Post on 18-Dec-2014
description
X Curso Teórico Práctico de Estadística Aplicada a las Ciencias de la Salud Sociedad Científica de San Fernando
Rubén E. Valle Rivadeneyra
2011
R. Valle
ÍNDICE
1. CREACIÓN DE VARIABLES E INTODUCCIÓN DE DATOS.
2. ANÁLISIS EXPLORATORIO.
2.1 Estudio de la normalidad de variables.
2.2 Transformación de variables.
2.3 Selección de datos.
3. PRUEBAS ESTADÍSTICAS.
3.1 Variables cualitativas.
3.2 Variables cuantitativas Paramétricas.
3.3 Variables cuantitativas no Paramétricas.
4. Análisis de supervivencia
4.1 Curvas de Kaplan Meier
4.2 Prueba de Long Rank
R. Valle
1. Creación de variables e introducción de datos.
El primer paso para el manejo del programa es reconocer sus 2 primeras hojas. La primera hoja
llamada “Vistas de variables” es donde se realiza la operacionalización estadística de las variables.
Se tiene que rellenar todas las características observadas en la primera fila de la pantalla.
La segunda hoja se llama “Vista de datos” y permite la introducción de cada uno de los datos
recolectados, estos se completarán según las características dadas a la variable en la sección
anterior.
R. Valle
En el caso de variables cualitativas se tiene que colocar en Tipo de variable la opción “cadena” y
dar Valores a cada variable, por ejemplo si la variable es Comorbilidad los valores serán 1=
“Presente”, 2= “Ausente”. Finalmente se define la escala en la que se quiere medir (Nominal,
ordinal). En el caso de las variables cuantitativas es más sencillo se tiene que colocar el número de
decimales con que se desea trabajar y en la sección de medida siempre marcamos la opción de
“escala”
De esta forma se irán introduciendo cada una de las variables, y posteriormente cada uno de sus
datos.
También se puede importar base de datos desde otros programas, por ejemplo el Exel, para lo cual
se va a la pestaña “Abrir datos” y posteriormente se remarca la opción TIPO de archivo, aquí
escogemos la opción Excel (*xls) y luego marcamos la ubicación donde se encuentra el archivo.
Para fines de la presente práctica trabajaremos con la base de datos de un estudio titulado:
“Consumo materno de un complejo multivitamínico y su efecto en el estado y peso al nacer de
neonatos en un hospital de la ciudad de Lima”. El estudio consistió en suminitrar a las madres un
complejo multivitamínico para que sea tomado durante los 30 días siguientes al diagnóstico del
embarazo, se trabajó con 200 madres y posteriormente se tomaron los datos del neonato, las
variables evaluadas se observan en la siguiente tabla.
R. Valle
VARIABLE ETIQUETA VALORES ESCALA
Edad _ madre Edad de la madre Años Razón
(escala)
Dias_Tx Días de
tratamiento Días
Razón
(escala)
Comorbilidades Comorbilidades
1= “Si”
Nominal 2=” No”
FR Factores de riego
1=”Ausente”
Nominal 2=”Tabaco”
3=”Alcohol”
Gravidez Gravidez
1= “ Primigesta”
Ordinal 2=”Segundagesta”
3=” Multigesta”
Edad_Gestacional Edad gestacional Semanas Razón
(escala)
Peso_nacimiento Peso de nacimiento Años Razón
(escala)
Estado_nacer Estado al nacer 1= “Vigoroso”
Ordinal
2=”Deprimido”
Est_escolares Estudios escolares
1=”Incompleto”
Nominal 2=”Completo”
HB1_Madre
Nivel de
hemoglobina al
inicio
mg/dl Razón
(escala)
HB2_Madre Nivel de
hemoglobina al final mg/dl
Razón
(escala)
R. Valle
2.Análisis exploratorio
Es el procedimiento que permite una visualización general de los datos y conocer las características
de su distribución. Se realiza previo al análisis definitivo de los datos. Objetivos:
Determinar el tipo de distribución de las variables.
Codificación y recuento de datos ausentes.
Evaluar la calidad y la consistencia de los datos.
Mostrar datos atípicos.
