Validación de criterio de la metodología de empleo del análisis estadístico implicativo en los estudios de causalidad en salud / CriteriaValidation of the Methodology for the Use of Implicative Statistical Analysis in HealthCausality Studies

Introducción: el diseño de la metodología ASI-IMC permite una correcta aplicación del análisis estadístico implicativo en los estudios de causalidad en salud. Luego surgió la necesidad de validarla. Objetivo: evaluar la efectividad de la metodología de aplicación del ASI-IMC. Métodos: se realizó un estudio observacional analítico prospectivo de tipo casos y controles anidado en una cohorte, cuyo universo de estudio quedó conformado por todas las mujeres mayores de 18 años de edad, con el diagnóstico clínico e histológico de cáncer de mama, procedentes de la provincia de Santiago de Cuba, atendidas en el Hospital Oncológico Conrado Benítez, entre 2014 y 2019. Se emplearon como covariables 25 factores pronósticos supuestos. Se aplicó la regresión logística binaria previa verificación del cumplimiento de los supuestos requeridos sobre una muestra de 280 pacientes a razón de un control por caso que constituyó el mismo conjunto de datos al que se aplicó el análisis estadístico implicativo, para luego comparar los resultados de ambas técnicas. Se consideró la regresión como el estándar de oro, para lo cual se estimaron 14 indicadores: sensibilidad, especificidad, valores predictivos, razones de verosimilitud, odds ratio de diagnóstico, entre otros. Resultados: fueron identificados, por ambas técnicas estadísticas, como factores de buen pronóstico de mortalidad por cáncer de mama en la población estudiada la determinación de los biomarcadores y de mal pronóstico el estadio avanzado, la metástasis y la quimioterapia. Los indicadores de eficacia arrojaron valores a favor de la técnica evaluada. Conclusiones: se validó de manera satisfactoria la metodología diseñada demostrando ser efectiva para la identificación de factores pronósticos(AU)

Introduction: the design of the ASI-IMC methodology allows a correct application of the implicative statistical analysis in the studies of causality in health. Then the need arose to validate it. Objective: to validate the designed ASI-IMC methodology. Methods: a prospective analytical observational study of the case and control type nested in a cohort was carried out.The universe of study was made up of all women over 18 years of age, with a clinical and histological diagnosis of breast cancer, from the province of Santiago de Cuba, treated at the Conrado Benítez Oncological Hospital, between 2014 and 2019. Twenty-five assumed prognostic factors were used as covariates. Binary logistic regression was applied after verification of compliance with the required assumptions on a sample of 280 patients at the rate of one control per case, which constituted the same data set to which the statistical analysis was applied, in order to compare the results of both techniques. Regression was considered as the gold standard, for which 14 indicators were estimated: sensitivity, specificity, predictive values, likelihood ratios, diagnostic odds ratio, among others. Results: both statistical techniques identified biomarkers as good prognosis factors for breast cancer mortality in the study population, and advanced stage, metastasis, and chemotherapy as poor prognostic factors. The efficacy indicators showed values ​​in favor of the evaluated technique. Conclusions: the designed methodology was satisfactorily validated, proving to be effective for the identification of prognostic factors(AU)

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)

Propuesta metodológica para la contextualización del análisis estadístico implicativo en las investigaciones médicas de causalidad / Methodological Proposal for the Contextualization of the Implicative Statistical Analysis in Medical Causality Research

