X Curso Teórico Práctico de Estadística Aplicada a las Ciencias de la Salud Sociedad Científica de San Fernando

Rubén E. Valle Rivadeneyra

2011

R. Valle

ÍNDICE

1. CREACIÓN DE VARIABLES E INTODUCCIÓN DE DATOS.

2. ANÁLISIS EXPLORATORIO.

2.1 Estudio de la normalidad de variables.

2.2 Transformación de variables.

2.3 Selección de datos.

3. PRUEBAS ESTADÍSTICAS.

3.1 Variables cualitativas.

3.2 Variables cuantitativas Paramétricas.

3.3 Variables cuantitativas no Paramétricas.

4. Análisis de supervivencia

4.1 Curvas de Kaplan Meier

4.2 Prueba de Long Rank

R. Valle

1. Creación de variables e introducción de datos.

El primer paso para el manejo del programa es reconocer sus 2 primeras hojas. La primera hoja

llamada “Vistas de variables” es donde se realiza la operacionalización estadística de las variables.

Se tiene que rellenar todas las características observadas en la primera fila de la pantalla.

La segunda hoja se llama “Vista de datos” y permite la introducción de cada uno de los datos

recolectados, estos se completarán según las características dadas a la variable en la sección

anterior.

R. Valle

En el caso de variables cualitativas se tiene que colocar en Tipo de variable la opción “cadena” y

dar Valores a cada variable, por ejemplo si la variable es Comorbilidad los valores serán 1=

“Presente”, 2= “Ausente”. Finalmente se define la escala en la que se quiere medir (Nominal,

ordinal). En el caso de las variables cuantitativas es más sencillo se tiene que colocar el número de

decimales con que se desea trabajar y en la sección de medida siempre marcamos la opción de

“escala”

De esta forma se irán introduciendo cada una de las variables, y posteriormente cada uno de sus

datos.

También se puede importar base de datos desde otros programas, por ejemplo el Exel, para lo cual

se va a la pestaña “Abrir datos” y posteriormente se remarca la opción TIPO de archivo, aquí

escogemos la opción Excel (*xls) y luego marcamos la ubicación donde se encuentra el archivo.

Para fines de la presente práctica trabajaremos con la base de datos de un estudio titulado:

“Consumo materno de un complejo multivitamínico y su efecto en el estado y peso al nacer de

neonatos en un hospital de la ciudad de Lima”. El estudio consistió en suminitrar a las madres un

complejo multivitamínico para que sea tomado durante los 30 días siguientes al diagnóstico del

embarazo, se trabajó con 200 madres y posteriormente se tomaron los datos del neonato, las

variables evaluadas se observan en la siguiente tabla.

R. Valle

VARIABLE ETIQUETA VALORES ESCALA

Edad _ madre Edad de la madre Años Razón

(escala)

Dias_Tx Días de

tratamiento Días

Razón

(escala)

Comorbilidades Comorbilidades

1= “Si”

Nominal 2=” No”

FR Factores de riego

1=”Ausente”

Nominal 2=”Tabaco”

3=”Alcohol”

Gravidez Gravidez

1= “ Primigesta”

Ordinal 2=”Segundagesta”

3=” Multigesta”

Edad_Gestacional Edad gestacional Semanas Razón

(escala)

Peso_nacimiento Peso de nacimiento Años Razón

(escala)

Estado_nacer Estado al nacer 1= “Vigoroso”

Ordinal

2=”Deprimido”

Est_escolares Estudios escolares

1=”Incompleto”

Nominal 2=”Completo”

HB1_Madre

Nivel de

hemoglobina al

inicio

mg/dl Razón

(escala)

HB2_Madre Nivel de

hemoglobina al final mg/dl

Razón

(escala)

R. Valle

2.Análisis exploratorio

Es el procedimiento que permite una visualización general de los datos y conocer las características

de su distribución. Se realiza previo al análisis definitivo de los datos. Objetivos:

Determinar el tipo de distribución de las variables.

Codificación y recuento de datos ausentes.

Evaluar la calidad y la consistencia de los datos.

Mostrar datos atípicos.

Análisis exploratorio de variables cualitativas. Nos dirigimos a la opción: Analizar>>Estadísticos

descriptivos>>Frecuencias

En la

pantalla aparecerá una ventana en la cual colocamos las variable que queremos analizar, si

marcamos la opción Gráficos obtendremos una segunda ventana en la cual podemos escoger el

tipo de gráfico, asi como la forma de presentación. Finalmente damos aceptar y se abrirá una nueva

ventana con los resultados del análisis.

