Medicina Basada en la Evidencia

Análisis multivariante… – 671 – medidas repetidas) y que no exista colinealidad entre las variables independientes. Otro requisito es que los valo- res de las variables independientes tengan una relación lineal con los logaritmos de sus odds (probabilidad divi- dida por su complementario). También se requiere su- ficiente número de observaciones, al menos 10 eventos del resultado menos frecuente de la variable dependien- te, por cada variable introducida en el modelo. OTRAS TÉCNICAS DE ANÁLISIS MULTIVARIANTE Regresión de Cox Cuando la variable dependiente es tiempo hasta que ocurre un evento, por ejemplo, supervivencia, y dicha variable depende de dos o más variables indepen- dientes, la mejor alternativa es la regresión de Cox o modelo de riesgos proporcionales. Este modelo trata de estimar la probabilidad de supervivencia en cada momento, condicionada a haber sobrevivido hasta ese momento, para cada conjunto de valores de las varia- bles independientes. La regresión de Cox tiene como requisitos que los riesgos sean proporcionales, esto es, que el riesgo sea independiente del tiempo de segui- miento y que el riesgo sea proporcional entre grupos de pacientes. Esta asunción se va a traducir en que las funciones de supervivencia para cada grupo de pacien- tes no se crucen. Otro requisito, común con otras téc- nicas multivariantes, es que no haya colinealidad entre las variables independientes. Regresión de Poisson Cuando la variable dependiente sigue una distribución de Poisson el modelo multivariante más apropiado es la regresión de Poisson. Una variable es de Poisson si recoge el número de eventos que ocurren en un inter- valo temporal o espacial de tamaño dado, cumpliendo las siguientes condiciones: el número de eventos que ocurren en el intervalo es independiente del número de los que ocurren fuera del mismo, existe un intervalo lo suficientemente pequeño, para el que la probabilidad de que en el mismo ocurra un solo evento es proporcio- nal al tamaño del intervalo, la probabilidad de que en cualquier intervalo de tamaño ocurran dos o más even- tos es prácticamente cero. Análisis discriminante múltiple El objetivo del análisis discriminante es determinar la pertenencia a un grupo concreto a partir de la combi- nación lineal de los valores de una serie de variables predictoras. Se busca la combinación de variables, co- nocida como función discriminante que minimiza el error de clasificación. Técnicas de interdependencia Las técnicas de interdependencia son un tipo de re- lación en el que las variables no pueden clasificarse como dependientes o independientes. Su objetivo es desentrañar las relaciones entre variables y/o sujetos sin asumir explícitamente distribuciones específicas para las variables. La idea es describir los patrones en los datos sin hacer suposiciones (muy) sólidas so- bre las variables. Estas técnicas son empleadas con frecuencia como análisis exploratorios previos al uso de otras técnicas o como procedimiento de simplifi- cación de información, cuando hay muchas variables implicadas. Merece la pena destacar el análisis facto- rial, el escalamiento multidimensional y el análisis de correspondencias.