array:19 [
  "pii" => "X0211699500035664"
  "issn" => "02116995"
  "doi" => " "
  "estado" => "S300"
  "fechaPublicacion" => "2000-12-01"
  "documento" => "article"
  "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
  "subdocumento" => "fla"
  "cita" => "Nefrologia. 2000;20:495-500"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:2 [
    "total" => 50829
    "formatos" => array:3 [
      "EPUB" => 271
      "HTML" => 49878
      "PDF" => 680
    ]
  ]
  "itemSiguiente" => array:16 [
    "pii" => "X0211699500035648"
    "issn" => "02116995"
    "doi" => " "
    "estado" => "S300"
    "fechaPublicacion" => "2000-12-01"
    "documento" => "article"
    "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
    "subdocumento" => "fla"
    "cita" => "Nefrologia. 2000;20:501-9"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 15780
      "formatos" => array:3 [
        "EPUB" => 189
        "HTML" => 15283
        "PDF" => 308
      ]
    ]
    "es" => array:7 [
      "idiomaDefecto" => true
      "titulo" => "Hipertensión arterial maligna e insuficiencia renal aguda por consumo de cocaína"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "501"
          "paginaFinal" => "509"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig1"
          "etiqueta" => "Fig. 1"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "copyright" => "Elsevier España"
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "10243108_fig1.jpg"
              "Alto" => 762
              "Ancho" => 1458
              "Tamanyo" => 394441
            ]
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "Ángel Rodríguez Jornet, M. García García, F. J. Andreu Navarro, D. de Mendoza Asensi, A. Carvajal Díaz, M. Sala Rodó, M. Cervantes García"
          "autores" => array:7 [
            0 => array:2 [
              "nombre" => "Ángel"
              "apellidos" => "Rodríguez Jornet"
            ]
            1 => array:2 [
              "Iniciales" => "M."
              "apellidos" => "García García"
            ]
            2 => array:2 [
              "Iniciales" => "F. J."
              "apellidos" => "Andreu Navarro"
            ]
            3 => array:2 [
              "Iniciales" => "D."
              "apellidos" => "de Mendoza Asensi"
            ]
            4 => array:2 [
              "Iniciales" => "A."
              "apellidos" => "Carvajal Díaz"
            ]
            5 => array:2 [
              "Iniciales" => "M."
              "apellidos" => "Sala Rodó"
            ]
            6 => array:2 [
              "Iniciales" => "M."
              "apellidos" => "Cervantes García"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/X0211699500035648?idApp=UINPBA000064"
    "url" => "/02116995/0000002000000006/v0_201502091353/X0211699500035648/v0_201502091353/es/main.assets"
  ]
  "itemAnterior" => array:16 [
    "pii" => "X0211699500035672"
    "issn" => "02116995"
    "doi" => " "
    "estado" => "S300"
    "fechaPublicacion" => "2000-12-01"
    "documento" => "article"
    "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
    "subdocumento" => "fla"
    "cita" => "Nefrologia. 2000;20:486-94"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 82650
      "formatos" => array:3 [
        "EPUB" => 273
        "HTML" => 81883
        "PDF" => 494
      ]
    ]
    "es" => array:7 [
      "idiomaDefecto" => true
      "titulo" => "Fisiología molecular del mecanismo de concentración urinario, papel de las aquaporinas renales"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "486"
          "paginaFinal" => "494"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:8 [
          "identificador" => "fig1"
          "etiqueta" => "Fig. 1"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "copyright" => "Elsevier España"
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "10241108_fig1.jpg"
              "Alto" => 3299
              "Ancho" => 1943
              "Tamanyo" => 356941
            ]
          ]
          "descripcion" => array:1 [
            "es" => "Medidas de la osmolaridad del fluido tubular en diferen­tes lugares del túbulo renal en situaciones de niveles altos (↑) y bajos (↓) de vasopresina circulante."
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "Patricia Fernández-Llama"
          "autores" => array:1 [
            0 => array:2 [
              "nombre" => "Patricia"
              "apellidos" => "Fernández-Llama"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/X0211699500035672?idApp=UINPBA000064"
    "url" => "/02116995/0000002000000006/v0_201502091353/X0211699500035672/v0_201502091353/es/main.assets"
  ]
  "es" => array:10 [
    "idiomaDefecto" => true
    "titulo" => "La regresión logística: una herramienta versátil"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "495"
        "paginaFinal" => "500"
      ]
    ]
    "autores" => array:1 [
      0 => array:3 [
        "autoresLista" => "Mª Dolores Fiuza Pérez, J. C. Rodríguez Pérez"
        "autores" => array:2 [
          0 => array:4 [
            "nombre" => "Mª Dolores"
            "apellidos" => "Fiuza Pérez"
            "email" => array:1 [
              0 => "fiuza@correo.hpino.rcanaria.es"
            ]
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "affa"
              ]
            ]
          ]
          1 => array:3 [
            "Iniciales" => "J. C."
            "apellidos" => "Rodr&#237;guez P&#233;rez"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "affb"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:2 [
          0 => array:3 [
            "entidad" => "Unidad de Investigación de Epidemiología, Hospital de Gran Canaria Dr. Negrín, Las Palmas de Gran Canaria, Islas Canarias, España, "
            "etiqueta" => "<span class="elsevierStyleSup">a</span>"
            "identificador" => "affa"
          ]
          1 => array:3 [
            "entidad" => "Unidad de Investigación de Nefrología, Hospital de Gran Canaria Dr. Negrín, Las Palmas de Gran Canaria, Islas Canarias, España, "
            "etiqueta" => "<span class="elsevierStyleSup">b</span>"
            "identificador" => "affb"
          ]
        ]
      ]
    ]
    "textoCompleto" => "<p class="elsevierStylePara"><span class="elsevierStyleBold">INTRODUCCI&#211;N</span></p><p class="elsevierStylePara">Con el nombre de modelos de regresi&#243;n se in&#173;cluyen un conjunto de t&#233;cnicas estad&#237;sticas que tra&#173;tan de explicar c&#243;mo se modifica la variable de&#173;pendiente o resultado&#44; cuando cambian otra u otras variables&#44; denominadas independientes o predicto&#173;ras&#46; Lo que caracteriza en principio a las distintas clases de modelos de regresi&#243;n es la naturaleza de la variable dependiente&#59; as&#237;&#44; con variables continuas la clase de modelos de regresi&#243;n lineal es la m&#225;s utilizada&#59; con variables dicot&#243;micas lo es el mode&#173;lo de regresi&#243;n log&#237;stica&#46;</p><p class="elsevierStylePara">La regresi&#243;n log&#237;stica &#40;RL&#41; es uno de los instru&#173;mentos estad&#237;sticos m&#225;s expresivos y vers&#225;tiles de que se dispone para el an&#225;lisis de datos en cl&#237;nica y epidemiolog&#237;a<span class="elsevierStyleSup">1</span>&#46; Su origen se remonta a la d&#233;cada de los sesenta &#40;Confield&#44; Gordon y Smith 1961&#41;&#59; su uso se universaliza y expande desde principios de los ochenta debido&#44; especialmente&#44; a las facilidades inform&#225;ticas con que se cuenta desde entonces&#46; En los &#250;ltimos a&#241;os se ha verificado una presencia muy marcada de esta t&#233;cnica&#44; tanto en la literatura orien&#173;tada a tratar temas metodol&#243;gicos como en los art&#237;&#173;culos cient&#237;ficos biom&#233;dicos&#46; Fiel reflejo de esta tendencia&#44; es que el empleo de la RL supon&#237;a el 32&#37; de los art&#237;culos publicados por <span class="elsevierStyleItalic">American Journal of </span><span class="elsevierStyleItalic">Epidemiology </span>de 1986 a 1990 y el 68&#37; de los que aparecieron en el mencionado quinquenio en <span class="elsevierStyleItalic">New </span><span class="elsevierStyleItalic">England Journal of Medicine&#44; </span>con lo cual qued&#243; ubi&#173;cada en el quinto puesto&#44; solo superada por cuatro t&#233;cnicas convencionales&#58; <span class="elsevierStyleItalic">t </span>de Student&#44; prueba Chi-cuadrado&#44; an&#225;lisis de la varianza y prueba de Fis&#173;her<span class="elsevierStyleSup">2</span>&#46;</p><p class="elsevierStylePara">En nuestro pa&#237;s&#44; la evaluaci&#243;n de los art&#237;culos pu&#173;blicados en <span class="elsevierStyleItalic">Medicina Cl&#237;nica </span>entre 1962 y 1992 re&#173;fleja una escasa utilizaci&#243;n de los an&#225;lisis multiva&#173;riantes<span class="elsevierStyleSup">3 </span>aunque se aprecia una tendencia al alza<span class="elsevierStyleSup">4&#44;5</span></p><p class="elsevierStylePara">Similar tendencia hemos observado al revisar los ar&#173;t&#237;culos originales de <span class="elsevierStyleItalic">Nefrolog&#237;a </span>de 1993 a 1999&#44; apreci&#225;ndose que los an&#225;lisis de regresi&#243;n log&#237;stica s&#243;lo se emplearon en el a&#241;o 99 &#40;3 art&#237;culos&#41;&#44; si bien analizando este mismo a&#241;o &#40;38 art&#237;culos&#41; el 73&#44;6&#37; utilizan exclusivamente modelos estad&#237;sticos univariantes frente a un 26&#44;3&#37; que realizan an&#225;lisis mul&#173;tivariante&#46; De estos &#250;ltimos&#44; el 60&#37; se centra en m&#233;todos de supervivencia&#46; En general&#44; parece obser&#173;varse la popularizaci&#243;n del uso de diversos an&#225;lisis multivariantes&#44; como la regresi&#243;n log&#237;stica&#44; la regre&#173;si&#243;n de Cox y otros an&#225;lisis de supervivencia&#46;</p><p class="elsevierStylePara">El conocimiento de estas t&#233;cnicas permitir&#237;a al lec&#173;tor la compresi&#243;n de los art&#237;culos publicados en re&#173;vistas m&#233;dicas&#44; con el fin de obtener el m&#225;ximo be&#173;neficio de la lectura y ser capaz de evaluar el m&#233;rito&#44; validez y las conclusiones de la investigaci&#243;n publi&#173;cada y posteriormente&#44; decidir si las mismas son apli&#173;cables a su propia pr&#225;ctica y experiencia&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">&#191;QU&#201; ES LA REGRESI&#211;N LOG&#205;STICA&#63;</span></p><p class="elsevierStylePara">Los m&#233;todos de regresi&#243;n de variable dependien&#173;te cualitativa abarcan diferentes modelos que tratan de explicar y predecir una caracter&#237;stica cualitativa a partir de los datos de otras variables conocidas&#44; bien cuantitativas o cualitativas que act&#250;an como va&#173;riables explicativas<span class="elsevierStyleSup">6</span>&#46;</p><p class="elsevierStylePara">La caracter&#237;stica que se quiere explicar puede ser&#58; <span class="elsevierStyleItalic">a&#41; </span>una cualidad que puede &#250;nicamente tomar dos modalidades &#40;modelos binomiales&#41;&#44; son las m&#225;s frecuentemente utilizadas&#44; <span class="elsevierStyleItalic">b&#41; </span>una cualidad que puede tomar m&#225;s de dos modalidades diferentes&#44; exhausti&#173;vas y mutuamente excluyentes &#40;modelos multinomiales&#41;&#44; <span class="elsevierStyleItalic">c&#41; </span>una caracter&#237;stica con varias modalidades que presentan entre ellas un orden natural &#40;modelos ordenados&#41; y <span class="elsevierStyleItalic">d&#41; </span>la caracter&#237;stica a explicar corres&#173;ponde a una decisi&#243;n que puede suponer decisio&#173;nes encadenadas &#40;modelos