Se pretende que este libro resulte de ayuda para la comprensión de las técnicas
estadísticas para el manejo de Datos de Supervivencia. Se presentan resultados comentados
de programas estadísticos y se describen las fórmulas matemáticas utilizadas,
realizándose paso a paso los cálculos intermedios.
Contenido
Resumenes de los capitulos
1. Funciones Teóricas de Supervivencia
La información relativa al tiempo que transcurre hasta que se produce un determinado
suceso se conoce como Datos de Supervivencia. Este suceso puede estar relacionado con las
Ciencias de la Salud (respuesta a un tratamiento, recaída, muerte, aparición de un
síntoma, desarrollo de una enfermedad, et.) o no estarlo (fallo de un componente
electrónico, primer divorcio, confesión de un criminal,etc.). La variable "tiempo
que transcurre hasta" puede tener una aceptación negativa (tiempos de fallo) o una
acepción positiva (tiempos de supervivencia). Este tipo de información (tiempo hasta)
suele tener una carcterística especial, y es que muchas veces, en la práctica no podemos
conocer el tiempo exacto de supervivencia de algunos individuos: son individuos con
información incompleta o datos censurados.
2. Descripción del Ejemplo a Desarrollar
Las fórmulas que se utilizan en el Análisis de Supervivencia Multivariante se expresan
en términos de álgebra matricial, y su tratamiento con la sola ayuda de una calculadora
resulta inbordable en la mayoría de las ocasiones. El único caso donde se puede intentar
resolver a mano dichas fórmulas es en el caso de una sola variable explicativa
dicotómica. Es por ello, que, en la evaluación de dichas fórmulas nos restringiremos a
este caso, aunque se darán las fórmulas para el caso general multivariante. No obstante
la "modelización" se hará para el multivariante.
3. Análisis de Supervivencia Univariante
En este capítulo se supondrá que la única información que se tiene de los individuos,
es la del tiempo de supervivencia. La estimación de la función de supervivencia S(t) se
realiza por el método de Kaplan-Meier, y la de sus intervalos de confianza por el método
de Greenwood.
4. Análisis de Supervivencia Bivariante
El método más conocido es la prueba del Log-Rank también conocida como Test de Savage,
Test de Cox-Mantel o Test de Mantel-Haenszel. No veremos en detalle dicha prueba, ya que
ésta se puede considerar un caso particular de una prueba general que veremos más tarde
y que recibe el nombre de Modelo de Cox, considerando que hay una única variable y ésta
es nominal.
5. Análisis de Supervivencia Multivariante
La técnica por excelencia en el Ánálisis de Supervivencia Multivariante es el Modelo de
Regresión de Cox, también llamado Modelo de Riesgos Proporcionales de Cox, o simplemente
Modelo de Cox. Esta técnica tiene por objeto explicar la posible relación entre una o
más variables explicativas (variables independientes) y la variable respuesta tiempo de
supervivencia (variable dependiente).
6. Estrategias de "Modelización"
En el capítulo anterior se ha visto las fórmulas que se usan en Análisis de
Supervivencia Multivariante en el caso general, así como la resolución explícita de
éstas en el caso particular de una única variable explicativa dicotómica. Es ahora el
momento de incorporar el resto de las variables del ejemplo del capítulo 2 para llegar a
seleccionar las variables relevantes a la hora de explicar la variable respuesta
"meses de supervivencia". Se van a presentar dos Estrategias de Modelización:
Comparación de Modelos Anidados según -2LL y Procedimiento "Stepwise".
7. Preguntas y Respuestas Comentadas
En este capítulo se plantea una serie de preguntas y sus respuestas comentadas,
relacionadas con los análisis de datos de supervivencia. Algunas de éstas necesitan unos
pequeños cálculos, en otras se precisa razonar sobre listados obtenidos con SAS que se
incluyen.
8. Paquetes Estadísticos
A lo largo de este libro hemos utilizado los resultados suministrados por SAS. Hay otros
paquetes estadísticos en el mercado, como SPSS y BMDP, que también disponen de opciones
para el tratamiento estadístico de los Datos de Supervivencia. En este capítulo se
expondrán con detalle las sentencias que usa SAS, y de forma sucinta las sentencias
principales de SPSS y BMDP. En cualquier caso las sentencias son similares en los tres
paquetes.
9. Cálculo del Tamaño Muestral
Como ocurre en el terreno del cálculo del tamaño muestral aparecen parámetros que es
necesario aventurar de antemano: previsión de la eficacia de ambos tratamientos,
diferencia clínica relevante, riesgo alfa de tomar una decisión falsa positiva, riesgo
beta de tomar una decisión falsa negativa, tipo de contraste que se va a utilizar en el
análisis de los datos, balanceo entre el tamaño muestral de ambos grupos de tratamiento
y porcentaje de retirada del estudio.
Ediciones realizadas
La primera edición de este libro se editaron 500 ejemplares
Autores
Emilio Letón Molina y Alejandro Pedromino Marino
