🧵 Visualización de datos en la investigación médica 🔬 🧬 💊 🤓 📊

1/20
Habilidad esencial en la investigación en ciencias médicas, facilita la compresión y comunicación de información compleja, ayudando de esta manera en la toma de decisiones basadas en evidencia. #PCM20251 @israelmv @lma

🧵 2/20
Los gráficos son una ayuda visual para resaltar los resultados de una investigación, con el objetivo de hacerlos más claros. Se seleccionan a partir del objetivo del estudio, de los tipos de variable y de los análisis estadísticos que se desee ilustrar.

Es necesario elegir correctamente el gráfico para evitar resaltar diferencias, asociaciones o efectos, donde en realidad no los hay

🧵 3/20
Un gráfico adecuado es aquel que se explica por sí mismo. Las partes son: título, ejes, pies de página, colores, escala, unidades de medición, abreviaturas aclaradas y pruebas estadísticas empleadas.
Identificar la escala de medición de las variables por graficar y el análisis que se pretende ilustrar

🧵 4/20
Gráficos descriptivos (análisis univariado)

1. Barras de error: variables cuantitativas con distribución normal

🧵 5/20
Gráficos descriptivos (análisis univariado)

2. Gráfico de cajas y bigotes: variables cuantitativas con libre distribución

🧵 6/20
Gráficos descriptivos (análisis univariado)

3. Gráfico de violín: variables cuantitativas con libre distribución. Combinación entre un diagrama de densidad girado y un diagrama de cajas y bigotes, cuando la cantidad de datos por presentar es grande

🧵 7/20
Gráficos descriptivos (análisis univariado)

4. Gráfico circular: variables cualitatitvas (nominales y ordinales). Resume una sola variable con distintas categorías. Circulo que se divide en fragmentos que representan la frecuencia relativa o absoluta.

🧵 8/20
Gráficos descriptivos (análisis univariado)

5. Gráfico de barras simple o histograma de frecuencias: variables cualitatitvas (nominales y ordinales). Cada barra representa a cada una de las categorías de la variable, la longitud de cada barra es proporcional a la cantidad que representa, pueden ser valores absolutos (frecuencias) o relativos (porcentajes); el ancho de las barras es arbitrario.

🧵 9/20
Gráficos descriptivos (análisis univariado)

6. Gráfico de barras agrupadas: variables cualitatitvas (nominales y ordinales). Para mostrar las frecuencias en distintas categorías, contrastando entre dos o más grupos. Los grupos en comparación deben incluir la misma cantidad de sujetos, el límite superior del eje Y para valores relativos debe ser del 100 %, se usa código de color.

🧵 10/20
Gráficos descriptivos (análisis univariado)

7. Gráfico de líneas: para mostrar la frecuencia de una variable. Su principal objetivo es mostrar diferencias en la frecuencia de los datos.

🧵 11/20
Gráficos descriptivos (análisis univariado)

8. Gráficos de supervivencia: Utilizados en estudios en donde la variable principal es el tiempo en el desarrollo de un desenlace. Un híbrido, ya que se combinan las variables cualitativas (mortalidad, sordera, tiempo a alergia) con la variable tiempo en el eje de las X.

🧵 12/20
Gráficos que muestran relación de dos variables (análisis bivariado)

1. Diagrama de correlación / dispersión: Ambas cuantitativas o, al menos una ordinal. Paso previo a una regresión lineal.

🧵 13/20
Gráficos que muestran relación de dos variables (análisis bivariado)

2. Barras de error: Comparación de dos variables cuantitativas de distribución normal agrupadas.

🧵 14/20
Gráficos que muestran relación de dos variables (análisis bivariado)

3. Gráficos de cajas y bigote: comparar visualmente dos o tres grupos en los cuales la variable dependiente es cuantitativa de distribución libre, u ordinal.

🧵 15/20
Gráficos que muestran relación de dos variables (análisis bivariado)

4. Forest plot: Comparación de dos variables cualitativas en dos grupos. Utilizados en metaanálisis, OR, RR, HR o diferencia de medias.

🧵 16/20
Gráficos que muestran comparaciones y efectos múltiples (análisis multivariado)

1. Gráfico de dispersión: Para modelos de variables múltiples con desenlace cuantitativo. A diferencia de una correlación, el eje de las X corresponde a la suma de las diferentes variables independientes incluidas en el modelo.

🧵 17/20
Gráficos que muestran comparaciones y efectos múltiples (análisis multivariado)

2. Forest plot: para modelos de variables múltiples con desenlace cualitativo. Se agregan los valores de beta y el error estandarizada de los valores de beta obtenidos en el análisis de regresión.

🧵 18/20
Gráficos que muestran comparaciones y efectos múltiples (análisis multivariado)

3. Gráficos de supervivencia: Para modelos de variables múltiples con desenlace híbrido “tiempo-persona”. A diferencia con el modelo de Kaplan-Meier, no contienen el valor de los datos censurados.
🧵 19/20
Posibles errores al graficar datos en una investigación clínica:
• Manipulación de escalas o ejes
• Omisión de los datos de dispersión
• Omisión de datos

🧵 20/20

La selección del tipo de gráfico es tan importante como la elección de la prueba estadística. Conocer el tipo de variable, el número de grupos, así como el objetivo permitirá seleccionar de modo adecuado el gráfico pertinente. En un artículo, los gráficos son fundamentales para ilustrar y enriquecer los resultados de un trabajo de investigación.

Referencia:

Rivas-Ruiz, Rodolfo; Roy-García, Ivonne; Pérez-Rodríguez, Marcela; Berea, Ricardo; Moreno-
Palacios, Jorge; Moreno-Noguez, Moisés; Palacios-Cruz, Lino; Ureña-Wong, Kingston Rodolfo
Pertinencia e impertinencia de los gráficos en la investigación clínica
Revista alergia México, vol. 67, núm. 4, 2020, Octubre-Diciembre, pp. 381-396
Colegio Mexicano de Inmunología Clínica y Alergia, A.C.
DOI: https://doi.org/10.29262/ram.v67i4.854
🖥️ 🤓 📊 💊 🧬 🤖 🔬

Pertinencia e impertinencia de los gráficos en la investigación clínica | Revista Alergia México