anidados&#41;&#46;</p><p class="elsevierStylePara">Como es conocido&#44; el concepto de regresi&#243;n hace referencia a la ley experimental o f&#243;rmula matem&#225;&#173;tica que traduce la relaci&#243;n entre variables correlacionadas&#46; Generalmente cuando se quiere poner una variable en funci&#243;n de otra &#40;o de otras&#41;&#44; se acude al bien conocido recurso de la regresi&#243;n lineal &#40;simple o m&#250;ltiple&#41;&#46; Esta funci&#243;n utiliza normalmente el m&#233;&#173;todo de m&#237;nimos cuadrados y funciona fluidamente desde el punto de vista aritm&#233;tico&#46;</p><p class="elsevierStylePara">Pero cuando la variable a explicar s&#243;lo puede tomar dos valores&#44; es decir&#44; la ocurrencia o no de un cierto proceso&#44; al evaluar la funci&#243;n para valo&#173;res espec&#237;ficos de las variables independientes se ob&#173;tendr&#225; un n&#250;mero que ser&#225; diferente de 1 y de O &#40;los valores posibles de la variable dependiente&#41;&#44; lo cual carece de todo sentido&#46; En este caso&#44; la regre&#173;si&#243;n lineal debe ser descartada&#44; en cambio la RL se ajusta adecuadamente a esta situaci&#243;n&#46;</p><p class="elsevierStylePara">Mediante la RL se pretende es la <span class="elsevierStyleItalic">probabilidad </span>de que ocurra el hecho en cuesti&#243;n como funci&#243;n de ciertas variables que se presumen relevantes o in&#173;fluyentes&#46; Por lo tanto&#44; la RL consiste en obtener una <span class="elsevierStyleItalic">funci&#243;n log&#237;stica </span>de las variables independientes que permita clasificar a los individuos en una de las dos subpoblaciones o grupos establecidos por los dos va&#173;lores de la variable dependiente&#46;</p><p class="elsevierStylePara">La funci&#243;n log&#237;stica es aquella que halla&#44; para cada individuo seg&#250;n los valores de una serie de variables &#40;X<span class="elsevierStyleInf">i</span>&#41;&#44; la probabilidad &#40;p&#41; de que presente el efecto es&#173;tudiado&#46; Una transformaci&#243;n logar&#237;tmica de dicha ecuaci&#243;n&#44; a la que se le llama <span class="elsevierStyleItalic">logit&#44; </span>consiste en con&#173;vertir la probabilidad &#40;p&#41; en <span class="elsevierStyleItalic">odds&#46; </span>De aqu&#237; surge la ecuaci&#243;n de la regresi&#243;n log&#237;stica&#44; que es parecida a la ecuaci&#243;n de la regresi&#243;n lineal m&#250;ltiple&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">&#191;D&#211;NDE Y CU&#193;NDO APLICARLA&#63;</span></p><p class="elsevierStylePara">La RL se utiliza cuando queremos investigar si una o varias variables explican una variable dependien&#173;te que toma un car&#225;cter cualitativo&#46; Este hecho es muy frecuente en medicina ya que constantemente intentamos dar respuesta a preguntas formuladas en base a la presencia o ausencia de una determinada caracter&#237;stica que no es cuantificable sino que re&#173;presenta la existencia o no de un efecto de inter&#233;s&#44; como por ejemplo el desarrollo de un &#171;evento cardiovascular&#187;&#44; &#171;un paciente hospitalizado muere o no antes del alta&#187;&#44; &#171;se produce o no un reingreso&#187;&#44; &#171;un paciente desarrolla o no nefropat&#237;a diab&#233;tica&#187;&#44; etc&#46; Una de las ventajas de la RL es que permite el ma&#173;nejo de m&#250;ltiples variables independientes &#40;tambi&#233;n llamadas covariables&#41; con un n&#250;mero reducido de casos<span class="elsevierStyleSup">1</span>&#46; Freeman &#40;1987&#41; ha sugerido que el n&#250;mero de sujetos debe ser superior a &#40;10&#41;&#40;k&#43;1&#41;&#44; donde k es el n&#250;mero de covariables&#46; Pero hay que tener en cuenta que el tama&#241;o de la muestra necesaria es in&#173;herente al tipo de estudio que se realiza&#46;</p><p class="elsevierStylePara">Como hemos mencionado anteriormente la RL tiene una doble funci&#243;n&#58; explicativa y predictiva&#46;</p><p class="elsevierStylePara">Podemos usarla con finalidad descriptiva siendo po&#173;sible ofrecer una descripci&#243;n elocuente y &#250;til&#44; ba&#173;s&#225;ndonos en una informaci&#243;n reducida&#59; un ejemplo cl&#225;sico es cuando la probabilidad que se estima puede interpretarse como una tasa de prevalencia o de incidencia que dependa de una variable conti&#173;nua&#46; Aunque hay estudios que ejemplarizan este en&#173;foque hay que reconocer que esta variante ha sido poco explotada<span class="elsevierStyleSup">1</span>&#46;</p><p class="elsevierStylePara">Su utilizaci&#243;n en la predicci&#243;n es el uso m&#225;s fre&#173;cuente y extendido&#44; enmarcado en los diferentes tipos de estudios&#44; ya sean t&#237;picamente prospectivos con finalidad pron&#243;stica &#40;epidemiolog&#237;a cl&#237;nica&#41;&#44; estudios prospectivos con finalidad anal&#237;tica &#40;cohortes&#41;&#44; estu&#173;dios caso-control &#40;riesgo atribuible&#41; y en los ensayos cl&#237;nicos&#46; Quisi&#233;ramos en este punto resaltar que la RL es un instrumento muy &#250;til para facilitar el tratamiento cuantitativo de los datos pero no podemos aislarlo del dise&#241;o del estudio&#44; so pena de cometer errores que nos conducir&#237;an a conclusiones err&#243;neas&#46;</p><p class="elsevierStylePara">Hay que destacar que adem&#225;s de predecir riesgos&#44; la RL puede servir para estimar la fuerza de la aso&#173;ciaci&#243;n de cada factor de riesgo de una manera independiente&#44; es decir&#44; eliminando la posibilidad de que un factor confunda el efecto de otro<span class="elsevierStyleSup">7</span>&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">&#191;C&#211;MO INTERPRETARLA&#63;</span></p><p class="elsevierStylePara">No es pretensi&#243;n de este art&#237;culo desarrollar en pro&#173;fundidad todas las posibilidades de interpretaci&#243;n de los resultados ya que existen numerosos manuales pu&#173;blicados al efecto<span class="elsevierStyleSup">8&#44;9</span>&#46; Pero s&#237; acercarnos a los par&#225;&#173;metros que contengan una mayor utilidad cl&#237;nica&#46;</p><p class="elsevierStylePara">Cuando realizamos una RL lo que pretendemos es estimar los par&#225;metros de la ecuaci&#243;n &#40;&#946;<span class="elsevierStyleInf">0</span>&#44; &#946;<span class="elsevierStyleInf">1</span>&#44; &#946;<span class="elsevierStyleInf">2</span>&#44;&#46;&#46;&#46;&#946;<span class="elsevierStyleInf">k</span>&#41; de la funci&#243;n que pretendemos evaluar&#58;</p><p class="elsevierStylePara">Z &#61;&#946;<span class="elsevierStyleInf">0</span> &#43; &#946;<span class="elsevierStyleInf">1</span>X<span class="elsevierStyleInf">1</span> &#43; &#946;<span class="elsevierStyleInf">2</span>X<span class="elsevierStyleInf">2</span> &#43;&#46;&#46;&#46; &#43;&#946;<span class="elsevierStyleInf">k</span>X<span class="elsevierStyleInf">k</span></p><p class="elsevierStylePara">Donde Z es el logaritmo neperiano &#40;Ln&#41; de la odds de padecer la enfermedad&#44; el desenlace o el resulta&#173;do que se est&#225; estudiando&#59; &#946;<span class="elsevierStyleInf">0</span> es la ordenada en el origen de la funci&#243;n de regresi&#243;n&#44; &#946;<span class="elsevierStyleInf">1&#44; </span>&#946;<span class="elsevierStyleInf">2&#44;</span><span class="elsevierStyleItalic"><span class="elsevierStyleInf">&#46;&#46;&#46;</span></span>&#946;<span class="elsevierStyleInf">k</span> repre&#173;sentan los coeficientes de la pendiente de la recta y X<span class="elsevierStyleInf">1</span>&#44;X<span class="elsevierStyleInf">2</span>&#44;&#46;&#46;&#46;X<span class="elsevierStyleInf">k</span> son las variables independientes o factores de riesgo&#46; Si nuestros datos se ajustan de mane&#173;ra satisfactoria a este modelo&#44; tendremos la suerte de poder explicar la relaci&#243;n entre las variables inde&#173;pendientes y la respuesta de una manera muy sen&#173;cilla&#46; Los coeficientes &#946;<span class="elsevierStyleInf">i</span> expresan el logaritmo nepe&#173;riano del odds ratio &#40;OR&#41; para cada factor de riesgo X<span class="elsevierStyleInf">i</span>&#46; Por tanto el OR se estima a partir de la f&#243;rmula&#58;</p><p class="elsevierStylePara">OR &#61; antilog &#40;&#946;<span class="elsevierStyleInf">i</span>&#41; &#61; e<span class="elsevierStyleSup">&#946;i</span></p><p class="elsevierStylePara">Una vez que hemos construido nuestro modelo de RL&#44; debemos primero analizar los coeficientes de regresi&#243;n &#40;&#946;<span class="elsevierStyleInf">i</span>&#41; de cada variable independiente para obtener sus OR y luego confeccionar el valor predictivo de cada variable independiente o bien del modelo en su conjunto&#46;</p><p class="elsevierStylePara">Con el siguiente ejemplo pr&#225;ctico&#44; intentaremos aproximarnos a estos conceptos&#46; Consideremos un modelo de regresi&#243;n log&#237;stica para analizar la probabilidad de desarrollar enfermedad coronaria o no&#44; en base a la contribuci&#243;n de los siguientes factores de riesgo&#58; fumador&#44; diab&#233;tico&#44; hipertenso&#44; raz&#243;n co&#173;lesterol&#47;hdl colesterol &#62; 5 y presentar insuficiencia renal&#44; medida por el aclaramiento de creatinina &#40;FG&#41;&#46;</p><p class="elsevierStylePara">Ahora nos plantearemos dos objetivos&#58;</p><p class="elsevierStylePara">1&#186;&#46;<span class="elsevierStyleItalic"> Conocer la fuerza de asociaci&#243;n&#44; </span>a trav&#233;s de los OR&#44; de cada uno de los factores de riesgo con el efecto estudiado de una manera independiente&#44; es decir&#44; eliminando la posibilidad de que un factor confunda el efecto de otro&#46;</p><p class="elsevierStylePara">Una vez obtenidos los coeficientes de regresi&#243;n log&#237;stica &#40;&#946;<span class="elsevierStyleInf">i</span> &#61; &#946;&#41; de cada una de las variables del modelo &#40;tabla I&#41;&#44; lo que tenemos es Ln &#40;OR&#41; del ser fumador &#40;1&#44;075&#41;&#44; diab&#233;tico &#40;1&#44;4762&#41;&#44; etc&#46;&#44; ya que como sabemos B<span class="elsevierStyleInf">i</span> &#61; Ln &#40;OR&#41;&#46;</p><p class="elsevierStylePara">Para saber la fuerza de asociaci&#243;n &#40;medida en OR&#41; de la enfermedad coronaria con las variables in&#173;cluidas en el modelo de RL&#44; s&#243;lo necesitamos cal&#173;cular su antilogaritmo&#44; o lo que es lo mismo hallar su exponencial&#44; ya que</p><p class="elsevierStylePara">OR &#61; antilog &#40;&#946;<span class="elsevierStyleInf">i</span>&#41; &#61; e<span class="elsevierStyleSup">&#946;i</span></p><p class="elsevierStylePara">Hoy en d&#237;a est&#225;n disponibles diversos paquetes estad&#237;sticos &#40;SAS&#44; LIMDEP&#44; SPSS&#41; que facilitan estos c&#225;lculos&#46; Uno de los m&#225;s utilizados es el SPSS al que haremos referencia en cuanto a sus salidas en este art&#237;culo&#46; Este programa nos permite obtener los coeficientes de regresi&#243;n &#946;<span class="elsevierStyleInf">i</span> &#40;B&#41;&#44; los errores est&#225;n&#173;dar de los coeficientes &#40;SE&#41;&#44; el nivel de significa&#173;ci&#243;n &#40;Sig&#41; de cada coeficiente a trav&#233;s del estad&#237;s&#173;tico de Wald &#91;testa la hip&#243;tesis de si los coeficientes son iguales a O&#44; si sigue una distribuci&#243;n &#935;<span class="elsevierStyleSup">2</span> con sus grados de libertad &#40;df&#41;&#93;&#44; el coeficiente de co&#173;rrelaci&#243;n parcial &#40;R&#41; que es una forma de ver la in&#173;fluencia de cada una de las variables indepen&#173;dientes por separado con la variable dependiente&#44; y los exponenciales de los coeficientes &#91;Exp &#40;B&#41;&#93; que como sabemos son los OR de cada