TEMARIO        Inicio                 < Previo | Próximo > 

BIOESTADÍSTICA APLICADA A BIOQUÍMICA Y FARMACIA

MÓDULO 1: FUNDAMENTOS MATEMÁTICOS Y GESTIÓN DE DATOS EN CIENCIAS BIOMÉDICAS
Objetivo: Establecer las bases analíticas y metodológicas para el manejo, limpieza y descripción técnica de datos provenientes de entornos de laboratorio y farmacia clínica.

1.1. Naturaleza de los datos en Bioquímica y Farmacia
1.1.1. Escalas de medición: De la cuantificación de analitos a la categorización clínica.
1.1.2. Variables críticas en el proceso farmacéutico: Variables de respuesta y de control.
1.1.3. Gestión de la calidad del dato: Errores sistemáticos, aleatorios y valores atípicos (outliers).

1.2. Estadística Descriptiva Avanzada
1.2.1. Medidas de tendencia central y su interpretación en ensayos de potencia biológica.
1.2.2. Medidas de dispersión: Coeficiente de variación (CV%) como estándar de precisión analítica.
1.2.3. Distribuciones de frecuencia y representación gráfica técnica (Histogramas, Box-plots y Diagramas de Pareto).

1.3. Probabilidad Aplicada al Diagnóstico y la Calidad
1.3.1. Teoría de la probabilidad en procesos estocásticos de laboratorio.
1.3.2. Teorema de Bayes aplicado a la interpretación de pruebas diagnósticas (Sensibilidad y Especificidad).
1.3.3. Aplicación de la probabilidad en el control de procesos (SPC).

1.4. Distribuciones de Probabilidad en Sistemas Biológicos
1.4.1. Distribución Normal y su importancia en la estandarización de rangos de referencia.
1.4.2. Distribuciones Binomial y Poisson en recuentos microbiológicos y eventos raros.
1.4.3. Transformación de datos para la normalización de variables bioquímicas.

MÓDULO 2: INFERENCIA ESTADÍSTICA Y ESTIMACIÓN DE PARÁMETROS BIOMÉDICOS
Objetivo: Capacitar al profesional en la toma de decisiones basada en la incertidumbre, permitiendo extrapolar resultados de muestras a poblaciones biológicas totales.

2.1. Muestreo y Error Estándar
2.1.1. Técnicas de muestreo en lotes farmacéuticos y poblaciones de pacientes.
2.1.2. Distribución muestral de la media y el Teorema del Límite Central.
2.1.3. Cálculo del error estándar y su relevancia en el reporte de resultados bioquímicos.

2.2. Estimación por Intervalos de Confianza
2.2.1. Construcción de intervalos para medias de concentración de fármacos.
2.2.2. Intervalos de confianza para proporciones en estudios de prevalencia.
2.2.3. Interpretación de la precisión clínica frente a la significación estadística.

2.3. Pruebas de Hipótesis: Marco Conceptual
2.3.1. Formulación de hipótesis nula (H0H0) y alternativa (HaHa) en ensayos comparativos.

2.3.2. Errores Tipo I (αα) y Tipo II (ββ: El costo del falso positivo en farmacia.

2.3.3. El valor p (pp-value): Interpretación crítica y limitaciones contemporáneas.

2.4. Potencia Estadística y Tamaño de la Muestra
2.4.1. Determinación de la potencia de una prueba (1−β 1−β).

2.4.2. Cálculo del tamaño muestral para estudios de bioequivalencia.

2.4.3. Factores que influyen en el tamaño de muestra en investigación bioquímica.

MÓDULO 3: ANÁLISIS COMPARATIVO PARAMÉTRICO EN EL LABORATORIO
Objetivo: Evaluar diferencias significativas entre grupos de estudio mediante pruebas robustas para datos con distribución normal.

3.1. Comparación de Dos Grupos: Pruebas t de Student
3.1.1. t de Student para muestras independientes: Comparación de dos formulaciones.
3.1.2. t de Student para muestras pareadas: Evaluación antes-después en tratamientos.
3.1.3. Prueba de Welch para varianzas desiguales en ensayos biológicos.

3.2. Análisis de Varianza (ANOVA) de un Factor
3.2.1. Fundamentos del ANOVA: Descomposición de la varianza.
3.2.2. Comparación de múltiples niveles de dosis de un principio activo.
3.2.3. Verificación de supuestos: Homocedasticidad y Normalidad.

3.3. Pruebas Post-Hoc en Bioquímica
3.3.1. Comparaciones múltiples: Test de Tukey y Bonferroni.
3.3.2. Test de Dunnett: Comparación de múltiples tratamientos frente a un control único.
3.3.3. Control de la tasa de error por familia en investigación farmacéutica.

