla las fases de la investigacin?
61. El tiempo estimado fue consistente con los recursos personales descritos?
PERSONAL
62. Se mencionan por nombre y rea el director del proyecto y los asociados principales?
REFERENCIAS
63. Se dieron las referencias de cada cita en el trabajo?
64. Son apropiadas las referencias para los conceptos descritos?
65. Tienen balance las referencias entre los autores clsicos y los ms recientes?
66. Se distingue a las referencias citadas de la informacin bibliogrfica?
67. Las referencias estn correctamente colocadas en el trabajo y en los apndices?
APENDICES
68. Aparecen en los apndices, datos, tablas, esquemas y otras informaciones extensas de
modo que la lectura del trabajo no se vea interrumpida?
69. Los apndices estn claramente delineados por ttulos, notas y nmeros?
GENERAL
70. Si hay consideraciones ticas hay alguna explicacin de cmo se manejaron?
71. El trabajo tiene errores gramaticales o numricos?
72. Puede leer el trabajo un no especialista y entender los objetivos?
73. Es el formato del trabajo lo suficientemente sucinto como para leerlo fcil y rpida-
mente sin perder los mayores puntos?
VARIOS
74. Mandar el trabajo a tiempo. Generalmente los comits rechazan los trabajos que lle-
gan despus de la fecha lmite.
75. Si el trabajo se manda por correo, de preferencia que ste sea de primera clase y cer-
tificado.
76. La direccin y destino deben aparecer claramente (incluyendo de ser posible el nom-
bre del representante de la comisin cientfica).
77. Evitar que la apariencia fsica del trabajo refleje extravagancia. Algunos investigado-
res invierten tiempo en ello, esperando impresionar a los revisores. Esto frecuentemente
tiene un efecto opuesto.
LISTA PARA EVALUACION DE ARTICULOS
MEDICOS GENERALES *
ANALISIS Y PRESENTACION
10. Hay una declaracin que describa adecuadamente o que d
referencias de todos los procedimientos estadsticos usados?
11. Los mtodos estadsticos usados son apropiados para los
datos?
* Altman DG. Practical Statistics forMedical Research.. London: Chapman and Hall, 1991
486 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
EVALUACION GLOBAL
30. Se justifican las conclusiones sacadas del anlisis estads-
tico?
31. El artculo es estadsticamente aceptable?
APNDICE IV
REQUISITOS UNIFORMES PARA PREPARAR LOS
MANUSCRITOS ENVIADOS A REVISTAS BIOMDICAS 1
(5 Edicin, 1998)
El Comit ha producido cinco ediciones de los requisitos uniformes para preparar los manuscritos
enviados a revistas biomdicas. A lo largo de los aos han surgido asuntos que van ms all de la
preparacin del manuscrito. Algunos de esos asuntos se han incorporado a los requisitos uniformes,
mientras que otros se tratan en declaraciones por separado. Cada declaracin se ha publicado en una
revista cientfica.
La quinta edicin (1997) de los requisitos uniformes se ha preparado con la finalidad de reor-
ganizar y modificar la redaccin de la cuarta edicin a efecto de aumentar la claridad y abor-
dar inquietudes con respecto a derechos, proteccin de la vida privada de los sujetos de inves-
1 Traduccin al espaol basada en: International Committee of Medical Journal Editors. Uniform requirements for manuscripts sub-
mitted to bio-medical journals. Ann Intern Med 1997; 126:36 47. La presente traduccin y la de las declaraciones que el Comit
Internacional de Directores de Revistas Medicas publica por separado se podrn encontrar en el siguiente sitio de la World Wide
Web: http://www.paho.org/spanish/DBI/ authors.htm
Traductor: Dr. Gustavo A. Silva, OPS, Washington, DC, EUA. Direccin postal: Organizacin Panamericana de la Salud, AGS/T,
525 Twentythird Street, Washington, DC 20037, EUA. Correo electrnico: 1silvagu@paho.org
El documento original en ingls se puede consultar en versin digital en diversos sitios de la World Wide Web, entre otros ACP
Online (http:/www. acponline.org).
Este documento no est protegido por derechos de autor. Puede copiarse o reimprimirse sin autorizacin, siempre y cuando se
haga sin fines de lucro.
Las consultas y observaciones deben dingirse a Kathleen Case, ICMJE Secretariat Office, Annals of Internal Medicine, American
College of Physicians Independence Mall West, Sixth Street at Race, Philadelphia, PA 19106 1572, EUA. Telfono: 215-351-
2661; fax: 215-351-2644; correo electrnico: Kathyc@acp.mhs.compuserve.com
2 Actualmente integran el comit editores afiliados con las siguientes revistas y entidades: Annals of Internal Medicine, Biblioteca
Nacional de Medicina de los Estados Unidos, British Medical Journal Canadian Medical Association Journal, The Journal of the
American Medical Association, The lancet, The Medical Journal of Australia, The New England Journal of Medicine, The New
Zealand Medical Journal, Tidsskrift for den Norske Laegeforening, Universidad de Princeton y Western Journal of Medicine.
490 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
tigacin, descripcin de los mtodos aplicados y otros asuntos. Los requisitos uniformes para
preparar los manuscritos enviados a revistas biomdicas pueden reproducirse para fines edu-
cativos y sin afn de lucro, con prescindencia de los derechos de autor; el Comit alienta la
distribucin de este material.
A las revistas que accedan a guiarse por los requisitos uniformes (actualmente ms de 500
revistas lo hacen) se les pide que en sus instrucciones para los autores citen el documento
correspondiente a 1997.