Análisis exploratorio de variables cualitativas. Nos dirigimos a la opción: Analizar>>Estadísticos
descriptivos>>Frecuencias
En la
pantalla aparecerá una ventana en la cual colocamos las variable que queremos analizar, si
marcamos la opción Gráficos obtendremos una segunda ventana en la cual podemos escoger el
tipo de gráfico, asi como la forma de presentación. Finalmente damos aceptar y se abrirá una nueva
ventana con los resultados del análisis.
R. Valle
En el caso de las variables cuantitativas procedemos de la misma manera: Analizar>> Estadísticas
descriptivas>>Frecuencias. Posteriormente seleccionamos la opción “Estadísticos” y marcamos
todos los análisis que se quieren realizar (Ejm: Media, mediana, moda, DS, etc). En este caso
también se puede proceder como el caso anterior y seleccionar la opción gráficos.
2.1Estudio de la normalidad de las variables
Existen diferentes pruebas que se pueden realizar para ver si una variable tiene una distribución
Normal. Las más utilizadas son:
Histograma.
Kolmorogov- smirnov.
Gráficos Q-Q.
Gráfico P-P.
Para trabajar con el histograma procedemos como
en el caso anterior, Analizar>> Estadísticas
descriptivas>>Frecuencias>>Gráficos y
escogemos la opción Histograma y curva normal.
Trabajaremos esta sección con la variable Edad de
la madre.
R. Valle
Para realizar la prueba de kolmorogov-Smirnov nos dirigimos a: Analizar>>Pruebas no
Paramétricas>>K-S 1 muestra. Para desarrollar esta prueba debemos tener presente:
H0: Los datos se distribuyen en forma normal
Ha: Los datos no se distribuyen en forma normal
R. Valle
Prueba de Kolmogorov-Smirnov para una muestra
200
27.43
6.372
1.118
.164
N
Media
Desviación típica
Parámetros normales a
Z de Kolmogorov-Smirnov
Sig. asintót. (bilateral)
Edad de
la madre
La distribución de contraste es la Normal.a.
En este caso como el P es mayor
que 0.05 no rechazamos la Ho, la
aceptamos: La variable edad de la
madre tiene una distribución
Normal. Lo que se corrobora con
el Histograma.
Observando el histograma y el resultado de la prueba de K-S vemos que la variable edad de la
madre, tiene una distribución normal. Sin embargo desarrollaremos otras 2 pruebas que analizan la
Normalidad. Para desarrollar un gráfico Q-Q nos dirigimos a Analizar>>Estadísticas
descriptivas>>Gráfico Q-Q. Dentro de la opción, distribución de contraste seleccionamos:
NORMAL
R. Valle
Para desarrollar un gráfico P-P nos dirigimos a Analizar>>Estadísticas descriptivas>>Gráfico P-
P. Dentro de la opción, distribución de contraste también seleccionamos: NORMAL
2.2 Transformación de variables.
Esta propiedad nos permite transformar las
variables a partir de los valores que toma la
variable inicialmente. Se puede
recodificar en la misma variable o en otra
diferente. En el presente ejercicio
transformaremos la variable Peso de
nacimiento que es una variable cuantitativa
en una nueva variable con los valores 1=
“Bajo peso” (< 2.5 Kg.), 2= “Buen peso”
(2.6-4.0 Kg.) y 3=” Macrosómico”(>4.1
Kg.). Transformar>>Recodificar en distinta variable.
R. Valle
Una vez seleccionada esta
opción en la pantalla se
abrirá una ventana en la que
debemos colocar la variable
a transformar, luego
escogemos un nombre y una
etiqueta para la nueva
variable. Posteriormente
marcamos la casilla
“valores antiguos y
nuevos”
En esta sección debemos
colocar los nuevos valores.
Esta ventana consta de 2
partes, en la de la izquierda se
construyen los nuevos rangos
y en la de la derecha se
colocan los nuevos valores que
tendrán cada uno de los
rangos. En el ejemplo se ha
escogido como el rango 2.51
hasta el 4.0 y se le ha asignado
el valor 2 tal como se señala
líneas arriba.
En la “hoja de variables” aparecerá nuestra nueva variable (fila sombreada). Luego debemos
codificar cada uno de los valores de la nueva variable, prestando atención en utilizar los mismos
valores empleados al momento de construir la nueva variable. 1= “Bajo peso” (< 2.5 Kg.), 2=
“Buen peso” (2.6-4.0 Kg.) y 3=” Macrosómico”( >4.1 Kg.)
