Medicina Basada en la Evidencia

Estadística básica – 646 – significa que la relación es estadísticamente signifi- cativa. Invirtiendo el valor de HR (exp[-coef]) 1,02), se podría interpretar que las mujeres que tienen un año menos tienen un 2% más de probabilidad de perder la lactancia que las que tienen un año más. R no nos ofrece el IC 95 (1,01 a 1,029), hay que calcularlo ma- nualmente con la fórmula vista anteriormente: Límite inferior (LI) = = Límite superior (LS) = SUPUESTOS DE APLICACIÓN DEL MODELO Para la aplicación de una RC es necesario que se cum- plan ciertos supuestos: 1. Supuesto de riesgos proporcionales . Es el supuesto más importante, significa que la HR a lo largo de todo el seguimiento debe ser constante. Ya vimos anteriormente que HR es independiente del tiem- po transcurrido representado por el término no paramétrico del modelo (h 0 t), que no presupone ningún supuesto. Esto quiere decir que depende solamente de la distribución de los datos de las va- riables explicativas. En realidad, la HR final o global es consecuencia de un promedio de todas las HR parciales durante todo el seguimiento que deben ser constantes. En el caso de una variable cualita- tiva, donde existen dos categorías A y B, los valores de la función de riesgo que toman los sujetos de la categoría A deben ser proporcionales a los valores que toman los mismos sujetos con la categoría B [ht;X = A/ht;X = B = cte]. La violación de este supuesto se puede corregir de dos formas. Estratificando por la variable que no cumple este supuesto o introduciendo una variable que represente el tiempo de seguimiento de cada variable que no sigue el supuesto y que se compor- ta como un término de interacción que multiplica su valor por el de la variable explicativa en cuestión. A este modelo extendido de la regresión de Cox, se le denomina regresión de Cox dependiente de tiempo. 2. El suceso debe ser irreversible . Ha de ocurrir una sola vez y la censura debe ser no informativa. El incumplimiento de este supuesto puede corregir- se con la regresión de Cox de riesgos competitivos, donde el suceso en la variable de estudio puede repetirse más de una vez. 3. El modelo debe incluir una variable dependiente . Tasa de riesgo del evento, que recoja el suceso del evento (1) o la ausencia del mismo (0), que va uni- da a la variable tiempo trascurrido y una o más va- riables explicativas que pueden ser cualitativas o cuantitativas. 4. Supuesto log-lineal. La relación entre el logarit- mo neperiano (ln) de la tasa instantánea de ries- go de las variables explicativas debe ser lineal. 5. Los tiempos de supervivencia de los individuos deben ser independientes entre sí, dados los va- lores de las variables predictoras. Esto significa que el tiempo de supervivencia de un individuo no debe influir en el tiempo de supervivencia de otro individuo. 6. No debe haber resultados influyentes o valores atí- picos. Resultados muy apartados positivos o nega- tivos pueden afectar a la validez del modelo. El supuesto más importante de la regresión de Cox es el de riesgos proporcionales, que supone que el cociente de riesgos instantáneos (HR) a lo largo de todo el seguimiento debe ser constante DIAGNÓSTICO DEL MODELO Diagnóstico de bondad de ajuste del modelo Se realiza por tres pruebas de hipótesis: prueba de razón de máxima verosimilitud ( Likelihood ratio test ), prueba de Wald y el Score ( log-rank ) test. Son pruebas de hipótesis globales, tienen en cuenta todas las varia- bles del modelo y siguen una distribución x 2 gl=n donde n = n.º de variables del modelo. ■ Prueba de razón de máxima verosimilitud . Es la prue- ba de hipótesis de la verosimilitud parcial del mode- lo. Es la más aconsejable, ya que se afecta poco por el tamaño muestral. ■ Prueba de Wald . Prueba de hipótesis basada en que los coeficientes β ajustados se aproximan a una dis- tribución normal. El contraste se realiza bajo la hipó- tesis nula de que todos los coeficientes son igual a cero (β = 0). Esta prueba es muy sensible al tamaño muestral, por lo que no es aconsejable en muestras pequeñas. ■ Score ( log-rank ) test . Prueba de hipótesis que utiliza las derivadas del logaritmo de la verosimilitud parcial bajo la hipótesis nula de que el vector de los coefi- cientes es nulo. Es frecuente en los modelos de regresión medir el grado de varianza explicada por el modelo ajustado por el va- lor de la R 2 (coeficiente de determinación). En la RC la R 2 , no es un buen parámetro, ya que su valor nunca puede llegar a 1 por el término no paramétrico del modelo. Por esta razón, los paquetes informáticos proporcionan la