Evolución histórica de las técnicas estadísticas y las metodologías para el estudio de la causalidad en ciencias médicas
Palabras clave:
historia de la estadística, causalidad en medicina, modelos de causalidad, técnicas estadísticas, análisis estadístico implicativo.Resumen
Las técnicas estadísticas constituyen las herramientas matemáticas que permiten el análisis causal de los problemas de salud; de ahí la importancia de conocer cómo ha sido su desarrollo a lo largo del tiempo, por lo cual el objetivo de este trabajo fue elaborar una síntesis de la evolución histórica de las técnicas y metodologías empleadas en la investigación médica en relación con los modelos de causalidad que han primado en cada momento histórico. A tales efectos, se realizó una amplia revisión documental y, para una mejor comprensión, se dividió la evolución en cinco etapas, según el desarrollo alcanzado en las técnicas estadísticas. Asimismo, se describen los principales hechos y las características fundamentales de cada época y se destaca la regresión logística binaria como la técnica más empleada.
Descargas
Los datos de descargas todavía no están disponibles.
Citas
1. Rodríguez Villamizar L. Inferencia causal en epidemiología. Rev Salud Pública. 2017;19(3):409-15.
2. López Moreno S, Garrido Latorre F, Hernández Avila M. Desarrollo histórico de la epidemiología: su formación como disciplina científica. Salud Pública de México. 2000 [citado 11/09/2018];42(2). Disponible en: http://saludpublica.mx/index.php/spm/article/viewFile/6221/7398
3. Celik MY. The Miracle of Biostatistics in Medical Research. International Journal of Basic and Clinical Studies (IJBCS). 2013;2(2):1-6.
4. A Brief History of Statistics (Selected Topics). ALPHA Seminar. 2017, 29 Ago [citado 11/09/2018]. Disponible en: http://homepage.divms.uiowa.edu/~dzimmer/alphaseminar/Statistics-history.pdf
5. Malagón Oviedo R. Epidemiología, saberes y prácticas: un análisis crítico. Rev Salud Pública. 2017 [citado 11/09/2018];19(3):416-22. Disponible en: http://www.scielo.org.co/pdf/rsap/v19n3/0124-0064-rsap-19-03-00416.pdf
6. Rosser Matthews J. History of Biostatistics. Medical Writing. 2016 [citado 11/09/2018];25(3). Disponible en: https://journal.emwa.org/statistics/history-of-biostatistics/
7. Tanton JS. History of Probability and Statistics. En: Encyclopedia of Mathematics. New York: Facts On File; 2005.
8. Lizón MA. Estadística y causalidad en la sociología empírica del XX. Papers. 2006 [citado 11/09/2018];(80):223-55. Disponible en: https://core.ac.uk/download/pdf/13270350.pdf
9. Historia de la Estadística. Revista Varianza. 2011 [citado 11/09/2018];(8). Disponible en: http://www.revistasbolivianas.org.bo/scielo.php?pid=S9876-67892011000100011&script=sci_arttext&tlng=es
10. Rivas MD, Araujo A, Martínez L, Flores P. Historia de la Estadística y la Probabilidad. Ciudad Bolívar: Universidad Pedagógica Experimental Libertador; 2014 [citado 11/09/2018]. Disponible en: https://www.academia.edu/7476667/HISTORIA_DE_LA_ESTADISTICA_Y_LA_PROBABILIDAD
11. Almenara Barrios J, Silva Ayçaguer LC, Benavides Rodríguez A, García Ortega C, González Caballero JL. Historia de la Bioestadística, la génesis, la normalidad y la crisis. Rev Esp Salud Pública. 2004 [citado 11/09/2018];78(1). Disponible en: http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1135-57272004000100011
12. Silva Ayçaguer LC. Causalidad y predicción: diferencias y puntos de contacto. Medwave. 2014 [citado 11/09/2018];14(8). Disponible en: https://www.medwave.cl/link.cgi/Medwave/Series/TyC-Estadistica/6016
13. Molinero LM. Historia del razonamiento estadístico. Madrid: SEH-LELHA; 2004 [citado 11/09/2018]. Disponible en: https://www.seh-lelha.org/historia-del-razonamiento-estadistico/
14. Parascandola M. Causes, risks and probabilities: probabilistic concepts of causation in chronic disease epidemiology. Prev Med. 2011 [citado 11/09/2018]; 53(4-5):232-4.
