1.3: Estudios Clínicos
- Page ID
- 110036
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\(\newcommand{\avec}{\mathbf a}\) \(\newcommand{\bvec}{\mathbf b}\) \(\newcommand{\cvec}{\mathbf c}\) \(\newcommand{\dvec}{\mathbf d}\) \(\newcommand{\dtil}{\widetilde{\mathbf d}}\) \(\newcommand{\evec}{\mathbf e}\) \(\newcommand{\fvec}{\mathbf f}\) \(\newcommand{\nvec}{\mathbf n}\) \(\newcommand{\pvec}{\mathbf p}\) \(\newcommand{\qvec}{\mathbf q}\) \(\newcommand{\svec}{\mathbf s}\) \(\newcommand{\tvec}{\mathbf t}\) \(\newcommand{\uvec}{\mathbf u}\) \(\newcommand{\vvec}{\mathbf v}\) \(\newcommand{\wvec}{\mathbf w}\) \(\newcommand{\xvec}{\mathbf x}\) \(\newcommand{\yvec}{\mathbf y}\) \(\newcommand{\zvec}{\mathbf z}\) \(\newcommand{\rvec}{\mathbf r}\) \(\newcommand{\mvec}{\mathbf m}\) \(\newcommand{\zerovec}{\mathbf 0}\) \(\newcommand{\onevec}{\mathbf 1}\) \(\newcommand{\real}{\mathbb R}\) \(\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}\) \(\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}\) \(\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}\) \(\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}\) \(\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}\) \(\newcommand{\laspan}[1]{\text{Span}\{#1\}}\) \(\newcommand{\bcal}{\cal B}\) \(\newcommand{\ccal}{\cal C}\) \(\newcommand{\scal}{\cal S}\) \(\newcommand{\wcal}{\cal W}\) \(\newcommand{\ecal}{\cal E}\) \(\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}\) \(\newcommand{\gray}[1]{\color{gray}{#1}}\) \(\newcommand{\lgray}[1]{\color{lightgray}{#1}}\) \(\newcommand{\rank}{\operatorname{rank}}\) \(\newcommand{\row}{\text{Row}}\) \(\newcommand{\col}{\text{Col}}\) \(\renewcommand{\row}{\text{Row}}\) \(\newcommand{\nul}{\text{Nul}}\) \(\newcommand{\var}{\text{Var}}\) \(\newcommand{\corr}{\text{corr}}\) \(\newcommand{\len}[1]{\left|#1\right|}\) \(\newcommand{\bbar}{\overline{\bvec}}\) \(\newcommand{\bhat}{\widehat{\bvec}}\) \(\newcommand{\bperp}{\bvec^\perp}\) \(\newcommand{\xhat}{\widehat{\xvec}}\) \(\newcommand{\vhat}{\widehat{\vvec}}\) \(\newcommand{\uhat}{\widehat{\uvec}}\) \(\newcommand{\what}{\widehat{\wvec}}\) \(\newcommand{\Sighat}{\widehat{\Sigma}}\) \(\newcommand{\lt}{<}\) \(\newcommand{\gt}{>}\) \(\newcommand{\amp}{&}\) \(\definecolor{fillinmathshade}{gray}{0.9}\)Ahora ya sabes cómo recolectar una muestra, a continuación necesitas aprender a realizar un estudio. Discutiremos los fundamentos de los estudios, tanto los estudios observacionales como los experimentos.
Estudio observacional: Aquí es donde se recogen datos de solo observar lo que está sucediendo. No hay ningún tratamiento o actividad que se controle de ninguna manera. Los estudios observacionales se realizan comúnmente mediante encuestas, aunque también se pueden recopilar datos simplemente observando lo que sucede, como observar los tipos de árboles en un bosque.
| Encuesta: Las encuestas se utilizan para recopilar datos para crear una muestra. Hay muchos tipos diferentes de encuestas, pero en general, una encuesta es un método utilizado para hacer preguntas a las personas cuando están interesadas en las respuestas. Ejemplos de encuestas son encuestas por Internet y T.V., encuestas de satisfacción de clientes en tiendas o restaurantes, encuestas de nuevos productos, encuestas telefónicas y encuestas por correo. La mayoría de las encuestas son algún tipo de encuesta de opinión pública. |
Experimento: Esta es una actividad donde el investigador controla algún aspecto del estudio y luego registra lo que sucede. Un ejemplo de esto es darle a una planta un nuevo fertilizante, y luego observar lo que le sucede a la planta. Otro ejemplo es darle a un paciente con cáncer un nuevo medicamento, y monitorear si el medicamento impide que el cáncer crezca. Hay muchas formas de hacer un experimento, pero un estudio clínico es una de las formas más populares, por lo que veremos los aspectos de esto.
