Medicina Basada en la Evidencia

Análisis multivariante… – 663 – E n el capítulo 6.16 h emos expuesto la necesidad de realizar ajustes de covariables para controlar ses- gos de análisis como la confusión e interacción, y hemos revisado el método básico de ajuste: el análisis estratificado. Mencionamos que este método tiene dos limitaciones importantes: (1) si hay más de un factor de confusión, la aplicación es laboriosa debido al mayor número de estratos y además obliga a tener un tamaño de muestra relativamente grande; y (2) requiere que los factores de confusión continuos se recodifiquen en un número limitado de categorías, lo que podría generar confusión residual. En este documento expondremos las técnicas de análisis multivariante o multivariado, que permiten superar algunas de estas limitaciones. Las técnicas de análisis multivariante permiten estudiar fenómenos biológicos en los que están implicadas más de dos variables, constituyendo una herramienta potente para el análisis de factores de confusión o interacción Las distintas técnicas de análisis multivariante se dise- ñaron como respuesta a la necesidad de estudiar fenó- menos biológicos en los que estaban implicadas más de dos variables, algo habitual en epidemiología. Su desa- rrollo ha ido de la mano del aumento de la capacidad de procesamiento de los ordenadores, pudiéndose analizar modelos cada vez más complejos. La mayor sofisticación del análisis multivariante no debe llevarnos a prescindir del análisis descriptivo bivariante y tampoco del análisis estratificado, porque a menudo será la única forma de identificar la relación entre las variables implicadas. Hay numerosos métodos de análisis multivariante, que varían en función del tipo de datos involucrados en el análisis (número de variables dependientes e indepen- OBJETIVOS: ■ Conocer los objetivos del análisis multivariante ■ Conocer las principales técnicas de análisis multivariante ■ Conocer los pasos de la modelización multivariante ■ Conocer los requerimientos y procedimientos de la regresión lineal múltiple ■ Conocer los requerimientos y procedimientos de la regresión logística múltiple “Estamos ahogados en información y hambrientos de conocimiento” Rutherford D. Rogers dientes y escalas de medida de las variables, etc.) y del objetivo del mismo (de clasificación, estimativo o pre- dictivo). Habitualmente, estos análisis se emplean para identificar si una serie de variables independientes es- tán asociadas o no a una variable dependiente. Algunas técnicas permiten analizar la relación de varias varia- bles dependientes con una o varias independientes. El análisis multivariante es más potente y preciso que el análisis estratificado y, al integrar más información, ofrece una estimación más válida de la realidad. La com- plejidad de los análisis, superadas las limitaciones de capacidad de cálculo con los procesadores modernos, radica principalmente en la interpretación de los nume- rosos resultados que nos van a ofrecer. Por ello, aunque recurramos a las técnicas multivariantes, no podemos renunciar a la exploración descriptiva de las variables. La selección de la técnica multivariante adecuada de- pende de: a) Si existen variables dependientes e independientes definidas en el análisis. b) Cuántas variables dependientes están involucradas en cada análisis. c) Qué escalas de medida tienen las variables depen- dientes e independientes. Si las variables involucradas tienen una relación de dependencia (podemos identificar una o más varia- bles como dependientes y las variables restantes como independientes) usaremos técnicas de dependencia, como la regresión logística o la regresión lineal múl- tiple. En el caso contrario, usaremos técnicas de inter- dependencia, como el análisis factorial o el análisis de correspondencia. En la Figura 1 se presenta un esquema de las principales técnicas, que incorpora una diferen- ciación en función de las escalas de medida de las va- riables dependientes.