15. Sánchez Pérez MP, Velasco Benítez CA. El modelo de Leavell y Clark como marco descriptivo dentro de las investigaciones sobre el virus de la hepatitis B en niños con infección por VIH/sida del grupo de investigación Gastrohnup de la Universidad del Valle de Cali, Colombia. Revista Gastrohnup. 2017 [citado 11/09/2018];15(3 Sup. 1):6-9. Disponible en: http://revistas.univalle.edu.co/index.php/gastrohnup/article/view/1316/1425
16. Vallverdú J. Causalidad y epidemiología. En: Estany A, Puyol A. Filosofía de la epidemiología social. Madrid: CSIC; 2016.
17. Leyva Vázquez M, Pérez Teruel K, Febles Estrada A, Gulín González J. Técnicas para la representación del conocimiento causal: un estudio de caso en Informática Médica. Rev Cuba Inf Cienc Salud. 2013 [citado 11/09/2018];24(1). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2307-21132013000100006
18. Wensink M, Westendorp RG, Baudisch A. The causal pie model: an epidemiological method applied to evolutionary biology and ecology. Ecol Evol. 2014 [citado 11/09/2018];4(10):1924-30. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4063485/
19. Hakeem Alrawahi A. Classical causation research practices and sufficient-component cause model – Appraisal and pitfalls. Epidemiology Biostatistics and Public Health. 2017 [citado 11/09/2018];14(3). Disponible en: https://ebph.it/article/download/12576/11418
20. Rodríguez López JF. Rodríguez González B. Epidemiología: El cambio de paradigmas. Medicent Electrón. 2014 [citado 11/09/2018];18(3):93-9. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30432014000300002
21. Manzano Patiño AP. Introducción a los modelos de ecuaciones estructurales. Inv Ed Med. 2017 [citado 11/09/2018];7(25):67-72. Disponible en: http://www.scielo.org.mx/pdf/iem/v7n25/2007-5057-iem-7-25-67.pdf
22. Lazcano Ponce E, Salazar Martínez E, Hernández Avila M. Estudios epidemiológicos de casos y controles. Fundamento teórico, variantes y aplicaciones. Salud Pública Méx. 2001 [citado 11/09/2018];43(2). Disponible en: https://www.scielosp.org/article/spm/2001.v43n2/135-150/
23. Bacallao Gallestey J, Alerm González A, Ferrer Arrocha M. Paradigma del curso de la vida. Implicaciones en la clínica, la epidemiología y la salud pública. La Habana: Editorial Ciencias Médicas; 2016.
24. Wang H, Tu W. Bootstrap Methods: The Classical Theory and Recent Development. Wiley Online Library, 2018 [citado 11/09/2018]. Disponible en: https://doi.org/10.1002/9781118445112.stat04579.pub2
25. Idrovo AJ. Determinación social del proceso salud enfermedad: una mirada crítica desde la epidemiología del siglo XXI. Rev Salud Pública. 2017;19(3):404-8.
26. Bacallao Gallestey J. Enfoques modernos del sesgo y la causalidad en la investigación epidemiológica. Rev Cubana Salud Pública. 2012 [citado 11/09/2018];38(Supl. 5). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S086434662012000500003&lng=es&nrm=iso&tlng=es
27. Iglesias Cabo T, Escabias Macucha M, Aguilera del Pino AM. Métodos de Bondad de Ajuste en Regresión Logística [tesis de maestría]. Universidad de Granada; 2013 [citado 11/09/2018]. Disponible en: http://masteres.ugr.es/moea/pages/tfm-1213/tfm_iglesiascabo_tania/
28. Monsalve Torra AE, Ruiz Fernández D, Soriano Payá A. Sistema de ayuda a la decisión clínica en enfermedades de diagnóstico complejo [tesis doctoral]. Alicante: Universidad de Alicante; 2017 [citado 21/11/2018]. Disponible en: https://rua.ua.es/dspace/bitstream/10045/65334/1/tesis_monsalve_torra.pdf
29. Couturier R, Pazmiño R. Use of Statistical Implicative Analysis in Complement of Item Analysis. International Journal of Information and Education Technology. 2016 [citado 21/11/2018];6(1). Disponible en: http://www.ijiet.org/vol6/655-DL0026.pdf
30. García Mederos Y, Zamora Matamoros L, Sagaró del Campo N. Análisis estadístico implicativo en la identificación de factores de riesgo en pacientes con cáncer de pulmón. MEDISAN. 2015 [citado 21/11/2018];19(8). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192015000800003
31. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de pulmón. MEDISAN. 2016 [citado 21/11/2018];20(3). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192016000300010
32. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de mama. MEDISAN. 2017 [citado 21/11/2018];21(4):413. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192017000400003
33. Paez Candelaria Y, Sagaró del Campo NM Zamora Matamoros L. Análisis estadístico implicativo en la determinación de factores pronósticos del estado nutricional del paciente grave al egreso. MEDISAN 2018 [citado 21/11/2018];22(6):650. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192018000600007
34. Pearl J. An Introduction to Causal Inference. Int J Biostat. 2010 [citado 21/11/2018];6(2):7. Disponible en: http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2836213/pdf/ijb1203.pdf
35. Weihua An. Instrumental variables estimates of peer effects in social networks. Social Science Research. 2015;50:382-94.
