TEMARIO     Inicio                    < Previo | Próximo > 

BIOESTADÍSTICA APLICADA A LA SALUD

MÓDULO 1: FUNDAMENTOS DE LA BIOESTADÍSTICA EN EL CONTEXTO SANITARIO PERUANO
Objetivo: Proporcionar al profesional de la salud las bases conceptuales de la estadística aplicada a las ciencias médicas, integrando el marco normativo y los sistemas de información del sector salud en el Perú.

1.1. Introducción a la bioestadística y salud pública
1.1.1. Definición y rol de la estadística en la toma de decisiones clínicas y administrativas.
1.1.2. El método científico y el método estadístico en investigaciones del MINSA y EsSalud.
1.1.3. Ética en el manejo de datos personales y la Ley de Protección de Datos Personales en Perú.

1.2. Sistemas de información en salud (HIS) y fuentes de datos
1.2.1. Estructura y flujo de datos en el sistema HIS-MINSA y el Sistema de Hechos Vitales.
1.2.2. Uso de bases de datos nacionales: ENDES, ENUS y repositorios del INEI.
1.2.3. Calidad del dato: Identificación de sesgos y errores en el registro clínico.

1.3. Variables y escalas de medición
1.3.1. Clasificación de variables: cualitativas (nominales, ordinales) y cuantitativas (discretas, continuas).
1.3.2. Escalas de medición aplicadas a indicadores de salud peruanos.
1.3.3. Operacionalización de variables en protocolos de investigación en salud.

1.4. Organización y presentación de datos sanitarios
1.4.1. Elaboración de tablas de frecuencias y distribución de frecuencias agrupadas.
1.4.2. Gráficos estadísticos para salud: Histogramas, diagramas de barras, sectores y Box-plot.
1.4.3. Normas de presentación de cuadros estadísticos según estándares internacionales y nacionales.

MÓDULO 2: ESTADÍSTICA DESCRIPTIVA APLICADA A INDICADORES DE SALUD
Objetivo: Capacitar en el uso de herramientas descriptivas para el análisis de la situación de salud y la interpretación de resúmenes numéricos de datos clínicos.

2.1. Medidas de tendencia central
2.1.1. Media aritmética, mediana y moda: Aplicaciones en parámetros biomédicos.
2.1.2. Medias de posición: Cuartiles, deciles y percentiles en el monitoreo del crecimiento y desarrollo (CRED).
2.1.3. Propiedades y criterios para la elección de una medida de tendencia central.

2.2. Medidas de dispersión o variabilidad
2.2.1. Rango, varianza y desviación estándar en la variabilidad biológica.
2.2.2. El coeficiente de variación: Comparación de la variabilidad entre diferentes grupos etarios.
2.2.3. Error estándar y su importancia en la estimación de parámetros poblacionales.

2.3. Medidas de forma y concentración
2.3.1. Asimetría y curtosis: Identificación de la distribución de datos en salud mental y nutrición.
2.3.2. El diagrama de caja y bigotes (Box-plot) para la detección de valores atípicos (outliers).
2.3.3. Interpretación de la forma de la distribución en variables hematológicas y bioquímicas.

2.4. Análisis de la Situación de Salud (ASIS)
2.4.1. Definición y componentes del ASIS en establecimientos de salud del Perú.
2.4.2. Cálculo e interpretación de indicadores de morbilidad y mortalidad.
2.4.3. Razones, proporciones, tasas e índices en el monitoreo de enfermedades regionales.

MÓDULO 3: PROBABILIDAD Y DISTRIBUCIONES EN CIENCIAS DE LA SALUD
Objetivo: Aplicar los modelos probabilísticos fundamentales para entender la incertidumbre y el azar en los fenómenos biológicos y epidemiológicos.

3.1. Fundamentos de probabilidad
3.1.1. Conceptos básicos: Espacio muestral, eventos y reglas de adición y multiplicación.
3.1.2. Probabilidad condicional y Teorema de Bayes aplicado al diagnóstico médico.
3.1.3. Aplicación de la probabilidad en el cálculo del riesgo clínico.

3.2. Distribuciones de probabilidad para variables discretas
3.2.1. Distribución Binomial: Aplicación en estudios de éxito/fracaso terapéutico.
3.2.2. Distribución de Poisson: Modelado de eventos raros e incidencia de enfermedades.
3.2.3. Cálculo de probabilidades discretas mediante herramientas digitales.

3.3. Distribución de probabilidad para variables continuas
3.3.1. La Distribución Normal: Características y la importancia de la campana de Gauss.
3.3.2. La Distribución Normal Estándar (Z) y el proceso de estandarización.
3.3.3. Aplicaciones de la normalidad en la definición de rangos de referencia de laboratorio.