variable independiente con sus intervalos de confianza al 95&#37; o al nivel que nosotros previamente hallamos estipulado &#40;tabla I&#41;&#46;</p><p class="elsevierStylePara">De esta manera sabremos que el riesgo de pade&#173;cer una enfermedad coronaria es 4&#44;3 veces mayor si se es diab&#233;tico que si no se es&#44; 2&#44;9 por ser fu&#173;mador o 1&#44;9 por ser hipertenso&#46; Hay que recalcar que los valores de los OR est&#225;n ajustados&#44; es decir&#44; se elimina la posibilidad de que un factor confunda el efecto de otro &#40;tabla II&#41;&#46;</p><p class="elsevierStylePara">2&#186;&#46;<span class="elsevierStyleItalic"> Confeccionar el valor predictivo </span>de cada va&#173;riable independiente o bien del modelo en su con&#173;junto&#46;</p><p class="elsevierStylePara">Siguiendo el ejemplo anterior&#44; abordaremos ahora como obtener el valor predictivo del riesgo asocia&#173;do a padecer una enfermedad coronaria&#44; para ello partiremos de la ecuaci&#243;n siguiente&#58;</p><p class="elsevierStylePara">Z &#61; &#946;<span class="elsevierStyleInf">0</span> &#43; &#946;<span class="elsevierStyleInf">i</span>X<span class="elsevierStyleInf">i</span> &#43; &#946;<span class="elsevierStyleInf">2</span>X<span class="elsevierStyleInf">2</span>&#46;&#46;&#46; &#43; &#946;<span class="elsevierStyleInf">k</span>X<span class="elsevierStyleInf">k</span></p><p class="elsevierStylePara">Z &#61; Ln &#40;odds&#41;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; -2&#44;1187 &#43; &#40;0&#44;6483 X hipertensi&#243;n&#41; &#43; &#40;1&#44;4762 X diabetes&#41; &#43; &#40;1&#44;0751 X tabaco&#41; &#43; &#40;0&#44;4163 X Col&#47;HDL-col &#62; 5&#41; &#43; &#40;0&#44;5794 X FG &#60; 10&#41;</p><p class="elsevierStylePara">La primera cifra corresponde a la constante del modelo &#40;&#946;<span class="elsevierStyleInf">0</span>&#41; y las variables independientes &#40;X<span class="elsevierStyleInf">i</span>&#41; ser hipertenso &#40;S&#237;&#61;1&#44; No&#61;0&#41;&#44; ser diab&#233;tico &#40;S&#237;&#61;1&#44; No&#61;0&#41;&#44; ser fumador &#40;S&#237;&#61;1&#44; No&#61;0&#41;&#44; tener una raz&#243;n colesterol total &#47; HDL colesterol mayor de 5 &#40;S&#237;&#61;1&#44; No&#61;0&#41; y un aclaramiento de creatinina menor de 10 ml&#47;min &#40;S&#237;&#61;1&#44; No&#61;0&#41; para un indivisuo que re&#250;na todas estas condiciones tendremos&#58;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; -2&#44;1187 &#43; &#40;0&#44;6483 x 1&#41; &#43; &#40;1&#44;4762 x 1&#41; &#43; &#40;1&#44;0751 x 1&#41; &#43; &#40;0&#44;4163 x 1&#41; &#43; &#40;0&#44;5194 x 1&#41;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; 2&#44;0166</p><p class="elsevierStylePara">Odds &#61; antilog &#40;2&#44;0166&#41; &#61; e<span class="elsevierStyleSup">2&#44;0166</span> &#61; 7&#44;5127</p><p class="elsevierStylePara">p &#61; odds &#47; 1 &#43; odds</p><p class="elsevierStylePara">p &#61; 7&#44;5127 &#47; 8&#44;5127 &#61; 0&#44;8825</p><p class="elsevierStylePara">&#160;</p><p class="elsevierStylePara">La ecuaci&#243;n predice un riesgo del 88&#44;2&#37; de pade&#173;cer una enfermedad coronaria en aquellos pacientes que presenten hipertensi&#243;n&#44; diabetes&#44; fumen&#44; tengan una raz&#243;n colesterol total&#47;HDL-colesterol mayor de 5 y un aclaramiento de creatinina menor de 10 ml&#47;min&#46;</p><p class="elsevierStylePara">Pero si solo presenta el riesgo de tener un aclaramiento de creatinina menor de 10 ml&#47;min ser&#237;a de 16&#44;8&#37; y si s&#243;lo fuera diab&#233;tico la probabilidad de padecer una enfermedad coronaria ascender&#237;a al 34&#44;4&#37;&#46;</p><p class="elsevierStylePara">Ln &#40;odds&#41;<span class="elsevierStyleInf">GFR &#60; 10</span> &#61; -2&#44;1187 &#43; &#40;0&#44;6483 x 0&#41; &#43; &#40;1&#44;4762 x 0&#41; &#43; &#40;1&#44;075 x 0&#41; &#43;&#40; 0&#44;4163 x 0&#41; &#43; &#40;0&#44;5194 x 1&#41;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; -2&#44;1187 &#43; 0&#44;5194 &#61; -1&#44;5993</p><p class="elsevierStylePara">Odds &#61; antilog &#40;-1&#44;5993&#41; &#61; e<span class="elsevierStyleSup">-1&#44;5993</span> &#61; 0&#44;2020</p><p class="elsevierStylePara">p &#61; odds &#47; 1 &#43; odds</p><p class="elsevierStylePara">p &#61; 0&#44;2020 &#47; 1&#44;2020 &#61; 0&#44;1680</p><p class="elsevierStylePara">Ln &#40;Odds&#41;<span class="elsevierStyleInf">Diabetes</span> -2&#44;1187 &#43; &#40;0&#44;6483 x 0&#41; &#43; &#40;1&#44;4762 x 1&#41; &#43; &#40;1&#44;0751 x 0&#41; &#43; &#40;0&#44;4163 x 0&#41; &#43; &#40;0&#44;51940&#41;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; -2&#44;1187 &#43; 1&#44;4762 &#61; -0&#44;6425</p><p class="elsevierStylePara">Odds &#61; antilog &#40;-0&#44;6425&#41; &#61; e<span class="elsevierStyleSup">-0&#44;6425</span> &#61; 0&#44;5259</p><p class="elsevierStylePara">p &#61; odds &#47; 1 &#43; odds</p><p class="elsevierStylePara">p &#61; 0&#44;5259&#47;1&#44;5259 &#61; 0&#44;3446</p><p class="elsevierStylePara">En el ejemplo propuesto todas las variables inde&#173;pendientes son categ&#243;ricas&#44; pero es frecuente su combinaci&#243;n con variables continuas&#44; siendo su c&#225;lcu&#173;lo el mismo&#44; salvo que multiplicar&#237;amos por el valor del factor de riesgo considerado &#40;colesterol mg&#47;dl&#44; edad en a&#241;os&#44; peso en kg&#44; etc&#46;&#41;&#46;</p><p class="elsevierStylePara">Hemos analizado dentro de la RL como interpre&#173;tar los coeficientes de regresi&#243;n desde la perspectiva anglosajona&#44; a trav&#233;s de los odds asociados a cierto suceso &#40;el riesgo de padecer una enfermedad coro&#173;naria siendo diab&#233;tico es de 4&#44;3&#41; y desde la pers&#173;pectiva del mundo latino&#44; calculando la probabilidad de ocurrencia de un suceso &#40;la probabilidad de su&#173;frir una enfermedad coronaria siendo diab&#233;tico es del 34&#44;4&#37;&#41;&#46; De modo que ambas informaciones son equivalentes y expresan la misma noci&#243;n&#58; cuantifi&#173;can cu&#225;n probable es que algo ocurra&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">PRECAUCIONES</span></p><p class="elsevierStylePara">La RL como otras t&#233;cnicas cuantitativas&#44; y m&#225;s desde la generalizaci&#243;n del uso de potentes paque&#173;tes estad&#237;sticos&#44; presentan el riesgo de que sean utilizadas de manera acr&#237;tica y muchas veces sin que el usuario comprenda totalmente lo que hace<span class="elsevierStyleSup">1</span>&#46; Por ello resaltaremos la importancia de la selecci&#243;n del modelo de RL&#44; la necesidad de evaluar el modelo viendo los criterios de ajuste del mismo&#44; el manejo de variables dummy y los problemas relativos a la colinearidad de las variables estudiadas&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Selecci&#243;n del modelo&#46; </span>Existen varios procedi&#173;mientos de selecci&#243;n de variables en la RL &#40;simila&#173;res en cualquier tipo de regresi&#243;n multivariada&#41;&#46; El m&#225;s usado es el de la regresi&#243;n paso a paso &#40;Step&#173;wise Regression&#41; que consiste en construir modelos sucesivos que difieren del precedente en una sola variable e ir compar&#225;ndolos&#46; El criterio de entrada o salida en el modelo es la significaci&#243;n estad&#237;stica del coeficiente de regresi&#243;n&#46; Las dos variantes fun&#173;damentales del procedimiento son ir a&#241;adiendo va&#173;riables &#40;Forward Stepwise&#41; o ir eliminando variables &#40;Backward Stepwise&#41;&#44; las variables van saliendo del modelo tambi&#233;n una a una&#44; pero a partir del mo&#173;delo inicial en el que todas ellas est&#225;n incluidas&#46;</p><p class="elsevierStylePara">La elecci&#243;n del modelo va a depender del tipo de estudio&#44; pero es preciso recordar el concepto de &#171;va&#173;riables relevantes&#187;&#46; El modelo de RL que nos planteamos al realizar un estudio de investigaci&#243;n ana&#173;l&#237;tico debe pasar necesariamente por una reflexi&#243;n de que variables incluidas en nuestro trabajo explican la variable dependiente objeto de nuestro inte&#173;r&#233;s&#46; Y esto no pasa exclusivamente por un proceso de elecci&#243;n estad&#237;stica&#44; ya que esta t&#233;cnica no distingue entre asociaciones de &#237;ndole causal y las de&#173;bidas a otros factores&#44; incluso a las debidas a ses&#173;gos en el estudio<span class="elsevierStyleSup">10-12</span></p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Criterios de ajuste&#46; </span>Al realizar cualquier modelo de regresi&#243;n&#44; es preciso antes de sacar conclusiones corroborar que este modelo se ajusta efectivamente a los datos&#46; Existen varios m&#233;todos&#58; la tabla de cla&#173;sificaci&#243;n&#44; la verosimilitud &#40;-2 Log Likelihood&#41;&#44; o el estad&#237;stico de Goodness of Fit&#46;</p><p class="elsevierStylePara">Quiz&#225; el m&#225;s intuitivo es la tabla de clasificaci&#243;n que consiste en verificar qu&#233; porcentaje de individuos clasifica correctamente el modelo&#46; Veamos un ejemplo &#40;tabla III&#41;&#58; tenemos un total de 599 individuos&#59; de los 291 que sufren una enfermedad coronaria el sis&#173;tema clasifica correctamente a 198 &#40;verdaderos posi&#173;tivos&#41; que suponen un porcentaje de clasificaci&#243;n co&#173;rrecta del 68&#44;04&#37; &#40;sensibilidad del modelo&#41;&#59; de los 308 que no padecen una enfermedad coronaria clasi&#173;fica correctamente a 226 &#40;verdaderos negativos&#41; lo que supone un 73&#44;38&#37; &#40;especificidad del modelo&#41;&#46; En total 424 &#40;verdaderos positivos m&#225;s verdaderos negativos&#41; son clasificados correctamente por el modelo&#44; lo que supone un 70&#44;78&#37; de ajuste global&#46; Ahora le corres&#173;ponde al investigador decidir si el porcentaje de los clasificados correctamente le parece adecuado o no&#44; aunque parece razonable aceptar modelos que clasi&#173;fiquen correctamente alrededor del 70&#37;&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Variables dummy&#46; </span>Son una serie de variables artifi&#173;ciales&#44; tambi&#233;n conocidas como variables de paja o variables ficticias&#44; cuya finalidad es introducir como variables independientes a variables cualitativas con varias categor&#237;as&#44; como por ejemplo la insuficiencia renal medida por el aclaramiento de creatinina &#40;FG &#60; 10&#44; FG&#58; 10-40 y FG&#58; 41-100 ml&#47;min&#41;&#46; Para ello se crear&#225;n tres variables dummy &#40;FG &#60;10&#44; FG&#58; 10-40 y FG&#58; 41-100&#41; que nos dar&#225;n informaci&#243;n de presentar una determinada funci&#243;n de filtrado glomerular den&#173;tro del intervalo considerado o estar fuera de dicho intervalo &#40;tener FG &#60; 10 &#61; 1&#44; frente a no tenerla &#61; 0&#41;&#46; Cuando utilizamos estas variables ficticias debemos re&#173;cordar que el conjunto de variables dummy son un todo indisoluble con el cual se suple una variable no&#173;minal y cualquier decisi&#243;n que se adopte o valoraci&#243;n que se haga concierne al conjunto &#237;ntegro&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Colinearidad&#46; </span>Es un problema originado cuando las variables independientes del modelo est&#225;n muy altamente correlacionadas&#44; es decir&#44; comparten entre s&#237; la misma informaci&#243;n&#46;</p><p class="elsevierStylePara">Una soluci&#243;n natural es la de evitar la inclusi&#243;n en el modelo de una variable cuando este ya con&#173;tiene otras que aportan de hecho la informaci&#243;n de aquella variable&#46; Por ejemplo&#44; incluir el peso y la talla de los individuos cuando incluimos el &#237;ndice de masa corporal&#46; El introducir todas estas variables juntas en el modelo&#44; puede arrojar resultados poco fiables&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">GLOSARIO</span></p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Variable dependiente&#58; </span>es la variable que refleja la ocurrencia o no del suceso&#46; Es decir aquella carac&#173;ter&#237;stica que pretendemos explicar en funci&#243;n de otras variables&#44; las llamadas variables explicativas&#46; Las variables dependientes pueden ser cuantitativas o cualitativas&#46; Tambi&#233;n reciben el nombre de &#171;va&#173;riables de resultado&#187;&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Variable independiente&#58; </span>es la variable que preten&#173;de explicar la variable dependiente&#46; Tambi&#233;n reci&#173;ben el nombre de &#171;variables predictoras&#187;&#44; &#171;variables explicativas&#187; o &#171;covariables&#187;&#46; Al igual que las va&#173;riables dependientes pueden ser cuantitativas o cuantitativas&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Variable durnmy&#58; </span>son variables artificiales o ficti&#173;cias&#44; creadas a partir de la informaci&#243;n de una va&#173;riable independiente&#44; para poder realizar operacio&#173;nes matem&#225;ticas con ellas&#46; De la variable original se pueden crear m&#250;ltiples variables dummy&#44; pero no debemos olvidar que son un todo indisoluble&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Proporci&#243;n&#58; </span>es un cociente cuyo numerador est&#225; incluido en el denominador&#46; Carece de unidades y sus valores oscilan entre O y 1&#46; Pueden expresarse en tantos por uno&#44; porcentajes&#44; tantos por mil&#44; etc&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Raz&#243;n&#44; Ratio&#58; </span>es un cociente cuyo numerador no est&#225; incluido en el denominador&#46; Tengamos en cuen&#173;ta que no existen restricciones en el rango de sus valores&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Odds&#58; </span>se trata de una raz&#243;n en la que el nume&#173;rador es la probabilidad &#40;p&#41; de que ocurra un suce&#173;so y en el denominador es la probabilidad de que tal suceso no ocurra &#40;1-p&#41;&#46; Es un caso particular de una raz&#243;n&#46; Tambi&#233;n recibe el nombre de &#171;ventaja&#187; o &#171;raz&#243;n de complementos&#187;&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Odds Ratio &#40;OR&#41;&#58; </span>es el cociente o raz&#243;n entre dos odds y carece de unidades de medida&#46; El OR no tiene interpretaci&#243;n absoluta&#44; siempre es relativa&#46; Para poder interpretar una OR&#44; es necesario siempre tener en cuenta cu&#225;l es el factor o variable predic&#173;tora que se estudia y cu&#225;l es el resultado o desen&#173;lace&#46; El valor nulo para la OR es el 1&#44; esto implica que las dos categor&#237;as comparadas son iguales&#46; Tam&#173;bi&#233;n recibe el nombre de &#171;raz&#243;n de odds&#187; o &#171;raz&#243;n de ventajas&#187;&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Riesgo relativo &#40;RR&#41;&#58; </span>es la relaci&#243;n entre la inci&#173;dencia dentro del grupo expuesto y la incidencia dentro del grupo no expuesto&#46; El riesgo relativo es pues la medida del papel etiol&#243;gico del factor de riesgo&#46; La denominaci&#243;n riesgo relativo se debe a que es la relaci&#243;n entre dos riesgos &#40;expuestos y no expuestos&#41;&#46; Si el RR es 1&#44; el factor estudiado no tiene papel causal&#46; Para su c&#225;lculo es preciso conocer la incidencia&#44; ya que &#233;sta mide los casos nuevos en una poblaci&#243;n durante cierto per&#237;odo&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Intervalo de Confianza &#40;IC&#41; Confidence Interval </span><span class="elsevierStyleItalic">&#40;CI&#41;&#58; </span>es el intervalo dentro del que se encuentra la verdadera magnitud del efecto&#44; nunca conocida exactamente&#44; con un grado prefijado de seguridad&#46; A menudo se habla de &#171;intervalo de confianza al 95&#37;&#187; o &#171;l&#237;mites de confianza al 95&#37;&#187;&#46; Quiere decir que dentro de ese intervalo se encontrar&#237;a el verdadero valor en el 95&#37; de los casos&#46;</p><p class="elsevierStylePara"><a href="grande&#47;10242108&#95;tabla1&#46;jpg" class="elsevierStyleCrossRefs"><img src="10242108_tabla1.gif" alt="Resultados del modelo de regresi&#243;n log&#237;stica"></img></a></p><p class="elsevierStylePara">Tabla 1&#46; Resultados del modelo de regresi&#243;n log&#237;stica</p><p class="elsevierStylePara"><a href="grande&#47;10242108&#95;tabla2&#46;jpg" class="elsevierStyleCrossRefs"><img src="10242108_tabla2.gif" alt="Estimaci&#243;n del riesgo para enfermedad coronaria"></img></a></p><p class="elsevierStylePara">Tabla 2&#46; Estimaci&#243;n del riesgo para enfermedad coronaria</p><p class="elsevierStylePara"><a href="grande&#47;10242108&#95;tabla3&#46;jpg" class="elsevierStyleCrossRefs"><img src="10242108_tabla3.gif" alt="Tabla de clasificaci&#243;n del modelo de regresi&#243;n log&#237;stica&#42;"></img></a></p><p class="elsevierStylePara">Tabla 3&#46; Tabla de clasificaci&#243;n del modelo de regresi&#243;n log&#237;stica&#42;</p>"
    "tienePdf" => false
    "tieneResumen" => true
    "resumen" => array:1 [
      "es" => array:1 [
        "resumen" => "<p class="elsevierStylePara">Los modelos de regresi&#243;n log&#237;stica aplicados a las ciencias de la salud nos permiten el an&#225;lisis de los resultados en t&#233;rminos explicativos y predictivos&#44; pudiendo conocer la fuerza de asociaci&#243;n mediante los OR de los factores de riesgo con el efecto estudia&#173;do de una manera independiente y conocer el valor predictivo de cada uno de ellos o bien del modelo en su conjunto&#46; Pero hay que ser conscientes de que son una herramienta m&#225;s en el m&#233;todo cient&#237;fico y que no subsanan problemas de dise&#241;o del estudio&#46; Su uso&#44; cada vez m&#225;s frecuente debe ir precedido de una reflexi&#243;n cr&#237;tica tanto de la elecci&#243;n de las variables incluidas en el modelo como del an&#225;lisis de sus resultados&#46;</p>"
      ]
    ]
    "multimedia" => array:3 [
      0 => array:7 [
        "identificador" => "tbl1"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "copyright" => "Elsevier Espa&#241;a"
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:1 [
              "tablaImagen" => array:1 [
                0 => array:4 [
                  "imagenFichero" => "10242108_tabla1.jpg"
                  "imagenAlto" => 1620
                  "imagenAncho" => 4130
                  "imagenTamanyo" => 479419
                ]
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "Resultados del modelo de regresi&#243;n log&#237;stica"
        ]
      ]
      1 => array:7 [
        "identificador" => "tbl2"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "copyright" => "Elsevier Espa&#241;a"
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:1 [
              "tablaImagen" => array:1 [
                0 => array:4 [
                  "imagenFichero" => "10242108_tabla2.jpg"
                  "imagenAlto" => 757
                  "imagenAncho" => 2124
                  "imagenTamanyo" => 143838
                ]
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "Estimaci&#243;n del riesgo para enfermedad coronaria"
        ]
      ]
      2 => array:7 [
        "identificador" => "tbl3"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "copyright" => "Elsevier Espa&#241;a"
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:1 [
              "tablaImagen" => array:1 [
                0 => array:4 [
                  "imagenFichero" => "10242108_tabla3.jpg"
                  "imagenAlto" => 1081
                  "imagenAncho" => 2036
                  "imagenTamanyo" => 150871
                ]
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "de clasificaci&#243;n del modelo de regresi&#243;n log&#237;stica&#42;"
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/02116995/0000002000000006/v0_201502091353/X0211699500035664/v0_201502091353/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "35364"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Estadísticas"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/X0211699500035664?idApp=UINPBA000064"
]
Compartir
Información de la revista

Estadísticas

Siga este enlace para acceder al texto completo del artículo

La regresión logística: una herramienta versátil
Mª Dolores Fiuza Péreza, J. C.. Rodríguez Pérezb
a Unidad de Investigación de Epidemiología, Hospital de Gran Canaria Dr. Negrín, Las Palmas de Gran Canaria, Islas Canarias, España,
b Unidad de Investigación de Nefrología, Hospital de Gran Canaria Dr. Negrín, Las Palmas de Gran Canaria, Islas Canarias, España,
Leído
137457
Veces
se ha leído el artículo
1344
Total PDF
136113
Total HTML
Compartir estadísticas
 array:19 [
  "pii" => "X0211699500035664"
  "issn" => "02116995"
  "doi" => " "
  "estado" => "S300"
  "fechaPublicacion" => "2000-12-01"
  "documento" => "article"
  "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
  "subdocumento" => "fla"
  "cita" => "Nefrologia. 2000;20:495-500"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:2 [
    "total" => 50829
    "formatos" => array:3 [
      "EPUB" => 271
      "HTML" => 49878
      "PDF" => 680
    ]
  ]
  "itemSiguiente" => array:16 [
    "pii" => "X0211699500035648"
    "issn" => "02116995"
    "doi" => " "
    "estado" => "S300"
    "fechaPublicacion" => "2000-12-01"
    "documento" => "article"
    "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
    "subdocumento" => "fla"
    "cita" => "Nefrologia. 2000;20:501-9"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 15780
      "formatos" => array:3 [
        "EPUB" => 189
        "HTML" => 15283
        "PDF" => 308
      ]
    ]
    "es" => array:7 [
      "idiomaDefecto" => true
      "titulo" => "Hipertensi&#243;n arterial maligna e insuficiencia renal aguda por consumo de coca&#237;na"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "501"
          "paginaFinal" => "509"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig1"
          "etiqueta" => "Fig. 1"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "copyright" => "Elsevier Espa&#241;a"
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "10243108_fig1.jpg"
              "Alto" => 762
              "Ancho" => 1458
              "Tamanyo" => 394441
            ]
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "&#193;ngel Rodr&#237;guez Jornet, M. Garc&#237;a Garc&#237;a, F. J. Andreu Navarro, D. de Mendoza Asensi, A. Carvajal D&#237;az, M. Sala Rod&#243;, M. Cervantes Garc&#237;a"
          "autores" => array:7 [
            0 => array:2 [
              "nombre" => "&#193;ngel"
              "apellidos" => "Rodr&#237;guez Jornet"
            ]
            1 => array:2 [
              "Iniciales" => "M."
              "apellidos" => "Garc&#237;a Garc&#237;a"
            ]
            2 => array:2 [
              "Iniciales" => "F. J."
              "apellidos" => "Andreu Navarro"
            ]
            3 => array:2 [
              "Iniciales" => "D."
              "apellidos" => "de Mendoza Asensi"
            ]
            4 => array:2 [
              "Iniciales" => "A."
              "apellidos" => "Carvajal D&#237;az"
            ]
            5 => array:2 [
              "Iniciales" => "M."
              "apellidos" => "Sala Rod&#243;"
            ]
            6 => array:2 [
              "Iniciales" => "M."
              "apellidos" => "Cervantes Garc&#237;a"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/X0211699500035648?idApp=UINPBA000064"
    "url" => "/02116995/0000002000000006/v0_201502091353/X0211699500035648/v0_201502091353/es/main.assets"
  ]
  "itemAnterior" => array:16 [
    "pii" => "X0211699500035672"
    "issn" => "02116995"
    "doi" => " "
    "estado" => "S300"
    "fechaPublicacion" => "2000-12-01"
    "documento" => "article"
    "licencia" => "http://www.elsevier.com/open-access/userlicense/1.0/"
    "subdocumento" => "fla"
    "cita" => "Nefrologia. 2000;20:486-94"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:2 [
      "total" => 82650
      "formatos" => array:3 [
        "EPUB" => 273
        "HTML" => 81883
        "PDF" => 494
      ]
    ]
    "es" => array:7 [
      "idiomaDefecto" => true
      "titulo" => "Fisiolog&#237;a molecular del mecanismo de concentraci&#243;n urinario&#44; papel de las aquaporinas renales"
      "tieneTextoCompleto" => "es"
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "486"
          "paginaFinal" => "494"
        ]
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:8 [
          "identificador" => "fig1"
          "etiqueta" => "Fig. 1"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "copyright" => "Elsevier Espa&#241;a"
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "10241108_fig1.jpg"
              "Alto" => 3299
              "Ancho" => 1943
              "Tamanyo" => 356941
            ]
          ]
          "descripcion" => array:1 [
            "es" => "Medidas de la osmolaridad del fluido tubular en diferen&#173;tes lugares del t&#250;bulo renal en situaciones de niveles altos &#40;&#8593;&#41; y bajos &#40;&#8595;&#41; de vasopresina circulante&#46;"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => "Patricia Fern&#225;ndez-Llama"
          "autores" => array:1 [
            0 => array:2 [
              "nombre" => "Patricia"
              "apellidos" => "Fern&#225;ndez-Llama"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/X0211699500035672?idApp=UINPBA000064"
    "url" => "/02116995/0000002000000006/v0_201502091353/X0211699500035672/v0_201502091353/es/main.assets"
  ]
  "es" => array:10 [
    "idiomaDefecto" => true
    "titulo" => "La regresi&#243;n log&#237;stica&#58; una herramienta vers&#225;til"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "495"
        "paginaFinal" => "500"
      ]
    ]
    "autores" => array:1 [
      0 => array:3 [
        "autoresLista" => "M&#170; Dolores Fiuza P&#233;rez, J. C. Rodr&#237;guez P&#233;rez"
        "autores" => array:2 [
          0 => array:4 [
            "nombre" => "M&#170; Dolores"
            "apellidos" => "Fiuza P&#233;rez"
            "email" => array:1 [
              0 => "fiuza&#64;correo&#46;hpino&#46;rcanaria&#46;es"
            ]
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">a</span>"
                "identificador" => "affa"
              ]
            ]
          ]
          1 => array:3 [
            "Iniciales" => "J. C."
            "apellidos" => "Rodr&#237;guez P&#233;rez"
            "referencia" => array:1 [
              0 => array:2 [
                "etiqueta" => "<span class="elsevierStyleSup">b</span>"
                "identificador" => "affb"
              ]
            ]
          ]
        ]
        "afiliaciones" => array:2 [
          0 => array:3 [
            "entidad" => "Unidad de Investigación de Epidemiología, Hospital de Gran Canaria Dr. Negrín, Las Palmas de Gran Canaria, Islas Canarias, España, "
            "etiqueta" => "<span class="elsevierStyleSup">a</span>"
            "identificador" => "affa"
          ]
          1 => array:3 [
            "entidad" => "Unidad de Investigación de Nefrología, Hospital de Gran Canaria Dr. Negrín, Las Palmas de Gran Canaria, Islas Canarias, España, "
            "etiqueta" => "<span class="elsevierStyleSup">b</span>"
            "identificador" => "affb"
          ]
        ]
      ]
    ]
    "textoCompleto" => "<p class="elsevierStylePara"><span class="elsevierStyleBold">INTRODUCCI&#211;N</span></p><p class="elsevierStylePara">Con el nombre de modelos de regresi&#243;n se in&#173;cluyen un conjunto de t&#233;cnicas estad&#237;sticas que tra&#173;tan de explicar c&#243;mo se modifica la variable de&#173;pendiente o resultado&#44; cuando cambian otra u otras variables&#44; denominadas independientes o predicto&#173;ras&#46; Lo que caracteriza en principio a las distintas clases de modelos de regresi&#243;n es la naturaleza de la variable dependiente&#59; as&#237;&#44; con variables continuas la clase de modelos de regresi&#243;n lineal es la m&#225;s utilizada&#59; con variables dicot&#243;micas lo es el mode&#173;lo de regresi&#243;n log&#237;stica&#46;</p><p class="elsevierStylePara">La regresi&#243;n log&#237;stica &#40;RL&#41; es uno de los instru&#173;mentos estad&#237;sticos m&#225;s expresivos y vers&#225;tiles de que se dispone para el an&#225;lisis de datos en cl&#237;nica y epidemiolog&#237;a<span class="elsevierStyleSup">1</span>&#46; Su origen se remonta a la d&#233;cada de los sesenta &#40;Confield&#44; Gordon y Smith 1961&#41;&#59; su uso se universaliza y expande desde principios de los ochenta debido&#44; especialmente&#44; a las facilidades inform&#225;ticas con que se cuenta desde entonces&#46; En los &#250;ltimos a&#241;os se ha verificado una presencia muy marcada de esta t&#233;cnica&#44; tanto en la literatura orien&#173;tada a tratar temas metodol&#243;gicos como en los art&#237;&#173;culos cient&#237;ficos biom&#233;dicos&#46; Fiel reflejo de esta tendencia&#44; es que el empleo de la RL supon&#237;a el 32&#37; de los art&#237;culos publicados por <span class="elsevierStyleItalic">American Journal of </span><span class="elsevierStyleItalic">Epidemiology </span>de 1986 a 1990 y el 68&#37; de los que aparecieron en el mencionado quinquenio en <span class="elsevierStyleItalic">New </span><span class="elsevierStyleItalic">England Journal of Medicine&#44; </span>con lo cual qued&#243; ubi&#173;cada en el quinto puesto&#44; solo superada por cuatro t&#233;cnicas convencionales&#58; <span class="elsevierStyleItalic">t </span>de Student&#44; prueba Chi-cuadrado&#44; an&#225;lisis de la varianza y prueba de Fis&#173;her<span class="elsevierStyleSup">2</span>&#46;</p><p class="elsevierStylePara">En nuestro pa&#237;s&#44; la evaluaci&#243;n de los art&#237;culos pu&#173;blicados en <span class="elsevierStyleItalic">Medicina Cl&#237;nica </span>entre 1962 y 1992 re&#173;fleja una escasa utilizaci&#243;n de los an&#225;lisis multiva&#173;riantes<span class="elsevierStyleSup">3 </span>aunque se aprecia una tendencia al alza<span class="elsevierStyleSup">4&#44;5</span></p><p class="elsevierStylePara">Similar tendencia hemos observado al revisar los ar&#173;t&#237;culos originales de <span class="elsevierStyleItalic">Nefrolog&#237;a </span>de 1993 a 1999&#44; apreci&#225;ndose que los an&#225;lisis de regresi&#243;n log&#237;stica s&#243;lo se emplearon en el a&#241;o 99 &#40;3 art&#237;culos&#41;&#44; si bien analizando este mismo a&#241;o &#40;38 art&#237;culos&#41; el 73&#44;6&#37; utilizan exclusivamente modelos estad&#237;sticos univariantes frente a un 26&#44;3&#37; que realizan an&#225;lisis mul&#173;tivariante&#46; De estos &#250;ltimos&#44; el 60&#37; se centra en m&#233;todos de supervivencia&#46; En general&#44; parece obser&#173;varse la popularizaci&#243;n del uso de diversos an&#225;lisis multivariantes&#44; como la regresi&#243;n log&#237;stica&#44; la regre&#173;si&#243;n de Cox y otros an&#225;lisis de supervivencia&#46;</p><p class="elsevierStylePara">El conocimiento de estas t&#233;cnicas permitir&#237;a al lec&#173;tor la compresi&#243;n de los art&#237;culos publicados en re&#173;vistas m&#233;dicas&#44; con el fin de obtener el m&#225;ximo be&#173;neficio de la lectura y ser capaz de evaluar el m&#233;rito&#44; validez y las conclusiones de la investigaci&#243;n publi&#173;cada y posteriormente&#44; decidir si las mismas son apli&#173;cables a su propia pr&#225;ctica y experiencia&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">&#191;QU&#201; ES LA REGRESI&#211;N LOG&#205;STICA&#63;</span></p><p class="elsevierStylePara">Los m&#233;todos de regresi&#243;n de variable dependien&#173;te cualitativa abarcan diferentes modelos que tratan de explicar y predecir una caracter&#237;stica cualitativa a partir de los datos de otras variables conocidas&#44; bien cuantitativas o cualitativas que act&#250;an como va&#173;riables explicativas<span class="elsevierStyleSup">6</span>&#46;</p><p class="elsevierStylePara">La caracter&#237;stica que se quiere explicar puede ser&#58; <span class="elsevierStyleItalic">a&#41; </span>una cualidad que puede &#250;nicamente tomar dos modalidades &#40;modelos binomiales&#41;&#44; son las m&#225;s frecuentemente utilizadas&#44; <span class="elsevierStyleItalic">b&#41; </span>una cualidad que puede tomar m&#225;s de dos modalidades diferentes&#44; exhausti&#173;vas y mutuamente excluyentes &#40;modelos multinomiales&#41;&#44; <span class="elsevierStyleItalic">c&#41; </span>una caracter&#237;stica con varias modalidades que presentan entre ellas un orden natural &#40;modelos ordenados&#41; y <span class="elsevierStyleItalic">d&#41; </span>la caracter&#237;stica a explicar corres&#173;ponde a una decisi&#243;n que puede suponer decisio&#173;nes encadenadas &#40;modelos anidados&#41;&#46;</p><p class="elsevierStylePara">Como es conocido&#44; el concepto de regresi&#243;n hace referencia a la ley experimental o f&#243;rmula matem&#225;&#173;tica que traduce la relaci&#243;n entre variables correlacionadas&#46; Generalmente cuando se quiere poner una variable en funci&#243;n de otra &#40;o de otras&#41;&#44; se acude al bien conocido recurso de la regresi&#243;n lineal &#40;simple o m&#250;ltiple&#41;&#46; Esta funci&#243;n utiliza normalmente el m&#233;&#173;todo de m&#237;nimos cuadrados y funciona fluidamente desde el punto de vista aritm&#233;tico&#46;</p><p class="elsevierStylePara">Pero cuando la variable a explicar s&#243;lo puede tomar dos valores&#44; es decir&#44; la ocurrencia o no de un cierto proceso&#44; al evaluar la funci&#243;n para valo&#173;res espec&#237;ficos de las variables independientes se ob&#173;tendr&#225; un n&#250;mero que ser&#225; diferente de 1 y de O &#40;los valores posibles de la variable dependiente&#41;&#44; lo cual carece de todo sentido&#46; En este caso&#44; la regre&#173;si&#243;n lineal debe ser descartada&#44; en cambio la RL se ajusta adecuadamente a esta situaci&#243;n&#46;</p><p class="elsevierStylePara">Mediante la RL se pretende es la <span class="elsevierStyleItalic">probabilidad </span>de que ocurra el hecho en cuesti&#243;n como funci&#243;n de ciertas variables que se presumen relevantes o in&#173;fluyentes&#46; Por lo tanto&#44; la RL consiste en obtener una <span class="elsevierStyleItalic">funci&#243;n log&#237;stica </span>de las variables independientes que permita clasificar a los individuos en una de las dos subpoblaciones