36. Hernán MA. Conocimiento experto, confusión y métodos causales. Gac Sanit. 2001;15(Supl. 4):44-8.
37. Hernan MA, Robins JM. Causal inference. Boca Raton: Chapman & Hall; 2017.
38. Harel O, Mitchell EM, Perkins NJ, Cole SR, Tchetgen EJ, Sun B, Schisterman EF. Multiple Imputation for Incomplete Data in Epidemiologic Studies. Am J Epidemiol. 2018 [citado 21/11/2018];187(3):576–84. Disponible en: https://academic.oup.com/aje/article-abstract/187/3/576/4642952
39. Perkins NJ, Cole SR, Harel O. Principled approaches to missing data in epidemiologic studies. Am J Epidemiol. 2018;187(3):568–75.
40. Moreno-Betancur M, Lee KJ, Leacy FP, White IR, Simpson JA, Carlin JB. Canonical Causal Diagrams to Guide the Treatment of Missing Data in Epidemiologic Studies. Am J Epidemiol. 2018; 187(12):2705-15.
41. Hung M, Bounsanga J, Wright Voss M. Interpretation of correlations in clinical research. Postgrad Med. 2017; 129(8):902–6.
42. Castellanos-Olivares A, Rojas-Peñaloza J, Vásquez-Márquez PI. ¿Cómo evaluar artículos de riesgo o causalidad en medicina? Revista Mexicana de Anestesiología. 2016;39(Supl. 1):232-5.
43. Oates CJ. Kasza J, Simpson JA, Forbes AB. Repair of Partly Misspecified Causal Diagrams. Epidemiology. 2017;28(4):548–52.
44. Janzing D, Schölkopf B. Detecting confounding in multivariate linear models via spectral analysis. Journal of Causal Inference. 2017 [citado 21/11/2018];6(1). Disponible en: https://arxiv.org/pdf/1704.01430.pdf
45. Holmes MV, Lange LA, Palmer T, Lanktree MB, North KE, Almoguera B, et al. Causal effects of body mass index on cardiometabolic traits and events: a Mendelian randomization analysis. Am J Hum Genet. 2014;94:198-208.
46. Iturrieta-Zuazo I, Stefan Walter S. Aleatorización mendeliana: presente y futuro de los estudios epidemiológicos en cardiología. Rev Esp Cardiol. 2015 [citado 21/11/2018];68(2):87-91. Disponible en: http://www.revespcardiol.org/es/aleatorizacion-mendeliana-presente-yfuturo-delosestudios/articulo/90376679/
47. Laperle J, Hébert-Deschamps S, Raby J, de Lima Morais DA, Barrette M, Bujold D, et al. The epi Genomic Efficient Correlator (epiGeEC) tool allows fast comparison of user data sets with thousands of public epigenomic datasets. Bioinformatics. 2019;35(4):674-6.
48. Palinkas LA. Causality and Causal Inference in Social Work: Quantitative and Qualitative Perspectives. Res Soc Work Pract. 2014;24(5):540–7.
49. De Lecuona I. Evaluación de los aspectos metodológicos, éticos, legales y sociales de proyectos de investigación en salud con datos masivos (big data). Gaceta Sanitaria. 2018 [citado 21/11/2018];32(6):576-8. Disponible en: http://www.gacetasanitaria.org/es-evaluacion-los-aspectos-metodologicos-eticos-articulo-S0213911118300864
50. Ebrahim S, Ferrie J. E, Smith G. D. The future of epidemiology: methods or matter? International Journal of Epidemiology. 2016;45(6):1699–716.