3.4. Análisis de Varianza de Dos Vías (ANOVA de Dos Factores)
3.4.1. Evaluación de interacciones entre factores (Ej. Dosis y Tiempo).
3.4.2. Efectos principales y efectos de interacción en la estabilidad de fármacos.
3.4.3. Modelos mixtos y medidas repetidas en cinética enzimática.

MÓDULO 4: ESTADÍSTICA NO PARAMÉTRICA PARA DATOS COMPLEJOS
Objetivo: Aplicar métodos de análisis para datos que no cumplen con los supuestos de normalidad, comunes en escalas de dolor o concentraciones traza.

4.1. Introducción a los Métodos Basados en Rangos
4.1.1. Ventajas y limitaciones de las pruebas no paramétricas en bioquímica.
4.1.2. Transformación de rangos y manejo de empates.
4.1.3. Robustez de los métodos no paramétricos frente a valores extremos.

4.2. Comparación de Dos Grupos Independientes y Dependientes
4.2.1. Prueba U de Mann-Whitney para comparación de medianas.
4.2.2. Prueba de Wilcoxon para muestras relacionadas en estudios farmacodinámicos.
4.2.3. Aplicación en la evaluación de biomarcadores con alta asimetría.

4.3. Análisis de Múltiples Grupos No Paramétricos
4.3.1. Prueba de Kruskal-Wallis como alternativa al ANOVA de un factor.
4.3.2. Prueba de Friedman para medidas repetidas no paramétricas.
4.3.3. Comparaciones múltiples no paramétricas (Test de Dunn).

4.4. Análisis de Correlación No Paramétrica
4.4.1. Coeficiente de correlación de Spearman (ρρ).

4.4.2. Coeficiente Tau de Kendall para muestras pequeñas.

4.4.3. Aplicación en la validación de métodos semicuantitativos.

MÓDULO 5: CORRELACIÓN Y REGRESIÓN LINEAL EN CIENCIAS FARMACÉUTICAS
Objetivo: Modelar la relación funcional entre variables para predecir comportamientos biológicos y validar métodos analíticos.

5.1. Correlación de Pearson y Análisis de Asociación
5.1.1. Cuantificación de la relación lineal entre dos variables bioquímicas.
5.1.2. Coeficiente de determinación (R2R2) e interpretación de la varianza explicada.

5.1.3. Causalidad vs. Correlación en epidemiología farmacéutica.

5.2. Regresión Lineal Simple (RLS)
5.2.1. Estimación por Mínimos Cuadrados Ordinarios (MCO).
5.2.2. Construcción de curvas de calibración en química analítica.
5.2.3. Análisis de residuos: Detección de heterocedasticidad y falta de ajuste.

5.3. Regresión Lineal Múltiple (RLM)
5.3.1. Modelado de respuestas biológicas en función de múltiples predictores.
5.3.2. Multicolinealidad y su impacto en la interpretación de fármacos.
5.3.3. Selección de modelos: Métodos Stepwise, AIC y BIC.

5.4. Regresión No Lineal y Aplicaciones
5.4.1. Modelado de curvas dosis-respuesta (Modelo Sigmoidal).
5.4.2. Ecuación de Michaelis-Menten en cinética enzimática.
5.4.3. Estimación de la IC50 IC50 y EC50 EC50 mediante regresión logística.

MÓDULO 6: DISEÑO DE EXPERIMENTOS (DoE) EN EL DESARROLLO FARMACÉUTICO
Objetivo: Optimizar los procesos de fabricación y formulación mediante técnicas estadísticas avanzadas para reducir costos y maximizar calidad.

6.1. Principios del Diseño Experimental
6.1.1. Aleatorización, replicación y bloqueo en el laboratorio.
6.1.2. Diseños completamente al azar vs. diseños en bloques.
6.1.3. El concepto de "Calidad por Diseño" (QbD) en la industria farmacéutica.

6.2. Diseños Factoriales Completos y Fraccionados
6.2.1. Análisis de factores principales e interacciones complejas.
6.2.2. Diseños 2k2k para el tamizaje de variables de formulación.

6.2.3. Fraccionamiento y pérdida de información (Estructura de alias).

6.3. Metodología de Superficie de Respuesta (RSM)
6.3.1. Optimización de rendimientos en síntesis química.
6.3.2. Diseño Central Compuesto y Diseño Box-Behnken.
6.3.3. Interpretación de mapas de contorno y superficies 3D para optimización.

6.4. Diseños de Mezclas y Robustez
6.4.1. Optimización de proporciones de excipientes en formas farmacéuticas sólidas.
6.4.2. Evaluación de la robustez del método (Test de Youden).
6.4.3. Aplicación de DoE en la transferencia de tecnología.