o grupos establecidos por los dos va&#173;lores de la variable dependiente&#46;</p><p class="elsevierStylePara">La funci&#243;n log&#237;stica es aquella que halla&#44; para cada individuo seg&#250;n los valores de una serie de variables &#40;X<span class="elsevierStyleInf">i</span>&#41;&#44; la probabilidad &#40;p&#41; de que presente el efecto es&#173;tudiado&#46; Una transformaci&#243;n logar&#237;tmica de dicha ecuaci&#243;n&#44; a la que se le llama <span class="elsevierStyleItalic">logit&#44; </span>consiste en con&#173;vertir la probabilidad &#40;p&#41; en <span class="elsevierStyleItalic">odds&#46; </span>De aqu&#237; surge la ecuaci&#243;n de la regresi&#243;n log&#237;stica&#44; que es parecida a la ecuaci&#243;n de la regresi&#243;n lineal m&#250;ltiple&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">&#191;D&#211;NDE Y CU&#193;NDO APLICARLA&#63;</span></p><p class="elsevierStylePara">La RL se utiliza cuando queremos investigar si una o varias variables explican una variable dependien&#173;te que toma un car&#225;cter cualitativo&#46; Este hecho es muy frecuente en medicina ya que constantemente intentamos dar respuesta a preguntas formuladas en base a la presencia o ausencia de una determinada caracter&#237;stica que no es cuantificable sino que re&#173;presenta la existencia o no de un efecto de inter&#233;s&#44; como por ejemplo el desarrollo de un &#171;evento cardiovascular&#187;&#44; &#171;un paciente hospitalizado muere o no antes del alta&#187;&#44; &#171;se produce o no un reingreso&#187;&#44; &#171;un paciente desarrolla o no nefropat&#237;a diab&#233;tica&#187;&#44; etc&#46; Una de las ventajas de la RL es que permite el ma&#173;nejo de m&#250;ltiples variables independientes &#40;tambi&#233;n llamadas covariables&#41; con un n&#250;mero reducido de casos<span class="elsevierStyleSup">1</span>&#46; Freeman &#40;1987&#41; ha sugerido que el n&#250;mero de sujetos debe ser superior a &#40;10&#41;&#40;k&#43;1&#41;&#44; donde k es el n&#250;mero de covariables&#46; Pero hay que tener en cuenta que el tama&#241;o de la muestra necesaria es in&#173;herente al tipo de estudio que se realiza&#46;</p><p class="elsevierStylePara">Como hemos mencionado anteriormente la RL tiene una doble funci&#243;n&#58; explicativa y predictiva&#46;</p><p class="elsevierStylePara">Podemos usarla con finalidad descriptiva siendo po&#173;sible ofrecer una descripci&#243;n elocuente y &#250;til&#44; ba&#173;s&#225;ndonos en una informaci&#243;n reducida&#59; un ejemplo cl&#225;sico es cuando la probabilidad que se estima puede interpretarse como una tasa de prevalencia o de incidencia que dependa de una variable conti&#173;nua&#46; Aunque hay estudios que ejemplarizan este en&#173;foque hay que reconocer que esta variante ha sido poco explotada<span class="elsevierStyleSup">1</span>&#46;</p><p class="elsevierStylePara">Su utilizaci&#243;n en la predicci&#243;n es el uso m&#225;s fre&#173;cuente y extendido&#44; enmarcado en los diferentes tipos de estudios&#44; ya sean t&#237;picamente prospectivos con finalidad pron&#243;stica &#40;epidemiolog&#237;a cl&#237;nica&#41;&#44; estudios prospectivos con finalidad anal&#237;tica &#40;cohortes&#41;&#44; estu&#173;dios caso-control &#40;riesgo atribuible&#41; y en los ensayos cl&#237;nicos&#46; Quisi&#233;ramos en este punto resaltar que la RL es un instrumento muy &#250;til para facilitar el tratamiento cuantitativo de los datos pero no podemos aislarlo del dise&#241;o del estudio&#44; so pena de cometer errores que nos conducir&#237;an a conclusiones err&#243;neas&#46;</p><p class="elsevierStylePara">Hay que destacar que adem&#225;s de predecir riesgos&#44; la RL puede servir para estimar la fuerza de la aso&#173;ciaci&#243;n de cada factor de riesgo de una manera independiente&#44; es decir&#44; eliminando la posibilidad de que un factor confunda el efecto de otro<span class="elsevierStyleSup">7</span>&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">&#191;C&#211;MO INTERPRETARLA&#63;</span></p><p class="elsevierStylePara">No es pretensi&#243;n de este art&#237;culo desarrollar en pro&#173;fundidad todas las posibilidades de interpretaci&#243;n de los resultados ya que existen numerosos manuales pu&#173;blicados al efecto<span class="elsevierStyleSup">8&#44;9</span>&#46; Pero s&#237; acercarnos a los par&#225;&#173;metros que contengan una mayor utilidad cl&#237;nica&#46;</p><p class="elsevierStylePara">Cuando realizamos una RL lo que pretendemos es estimar los par&#225;metros de la ecuaci&#243;n &#40;&#946;<span class="elsevierStyleInf">0</span>&#44; &#946;<span class="elsevierStyleInf">1</span>&#44; &#946;<span class="elsevierStyleInf">2</span>&#44;&#46;&#46;&#46;&#946;<span class="elsevierStyleInf">k</span>&#41; de la funci&#243;n que pretendemos evaluar&#58;</p><p class="elsevierStylePara">Z &#61;&#946;<span class="elsevierStyleInf">0</span> &#43; &#946;<span class="elsevierStyleInf">1</span>X<span class="elsevierStyleInf">1</span> &#43; &#946;<span class="elsevierStyleInf">2</span>X<span class="elsevierStyleInf">2</span> &#43;&#46;&#46;&#46; &#43;&#946;<span class="elsevierStyleInf">k</span>X<span class="elsevierStyleInf">k</span></p><p class="elsevierStylePara">Donde Z es el logaritmo neperiano &#40;Ln&#41; de la odds de padecer la enfermedad&#44; el desenlace o el resulta&#173;do que se est&#225; estudiando&#59; &#946;<span class="elsevierStyleInf">0</span> es la ordenada en el origen de la funci&#243;n de regresi&#243;n&#44; &#946;<span class="elsevierStyleInf">1&#44; </span>&#946;<span class="elsevierStyleInf">2&#44;</span><span class="elsevierStyleItalic"><span class="elsevierStyleInf">&#46;&#46;&#46;</span></span>&#946;<span class="elsevierStyleInf">k</span> repre&#173;sentan los coeficientes de la pendiente de la recta y X<span class="elsevierStyleInf">1</span>&#44;X<span class="elsevierStyleInf">2</span>&#44;&#46;&#46;&#46;X<span class="elsevierStyleInf">k</span> son las variables independientes o factores de riesgo&#46; Si nuestros datos se ajustan de mane&#173;ra satisfactoria a este modelo&#44; tendremos la suerte de poder explicar la relaci&#243;n entre las variables inde&#173;pendientes y la respuesta de una manera muy sen&#173;cilla&#46; Los coeficientes &#946;<span class="elsevierStyleInf">i</span> expresan el logaritmo nepe&#173;riano del odds ratio &#40;OR&#41; para cada factor de riesgo X<span class="elsevierStyleInf">i</span>&#46; Por tanto el OR se estima a partir de la f&#243;rmula&#58;</p><p class="elsevierStylePara">OR &#61; antilog &#40;&#946;<span class="elsevierStyleInf">i</span>&#41; &#61; e<span class="elsevierStyleSup">&#946;i</span></p><p class="elsevierStylePara">Una vez que hemos construido nuestro modelo de RL&#44; debemos primero analizar los coeficientes de regresi&#243;n &#40;&#946;<span class="elsevierStyleInf">i</span>&#41; de cada variable independiente para obtener sus OR y luego confeccionar el valor predictivo de cada variable independiente o bien del modelo en su conjunto&#46;</p><p class="elsevierStylePara">Con el siguiente ejemplo pr&#225;ctico&#44; intentaremos aproximarnos a estos conceptos&#46; Consideremos un modelo de regresi&#243;n log&#237;stica para analizar la probabilidad de desarrollar enfermedad coronaria o no&#44; en base a la contribuci&#243;n de los siguientes factores de riesgo&#58; fumador&#44; diab&#233;tico&#44; hipertenso&#44; raz&#243;n co&#173;lesterol&#47;hdl colesterol &#62; 5 y presentar insuficiencia renal&#44; medida por el aclaramiento de creatinina &#40;FG&#41;&#46;</p><p class="elsevierStylePara">Ahora nos plantearemos dos objetivos&#58;</p><p class="elsevierStylePara">1&#186;&#46;<span class="elsevierStyleItalic"> Conocer la fuerza de asociaci&#243;n&#44; </span>a trav&#233;s de los OR&#44; de cada uno de los factores de riesgo con el efecto estudiado de una manera independiente&#44; es decir&#44; eliminando la posibilidad de que un factor confunda el efecto de otro&#46;</p><p class="elsevierStylePara">Una vez obtenidos los coeficientes de regresi&#243;n log&#237;stica &#40;&#946;<span class="elsevierStyleInf">i</span> &#61; &#946;&#41; de cada una de las variables del modelo &#40;tabla I&#41;&#44; lo que tenemos es Ln &#40;OR&#41; del ser fumador &#40;1&#44;075&#41;&#44; diab&#233;tico &#40;1&#44;4762&#41;&#44; etc&#46;&#44; ya que como sabemos B<span class="elsevierStyleInf">i</span> &#61; Ln &#40;OR&#41;&#46;</p><p class="elsevierStylePara">Para saber la fuerza de asociaci&#243;n &#40;medida en OR&#41; de la enfermedad coronaria con las variables in&#173;cluidas en el modelo de RL&#44; s&#243;lo necesitamos cal&#173;cular su antilogaritmo&#44; o lo que es lo mismo hallar su exponencial&#44; ya que</p><p class="elsevierStylePara">OR &#61; antilog &#40;&#946;<span class="elsevierStyleInf">i</span>&#41; &#61; e<span class="elsevierStyleSup">&#946;i</span></p><p class="elsevierStylePara">Hoy en d&#237;a est&#225;n disponibles diversos paquetes estad&#237;sticos &#40;SAS&#44; LIMDEP&#44; SPSS&#41; que facilitan estos c&#225;lculos&#46; Uno de los m&#225;s utilizados es el SPSS al que haremos referencia en cuanto a sus salidas en este art&#237;culo&#46; Este programa nos permite obtener los coeficientes de regresi&#243;n &#946;<span class="elsevierStyleInf">i</span> &#40;B&#41;&#44; los errores est&#225;n&#173;dar de los coeficientes &#40;SE&#41;&#44; el nivel de significa&#173;ci&#243;n &#40;Sig&#41; de cada coeficiente a trav&#233;s del estad&#237;s&#173;tico de Wald &#91;testa la hip&#243;tesis de si los coeficientes son iguales a O&#44; si sigue una distribuci&#243;n &#935;<span class="elsevierStyleSup">2</span> con sus grados de libertad &#40;df&#41;&#93;&#44; el coeficiente de co&#173;rrelaci&#243;n parcial &#40;R&#41; que es una forma de ver la in&#173;fluencia de cada una de las variables indepen&#173;dientes por separado con la variable dependiente&#44; y los exponenciales de los coeficientes &#91;Exp &#40;B&#41;&#93; que como sabemos son los OR de cada variable independiente con sus intervalos de confianza al 95&#37; o al nivel que nosotros previamente hallamos estipulado &#40;tabla I&#41;&#46;</p><p class="elsevierStylePara">De esta manera sabremos que el riesgo de pade&#173;cer una enfermedad coronaria es 4&#44;3 veces mayor si se es diab&#233;tico que si no se es&#44; 2&#44;9 por ser fu&#173;mador o 1&#44;9 por ser hipertenso&#46; Hay que recalcar que los valores de los OR est&#225;n ajustados&#44; es decir&#44; se elimina la posibilidad de que un factor confunda el efecto de otro &#40;tabla II&#41;&#46;</p><p class="elsevierStylePara">2&#186;&#46;<span class="elsevierStyleItalic"> Confeccionar el valor predictivo </span>de cada va&#173;riable independiente o bien del modelo en su con&#173;junto&#46;</p><p class="elsevierStylePara">Siguiendo el ejemplo anterior&#44; abordaremos ahora como obtener el valor predictivo del riesgo asocia&#173;do a padecer una enfermedad coronaria&#44; para ello partiremos de la ecuaci&#243;n siguiente&#58;</p><p class="elsevierStylePara">Z &#61; &#946;<span class="elsevierStyleInf">0</span> &#43; &#946;<span