2. López Moreno S, Garrido Latorre F, Hernández Avila M. Desarrollo histórico de la epidemiología: su formación como disciplina científica. Salud Pública de México. 2000 [citado 11/09/2018];42(2). Disponible en: http://saludpublica.mx/index.php/spm/article/viewFile/6221/7398
3. Celik MY. The Miracle of Biostatistics in Medical Research. International Journal of Basic and Clinical Studies (IJBCS). 2013;2(2):1-6.
4. A Brief History of Statistics (Selected Topics). ALPHA Seminar. 2017, 29 Ago [citado 11/09/2018]. Disponible en: http://homepage.divms.uiowa.edu/~dzimmer/alphaseminar/Statistics-history.pdf
5. Malagón Oviedo R. Epidemiología, saberes y prácticas: un análisis crítico. Rev Salud Pública. 2017 [citado 11/09/2018];19(3):416-22. Disponible en: http://www.scielo.org.co/pdf/rsap/v19n3/0124-0064-rsap-19-03-00416.pdf
6. Rosser Matthews J. History of Biostatistics. Medical Writing. 2016 [citado 11/09/2018];25(3). Disponible en: https://journal.emwa.org/statistics/history-of-biostatistics/
7. Tanton JS. History of Probability and Statistics. En: Encyclopedia of Mathematics. New York: Facts On File; 2005.
8. Lizón MA. Estadística y causalidad en la sociología empírica del XX. Papers. 2006 [citado 11/09/2018];(80):223-55. Disponible en: https://core.ac.uk/download/pdf/13270350.pdf
9. Historia de la Estadística. Revista Varianza. 2011 [citado 11/09/2018];(8). Disponible en: http://www.revistasbolivianas.org.bo/scielo.php?pid=S9876-67892011000100011&script=sci_arttext&tlng=es
10. Rivas MD, Araujo A, Martínez L, Flores P. Historia de la Estadística y la Probabilidad. Ciudad Bolívar: Universidad Pedagógica Experimental Libertador; 2014 [citado 11/09/2018]. Disponible en: https://www.academia.edu/7476667/HISTORIA_DE_LA_ESTADISTICA_Y_LA_PROBABILIDAD
11. Almenara Barrios J, Silva Ayçaguer LC, Benavides Rodríguez A, García Ortega C, González Caballero JL. Historia de la Bioestadística, la génesis, la normalidad y la crisis. Rev Esp Salud Pública. 2004 [citado 11/09/2018];78(1). Disponible en: http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1135-57272004000100011
12. Silva Ayçaguer LC. Causalidad y predicción: diferencias y puntos de contacto. Medwave. 2014 [citado 11/09/2018];14(8). Disponible en: https://www.medwave.cl/link.cgi/Medwave/Series/TyC-Estadistica/6016
13. Molinero LM. Historia del razonamiento estadístico. Madrid: SEH-LELHA; 2004 [citado 11/09/2018]. Disponible en: https://www.seh-lelha.org/historia-del-razonamiento-estadistico/
14. Parascandola M. Causes, risks and probabilities: probabilistic concepts of causation in chronic disease epidemiology. Prev Med. 2011 [citado 11/09/2018]; 53(4-5):232-4.
15. Sánchez Pérez MP, Velasco Benítez CA. El modelo de Leavell y Clark como marco descriptivo dentro de las investigaciones sobre el virus de la hepatitis B en niños con infección por VIH/sida del grupo de investigación Gastrohnup de la Universidad del Valle de Cali, Colombia. Revista Gastrohnup. 2017 [citado 11/09/2018];15(3 Sup. 1):6-9. Disponible en: http://revistas.univalle.edu.co/index.php/gastrohnup/article/view/1316/1425
16. Vallverdú J. Causalidad y epidemiología. En: Estany A, Puyol A. Filosofía de la epidemiología social. Madrid: CSIC; 2016.
