Curso de Bioestadística para el Doctorado en Salud Pública
Coordinador del curso: César Cárcamo
Profesor: Mirko Zimic
Creditaje: (3 horas
crédito)
Horario de clases Sábados 9:00 - 12:00
Descargar syllabus
Guías Stata
Guía
de stata 1
Guía
de instalación de stata
Comandos
básicos
Estadística descriptiva 1
Estadística descriptiva 2
Inferencia en variables cuantitativas
Semana 1.
Introducción a los conceptos stadísticos.
Definición de
observables físicos. Cuantificación y medición. Procesos determinísticos y
procesos aleatorios. Constantes y variables aleatorias. Tipos de variables.
Definición frecuentista de probabilidad y de distribución probabilística.
Distribuciones probabilísticas especiales y distribuciones sesgadas. Definición
de parámetros y estimadores. Definición de la Estadística Bayesiana.
(slides 1.1)
(slides 1.2)
(slides 1.3)
Semana 2. Manejo
básico de Stata.
Descripción del programa, ventajas y desventajas. Manejo de bases de datos, uso
de la memoria, exportando resultados a otros programas. Manipulación de datos:
visualización, selección, creación y agregación.
Uso de archivos de
bitácora (.log). Uso de programas de comandos (.do)
(slides 2)
Semana 3.
Estadística
descriptiva.
Definición de tipos de datos, presentación de datos en tablas de contingencia y
resumen, presentaciones gráficas diversas. Estadística descriptiva simple:
medidas de tendencia central y dispersión. Presentación de histogramas.
Definición y manejo de valores fuera de rango (outliers). Outliers estadísticos
y outliers biológicos.
(slides 3.1)
(slides 3.2) (Teoría
de errores)
Semana 4. Exploración
y presentación de datos.
Prevalencia e incidencia. Sensibilidad y especificidad. Manejo de proporciones,
razones y tasas provenientes de datos nominales en estudios epidemiológicos.
Análisis exploratorio con variables continuas. Exploración gráfica y tabular
bivariada. Estimación puntual e intervalos de confianza.. Relación entre la
sensibilidad, valor predictivo positivo y prevalencia de la enfermedad. Teorema
de Bayes.
(slides 4)
Semana 5. Prueba de
hipótesis.
Hipótesis más comunes en estudios epidemiológicos. Enunciando preguntas de
investigación como hipótesis. Selección de la prueba estadística apropiada para
una cierta hipótesis. Selección del nivel de significancia. Concepto de
resultados “estadísticamente significativos”. Obteniendo resultados y formulando
conclusiones. Errores posibles en las pruebas de hipótesis.
(slides
5)
(pruebas estadísticas)
1er
EXAMEN PARCIAL
Semana 6.
Inferencias con datos categóricos.
Revisión de los conceptos y métodos de prueba de
hipótesis. Asociación entre datos categóricos mediante pruebas chi-cuadrado.
Concepto de la prueba chi-cuadrado. Pruebas exactas de Fisher y corrección de
Yates. Concordancia. Estadístico Kappa.
(slides 6)
Semana 7.
Inferencias sobre prevalencias e incidencias.
Tipos de diseño de estudios epidemiológicos. Estudios de cohorte y caso-control.
Frecuencia de enfermedad y frecuencia de exposición. Fuerza de asociación,
riesgo relativo y razón de momios. Pruebas estadísticas disponibles. Confusión e
interacción. Corrección de Mantel-Haenszel. Uso de pruebas exactas.
(semana 7)
Semana 8. Inferencias sobre variables continuas. Pruebas paramétricas y no paramétricas. Condiciones para escoger la prueba adecuada. Comparación de dos promedios: pruebas T de Student y Mann-Whitney. Comparación de más de dos promedios: análisis de varianza y prueba de Kruskal-Wallis. Pruebas post-hoc. Correcciones por comparaciones múltiples: prueba de Bonferroni. Concepto de varianza explicada. Correlación: pruebas R de Pearson y Rho de Spearman.
Semana 9. Regresión lineal simple. Regresión lineal simple. Pruebas de normalidad para la variable dependiente (prueba de Shapiro Wilkins). Inferencias sobre la media y el Teorema del Límite Central. Transformación de la variable dependiente para buscar la normalidad. Tratamiento de las variables predoctoras (independientes): categorización, transformación.
2do EXAMEN PARCIAL
Semana 10. Regresión lineal múltiple sobre datos continuos. Efecto total y efecto directo. Ajuste sobre potenciales variables confusoras. Interpretación de los coeficientes de regresión. Obtención del mejor modelo estadístico lineal múltiple. Prueba de las razones de verosimilitud. Selección del mejor modelo comenzando con el modelo saturado. Selección del mejor modelo comenzando con el modelo simple e incluyendo gradualmente variables significativas.
Semana 11. Regresión logística simple. Regresión logística simple. Interpretación de los coeficientes de regresión: riesgo y protección, razón de momios. Equivalencia de la regresión logística con la tabla 2x2 y el cálculo directo de la razón de momios.
Semana 12. Regresión logística múltiple. Regresión logística múltiple. Efecto total y efecto directo. Ajuste sobre potenciales variables confusoras. Interpretación de los coeficientes de regresión: riesgo y protección, razón de momios. Predictor lineal para la clasificación de la variable dependiente. Curvas ROC la probabilidad de la correcta clasificación.
Semana 13. Análisis de tiempo para evento. Estudios longitudinales. Densidad de incidencia y tasas de incidencia. Supuestos y validez. Censoring. Análisis actuarial y de Kaplan Meier. Hazard, falla y sobrevivencia. Presentación gráfica. Prueba de log-rank.
3er EXAMEN PARCIAL
Semana 14. Regresión de Cox para datos de tiempo a evento. Modelos de Cox para las proporciones de hazard. Verifiación de la premisa de la proporcionalidad del hazard.
Semana 15. Análisis longitudinal. Datos longitudinales. Estructuras de correlación. Regresiones de Modelos Lineales Generalizados.
Semana 16. Exposición de proyectos
4to EXAMEN PARCIAL
_______________________________________________________________________
Sitios de Interés: