Bioestadística: una herramienta fundamental en la investigación científica

Una de las disciplinas que ha beneficiado tanto a la medicina como a varias ramas de la Ciencia es la bioestadística. En el ámbito de las revistas científicas biomédicas, dicha materia es un componente esencial, pues entre sus "Requisitos Uniformes para la Presentación de Manuscritos a Revistas Biomédicas" existe una serie de recomendaciones para la correcta aplicación y explicación de los métodos estadísticos utilizados. Para conocer más sobre el tema el PhD Darío Alviso, Responsable del Núcleo de Bioestadística de la Universidad María Auxiliadora (UMAX) nos explica qué es, cuál es su utilidad, su importancia entre otros aspectos interesantes de la materia.

¿Qué es la bioestadística?

La estadística es una rama de las matemáticas que permite el estudio de la variabilidad de una base de datos usando ciertos principios matemáticos. Normalmente se complementa con la teoría de las probabilidades. La bioestadística en particular se refiere al estudio de la estadística relacionado a las ciencias de la salud.  

Los profesionales que trabajan en los campos de la medicina, la biología, la enfermería, la psicología, la nutrición o la salud pública necesitan conocer los principios que guían la aplicación de los métodos estadísticos a los temas propios de sus respectivas áreas del conocimiento.

¿Cómo se aplica a la investigación?

La bioestadística se divide en 2 grandes partes: la descriptiva y la inferencial.

La bioestadística descriptiva permite la construcción de las bases de datos que son un conjunto de números ordenados de cierta manera, siguiendo ciertos delineamientos. A su vez, nos permite la descripción del conjunto de datos usando ciertos parámetros estadísticos o figuras características.

Por otra parte, la bioestadística inferencial permite entre otras cosas, a partir de la base de datos, proponer modelos matemáticos o correlaciones que permitan obtener conclusiones sobre la totalidad de datos numéricos, así como predecir dichos valores en otras condiciones iniciales.

En la actualidad con el desarrollo de la informática, su aplicación se ha realizado de una manera más eficaz por lo que es enormemente favorable para esta ciencia.

¿Qué relevancia tiene el manejo de datos bioestadísticos?

Siempre que se realiza un análisis bioestadístico, la idea inicial es establecer algunas tendencias sobre las muestras de estudio, lo que permite tener una base de datos de una forma ordenada para de tal modo ver cuáles son los parámetros más importantes a la hora de estudiar un determinado problema o evaluar una determinada enfermedad. Luego, se busca predecir lo que va a ocurrir al variar ciertos parámetros de entrada, como, por ejemplo, cuál va a ser el tratamiento más eficiente ante una dolencia específica.

¿Qué tipos de investigaciones se pueden llevar a cabo en esta área? 

Distintos tipos de investigaciones se pueden llevar a cabo, porque todos los problemas que tengan datos numéricos podrán ser abordados utilizando la bioestadística. Encontramos que en la literatura existe un montón de trabajos ya publicados, en donde a partir de ciertas bases de datos se proponen modelos o análisis de predicciones ya sean estas lineales o no lineales.

Algunas técnicas más actualizadas se basan en Machine Learning, Deep Learning, entre otros que son muy utilizadas hoy en día para proponer modelos matemáticos precisos. 

¿En qué consiste Machine Learning?

En español significa aprendizaje automatizado, es una técnica que tiene varias aplicaciones, pero en relación a la bioestadística sirve para proponer ecuaciones matemáticas que tengan un buen acuerdo con la base de datos.

Las técnicas más utilizadas de Machine Learning están basadas en la programación genética y las redes neuronales. En la primera se reproduce computacionalmente lo que ocurre naturalmente en los procesos genéticos evolutivos, por lo que los modelos o ecuaciones evolucionan en el tiempo para arrojar resultados cada vez más próximos a la base de datos inicial. A diferencia de las redes neuronales, la programación genética permite obtener de forma directa la ecuación o modelo matemático con mejor acuerdo con la base de datos.

¿Cuál es la importancia de la disciplina?

La bioestadística ha dado grandes aportes en el estudio de las enfermedades, por los datos brindados se ha logrado un mejor entendimiento de la propagación de ciertas enfermedades y las características de males crónicos. 

El pensamiento estadístico permite establecer un sistema organizado de investigación, desde el diseño de la misma, el muestreo, el control de calidad, el análisis, la presentación de la información y la predicción de los resultados esperados. 

 

Importance of biostatistics in scientific production

One of the disciplines that has benefited both medicine and various branches of science is biostatistics. In the field of biomedical scientific journals, this matter is an essential component because among its "Uniform Requirements for the Submission of Manuscripts to Biomedical Journals" there is a series of recommendations for the correct application and explanation of the statistical methods used. To learn more about the subject, PhD Darío Alviso, Head of the Biostatistics Nucleus of the María Auxiliadora University (UMAX) explains what it is, its usefulness, and its importance among other interesting aspects.

What is biostatistics?

Statistics is a branch of mathematics that allows the study of the variability of a database using certain mathematical principles. It is usually complemented by the theory of probabilities. Biostatistics in particular refers to the study of statistics related to the health sciences.

Professionals who work in the fields of medicine, biology, nursing, psychology, nutrition or public health need to know the principles that guide the application of statistical methods to the topics of each of their respective areas of the knowledge.

How biostatistics can be applied to research?

Biostatistics is divided into 2 large parts: the descriptive and the inferential.

Descriptive biostatistics allows the construction of databases that are a set of numbers ordered in a certain way, following certain delineations. In addition, it allows to describe the data set using certain statistical parameters or characteristic figures.

On the other hand, inferential biostatistics allows, among other things, from the database, to propose mathematical models or correlations that allow conclusions to be obtained on all numerical data, as well as to predict the values in other initial conditions.

Nowadays, with the development of computing, its application has been made in a more efficient way, which is why it is enormously favorable for this science.

How relevant is the handling of biostatistical data?

Whenever a biostatistical analysis is carried out, the initial idea is to establish some trends on the study samples, which allows having a database in an orderly way to see which are the most important parameters when studying a certain problem or assess a certain disease. Then, it seeks to predict what will happen by varying certain input parameters, such as what will be the most efficient treatment for a specific disease.

What types of research can be carried out in this area?

Different types of research can be carried out, because all problems that have numerical data can be addressed using biostatistics. We find that in the literature there is a lot of works already published, where models or prediction analyzes are proposed from certain databases, whether they are linear or non-linear.

Some more up-to-date techniques are based on Machine Learning, Deep Learning, among others that are widely used today to propose precise mathematical models.

What is Machine Learning?

It is a technique that has several applications, but in relation to biostatistics it is used to propose mathematical equations that have a good agreement with the database.

The most widely used Machine Learning techniques are based on genetic programming and artificial neural networks. In the first, what occurs naturally in evolutionary genetic processes is computationally reproduced, so that the models or equations evolve over time to yield results that are closer and closer to the initial database. Unlike neural networks, genetic programming makes it possible to directly obtain the mathematical equation or model with the best agreement with the database.

 

What is the importance of biostatistics?

Biostatistics has made great contributions to the study of diseases, through the data provided, a better understanding of the spread of certain diseases and the characteristics of chronic diseases has been achieved.

Statistical thinking allows establishing an organized research system, from its design, sampling, quality control, analysis, information presentation and prediction of the expected results.