3.4. Pruebas de normalidad y supuestos estadísticos
3.4.1. Métodos gráficos para evaluar la normalidad (P-P plot y Q-Q plot).
3.4.2. Pruebas estadísticas: Kolmogorov-Smirnov y Shapiro-Wilk según el tamaño muestral.
3.4.3. Transformación de datos para la aproximación a la distribución normal.

MÓDULO 4: MUESTREO Y CÁLCULO DEL TAMAÑO DE LA MUESTRA
Objetivo: Determinar el tamaño de muestra necesario y la técnica de muestreo adecuada para garantizar la representatividad y validez de las investigaciones en salud.

4.1. Conceptos de muestreo y representatividad
4.1.1. Población diana, población de estudio y marco muestral en contextos peruanos.
4.1.2. Tipos de muestreo probabilístico: Aleatorio simple, sistemático, estratificado y por conglomerados.
4.1.3. Muestreo no probabilístico: Por conveniencia y por cuotas en estudios piloto.

4.2. Cálculo del tamaño de muestra para estimar parámetros
4.2.1. Tamaño de muestra para estimar una media poblacional.
4.2.2. Tamaño de muestra para estimar una proporción (prevalencia de enfermedades).
4.2.3. Ajuste por población finita y factor de corrección por pérdida de sujetos.

4.3. Cálculo del tamaño de muestra para comparación de grupos
4.3.1. Tamaño de muestra para comparar dos medias (estudios analíticos).
4.3.2. Tamaño de muestra para comparar dos proporciones (estudios de casos y controles).
4.3.3. Introducción a la potencia estadística y el error tipo I y tipo II.

4.4. Validez y sesgos de selección
4.4.1. Sesgos derivados de un muestreo inadecuado y cómo minimizarlos.
4.4.2. El concepto de precisión y exactitud en la estimación muestral.
4.4.3. Uso de software especializado (OpenEpi, Epi Info) para el cálculo muestral.

MÓDULO 5: INFERENCIA ESTADÍSTICA: ESTIMACIÓN Y PRUEBAS DE HIPÓTESIS
Objetivo: Aplicar los principios de la inferencia estadística para generalizar los resultados obtenidos en una muestra a la población general de pacientes.

5.1. Estimación por intervalos de confianza
5.1.1. El intervalo de confianza (IC) para la media y la proporción.
5.1.2. Interpretación clínica de los IC en la literatura médica nacional e internacional.
5.1.3. Relación entre la amplitud del intervalo y el tamaño de la muestra.

5.2. Fundamentos de las pruebas de hipótesis
5.2.1. Formulación de hipótesis: Hipótesis nula (H0) e Hipótesis alterna (H1).
5.2.2. Nivel de significancia (alfa) y el valor p (p-value): Interpretación correcta.
5.2.3. Pruebas unilaterales y bilaterales en investigación biomédica.

5.3. Inferencia para una sola población
5.3.1. Prueba Z y t-Student para una media: Comparación con estándares poblacionales.
5.3.2. Prueba de una proporción: Evaluación de cumplimiento de metas sanitarias.
5.3.3. Intervalos de confianza para varianzas poblacionales.

5.4. Errores en la toma de decisiones estadísticas
5.4.1. Error Tipo I (falso positivo) y Error Tipo II (falso negativo).
5.4.2. Significación estadística versus importancia clínica o relevancia en salud pública.
5.4.3. Potencia de la prueba y su relación con el diseño del estudio.

MÓDULO 6: PRUEBAS PARAMÉTRICAS PARA COMPARACIÓN DE GRUPOS
Objetivo: Aplicar pruebas estadísticas paramétricas para comparar promedios en grupos independientes y relacionados, asegurando el cumplimiento de supuestos estadísticos.

6.1. Comparación de dos medias independientes
6.1.1. Prueba t-Student para muestras independientes: Procedimiento y aplicación.
6.1.2. Prueba de Levene para la igualdad de varianzas (homocedasticidad).
6.1.3. Interpretación de resultados en ensayos clínicos aleatorizados.

6.2. Comparación de dos medias relacionadas
6.2.1. Prueba t-Student para muestras pareadas: Estudios antes-después.
6.2.2. Aplicación en la evaluación de intervenciones educativas o farmacológicas en pacientes.
6.2.3. Cálculo del tamaño del efecto (d de Cohen).

6.3. Análisis de Varianza (ANOVA) de un factor
6.3.1. Fundamentos del ANOVA: Comparación de tres o más grupos independientes.
6.3.2. Supuestos del ANOVA y su verificación en datos de salud.
6.3.3. Pruebas Post-Hoc (Tukey, Bonferroni) para la identificación de diferencias específicas.

