Utilidad de programas estadísticos para el análisis de datos en ciencias de la salud.

16 septiembre 2022

AUTORES

  1. Ángela Ramos Salvachúa. Graduada en Fisioterapia. Fisioterapeuta Servicio Aragonés de Salud.

 

COMUNICACIÓN BREVE

En los últimos años ha habido un incremento sustancial en el número y tipo de registros de información clínica y/o epidemiológica en los centros sanitarios. Esto en parte es debido a la actual era del Big Data, o, lo que es lo mismo, la era de los datos masivos, en la que prácticamente todo puede quedar registrado1. De este modo, ese aumento en la cantidad de datos clínicos exige un tratamiento de los mismos que vaya más allá de su mero almacenamiento.

Antiguamente la labor de análisis resultaba tediosa, pues exigía un elevado conocimiento de fórmulas estadísticas y horas de cálculos manuales, motivo por el cual en muchas ocasiones los estudios científicos no conseguían salir adelante hasta el final salvo que contaran con medios y personal especializado. Afortunadamente, en la actualidad, se han desarrollado programas informáticos que integran todos los conocimientos necesarios para llevar a cabo un análisis en profundidad y de calidad, y cada vez son más los profesionales que los utilizan en su labor investigadora2. Sin embargo, la existencia de numerosos software en el mercado crea la incertidumbre sobre cuál es el más adecuado o completo para ello1-4.

Uno de los principales motivos por los que es recomendable poseer formación en el manejo de estos paquetes informáticos es mejorar la validez de la investigación. Para ello, es fundamental mencionar en el apartado de material y métodos el software escogido para el análisis de datos. Su uso facilita la reproducibilidad en el tratamiento estadístico de estudios de carácter similar, factor que a su vez aporta robustez metodológica, y potencia su evidencia científica. A pesar de que esto pueda parecer una obviedad, un estudio llevado a cabo en Estados Unidos reveló que tan sólo el 61% de los artículos originales publicados por revistas de ciencias de salud mencionan el programa estadístico empleado3. Parece lógico, por tanto, perseverar en la importancia de dar difusión al uso extendido de este tipo de recursos.

 

PROGRAMAS ESTADÍSTICOS:

A día de hoy existen multitud de aplicaciones disponibles para analizar datos. Como ejemplo de ello se encuentran SPSS, R, SAS, Stata, Excel y Jamovi, entre otros tantos de una larga lista. El motivo por el que finalmente se utiliza uno u otro suele basarse en varios factores. El dominio por parte del investigador del mismo, así como el tipo de estudio que esté realizando, tienden a ser las razones principales de elección1. No obstante, no quiere decir que éstas sean las adecuadas, ya que, como se va a describir a continuación, conviene tener en cuenta otra serie de variables.

Por un lado, habría que valorar la versatilidad y potencia del programa, lo que es capaz de hacer, y lo que no. No tiene sentido utilizar un paquete estadístico que no tenga la posibilidad de realizar los cálculos necesarios para el estudio sólo porque ya haya sido utilizado en el pasado y el aprendizaje de un nuevo software exija un esfuerzo adicional. Por otro lado, también es importante en la elección la facilidad de manejo, el soporte técnico, tutoriales y materiales disponibles, formaciones existentes, coste1.

La tendencia en el empleo de estos programas ha ido cambiando a lo largo de los años. El estudio realizado por Masuadi et al. analiza la evolución del uso de distintos software en tres intervalos de tiempo diferentes: 1997,2007, y 20172. Si bien SPSS fue el más empleado en los tres períodos observados, existen otros que han ganado auge en los últimos años, como es el caso de R Project. Una de las principales ventajas que presenta este último con respecto a los demás es su código abierto, su versatilidad, y los recursos disponibles tanto en línea como en literatura gris para poder familiarizarse con su uso. Aunque inicialmente puede ser complicado comprender cómo funciona su codificación si se compara con otros, presenta paquetes dentro del mismo que facilitan mediante un interfaz simplificada el tipo de comando que se quiere realizar, como es el caso de R Commander. Otro software similar que también es gratuito, intuitivo y de fácil aplicación es Jamovi, cuyo código está basado en lenguaje de programación R. Asimismo, cabe destacar que en ocasiones los estudios científicos quedan condicionados por su presupuesto, siendo habitual también la financiación por parte de los propios investigadores. Por ello, la exención de pago por analizar datos, se convierte en otro factor a considerar en la elección de software estadístico. De no haber limitaciones económicas, existen otras opciones de pago como son SPSS, Stata o SAS o Excel. Este último es extensamente conocido, sin embargo, en función del volumen de datos y la complejidad del análisis requerido, puede presentar ciertas limitaciones.

Finalmente, no hay que olvidar que para el manejo de este tipo de software se requieren unos conocimientos previos de estadística, por lo que utilizar estos programas estadísticos no suple en ningún momento el saber qué se quiere calcular, el porqué, y cómo se debe hacer.

 

BIBLIOGRAFÍA

1. Cavaliere R. How to choose the right statistical software? – A method increasing the post-purchase satisfaction. J Thorac Dis. 2015;7(12):E585–98.

2. Masuadi E, Mohamud M, Almutairi M, Alsunaidi A, Alswayed AK, Aldhafeeri OF. Trends in the Usage of Statistical Software and Their Associated Study Designs in Health Sciences Research: A Bibliometric Analysis. Cureus. 2021;13(1):1–7.

3. Dembe AE, Partridge JS, Geist LC. Statistical software applications used in health services research: Analysis of published studies in the U.S. BMC Health Serv Res [Internet]. 2011;11(1):252. Available from: http://www.biomedcentral.com/1472-6963/11/252

4. Godfrey AJR, Loots MT. Statistical Software ( R , SAS , SPSS , and Minitab ) for Blind Students and Practitioners . J Stat Softw. 2014;58(June).

 

Publique con nosotros

Indexación de la revista

ID:3540

Últimos artículos