Las investigaciones sobre factores de riesgo, iniciadas a mediados del siglo pasado, sentaron las bases del modelo multicausal y se enmarcan en el enfoque lineal que ha predominado en las ciencias naturales. Sin embargo, el proceso salud-enfermedad es complejo lo que conlleva a la necesidad de aplicar técnicas estadísticas renovadoras, este es el caso del análisis estadístico implicativo creado para solucionar problemas didácticos de las matemáticas. En esta dirección se enmarca la presente investigación, cuyo objetivo fue crear una metodología de contextualización de este análisis a las investigaciones médicas de causalidad. El diseño de la metodología tuvo en cuenta la literatura, el criterio de expertos y las regularidades y contradicciones demostradas en los estudios de casos y controles realizados previamente con la aplicación de la metodología propuesta. La metodología quedó constituida por ocho etapas: análisis exploratorio, transformación de los datos, análisis principal, presentación de los resultados, interpretación de los resultados, análisis a posteriori, selección de las variables a incluir en el modelo de regresión logística binaria y discusión de los resultados. Esta es una propuesta en evolución que debe irse adaptando a solicitud de los investigadores clínicos y bioestadísticos, sus principales usuarios y debe constituir un pilar importante que complemente las técnicas multivariadas empleadas habitualmente en los estudios clínico-epidemiológicos para la identificación de factores pronósticos y de riesgo(AU)

Research on risk factors, started in the middle of the last century, laid the foundations of the multicausal model framed in the linear approach that has predominated in the natural sciences. However, the health-disease process is complex, which leads to the need to apply renovating statistical techniques, as is the case of the implicative statistical analysis created to solve didactic problems in mathematics. Framed in this direction, the present research aims to create a methodology for contextualizing this analysis to causal medical research. To design the methodology we took into account the literature, the expert judgment and the regularities and contradictions demonstrated in the case-control studies previously carried out with the application of the proposed methodology. The methodology consisted of eight stages: exploratory analysis, data transformation, main analysis, presentation of results, interpretation of results, ex-post analysis, selection of variables to include in the binary logistic regression model, and discussion of the results. This is an evolving proposal that must be adapted at the request of clinical and biostatistician researchers, its main users, and must constitute an important pillar that complements the multivariate techniques commonly used in clinical-epidemiological studies for the identification of prognostic and risk factors(AU)

Los biomarcadores como factores pronósticos de cáncer de mama a través de un análisis implicativo a posteriori / Biomarkers as prediction factors of breast cancer by means of a posteriori implicative analysis

Introducción: Los biomarcadores son sustancias que se encuentran aumentadas en el organismo si existen tumores. Para demostrar cómo influyen en la mortalidad es necesario un estudio analítico donde se imbriquen técnicas estadísticas como el análisis estadístico implicativo. Objetivos: Determinar la influencia de los biomarcadores como factores pronósticos de mortalidad por cáncer de mama y demostrar la validez del análisis a posteriori como etapa en la metodología de aplicación del análisis estadístico implicativo. Métodos: Se realizó un estudio analítico de casos y controles de 75 pacientes mayores de 18 años con diagnóstico clínico e histológico de cáncer de mama, atendidas en el Hospital Oncológico Docente Provincial Conrado Benítez García de Santiago de Cuba, en el período de 2014 a 2019. Se siguieron las etapas previstas para aplicar esta forma de análisis y se obtuvieron el grafo implicativo y los árboles de similaridad y cohesión. Resultados: Se verificó que la relación entre los biomarcadores y las pacientes vivas se debió al subtipo luminal B. Asimismo, en la metarregla que incluye a las fallecidas se imbricó el subtipo luminal B, mientras que el subtipo luminal A formaba parte de dicha metarregla; los demás subtipos no formaron reglas con ningún otro factor. Conclusiones: Se demostró la necesidad y la importancia de la etapa de análisis a posteriori, donde se confirma la existencia de algunos factores pronósticos y se desechan otros antes encontrados.

Introduction: Biomarkers are substances that are increased in the organism if tumors exist. To demonstrate how they influence in the mortality it is necessary an analytic study where statistical techniques are involved as the implicative statistical analysis. Objectives: To determine the influence of biomarkers as prediction factors of mortality due to breast cancer and to demonstrate the validity of a posteriori analysis as a phase in the methodology of the implicative statistical analysis implementation. Methods: A cases and controls analytic study of 75 patients older than 18 years with clinical and histological diagnosis of breast cancer was carried out, they were assisted in Conrado Benítez García Teaching Provincial Cancer Hospital in Santiago de Cuba, from 2014 to 2019. The foreseen phases were followed to implement this form of analysis and the implicative grapho and the similarity and cohesion trees were obtained. Results: It was verified that the relationship between the biomarkers and the alive patients was due to B luminal subtype. Also, in the meta-rules that includes dead women, B luminal subtype was involved, while the A luminal subtype was part of this meta-rule; the other subtypes didn't form rules with any other factor. Conclusions: The necessity and importance of the posteriori analysis phase was demonstrated, where the existence of some prediction factors was confirmed and others found before were rejected.