Es importante hacer hincapi en lo que los requisitos significan y en lo que no. En primer
lugar, los requisitos uniformes son instrucciones sobre la forma de preparar los manuscritos
dirigidas a los autores; no se trata de indicaciones sobre estilo editorial destinadas a la redac-
cin de las revistas. (Sin embargo, muchas revistas han incorporado en su estilo editorial
ciertos elementos de los requisitos.)
En segundo lugar, si los autores preparan sus manuscritos segn el estilo especificado en
estos requisitos, los directores de las revistas participantes no devolvern los manuscritos para
que se hagan cambios de estilo antes de considerarlos para publicacin. No obstante, en el
proceso de publicacin los manuscritos podrn ser modificados por las redacciones de las
revistas para adaptarlos a las particularidades de su propio estilo editorial.
En tercer lugar, los autores que enven manuscritos a una revista participante se abstendrn
de prepararlos de acuerdo con el estilo editorial de sta y se concretarn a cumplir con los
requisitos uniformes.
Pese a todo, los autores tendrn asimismo que seguir las instrucciones particulares de la revis-
ta en cuestin por lo que se refiere a los temas apropiados para sta y el tipo de manuscri-
tos que se le pueden enviar: por ejemplo, artculos originales, revisiones o informes de casos.
Adems, es probable que en dichas instrucciones figuren otros requisitos exclusivos de la
publicacin, tales como el nmero de copias del manuscrito, los idiomas en que ste puede
ser redactado, la extensin de los artculos y las abreviaturas aprobadas.
Se espera que las revistas participantes declaren en sus instrucciones a los autores que sus
normas estn de acuerdo con los requisitos uniformes para preparar los manuscritos envia-
dos a revistas biomdicas y citen una versin publicada de stos.
Los lectores de publicaciones peridicas primarias merecen que se les d la confianza de que
lo que estn leyendo es original, a menos que haya una clara indicacin de que el artculo
se ha vuelto a publicar por eleccin del autor y el director. Esta posicin tiene como fun-
PARTE IV 491
damento las leyes internacionales de derechos de autor, la conducta tica y el uso eficaz en
funcin de los costos de los recursos.
La mayor parte de las revistas cientficas no desean recibir manuscritos acerca de un traba-
jo que ya se ha dado a conocer en gran medida en un artculo publicado o que forma parte
de otro manuscrito que se ha propuesto o ha sido aceptado para publicacin en otra parte,
ya sea en forma impresa o en soporte electrnico. Esta norma no impide que la revista con-
sidere un artculo rechazado por otra revista o un informe completo que sigue a la publica-
cin de un informe preliminar, como puede ser un resumen o pster presentados a la consi-
deracin de colegas en una reunin profesional. Tampoco impide que las revistas consideren
un artculo que se ha presentado en una reunin cientfica pero que no se ha publicado nte-
gramente ni se est considerando para publicacin en las actas de una reunin o en una publi-
cacin semejante. Las informaciones periodsticas acerca de reuniones programadas no se
considerarn en general como infracciones de esta regla, pero no habrn de ampliarse median-
te datos suplementarios o copias de los cuadros y las ilustraciones.
Cuando se enve un artculo para publicacin, el autor debe siempre adjuntar una relacin
completa de toda presentacin del documento a otras revistas y de cualquier informe ante-
rior que pudieran considerarse publicacin redundante o duplicada del mismo trabajo o de
uno muy semejante. El autor debe poner sobre aviso al director de la revista si el trabajo
aborda temas sobre los cuales se hayan publicado informes anteriores. Si tal es el caso, esos
trabajos se mencionarn con la debida referencia bibliogrfica en el artculo nuevo. Junto con
el manuscrito propuesto se incluirn copias de dichos materiales para ayudar al director a
decidir la manera de manejar este asunto.
1. Los autores tendrn que recabar la aprobacin de los directores de las dos revistas involu-
cradas; el director de la publicacin secundaria tendr en su poder una fotocopia, separata
o manuscrito de la versin primaria.
492 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
El derecho de los pacientes a que se respete su vida privada no debe ser infringido sin antes
obtener su consentimiento fundamentado. Las descripciones por escrito, las fotografas y los
rboles genealgicos que se publiquen no debern contener informacin por la cual se pueda
identificar a los pacientes, a menos que dichos datos resulten esenciales para fines cientfi-
cos y que el paciente (o su padre o tutor) otorgue por escrito su autorizacin para la publi-
cacin despus de haber sido debidamente informado. Para obtener el consentimiento para
esta finalidad, es preciso mostrarle al paciente el manuscrito que se va a publicar.
Los detalles que puedan revelar la identidad del paciente deben omitirse si no son esencia-
les, pero los datos del paciente nunca se alterarn ni falsificarn solamente por tratar de lograr
el anonimato. Es difcil lograr el anonimato completo, y frente a cualquier duda ser preci-
so obtener el consentimiento fundamentado. Por ejemplo, cubrir la regin de los ojos en las
fotografas de los pacientes es una proteccin insuficiente del anonimato.
La exigencia del consentimiento con conocimiento de causa debe figurar en las instruccio-
nes para los autores de la revista. Siempre que se obtenga dicha anuencia, esto deber cons-
tar en el artculo publicado.
Manuscritos en disquete
Cuando un artculo se halla cercano a la aceptacin definitiva, algunas revistas piden que los
autores faciliten una copia en forma electrnica (en disquete); pueden aceptar una variedad
de formatos de procesadoras de texto o ficheros de texto (ASCII).
Los autores debern consultar las instrucciones que la revista proporciona a los autores para
determinar cules son los formatos que se aceptan, las convenciones que se aplican para
denominar los ficheros, el nmero de copias que deben presentarse y otros detalles.