R. Valle
2.3 Selección de casos
Esta opción nos permite trabajar con sólo una parte de la población, que presenta una característica
en común. Para fines de la práctica nosotros escogeremos trabajar con las madres que no presentan
ninguna comorbilidad. Nos dirigimos: Datos>>Seleccionar casos y escogemos la opción “Si se
satisface la condición”, lo que nos llevara a una nueva ventana.
R. Valle
En la nueva ventana
señalamos la variable
que va a funcionar
como condicional
(comorbilidad) y luego
escogemos el valor de
la variable que va a
servir para seleccionar
los casos. Como en el
presente caso queremos
trabajar con las madres
sanas marcamos el
valor 2 (comorbilidad
ausente) y le damos
continuar.
Observe que en la hoja de
datos, aquellos datos que
tenían marcada la variable
comorbilidad presente, se
encuentran tachados en la
columna de la izquierda, por
lo tanto todos los análisis
que se realicen sólo tomarán
en cuenta a las madres sanas.
R. Valle
3. Pruebas estadísticas
3.1 VARIBLES CUALITATIVAS
3.1.1 Prueba Chi cuadrado
Esta prueba se utiliza para probar asociación estadística entre variables cualitativas, en todos los
casos se trata de comparar los valores observados y esperados. Esta prueba utiliza las tablas de
contigencia
Comparación de proporciones o frecuencias de dos o más grupos.
Para mostrar la asociación entre 2 variables.
Recomendaciones:
Si n> 40 se usa X2 corregido por continuidad.
Si n se esta entre 20 y 40 se usa X2 en el caso que todas las frecuencias esperadas sean ≥5.
Si n< 20 no se usa X2. Se utiliza la prueba exacta de Fisher.
Para desarrollar esta sección, nos haremos la siguiente pregunta: ¿La comorbilidad materna influye
en el estado de nacimiento del neonato?
H0: El estado de nacimiento del neonato es independiente de la comorbilidad de la madre.
H1: El estado de nacimiento del neonato NO es independiente de la comorbilidad de la madre.
Nos dirigimos a Analizar>>Tablas de contigencia. Se abre una ventana donde seleccionamos las
variables a analizar y para analizar las variables aplicando el X2 nos dirigimos a Estadísticos.
R. Valle
El valor P en la prueba X2, es menor de 0.05 por lo tanto se rechaza la Ho y se acepta la alterna. El
OR (razón de ventajas) es de 2.76 y es significativo
pues su intervalo no incluye a la unidad.
Tabla de contingencia Comorbilidad * Estado al ancer
Recuento
49 16 65
71 64 135
120 80 200
Presente
Ausente
Comorbilidad
Total
Deprimido vigorozo
Estado al ancer
Total
Pruebas de chi-cuadrado
9.497b 1 .002
8.571 1 .003
9.869 1 .002
.002 .001
9.449 1 .002
200
Chi-cuadrado de Pearson
Corrección por
continuidada
Razón de verosimilitudes
Estadístico exacto de
Fisher
Asociación lineal por
lineal
N de casos válidos
Valor gl
Sig. asintótica
(bilateral)
Sig. exacta
(bilateral)
Sig. exacta
(unilateral)
Calculado sólo para una tabla de 2x2.a.
0 casillas (.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada
es 26.00.
b.
Estimación de riesgo
2.761 1.430 5.329
1.433 1.160 1.772
.519 .327 .823
200
Razón de las ventajas
para Comorbilidad
(Presente / Ausente)
Para la cohorte Estado
al ancer = Deprimido
Para la cohorte Estado
al ancer = vigorozo
N de casos válidos
Valor Inferior Superior
Intervalo de confianza
al 95%
R. Valle
3.1.2 Prueba Exacta de Fisher.
Es una prueba para analizar variables cualitativas, se utiliza cuando no se llegan a cumplir los
criterios de la prueba X2. Se usa sólo para tablas 2x2. Las H0 y H1 son las siguientes:
1.Bilateral:
H0: La proporción con la característica de interés es la misma en ambas poblaciones, p1=p2.
H1: La proporción con la características de interés NO es la misma en ambas poblaciones, p1≠p2.
2. Unilateral:
H0: La proporción en la población 1 es menor o igual que en la proporción en la población2, p1≤p2.
H1: La proporción en la población 1 es mayor que en la proporción en la población2, p1>p2.