La COVID-19 en Santiago de Cuba desde un análisis estadístico implicativo / COVID-19 in Santiago de Cuba province from an implicative statistical analysis

Introducción: La COVID-19 se ha convertido en una terrible pandemia, de ahí el interés de investigadores y decisores en estudiar las características de los casos confirmados en cada territorio, lo que es útil como patrón de comparación con las demás regiones y para crear las bases de la investigación de las causas de tal comportamiento. Objetivo: Describir el comportamiento de los casos confirmados con COVID-19 de la provincia Santiago de Cuba entre marzo y abril de 2020. Métodos: Se realizó un estudio observacional descriptivo transversal tomando como población de estudio los 49 casos confirmados con COVID-19 en la provincia de Santiago de Cuba, entre marzo y abril de 2020. Se seleccionaron variables clínicas y epidemiológicas. Se aplicó como técnica estadística el análisis estadístico implicativo, con sus tres formas de análisis: de similaridad, cohesitivo e implicativo. Resultados: Se obtuvo el conjunto de todas las relaciones entre las variables estudiadas de manera gráfica, destacándose entre estas, las diferencias entre ambos sexos, al asociarse las femeninas con la categoría asintomático y los masculinos con sintomático, grave y fallecido, los adultos mayores se relacionaron con la mayor cantidad de antecedentes personales patológicos y los fallecidos, los adultos jóvenes con los antecedentes y los síntomas del aparato respiratorio. Conclusiones: El estudio permite visualizar, como rasgo distintivo del comportamiento de los casos con COVID-19 en la provincia Santiago de Cuba, que el subgrupo de mayor riesgo es el adulto mayor del sexo masculino con enfermedades de base, fundamentalmente, la hipertensión arterial, lo cual está en concordancia con lo ocurrido en otras regiones del planeta(AU)

Objective: To describe the behaviour of COVID-19 confirmed cases from Santiago de Cuba province between March and April, 2020. Methods: It was carried out a cross-sectional, observational descriptive study taking as studied population 49 COVID-19 positive cases in Santiago de Cuba province between March and April, 2020. There were selected clinic and epidemiologic variables. As statistical technique it was applied the implicative statistical analysis with its three forms: similarity, cohesive, and implicative. Results: It was obtained a set of all the relations among the studied variables in a graphic way, being highlighted the differences among both sexes since the females were related to the asymptomatic category and the males to symptomatic, seriously ill and deceased categories; while older adults were related with the higher amount of personal pathological background and the deceased ones, and young adults were related to the backgrounds and respiratory system's symptoms. Conclusions: This study allows to visualize, as a distinctive feature of COVID-19 cases´ behaviour in Santiago de Cuba province, that the highest risk sub-group is the one of male older adults with underlying diseases, mainly arterial hypertension, which is similar to what is happening in other regions of the world(AU)

Análisis estadístico implicativo versus Regresión logística binaria para el estudio de la causalidad en salud / Implicative statistical analysis versus binary logistic regression for the study of causation in health / Análise estatística implicativa versus regressão logística binária para o estudo de causalidade em saúde

RESUMEN El presente trabajo tiene por objetivo establecer una comparación de dos técnicas estadísticas multivariadas empleadas en investigaciones clínico-epidemiológicas para la identificación de factores pronósticos o de riesgo a partir de diseños observacionales. Se comparan la regresión logística binaria, muy empleada en salud desde mediados del siglo pasado para identificar la influencia de diversos factores sobre un desenlace dicotómico y el análisis estadístico implicativo, herramienta de la minería de datos, empleada para modelar la cuasi-implicación entre los sucesos y variables, que surgió para solucionar problemas de la Didáctica de las matemáticas; para lo cual se llevó a cabo una revisión de la literatura y de las investigaciones en las cuales se aplicaron de forma simultánea ambas técnicas. Se definieron catorce patrones de comparación. Se presentan las ventajas del análisis estadístico implicativo y se sugiere su empleo contextualizado previo a la regresión logística en los estudios epidemiológicos de causalidad.

