Presentacin de PowerPoint

1
www.uab.es/s-estadistica www.e-biometria.com
Cálculo de tamaños de muestra (Con el
programa Ene 3.0) Llorenç Badiella
Busquets Servei dEstadística
2
Contenido
Cálculo de tamaños de muestra (Con el programa
Ene 3.0)

• El problema del tamaño de muestra
• Que es Ene 3.0? Utilidades y novedades
• Descripción de las fases de un ensayo clínico
• Soluciones empleando Ene 3.0

3
El problema del tamaño de muestra
En el apartado de Material y Métodos de cualquier
publicación podemos encontrar frases del
estilo Se eligió una muestra aleatoria de 26
pacientes que permitiera detectar una diferencia
de un 20 en la proporción de sujetos curados
(90 vs. 70) con un poder del 80 empleando un
nivel de significación del 5 y un contraste
bilateral.
No seria más fácil tomar un número redondo de
pacientes como 50, 60 ó 100?
Por qué la estadística tiene que intervenir en
todo esto?
Por que no coger el mismo tamaño que en estudios
parecidos?
Por qué se eligieron 26 pacientes?
Es el poder algo relacionado con la eficacia de
los tratamientos?
No es el conocimiento de la enfermedad y su
tratamiento lo que debería marcar las pautas?
Es un contraste bilateral porque hay dos
tratamientos?
Porque precisamente un 90 frente a un 70, si
todavía no hemos comenzado la experimentación?
De donde sale y quien decide el nivel de
significación?
4
El problema del tamaño de muestra
Pero cuidado con las turbulencias
Estudios de Marketing requieren mayor tamaño de
muestra que los estudios exploratorios.
En el apartado de Material y Métodos de cualquier
publicación podemos encontrar frases del
estilo Se eligió una muestra aleatoria de 26
pacientes que permitiera detectar una diferencia
de un 20 en la proporción de sujetos curados
(90 vs. 70) con un poder del 80 empleando un
nivel de significación del 5 y un contraste
bilateral.
Un TM de 400 individuos garantiza siempre una
muestra válida y fiable.
El tamaño de muestra adecuado es el 1 del total
de la población.
Si ya existe un estudio similar, el TM será el
mismo
Por favor que alguien llame al estadístico!
Si se trata de pollos, el TM debe ser mayor que
si se trata de caballos
Si las unidades son escasas o caras, el TM será
reducido.
No es lo mismo un artículo de impacto, que una
tesis o que una tesina
Aumentando las expectativas de resultados se
reduce el TM.
El TM para un objetivo sirve para todos los demás
objetivos del estudio.
Aumentando los riesgos a y b se reduce el TM.
El TM se fija en función del presupuesto
5
El problema del tamaño de muestra
El tamaño de muestra (TM) representa el número
mínimo de elementos que debería tener una muestra
para que proporcione resultados suficientemente
fiables. Cuanto mayor sea el tamaño de una
muestra, mayor precisión se obtendrá en el
análisis. Por motivos éticos y a veces
económicos se requiere que el tamaño de muestra
sea el más pequeño posible. Por lo tanto el TM
es el número óptimo de sujetos de manera que
satisface ambas condiciones simultáneamente.
No obstante, el TM no hace milagros No resuelve
problemas de validez (sesgos). Al contrario
asume que no existen.

6
El problema del tamaño de muestra
Es necesario el TM?
Confirmar que la dimensión del estudio para
comprobar cierta hipótesis es asequible. Cuantifi
car el riesgo de que un estudio con tamaño de
muestra fijado de antemano no pueda alcanzar las
conclusiones de interés. No empezar estudios
que están condenados a no proporcionar
conclusiones útiles. Asumir que un estudio
debe ser considerado como piloto o exploratorio
si no hay garantías claras de poder detectar
diferencias de relevancia clínica.