3.2 VARIABLES CUANTITATIVAS PARAMÉTRICAS.
3.2.1 Prueba T- Student para muestras independientes
Es una de las pruebas más utilizadas, se utiliza para comparar las medias de 2 grupos diferentes. La
variable cuantitativa debe presentar una distribución Normal. Criterios:
La escala de medición de la variable tiene que ser de intervalo o de razón.
El tamaño de los grupos de pueden ser diferentes.
Se recomienda realizar pruebas bilaterales.
Para desarrollar el siguiente caso nos haremos la siguiente pregunta ¿Existe diferencia en la edad
entre aquellas madres que no tienen factores de riesgo y entre aquellas que consumen tabaco?
Ho: La media de la edad de las madres que consumen tabaco es similar a la edad de las madres que
no presentan factores de riesgo.
Ha: La media de la edad de las madres que consumen tabaco es diferente a la edad de las madres
que no presentan factores de riesgo
Como observamos al inicio, la variable Edad de la madre tiene una distribución normal, por lo que
esta variable debe ser tratada con pruebas Paramétricas, por lo que podemos utilizar la prueba T de
studet para muestras independientes. Analizar>>Comparar medias>>Prueba T para muestras
independientes.
R. Valle
En la nueva ventana ingresamos la variable a analizar y en la opción variable de agrupación,
introducimos la variable que va a formar los grupos, en este caso Factor de riesgo. Luego definimos
los valores, recuerda que la variable Factor de Riesgo tiene 3 valores; 1=ausente, 2=tabaco,
3=alcohol. Como sólo debemos comparar 2 medias (ausente y tabaco) escogemos los valores 1,2. Si
quisiéramos comparar entre las madres que tienen FR ausente y las que consumen alcohol
tendríamos que seleccionar la opción 1,3.
Estadísticos de grupo
136 28.49 6.080 .521
48 25.08 6.568 .948
Factotores de riesgo
Ausentes
Tabaco
Edad de la madre
N Media
Desviación
típ.
Error típ. de
la media
Prueba de muestras independientes
.656 .419 3.270 182 .001 3.409 1.043 1.352 5.466
3.151 77.263 .002 3.409 1.082 1.255 5.564
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
Edad de la madre
F Sig.
Prueba de Levene
para la igualdad de
varianzas
t gl Sig. (bilateral)
Diferencia
de medias
Error típ. de
la diferencia Inferior Superior
95% Intervalo de
confianza para la
diferencia
Prueba T para la igualdad de medias
R. Valle
3.2.2 Prueba T de student para muestras pareadas.
Esta prueba se utiliza cuando se quieren comparar la media de una misma población medida en
momentos o por observadores diferentes. La variable tiene que describir una distribución normal.
Para efectos de la práctica trabajaremos con los niveles de hemoglobina (Hb) de la madre que
fueron medidos antes y después de los 30 días de tratamiento. Primero vemos si esta variable tiene
una D. Normal de ser asi seleccionamos: Analizar>>Comparar medias>>Prueba T para
muestras relacionadas. En la nueva ventana seleccionamos la variable (Hb) que ha sido medida en
diferentes tiempos.
Estadísticos de muestras relacionadas
10.878 200 1.0441 .0738
12.1095 200 .96145 .06798
Nivel de Hb al inicio
Nivel de Hb al final
Par 1
Media N
Desviación
típ.
Error típ. de
la media
R. Valle
3.2.3 Anova
Esta prueba permite comparar las medias de 3 o más grupos, se realiza a través del análisis de la
varianza y básicamente nos dice si los grupos son iguales o diferentes respecto a sus promedios.
Analiza la diferencia entre la variación de cada individuo y la media de su grupo y la variación entre
la media de cada grupo y la media global.
En este caso, queremos saber si la gravidez (primigesta, segundagesta, multigesta) de la mujer
influye en el peso del producto, por lo que trabajamos con la variables gravidez y peso del neonato.
Ho: El peso promedio de los neonatos es similar en los grupos de gravidez.
Ha: El peso promedio de los neonatos es diferente en los grupos de gravidez.
Primero analizamos si la variable peso del neonato presenta o no una distribución normal. De ser
asi, entonces podemos utilizar la prueba. Analizar>>Comparar medias>>Anova. En la nueva
ventana seleccionamos las variables a contrastar, y en la sección de factor colocamos la variable que
va a formar los grupos de comparación (gravidez), Para obtener los valores descriptivos del análisis
seleccionamos opciones y marcamos esta opción.