Estudio Clínico: Este es un método de recolección de datos para una muestra y luego compararlos con los datos recolectados para otra muestra donde a una muestra se le ha dado algún tipo de tratamiento y a la otra muestra no se le ha dado ese tratamiento (control). Nota: Hay ocasiones en las que puedes tener dos tratamientos, y ningún control. En este caso se está tratando de determinar qué tratamiento es mejor.
Ejemplo\(\PageIndex{1}\): Ejemplos de estudios clínicos
Aquí hay ejemplos de estudios clínicos.
- Un investigador puede querer estudiar si fumar aumenta o no las posibilidades de una persona de padecer enfermedades cardíacas.
- Un investigador puede querer estudiar si un nuevo medicamento antidepresivo funcionará mejor que un medicamento antidepresivo antiguo.
- Un investigador puede querer estudiar si tomar ácido fólico antes del embarazo disminuirá el riesgo de defectos congénitos.
Terminología de estudios clínicos:
Grupo de Tratamiento: Este es el grupo de individuos a los que se les da algún tipo de tratamiento. La palabra tratamiento aquí no significa necesariamente tratamiento médico. El tratamiento es la causa, lo que puede producir un efecto que le interesa al investigador.
Grupo Control: Este es el grupo de individuos a los que no se les da el tratamiento.
En ocasiones, se les puede dar algún tratamiento antiguo, o a veces no se les va a dar nada en absoluto. Otras veces, se les puede dar un placebo (ver más abajo).
Determinar el grupo de tratamiento, grupo control, tratamiento y control para cada estudio clínico en el Ejemplo\(\PageIndex{1}\).
Solución
- Un investigador puede querer estudiar si fumar aumenta o no las posibilidades de una persona de padecer enfermedades cardíacas.
El grupo de tratamiento son las personas en el estudio que fuman y el tratamiento es fumar. El grupo control son las personas en el estudio que no fuman y el control no está fumando.
- Un investigador puede querer estudiar si un nuevo medicamento antidepresivo funcionará mejor que un medicamento antidepresivo antiguo.
El grupo de tratamiento son las personas en el estudio que toman el nuevo medicamento antidepresivo y el tratamiento está tomando el nuevo medicamento antidepresivo. El grupo control son las personas en el estudio que toman el antidepresivo antiguo y el control está tomando el antidepresivo viejo. Nota: En este caso al grupo control se le da algún tratamiento ya que no se debe dar a una persona con depresión un no tratamiento.
- Un investigador puede querer estudiar si tomar ácido fólico antes del embarazo disminuirá el riesgo de defectos congénitos.
El grupo de tratamiento son las mujeres que toman ácido fólico antes del embarazo y el tratamiento es tomar ácido fólico. El grupo control son las mujeres que no toman ácido fólico antes del embarazo y el control no está tomando el ácido fólico.
Nota: En este caso, puedes optar por hacer un estudio observacional de mujeres que tomaron o no ácido fólico durante el embarazo para que no estés induciendo a las mujeres a evitar el ácido fólico durante el embarazo que podría ser dañino para su bebé.
Variables de confusión: Estas son otras posibles causas que pueden producir el efecto de interés más que el tratamiento en estudio. Los investigadores minimizan el efecto de las variables de confusión comparando los resultados del grupo de tratamiento frente al grupo control.
Estudio controlado: Cualquier estudio clínico donde los investigadores comparen los resultados de un grupo de tratamiento versus un grupo control.
Placebo: A veces se usa un placebo en el grupo de control en un estudio para imitar el tratamiento que está recibiendo el grupo de tratamiento. La idea es que si se usa un placebo, entonces las personas en el grupo control y en el grupo de tratamiento pensarán todas que están recibiendo el tratamiento. Sin embargo, el grupo control está simplemente recibiendo algo que se parece al tratamiento, pero no debería tener ningún efecto sobre el resultado. Un ejemplo de un placebo podría ser una píldora de azúcar si el tratamiento es un medicamento en forma de píldora.
Ejemplo\(\PageIndex{3}\): Ejemplos de Placebo
Para cada situación en Ejemplo\(\PageIndex{1}\), identificar si es necesario usar un placebo.