7
El problema del tamaño de muestra
Estimación
8
El problema del tamaño de muestra
9
El problema del tamaño de muestra
Contraste
vs
10
El problema del tamaño de muestra
Contraste
11
El problema del tamaño de muestra
12
El problema del tamaño de muestra
Nivel de significación Qué parámetro se va
a estimar? Media Proporción OR
RR Cuantil Previsión de los resultados
experimentales Muestreo empleado Aleatorio
simple Sin reemplazo Estratificado Conglomera
dos Inverso
Estimación
Contraste
Estimación
Nivel de significación Potencia
(Sensibilidad) Qué parámetros se van a
comparar? Medias (log-medias) Proporciones
Coeficientes de regresión Medianas Tiempos
de supervivencia Previsión de los resultados
experimentales (Mínima diferencia relevante)
Tipo de muestras empleadas Una muestra 2
Muestras indepentientes k muestras
independientes 2 Muestras relacionadas En
comparación, hipótesis alternativa? Noigualdad
/Noinferioridad / Superioridad relevante /
Equivalencia Otros Compensación de grupos,
abandonos
13
El problema del tamaño de muestra
Método General
Determinar la distribución del Estadístico de
contraste bajo H0. Calcular el valor crítico
para a. Determinar la distribución del
Estadístico de contraste bajo H1. Obtener una
expresión para b bajo H1 Fijado a , determinar n
, que proporciona una potencia de 1-b al realizar
el contraste.

Observación La fórmula del TM para un IC,
corresponde a un CH con potencia del 50 para una
muestra
14
El problema del tamaño de muestra
Conclusión y recomendaciones
Bajo las pruebas más habituales es posible
llevar a cabo un cálculo del tamaño de
muestra. Confirmar la magnitud del TM
simplificando el estudio y el análisis
estadístico La principal dificultad consiste en
fijar la hipótesis alternativa Emplear estudios
piloto, consultar bibliografía Fijar un tamaño
del efecto que represente una diferencia
relevante. Propuestas de investigadores
independientes Adoptar una actitud
conservadora Valorar diferentes
escenarios Cuantificar y aceptar el riesgo de
obtener resultados inconcluyentes
15
Que es Ene 3.0? Utilidades y novedades
El programa Ene 3.0 www.e-biometria.com
16
Que es Ene 3.0? Utilidades y novedades
17
Que es Ene 3.0? Utilidades y novedades
Software en Castellano Distribución
libre Amplio espectro de técnicas
implementadas Ayuda integrada Ejemplos
pre-programados Control dinámico de errores
Extenso manual con detalles técnicos Gráficos
e informes Redactado automático
Utilidades
18
(No Transcript)
19
Que es Ene 3.0? Utilidades y novedades
Ampliación de 22 a 61 técnicas Cálculo
del TM contemplando abandonos Mayor precisión en
los parámetros de entrada/salida Navegador de
técnicas Ampliación del ayuda y del glosario
Novedades
Simon bietápico Regresión múltiple Supervivencia
- abandonos e inclusión T-test Satterhwite Log-med
ias Equivalencia / No-inferioridad /
Superioridad Un cuantil Muestreo
20
Descripción de las fases de un ensayo clínico
Fase 0
Estudios preclínicos invitro, invivo
Fase I
Constituyen los primeros experimentos con humanos
(sanos). Realizados para valorar la seguridad y
la máxima tolerancia del tratamiento. También
valoran metabolismo, farmacocinética,
farmacodinamia, biodisponibilidad. 20-80
pacientes.
21
Descripción de las fases de un ensayo clínico
Estudio a pequeña escala para explorar la
eficacia. Realizados para Seleccionar los
tratamientos con mayor potencial y menos tóxicos
entre diversos candidatos. Identificar posibles
eventos adversos. 50 a 400 pacientes. Fase
IIa Estudios de búsqueda de dosi.
Fase II
Fase III
Estudios para confirmar la superioridad en
eficacia frente al tratamiento de referencia .