La primera pgina contendr: I) el ttulo del artculo, que ser conciso pero informativo; 2)
nombre de pila preferido y apellidos de cada autor, acompaados de sus grados acadmicos
ms importantes y su afiliacin institucional; 3) nombre del departamento o departamentos
y la institucin o instituciones a los que se debe atribuir el trabajo; 4) declaraciones de des-
cargo de responsabilidad, si las hay; 5) nombre y direccin del autor que se ocupar de la
correspondencia relativa al manuscrito; 6) nombre y direccin del autor a quien se dirigirn
494 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
las solicitudes de separatas, o nota informativa de que los autores no las proporcionarn; 7)
procedencia del apoyo recibido en forma de subvenciones, equipo, medicamentos o todo ello;
y 8) ttulo abreviado (titulillo) que no pase de 40 pulsaciones (contando caracteres y espa-
cios), el cual se colocar, debidamente identificado como tal, en la ltima lnea de la pgi-
na inicial.
Autora
Todas las personas designadas como autores habrn de cumplir con ciertos requisitos para
tener derecho a la autora. Cada autor debe haber participado en el trabajo en grado sufi-
ciente para asumir responsabilidad pblica por su contenido.
Para concederle a alguien el crdito de autor, hay que basarse nicamente en su contribu-
cin esencial por lo que se refiere a los siguientes aspectos: I) la concepcin y el diseo o
bien el anlisis y la interpretacin de los datos; 2) la redaccin del artculo o la revisin cr-
tica de una parte importante de su contenido intelectual; y 3) la aprobacin final de la ver-
sin que ser publicada. Las tres condiciones tendrn que cumplirse siempre. La participa-
cin que consiste meramente en conseguir financiamiento o recoger datos no justifica el
crdito de autor. Tampoco basta con ejercer la supervisin general del grupo de investiga-
cin. Toda parte del artculo que sea decisiva con respecto a las conclusiones principales
deber ser responsabilidad de por lo menos uno de los autores.
Los directores de revista podrn solicitar a los autores que describan la contribucin de cada
uno; esa informacin puede ser publicada.
Cada vez es ms comn que los ensayos multicntricos se atribuyan a un autor corporativo.
Todos los miembros del grupo que sean designados como autores, ya sea en la lnea desti-
nada al nombre de los autores a continuacin del ttulo o en una nota a pie de pgina, debe-
rn cumplir plenamente con los requisitos de autora recin sealados. Los miembros del
grupo que no cumplan con dichos criterios sern mencionados, con su autorizacin, en la
seccin de agradecimientos o en un apndice (vase Agradecimientos ) .
El orden en que figuran los autores debe reflejar una decisin conjunta de estos. Como los
autores se suelen enumerar de distintas maneras, el significado del orden en que aparecen no
puede deducirse con exactitud a menos que ellos mismos lo enuncien explcitamente. Para
tal efecto, tal vez deseen agregar, en una nota a pie de pgina, la explicacin sobre el orden
de enumeracin. Al decidir acerca de dicho orden, los autores tendrn presente que muchas
revistas imponen un lmite al nmero de autores que figuran en el ndice de materias y que,
cuando hay ms de 25 autores, la Biblioteca Nacional de Medicina de los Estados Unidos
incluye en MEDLINE tan slo los nombres de los 24 primeros mas el del ltimo.
La segunda pgina incluir un resumen (que no sobrepasar las 150 palabras de extensin si
es un resumen ordinario o las 250 si es uno estructurado). En l se indicarn los propsitos
del estudio o investigacin; los procedimientos bsicos (seleccin de los sujetos o los ani-
males de laboratorio incluidos en el estudio; mtodos de observacin y anlisis); los hallaz-
gos ms importantes (proporcinense datos especficos y, de ser posible, su significacin esta-
PARTE IV 495
dstica); y las conclusiones principales. Hgase hincapi en los aspectos nuevos e importan-
tes del estudio o las observaciones.
Introduccin
Exprese el propsito del artculo y resuma el fundamento lgico del estudio u observacin.
Mencione las referencias estrictamente pertinentes y no incluya datos ni conclusiones del tra-
bajo que est dando a conocer.
Mtodos
Describa claramente la forma como se seleccionaron los sujetos observados o que participa-
ron en los experimentos (pacientes o animales de laboratorio, incluidos los testigos).
Identifique los mtodos, los aparatos (nombre y direccin del fabricante entre parntesis) y
los procedimientos con detalles suficientes para que otros investigadores puedan reproducir
los resultados. Proporcione referencias de los mtodos acreditados, incluidos los de ndole
estadstica (vase ms adelante); d referencias y explique brevemente los mtodos ya publi-
cados pero que no son bien conocidos; describa los mtodos nuevos o que han sido sustan-
cialmente modificados, manifestando las razones por las cuales se usaron y evaluando sus
limitaciones. Identifique exactamente todos los medicamentos y productos qumicos utiliza-
dos, sin olvidar nombres genricos, dosis y vas de administracin.
Los informes de ensayos clnicos aleatorizados debern presentar informacin sobre todos
los elementos importantes del estudio, como son el protocolo (poblacin de estudio, inter-
venciones o exposiciones, resultados y el fundamento lgico del anlisis estadstico), asig-
nacin de intervenciones (mtodos de aleatorizacin, ocultamiento de la asignacin a los gru-
pos de tratamiento) y mtodo de enmascaramiento (mtodo ciego).