6.4. Extensiones del análisis de varianza
6.4.1. ANOVA de medidas repetidas: Seguimiento longitudinal del paciente.
6.4.2. Introducción al ANOVA de dos factores (análisis factorial).
6.4.3. Análisis de la covarianza (ANCOVA) para el control de variables confusoras.

MÓDULO 7: ESTADÍSTICA NO PARAMÉTRICA EN SALUD
Objetivo: Utilizar herramientas estadísticas alternativas cuando los datos no cumplen con la distribución normal o son de naturaleza ordinal.

7.1. Pruebas no paramétricas para dos grupos
7.1.1. Prueba U de Mann-Whitney para muestras independientes.
7.1.2. Prueba de los rangos con signo de Wilcoxon para muestras relacionadas.
7.1.3. Cuándo elegir una prueba no paramétrica frente a una paramétrica.

7.2. Pruebas no paramétricas para tres o más grupos
7.2.1. Prueba de Kruskal-Wallis para comparación múltiple de grupos independientes.
7.2.2. Prueba de Friedman para medidas repetidas no paramétricas.
7.2.3. Pruebas de comparaciones múltiples no paramétricas.

7.3. Análisis de datos categóricos (Chi-cuadrado)
7.3.1. Prueba de Independencia de Chi-cuadrado de Pearson: Asociación entre variables cualitativas.
7.3.2. Prueba de Bondad de Ajuste de Chi-cuadrado.
7.3.3. Prueba Exacta de Fisher: Aplicación en tablas 2x2 con frecuencias esperadas pequeñas.

7.4. Medidas de asociación para datos no paramétricos
7.4.1. Coeficiente de correlación de Spearman para variables ordinales o no normales.
7.4.2. Prueba de McNemar para datos pareados dicotómicos.
7.4.3. Interpretación de la concordancia mediante el índice Kappa de Cohen.

MÓDULO 8: ANÁLISIS DE CORRELACIÓN Y REGRESIÓN LINEAL
Objetivo: Modelar y cuantificar la relación entre variables cuantitativas para predecir resultados clínicos y entender asociaciones biológicas.

8.1. Correlación lineal simple
8.1.1. Coeficiente de correlación de Pearson (r): Fuerza y dirección de la relación.
8.1.2. Diagramas de dispersión y análisis visual de la asociación.
8.1.3. Interpretación de la significancia estadística del coeficiente de correlación.

8.2. Regresión lineal simple
8.2.1. El modelo de mínimos cuadrados: Ecuación de la recta de regresión.
8.2.2. El coeficiente de determinación (R²) y su interpretación en salud.
8.2.3. Evaluación de los residuos: Normalidad, homocedasticidad e independencia.

8.3. Regresión lineal múltiple
8.3.1. Modelado de una variable dependiente cuantitativa con múltiples predictores.
8.3.2. Selección de variables: Métodos Stepwise, Enter, Forward y Backward.
8.3.3. Multicolinealidad: El Factor de Inflación de la Varianza (VIF).

8.4. Aplicaciones clínicas de la regresión
8.4.1. Construcción de modelos predictivos en salud pública.
8.4.2. Ajuste de modelos por variables de confusión (edad, sexo, procedencia).
8.4.3. Comunicación de resultados de modelos de regresión en artículos científicos.

MÓDULO 9: ANÁLISIS DE RIESGO Y REGRESIÓN LOGÍSTICA
Objetivo: Analizar variables dicotómicas mediante el uso de medidas de frecuencia, riesgo y modelos de regresión logística aplicados a la epidemiología.

9.1. Medidas de asociación en epidemiología
9.1.1. El Riesgo Relativo (RR) en estudios de cohorte.
9.1.2. El Odds Ratio (OR) en estudios de casos y controles.
9.1.3. Riesgo Atribuible y Fracción Atribuible en la población peruana.

9.2. Regresión logística binaria
9.2.1. Concepto de la función Logit y modelado de desenlaces dicotómicos (vivo/muerto, enfermo/sano).
9.2.2. Interpretación de los coeficientes (B) y de los Odds Ratio ajustados.
9.2.3. Evaluación de la bondad de ajuste: Prueba de Hosmer-Lemeshow.

9.3. Diagnóstico del modelo logístico
9.3.1. Probabilidad predicha y clasificación del modelo.
9.3.2. Curvas ROC y Área Bajo la Curva (AUC) como medida de discriminación.
9.3.3. Identificación de puntos de corte óptimos mediante el índice de Youden.

9.4. Regresión logística múltiple
9.4.1. Inclusión de variables cualitativas y cuantitativas como predictores.
9.4.2. Análisis de interacción y confusión en modelos logísticos.
9.4.3. Presentación de resultados: Uso de tablas de regresión logística multivariada.