Prueba de muestras relacionadas
-1.23140 1.26643 .08955 -1.40799 -1.05481 -13.751 199 .000Nivel de Hb al inicio
- Nivel de Hb al final
Par 1
Media
Desviación
típ.
Error típ. de
la media Inferior Superior
95% Intervalo de
confianza para la
diferencia
Diferencias relacionadas
t gl Sig. (bilateral)
Descriptivos
R. Valle
3.2.4 Asociación entre variables cuantitativas
Para el análisis de variables cuantitativas utilizamos la correlación y regresión lineal simple. La
regresión nos permite ver como se relacionan las variables y la correlación permite cuantificar el
grado de asociación. Se estudia la relación entre una variable X llamada independiente o explicativa
y una variable Y llamada dependiente o respuesta.
En este caso queremos
analizar la relación
entre la edad de la
madre y el peso del
neonato. Por lo que
seleccionamos
Analizar>>Regresión
>>Lineal.
Ambas variables deben mantener una relación de dependencia donde el comportamiento de la
variable independiente define a la variable dependiente (resultante).
ANOVA
Peso de nacimiento
.575 2 .287 .687 .504
82.388 197 .418
82.962 199
Inter-grupos
Intra-grupos
Total
Suma de
cuadrados gl
Media
cuadrática F Sig.
Descriptivos
Peso de nacimiento
82 2.9598
40 3.0900
78 2.9526
200 2.9830
Primigesta
Segundagesta
Multigesta
Total
N Media
Resumen del modelob
.069a .005 .000 6.373
Modelo
1
R R cuadrado
R cuadrado
corregida
Error típ. de la
estimación
Variables predictoras: (Constante), Peso al nacimientoa.
Variable dependiente: Edad de la madreb.
R. Valle
En el presente diagrama de dispersión se evidencia
lo mostrado por el R y el R2, ya que ambas
variables carecen de asociación.
3.3 VARIABLES CUANTITATIVAS NO PARAMETRICAS
3.3.1 Mann Whitney
Esta prueba es utilizada para evaluar variables cuantitativas que no presentan una distribución
Normal. La prueba plantea la comparación de medianas.
Supuestos
1.-Ambas muestras son aleatorias de sus respectivas poblaciones.
2.-Existe independencia entre las muestras.
3.-La escala es al menos ordinal.
En el presente caso queremos saber, si la edad gestacional de la madre influye en el estado al nacer
del neonato. Para realizar el análisis nos dirigimos: Analizar>>Pruebas no paramétricas>>2
muestras independientes.
Ho: La edad gestacional es similar en los neonatos que nacen vigorosos y deprimidos.
Ha: La edad gestacional no es similar en los neonatos que nacen vigorosos y deprimidos.
20 30 40
Edad de la madre
2.00
3.00
4.00
Pes
o d
e n
ac
imie
nto
R. Valle
Al realizar el análisis, no se observan el promedio de semanas de gestación para aquellos que
nacieron vigoroso y de los que nacieron deprimidos. Por lo que se tiene que realizar un análisis más.
Nos dirigimos a Analizar>>Comparar medias>>Medias.
Luego de marcar esta opción ingresamos las variables que deseamos analizar. Luego obtendremos
los promedios en cada uno de los grupos.
Estadísticos de contrastea
4284.000
7524.000
-1.338
.181
U de Mann-Whitney
W de Wilcoxon
Z
Sig. asintót. (bilateral)
Edad
gestacional
Variable de agrupación: Estado al nacera.
Días de tratamiento
21.53 120 7.436
21.76 80 8.046
21.63 200 7.667
Estado al nacer
Deprimido
vigoroso
Total
Media N Desv. típ.
R. Valle
3.3.2 Prueba de Wilcoxon
Esta prueba no paramétrica se utiliza para
evaluar datos pareados de una variable
que no cumple con una distribución
Normal. Se basa en el supuesto de la H0
que la diferencia entre las medianas de
los datos pareados de una población es
cero.
Para desarrollarla nos dirigimos a:
Analizar>>Pruebas no parametricas>>
2 muestras relacionadas
3.3.3 Prueba de Kruskall- walliss
La prueba es una ampliación de la prueba de Mann Whitney, permite evaluar si 3 o más grupos son
diferentes. La escala de medición debe ser ordinal.