Los autores que presenten manuscritos de revisin incluirn una seccin en la que se des-
criban los mtodos utilizados para localizar, seleccionar, extraer y sintetizar los datos. Estos
mtodos se mencionarn tambin en forma sinptica en el resumen.
tica. Cuando informe sobre experimentos en seres humanos, seale si los procedimientos
seguidos estuvieron de acuerdo con las normas ticas del comit (institucional o regional) que
supervisa la experimentacin en seres humanos o con la Declaracin de Helsinki de 1975,
modificada en 1983. No utilice el nombre de los pacientes, sus iniciales ni los cdigos hos-
496 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Estadstica. Describa los mtodos estadsticos con detalles suficientes para que el lector ver-
sado en el tema y que tenga acceso a los datos originales pueda verificar los resultados pre-
sentados. Siempre que sea posible, cuantifique los resultados y presntelos con indicadores
apropiados de error o incertidumbre de la medicin (por ej., intervalos de confianza). No
dependa exclusivamente de las pruebas de comprobacin de hiptesis estadsticas, tales como
el uso de los valores P, que no transmiten informacin cuantitativa importante. Analice la
elegibilidad de los sujetos de experimentacin. Proporcione los detalles del proceso de ale-
atorizacin. Describa los medios utilizados para enmascarar las observaciones (mtodo ciego),
indicando los resultados que dieron. Informe sobre las complicaciones del tratamiento.
Especifique el nmero de observaciones. Mencione las prdidas de sujetos de observacin
(por ej., las personas que abandonan un ensayo clnico). Siempre que sea posible, las refe-
rencias sobre el diseo del estudio y los mtodos estadsticos utilizados sern de trabajos
vigentes (indicando el nmero de las pginas), y no de los artculos originales donde se des-
cribieron por vez primera. Especifique cualquier programa de computacin de uso general
que se haya empleado.
Las descripciones generales de los mtodos utilizados deben aparecer en la seccin de mto-
dos. Cuando resuma los datos en la seccin de resultados, especifique los mtodos estads-
ticos que se emplearon para analizarlos. Limite el nmero de cuadros y figuras al mnimo
necesario para explicar el tema central del artculo y para evaluar los datos en que se apoya.
Use grficas en vez de cuadros subdivididos en muchas partes; no duplique los datos en las
grficas y los cuadros. Evite el uso no tcnico de trminos de la estadstica, tales como al
azar (que entraa el empleo de un mtodo de aleatorizacin), normal, significativo,
correlaciones y muestra. Defina los trminos, las abreviaturas y la mayor parte de los
smbolos estadsticos.
Resultados
En el texto, los cuadros y las ilustraciones, presente los resultados siguiendo una secuencia
lgica. No repita en el texto todos los datos de los cuadros ni de las ilustraciones; destaque
o resuma tan slo las observaciones importantes.
Discusin
Haga hincapi en los aspectos nuevos e importantes del estudio y en las conclusiones que
se derivan de ellos. No repita con pormenores los datos u otra informacin ya presentados
en las secciones de introduccin y de resultados. Explique en la seccin de discusin el sig-
nificado de los hallazgos y sus limitaciones, incluidas sus implicaciones para la investiga-
cin futura. Relacione las observaciones con otros estudios pertinentes.
Establezca el nexo entre las conclusiones y los objetivos del estudio, pero abstngase de hacer
afirmaciones generales y extraer conclusiones que no estn completamente respaldadas por
los datos. En particular, los autores evitarn hacer afirmaciones sobre los beneficios y los
PARTE IV 497
costos econmicos, a menos que su manuscrito incluya datos y anlisis econmicos. No recla-
me ningun tipo de precedencia ni mencione trabajos que no estn terminados. Proponga nue-
vas hiptesis cuando haya justificacin para ello, pero identificndolas claramente como tales.
Cuando sea apropiado, puede incluir recomendaciones.
Agradecimientos
En un lugar adecuado del artculo (como nota al pie de la primera pgina o como apndice
del texto; vanse los requisitos de la revista) uno o varios enunciados especificarn lo siguien-
te: 1) las colaboraciones que deben ser reconocidas pero que no justifican la autora, tales
como el apoyo general del jefe del departamento; 2) el reconocimiento por la ayuda tcnica
recibida; 3) el agradecimiento por el apoyo financiero y material, especificando la ndole del
mismo; y 4) las relaciones que puedan suscitar un conflicto de intereses (vase Conflicto
de intereses).
Las personas que colaboraron intelectualmente en el artculo pero cuya participacin no jus-
tifica la autora pueden ser citadas por su nombre, aadiendo su funcin o tipo de colabora-
cin; por ejemplo, asesoramiento cientfico, examen crtico de la propuesta para el estu-
dio, recoleccin de los datos o participacin en el ensayo clnico. Estas personas tendrn
que conceder su permiso para ser nombradas. Los autores se responsabilizarn de obtener la
autorizacin por escrito de las personas mencionadas por su nombre en los agradecimientos,
pues los lectores pueden inferir que stas respaldan los datos y las conclusiones.
El reconocimiento por la ayuda tcnica recibida figurar en un prrafo separado de los tes-
timonios de gratitud por otras contribuciones.
Referencias
Numere las referencias consecutivamente siguiendo el orden en que se mencionan por pri-
mera vez en el texto. En ste, en los cuadros y en los pies o epgrafes de las ilustraciones,
las referencias se identificarn mediante nmeros arbigos entre parntesis. Las referencias
citadas solamente en cuadros o ilustraciones se numerarn siguiendo una secuencia que se
establecer por la primera mencin que se haga en el texto de ese cuadro o esa figura en
particular.
