Obteniendo RM odds ratio de una variable ordinal

Summary

En esta sesión, se aborda un problema que enfrenta una alumna con una variable ordinal en su tabla, relacionada con el cálculo de odds ratio (OR) en SPSS. Se discute cómo utilizar la regresión logística en SPSS para resolverlo de manera eficiente. El video muestra el paso a paso de la configuración en SPSS, la interpretación de los resultados y la importancia de la significancia estadística. Además, se revisan conceptos como la razón de verosimilitud y las curvas ROC, y se destaca la utilidad de estos métodos en el análisis de datos médicos.

Takeaways

• 📊 La alumna tiene una variable ordinal en su tabla (normal, sobrepeso, obesidad) y necesita calcular URS.
• 🖥️ Una opción sugerida es utilizar Epi Info o Open Epi para hacer tablas de dos por dos, pero es un proceso tedioso y sin tiempo.
• 🖱️ Se propone usar SPSS para hacer el análisis de regresión logística con una sola variable.
• 📈 En SPSS, la variable dependiente es 'resistencia a la insulina' y la independiente es 'IMC codificado'.
• 🔢 Se usa la categoría de referencia como 'normal' y se seleccionan opciones de análisis adecuado en SPSS.
• 📉 Se intenta hacer un análisis de tablas cruzadas pero hay un problema con la variable introducida.
• 🧐 Se explica cómo utilizar el análisis de regresión logística binaria en SPSS para evaluar el riesgo.
• 📊 En el análisis de regresión, la variable ordinal 'IMC codificado' se compara para determinar su impacto en la 'resistencia a la insulina'.
• 🧪 Se discute la interpretación de los intervalos de confianza y los valores p en el contexto del análisis.
• 🛑 El análisis concluye que no hay significancia en los factores de riesgo estudiados, indicando que el modelo de 'IMC codificado' no es útil para predecir la resistencia a la insulina.

Q & A

¿Qué problema se está tratando en el video?

El problema es que una alumna necesita calcular odds ratio (OR) para una variable ordinal (normal, sobrepeso, obesidad) pero no tiene tiempo para hacerlo manualmente y quiere hacerlo en SPSS.

¿Qué programa se recomienda usar para resolver el problema?

Se recomienda usar SPSS para realizar el análisis de regresión logística sin complicaciones.

¿Cómo se debe configurar la variable ordinal en SPSS?

La variable ordinal debe ser codificada, por ejemplo, 1 para normal, 2 para sobrepeso, y 3 para obesidad, y luego configurada como una variable categórica en el análisis de regresión logística binaria.

¿Cuál es el procedimiento inicial en SPSS para realizar el análisis?

Primero, se debe abrir el archivo de datos en SPSS, luego ir a 'Analizar', 'Regresión', 'Logística binaria' y seleccionar las variables dependientes e independientes.

¿Qué debe hacerse si SPSS no muestra resultados esperados en la tabla de dos por dos?

Se debe revisar que las variables estén correctamente codificadas y configuradas en el análisis. Si es necesario, ajustar la codificación o la selección de variables.

¿Qué significancia se busca en el análisis de regresión logística binaria?

Se busca determinar la significancia de las variables independientes en relación con la variable dependiente, utilizando los valores de p y los intervalos de confianza del 95%.

¿Qué hacer si no se encuentran diferencias significativas en el análisis?

Si no hay diferencias significativas, se puede concluir que la variable independiente no tiene un impacto significativo sobre la variable dependiente en el contexto del estudio.

¿Cuál es la importancia de la curva ROC en el análisis?

La curva ROC se utiliza para evaluar la capacidad predictiva de un modelo, mostrando la relación entre la sensibilidad y la especificidad de diferentes puntos de corte.

¿Qué se debe considerar al interpretar el área bajo la curva ROC?

El área bajo la curva ROC indica la precisión del modelo; un valor cercano a 1 indica alta precisión, mientras que un valor cercano a 0.5 indica que el modelo no es mejor que el azar.

¿Qué hacer si el área bajo la curva ROC es baja?

Si el área bajo la curva ROC es baja, significa que el modelo no es efectivo para predecir la variable dependiente, y se debe reconsiderar el modelo o las variables utilizadas.

¿Cómo afecta una razón de verosimilitud baja en el análisis?

Una razón de verosimilitud baja indica que la prueba diagnóstica o el modelo no tiene una capacidad predictiva significativa y no es clínicamente útil.

¿Qué se recomienda si se necesita ajustar el punto de corte en la curva ROC?

Se recomienda buscar el punto de corte que ofrezca el mejor equilibrio entre sensibilidad y especificidad, utilizando las coordenadas de la curva ROC para identificar este punto.

¿Cuál es la conclusión general del análisis realizado en el video?

La conclusión es que el modelo de regresión logística con las variables estudiadas no muestra utilidad significativa en el diagnóstico de resistencia a la insulina en mujeres con síndrome de Turner.