R. Valle

En el caso de las variables cuantitativas procedemos de la misma manera: Analizar>> Estadísticas

descriptivas>>Frecuencias. Posteriormente seleccionamos la opción “Estadísticos” y marcamos

todos los análisis que se quieren realizar (Ejm: Media, mediana, moda, DS, etc). En este caso

también se puede proceder como el caso anterior y seleccionar la opción gráficos.

2.1Estudio de la normalidad de las variables

Existen diferentes pruebas que se pueden realizar para ver si una variable tiene una distribución

Normal. Las más utilizadas son:

Histograma.

Kolmorogov- smirnov.

Gráficos Q-Q.

Gráfico P-P.

Para trabajar con el histograma procedemos como

en el caso anterior, Analizar>> Estadísticas

descriptivas>>Frecuencias>>Gráficos y

escogemos la opción Histograma y curva normal.

Trabajaremos esta sección con la variable Edad de

la madre.

R. Valle

Para realizar la prueba de kolmorogov-Smirnov nos dirigimos a: Analizar>>Pruebas no

Paramétricas>>K-S 1 muestra. Para desarrollar esta prueba debemos tener presente:

H0: Los datos se distribuyen en forma normal

Ha: Los datos no se distribuyen en forma normal

R. Valle

Prueba de Kolmogorov-Smirnov para una muestra

200

27.43

6.372

1.118

.164

N

Media

Desviación típica

Parámetros normales a

Z de Kolmogorov-Smirnov

Sig. asintót. (bilateral)

Edad de

la madre

La distribución de contraste es la Normal.a.

En este caso como el P es mayor

que 0.05 no rechazamos la Ho, la

aceptamos: La variable edad de la

madre tiene una distribución

Normal. Lo que se corrobora con

el Histograma.

Observando el histograma y el resultado de la prueba de K-S vemos que la variable edad de la

madre, tiene una distribución normal. Sin embargo desarrollaremos otras 2 pruebas que analizan la

Normalidad. Para desarrollar un gráfico Q-Q nos dirigimos a Analizar>>Estadísticas

descriptivas>>Gráfico Q-Q. Dentro de la opción, distribución de contraste seleccionamos:

NORMAL

R. Valle

Para desarrollar un gráfico P-P nos dirigimos a Analizar>>Estadísticas descriptivas>>Gráfico P-

P. Dentro de la opción, distribución de contraste también seleccionamos: NORMAL

2.2 Transformación de variables.

Esta propiedad nos permite transformar las

variables a partir de los valores que toma la

variable inicialmente. Se puede

recodificar en la misma variable o en otra

diferente. En el presente ejercicio

transformaremos la variable Peso de

nacimiento que es una variable cuantitativa

en una nueva variable con los valores 1=

“Bajo peso” (< 2.5 Kg.), 2= “Buen peso”

(2.6-4.0 Kg.) y 3=” Macrosómico”(>4.1

Kg.). Transformar>>Recodificar en distinta variable.

R. Valle

Una vez seleccionada esta

opción en la pantalla se

abrirá una ventana en la que

debemos colocar la variable

a transformar, luego

escogemos un nombre y una

etiqueta para la nueva

variable. Posteriormente

marcamos la casilla

“valores antiguos y

nuevos”

En esta sección debemos

colocar los nuevos valores.

Esta ventana consta de 2

partes, en la de la izquierda se

construyen los nuevos rangos

y en la de la derecha se

colocan los nuevos valores que

tendrán cada uno de los

rangos. En el ejemplo se ha

escogido como el rango 2.51

hasta el 4.0 y se le ha asignado

el valor 2 tal como se señala

líneas arriba.

En la “hoja de variables” aparecerá nuestra nueva variable (fila sombreada). Luego debemos

codificar cada uno de los valores de la nueva variable, prestando atención en utilizar los mismos

valores empleados al momento de construir la nueva variable. 1= “Bajo peso” (< 2.5 Kg.), 2=

“Buen peso” (2.6-4.0 Kg.) y 3=” Macrosómico”( >4.1 Kg.)

R. Valle

2.3 Selección de casos

Esta opción nos permite trabajar con sólo una parte de la población, que presenta una característica

en común. Para fines de la práctica nosotros escogeremos trabajar con las madres que no presentan

ninguna comorbilidad. Nos dirigimos: Datos>>Seleccionar casos y escogemos la opción “Si se

satisface la condición”, lo que nos llevara a una nueva ventana.

