Contenidos de Formación
FUNDAMENTOS de BIOESTADÍSTICA
1. Descriptiva y Medidas de Eficacia y Riesgo
- Mención de descriptivas esenciales
- Incidencia acumulada de eventos
- Riesgos Relativo RR
- Diferencias absolutas y relativas de riesgo y eficacia
- DAE, DAR y RRR
- NND y NNT
- Odds Ratios, OR de riesgo/eficacia
- Tasas, Razón de Tasas
- NNT basados en tasas
2. Pruebas Estadísticas y la toma de decisiones
- Repaso de Conceptos básicos, Tipos de variables
- Preguntas en investigación, Hipótesis y modelos
- P-valores y riesgos alfa
- Estimación por Intervalos de confianza 95%
- Relación entre significación e IC95%
- Interpretación de resultados negativos
- Que prueba estadística utilizar según la pregunta de investigación
- Pruebas paramétricas y no paramétricas
- T-Student, Chi cuadrado, Anova, Kruskal-Wallis, Wilcoxon, y Ficher
- Desarrollo de casos prácticos
BIOESTADÍSTICA MULTIVARIANTE PRÁCTICA
3. Modelos de Regresión Lineal y Logística. Análisis de eventos
- Repaso y mención general de técnicas estadísticas generales
- Regresión lineal simple y múltiple
- Principios de diseño y modelización de estudios
- Regresión logística. Análisis de eventos
- Interpretación de Odds Ratios (OR)
- Probabilidades de eventos
- Un ejemplo de aplicación del OR en Farmacoeconomía
- Como seleccionar las Variables en modelos multivariantes
- Criterios erróneos: Utilización de filtros previos bivariantes
- Las tres reglas de la modelización
4. Análisis de datos de supervivencia. Cox y Kaplan Meier
- Análisis de datos de supervivencia. “Tiempo hasta evento”
- Datos censurados e interpretación de las censuras
- Curvas de Kaplan-Meier (KM). Medianas y cuartiles
- Regresión multivariante de Cox
- Interpretación de Hazard Ratios (HR). Aceleración y ralentización del “tiempo hasta"
- Errores más frecuentes en la interpretación de curvas de KM HR
- Hazard Ratios (HR), riesgos relativos (RR) y tasas de respuestas
- HR en eventos positivos
- Desarrollo de ejemplos prácticos
EVALUACIÓN CRÍTICA Y METODOLOGÍA. FUNDAMENTOS (I)
5. Errores, Sesgos y su Control en EECC. Diseños y Grados de Evidencia
- Marco general de la Evaluación Crítica: Validez, Importancia y Aplicabilidad
- Errores aleatorios y sistemáticos
- Control del error aleatorio por el Tamaño de la muestra
- Toda la metodología está enfocada a asegurar la comparabilidad de los grupos
- Sesgos de Selección / Sesgos de pérdidas (Attrition bias)
- Control del desequilibrio de los grupos: Aleatorización
- Análisis ITT, ITT modificado
- Sesgos de información /evaluación (Detection bias)
- Sesgos de actuación (Perfomance bias)
- Protección del ciego. Enmascaramiento
- Sesgos de confusión
- Diseños de estudios y Grados de evidencia
- Casos prácticos
6. Introducción al Cálculo del tamaño muestral
- Y ahora ¿Cuántos pacientes tomo?
- Poblaciones finitas o infinitas
- Seguridad y aversión al riesgo, manejo de riesgos alfa y Beta
- ¿Qué se trata de probar: no-igualdad, no-inferioridad o equivalencia?
- ¿Las expectativas influyen en los resultados?
- Curvas de potencia y tamaño del efecto
- Errores y Estrategias habituales en el CTM
- Resolución de casos prácticos
7. Contrastes y diseños de no-inferioridad
- Construcción de hipótesis y Decisiones basadas en I. de Confianza
- Contrastes de no igualdad y Superioridad
- Contrastes de no inferioridad y de equivalencia
- Closed Tests. Diseños secuenciales de no inferioridad a superioridad
- Significado y selección del límite Delta
- Decisiones incorrectas
- Contrastes y decisiones Post hoc.
- Errores en la interpretación de estudios de no inferioridad
- Resolución de casos prácticos
EVALUACIÓN CRÍTICA Y METODOLOGÍA. AVANZADA (II)
8. Que se puede y que no se puede afirmar de los resultados de un estudio
- Componentes PICO de una buena pregunta de investigación
- Concepto de Dominio de variables respuesta
- Objetivos principales y co-principales
- Objetivos duales, independientes y múltiples
- El problema de la Multiplicidad
- Control del riesgo alfa global
- Análisis jerárquicos
- Objetivos confirmatorios
- Objetivos secundarios confirmatorios y exploratorios
- FWER, P-nominales y p-boundaries
- Análisis exploratorios & Co.
- Niveles de evidencia en las hipótesis y análisis
- Ejemplos prácticos
9. Análisis de subgrupos (AS)
- Variables de Efecto y variables Modificadoras de efecto
- El concepto de Interacción estadística
- ¿Cuál es la diferencia entre análisis de Subgrupos y análisis de Subpoblaciones?
- ¿Son los Análisis de subgrupos confirmatorios?
- El problema de la multiplicidad
- Criterios de credibilidad
- Influencia del tamaño muestral en el Análisis de subgrupos
- Tautologías en el Análisis de subgrupos
- Obviedades que se consideran pruebas de evidencia
- Interpretaciones incorrectas del Análisis de subgrupos
- ¿El análisis de subgrupos mata?
- Validez del Análisis de subgrupos como guía para el tratamiento de pacientes
10. Introducción al Metanálisis y al Network Metanálisis (NMA)
- Metanálisis de dos tratamientos. PWMA
- Selección de trabajos y criterios de calidad
- Ponderación de estudios. Varianza inversa
- Gráficos de Forest
- Modelos de efectos fijos y aleatorios
- Concepto de Heterogeneidad, I cuadrado
- Meta Regresión y Metanálisis de subgrupos
- Sesgos de publicación y Funnel Plots
- Comparaciones indirectas y mixtas. Método de Bucher
- Similitud y Transitividad
- Metanálisis en red (NMA)
- Geometría de la Red. Gráficos de redes y Rankogramas
- SUCRA y p-Scores
- Condiciones de aplicación: Similitud y Concordancia
- Requerimientos y evaluación de un NMA
11. Pautas y Recomendaciones para recogida de datos en Estudios de Ciencias de la salud
- Tipos de variables. Modelos e importancia de las variables
- Diseño y estructura de las Bases de datos
- Estructuras útiles que evitan problemas
- Ejemplos con Excel
- Símbolos y caracteres prohibidos
- Manejo de datos y grabación
- Organización de códigos y etiquetas
- Reglas que evitan errores
- Usabilidad y validación
- Exportación a diferentes formatos
- 19 ejemplos y casos prácticos