Emplee el estilo de los ejemplos que aparecen ms adelante, los cuales estn basados en el
formato que la Biblioteca Nacional de Medicina de los Estados Unidos usa en el Index
Medicus. Abrevie los ttulos de las revistas de conformidad con el estilo utilizado en dicha
publicacin. Consulte la List of Journals Indexed in Index Medicus [Lista de revistas indi-
zadas en Index Medicus], que se publica anualmente como parte del nmero de enero y como
separata. La lista se puede obtener asimismo en el sitio que la biblioteca mantiene en la
World Wide Web (http: / / www.nlm.nih.gov).
Abstngase de utilizar los resmenes como referencias. Las referencias a artculos que han
sido aceptados pero que todava no se publican se designarn como en prensa o de pr-
xima aparicin; los autores obtendrn por escrito el permiso para citar dichos artculos y
tambin la verificacin de que han sido aceptados para publicacin. La informacin prove-
498 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
No cite una comunicacin personal a menos que aporte informacin esencial que no pueda
obtenerse de una fuente pblica; en ese caso, el nombre de la persona y la fecha de la comu-
nicacin aparecern entre parntesis en el texto. En el caso de artculos cientficos, los auto-
res debern obtener el permiso de la fuente y su confirmacin de la exactitud de la comu-
nicacin personal, ambos por escrito.
Los autores verificarn las referencias cotejndolas contra los documentos originales.
El estilo de los requisitos uniformes (estilo de Vancouver) se basa en gran medida en una
norma de estilo ANSI adaptada por la Biblioteca Nacional de Medicina (NLM) para sus bases
de datos. En los ejemplos que siguen se han agregado notas cuando el estilo de Vancouver
difiere del estilo que actualmente utiliza la NLM.
Artculos de revista
Ms de seis autores:
Parkin DM, Clayton D, Black RJ, Masuyer E, Friedl HP, Ivanov E, et al.
Childhood leukaemia in Europe after Chernobyl: 5 year follow-up. Br J Cancer
1996;73:1006-12.
The Cardiac Society of Australia and New Zealand. Clinical exercise stress tes-
ting. Safety and performance guidelines. Med J Aust 1996;164:282-4.
Ryder TE, Haukeland EA, Solhaug JH. Bilateral infrapatellar seneruptur hos
tidligere frisk kvinne. Tidsskr Nor Laegeforen 1996; 116:41-2.
5. Suplemento de un volumen
Shen HM, Zhang QF. Risk assessment of nickel carcinogenicity and occupa-
tional lung cancer. Environ Health Perspect 1994;102 Suppl 1:275-82.
6. Suplemento de un nmero
Payne DK, Sullivan MD, Massie MJ. Womens psychological reactions to bre-
ast cancer Semin Oncol 1996;23(1 Suppl 2): 89-97.
7. Parte de un volumen
8. Parte de un nmero
Poole GH, Mills SM. One hundred consecutive cases of flap lacerations of the
leg in ageing patients. N Z Med J 1994;107(986 Pt 1):377-8.
Browell DA, Lennard TW. Immunologic status of the cancer patient and the
effects of blood transfusion on antitumor responses. Curr Opin Gen Surg
1993:325-33.
Fisher GA, Sikic Bl. Drug resistance in clinical oncology and hematology.
Introduction. Hematol Oncol Clin North Am 1995 Apr;9(2):xi-xii.
(Nota: Con anterioridad, el estilo de Vancouver indicaba, incorrectamente, que entre la edi-
torial y la fecha deba ir una coma en vez de punto y coma, como debe ser.)
Phillips SJ, Whisnant JP. Hypertension and stroke. En: Laragh IH, Brenner BM,
editors. Hypertension: pathophysiology, diagnosis, and management. 2nd ed.
New York: Raven Press; 1995. p. 465-78.
24. Patente
Larsen CE, Trip R, Johnson CR, inventors; Novoste Corporation, titular. Methods
for procedures related to the electrophysiology of the heart. US patent 5,529,067.
1995 Jun 25
HIV+/AIDS: the facts and the future [videocassette]. St. Louis (MO): Mosby-
Year Book; 1995.
Ley pblica:
Preventive Health Amendments of 1993, Pub. L. No. 103-183,107 Stat. 2226
(Dec. 14, 1993).
502 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Audiencia:
Increased Drug Abuse: the Impact on the Nations Emergency Rooms: Hearings
Before the Subcomm. on Human Resources and Intergovernmental Relations
of the House Comm. on Govemment Operations, 103rd Cong., Ist Sess. (May
26,1993).
28. Mapa
North Carolina. Tuberculosis rates per 100,000 population, 1990 [mapa demo-
grfico]. Raleigh: North Carolina Dept. of Environment, Health, and Natural
Resources, Div. of Epidemiology; 1991.
The Holy Bible. King James version. Grand Rapids (Ml): Zondervan Publishing
House; 1995. Ruth 3:1-18.
Trabajos inditos
32. En prensa
(Nota: La NLM prefiere referirse a estos trabajos como en preparacin [forthcoming] por-
que no todos se publicarn impresos.)
Morse SS. Factors in the emergence of infectious diseases. Emerg Intect Dis
[publicacin peridica en lnea] 1995 Jan-Mar [citada 1996 Jun 5];1(1):[24 pan-
tallas]. Se consigue en: URL: http://www.cdc.gov/ncidod/ElD/eid .htm
PARTE IV 503
Hemodynamics lll: the ups and downs of hemodynamics [programa de computadora]. Version
2.2. Orlando (EL) Computerized Educational Systems; 1993.
Cuadros
Mecanografe o imprima cada cuadro a doble espacio y en hoja aparte. No presente los cua-
dros en forma de impresiones fotogrficas. Numrelos consecutivamente siguiendo el orden
en que se citan por primera vez en el texto, y asigne un ttulo breve a cada uno. Cada colum-
na llevar un encabezamiento corto o abreviado. Las explicaciones irn como notas al pie y
no en el encabezamiento. En las notas al pie se explicarn todas las abreviaturas no usuales
empleadas en cada cuadro. Como llamadas para las notas al pie, utilcense los smbolos
siguientes en la secuencia que se indica: *, , , , ||, , **, , .
