DOI: https://doi.org/10.7705/biomedica.v38i0.3648

Reporte estadístico en los análisis de regresión en Biomédica: una revisión y evaluación crítica

Julián Alfredo Fernández-Niño, Rosa Ivonne Hernández-Montes, Laura Andrea Rodríguez-Villamizar

Resumen


Introducción. Los modelos de regresión son métodos estadísticos comúnmente utilizados en la investigación en salud, especialmente en estudios observacionales.
Objetivos. Determinar la frecuencia de uso de modelos de regresión en los artículos originales de biomedicina y salud pública publicados en Biomédica entre 2000 y 2017, describir los parámetros utilizados en los modelos estadísticos, así como la calidad de la información reportada por los estudios para explicar el análisis estadístico.
Materiales y métodos. Se hizo una revisión y evaluación crítica de todos los artículos originales publicados en la revista Biomédica entre 2000 y 2017 que utilizaron modelos de regresión en el análisis estadístico. Se construyó una lista de verificación de 20 ítems sobre la base de cuatro guías de buenas prácticas para la presentación de los métodos estadísticos.
Resultados. La mayoría de los estudios incluidos eran estudios observacionales relacionados con las ciencias de la salud pública (65,7 %). En menos de la mitad (37,2 %) de ellos se informó sobre el uso de una combinación de marco conceptual y criterios estadísticos para la selección de las variables incluidas en el modelo de regresión; en menos de una cuarta parte (22,1 %) se informó de la verificación de los supuestos del modelo, y la medida de incertidumbre reportada con mayor frecuencia fue el valor de p (73,5 %).
Conclusión. Hay limitaciones importantes en la calidad de los informes de los modelos de regresión estadísticos necesarios para la correcta evaluación y la interpretación de los modelos estadísticos por parte de los revisores y lectores. Los resultados se ofrecen como una invitación a investigadores, revisores y editores de revistas biomédicas a que promuevan el desarrollo de una cultura adecuada de análisis estadístico y presentación de informes en Colombia.


Palabras clave


bioestadística; análisis de datos; análisis de regresión; sesgo (epidemiología); Colombia

Texto completo:

PDF (English)

Referencias


1. Jenicek M. Epidemiology, evidenced-based medicine, and evidence-based public health. J Epidemiol. 1997;7:187-97. https://doi.org/10.2188/jea.7.187
2. Tang JL, Griffiths S. Review paper: epidemiology, evidencebased medicine, and public health. Asia Pac J Public Health. 2009;21:244-51. https://doi.org/10.1177/1010539509335516
3. Burns PB, Rohrich RJ, Chung KC. The levels of evidence and their role in evidence-based medicine. Plast Reconstr Surg. 2011;128:305-10. https://doi.org/10.1097/PRS.0b013e318219c171
4. Ryan T. Modern Regression Methods. 2nd ed. Hoboken, N.J.: Wiley; 2009. p. 672.
5. Lang T, Altman D. Basic statistical reporting for articles published in clinical medical journals: the SAMPL guidelines. In: Smart P, Maisonneuve H, Polderman A, editors. Science Editors’ Handbook. London: European Association of Science Editors; 2013.
6. Departamento Administrativo Nacional de Ciencia y Tecnología COLCIENCIAS. Publindex. Fecha de consulta: 12 de octubre de 2016. Disponible en: http://scienti.colciencias.gov.co:8084/publindex/
7. Bailar J, Mosteller F. La información estadística que deben proporcionar los artículos publicados en revistas médicas. Salud Públ Méx. 1992;34:103-15.
8. Kearns B, Ara R, Wailoo A, Manca A, Alava MH, Abrams K, et al. Good practice guidelines for the use of statistical regression models in economic evaluations. Pharmacoeconomics. 2013;31:643-52. https://doi.org/10.1007/s40273-013-0069-y
9. Núñez E, Steyerberg E, Núñez J. Estrategias para la elaboración de modelos estadísticos de regresión. Rev Esp Cardiol. 2011;64:501-7. https://doi.org/10.1016/j.recesp.2011.01.019
10. Gómez LA, Nicholls RS. Avances en visibilidad, acceso y reconocimiento internacional de la revista Biomédica. Biomédica. 2008;28:5-6.
11. Idrovo AJ, Fernandez-Nino JA, Bojorquez-Chapela I, Ruiz-Rodriguez M, Agudelo CA, Pacheco OE, et al. Perception of epidemiological competencies by public health students in Mexico and Colombia during the influenza A (H1N1) epidemic. Rev Panam Salud Publica. 2011;30:361-9. https://doi.org/10.1590/S1020-49892011001000010
12. Fernandez-Nino JA, Trejo-Valdivia B. Costumbres, mal uso y abuso en estadística. Rev Univ Ind Santander Salud. 2016;48:5-6.
13. Lu CY. Observational studies: a review of study designs, challenges and strategies to reduce confounding. Int J Clin Pract. 2009;63:691-7. https://doi.org/10.1111/j.1742-1241.2009.02056.x
14. Whittingham M, Stephens P, Bradbury R, Freckleton R. Why do we still use stepwise modelling in ecology and behaviour? J Anim Ecol. 2006;75:1182-9. https://doi.org/10.1111/j.1365-2656.2006.01141.x
15. Walter S, Tiemeier H. Variable selection: current practice in epidemiological studies. Eur J Epidemiol. 2009;24:733-6. https://doi.org/10.1007/s10654-009-9411-2
16. Goff L. The bias from misspecification of control variables as linear. 2014. Fecha de consulta: 12 de octubre de 2016. Disponible en: http://www.rff.org/files/sharepoint/WorkImages/Download/RFF-DP-14-41.pdf
17. Rao P. Some notes on misspecification in multiple regressions. The American Statistician. 1971;25:37-9.
18. Ramsey JB. Test for specification errors in classical linear least-squares regression analysis. The Journal of the Royal Society Series B (Methodological). 1969;31:350-71.
19. Hall S, Asteriou D. Applied Econometrics. 2nd edition. New York: Palgrave Macmillan; 2011.


Métricas de artículo

Cargando métricas ...

Metrics powered by PLOS ALM




Revista Biomédica -  https://doi.org/10.7705/issn.0120-4157
ISSN 0120-4157

Instituto Nacional de Salud
INSTITUTO NACIONAL DE SALUD
Avenida Calle 26 No. 51-20
Apartado aéreo 80334 y 80080
Bogotá, D.C., Colombia, S.A.
Teléfono: 05712207700 Ext. 1386
Correo electrónico: biomedica@ins.gov.co