Detección de tendencias temporales: Análisis de series temporales

Análisis de series temporales ¿Que es una tendencia temporal? Es un cambio a corto plazo, estacional o secular Puede combinarse con una variación aleatoria (aquí se identifica por inv estad) Es el método que se usa en epidemiología para detectar tendencias temporales

La serie temporal : es un registro de sucesos dados en un periodo de tiempo Estos sucesos son por ejem las enfermedades Las tendencias de los datos a trabajar son detectadas por 3 métodos: 1) Dibujo a mano alzada 2) Calculo de las medias móviles 3) Análisis de regresión

DIBUJO A MANO ALZADA Ventaja: La unión de los puntos mediante la vista es un método evidente y fácil de apreciar Desventaja: No puede contrarrestar las variaciones aleatorias fácilmente

Porcentajes de pulmones comisados mensualmente debido a neumonía y/o Pleuresia con línea de regresión (tomados de tabla 8.2)

Tasa de la media porcentual acumulada trimestral de comisos de pulmones con neumonía y/o pleuresia (datos de tabla 8.3)

% de pulmones comisados mensualmente (corregidos para eliminar la tendencia secular) A causa de neumonía y/o pleuresia

Porcentaje de pulmones comisados mensualmente (corregidos para eliminar la tendencia estacional) a causa de neumonía y/o pleuresia

CALCULO DE LAS MEDIAS MOVILES Ventajas Es la media aritmética de grupos de medidas consecutivas Esta técnica reduce las variaciones aleatorias por lo tanto descubre tendencias ocultas

CALCULO DE LAS MEDIAS MOVILES Desventajas: Los primeros y últimos datos no pueden ser promediados Las medias pueden ser excesivamente afectados por los valores extremos

ANALISIS DE REGRESION Técnica estadística que se usa para investigar las relaciones existentes entre 2 o mas variables Requiere conocimientos de estadística La regresión y la correlación están relacionadas Pero……

¿Son diferentes en que? El coeficiente de correlación puede evaluarse con 1 o todas las variables presentan variación aleatoria La regresión selecciona individuos en base de 1 o mas medidas (VI) y así registrar otras VD, por lo tanto las VI no presentan variaciones aleatorias

Análisis de Regresión Cuando las observaciones se hacen a intervalos definidos (estos intervalos representan la variable independiente) Se denomina Línea de Regresión de la regresión lineal de Y sobre X, si los verdaderos valores de Y para cada valor de X se encuentra en una línea recta

Coeficiente de regresión es la inclinación de la línea de Y sobre X El coeficiente puede ser (–) , (+) , 0 Es cero si X e Y no tienen ninguna relación

y la interpretacion de los valores de estos cálculos” Por lo tanto el ANALISIS DE REGRESION es: “El calculo del coeficiente de regresion, la interseccion con el eje vertical y la interpretacion de los valores de estos cálculos”

Aplicación de análisis de series temporales Ejm: FA Objetivo: investigar la distribución temporal de la FA en Paraguay Peralta et al (1982) Identifico pautas temporales indicando periodos en donde se debía prestar mayor atención al control.

Brotes de FA registrados mensualmente como : ______ = datos brutos -------- = tendencia ………. = media acumulada de 12 meses Brotes de FA registrados mensualmente como : media mensual, media acumulada de 12 meses Y tendencia: Paraguay 1972-1979 Peralta et al, 1982

TENDENCIAS EN LA DISTRIBUCION ESPACIAL Y TEMPORAL DE LA ENFERMEDAD 1) Tendencias espaciales en la presentación de la enfermedad 2) Agrupamiento Temporo-Espacial

Tendencias espaciales en la presentación de la enfermedad Una epidemia no representa solo a un grupo de casos durante un periodo de tiempo sino un agrupamiento de casos en una área definida Enf infecciosa forma espacial contagiosa en contraste con brotes esporádicos que se distribuyen aleatoriamente

Una variedad de distribuciones estadísticas sirven como modelos para la distribución espacial de sucesos Poisson se aplica para este fin Poisson puede ser contratada con chi cuadrado sobre los valores observados y esperados Si la varianza es > media implica una presentación contagiosa

Agrupamiento Temporo-Espacial Interacción entre los lugares y periodos de aparición de una enfermedad Como los casos están cercanos al espacio tienden a estarlo también al tiempo Se puede aplicar Poisson, aunque no siempre (pata muestra grandes)

El agrupamiento espacial puede ayudar a la identificación de la causa