- Un investigador puede querer estudiar si fumar aumenta o no las posibilidades de una persona de padecer enfermedades cardíacas.
En este ejemplo, es imposible usar un placebo. El grupo de tratamiento está compuesto por personas que fuman y el grupo de control está compuesto por personas que no fuman. No hay manera de conseguir que el grupo de control piense que están fumando así como el grupo de tratamiento.
- Un investigador puede querer estudiar si un nuevo medicamento antidepresivo funcionará mejor que un medicamento antidepresivo antiguo.
En este ejemplo, no se necesita un placebo ya que estamos comparando los resultados de dos fármacos antidepresivos diferentes.
- Un investigador puede querer estudiar si tomar ácido fólico antes del embarazo disminuirá el riesgo de defectos congénitos.
En este ejemplo, al grupo control se le podría dar una píldora de azúcar en lugar de ácido fólico. No obstante, pueden pensar que están tomando ácido fólico y así se puede medir el efecto psicológico en la salud de una persona. De esta manera, cuando comparamos los resultados de tomar ácido fólico versus tomar una pastilla de azúcar, podemos ver si hubo diferencias dramáticas en los resultados.
Estudio ciego: Por lo general, cuando se usa un placebo en un estudio, las personas en el estudio no sabrán si recibieron el tratamiento o el placebo hasta que se complete el estudio. Es decir, las personas en el estudio no saben si están en el grupo de tratamiento o en el grupo control. Este tipo de estudio se llama estudio ciego. Nota: Cuando los investigadores usan un placebo en un estudio a ciegas, a las personas en el estudio se les dice con anticipación que pueden estar recibiendo el tratamiento real, o pueden estar recibiendo el placebo.
Estudio Doble Ciego: A veces, cuando los investigadores están realizando un estudio muy extenso utilizando muchos trabajadores de la salud, los investigadores no le dirán a las personas en el estudio o a los trabajadores de la salud qué pacientes recibirán el tratamiento y cuáles pacientes recibirán el placebo. Es decir, los trabajadores de la salud que están administrando el tratamiento o placebo a las personas en el estudio no saben qué personas están en el grupo de tratamiento y cuáles personas están en el grupo control. Este tipo de estudio se denomina estudio doble ciego.
Estudio controlado aleatorizado: Cualquier estudio clínico en el que el grupo de tratamiento y el grupo control se seleccionan aleatoriamente de la población.
Ya sea que estés haciendo un estudio observacional o un experimento, necesitas averiguar qué hacer con los datos. Tendrás muchos valores de datos que recopilaste, y a veces ayuda calcular números a partir de estos valores de datos. Ya sea que estés hablando de la población o de la muestra, determina lo que llamamos estos números.
Parámetro: Un valor numérico calculado a partir de una población
Estadística: Un valor numérico calculado a partir de una muestra, y utilizado para estimar el parámetro
Algunos ejemplos de parámetros que se pueden estimar a partir de las estadísticas son el porcentaje de personas que están fuertemente de acuerdo con una pregunta y el patrimonio neto medio de todos los estadounidenses. El estadístico sería el porcentaje de personas preguntadas que están muy de acuerdo con una pregunta, y el patrimonio neto medio de un cierto número de estadounidenses.
Notación para Parámetro y Estadística:
Los parámetros generalmente se denotan con letras griegas. Esto no es para hacerte aprender un nuevo alfabeto. Es porque simplemente no hay suficientes letras en nuestro alfabeto. Además, si ves una letra que no conoces, entonces sabes que la letra representa un parámetro. Ejemplos de letras que se utilizan son
Las estadísticas generalmente se denotan con nuestro alfabeto, y en algunos casos tratamos de usar una letra que sería equivalente a la letra griega. Ejemplos de letra que se utilizan son
Además, N se usa para denotar el tamaño de la población y n se usa para denotar el tamaño de la muestra.
|
Error de Muestreo: Esta es la diferencia entre un parámetro y un estadístico. Siempre habrá algún error entre los dos ya que una estadística es una estimación de un parámetro. El error de muestreo se atribuye al error casual y al sesgo muestral. Error al azar: El error inherente a tomar información de una muestra en lugar de de toda la población. Esto viene del hecho de que dos muestras diferentes de una misma población probablemente darán dos estadísticas diferentes. |
|
Sesgo muestral: El error de usar una muestra que no representa a la población. Para evitar esto, usa algún tipo de muestra aleatoria. Tasa de Muestreo: La fracción de la población total que se encuentra en la muestra. Esto se puede denotar por N/n. |