class="elsevierStyleInf">i</span>X<span class="elsevierStyleInf">i</span> &#43; &#946;<span class="elsevierStyleInf">2</span>X<span class="elsevierStyleInf">2</span>&#46;&#46;&#46; &#43; &#946;<span class="elsevierStyleInf">k</span>X<span class="elsevierStyleInf">k</span></p><p class="elsevierStylePara">Z &#61; Ln &#40;odds&#41;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; -2&#44;1187 &#43; &#40;0&#44;6483 X hipertensi&#243;n&#41; &#43; &#40;1&#44;4762 X diabetes&#41; &#43; &#40;1&#44;0751 X tabaco&#41; &#43; &#40;0&#44;4163 X Col&#47;HDL-col &#62; 5&#41; &#43; &#40;0&#44;5794 X FG &#60; 10&#41;</p><p class="elsevierStylePara">La primera cifra corresponde a la constante del modelo &#40;&#946;<span class="elsevierStyleInf">0</span>&#41; y las variables independientes &#40;X<span class="elsevierStyleInf">i</span>&#41; ser hipertenso &#40;S&#237;&#61;1&#44; No&#61;0&#41;&#44; ser diab&#233;tico &#40;S&#237;&#61;1&#44; No&#61;0&#41;&#44; ser fumador &#40;S&#237;&#61;1&#44; No&#61;0&#41;&#44; tener una raz&#243;n colesterol total &#47; HDL colesterol mayor de 5 &#40;S&#237;&#61;1&#44; No&#61;0&#41; y un aclaramiento de creatinina menor de 10 ml&#47;min &#40;S&#237;&#61;1&#44; No&#61;0&#41; para un indivisuo que re&#250;na todas estas condiciones tendremos&#58;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; -2&#44;1187 &#43; &#40;0&#44;6483 x 1&#41; &#43; &#40;1&#44;4762 x 1&#41; &#43; &#40;1&#44;0751 x 1&#41; &#43; &#40;0&#44;4163 x 1&#41; &#43; &#40;0&#44;5194 x 1&#41;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; 2&#44;0166</p><p class="elsevierStylePara">Odds &#61; antilog &#40;2&#44;0166&#41; &#61; e<span class="elsevierStyleSup">2&#44;0166</span> &#61; 7&#44;5127</p><p class="elsevierStylePara">p &#61; odds &#47; 1 &#43; odds</p><p class="elsevierStylePara">p &#61; 7&#44;5127 &#47; 8&#44;5127 &#61; 0&#44;8825</p><p class="elsevierStylePara">&#160;</p><p class="elsevierStylePara">La ecuaci&#243;n predice un riesgo del 88&#44;2&#37; de pade&#173;cer una enfermedad coronaria en aquellos pacientes que presenten hipertensi&#243;n&#44; diabetes&#44; fumen&#44; tengan una raz&#243;n colesterol total&#47;HDL-colesterol mayor de 5 y un aclaramiento de creatinina menor de 10 ml&#47;min&#46;</p><p class="elsevierStylePara">Pero si solo presenta el riesgo de tener un aclaramiento de creatinina menor de 10 ml&#47;min ser&#237;a de 16&#44;8&#37; y si s&#243;lo fuera diab&#233;tico la probabilidad de padecer una enfermedad coronaria ascender&#237;a al 34&#44;4&#37;&#46;</p><p class="elsevierStylePara">Ln &#40;odds&#41;<span class="elsevierStyleInf">GFR &#60; 10</span> &#61; -2&#44;1187 &#43; &#40;0&#44;6483 x 0&#41; &#43; &#40;1&#44;4762 x 0&#41; &#43; &#40;1&#44;075 x 0&#41; &#43;&#40; 0&#44;4163 x 0&#41; &#43; &#40;0&#44;5194 x 1&#41;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; -2&#44;1187 &#43; 0&#44;5194 &#61; -1&#44;5993</p><p class="elsevierStylePara">Odds &#61; antilog &#40;-1&#44;5993&#41; &#61; e<span class="elsevierStyleSup">-1&#44;5993</span> &#61; 0&#44;2020</p><p class="elsevierStylePara">p &#61; odds &#47; 1 &#43; odds</p><p class="elsevierStylePara">p &#61; 0&#44;2020 &#47; 1&#44;2020 &#61; 0&#44;1680</p><p class="elsevierStylePara">Ln &#40;Odds&#41;<span class="elsevierStyleInf">Diabetes</span> -2&#44;1187 &#43; &#40;0&#44;6483 x 0&#41; &#43; &#40;1&#44;4762 x 1&#41; &#43; &#40;1&#44;0751 x 0&#41; &#43; &#40;0&#44;4163 x 0&#41; &#43; &#40;0&#44;51940&#41;</p><p class="elsevierStylePara">Ln &#40;odds&#41; &#61; -2&#44;1187 &#43; 1&#44;4762 &#61; -0&#44;6425</p><p class="elsevierStylePara">Odds &#61; antilog &#40;-0&#44;6425&#41; &#61; e<span class="elsevierStyleSup">-0&#44;6425</span> &#61; 0&#44;5259</p><p class="elsevierStylePara">p &#61; odds &#47; 1 &#43; odds</p><p class="elsevierStylePara">p &#61; 0&#44;5259&#47;1&#44;5259 &#61; 0&#44;3446</p><p class="elsevierStylePara">En el ejemplo propuesto todas las variables inde&#173;pendientes son categ&#243;ricas&#44; pero es frecuente su combinaci&#243;n con variables continuas&#44; siendo su c&#225;lcu&#173;lo el mismo&#44; salvo que multiplicar&#237;amos por el valor del factor de riesgo considerado &#40;colesterol mg&#47;dl&#44; edad en a&#241;os&#44; peso en kg&#44; etc&#46;&#41;&#46;</p><p class="elsevierStylePara">Hemos analizado dentro de la RL como interpre&#173;tar los coeficientes de regresi&#243;n desde la perspectiva anglosajona&#44; a trav&#233;s de los odds asociados a cierto suceso &#40;el riesgo de padecer una enfermedad coro&#173;naria siendo diab&#233;tico es de 4&#44;3&#41; y desde la pers&#173;pectiva del mundo latino&#44; calculando la probabilidad de ocurrencia de un suceso &#40;la probabilidad de su&#173;frir una enfermedad coronaria siendo diab&#233;tico es del 34&#44;4&#37;&#41;&#46; De modo que ambas informaciones son equivalentes y expresan la misma noci&#243;n&#58; cuantifi&#173;can cu&#225;n probable es que algo ocurra&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">PRECAUCIONES</span></p><p class="elsevierStylePara">La RL como otras t&#233;cnicas cuantitativas&#44; y m&#225;s desde la generalizaci&#243;n del uso de potentes paque&#173;tes estad&#237;sticos&#44; presentan el riesgo de que sean utilizadas de manera acr&#237;tica y muchas veces sin que el usuario comprenda totalmente lo que hace<span class="elsevierStyleSup">1</span>&#46; Por ello resaltaremos la importancia de la selecci&#243;n del modelo de RL&#44; la necesidad de evaluar el modelo viendo los criterios de ajuste del mismo&#44; el manejo de variables dummy y los problemas relativos a la colinearidad de las variables estudiadas&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Selecci&#243;n del modelo&#46; </span>Existen varios procedi&#173;mientos de selecci&#243;n de variables en la RL &#40;simila&#173;res en cualquier tipo de regresi&#243;n multivariada&#41;&#46; El m&#225;s usado es el de la regresi&#243;n paso a paso &#40;Step&#173;wise Regression&#41; que consiste en construir modelos sucesivos que difieren del precedente en una sola variable e ir compar&#225;ndolos&#46; El criterio de entrada o salida en el modelo es la significaci&#243;n estad&#237;stica del coeficiente de regresi&#243;n&#46; Las dos variantes fun&#173;damentales del procedimiento son ir a&#241;adiendo va&#173;riables &#40;Forward Stepwise&#41; o ir eliminando variables &#40;Backward Stepwise&#41;&#44; las variables van saliendo del modelo tambi&#233;n una a una&#44; pero a partir del mo&#173;delo inicial en el que todas ellas est&#225;n incluidas&#46;</p><p class="elsevierStylePara">La elecci&#243;n del modelo va a depender del tipo de estudio&#44; pero es preciso recordar el concepto de &#171;va&#173;riables relevantes&#187;&#46; El modelo de RL que nos planteamos al realizar un estudio de investigaci&#243;n ana&#173;l&#237;tico debe pasar necesariamente por una reflexi&#243;n de que variables incluidas en nuestro trabajo explican la variable dependiente objeto de nuestro inte&#173;r&#233;s&#46; Y esto no pasa exclusivamente por un proceso de elecci&#243;n estad&#237;stica&#44; ya que esta t&#233;cnica no distingue entre asociaciones de &#237;ndole causal y las de&#173;bidas a otros factores&#44; incluso a las debidas a ses&#173;gos en el estudio<span class="elsevierStyleSup">10-12</span></p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Criterios de ajuste&#46; </span>Al realizar cualquier modelo de regresi&#243;n&#44; es preciso antes de sacar conclusiones corroborar que este modelo se ajusta efectivamente a los datos&#46; Existen varios m&#233;todos&#58; la tabla de cla&#173;sificaci&#243;n&#44; la verosimilitud &#40;-2 Log Likelihood&#41;&#44; o el estad&#237;stico de Goodness of Fit&#46;</p><p class="elsevierStylePara">Quiz&#225; el m&#225;s intuitivo es la tabla de clasificaci&#243;n que consiste en verificar qu&#233; porcentaje de individuos clasifica correctamente el modelo&#46; Veamos un ejemplo &#40;tabla III&#41;&#58; tenemos un total de 599 individuos&#59; de los 291 que sufren una enfermedad coronaria el sis&#173;tema clasifica correctamente a 198 &#40;verdaderos posi&#173;tivos&#41; que suponen un porcentaje de clasificaci&#243;n co&#173;rrecta del 68&#44;04&#37; &#40;sensibilidad del modelo&#41;&#59; de los 308 que no padecen una enfermedad coronaria clasi&#173;fica correctamente a 226 &#40;verdaderos negativos&#41; lo que supone un 73&#44;38&#37; &#40;especificidad del modelo&#41;&#46; En total 424 &#40;verdaderos positivos m&#225;s verdaderos negativos&#41; son clasificados correctamente por el modelo&#44; lo que supone un 70&#44;78&#37; de ajuste global&#46; Ahora le corres&#173;ponde al investigador decidir si el porcentaje de los clasificados correctamente le parece adecuado o no&#44; aunque parece razonable aceptar modelos que clasi&#173;fiquen correctamente alrededor del 70&#37;&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Variables dummy&#46; </span>Son una serie de variables artifi&#173;ciales&#44; tambi&#233;n conocidas como variables de paja o variables ficticias&#44; cuya finalidad es introducir como variables independientes a variables cualitativas con varias categor&#237;as&#44; como por ejemplo la insuficiencia renal medida por el aclaramiento de creatinina &#40;FG &#60; 10&#44; FG&#58; 10-40 y FG&#58; 41-100 ml&#47;min&#41;&#46; Para ello se crear&#225;n tres variables dummy &#40;FG &#60;10&#44; FG&#58; 10-40 y FG&#58; 41-100&#41; que nos dar&#225;n informaci&#243;n de presentar una determinada funci&#243;n de filtrado glomerular den&#173;tro del intervalo considerado o estar fuera de dicho intervalo &#40;tener FG &#60; 10 &#61; 1&#44; frente a no tenerla &#61; 0&#41;&#46; Cuando utilizamos estas variables ficticias debemos re&#173;cordar que el conjunto de variables dummy son un todo indisoluble con el cual se suple una variable no&#173;minal y cualquier decisi&#243;n que se adopte o valoraci&#243;n que se haga concierne al conjunto &#237;ntegro&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Colinearidad&#46; </span>Es un problema originado cuando las variables independientes del modelo est&#225;n muy altamente correlacionadas&#44; es decir&#44; comparten entre s&#237; la misma informaci&#243;n&#46;</p><p class="elsevierStylePara">Una soluci&#243;n natural es la de evitar la inclusi&#243;n en el modelo de una variable cuando este ya con&#173;tiene otras que aportan de hecho la informaci&#243;n de aquella variable&#46; Por ejemplo&#44; incluir el peso y la talla de los individuos cuando incluimos el &#237;ndice de masa corporal&#46; El introducir todas estas variables juntas en el modelo&#44; puede arrojar resultados poco fiables&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleBold">GLOSARIO</span></p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Variable dependiente&#58; </span>es la variable que refleja la ocurrencia o no del suceso&#46; Es decir aquella carac&#173;ter&#237;stica que pretendemos explicar en funci&#243;n de otras variables&#44; las llamadas variables explicativas&#46; Las variables dependientes pueden ser cuantitativas o