R. Valle

En la nueva ventana

señalamos la variable

que va a funcionar

como condicional

(comorbilidad) y luego

escogemos el valor de

la variable que va a

servir para seleccionar

los casos. Como en el

presente caso queremos

trabajar con las madres

sanas marcamos el

valor 2 (comorbilidad

ausente) y le damos

continuar.

Observe que en la hoja de

datos, aquellos datos que

tenían marcada la variable

comorbilidad presente, se

encuentran tachados en la

columna de la izquierda, por

lo tanto todos los análisis

que se realicen sólo tomarán

en cuenta a las madres sanas.

R. Valle

3. Pruebas estadísticas

3.1 VARIBLES CUALITATIVAS

3.1.1 Prueba Chi cuadrado

Esta prueba se utiliza para probar asociación estadística entre variables cualitativas, en todos los

casos se trata de comparar los valores observados y esperados. Esta prueba utiliza las tablas de

contigencia

Comparación de proporciones o frecuencias de dos o más grupos.

Para mostrar la asociación entre 2 variables.

Recomendaciones:

Si n> 40 se usa X2 corregido por continuidad.

Si n se esta entre 20 y 40 se usa X2 en el caso que todas las frecuencias esperadas sean ≥5.

Si n< 20 no se usa X2. Se utiliza la prueba exacta de Fisher.

Para desarrollar esta sección, nos haremos la siguiente pregunta: ¿La comorbilidad materna influye

en el estado de nacimiento del neonato?

H0: El estado de nacimiento del neonato es independiente de la comorbilidad de la madre.

H1: El estado de nacimiento del neonato NO es independiente de la comorbilidad de la madre.

Nos dirigimos a Analizar>>Tablas de contigencia. Se abre una ventana donde seleccionamos las

variables a analizar y para analizar las variables aplicando el X2 nos dirigimos a Estadísticos.

R. Valle

El valor P en la prueba X2, es menor de 0.05 por lo tanto se rechaza la Ho y se acepta la alterna. El

OR (razón de ventajas) es de 2.76 y es significativo

pues su intervalo no incluye a la unidad.

Tabla de contingencia Comorbilidad * Estado al ancer

Recuento

49 16 65

71 64 135

120 80 200

Presente

Ausente

Comorbilidad

Total

Deprimido vigorozo

Estado al ancer

Total

Pruebas de chi-cuadrado

9.497b 1 .002

8.571 1 .003

9.869 1 .002

.002 .001

9.449 1 .002

200

Chi-cuadrado de Pearson

Corrección por

continuidada

Razón de verosimilitudes

Estadístico exacto de

Fisher

Asociación lineal por

lineal

N de casos válidos

Valor gl

Sig. asintótica

(bilateral)

Sig. exacta

(bilateral)

Sig. exacta

(unilateral)

Calculado sólo para una tabla de 2x2.a.

0 casillas (.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada

es 26.00.

b.

Estimación de riesgo

2.761 1.430 5.329

1.433 1.160 1.772

.519 .327 .823

200

Razón de las ventajas

para Comorbilidad

(Presente / Ausente)

Para la cohorte Estado

al ancer = Deprimido

Para la cohorte Estado

al ancer = vigorozo

N de casos válidos

Valor Inferior Superior

Intervalo de confianza

al 95%

R. Valle

3.1.2 Prueba Exacta de Fisher.

Es una prueba para analizar variables cualitativas, se utiliza cuando no se llegan a cumplir los

criterios de la prueba X2. Se usa sólo para tablas 2x2. Las H0 y H1 son las siguientes:

1.Bilateral:

H0: La proporción con la característica de interés es la misma en ambas poblaciones, p1=p2.

H1: La proporción con la características de interés NO es la misma en ambas poblaciones, p1≠p2.

2. Unilateral:

H0: La proporción en la población 1 es menor o igual que en la proporción en la población2, p1≤p2.

H1: La proporción en la población 1 es mayor que en la proporción en la población2, p1>p2.

3.2 VARIABLES CUANTITATIVAS PARAMÉTRICAS.

3.2.1 Prueba T- Student para muestras independientes

Es una de las pruebas más utilizadas, se utiliza para comparar las medias de 2 grupos diferentes. La

variable cuantitativa debe presentar una distribución Normal. Criterios:

La escala de medición de la variable tiene que ser de intervalo o de razón.

