Facultade de Fisioterapia

2012/11/13_Statistical Workshop_Métodos ESTadísticos en la Investigación Clínica y Epidemiológica

November 13th 2012

Facultad de Ciencias Económicas y Empresariales | Salón de Grados

Pon un estadístico en tu vida (investigadora)


2012/11/13 - 10:00 h | Santiago Pérez Cachafeiro, Metodólogo, Fundación I+D+i CHOP, Complexo Hospitalario de Pontevedra


Abstract

Mi experiencia investigadora comenzó como residente, realizando másters y cursos de doctorado, en ellos aprendía a realizar cálculos básicos (diferencias de proporciones, contraste de hipótesis, odds ratios,...) con los que, como médico, vivía feliz. Realizaba publicaciones, algunas en revistas de impacto, y no necesitaba más que una licencia de SPSS(R). Hasta entonces pensaba que los estadísticos sólo servían para complicarte la vida cuando les hacías preguntas (que si los pacientes no son comparables, que si el seguimiento no es homogéneo,...), así que decidí prescindir de ellos y formarme más en ese campo. Fruto de esa formación descubrí la mala praxis médica que se puede generar por limitarse a realizar análisis sencillos, averigüé que los controles de calidad son la principal fortaleza de cualquier estudio y que, por mucho que estudie estadística, ningún médico va a poder estar actualizado a la vez clínica y metodológicamente. Es por ello que ya no me gusta hacer mis análisis o diseñar mis estudios en solitario, en todo equipo investigador que se precie hace falta un estadístico: para optimizar los resultados en estudios con muestras pequeñas (p.ej. case-cross over), para modelizar datos ausentes (p.ej. datos analíticos consecutivos cuando un paciente se salta alguna extracción), para valorar la carga de riesgo asociada a cada una de las múltiples exposiciones concurrentes (riesgos competitivos, análisis multinivel), para evaluar el comportamiento en términos de eficiencia de una técnica que se va a introducir en la sociedad (evaluaciones económicas a partir de estudios previos), para simular una epidemia (SARS, gripe),...


O Rexistro galego de tumores (PROXECTO REGAT)


2012/11/13 - 12:00 h | Margarita Castro Bernárdez -Rexistro galego de tumores (Regat), Servizo de Epidemioloxía, Dirección Xeral de Saúde Pública e Planificación, Consellería de Sanidade. Xunta de Galicia


Abstract

Os rexistros de cancro desempeñan un papel crave no control desta enfermidade. A súa función principal é manter un arquivo ou rexistro cos datos de todos os casos de cancro – non de doentes – aparecidos nunha poboación definida, no que estean recollidos algúns datos dos doentes (como a data de nacemento ou o sexo), así como os detalles clínicos e anatomopatolóxicos dos tumores, recollidos de forma continua e sistemática a partir de distintas fontes de datos. O rexistro analiza e interpreta tales datos periodicamente, proporcionando información sobre a incidencia (que é o número de novos cancros diagnosticados nun período de tempo), a prevalencia (que é o número de persoas con cancro nun período de tempo), e a supervivencia (que é o tempo que transcorre entre o diagnóstico e o falecemento) e as características de cancros específicos en distintos segmentos da poboación, e sobre as variacións temporais da incidencia, prevelencia e supervivencia. Esta información é a fonte primaria non só para a investigación epidemiolóxica sobre os axentes determinantes do cancro, senón tamén para a planificación e avaliación dos servizos sanitarios de prevención, diagnóstico e tratamento da enfermidade.

Tradicionalmente distinguíanse dous tipos de rexistros, os “poboacionais” (recollen todos os casos novos que se producen nunha poboación definida -a maioría das veces, unha zona xeográfica- pondo a énfase na epidemioloxía e a saúde pública) e os “hospitalarios” (que recollen todos os casos dun hospital dado, normalmente sen coñecemento da poboación de onde proveñen- a énfase póñena na asistencia sanitaria e a administración hospitalaria).

Nesta situación nace o proxecto REGAT, como iniciativa que harmoniza os intereses dun rexistro poboacional e dos rexistros hospitalarios, baixo a seguinte premisa fundamental: para que un rexistro deste tipo funcione é vital a cooperación da comunidade científica.