17. Leyva Vázquez M, Pérez Teruel K, Febles Estrada A, Gulín González J. Técnicas para la representación del conocimiento causal: un estudio de caso en Informática Médica. Rev Cuba Inf Cienc Salud. 2013 [citado 11/09/2018];24(1). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2307-21132013000100006
18. Wensink M, Westendorp RG, Baudisch A. The causal pie model: an epidemiological method applied to evolutionary biology and ecology. Ecol Evol. 2014 [citado 11/09/2018];4(10):1924-30. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4063485/
19. Hakeem Alrawahi A. Classical causation research practices and sufficient-component cause model – Appraisal and pitfalls. Epidemiology Biostatistics and Public Health. 2017 [citado 11/09/2018];14(3). Disponible en: https://ebph.it/article/download/12576/11418
20. Rodríguez López JF. Rodríguez González B. Epidemiología: El cambio de paradigmas. Medicent Electrón. 2014 [citado 11/09/2018];18(3):93-9. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30432014000300002
21. Manzano Patiño AP. Introducción a los modelos de ecuaciones estructurales. Inv Ed Med. 2017 [citado 11/09/2018];7(25):67-72. Disponible en: http://www.scielo.org.mx/pdf/iem/v7n25/2007-5057-iem-7-25-67.pdf
22. Lazcano Ponce E, Salazar Martínez E, Hernández Avila M. Estudios epidemiológicos de casos y controles. Fundamento teórico, variantes y aplicaciones. Salud Pública Méx. 2001 [citado 11/09/2018];43(2). Disponible en: https://www.scielosp.org/article/spm/2001.v43n2/135-150/
23. Bacallao Gallestey J, Alerm González A, Ferrer Arrocha M. Paradigma del curso de la vida. Implicaciones en la clínica, la epidemiología y la salud pública. La Habana: Editorial Ciencias Médicas; 2016.
24. Wang H, Tu W. Bootstrap Methods: The Classical Theory and Recent Development. Wiley Online Library, 2018 [citado 11/09/2018]. Disponible en: https://doi.org/10.1002/9781118445112.stat04579.pub2
25. Idrovo AJ. Determinación social del proceso salud enfermedad: una mirada crítica desde la epidemiología del siglo XXI. Rev Salud Pública. 2017;19(3):404-8.
26. Bacallao Gallestey J. Enfoques modernos del sesgo y la causalidad en la investigación epidemiológica. Rev Cubana Salud Pública. 2012 [citado 11/09/2018];38(Supl. 5). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S086434662012000500003&lng=es&nrm=iso&tlng=es
27. Iglesias Cabo T, Escabias Macucha M, Aguilera del Pino AM. Métodos de Bondad de Ajuste en Regresión Logística [tesis de maestría]. Universidad de Granada; 2013 [citado 11/09/2018]. Disponible en: http://masteres.ugr.es/moea/pages/tfm-1213/tfm_iglesiascabo_tania/
28. Monsalve Torra AE, Ruiz Fernández D, Soriano Payá A. Sistema de ayuda a la decisión clínica en enfermedades de diagnóstico complejo [tesis doctoral]. Alicante: Universidad de Alicante; 2017 [citado 21/11/2018]. Disponible en: https://rua.ua.es/dspace/bitstream/10045/65334/1/tesis_monsalve_torra.pdf
29. Couturier R, Pazmiño R. Use of Statistical Implicative Analysis in Complement of Item Analysis. International Journal of Information and Education Technology. 2016 [citado 21/11/2018];6(1). Disponible en: http://www.ijiet.org/vol6/655-DL0026.pdf
30. García Mederos Y, Zamora Matamoros L, Sagaró del Campo N. Análisis estadístico implicativo en la identificación de factores de riesgo en pacientes con cáncer de pulmón. MEDISAN. 2015 [citado 21/11/2018];19(8). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192015000800003
31. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de pulmón. MEDISAN. 2016 [citado 21/11/2018];20(3). Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192016000300010
32. Moraga Rodríguez A, Zamora Matamoros L, Sagaró del Campo NM, Moraga Rodríguez A, Rodríguez Griñán A. Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de mama. MEDISAN. 2017 [citado 21/11/2018];21(4):413. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192017000400003
33. Paez Candelaria Y, Sagaró del Campo NM Zamora Matamoros L. Análisis estadístico implicativo en la determinación de factores pronósticos del estado nutricional del paciente grave al egreso. MEDISAN 2018 [citado 21/11/2018];22(6):650. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S1029-30192018000600007
34. Pearl J. An Introduction to Causal Inference. Int J Biostat. 2010 [citado 21/11/2018];6(2):7. Disponible en: http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2836213/pdf/ijb1203.pdf
35. Weihua An. Instrumental variables estimates of peer effects in social networks. Social Science Research. 2015;50:382-94.
