Multivariate statistical techniques for the study of causality in medicine
Keywords:
STATISTICS, MULTIVARIATE ANALYSIS, REGRESSION ANALYSIS, STATISTICAL ANALYSISAbstract
Introduction: multivariate statistical techniques are those that examine multiple characteristics considered in the same individual, and that because they are interrelated do not make sense to determine their effect in an isolated way. They are more frequently applied in observational studies in relation to the etiology and prognosis of a disease, since they permit to explain, predict and control confusing variables to obtain greater consistency in statistical inference.
Objective: this paper is aimed at describing the multivariate techniques that can be applied for the study of causality in biomedical sciences.
Methods: a review of the literature on the subject was carried out, searching in bibliographic databases such as Pubmed/Medline, SciELO, SCOPUS, Web of Science, EBSCOhost, Google, among others. The descriptors used in the search strategy were those provided in the key words of the article, which were used in English, French, Portuguese and Spanish, combined with the logical operators. Out of more than 200 digital documents found, the most current ones were chosen, and a report was prepared where the techniques were grouped according to their objective and types of variables applied in the analysis.
Results: descriptive, explanatory and mixed techniques were presented, considering the different types of regression and structural equations as the most applied techniques in the study of causality.
Conclusions: The use of implicit statistical analysis in the determination of risk factors and prognosis was proposed.
Downloads
References
1. Hair JF, Anderson RE, Tatham RL, Black WC. Análisis multivariante 5ª. Ed. [Internet] Prentice Hall International. Inc; 1999. [citado 10/01/2018]. Disponible en: https://www.scribd.com/document/367039653/Analisis-Multivariante-5ta-Edicion-Joseph-F-Hair-LIBROSVIRTUAL-com
2. Hernández Avila M, Garrido Latorre F. Diseño de estudios epidemiológicos. Salud Pública de México [Internet] 2000 marzo-abril [citado 10/01/2018]; 42(2): [aprox. 10p.]. Disponible en: https://www.scielosp.org/pdf/spm/2000.v42n2/144-154
3. Diaz-Quijano FA. Regresiones aplicadas al estudio de eventos discretos en epidemiología. Rev Univ Ind Santander Salud [Internet] 2016 [citado 18/03/2019]; 48(1): [aprox. 6p.]. Disponible en: http://www.scielo.org.co/scielo.php?script=sci_abstract&pid=S0121-08072016000100003
4. Lozares Colina C, López-Roldán P. El análisis multivariado: definición, criterios y clasificación. Revista de Sociologia [Internet] 1991 [citado 18/03/2019]; (37): [aprox. 21p.]. Disponible en: https://papers.uab.cat/article/view/v37-lozares-lopez
5. Closas AH, Arriola EA, Kuc CI, Amarilla MR, Jovanovich EC. Análisis multivariante, conceptos y aplicaciones en Psicología Educativa y Psicometría. Enfoques [Internet] 2013 [citado 18/03/2019]; 25(1): [aprox. 20p.]. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=5229555
6. Olive DJ. Robust Multivariate Analysis. [Internet] Switzerland: Springer International Publishing AG; 2017. [citado 18/03/2019] Disponible en: https://link.springer.com/content/pdf/10.1007/978-3-319-68253-2.pdf
7. Ranganathan P, Pramesh CS, Aggarwai R. Common pitfalls in statistical analysis: Logistic regression. Perspect Clin Res [Internet] 2017 [citado 15/01/2019]; 8(3): [aprox. 4p.]. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5543767/
8. Isaza-Jaramillo S, Jaimes-Barragán F. Ronda clínica y epidemiológica: aproximación a los modelos de predicción clínica. Iatreia [Internet]. 2017 [citado 15/01/2019]; 30(1): [Aprox. 7p.]. Disponible en: http://www.scielo.org.co/scielo.php?pid=S0121-07932017000100092&script=sci_abstract&tlng=es