MÓDULO 7: BIOESTADÍSTICA PARA LA VALIDACIÓN DE MÉTODOS ANALÍTICOS
Objetivo: Proveer las herramientas estadísticas para cumplir con las exigencias de agencias reguladoras (FDA/EMA) en la validación de técnicas de laboratorio.

7.1. Evaluación de la Veracidad y Exactitud
7.1.1. Cálculo del sesgo (bias) y recuperación porcentual.
7.1.2. Pruebas de hipótesis para evaluar la exactitud frente a un material de referencia.
7.1.3. Uso de gráficos de Bland-Altman para la comparación de métodos.

7.2. Precisión: Repetibilidad y Reproducción Intermedia
7.2.1. Análisis de los componentes de la varianza en estudios de precisión.
7.2.2. Cálculo de la Desviación Estándar Relativa (RSD).
7.2.3. Uso del ANOVA para estimar la precisión intermedia y reproducibilidad.

7.3. Límites de Detección (LOD) y Cuantificación (LOQ)
7.3.1. Estimación basada en la relación señal/ruido.
7.3.2. Cálculo estadístico a partir de la desviación estándar del intercepto.
7.3.3. Linealidad y rango dinámico de trabajo.

7.4. Incertidumbre de la Medición
7.4.1. Enfoque GUM (Guide to the Expression of Uncertainty in Measurement).
7.4.2. Identificación de fuentes de incertidumbre en el proceso bioquímico.
7.4.3. Expresión de la incertidumbre expandida y factor de cobertura (kk).

MÓDULO 8: ESTADÍSTICA EN FARMACOCINÉTICA Y BIOEQUIVALENCIA
Objetivo: Analizar los datos de concentración-tiempo y determinar la intercambiabilidad de productos farmacéuticos bajo criterios normativos.

8.1. Parámetros Farmacocinéticos y su Variabilidad
8.1.1. Análisis no compartimental: Estimación de AUC, Cmax Cmax y Tmax Tma. 

8.1.2. Estadística descriptiva de parámetros cinéticos (Media geométrica).

8.1.3. Variabilidad intra e interindividual en la respuesta terapéutica.

8.2. Diseños para Estudios de Bioequivalencia
8.2.1. Diseño cruzado 2×2 2×2 (Crossover design): Efecto de periodo y secuencia

8.2.2. Importancia del periodo de lavado (washout) y efecto de arrastre (carry-over).

8.2.3. Diseños replicados para fármacos de alta variabilidad.

8.3. Análisis Estadístico de la Bioequivalencia
8.3.1. El procedimiento de los dos test de una cola (TOST) de Schuirman.
8.3.2. Intervalos de confianza del 90% para la razón de medias transformadas logarítmicamente.
8.3.3. Criterios de aceptación estándar (80% - 125%).

8.4. Farmacometría y Modelado Poblacional
8.4.1. Introducción a los Modelos de Efectos Mixtos No Lineales (NLME).
8.4.2. Análisis de covariables en el aclaramiento de fármacos.
8.4.3. Simulaciones de Monte Carlo para la optimización de regímenes de dosificación.

MÓDULO 9: ESTADÍSTICA APLICADA A ENSAYOS CLÍNICOS
Objetivo: Interpretar los resultados de las diferentes fases del desarrollo clínico, garantizando la validez interna y externa de los hallazgos.

9.1. Estructura de los Ensayos Clínicos Controlados
9.1.1. Fases clínicas (I, II, III y IV) y sus objetivos estadísticos.
9.1.2. Aleatorización estratificada y por bloques competitivos.
9.1.3. Enmascaramiento (Ciego): Importancia para evitar el sesgo de selección.

9.2. Análisis por Intención de Tratar (ITT) vs. Por Protocolo (PP)
9.2.1. Filosofía del ITT y manejo de pacientes desertores (dropouts).
9.2.2. Impacto de las pérdidas de seguimiento en la potencia del estudio.
9.2.3. Imputación de datos faltantes (LOCF, Imputación múltiple).

9.3. Medidas de Efecto Clínico
9.3.1. Riesgo Relativo (RR) y Odds Ratio (OR).
9.3.2. Reducción Absoluta del Riesgo (RAR) y Número Necesario a Tratar (NNT).
9.3.3. Análisis de superioridad, no inferioridad y equivalencia.

9.4. Meta-análisis y Revisiones Sistemáticas
9.4.1. Combinación estadística de resultados de múltiples estudios.
9.4.2. Evaluación de la heterogeneidad (I2 I2) y sesgo de publicación (Funnel Plot).