El tamaño de los grupos de pueden ser diferentes.

Se recomienda realizar pruebas bilaterales.

Para desarrollar el siguiente caso nos haremos la siguiente pregunta ¿Existe diferencia en la edad

entre aquellas madres que no tienen factores de riesgo y entre aquellas que consumen tabaco?

Ho: La media de la edad de las madres que consumen tabaco es similar a la edad de las madres que

no presentan factores de riesgo.

Ha: La media de la edad de las madres que consumen tabaco es diferente a la edad de las madres

que no presentan factores de riesgo

Como observamos al inicio, la variable Edad de la madre tiene una distribución normal, por lo que

esta variable debe ser tratada con pruebas Paramétricas, por lo que podemos utilizar la prueba T de

studet para muestras independientes. Analizar>>Comparar medias>>Prueba T para muestras

independientes.

R. Valle

En la nueva ventana ingresamos la variable a analizar y en la opción variable de agrupación,

introducimos la variable que va a formar los grupos, en este caso Factor de riesgo. Luego definimos

los valores, recuerda que la variable Factor de Riesgo tiene 3 valores; 1=ausente, 2=tabaco,

3=alcohol. Como sólo debemos comparar 2 medias (ausente y tabaco) escogemos los valores 1,2. Si

quisiéramos comparar entre las madres que tienen FR ausente y las que consumen alcohol

tendríamos que seleccionar la opción 1,3.

Estadísticos de grupo

136 28.49 6.080 .521

48 25.08 6.568 .948

Factotores de riesgo

Ausentes

Tabaco

Edad de la madre

N Media

Desviación

típ.

Error típ. de

la media

Prueba de muestras independientes

.656 .419 3.270 182 .001 3.409 1.043 1.352 5.466

3.151 77.263 .002 3.409 1.082 1.255 5.564

Se han asumido

varianzas iguales

No se han asumido

varianzas iguales

Edad de la madre

F Sig.

Prueba de Levene

para la igualdad de

varianzas

t gl Sig. (bilateral)

Diferencia

de medias

Error típ. de

la diferencia Inferior Superior

95% Intervalo de

confianza para la

diferencia

Prueba T para la igualdad de medias

R. Valle

3.2.2 Prueba T de student para muestras pareadas.

Esta prueba se utiliza cuando se quieren comparar la media de una misma población medida en

momentos o por observadores diferentes. La variable tiene que describir una distribución normal.

Para efectos de la práctica trabajaremos con los niveles de hemoglobina (Hb) de la madre que

fueron medidos antes y después de los 30 días de tratamiento. Primero vemos si esta variable tiene

una D. Normal de ser asi seleccionamos: Analizar>>Comparar medias>>Prueba T para

muestras relacionadas. En la nueva ventana seleccionamos la variable (Hb) que ha sido medida en

diferentes tiempos.

Estadísticos de muestras relacionadas

10.878 200 1.0441 .0738

12.1095 200 .96145 .06798

Nivel de Hb al inicio

Nivel de Hb al final

Par 1

Media N

Desviación

típ.

Error típ. de

la media

R. Valle

3.2.3 Anova

Esta prueba permite comparar las medias de 3 o más grupos, se realiza a través del análisis de la

varianza y básicamente nos dice si los grupos son iguales o diferentes respecto a sus promedios.

Analiza la diferencia entre la variación de cada individuo y la media de su grupo y la variación entre

la media de cada grupo y la media global.

En este caso, queremos saber si la gravidez (primigesta, segundagesta, multigesta) de la mujer

influye en el peso del producto, por lo que trabajamos con la variables gravidez y peso del neonato.

Ho: El peso promedio de los neonatos es similar en los grupos de gravidez.

Ha: El peso promedio de los neonatos es diferente en los grupos de gravidez.

Primero analizamos si la variable peso del neonato presenta o no una distribución normal. De ser

asi, entonces podemos utilizar la prueba. Analizar>>Comparar medias>>Anova. En la nueva

ventana seleccionamos las variables a contrastar, y en la sección de factor colocamos la variable que

va a formar los grupos de comparación (gravidez), Para obtener los valores descriptivos del análisis

seleccionamos opciones y marcamos esta opción.