Identifique las medidas estadsticas de variacin, tales como la desviacin estndar y el error
estndar de la media.
Incluir un nmero excesivo de cuadros en relacin con la extensin del texto puede ocasio-
nar dificultades al confeccionar las pginas. Examine varios nmeros recientes de la revista
a la que planea presentar el artculo y calcule cuntos cuadros pueden incluirse por cada
millar de palabras de texto.
Al aceptar un artculo, el director podr recomendar que los cuadros suplementarios que con-
tienen datos de respaldo importantes, pero que son muy extensos para publicarlos, queden
depositados en un servicio de archivo, como el Servicio Nacional de Publicaciones Auxiliares
en los Estados Unidos, o que sean proporcionados por los autores a quien lo solicite. En tal
caso, se agregar en el texto la nota informativa necesaria. Dichos cuadros se presentarn
junto con el artculo para su consideracin.
Ilustraciones (figuras)
Enve los juegos completos de figuras en el nmero requerido por la revista. Las figuras esta-
rn dibujadas y fotografiadas en forma profesional; no se aceptarn los letreros trazados a
mano o con mquina de escribir. En lugar de los dibujos, radiografas y otros materiales de
ilustracin originales, enve impresiones fotogrficas en blanco y negro, bien contrastadas,
en papel satinado y que midan 127 x 173 mm, sin exceder de 203 x 254 mm. Las letras,
504 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
nmeros y smbolos sern claros y uniformes en todas las ilustraciones; tendrn, adems, un
tamao suficiente para que sigan siendo legibles incluso despus de la reduccin necesaria
para publicarlos. Los ttulos y las explicaciones detalladas se incluirn en los pies o epgra-
fes, no sobre las propias ilustraciones.
Al reverso de cada figura pegue una etiqueta de papel que lleve anotados el nmero de la
figura, el nombre del autor y cul es la parte superior de la misma. No escriba directamen-
te sobre el dorso de las figuras ni las sujete con broches para papel, pues quedan marcadas.
Las figuras no se doblarn ni se montarn sobre cartn.
Unidades de medida
Las medidas de longitud, talla, peso y volumen se expresarn en unidades del sistema mtri-
co decimal (metro, kilogramo, litro, etc.) o sus mltiplos y submltiplos.
Las temperaturas se consignarn en grados Celsius. Los valores de presin arterial se indi-
carn en milmetros de mercurio.
Todos los valores hemticos y de qumica clnica se presentarn en unidades del sistema
mtrico decimal y de acuerdo con el Sistema Internacional de Unidades (Sl). La redaccin
de la revista podr solicitar que, antes de publicar el artculo, los autores agreguen unidades
alternativas o distintas de las del Sl.
PARTE IV 505
Abreviaturas y smbolos
Enve por correo el nmero requerido de copias del manuscrito en un sobre de papel resis-
tente; si es necesario, proteja las copias y las figuras metindolas entre dos hojas de cartn
para evitar que las fotografas se doblen. Meta las fotografas y transparencias en su propio
sobre de papel resistente.
Los manuscritos irn acompaados de una carta de envo firmada por todos los coautores.
Es preciso incluir en ella lo siguiente: 1) informacin acerca de la publicacin previa o dupli-
cada, o sobre la presentacin de cualquier parte del trabajo a otra revista, segn lo expresa-
do lneas arriba; 2) una manifestacin de las relaciones financieras o de otro tipo que pudie-
ran dar lugar a un conflicto de intereses (vase ms adelante); 3) una declaracin de que el
manuscrito ha sido ledo y aprobado por todos los autores, que se ha cumplido con los requi-
sitos de la autora expuestos anteriormente en el presente documento y que cada autor est
convencido de que el manuscrito representa un trabajo honrado; y 4) el nombre, la direccin
y el nmero telefnico del autor corresponsal, quien se encargar de comunicarse con los
dems autores en lo concerniente a las revisiones y a la aprobacin final de las pruebas de
imprenta. La carta incluir cualquier informacin suplementaria que pueda resultar til para
el director, tal como el tipo de artculo que el manuscrito representa para esa revista en par-
ticular y si el autor (o los autores) estara dispuesto a sufragar el costo de reproducir las ilus-
traciones en color.