9.4.3. Interpretación de Forest Plots en farmacoterapia.

MÓDULO 10: ANÁLISIS DE SUPERVIVENCIA Y TOXICOLOGÍA ESTADÍSTICA
Objetivo: Modelar el tiempo hasta la ocurrencia de un evento (muerte, curación, falla) y evaluar la seguridad de compuestos químicos.

10.1. Fundamentos del Análisis de Supervivencia
10.1.1. Concepto de datos censurados (censura a la derecha).
10.1.2. Función de supervivencia y función de riesgo (hazard).
10.1.3. Curvas de Kaplan-Meier: Estimación y representación gráfica.

10.2. Comparación de Curvas de Supervivencia
10.2.1. Prueba de Log-Rank para comparar regímenes de tratamiento.
10.2.2. Aplicación en estudios de estabilidad de fármacos a largo plazo.
10.2.3. Evaluación del tiempo de vida media biológica.

10.3. Modelo de Riesgos Proporcionales de Cox
10.3.1. Análisis multivariado de factores pronósticos.
10.3.2. Interpretación de la Razón de Riesgos (Hazard Ratio - HR).
10.3.3. Verificación del supuesto de proporcionalidad.

10.4. Bioestadística en Toxicología
10.4.1. Análisis Probit y Logit para determinar la Dosis Letal 50 (DL50 DL 50​).

10.4.2. Evaluación de la relación dosis-respuesta en toxicología genética.

10.4.3. Modelos de evaluación de riesgo químico y límites de exposición.

MÓDULO 11: CONTROL ESTADÍSTICO DE PROCESOS (SPC) EN LA INDUSTRIA FARMACÉUTICA
Objetivo: Implementar herramientas de monitoreo continuo para asegurar que la producción de medicamentos se mantenga bajo control y dentro de especificaciones.

11.1. Gráficos de Control por Variables
11.1.1. Gráficos de medias (XˉX) y rangos (RR).

11.1.2. Gráficos de desviación estándar (ss).

11.1.3. Identificación de causas comunes vs. causas especiales de variación.

11.2. Gráficos de Control por Atributos
11.2.1. Gráficos p (proporción de defectuosos) y np (número de defectuosos).
11.2.2. Gráficos c y u para conteo de defectos por unidad de producto.
11.2.3. Aplicación en inspección de empaques y hermeticidad.

11.3. Análisis de Capacidad del Proceso
11.3.1. Índices de capacidad CpCp y CpkCp​

11.3.2. Interpretación de la capacidad frente a especificaciones de farmacopea.

11.3.3. Relación entre capacidad de proceso y Six Sigma.

11.4. Planes de Muestreo de Aceptación
11.4.1. Norma ANSI/ASQ Z1.4 en la recepción de materias primas.
11.4.2. Curvas de Características de Operación (CO).
11.4.3. Riesgo del productor y riesgo del consumidor.

MÓDULO 12: CIENCIA DE DATOS, BIOINFORMÁTICA Y EL FUTURO DE LA BIOESTADÍSTICA
Objetivo: Introducir al profesional en las herramientas de computación avanzada y análisis de grandes volúmenes de datos (Big Data) para la medicina personalizada.

12.1. Introducción a la Bioinformática Estadística
12.1.1. Análisis de microarreglos y secuenciación de nueva generación (NGS).
12.1.2. Control de la tasa de falsos descubrimientos (FDR).
12.1.3. Estadística en farmacogenómica y medicina personalizada.

12.2. Machine Learning Aplicado a la Farmacia
12.2.1. Algoritmos de clasificación para diagnóstico (Bosques aleatorios, SVM).
12.2.2. Redes neuronales en el descubrimiento de nuevos fármacos (Drug Discovery).
12.2.3. Análisis de conglomerados (Clustering) para segmentación de pacientes.

12.3. Big Data y Real World Evidence (RWE)
12.3.1. Análisis de bases de datos de farmacovigilancia.
12.3.2. Uso de datos del mundo real para la toma de decisiones regulatorias.
12.3.3. Ética y privacidad en el manejo de datos masivos de salud.

12.4. Software Estadístico y Programación
12.4.1. Uso de R y Python en el análisis de datos bioquímicos.
12.4.2. Automatización de reportes estadísticos y reproducibilidad.
12.4.3. El futuro de la inteligencia artificial en el laboratorio clínico.

💰 Precio Normal:

• Matrícula: 120 soles

• Mensualidades: 120 soles

• Certificación: 240 soles

🔥 Oferta Especial por Inscripción Grupal (2 o más):

• Matrícula: 100 soles

• Mensualidades: 100 soles

• Certificación: 240 soles

Más Información