Prueba de muestras relacionadas

-1.23140 1.26643 .08955 -1.40799 -1.05481 -13.751 199 .000Nivel de Hb al inicio

- Nivel de Hb al final

Par 1

Media

Desviación

típ.

Error típ. de

la media Inferior Superior

95% Intervalo de

confianza para la

diferencia

Diferencias relacionadas

t gl Sig. (bilateral)

Descriptivos

R. Valle

3.2.4 Asociación entre variables cuantitativas

Para el análisis de variables cuantitativas utilizamos la correlación y regresión lineal simple. La

regresión nos permite ver como se relacionan las variables y la correlación permite cuantificar el

grado de asociación. Se estudia la relación entre una variable X llamada independiente o explicativa

y una variable Y llamada dependiente o respuesta.

En este caso queremos

analizar la relación

entre la edad de la

madre y el peso del

neonato. Por lo que

seleccionamos

Analizar>>Regresión

>>Lineal.

Ambas variables deben mantener una relación de dependencia donde el comportamiento de la

variable independiente define a la variable dependiente (resultante).

ANOVA

Peso de nacimiento

.575 2 .287 .687 .504

82.388 197 .418

82.962 199

Inter-grupos

Intra-grupos

Total

Suma de

cuadrados gl

Media

cuadrática F Sig.

Descriptivos

Peso de nacimiento

82 2.9598

40 3.0900

78 2.9526

200 2.9830

Primigesta

Segundagesta

Multigesta

Total

N Media

Resumen del modelob

.069a .005 .000 6.373

Modelo

1

R R cuadrado

R cuadrado

corregida

Error típ. de la

estimación

Variables predictoras: (Constante), Peso al nacimientoa.

Variable dependiente: Edad de la madreb.

R. Valle

En el presente diagrama de dispersión se evidencia

lo mostrado por el R y el R2, ya que ambas

variables carecen de asociación.

3.3 VARIABLES CUANTITATIVAS NO PARAMETRICAS

3.3.1 Mann Whitney

Esta prueba es utilizada para evaluar variables cuantitativas que no presentan una distribución

Normal. La prueba plantea la comparación de medianas.

Supuestos

1.-Ambas muestras son aleatorias de sus respectivas poblaciones.

2.-Existe independencia entre las muestras.

3.-La escala es al menos ordinal.

En el presente caso queremos saber, si la edad gestacional de la madre influye en el estado al nacer

del neonato. Para realizar el análisis nos dirigimos: Analizar>>Pruebas no paramétricas>>2

muestras independientes.

Ho: La edad gestacional es similar en los neonatos que nacen vigorosos y deprimidos.

Ha: La edad gestacional no es similar en los neonatos que nacen vigorosos y deprimidos.

20 30 40

Edad de la madre

2.00

3.00

4.00

Pes

o d

e n

ac

imie

nto

R. Valle

Al realizar el análisis, no se observan el promedio de semanas de gestación para aquellos que

nacieron vigoroso y de los que nacieron deprimidos. Por lo que se tiene que realizar un análisis más.

Nos dirigimos a Analizar>>Comparar medias>>Medias.

Luego de marcar esta opción ingresamos las variables que deseamos analizar. Luego obtendremos

los promedios en cada uno de los grupos.

Estadísticos de contrastea

4284.000

7524.000

-1.338

.181

U de Mann-Whitney

W de Wilcoxon

Z

Sig. asintót. (bilateral)

Edad

gestacional

Variable de agrupación: Estado al nacera.

Días de tratamiento

21.53 120 7.436

21.76 80 8.046

21.63 200 7.667

Estado al nacer

Deprimido

vigoroso

Total

Media N Desv. típ.

R. Valle

3.3.2 Prueba de Wilcoxon

Esta prueba no paramétrica se utiliza para

evaluar datos pareados de una variable

que no cumple con una distribución

Normal. Se basa en el supuesto de la H0

que la diferencia entre las medianas de

los datos pareados de una población es

cero.

Para desarrollarla nos dirigimos a:

Analizar>>Pruebas no parametricas>>

2 muestras relacionadas

3.3.3 Prueba de Kruskall- walliss

La prueba es una ampliación de la prueba de Mann Whitney, permite evaluar si 3 o más grupos son

diferentes. La escala de medición debe ser ordinal.

Ahora, se desea saber si existe asociación entre el número de días de tratamiento y el peso de los

neonatos (peso_2).

Ho: Los días de tratamiento de la madre es similar en los niños con diferentes pesos

Ha: Los días de tratamiento de la madre no es similar en los niños con diferente peso.