17. Polgar S, Thomas SA. Introduccin a la Investigacin en las Ciencias de la Salud. Madrid:
Churchill Livingstone, 1993
18. Barzun J, Graff HF. The Modern Researcher. Fifth edition. Fortworth, Texas: Harcourt
Brace Publishers, 1992
19. Reynolds L, Simmonds D. Presentation of Data in Science. Dordrecht, The Netherlands: 1984
20. World Health Organization. Regional Office for the Western Pacific. Health Research Met-
hodology. A guide for Training in Research Methods. Manila: WHO, 1992
21. Howell JB. Style Manuals of the English-speaking World: A Guide. Phoenix, Arizona:
Oryx Press, 1983
22. Martnez Garca C., Editor. El Cancer en Granada. Incidencia y Mortalidad. 1988-90 Gra-
nada: Escuela Andaluza de Salud Pblica, 1994
23. Martn Andrs A, Luna del Castillo J de D. Bioestadstica para las Ciencias de la Salud.
4 Edicin. Madrid: Ediciones Norma, 1994
24. Armitage P, Berry G. Statistical Methods in Medical Research. Oxford: Blackwell Scien-
tific Publications, 1987
25. Tufte ER. The Visual Display of Cuantitative Information. Cheshire, Connecticut: Grap-
hics Press, 1983
26. Turabian KL. A Manual for Writers of Term Papers, Thesis, and Dissertations. Fifth edi-
tion. Chicago: The University of Chicago Press, 1987
27. The Chicago Manual of Style. Fourteenth edition. Chicago: The University of Chicago
Press, 1993
28. Rothman KJ. Epidemiologa Moderna. Madrid: Ediciones Daz de Santos, S.A., 1987
29. Sackett DL, Haynes RB, Tugwell P. Epidemiologa Clnica. Madrid: Ediciones Daz de
Santos, S.A., 1989
30. Ramn y Cajal S. Reglas y Consejos sobre investigacin cientfica. Madrid: Espasa Calpe,
1991
31. Medewar PB. Consejos a un joven cientfico. Mxico: Fondo de Cultura Econmica, 1982
32. Real Academia Espaola.Diccionario de la Lengua Espaola. Madrid: Real Academia-
Espaola, 1992
33. Gibaldi J, Achtert WS. MLA Handbook for Writers of Research Papers. Third edition.
New York: The Modern Language Association of America, 1988
34. Cordera A, Bobenrieth M. Administracin de Sistemas de Salud. Tomo II. Mexico: Cor-
dera, 1983
35. Mulrow CD. El Artculo de Revisin en la literatura Mdica Actual. Boletn de la Ofici-
na Sanitaria Panamericana. 1993; 114(5): 437-459
36. Delahaye F, Landrivon G, Ecochord R, Colin C. Meta-analysis Health Policy. 1991; (19):
185-196
37. Jones DR. Meta-analysis of Observational Epidemiological Studies: a Review. Journal of
the Royal Society of Medecine. 1992. 85: 165-168
PARTE IV 509
38. Martn Vivaldi G. Curso de Redaccin. Teora y Prctica de la Composicin y del Esti-
lo. Madrid: Paraninfo, 1986
39. Miranda Podera L. Gramtica Espaola. 12 Edicin. Madrid: Editorial Hernando, 1982
40. Seco M. Gramtica esencial del Espaol. Introduccin al estudio de la lengua. Madrid:
Editorial Espasa Calpe, S.A., 1994
41. Alarcos Llorach E. Gramtica de la lengua espaola. Madrid: Editorial Espasa Calpe S.A.,
1994
42. Baena G. Redaccin Prctica. El Estilo Personal de Redactar. Mexico: Editores Mexica-
nos Unidos, 1993
43. Lapesa R. Introduccin a los estudios literarios. 16 Edicin . Madrid: Ctedra, 1986
44. Ferrater Mora J. Diccionario de Filosofa Abreviado. Barcelona: Edhasa, 1993
45. Martnez de Sousa J. Diccionario de redaccin y estilo. Madrid: Ediciones Pirmide SA., 1993
46. Rojas Tapia A. Manual de Redaccin Lgica. Mexico: Ediciones Quinto Sol, 1988
47. Miranda Podadera L. Curso de Redaccin. Madrid: Editorial Hernando, 1985
48. Martnez de Sousa J. Dudas y errores de lenguaje. Cuarta edicin. Madrid: Paraninfo, 1987
49. Delton, J. The 29 most common writing mistakes and how to avoid them. Cincinati, Ohio:
Writers Digest Books, 1985
50. Martnez Amador E. Diccionario Gramatical y de Dudas del Idioma. Barcelona: Edito-
rialRamn Sopena, S.A., 1970
51. Winkler J.T. El Sndrome de la celebridad intelectual. The Lancet 1987; 11(1):65
52. Andersen B. Methodological Errors in Medical Research. Oxford: Blackwell Scientific
Publications, 1990
53. Downs F., Newman M. In A Source Book of Nursing Research. Third edition. Philadelp-
hia: F.A. Davis Co., 1983
54. Polit DF, Hungler B.P.. Investigacin Cientfica en Ciencias de la Salud. Tercera edicin.
Mexico: Interamericana/Mc Graw-Hill, 1991
55. Altman DG. Practical Statistics for Medical Research. London: Chapman and Hall, 1991
56. Sproul N. Handbook of Research Methods. London: The Scarecrow Press Inc., 1988
57. Chubin DE, Hackett EJ. Peerless Science. Peer Review and U.S. Science Policy. Albany,
New York: State University of New York Press, 1990
58. Council of Biology Editors. Peer Review in Scientific Publishing. Chicago, Illinois: Coun-
cil of Biology Editors, Inc., 1991
59. Lock S. A Difficult Balance. Editorial Peer Review in Medicine. Philadelphia: ISI Press, 1985
60. Silva G, Campillo Artero C. Cmo se deben evaluar los artculos cientficos propuestos
