TY - CHAP M1 - Book, Section TI - Métodos estadísticos para múltiples variables A1 - White, Susan E. PY - 2021 T2 - Bioestadística Básica y Clínica, 5e AB - CONCEPTOS CLAVE La elección de los métodos estadísticos depende de la pregunta de investigación, las escalas en las que se miden las variables y el número de variables a analizar. Muchos de los procedimientos estadísticos avanzados pueden interpretarse como una extensión o modificación del análisis de regresión múltiple. Muchos de los métodos estadísticos usados para preguntas con una variable independiente tienen analogías directas con métodos para múltiples variables independientes. El término “multivariada / multivariado” se utiliza cuando se analiza más de una variable independiente. La regresión múltiple es un método simple e ideal para controlar las variables de confusión. Los coeficientes de regresión múltiple indican si la relación entre las variables independientes y dependientes es positiva o negativa. La codificación ficticia, o indicadora, se utiliza cuando se usan variables nominales en regresión múltiple. Los coeficientes de regresión indican la cantidad de cambio en la variable dependiente por cada cambio de una unidad en la variable X, manteniendo constantes otras variables independientes. La regresión múltiple mide únicamente una relación lineal. El estadístico R múltiple es el mejor indicador de qué tan bien se ajusta el modelo a los datos: cuánta varianza es explicada por el modelo. Se pueden utilizar varios métodos para seleccionar variables en una regresión multivariada. La regresión polinomial se puede utilizar cuando la relación es curvilínea. La validación cruzada nos dice qué tan aplicable será el modelo si lo usamos en otra muestra de sujetos. Una buena regla general es tener diez veces más sujetos que variables. El análisis de covarianza controla las variables de confusión; se puede utilizar como parte del análisis de varianza o en regresión múltiple. La regresión logística predice un resultado nominal; es el método de regresión más utilizado en medicina. Los coeficientes de regresión en la regresión logística se pueden transformar para obtener la razón de momios. El modelo de Cox es el análogo multivariado de la curva de Kaplan-Meier; predice resultados dependientes del tiempo cuando hay observaciones censuradas. El modelo de Cox también se denomina modelo de riesgo proporcional; es uno de los métodos estadísticos más importantes de la medicina. El metaanálisis proporciona una forma de combinar los resultados de varios estudios de forma cuantitativa y es especialmente útil cuando los estudios han llegado a conclusiones opuestas o se basan en muestras pequeñas. El tamaño del efecto es una medida de la magnitud de las diferencias entre dos grupos; es un concepto útil para estimar tamaños de muestra. La Colección Cochrane es un conjunto de metaanálisis muy bien diseñados y está disponible en bibliotecas y en línea. Hay varios métodos disponibles cuando el objetivo es clasificar los sujetos en grupos. El análisis multivariado de varianza, o MANOVA, es análogo al uso de ANOVA cuando hay varias variables dependientes. SN - PB - McGraw-Hill Education CY - New York, NY Y2 - 2024/03/28 UR - accessmedicina.mhmedical.com/content.aspx?aid=1201604148 ER -