Para realizar el análisis nos dirigimos Analizar>>Pruebas no paramétricas>>K muestras

independientes y en la nueva

ventana seleccionamos las

variables. En la sección de

variable de agrupación tenemos

que definir el rango, que

consiste en seleccionar los

valores de la variable que van a

formar los grupos de

comparación. En nuestro

ejemplo la variable Peso del

neonato tiene 3 valores[1=

“Bajo peso” (< 2.5 Kg.), 2=

“Buen peso” (2.6-4.0 Kg.) y

3=” Macrosómico”( >4.1 Kg.)]

por lo que escogemos el rango

1-3.

R. Valle

En este caso, el análisis no libera el promedio de días de tratamiento en cada uno de los grupos. Por

lo tanto procedemos como en el caso anterior ANALIZAR>> COMPARAR MEDIAS>>MEDIAS.

Luego escogemos las variables a analizar.

Rangos

55 87.43

137 107.62

8 68.50

200

Peso 2

Bajo peso

Buen peso

Macrosómico

Total

Días de tratamiento

N

Rango

promedio

7.422

2

.024

Chi-cuadrado

gl

Sig. asintót.

Días de

tratamiento

Días de tratamiento

19.65 55 8.269

22.68 137 7.272

17.13 8 6.379

21.63 200 7.667

Peso 2

Bajo peso

Buen peso

Macrosómico

Total

Media N Desv. típ.

R. Valle

4. Análisis de supervivencia

4.1 Kaplan y Meier

Es un análisis que analiza los tiempos en que se presentan los eventos, en lugar de los eventos

propiamente dichos. El desarrollo del análisis requiere definir el tiempo de seguimiento, el evento y

la censura

Tiempo de seguimiento (tiempo de falla): Es una variable cuantitativa y corresponde al periodo

correspondiente desde que el paciente ingresa a evaluación hasta que ocurre el evento de interés.

Evento: Es la situación de interés que se evalúa, ejemplos: muerte, cura, accidente, etc.

Censura: Es el sujeto que no presento el evento de interés, pudiendo ser porque fue perdido, retirado

del seguimiento o porque no termino el estudio.

Con motivo de la práctica, la variable tiempo de supervivencia es una variable cuantitativa con

escala de medición de escala y la variable resultado (cualitativa) abarca los valores de evento o

censura. Accedemos de la siguiente manera: ANALISIS>>SUPERVIVENCIA>>KAPLAN MEIR

En la nueva ventana, tenemos que definir la sección de tiempo y estado, en esta última sección

seleccionamos la opción “Definir evento” con la finalidad de identificar el evento de interés con el

numero que lo representa (La variable Resultado tiene 2 valores: 0 “censura” y 1 “evento”).

R. Valle

En la misma ventana podemos presionar opciones y

obtener más análisis, asi como la curva de Kaplan y

Meier.

En la ventana de resultados aparecen una tabla de supervivencia que describe el proceso según cada

sujeto estudiado, y el tiempo que aporta al análisis hasta la ocurrencia del evento.

La curva de supervivencia de kaplan y Meier

muestra en el eje de las ordenadas, la

probabilidad de estar libre del evento o la

probabilidad de supervivencia. En el eje de

las abscisas muestra el tiempo de

seguimiento. Por lo que si se quiere conocer

la probabilidad de estar libre del evento

estudiado en determinado tiempo solo se

requiere trazar una vertical en el tiempo y

luego ver donde corta a la curva y reflejarlo

en el eje de las ordenadas.

R. Valle

4.2 Long Rank

Método estadístico utilizado para saber si los grupos que se comparan tienen igual supervivencia.

Trabaja con la hipótesis nula que los grupos evaluados presentan igual supervivencia.

Para el análisis ingresamos a ANALISIS>>SUPERVIVENCIA>>KAPLAN MEIER y nos

centramos en la opción factor, en la cual ingresamos la variable a estudiar la cual debe ser

categórica y luego solicitamos los análisis necesarios.

Los resultados nos muestran un análisis descriptivo de las variable, asi como el resultado del long

rang con su valor de significancia.

R. Valle

El grafico muestra las curvas de supervivencia para el grupo que recibió el tratamiento A(línea

verde) y B(línea azul), al evaluar el valor de P con la prueba de Long Rank vemos que estos son

estadísticamente diferentes(0.002) lo cual también se observa en el gráfico.