Prontuario del curso: Estadística aplicada para investigadores de la salud
Objetivo general
Desarrollar competencias esenciales en estadística aplicada a la salud, mediante el uso del lenguaje de programación R, proporcionando un marco teórico y práctico que permita analizar datos, interpretar resultados y aplicar técnicas bioestadísticas en investigaciones y proyectos profesionales del ámbito de la salud.
Requisitos del curso
- Se requiere que los participantes tengan un dominio básico de manejo de datos, así como conocimientos sobre estructura y tipo de datos.
- Tener completado el curso Estrategias para trabajar con datos.
Contenido del curso
Módulo 1: Introducción a la Bioestadística
- Conceptos fundamentales de bioestadística
- Instalación del ambiente estadístico de preferencia
- Importancia de la captura exacta y válida de datos en epidemiología
- Historia y método científico
- Estudios epidemiológicos
- Validez en los estudios epidemiológicos
- Fuentes de sesgo en los datos
- Historia y método científico
- Ética y conducta en el manejo de datos de investigación
Módulo 2: Estadística descriptiva
Medidas de tendencia central
- Media aritmética o promedio
- Media geométrica
- Media ponderada
- Mediana
- Moda
Medidas de dispersión
- Rango
- Rango intercuartil
- Varianza
- Desviación estándar
Distribuciones estadísticas
- ¿Qué es una distribución? Conceptos teóricos
Módulo 3: Fundamentos de probabilidad
- Conceptos básicos de probabilidad
- Teoremas de probabilidad
- Probabilidad condicionada
- Distribuciones de probabilidad
- Pruebas de cernimiento
Módulo 4: Inferencia estadística
- Introducción a la inferencia estadística
- Pruebas de hipótesis:
- Prueba z
- Prueba t
- Pruebas de proporciones
- Algoritmo para la selección de pruebas de hipótesis
- Prueba z
- Bootstrapping para realizar estadística inferencial mediante remuestreo
Módulo 5: Estadística inferencial con infer
en R
- Aplicación del paquete
infer
de R para pruebas de hipótesis
- Ejercicios prácticos de inferencia estadística
Módulo 6: Reproducibilidad en la investigación
- Importancia de la reproducibilidad en la investigación científica
- Estrategias para garantizar la transparencia y replicabilidad de los análisis
Referencias
Álvarez Cáceres, R. (2007). Estadística aplicada a las ciencias de la salud. Editorial Díaz de Santos, S.A. https://www.editdiazdesantos.com/wwwdat/pdf/9788479788230.pdf
Andrade, H. A. (2019). Bioestadística aplicada en ciencias de la salud. Guía complementaria al curso. Fundación Gustavo Palma Calderón. https://www.researchgate.net/publication/330521436_Bioestadistica_Aplicada_Ciencias_de_la_Salud
Couch, S. P., Bray, A. P., Ismay, C., Chasnovski, E., Baumer, B. S., & Çetinkaya-Rundel, M. (2021). infer: An R package for tidyverse-friendly statistical inference. Journal of Open Source Software, 6(65), 3661.
Dalgaard, P. (2008). Introductory Statistics with R (Second ed.). Springer. 10.1007/978-0-387-79054-1
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2023, June 21). An Introduction to Statistical Learning. Trevor Hastie. https://www.statlearning.com/
Kleinbaum, D. G., Kupper, L. L., Nizam, A., & Rosenberg, E. S. (2013). Applied Regression Analysis and Other Multivariable Methods (D. G. Kleinbaum, L. L. Kupper, A. Nizam, & E. S. Rosenberg, Eds.; 5th ed.). Cengage Learning.
Porta, M. S., Greenland, S., Hernán, M., Silva, I. d. S., & Last, J. M. (Eds.). (2014). A Dictionary of Epidemiology (6th ed.). Oxford University Press. 10.1093/acref/9780199976720.001.0001
Díaz-Portillo, J. (2011). Guía práctica del curso de bioestadística aplicada a las ciencias de la salud. Instituto Nacional de Gestión Sanitaria, Servicio de Recursos Documentales y Apoyo Institucional. Madrid, España.
R Core Team, R. (2013). R: A language and environment for statistical computing. https://apps.dtic.mil/sti/citations/AD1039033
Rosner, B. (2016). Fundamentals of Biostatistics (8th ed.). Cengage Learning. https://www.cengage.com/c/fundamentals-of-biostatistics-8e-rosner/9781305268920/