| Autor: |
Javier Piury Pinzón, Lucía Cayuela Rodríguez, Aurelio Cayuela Domínguez, Manuel Ortega Calvo |
| Jazyk: |
Spanish; Castilian |
| Rok vydání: |
2024 |
| Předmět: |
|
| Zdroj: |
NURE Investigación, Vol 21, Iss 131 (2024) |
| Druh dokumentu: |
article |
| ISSN: |
1697-218X |
| DOI: |
10.58722/nure.v21i131.2553 |
| Popis: |
La conceptualización de los modelos matemáticos es una tarea difícil para los profesionales sanitarios que se dedican a tareas clínicas. Uno de los más utilizados es la regresión logística binaria (RLB). Nuestro objetivo en este artículo es tratar de acercar y de hacer comprender a los clínicos, la historia, el substrato matemático y la utilidad predictiva de la RLB. La función logística no es más que un modelo lineal, en el que a diferencia de la ecuación de la recta, la variable resultado es el logaritmo natural de una odds ratio observada, y las variables predictoras poseen unos coeficientes “ β ” que también son los logaritmos naturales de las odds ratio observadas en el trabajo científico que estemos llevando a cabo. La función logística se adapta muy bien a fenómenos clínico-biológicos, por ejemplo, la aparición de la epidemia de SIDA en los Estados Unidos de América o la curva de disociación de la hemoglobina. Cuando el ordenador nos ofrece los valores de los coeficientes para nuestras variables predictoras, nos está dando una función de tipo logístico que nos permite predecir si las observaciones futuras van a poder ser clasificadas en una u otra categoría de la variable resultado binaria. Cada modelo de RLB tiene su equivalente en un área bajo la Curva ROC determinada (Teoría de las Pruebas diagnósticas). Cuando generamos un diagnóstico médico o enfermero, realmente estamos aplicando un modelo de RLB. En Framingham se utilizaron por primera vez dentro de la investigación epidemiológica. |
| Databáze: |
Directory of Open Access Journals |
| Externí odkaz: |
|