Suelen ser estudios rigurosos y de gran
envergadura Pretenden confirmar la indicación y
las pautas de tratamiento. (ensayo clínico
genérico) Observación En el caso de
tratamientos genéricos, sólo es necesario
demostrar bioequivalencia o no-inferioridad
frente al tratamiento de referencia. 1000 - 3000
pacientes
22
Descripción de las fases de un ensayo clínico
Fase IV
Estudios para evaluar la eficacia y seguridad en
grupos especiales de pacientes (con otras
enfermedades concurrentes) y en condiciones
reales de la práctica clínica. Pueden ser de
larga duración. También permiten valorar nuevas
indicaciones, nuevas formulaciones o vías de
administración. El término estudio de fase IV
también puede referir-se a estudios de marketing
para el tratamiento en fase de aprobación. En
este caso, su validez científica es limitada. gt
5000 pacientes
23
Soluciones empleando Ene 3.0
Fase IV
Estimación con precisión del porcentaje de
efectos adversos. Muestreo estratificado
Porcentaje esperado de efectos adversos
Estrato 1 4 (50 población) Estrato 2 2
(20 población) Estrato 3 8 (30
población) Muestreo estratificado
proporcional Precisión deseada /- 1 Nivel de
confianza 95 (bilateral) Porcentaje esperado
de abandonos 15 N11023 N2410 N3615
24
Soluciones empleando Ene 3.0
Fase III
Comparación de dos medias (estudio paralelo),
desviaciones diferentes
Promedio esperado grupo control 5 Desviación
esperada grupo control 10 Promedio esperado
grupo experimental 8 Desviación esperada
grupo experimental 15 Significación 5
(bilateral) Potencia 80 Estudio no-equilibrado
1 control / 2 experimentales Porcentaje esperado
de abandonos 10 N1 207, N2 415
25
Soluciones empleando Ene 3.0
Fase III
Comparación de dos curvas de supervivencia
(estudio paralelo), contemplando período de
inclusión y tasa de abandonos
Duración del período de inclusión 12
meses Duración del seguimiento 36 meses Mediana
del tiempo de sup. control 30 meses Mediana
del tiempo de sup. experimental 36
meses Mediana del tiempo hasta abandono 70
meses Significación 5 (bilateral) Potencia
80 N1 485, N2 485 Número total de eventos
380
26
Soluciones empleando Ene 3.0
Fase III
Comparación de equivalencia ratio de medias
(estudio cruzado) Prueba unilateral doble
Promedio esperado grupo control 10
Desviación esperada grupo control 3
Promedio esperado grupo experimental 10
Desviación esperada grupo experimental
3 Desviación típica diferencia escala log
0.41 Significación 5 (unilateral
doble) Potencia 80 N parejas 31
27
Soluciones empleando Ene 3.0
Fase II
Comparación entre una proporción y un valor de
referencia Método bietápico de Simon
Método para valorar la eficacia de un tratamiento
experimental frente a una eficacia de referencia.
La valoración se lleva a cabo a través del
porcentaje de éxitos (proporción). La idea del
método consiste en llevar a cabo un análisis
intermedio de los resultados para detener el
estudio si no hay indicios del éxito del
tratamiento experimental. Fase 1) La técnica
permite determinar un umbral de éxitos a
superar. Si no se consigue sobrepasar el
umbral, el estudio finaliza y el investigador
puede concluir que el tratamiento experimental
no ofrece las expectativas de éxito previstas y
declararlo en cierto modo inútil. Fase 2) Si
se consigue sobrepasar el primer umbral, el
estudio continua y el método proporciona un
nuevo umbral a superar. Si el estudio supera el
segundo umbral de éxitos, el investigador puede
declarar que el tratamiento mejora la proporción
de referencia o valor teórico. El método de
Simon pretende optimizar el TM para que sea el
menor posible bajo la suposición de que no
existen diferencias entre tratamientos, es decir,
parte de una posición conservadora.