9. Gentzkow M, Shapiro JM, Taddy M. Measuring Polarization in High-Dimensional Data: Method and Application to Congressional Speech. SIEPR Discussion Paper No. 16-028 Stanford Institute for Economic Policy Research; 2016. [citado 15/01/2019]. Disponible en: https://siepr.stanford.edu/sites/default/files/publications/16-028.pdf
10. Bind MA. Causal Modeling in Environmental Health. Annu. Rev. Public Health [Internet] 2019 [citado 15/01/2019]; 40: [aprox. 9p.]. Disponible en: https://www.annualreviews.org/doi/abs/10.1146/annurev-publhealth-040218-044048
11. Lee L. Regression Discontinuity Designs in Economics. Journal of Economic Literature [Internet] 2010 [citado 15/01/2019]; 48(2): [aprox. 20p.]. Disponible en: http://dx.doi.org/10.1257%2Fjel.48.2.281
12. Ponce C, Escobal J. Metodología cuantitativa de la evaluación del impacto. En: Escobal J, Ponce C. (Eds.) Combinando protección social con generación de oportunidades económicas: una evaluación de los avances del programa Haku Wiñay [Internet]. Lima: GRADE Group for the Analysis of Development; 2016. [citado 20/01/2019]. Disponible en: https://www.grade.org.pe/publicaciones/metodologia-cuantitativa-de-la-evaluacion-del-impacto/
13.Monsalve Torra AE. Sistema de ayuda a la decisión clínica en enfermedades de diagnóstico complejo. [Tesis Doctoral]. Universidad de Alicante; 2017 [citado 21/02/2019]. Disponible en: https://rua.ua.es/dspace/bitstream/10045/65334/1/tesis_monsalve_torra.pdf
14.Jöreskog KG, Olsson UH, Wallentin FY. Multivariate Analysis with LISREL. [Internet] Switzerland: Springer International Publishing; 2016. [citado 21/02/2019]. Disponible en: https://link.springer.com/content/pdf/10.1007/978-3-319-33153-9.pdf
15. Roth Unzueta E. Análisis multivariado en la investigación psicológica: Modelado predictivo y causal en SPSS y AMOS. [Internet] Bolivia: SOIPA Ltda; 2012. [citado 21/02/2019]. Disponible en: http://repositorio.ucb.edu.bo/xmlui/bitstream/handle/UCB/134/LibroAnlisisMultivariadopescaneadonuevo-comprimido.pdf?sequence=1&isAllowed=y
16. Manzano Patiño AP. Introducción a los modelos de ecuaciones estructurales. Inv Ed Med [Internet]. 2017 [citado 18/01/2019]; 7(25): [aprox. 5p.]. Disponible en: http://www.scielo.org.mx/pdf/iem/v7n25/2007-5057-iem-7-25-67.pdf
17. Escobedo Portillo MT, Hernández Gómez JA, Estebané Ortega V, Martínez Moreno G. Modelos de Ecuaciones Estructurales: Características, Fases, Construcción, Aplicación y Resultados. Cienc Trab. [Internet] 2016 [citado 18/01/2019]; 18(55): [aprox. 6p.]. Disponible en: https://scielo.conicyt.cl/scielo.php?script=sci_abstract&pid=S0718-24492016000100004&lng=es&nrm=iso
18. Keith TZ. Multiple regression and beyond: An introduction to multiple regression and structural equation modeling. 2nd ed. [Internet]. New York: Taylor & Francis; 2015. [citado 18/01/2019]. Disponible en: http://admin.ifj.org/multiple-regression-and-beyond-an-introduction-to-multiple-regression-and-structural-equation-modeling.pdf
19. Alves de Oliveira A, Furquim de Almeida M, Pereira da Silva Z, Lisiane de Assunção P, Rigo Silva AM, Geremias dos Santos H, et al. Factors associated with preterm birth: from logistic regression to structural equation modeling. Cad. Saúde Pública [Internet]. 2019 [citado 18/01/2019]; 35(1): [aprox. 2p.]. Disponible en: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0102-311X2019000104001&lng=en&nrm=iso&tlng=en
20. Ruiz M, Pardo A, San Martín R. Modelos de ecuaciones estructurales. Papeles del Psicólogo [Internet] 2010[citado 20/01/2019]; 31(1): [aprox. 11p.]. Disponible en: http://www.redalyc.org/pdf/778/77812441004.pdf
21. Gras R, Régnier JC, Lahanier-Reuter D, Marinica C, Guillet F. L'Analyse Statistique Implicative. Des Sciences dures aux Sciences Humaines et Sociales 3ème édition revue et augmentée. Cépaduès Ed; 2017.