MÓDULO 10: EPIDEMIOLOGÍA CLÍNICA Y PRUEBAS DIAGNÓSTICAS
Objetivo: Evaluar la validez y seguridad de las pruebas diagnósticas, así como la eficacia de las intervenciones sanitarias mediante herramientas bioestadísticas.

10.1. Validez de pruebas diagnósticas
10.1.1. Sensibilidad y especificidad: Definición y cálculo en tablas de contingencia.
10.1.2. Valores predictivos (positivo y negativo) y su dependencia de la prevalencia.
10.1.3. Razones de verosimilitud (Likelihood Ratios) positivas y negativas.

10.2. Análisis de curvas ROC
10.2.1. Construcción de la curva ROC para pruebas con resultados continuos.
10.2.2. Comparación de dos o más pruebas diagnósticas mediante el AUC.
10.2.3. Aplicación en la validación de nuevos biomarcadores y escalas de riesgo.

10.3. Concordancia y reproducibilidad
10.3.1. Variabilidad intraobservador e interobservador.
10.3.2. El índice Kappa de Cohen para variables categóricas.
10.3.3. El Coeficiente de Correlación Intraclase (CCI) para variables continuas.

10.4. Evidencia en la toma de decisiones
10.4.1. Concepto de Número Necesario a Tratar (NNT) y Número Necesario para Dañar (NND).
10.4.2. Introducción al Meta-análisis y la lectura crítica de revisiones sistemáticas.
10.4.3. Uso de la bioestadística en la medicina basada en evidencias (MBE).

MÓDULO 11: ANÁLISIS DE SUPERVIVENCIA EN INVESTIGACIÓN CLÍNICA
Objetivo: Analizar datos donde el evento de interés es el tiempo hasta la ocurrencia de un suceso, común en oncología y enfermedades crónicas.

11.1. Conceptos fundamentales de supervivencia
11.1.1. Definición del tiempo de supervivencia y el evento de interés.
11.1.2. El concepto de censura: Tipos de censura (derecha, izquierda, intervalo).
11.1.3. La función de supervivencia y la función de riesgo (hazard).

11.2. Métodos no paramétricos: Kaplan-Meier
11.2.1. Estimación de la curva de supervivencia de Kaplan-Meier.
11.2.2. Cálculo de la mediana de supervivencia e intervalos de confianza.
11.2.3. Comparación de curvas de supervivencia: La prueba de Log-Rank.

11.3. Modelado de supervivencia: Regresión de Cox
11.3.1. Modelo de riesgos proporcionales de Cox.
11.3.2. Interpretación del Hazard Ratio (HR) y sus intervalos de confianza.
11.3.3. Verificación del supuesto de riesgos proporcionales.

11.4. Aplicaciones avanzadas en supervivencia
11.4.1. Análisis de supervivencia en pacientes con enfermedades crónicas no transmisibles.
11.4.2. Uso de variables dependientes del tiempo en modelos de Cox.
11.4.3. Interpretación de gráficos de supervivencia en publicaciones de alto impacto.

MÓDULO 12: MANEJO DE SOFTWARE ESTADÍSTICO Y REDACCIÓN CIENTÍFICA
Objetivo: Integrar los conocimientos adquiridos mediante el uso de software especializado y desarrollar habilidades para la comunicación de resultados según normas internacionales.

12.1. Introducción al procesamiento de datos con software
12.1.1. Uso de SPSS/JAMOVI/R (según disponibilidad) para el análisis de datos.
12.1.2. Gestión de bases de datos: Limpieza, codificación y creación de nuevas variables.
12.1.3. Importación y exportación de datos desde Excel hacia paquetes estadísticos.

12.2. Ejecución de análisis estadísticos computarizados
12.2.1. Generación de estadísticos descriptivos y gráficos de alta calidad.
12.2.2. Ejecución de pruebas de hipótesis e interpretación de salidas de software (output).
12.2.3. Automatización de reportes estadísticos básicos.

12.3. Redacción de resultados en artículos científicos
12.3.1. Cómo escribir la sección de "Métodos Estadísticos" en un protocolo o tesis.
12.3.2. Presentación ética y transparente de los resultados (normas STROBE, CONSORT).
12.3.3. Discusión de hallazgos estadísticos y limitaciones del estudio.

12.4. Proyecto final de diplomado
12.4.1. Desarrollo de un análisis bioestadístico integral con datos reales o simulados del contexto peruano.
12.4.2. Elaboración de un informe final de investigación con rigor académico.
12.4.3. Sustentación y crítica constructiva del análisis realizado.

© 2025 Diplomados Empresariales. Todos los derechos reservados.

Más Información