cualitativas&#46; Tambi&#233;n reciben el nombre de &#171;va&#173;riables de resultado&#187;&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Variable independiente&#58; </span>es la variable que preten&#173;de explicar la variable dependiente&#46; Tambi&#233;n reci&#173;ben el nombre de &#171;variables predictoras&#187;&#44; &#171;variables explicativas&#187; o &#171;covariables&#187;&#46; Al igual que las va&#173;riables dependientes pueden ser cuantitativas o cuantitativas&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Variable durnmy&#58; </span>son variables artificiales o ficti&#173;cias&#44; creadas a partir de la informaci&#243;n de una va&#173;riable independiente&#44; para poder realizar operacio&#173;nes matem&#225;ticas con ellas&#46; De la variable original se pueden crear m&#250;ltiples variables dummy&#44; pero no debemos olvidar que son un todo indisoluble&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Proporci&#243;n&#58; </span>es un cociente cuyo numerador est&#225; incluido en el denominador&#46; Carece de unidades y sus valores oscilan entre O y 1&#46; Pueden expresarse en tantos por uno&#44; porcentajes&#44; tantos por mil&#44; etc&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Raz&#243;n&#44; Ratio&#58; </span>es un cociente cuyo numerador no est&#225; incluido en el denominador&#46; Tengamos en cuen&#173;ta que no existen restricciones en el rango de sus valores&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Odds&#58; </span>se trata de una raz&#243;n en la que el nume&#173;rador es la probabilidad &#40;p&#41; de que ocurra un suce&#173;so y en el denominador es la probabilidad de que tal suceso no ocurra &#40;1-p&#41;&#46; Es un caso particular de una raz&#243;n&#46; Tambi&#233;n recibe el nombre de &#171;ventaja&#187; o &#171;raz&#243;n de complementos&#187;&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Odds Ratio &#40;OR&#41;&#58; </span>es el cociente o raz&#243;n entre dos odds y carece de unidades de medida&#46; El OR no tiene interpretaci&#243;n absoluta&#44; siempre es relativa&#46; Para poder interpretar una OR&#44; es necesario siempre tener en cuenta cu&#225;l es el factor o variable predic&#173;tora que se estudia y cu&#225;l es el resultado o desen&#173;lace&#46; El valor nulo para la OR es el 1&#44; esto implica que las dos categor&#237;as comparadas son iguales&#46; Tam&#173;bi&#233;n recibe el nombre de &#171;raz&#243;n de odds&#187; o &#171;raz&#243;n de ventajas&#187;&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Riesgo relativo &#40;RR&#41;&#58; </span>es la relaci&#243;n entre la inci&#173;dencia dentro del grupo expuesto y la incidencia dentro del grupo no expuesto&#46; El riesgo relativo es pues la medida del papel etiol&#243;gico del factor de riesgo&#46; La denominaci&#243;n riesgo relativo se debe a que es la relaci&#243;n entre dos riesgos &#40;expuestos y no expuestos&#41;&#46; Si el RR es 1&#44; el factor estudiado no tiene papel causal&#46; Para su c&#225;lculo es preciso conocer la incidencia&#44; ya que &#233;sta mide los casos nuevos en una poblaci&#243;n durante cierto per&#237;odo&#46;</p><p class="elsevierStylePara"><span class="elsevierStyleItalic">Intervalo de Confianza &#40;IC&#41; Confidence Interval </span><span class="elsevierStyleItalic">&#40;CI&#41;&#58; </span>es el intervalo dentro del que se encuentra la verdadera magnitud del efecto&#44; nunca conocida exactamente&#44; con un grado prefijado de seguridad&#46; A menudo se habla de &#171;intervalo de confianza al 95&#37;&#187; o &#171;l&#237;mites de confianza al 95&#37;&#187;&#46; Quiere decir que dentro de ese intervalo se encontrar&#237;a el verdadero valor en el 95&#37; de los casos&#46;</p><p class="elsevierStylePara"><a href="grande&#47;10242108&#95;tabla1&#46;jpg" class="elsevierStyleCrossRefs"><img src="10242108_tabla1.gif" alt="Resultados del modelo de regresi&#243;n log&#237;stica"></img></a></p><p class="elsevierStylePara">Tabla 1&#46; Resultados del modelo de regresi&#243;n log&#237;stica</p><p class="elsevierStylePara"><a href="grande&#47;10242108&#95;tabla2&#46;jpg" class="elsevierStyleCrossRefs"><img src="10242108_tabla2.gif" alt="Estimaci&#243;n del riesgo para enfermedad coronaria"></img></a></p><p class="elsevierStylePara">Tabla 2&#46; Estimaci&#243;n del riesgo para enfermedad coronaria</p><p class="elsevierStylePara"><a href="grande&#47;10242108&#95;tabla3&#46;jpg" class="elsevierStyleCrossRefs"><img src="10242108_tabla3.gif" alt="Tabla de clasificaci&#243;n del modelo de regresi&#243;n log&#237;stica&#42;"></img></a></p><p class="elsevierStylePara">Tabla 3&#46; Tabla de clasificaci&#243;n del modelo de regresi&#243;n log&#237;stica&#42;</p>"
    "tienePdf" => false
    "tieneResumen" => true
    "resumen" => array:1 [
      "es" => array:1 [
        "resumen" => "<p class="elsevierStylePara">Los modelos de regresi&#243;n log&#237;stica aplicados a las ciencias de la salud nos permiten el an&#225;lisis de los resultados en t&#233;rminos explicativos y predictivos&#44; pudiendo conocer la fuerza de asociaci&#243;n mediante los OR de los factores de riesgo con el efecto estudia&#173;do de una manera independiente y conocer el valor predictivo de cada uno de ellos o bien del modelo en su conjunto&#46; Pero hay que ser conscientes de que son una herramienta m&#225;s en el m&#233;todo cient&#237;fico y que no subsanan problemas de dise&#241;o del estudio&#46; Su uso&#44; cada vez m&#225;s frecuente debe ir precedido de una reflexi&#243;n cr&#237;tica tanto de la elecci&#243;n de las variables incluidas en el modelo como del an&#225;lisis de sus resultados&#46;</p>"
      ]
    ]
    "multimedia" => array:3 [
      0 => array:7 [
        "identificador" => "tbl1"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "copyright" => "Elsevier Espa&#241;a"
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:1 [
              "tablaImagen" => array:1 [
                0 => array:4 [
                  "imagenFichero" => "10242108_tabla1.jpg"
                  "imagenAlto" => 1620
                  "imagenAncho" => 4130
                  "imagenTamanyo" => 479419
                ]
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "Resultados del modelo de regresi&#243;n log&#237;stica"
        ]
      ]
      1 => array:7 [
        "identificador" => "tbl2"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "copyright" => "Elsevier Espa&#241;a"
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:1 [
              "tablaImagen" => array:1 [
                0 => array:4 [
                  "imagenFichero" => "10242108_tabla2.jpg"
                  "imagenAlto" => 757
                  "imagenAncho" => 2124
                  "imagenTamanyo" => 143838
                ]
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "Estimaci&#243;n del riesgo para enfermedad coronaria"
        ]
      ]
      2 => array:7 [
        "identificador" => "tbl3"
        "tipo" => "MULTIMEDIATABLA"
        "mostrarFloat" => true
        "mostrarDisplay" => false
        "copyright" => "Elsevier Espa&#241;a"
        "tabla" => array:1 [
          "tablatextoimagen" => array:1 [
            0 => array:1 [
              "tablaImagen" => array:1 [
                0 => array:4 [
                  "imagenFichero" => "10242108_tabla3.jpg"
                  "imagenAlto" => 1081
                  "imagenAncho" => 2036
                  "imagenTamanyo" => 150871
                ]
              ]
            ]
          ]
        ]
        "descripcion" => array:1 [
          "es" => "de clasificaci&#243;n del modelo de regresi&#243;n log&#237;stica&#42;"
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/02116995/0000002000000006/v0_201502091353/X0211699500035664/v0_201502091353/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "35364"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Estadísticas"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/X0211699500035664?idApp=UINPBA000064"
]
Información del artículo
ISSN: 02116995
Idioma original: Español
DOI:
Datos actualizados diariamente
año/Mes Html Pdf Total
2024 Noviembre 187 0 187
2024 Octubre 1590 0 1590
2024 Septiembre 1480 0 1480
2024 Agosto 1085 0 1085
2024 Julio 1283 0 1283
2024 Junio 1304 0 1304
2024 Mayo 1287 0 1287
2024 Abril 1184 0 1184
2024 Marzo 1348 5 1353
2024 Febrero 1323 12 1335
2024 Enero 1604 25 1629
2023 Diciembre 1410 12 1422
2023 Noviembre 2014 26 2040
2023 Octubre 2307 16 2323
2023 Septiembre 1771 16 1787
2023 Agosto 1506 9 1515
2023 Julio 1576 14 1590
2023 Junio 2022 20 2042
2023 Mayo 2185 22 2207
2023 Abril 1319 5 1324
2023 Marzo 1395 0 1395
2023 Febrero 1317 3 1320
2023 Enero 1003 3 1006
2022 Diciembre 1269 6 1275
2022 Noviembre 1827 3 1830
2022 Octubre 1769 2 1771
2022 Septiembre 1342 2 1344
2022 Agosto 1095 5 1100
2022 Julio 1180 2 1182
2022 Junio 1845 6 1851
2022 Mayo 1508 0 1508
2022 Abril 1240 9 1249
2022 Marzo 1297 1 1298
2022 Febrero 1173 5 1178
2022 Enero 905 5 910
2021 Diciembre 1235 1 1236
2021 Noviembre 1615 2 1617
2021 Octubre 1659 4 1663
2021 Septiembre 1483 6 1489
2021 Agosto 1465 6 1471
2021 Julio 1612 2 1614
2021 Junio 1692 11 1703
2021 Mayo 1737 36 1773
2021 Abril 2698 75 2773
2021 Marzo 1770 22 1792
2021 Febrero 1295 14 1309
2021 Enero 1151 16 1167
2020 Diciembre 1579 6 1585
2020 Noviembre 1780 4 1784
2020 Octubre 1420 20 1440
2020 Septiembre 1464 18 1482
2020 Agosto 1384 8 1392
2020 Julio 2033 13 2046
2020 Junio 1741 10 1751
2020 Mayo 1978 84 2062
2020 Abril 1690 45 1735
2020 Marzo 1306 16 1322
2020 Febrero 1163 25 1188
2020 Enero 1036 21 1057
2019 Diciembre 2972 11 2983
2019 Noviembre 1916 11 1927
2019 Octubre 2108 9 2117
2019 Septiembre 1630 4 1634
2019 Agosto 1367 12 1379
2019 Julio 1618 16 1634
2019 Junio 1441 27 1468
2019 Mayo 1457 15 1472
2019 Abril 1272 28 1300
2019 Marzo 1354 10 1364
2019 Febrero 1200 10 1210
2019 Enero 1069 8 1077
2018 Diciembre 1006 12 1018
2018 Noviembre 1770 25 1795
2018 Octubre 1776 20 1796
2018 Septiembre 1568 42 1610
2018 Agosto 1218 24 1242
2018 Julio 1798 21 1819
2018 Junio 1863 27 1890
2018 Mayo 1951 24 1975
2018 Abril 1234 23 1257
2018 Marzo 753 14 767
2018 Febrero 686 18 704
2018 Enero 520 12 532
2017 Diciembre 493 14 507
2017 Noviembre 648 18 666
2017 Octubre 421 20 441
2017 Septiembre 266 9 275
2017 Agosto 239 9 248
2017 Julio 256 11 267
2017 Junio 317 16 333
2017 Mayo 267 18 285
2017 Abril 232 20 252
2017 Marzo 449 8 457
2017 Febrero 692 9 701
2017 Enero 236 13 249
2016 Diciembre 271 11 282
2016 Noviembre 509 15 524
2016 Octubre 388 18 406
2016 Septiembre 389 13 402
2016 Agosto 508 0 508
2016 Julio 387 0 387
2016 Junio 288 0 288
2016 Mayo 286 0 286
2016 Abril 216 0 216
2016 Marzo 212 0 212
2016 Febrero 204 0 204
2016 Enero 186 0 186
2015 Diciembre 241 0 241
2015 Noviembre 249 0 249
2015 Octubre 209 0 209
2015 Septiembre 197 0 197
2015 Agosto 182 0 182
2015 Julio 210 0 210
2015 Junio 215 0 215
2015 Mayo 267 0 267
2015 Abril 56 0 56
2015 Febrero 2444 0 2444
Mostrar todo

Siga este enlace para acceder al texto completo del artículo

Idiomas
Nefrología
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?