APLICACIÓN DEL ANALISIS DE REGRESION EN LAS CIENCIAS DE LA SALUD

APLICACIÓN DEL ANÁLISIS DE REGRESIÓN EN LAS CIENCIAS DE LA SALUD

Con frecuencia el investigador dispone de una variable Y cuyos valores intenta relacionar con los de una o más variables X, en otras palabras el investigador determinará que variables X influyen en Y, en qué sentido y con qué magnitud, etc. (Álvarez, 2007)

En muchas ocasiones en el área de la salud, se desea conocer algo acerca de la relación o dependencia entre dos características cuantitativas, o más de una, consideradas sobre la misma población objeto de estudio (por ejemplo la talla y el peso). De acuerdo con Álvarez (2007) hay muchos casos en los que ya de antemano se "sospecha" que puede existir algún tipo de relación, y por consiguiente, se pretende saber por ejemplo, en el caso de que tengamos únicamente dos variables:

1. Si ambas variables están realmente relacionadas entre sí o si, por el contrario, pueden considerarse independientes.

2. Si existe dependencia, es necesario conocer el "grado de relación", así como el "tipo" de relación entre ambas.

3. Si puede predecirse la variable que es considerada como dependiente a partir de los valores de la otra, que es considerada independiente, y si es así, con qué precisión.

Podríamos plantearnos, por ejemplo, si la presión sanguínea (Y) ¿depende de la edad (X)? en otras la intención es predecir Y a través de X: ¿Qué peso (Y) debe de tener un individuo cuya estatura es X? finalmente el objetivo puede ser conocer el tipo de relación que liga a X con Y: la estatura de un niño (Y) ¿varía linealmente con la edad (X)? Todas estas preguntas se relacionan a la existencia de dos variables “X” e “Y” medidas en el mismo hospital, paciente, comunidad, centro de trabajo, etc. Y puede tratarse por la técnica de regresión, aunque algunas de ellas pueden abordarse o apoyarse por la técnica de correlación (Álvarez, 1995)

De acuerdo a las características antes mencionadas del análisis de regresión podemos evaluar los factores que predisponen al desarrollo de una enfermedad a partir de una variable relacionada al padecimiento de dicha patología, como por ejemplo la glucosa en sangre (Y) ¿Qué relación tiene con la diabetes (X)?, o ¿cómo se relaciona la hipercolesterolemia (Y) con la aterosclerosis(X)?. Antes de dar repuesta a lo planteado anteriormente, cabe mencionar que la existencia de una elevada correlación entre dos variables no significa precisamente que una sea causa de la otra. Es preciso dejar en claro que correlación y causalidad son dos conceptos independientes. El análisis de regresión nos va a permitir explicar de una manera cuantitativa una variable a partir del conocimiento de otra, pero en ningún momento podemos hablar de causalidad (Rial et al., 2008)

Aclarado el punto y dando respuesta a la pregunta anteriormente planteada, es preciso conocer que cuando alguien padece diabetes (Y), o bien el organismo no produce insulina, o la insulina no funciona como debería para ingresar la glucosa dentro de las células, consecuentemente, los niveles de azúcar en sangre (X) aumentan demasiado (Rial et al., 2008).

Ahora bien teniendo en consideración lo anterior, se puede decir que una interpretación correcta del ejemplo anterior Glucosa-Diabetes seria que la correlación entre estas no implica necesariamente

una relación causa-efecto. Ya que como se mencionó al inicio si se dispone de una o más series de medidas apareadas, puede ser de interés conocer el grado de asociación o correlación entre las mismas. Para que mediante la existencia de dicha asociación se puedan predecir, con cierto grado de error, los valores de una variable a partir de la otra utilizando una ecuación de regresión (Rial et al., 2008).

En el área de la salud los estudios de correlación y regresión son muy usados en la Investigación científica, son una herramienta muy útil cuando se trata de relacionar 2 o más variables cuantitativas, relacionadas entre sí (Daniel, 2011).

La regresión es una técnica utilizada para inferir datos a partir de otros y hallar una respuesta de lo que puede suceder. Nos permite predecir cómo el cambio en una de las variables llamada “explicativa” (independiente) explica o influye sobre el cambio producido en otra conocida como variable “respuesta” (dependiente) en la que se mide el resultado. Ayuda en la investigación a predecir o estimar el valor de una variable en función al valor tomado por otra variable. Mientras que la correlación implica el grado de dependencia de una variable respecto a otra (Motgomery et al., 2004)

La regresión interpreta situaciones reales, pero a veces se manipula de forma errónea, por lo que es necesario realizar una selección adecuada de las variables que van a construir las formulas matemática, que representen a la regresión, por eso hay que tomar en cuenta sólo variables que tiene relación (Bernal et al., 2011)

Se pueden encontrar varios tipos de regresión: Regresión lineal simple, regresión no lineal regresión múltiple (varias variables), y regresión logística (Fiuza y Rodríguez, 2011)

La regresión lineal tiene una doble función: explicativa y predictiva. Podemos usarla con finalidad descriptiva siendo ofrecer una descripción elocuente y útil basándonos en una información reducida como es el caso cuando la probabilidad que se estima puede interpretarse como una tasa de prevalencia o de incidencia

...