GUIA DOCENTE DE LA ASIGNATURA:

Regresión Logística, Regresión de Poisson y Modelos de Supervivencia Curso 2017-18

TITULACIÓN DE POSGRADO DONDE SE IMPARTE

Máster en Investigación y Avances en Medicina Preventiva y Salud Pública

MÓDULO CRÉDITOS TIPO TEMPORALIZACIÓN

II. Disciplinas Métodos Específicos en Febrero 2018. Tabla detallada

4 Optativa
Salud Pública en Documento Adjunto

PROFESORADO
DIRECCIÓN DE CONTACTO PARA TUTORÍAS

Coordinador de la asignatura:
Juan de Dios Luna del Castillo
Profesorado colaborador
Bioestadística.
Torre C, Planta 8ª, despacho 10.
HORARIO DE TUTORÍAS
En cualquier momento a través de correo electrónico o
presencialmente con solicitud previa de cita.

BREVE DESCRIPCIÓN DE CONTENIDOS

- Formulación del problema multivariable con variable de respuesta binaria. El modelo logístico y sus propiedades.
- El modelo de Regresión Logística y sus hipótesis. Estimadores de los coeficientes del mismo. Interpretación de los
coeficientes. Intervalos de confianza de los coeficientes del modelo y Contrastes de hipótesis para los mismos. Test de
bondad de ajuste del modelo. Análisis de residuos del modelo.
- Formulación del problema multivariable con variable de respuesta discreta de conteo: La distribución de Poisson. La
transformación logarítmica y sus propiedades.
- El modelo de La regresión de Poisson y sus hipótesis. Estimadores de los coeficientes del mismo. Interpretación de los
coeficientes. Intervalos de confianza de los coeficientes del modelo y Contrastes de hipótesis para los mismos. Test de
bondad de ajuste del modelo. Análisis de residuos del modelo.Paralelismo entre el modelo de Poisson y el modelo logit.
- Formulación del problema del tiempo hasta que transcurre un suceso. Estudios de seguimiento y observaciones
censuradas.
- El modelo de Riesgos proporcionales de Cox y sus hipótesis. Estimadores de los coeficientes del mismo. Interpretación
de los coeficientes: Razones de Riesgo. Intervalos de confianza de los coeficientes del modelo y Contrastes de hipótesis
para los mismos. Test de bondad de ajuste del modelo. Análisis de residuos del modelo. Equivalencia entre la Regresión
de Poisson y el Modelo de Cox.
- Programas de la Regresión Logística, la Regresión de Poisson y el Modelo de Riesgos Proporcionales de Cox dentro de
un paquete estadístico estándar.

COMPETENCIAS ESPECÍFICAS Y RESULTADOS ESPERADOS DEL APRENDIZAJE

1. Competencias Específicas
CE1 - Conocer y aplicar las principales herramientas de diseño y análisis estadístico y epidemiológico para el estudio de la
frecuencia y distribución de los fenómenos relacionados con la salud en las poblaciones humanas

GUÍA DOCENTE. Regresión Logística…..

Curso 2017-18

Página 1
CE2 - Conocer y aplicar las principales herramientas de diseño y análisis estadístico y epidemiológico para el estudio de la
verificación de hipótesis causales que atañan a los problemas de salud en las poblaciones humanas

2. Resultados esperados del aprendizaje

El alumno sabrá/comprenderá:
- El alumno conocerá los fundamentos y las hipótesis del modelo logístico, de la regresión de Poisson y del modelo de
riesgos proporcionales de Cox y
su aplicación a problemas de investigación en Salud Pública.
- El alumno conocerá el campo de aplicación de los conocimientos estadísticos adquiridos de forma que sea capaz de
decidir cuándo puede aplicarlos y cuando no.
- El alumno sabrá diseñar estudios estadísticos multivariable con variables binarias o de conteo o de tiempos de
supervivencia en el ámbito de la Salud Pública.

El alumno será capaz de:

- Analizar, desde un punto de vista estadístico, problemas de investigación en el campo de la Salud Pública, concretados
en bases de datos analizables con un paquete estadístico desde la perspectiva de los modelos logístico, de Poisson y de
riesgos proporcionales.
- Extraer evidencia científica a partir de la interpretación de los resultados estadísticos de sus análisis, valorando las
debilidades y las fortalezas del estudio y de los resultados.
- Redactar informes describiendo de manera estadísticamente correcta los resultados de investigaciones de Salud Pública
que involucren el Modelo Lineal General.