REGAT susténtase en dous eixos fundamentais:

  • Homoxeneización: para garantir a comparabilidade, e xa que logo, a calidade da información. - Integración: para facilitar o rexistro, axuntando esforzos e reducindo custos de mantemento.

REGAT potencia os métodos de recollida automática de datos sobre tumores, para iso aprovéitase a situación privilexiada do sistema de información sanitario galego, que conta con:

  • Aplicacións corporativas comúns a todos os centros do sistema sanitario (Anatomía Patolóxica, CMBD (Conxunto mínimo básico de datos de altas hospitalarias)) e compatibles con outras bases como a do Rexistro de mortalidade de Galicia.
  • Mecanismos de identificación única do paciente nos sistemas de información sanitarios.

REGAT cumprirá os seguintes requisitos fundamentais:

  • Terá un alto nivel de automatización na recollida e tratamento dos datos dos sistemas asistenciais.
  • Contará con circuítos “multinivel” de validación de casos.
  • Será un rexistro flexible posto que permitirá a súa ampliación. - Implementará estándares internacionais de codificación e rexistro.
  • Contará cun sistema de análise de datos.

Técnicas estadísticas en el desarrollo de modelos predictivos. Aplicaciones a la cardiología


2012/11/13 - 13:00 h | Mar Rodríguez Girondo - Grupo de Investigación SiDOR, Universidad de Vigo


Abstract

El uso de modelos predictivos en biomedicina, y en cardiología en particular, es un buen ejemplo de conexión entre los métodos estadísticos y la práctica clínica diaria. Los scores pronósticos basados en modelos de regresión que relacionan determinado resultado de interés (la muerte) con determinados factores de riesgo (covariables) son, hoy en día, herramientas de uso generalizado en la ayuda en la toma de decisiones clínicas.

Los recientes desarrollos en métodos de regresión multivariante, incluyendo el caso particular del análisis de supervivencia, permiten la modelización cada vez más flexible y por tanto, realista, del efecto de covariables sobre el resultado de interés. A pesar de su interés metodológico y práctico en términos de flexibilidad, el manejo de este tipo de modelos complejos induce dificultades adicionales cuando nuestro interés es la construcción de un modelo interpretable y con aplicabilidad en la práctica clínica. Concretamente, la cuestión de qué factores (covariables) deben ser incluidos en el modelo y cuales pueden obviarse es de gran transcendencia práctica y metodológica. En esta charla presentaremos algunas propuestas para la construcción de modelos de regresión flexible con selección automática de variables en el caso del análisis de supervivencia y una aplicación al estudio del pronóstico después de sufrir un infarto agudo de miocardio.


Mapping Childhood Cancer Incidence at Northern Region of Portugal


2012/11/13 - 16:00 h | Carla Moreira - Grupo de Investigación SiDOR, Universidad de Vigo


Abstract

Spatial epidemiology is concerned with the description and understanding of the spatial variations on the disease risk and the related variables. The description of incidence patterns for the detection of risk and inequalities is best done by small areas diseasing atlas. In this presentation we report and describe some data on childhood cancer in North Portugal, presenting an overview of regional patterns in childhood cancer incidence. These patterns are also compared with rates in Europe and south of Europe. The childhood cancer data information was gathered from the population-based cancer registry (RORENO, Registo Oncológico Regional do Norte). Data include all children (below 15 years old) diagnosed with cancer, between 1999 until 2003, resident in any of the five districtis in North of Portugal region: Porto, Braga, Bragança, Vila Real and Viana do Castelo. Children were followed until April 30th 2006. We also present the incidence map of the childhood cancer at North Portugal, by municipal division (14 in Braga, 12 in Bragança, 18 in Porto, 10 in Viana do Castelo and 14 in Vila Real), using the Poisson model for the observed number of disease cases in each council. Deviation indices from a global Poisson model in these councils vary from 0.34 (Vila Flor, Bragança district) to 0.93 (Freixo de Espada à Cinta, Bragança district). We also consider a Bayesian approach, using an Empirical Bayesian method for estimating the incidence rates. We discuss the effect of random double truncation when exploring the age at diagnosis too.