• No se han encontrado resultados

B. Marcadores de necrosis miocárdica

II. Nuevos marcadores en estudio

1. Diseño del estudio

1.7. Estudio estadístico

1.7.7. Análisis estadístico

 Variables cuantitativas: HGF, hs-cTnI, sodio, TIMI, GRACE y edad.

 Variables cualitativas dicotómicas: sexo, complicaciones, muerte, DM, HTA, fumador activo, historia previa de patología coronaria, presencia de enfermedad renal, hepática, miocardiopatía, respiratoria y valvulopatía.

~

89

~

 Transformación de las variables: para la realización de algunos análisis estadísticos las variables cuantitativas fueron recodificadas en variables cualitativas, estableciendo como punto de corte la mediana o los percentiles 25 y 75.

1.7.7.2 Distribución de las variables

Para conocer si las variables cuantitativas seguían una distribución normal o no, se realizó la prueba de Shapiro-Wilk, siendo la hipótesis nula que la variable sigue una distribución gaussiana.

Cuando las variables alcanzaban un grado de significación inferior a 0,05 (p<0,05) se rechazaba la hipótesis nula de distribución normal y como consecuencia se utilizaron pruebas “no paramétricas” para el análisis estadístico de las mismas.

El resto de las variables con distribución normal se analizaron mediante test estadísticos “paramétricos”.

1.7.7.3 Estadística descriptiva de las variables de estudio

 Se utilizaró el test de Shapiro-Wilk para comprobar la normalidad de las variables continuas, que se presentan como media (desviación estándar) o mediana (rango intercuartil).

 Para la comparación de variables continuas se emplearon los test no paramétricos U de Mann-Whitney y paramétricos t de Student, según la distribución de las variables.

 Las variables categóticas se expresan como frecuencia absoluta y frecuencia relativa y para su comparación se utilizó el test de chi- cuadrado.

 Estudio de la incidencia de mortalidad en los distintos períodos de seguimiento comparado con los valores de copeptina y HGF estratificados en percentiles, desglosados en su vez en percentiles.

~

90

~

1.7.7.4 Estudio de asociación entre variables cuantitativas

 Análisis univariado: se ha estimado la asociación entre cada variable del estudio y la variable de resultado éxitus a los 12 meses. Se han elegido como variables predictoras principales HGF, hs-cTnI, copeptina, sodio, TIMI y GRACE. Estas variables están dicotomizadas de dos formas:

 A partir de la mediana de cada variable teniendo en cuenta la población total del estudio (N=303) o pacientes con SCA positivo (N=103).

 A partir de los percentiles 75 y 25 de cada variable teniendo en cuenta la población total del estudio (N=303) o pacientes con SCA positivo (N=103).

 Además se realizó la asociación de las variables predictoras frente a una variable combinada. Esta variable combinada queda definida como primer evento producido de tipo muerte, reingreso o reingreso por insuficiencia cardiaca en los 12 meses de seguimiento del paciente.

 Se elaboró un análisis univariado calculando la Odds ratio (OR) y sus IC al 95% entre las diversas variables predictoras del estudio y las distintas variables de resultados.

1.7.7.5 Estudio de asociación entre variables cualitativas

 De igual manera que en el apartado de datos cuantitativos, se analizaró la asociación entre cada variable del estudio y la variable de resultado éxitus a los 12 meses. Se han elegido como variables predictoras HTA, DM, dislipemia, fumador activo, historia previa de patología coronaria, presencia de enfermedad renal, hepática, miocardiopatía, respiratoria y valvulopatía.

~

91

~

 Posteriormente se realizó el mismo análisis de estas variables frente a una variable combinada. Esta variable combinada queda definida como primer evento producido de tipo muerte, reingreso o reingreso por insuficiencia cardiaca en los 12 meses de seguimiento del paciente.

 Se realizó un análisis univariado calculando la Odds ratio (OR) y sus IC al 95% entre las diversas variables predictoras del estudio y las distintas variables de resultados.

1.7.7.6 Estudio de Supervivencia

Se estimó la probabilidad de supervivencia a los 3, 6 y 12 meses, comparándose entre dos grupos, uno de ellos presentó valores de la variable más altos con otro grupo que tuvo los valores más bajos, mediante el método de Kaplan-Meier y su significación mediante el test de Log-Rank.

Comprobación de que se cumple la proporcionalidad a lo largo del tiempo, mediante el análisis de las curvas de supervivencia acumulada.

1.7.7.7 Estudio de asociación mediante el modelo multivarible de riesgos proporcionales de Cox (“modelo de Cox”)

 Estudio de la asociación entre cada variable del estudio y la variable de resultado (mortalidad y complicaciones). Se exploraron varías vías (edad, TIMI, GRACE) y se consideraron como variable principal HGF, hs-cTnI, copeptina, sodio, TIMI y GRACE.

 A partir del modelo máximo se ha ido retirando una a una cada variable sin resultado significativo por el test de WALD hasta llegar a un modelo final que mejor se ajuste.

~

92

~

1.7.7.8 Estudio diagnóstico

Eficacia de HGF como prueba diagnóstica mediante S, E, VPP y VPN, CPP y CPN.

~

93

~

Tabla 5. Tabla de contingencia para calcualr los parámetros de eficacia diagnóstica

Enfermedad SÍ NO Prueba diagnóstica Positiva VP (a) FP (b) Negativa FN (c) VN (d)

A diferencia de los valores predictivos, los cocientes predictivos (CP) proporcionan un valor que no determinado por la prevalencia de la enfermedad del estudio, permitiendo estimar el incremento de la probabilidad de cada paciente de tener la enfermedad tras la determinación de la prueba.

Valores con CPP > 10 o CPN < 0,1 poseen una elevada eficacia para diagnosticar o descartar, respectivamente, ayudando así a tomar decisiones clínicas. La eficacia es moderada cuando los valores de CPP están entre 5 y 10 y CPN entre 0,5 y 0,1. (161- 163)

La curva de operador-receptor (curva ROC) es una representación que compara la sensibilidad de la prueba con el parámetro (1-Especificidad) suponiendo así una medida global e independiente de cualquier punto de corte establecido. Además, es utilizado para calcular el "área bajo la curva" (ABC). Se trata de un índice cuyo valor está comprendido entre 0,5 y 1; siendo 1 el valor que determina un diagnóstico perfecto, y 0,5 una prueba sin capacidad discriminatoria diagnóstica.

~

95

~

Documento similar