TEMARIO DETALLADO DE LA ASIGNATURA

Tema I: Modelo asociativo entre una variable de respuesta y un conjunto de variables predictoras: Definición y diferencias
entre el modelo univariante y multivariante. Discusión de ejemplos de la literatura. Diferencia entre relaciones lineales y no
lineales. El modelo lineal simple: efecto de la variable independiente sobre la variable dependiente; efecto sobre la
varianza de la variable dependiente. Predicciones, valores ajustados, residuos, distintos tipos de residuos, valores
influyentes. Análisis de un caso particular. El modelo Lineal Múltiple: efecto de las variables independientes sobre la
variable de respuesta, efecto sobre la varianza global, porcentaje de varianza explicada. Interacción y Confusión.
Multicolinealidad: detección, efectos y posibles soluciones. Análisis de un caso particular.
Tema II: Modelo asociativo cuando la variable de respuesta es binaria. La inadecuación del modelo lineal, casos
extremos; la no-linealidad de la respuesta. Casos en que la linealidad es posible. La transformación logit. El modelo de la
regresión logística con covariables continuas y categóricas: métodos de ajuste, estimación puntual y por intervalos de los
coeficientes del modelo. Interpretación de las estimaciones: Las odds ratio y el sesgo de sus estimaciones. Análisis de
residuales, determinación de variables influyentes. Interacción y Confusión. Multicolinealidad detección y efectos sobre el
modelo. Análisis de diferentes ejemplos reales Análisis con SPSS de regresión logística.
Tema III: Modelo asociativo cuando la variable de respuesta es una variable de conteo, una variable de Poisson. La
inadecuación del modelo lineal, casos extremos; la no-linealidad de la respuesta. Casos en que la linealidad es posible. La
transformación por el logaritmo. El modelo de la regresión de Poisson con covariables continuas y cualitativas: métodos
de ajuste, estimación puntual y por intervalos de los coeficientes del modelo. Interpretación de las estimaciones: las
razones de incidencias o los riesgos relativos. Análisis de residuales, determinación de variables influyentes. Interacción y
Confusión. Multicolinealidad detección y efectos sobre el modelo. La transformación logarítmica de la binomial:
comparación entre las estimaciones del riesgo relativo y de la odds ratio. Análisis de diferentes ejemplos reales Análisis
con SPSS de la regresión de Poisson.
Tema IV: El análisis del tiempo hasta la respuesta: Censoramiento de los datos. La determinación de la probabilidad de
supervivencia el riesgo de supervivencia instantánea. La curva de supervivencia: Estimación Kaplan-Meier de la curva de
Supervivencia, estimación de los parámetros de la curva. Problemas con el tamaño de muestra pequeño. Comparación de
curvas de supervivencia: Log-rank test y Tarone-Wear test. Modelo de riesgos proporcionales de Cox: Hipótesis del
modelo, ajuste y estimación de los parámetros del modelo. Interpretación de los parámetros del modelo; razones de
riesgos. Análisis de residuales, determinación de variables influyentes. Interacción y Confusión. Multicolinealidad
detección y efectos sobre el modelo. Hipótesis de riesgos proporcionales, desajuste y posibles soluciones. Modelos de
Cox con covariables dependientes del tiempo.Ajuste con SPSS de los diferentes modelos de Cox.

GUÍA DOCENTE. Regresión Logística…..

Curso 2017-18

Página 2
BIBLIOGRAFÍA

- Bioestadística+. Antonio Martín Andrés, Juan de Dios Luna del Castillo. Ed Norma-Capitel. 2010.

- Introduction to Linear Regression Analysis Fith Edition. Montgomery, Douglas C., Peck, Elizabeth A., and
Vining, G. Geoffrey. Chicester, US: John Wiley & Sons, Incorporated, 2013.

- Statistics at Square Two : Understanding Modern Statistical Applications in Medicine (2). Campbell,
Michael J..Chichester, GB: BMJ Books, 2008.

- Statistical Modeling for Biomedical Researchers : A Simple Introduction to the Analysis of Complex Data
Second Edition. Dupont, William D., and Dupont, William D.. Cambridge, GB: Cambridge University
Press, 2009.

ENLACES RECOMENDADOS

Dada la cantidad aparecen en los textos que se suministran al alumno organizadas por las necesidades de este.

METODOLOGÍA DOCENTE

Actividades formativas
Las actividades formativas se dividirán en los diferentes tipos:
- Presentaciones de los problemas guiadas para la participación del alumno a partir de lecturas de textos
previamente suministrados o buscados por el alumno.
- Resolución de problemas con software estadístico a partir de guiones de uso de SPSS. Tutorización de la tarea
por parte del profesor.
- Resolución de problemas de manera individual que formarán parte de la evaluación.
- Informes estadísticos que serán corregidos y valorados por el profesor.
- Debates sobre los problemas solucionados.

Metodologías docentes
- Todas las clases se desarrollan en un aula de Informática de forma que el alumno lleve a cabo, acompañado por
el profesor y/o por un guion, los análisis oportunos.
- Clases magistrales guiadas a la participación del alumno.
- Resolución de problemas por parte del alumno con debate posterior de sus soluciones.

EVALUACIÓN

-El alumno tras cada tema realizará una tarea propuesta por el profesor que deberá entregar en fecha fijada. Tal tarea
será devuelta corregida por el profesor al alumno. Serán cuatro ejercicios cuya nota acumulada representará el 70% de la
nota de la asignatura. Todas las evaluaciones se puntuarán de 0 a 10 y las que se presenten retrasadas sólo se
puntuarán de 0 a 7.
- Acabada la fase presencial del curso, el alumno elegirá uno entre tres trabajos finales propuestos. Deberá entregarlo en
fecha fijada y será devuelto por el profesor corregido al alumno. La puntuación del trabajo final del curso será de 0 a 10 y
valdrá el 30% de la nota final de la signatura.

GUÍA DOCENTE. Regresión Logística…..

Curso 2017-18

Página 3