22. Gras R, Bodin A. L’A.S.I., analyseur et revelateur: de la complexite cognitive taxonomique. EMP [Internet]. 2017 [citado 22/01/2019]; 19(1): [aprox. 18p.]. Disponible en: http://dx.doi.org/10.23925/1983-3156.2017v19i1p497-515
23. Bodin A, Giovannini ML, Silva L. L’utilisation de l’analyse implicative et cohésitive pour exploiter un test standardisé de mathématique. Italian Journal of Educational Research [Internet]. 2017 [citado 20/01/2019]; 19. Disponible en: https://ojs.pensamultimedia.it/index.php/sird/article/view/2547
24. Sagaró Del Campo NM, Zamora Matamoros L. ¿Por qué emplear el análisis estadístico implicativo en los estudios de causalidad en salud? RCIM [Internet]. 2019 [citado 20/06/2019]; 11(1): [aprox. 15p.]. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1684-18592019000100088
25. Sagaró Del Campo N, Zamora Matamoros L. Análisis estadístico implicativo versus Regresión logística binaria para el estudio de la causalidad en salud. MULTIMED [Internet] 2019 [citado 19/12/2019]; 23(6): [aprox. 24p.]. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1028-48182019000601416&lng=es
26. García Mederos Y, Zamora Matamoros L, Sagaró del Campo N. Análisis estadístico implicativo en la identificación de factores de riesgo en pacientes con cáncer de pulmón. MEDISAN [Internet]. 2015 [citado 20/01/2018]; 19(8). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192015000800003
27. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de pulmón. MEDISAN [Internet]. 2016 [citado 20/01/2018]; 20(3). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192016000300010
28. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de mama. MEDISAN [Internet]. 2017 [citado 20/01/2018]; 21(4): [aprox. 1p.]. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192017000400003
29. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de próstata. MEDISAN [Internet]. 2018 [citado 20/01/2018]; 22(1). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192018000100007
30. Paez Candelaria Y, Sagaró del Campo NM, Zamora Matamoros L. Análisis estadístico implicativo en la determinación de factores pronósticos del estado nutricional del paciente grave al egreso. MEDISAN [Internet]. 2018 [citado 20/01/2019]; 22(6). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192018000600007
31. Galano Vázquez K, Sagaró del Campo NM, Zamora Matamoros L, Lambert Matos Y, Mingui Carbonell E. Análisis estadístico implicativo en la identificación de factores pronósticos de mortalidad del cáncer renal. Rev. inf. Cient [Internet]. 2018 [citado 14/05/2019]; 98(2). Disponible en: http://www.revinfcientifica.sld.cu/index.php/ric/ article/view/2268
32. Pardo-Santana S, Sagaró-del-Campo NM, Zamora-Matamoros L, Viltre-Castellanos DM. Utilidad del análisis estadístico implicativo para identificar factores pronósticos en pacientes con cáncer de mama. Revista Electrónica Dr. Zoilo E. Marinello Vidaurreta [Internet]. 2019 [citado 25/05/2019]; 44(4). Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/ article/view/1869
33. Balzarini M, Bruno C, Córdoba M, Teich I. Herramientas en el Análisis Estadístico Multivariado. Escuela Virtual Internacional CAVILA Facultad de Ciencias Agropecuarias, Universidad Nacional de Córdoba, Argentina; 2015.
34. Sagaró Del Campo NM, Zamora Matamoros L. Métodos gráficos en la investigación biomédica de causalidad. Revista Electrónica Dr. Zoilo E. Marinello Vidaurreta [Internet]. 2019 [citado 12/063/2019]; 44(4). Disponible en: http://revzoilomarinello.sld.cu/index.php/zmv/ article/view/1846
35. Sagaró Del Campo NM, Zamora Matamoros L. Métodos actuales para asegurar la validez de los estudios de causalidad en medicina. Gac. Méd. Espirit [Internet]. 2019 [citado 20/10/2019]; 21(2): [aprox. 14p.]. Disponible en: http://scielo.sld.cu/pdf/gme/v21n2/1608-8921-gme-21-02-146.pdf
36. Sagaró Del Campo NM, Zamora Matamoros L. Evolución histórica de las técnicas estadísticas y las metodologías para el estudio de la causalidad en ciencias médicas. MEDISAN [Internet]. 2019 [citado 11/06/2019]; 23(3). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192019000300534
Downloads
Published
How to Cite
Issue
Section
License
Authors who have publications with this journal agree to the following terms: Authors will retain their copyrights and grant the journal the right of first publication of their work, which will be publication of their work, which will be simultaneously subject to the Creative Commons Attribution License (CC-BY-NC 4.0) that allows third parties to share the work as long as its author and first publication in this journal are indicated.
Authors may adopt other non-exclusive license agreements for distribution of the published version of the work (e.g.: deposit it in an institutional telematic archive or publish it in a volume). Likewise, and according to the recommendations of the Medical Sciences Editorial (ECIMED), authors must declare in each article their contribution according to the CRediT taxonomy (contributor roles). This taxonomy includes 14 roles, which can be used to represent the tasks typically performed by contributors in scientific academic production. It should be consulted in monograph) whenever initial publication in this journal is indicated. Authors are allowed and encouraged to disseminate their work through the Internet (e.g., in institutional telematic archives or on their web page) before and during the submission process, which may produce interesting exchanges and increase citations of the published work. (See The effect of open access). https://casrai.org/credit/