28
Soluciones empleando Ene 3.0
Fase II
Comparación entre una proporción y un valor de
referencia Método bietápico de Simon
Proporción grupo control 20 Proporción
grupo experimental 35 Significación 5
(unilateral) Potencia 90 1a etapa N 37
pacientes, gt 8 éxitos se continúa 2a etapa N
83 en total, gt 22 éxitos se confirma la eficiacia
29
Soluciones empleando Ene 3.0
Fase I
Determinación del tiempo hasta eliminación de
residuos
En los estudios de período de retirada y
eliminación de residuos el parámetro de interés
es el valor correspondiente a un percentil
determinado 90, 95 o 99. Por ejemplo, se desea
establecer un margen de seguridad para el tiempo
transcurrido hasta la eliminación de los residuos
en sangre tras la toma de cierto medicamento. El
objetivo es determinar el valor correspondiente
al percentil 95 (por ejemplo) con cierta
fiabilidad. Para ello será necesario proporcionar
un margen de precisión conservador El límite
superior del intervalo de confianza al 95 para
el percentil 95. Observación Suele referirse a
este valor cómo Límite de tolerancia 95/95
30
Soluciones empleando Ene 3.0
Fase I
Determinación del tiempo hasta eliminación de
residuos
Percentil de interés 95 Desviación típica 5
Precisión 1 Nivel de confianza 95
(unilateral superior) N 187
31
Conclusiones
Conclusión
Ene 3.0 incorpora todas las técnicas habituales
en estimación y en contraste Ene 3.0 cubre todas
las fases de un ensayo clínico El tamaño de
muestra adecuado no garantiza una muestra
adecuada No olvidar justificar adecuadamente
todas las decisiones en el CTM Versión
actualizada Ene 3.0.1
32
Moltes Gràcies
33
Turbulencias Estadísticas y tamaño de muestra
34
Turbulencias Estadísticas y tamaño de muestra
35
Turbulencias Estadísticas y tamaño de muestra
36
Turbulencias Estadísticas y tamaño de muestra
Left-handedness a marker for decreased survival
fitness. Coren S, Halpern DF Life span studies
have shown that the population percentage of
left-handers diminishes steadily, so that they
are drastically underrepresented in the oldest
age groups. Data are reviewed that indicate that
this population trend is due to the reduced
longevity of left-handers. Some of the elevated
risk for sinistrals is apparently due to
environmental factors that elevate their accident
susceptibility. Further evidence suggests that
left-handedness may be a marker for birth stress
related neuropathy, developmental delays and
irregularities, and deficiencies in the immune
system due to the intrauterine hormonal
environment. Some statistical and physiological
factors that may cause left-handedness to be
selectively associated with earlier mortality are
also presented. Do left-handers die sooner than
right-handers? Commentary on Coren and Halpern's
(1991). Harris, Lauren J. Cross-sectional life
span studies of handedness typically show
decreasing percentages of left-handers in older
age groups. S. Coren and D. F. Halpern argued
that this age trend reflects the shorter life
span of left-handers than right-handers. They
presented 2 studies providing what they regard to
be direct evidence that left-handers, on average,
die sooner than right-handers. They also proposed
a variety of reasons for what they called
left-handers' "decreased survival fitness." The
author discusses Coren and Halpern's reasons for
rejecting a more conventional explanation of the
life span data, the 2 studies that they offered
in support of their argument, their analysis of
other evidence they invoked to account for
left-handers' putative decreased survival
fitness, and new studies in which the longevity
explanation was tested by more direct means than
have been used thus far. The author concludes
that the case for the "decreased survival
fitness" hypothesis cannot be sustained.
Left-handedness and life span a reply to
Harris - HALPERN D. F. (1) COREN S. L. G.
Harris's (1993) critique of our hypothesis that
left-handedness is associated with a shorter life
span (S. Coren D. F. Halpern, 1991) ignores the
supporting statistical evidence, which virtually
always shows an increased incidence of left
handedness (or other left-sided laterality)
associated with a wide range of health risk
factors, including serious accidents, immune
disorders, early onset breast cancer, alcoholism,
smoking, some types of mental retardation,
homosexuality, birth-related complications (e.g.,
resuscitation at birth, extremely low birth
weight, Rh incompatibilities, multiple birth,
breechbirth, and older maternal age), and
selected categories of mental disorders Douglas
G Altman Statistics Notes Time to event
(survival) data. The differing longevity in
relation to handedness would have arisen if the
prevalence of left handedness had increased over
the past 80 years. Proper prospective studies
have found no evidence of an effect of handedness
on lifespan.

37
II
Error de tipo II Falso negativo
ThemeGallery is a Design Digital Content
Contents mall developed by Guild Design Inc.
Utilidades
38
(No Transcript)
39
(No Transcript)
40
(No Transcript)
41
(No Transcript)
42
(No Transcript)