ABSTRACT The purpose of this paper is to establish a comparison of two multivariate statistical techniques used in clinical-epidemiological research to identify prognostic or risk factors from observational designs. Binary logistic regression, widely used in health since the middle of the last century, is compared to identify the influence of various factors on a dichotomous outcome and the implicit statistical analysis, a data mining tool, used to model the quasi-implication between events. and variables, which arose to solve problems of the Didactics of mathematics; for which a review of the literature and of the investigations in which both techniques were applied simultaneously was carried out. Fourteen comparison patterns were defined. The advantages of the implicative statistical analysis are presented and its contextualized use is suggested prior to the logistic regression in the epidemiological studies of causality.

RESUMO O objetivo deste trabalho é estabelecer uma comparação de duas técnicas estatísticas multivariadas utilizadas na pesquisa clínico-epidemiológica para a identificação de fatores prognósticos ou de risco com base em desenhos observacionais. A regressão logística binária, amplamente utilizada na saúde desde meados do século passado, é comparada para identificar a influência de vários fatores em um resultado dicotômico e a análise estatística implícita, uma ferramenta de mineração de dados, usada para modelar a quase implicação entre eventos. e variáveis ​​que surgiram para solucionar problemas da Didática da Matemática; para o qual foi realizada uma revisão da literatura e das investigações nas quais as duas técnicas foram aplicadas simultaneamente. Quatorze padrões de comparação foram definidos. As vantagens da análise estatística implicativa são apresentadas e seu uso contextualizado é sugerido antes da regressão logística nos estudos epidemiológicos de causalidade.

Métodos actuales para asegurar la validez de los estudios de causalidad en Medicina / Current methods to assure the validity of the causality studies in Medicine

RESUMEN Fundamento: Los estudios de causalidad deben aportar resultados certeros, lo cual depende de la adecuación de los mismos, de ahí la necesidad de conocer los métodos que aseguren la validez de estas investigaciones. Objetivo: Sistematizar los métodos actuales para el estudio de causalidad en Medicina que incluye el diseño, los requerimientos que aseguran su validez y los métodos para el cumplimiento de estos requerimientos. Desarrollo: Se realizó una revisión bibliográfica en bases de datos biomédicas, se seleccionó la literatura de mayor actualidad, integralidad y cientificidad con la cual se organizó una síntesis crítica, a la que se le agregó la experiencia de las autoras. Se presentan técnicas para la detección y tratamiento de la confusión y la interacción y para garantizar la comparabilidad entre grupos. Entre las técnicas se destacan la aleatorización mendeliana, el puntaje de susceptibilidad, los G-métodos, los modelos estructurales marginales y anidados, la lógica difusa y el análisis estadístico implicativo. Conclusiones: A pesar del avance en los métodos estadísticos es el investigador el encargado de garantizar la no confusión residual y discernir entre lo estadísticamente significativo y lo clínicamente aceptable.

ABSTRACT Background: Causality studies must provide accurate results, which depends on their adequacy, therefore the need of knowing the methods that ensure the validity of these investigations. Objective: To systematize the current methods for the study of causality in Medicine that includes the design, the requirements that ensure its validity and the methods for complying with these requirements. Development: It was carried out a bibliographic review in biomedical databases and selected the most current, comprehensive, scientific literature, with this, a critical synthesis was organized, with the experience of the authors. Techniques for the detection and treatment of confusion and interaction were presented, also to ensure comparability between groups. Among the techniques, Mendelian randomization, susceptibility score, G-methods, marginal and nested structural models, fuzzy logic and implicative statistical analysis stand out. Conclusions: Despite the progress in statistical methods, the researcher is responsible for guaranteeing residual non-confusion and distinguishing between statistically significant and clinically acceptable.

¿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)