36. Hernán MA. Conocimiento experto, confusión y métodos causales. Gac Sanit. 2001;15(Supl. 4):44-8.
37. Hernan MA, Robins JM. Causal inference. Boca Raton: Chapman & Hall; 2017.
38. Harel O, Mitchell EM, Perkins NJ, Cole SR, Tchetgen EJ, Sun B, Schisterman EF. Multiple Imputation for Incomplete Data in Epidemiologic Studies. Am J Epidemiol. 2018 [citado 21/11/2018];187(3):576–84. Disponible en: https://academic.oup.com/aje/article-abstract/187/3/576/4642952
39. Perkins NJ, Cole SR, Harel O. Principled approaches to missing data in epidemiologic studies. Am J Epidemiol. 2018;187(3):568–75.
40. Moreno-Betancur M, Lee KJ, Leacy FP, White IR, Simpson JA, Carlin JB. Canonical Causal Diagrams to Guide the Treatment of Missing Data in Epidemiologic Studies. Am J Epidemiol. 2018; 187(12):2705-15.
41. Hung M, Bounsanga J, Wright Voss M. Interpretation of correlations in clinical research. Postgrad Med. 2017; 129(8):902–6.
42. Castellanos-Olivares A, Rojas-Peñaloza J, Vásquez-Márquez PI. ¿Cómo evaluar artículos de riesgo o causalidad en medicina? Revista Mexicana de Anestesiología. 2016;39(Supl. 1):232-5.
43. Oates CJ. Kasza J, Simpson JA, Forbes AB. Repair of Partly Misspecified Causal Diagrams. Epidemiology. 2017;28(4):548–52.
44. Janzing D, Schölkopf B. Detecting confounding in multivariate linear models via spectral analysis. Journal of Causal Inference. 2017 [citado 21/11/2018];6(1). Disponible en: https://arxiv.org/pdf/1704.01430.pdf
45. Holmes MV, Lange LA, Palmer T, Lanktree MB, North KE, Almoguera B, et al. Causal effects of body mass index on cardiometabolic traits and events: a Mendelian randomization analysis. Am J Hum Genet. 2014;94:198-208.
46. Iturrieta-Zuazo I, Stefan Walter S. Aleatorización mendeliana: presente y futuro de los estudios epidemiológicos en cardiología. Rev Esp Cardiol. 2015 [citado 21/11/2018];68(2):87-91. Disponible en: http://www.revespcardiol.org/es/aleatorizacion-mendeliana-presente-yfuturo-delosestudios/articulo/90376679/
47. Laperle J, Hébert-Deschamps S, Raby J, de Lima Morais DA, Barrette M, Bujold D, et al. The epi Genomic Efficient Correlator (epiGeEC) tool allows fast comparison of user data sets with thousands of public epigenomic datasets. Bioinformatics. 2019;35(4):674-6.
48. Palinkas LA. Causality and Causal Inference in Social Work: Quantitative and Qualitative Perspectives. Res Soc Work Pract. 2014;24(5):540–7.
49. De Lecuona I. Evaluación de los aspectos metodológicos, éticos, legales y sociales de proyectos de investigación en salud con datos masivos (big data). Gaceta Sanitaria. 2018 [citado 21/11/2018];32(6):576-8. Disponible en: http://www.gacetasanitaria.org/es-evaluacion-los-aspectos-metodologicos-eticos-articulo-S0213911118300864
50. Ebrahim S, Ferrie J. E, Smith G. D. The future of epidemiology: methods or matter? International Journal of Epidemiology. 2016;45(6):1699–716.
Publicado
2019-06-11
Cómo citar
1.
Sagaró Del Campo NM, Zamora Matamoros L. Evolución histórica de las técnicas estadísticas y las metodologías para el estudio de la causalidad en ciencias médicas. MEDISAN [Internet]. 11 de junio de 2019 [citado 31 de mayo de 2025];23(3):534-56. Disponible en: https://medisan.sld.cu/index.php/san/article/view/2434
Número
Sección
Artículo de revisión
Licencia
Esta revista provee acceso libre e inmediato a su contenido bajo el principio de que hacer disponible gratuitamente investigación al público, apoya aún más el intercambio de conocimiento global. Esto significa que los autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento, no comercial de Creative Commons 4.0 internacional que permite la realización de copias y distribución de los contenidos por cualquier medio o formato, siempre que otorgue el crédito apropiado, proporcione un enlace a la licencia e indique si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o a su uso y no puede usar el material con fines comerciales.
![Secimed](/templates/images/secimed.png"){kind=small}
Directrices para autores