para publicacin. Medicina Clnica (Barcelona) 1991; 744-48
NDICE DE MATERIAS
M
N
Magnitud de asociacin, 85, 105, 123, 255-256
Manipulacin de una variable, 36 Nivel de confianza, 182
Manual, 306 Nivel de error, 183
Mapas, 364, 365 Nodos, 261
Marca de clase, 118, 136 de decisin, 261
Marco conceptual, 319 probabilsticos o aleatorios, 262
terminales, 262
Marco terico, 319, 337, 339, 408
Nombre de la revista, 327
Materiales y mtodos, 324, 341-345
Nombre y ao (estilo Harvard), 417
Materiales y tcnicas, 341
Notas
Matriz, 281-283
contenido, 405
dentada, 283
pie de pgina, 405
de tablas, 361, 362
pie de tabla, 358
en dos, 283
referencia, 405
fichero, 283
rectangular, 281, 282 Noticia, 309
Mxima verosimilitud, 215 Novedad, 346
Media, 147 Nube de puntos, 143
Media ponderada, 149 Numeracin de grficos, 371
Mediana, 150 Numeracin de tablas, 353
Medidas de frecuencia, 49 Numrico-alfabtico, 417
NDICE DE MATERIAS 517
O accesible, 409
blanco, 409
Objetivo(s), 319, 338, 339, 409 diana, 409
Observacin, 37 en estudio, 54, 60, 95, 102
rara, 151 Poder, 342
extremas (outliers), 208 Polgono de frecuencias, 139
influyentes, 208 Polgono de frecuencias acumulativas
Odds, 89, 105 absolutas, 140
Odds Ratio, 73, 89, 102, 105 Ponencia a congresos, 306
Oncologa, 308 Positivismo, 317
OP. CIT. 407, 408 Potencia de un test, 190
OPERE CITATO 407 Prctica, 325
OR, 73, 89, 102, 105 Precisin, 342, 412
Orden de mencin, 417 Predictoras categricas, 237
Ordenador, 279 Pregunta
Osiris, 300 abierta, 288
investigacin, 341, 347, 410
multirespuesta, 288
P Premio Nobel, 314, 315
Prevalencia, 49, 51, 69, 93, 319
Pacientes y mtodos, 340 Primera revisin bibliogrfica, 337
Palabra, Principios, 317
clave, 326, 327 Probabilidad, 52, 161
correcta, 327 condicionada, 161, 162
Paquete estadstico, 296, 299 postest, 165
Parntesis, 355 pretest, 165
Prrafo, 356 promedio individual, 52
Parte bibliogrfica del artculo, 327 umbral, 269
Partes del artculo cientfico original, 325-426 Problema, 299, 337
cuerpo, 325 de investigacin, 319, 337, 339
finales, 325 general, 319, 338, 339
preliminares, 325 Procedimientos, 342
Partes del artculo de revisin, 427 Procesador de textos, 295-297
Pautas Proceso de aleatorizacin, 343
de evaluacin, 447 Proceso de datos, 279
para la calidad de revisin, 428 Proporcin, 51
para la evaluacin de artculos originales, 463 atribuible, 92, 109
Pelcula, 50 atribuible poblacional, 93, 109
Percentiles, 150 Prospectivo, 78
Permuterm Subject Index, 327 Protocolo de tratamiento de datos, 277
Peroracin de un discurso, 412 Protocolo de recogida de datos, 279
Personas-tiempo, 56, 81 Pruebas de comprobacin de hiptesis, 343
Pictogrficos, 374 Publicaciones cientficas, 305
Planeacin, 320 en revistas, 324
Plausibilidad biolgica, 257 tipos, 322
Poblacin, 177, 320 Publicaciones peridicas, 305
518 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA
Sencillez y Naturalidad, 437 contingencia (cruzada, dos por dos) 186, 362-
Sensibilidad, 162, 168-170 364
Serie diseo y construccin, 352
casos, 38, 65 dos variables, 361-362
continuada, 306 intervalos de clases, 354-357
temporal, 67, 113 matriz de (formato o plantilla), 367-369
objetivos, 347
Sesgo, 342, 409
otras medidas estadsticas, 366
Berkson, 103
principios bsicos, 352
clasificacin, 44, 84, 104, 123, 342
requisitos, 348
confusin, 45, 104, 342, 409
tres o ms variables, 364-365
diferencial, 44, 85, 104
una variable, 360-361
informacin, 409
no diferencial, 44, 85, 104 Tamao
seleccin, 44, 71, 83,, 103, 122, 342, 409 grficos, 364
muestra, 44, 177
Shareware, 297
muestra para diferencia entre proporciones,
Sigla, 326, 329 193-196
Sigma, programa estadstico, 300 tabla, 357-358
Significacin, 346 Tasa de riesgo, 247
Significacin prctica, 193 Tasa instantnea, 60
Significado, 408 Teorema de Bayes, 165
Signos de admiracin, 431 Teora, 312, 325
Sintaxis correcta, 327 Teora del conocimiento, 314
Sistema Vancouver, 415 Test, 197
Sobreexplicacin, 329 diagnsticos, 161-176
Software, 295 Ducan, 202
hiptesis, 44, 187-191
Software estadstico, 300
Log-Rank, 224-228
Soporte informtico, 277 Mann-Whitney, 201
SPAD, 300 Mantel-Haenszen, 224-228
SPAD-T, 300 Newmann-Keuls, 202
S-PLUS, 300 no paramtrico, 201
SPSS/PC, 300 Tukey, 202
Wilcoxon, 201
Stat-Graphics, 300
significativo, 189
Stepwise, 241-242
Texto, 347
Subttulo, 328
The Journal of the American Medical
Sucesos Association, 308
incompatibles, 161
The Lancet, 307
independientes, 161
The New England Journal of Medicine, 132,
Sujetos, 342
193, 307
Sujetos y mtodos, 341
Tiempo de supervivencia, 220
Suplemento con hojas sueltas, 306
Tipos de estudio, 31, 35
Titulillo, 328
Ttulo, 324, 325, 326-330
T ambiguo, 326
confuso, 326
t de Student, 197, 198-202 con subttulos, 329
Tablas, 133-136, 347, 348, 350-369 efectista, 329, 353
520 METODOLOGA DE INVESTIGACIN Y ESCRITURA CIENTFICA EN CLNICA