Ahora, se desea saber si existe asociación entre el número de días de tratamiento y el peso de los
neonatos (peso_2).
Ho: Los días de tratamiento de la madre es similar en los niños con diferentes pesos
Ha: Los días de tratamiento de la madre no es similar en los niños con diferente peso.
Para realizar el análisis nos dirigimos Analizar>>Pruebas no paramétricas>>K muestras
independientes y en la nueva
ventana seleccionamos las
variables. En la sección de
variable de agrupación tenemos
que definir el rango, que
consiste en seleccionar los
valores de la variable que van a
formar los grupos de
comparación. En nuestro
ejemplo la variable Peso del
neonato tiene 3 valores[1=
“Bajo peso” (< 2.5 Kg.), 2=
“Buen peso” (2.6-4.0 Kg.) y
3=” Macrosómico”( >4.1 Kg.)]
por lo que escogemos el rango
1-3.
R. Valle
En este caso, el análisis no libera el promedio de días de tratamiento en cada uno de los grupos. Por
lo tanto procedemos como en el caso anterior ANALIZAR>> COMPARAR MEDIAS>>MEDIAS.
Luego escogemos las variables a analizar.
Rangos
55 87.43
137 107.62
8 68.50
200
Peso 2
Bajo peso
Buen peso
Macrosómico
Total
Días de tratamiento
N
Rango
promedio
7.422
2
.024
Chi-cuadrado
gl
Sig. asintót.
Días de
tratamiento
Días de tratamiento
19.65 55 8.269
22.68 137 7.272
17.13 8 6.379
21.63 200 7.667
Peso 2
Bajo peso
Buen peso
Macrosómico
Total
Media N Desv. típ.
R. Valle
4. Análisis de supervivencia
4.1 Kaplan y Meier
Es un análisis que analiza los tiempos en que se presentan los eventos, en lugar de los eventos
propiamente dichos. El desarrollo del análisis requiere definir el tiempo de seguimiento, el evento y
la censura
Tiempo de seguimiento (tiempo de falla): Es una variable cuantitativa y corresponde al periodo
correspondiente desde que el paciente ingresa a evaluación hasta que ocurre el evento de interés.
Evento: Es la situación de interés que se evalúa, ejemplos: muerte, cura, accidente, etc.
Censura: Es el sujeto que no presento el evento de interés, pudiendo ser porque fue perdido, retirado
del seguimiento o porque no termino el estudio.
Con motivo de la práctica, la variable tiempo de supervivencia es una variable cuantitativa con
escala de medición de escala y la variable resultado (cualitativa) abarca los valores de evento o
censura. Accedemos de la siguiente manera: ANALISIS>>SUPERVIVENCIA>>KAPLAN MEIR
En la nueva ventana, tenemos que definir la sección de tiempo y estado, en esta última sección
seleccionamos la opción “Definir evento” con la finalidad de identificar el evento de interés con el
numero que lo representa (La variable Resultado tiene 2 valores: 0 “censura” y 1 “evento”).
R. Valle
En la misma ventana podemos presionar opciones y
obtener más análisis, asi como la curva de Kaplan y
Meier.
En la ventana de resultados aparecen una tabla de supervivencia que describe el proceso según cada
sujeto estudiado, y el tiempo que aporta al análisis hasta la ocurrencia del evento.
La curva de supervivencia de kaplan y Meier
muestra en el eje de las ordenadas, la
probabilidad de estar libre del evento o la
probabilidad de supervivencia. En el eje de
las abscisas muestra el tiempo de
seguimiento. Por lo que si se quiere conocer
la probabilidad de estar libre del evento
estudiado en determinado tiempo solo se
requiere trazar una vertical en el tiempo y
luego ver donde corta a la curva y reflejarlo
en el eje de las ordenadas.
R. Valle
4.2 Long Rank
Método estadístico utilizado para saber si los grupos que se comparan tienen igual supervivencia.
Trabaja con la hipótesis nula que los grupos evaluados presentan igual supervivencia.
Para el análisis ingresamos a ANALISIS>>SUPERVIVENCIA>>KAPLAN MEIER y nos
centramos en la opción factor, en la cual ingresamos la variable a estudiar la cual debe ser
categórica y luego solicitamos los análisis necesarios.
Los resultados nos muestran un análisis descriptivo de las variable, asi como el resultado del long
rang con su valor de significancia.