Técnicas estadísticas para identificar posibles relaciones bivariadas / Statistical techniques for possible identification on bivariate relations

Introducción: La mayoría de los problemas en la investigación biomédica son de naturaleza causal. El análisis en estos estudios debe comenzar por la búsqueda de asociación entre las variables que representan la causa y el efecto y solo si la asociación es significativa, continuará el análisis de inferencia causal. Objetivo: Sistematizar las diferentes técnicas estadísticas que verifican una relación bivariada según el tipo de variable. Métodos: Se realizó una revisión bibliográfica exhaustiva sobre el tema en las bases de datos biomédicas alojadas en la Internet. Se organizó el contenido por subtemas y se elaboró un material con una síntesis crítica de los aspectos más importantes, en el cual se plasmó además la experiencia de las autoras. Resultados: Se expone, según tipo de variables, información básica de los coeficientes, pruebas de hipótesis y gráficos empleados en cada caso, las medidas de asociación para estudiar el riesgo, los atributos que aseguran la validez de una asociación, el azar y el sesgo como los errores que pudieran cometerse en el proceso de investigación y que pueden invalidar la existencia de una asociación. También se presenta la forma de analizar la asociación en el análisis estadístico implicativo. Conclusiones: El conocimiento de los estadísticos para verificar una relación entre variables y la selección de técnicas estadísticas es esencial para llevar a cabo el proceso inicial de inferencia causal(AU)

Introduction: Most of the problems in biomedical research are of causal nature. The analysis of these studies should begin with the search for an association between the variables that represent the cause and the effect, and only if the association is significant will the causal inference analysis continue. Objective: To systematize the different statistical techniques that verify a bivariate relationship according to the type of variable. Methods: An exhaustive bibliographic review on the subject was carried out in the biomedical databases hosted in the Internet. The content was organized by sub-topics and a material with a critical synthesis of the most important aspects was elaborated, in which the experience of the authors was also expressed. Results: According to the type of variables, we have presented basic information about the coefficients, hypothesis tests, and graphs used in each case, the association measures to study risk, the features that ensure the validity of an association; chance and bias are also exposed as the mistakes that could be made in the investigation process and that could invalidate the existence of an association. The way of analyzing the association in the implicative statistical analysis is also presented. Conclusions: The knowledge of statisticians to verify a relationship between variables and the selection of statistical techniques is essential for carrying out the initial process of causal inference(AU)

Evolución histórica de las técnicas estadísticas y las metodologías para el estudio de la causalidad en ciencias médicas / Historical changes of the statistical techniques and the methodologies for the study of the causality in medical sciences

Las técnicas estadísticas constituyen las herramientas matemáticas que permiten el análisis causal de los problemas de salud; de ahí la importancia de conocer cómo ha sido su desarrollo a lo largo del tiempo, por lo cual el objetivo de este trabajo fue elaborar una síntesis de la evolución histórica de las técnicas y metodologías empleadas en la investigación médica en relación con los modelos de causalidad que han primado en cada momento histórico. A tales efectos, se realizó una amplia revisión documental y, para una mejor comprensión, se dividió la evolución en cinco etapas, según el desarrollo alcanzado en las técnicas estadísticas. Asimismo, se describen los principales hechos y las características fundamentales de cada época y se destaca la regresión logística binaria como la técnica más empleada.

The statistical techniques constitute the mathematical tools that allow the causal analysis of the health problems; that is why it is import to know about their development through time, reason why the objective of this work was to elaborate a synthesis of the historical course of the techniques and methodologies used in the medical investigation in connection with the causality models that have prevailed in each historical moment. To such effects, a wide documental review was carried out and, for a better understanding, the changes were divided in five stages, according to the development reached in the statistical techniques. Also, the main facts and the fundamental characteristics of each stage are described and the binary logistical regression is highlighted as the most used technique.

¿Por qué emplear el análisis estadístico implicativo en los estudios de causalidad en salud? / Why Use the Implicative Statistical Analysis in Studies of Health Causality?

El análisis estadístico implicativo es una técnica de minería de datos, surgida para resolver problemas de la didáctica de las matemáticas, se basa en la inteligencia artificial y el álgebra booleana, para modelar la casi implicación entre eventos y variables de un conjunto de datos. El objetivo de este ensayo es exponer las evidencias teóricas y prácticas que demuestran su utilidad para el estudio de la causalidad en la salud, para lo cual se realizó una revisión exhaustiva del tema en las bases de datos bibliográficas alojadas en Internet. Se presentan una serie de razones que justifican el uso de esta técnica en estudios de causalidad en medicina, en relación con el número de variables, el tamaño de la muestra, los supuestos requeridos para su aplicación y la naturaleza asimétrica de sus índices. También se identifican algunas ventajas con respecto a las técnicas estadísticas tradicionales, como la detección de eventos raros, que pasan inadvertidos a medidas como el apoyo y la confianza. Finalmente, se mencionan las investigaciones clínico-epidemiológicas donde se ha utilizado este análisis(AU)

Implicative statistical analysis is a technique of data mining, emerged to solve problems of the Didactic of mathematics, it is based on Artificial Intelligence and Boolean Algebra, to model the quasi-implication between events and variables of a data set. The objective of this essay is to expose the theoretical and practical evidences that demonstrate its utility for the study of causality in health, for which an exhaustive review of the subject was carried out in the bibliographic databases hosted on the internet. A series of reasons are presented that justify the use of this technique in causality studies in medicine, regarding the number of variables, the sample size, the assumptions required for its application and the asymmetric nature of its indices. Also some advantages are identified with respect to traditional statistical techniques such as detection of rare events, which would go unnoticed to measures such as support and trust. Finally, clinical-epidemiological investigations where this analysis has been used are mentioned(AU)