Statistics in biomedical research

• Autores: Carmen María Cadarso Suárez , Wenceslao González Manteiga
• Localización: Arbor: ciencia, pensamiento y cultura, ISSN 0210-1963, Nº 725, 2007 (Ejemplar dedicado a: Fronteras matemáticas del siglo XXI), págs. 353-362
• Idioma: inglés
• DOI: 10.3989/arbor.2007.i725.108
• Enlaces
  • Texto completo
• Resumen

  • La Bioestadística es hoy en día una componente científica fundamental de la investigación en Biomedicina, salud pública y servicios de salud. Las áreas tradicionales y emergentes de aplicación incluyen ensayos clínicos, estudios observacionales, fisología, imágenes, y genómica. Este artículo repasa la situación actual de la Bioestadística, considerando los métodos estadísticos usados tradicionalmente en investigación biomédica, así como los recientes desarrollos de nuevos métodos, para dar respuesta a los nuevos problemas que surgen en Medicina. Obviamente, la aplicación fructífera de la estadística en investigación biomédica exige una formación adecuada de los bioestadísticos, formación que debería tener en cuenta las áreas emergentes en estadística, cubriendo al mismo tiempo los fundamentos de la teoría estadística y su metodología. Es importante, además, que los estudiantes de bioestadística reciban formación en otras disciplinas biomédicas relevantes, como epidemiología, ensayos clínicos, biología molecular, genética y neurociencia.

• Referencias bibliográficas
  • Abraira, V., Cadarso, C., Gómez, G., Martín, A. and Pita, S. (2001): “Mesa Redonda: La Estadística en la Investigación Médica”, Qu.estii.,...
  • Altman, D. G. and Goodman, S. (1994): “Transfer of technology from statistical journals to the biomedical literature: past trends and future...
  • Andersen, P. K., Borgan, O., Gill, R. D. and Keiding, N. (1993): Statistical Models Based on Counting Processes, Springer, New York.
  • Anello, Ch. (1999): “Emerging and recurrent issues in drug development”, Statistics in Medicine, 18, 2301-2309. doi:10.1002/(SICI)1097-0258(19990915/30)18:17/18<2301::AID-SIM256>3.0.CO;2-X
  • Cheng. B. and Titterington, D. M. (1994): “Neural networks: a review from a statistical perspective”, Statistical Science, 9, 2-54. doi:10.1214/ss/1177010638
  • Cressie, N. (1993): Statistics for Spatial Data, Revised Edition, Wiley, New York.
  • DeMets, D. L., Stormo, G., Boehnke, M., Louis, T. A., Taylor, J. and Dixon, D. (2006): “Training of the next generation of biostatisticians”,...
  • Ewens, W. J. and Grant, G. (2005): Statistical Methods in Bioinformatics (Statistics for Biology and Health), Springer, New York.
  • Ferraty, F. and Vieu, Ph. (2006): Nonparametric functional data analysis: Theory and practice, Springer Series in Statistics, Springer, New...
  • Greenhouse, S. W. (2003): “The growth and future of biostatistics: (A view from the 1980s)”, Statistics in Medicine, 22, 3323-3335. doi:10.1002/sim.1634
  • Hastie, T. J. and Tibshirani, R. J. (1990): Generalized Additive Models, London, Chapman and Hall.
  • Hougaard, P. (2000): Analysis of Multivariate Survival Data, Springer, New York.
  • Houwelingen (van), H. C. (1997): “The future of Biostatistics: expecting the unexpected”, Statistics in Medicine, 16, 2773-2784.
  • Klein, J. P. and Moeschberger, M. L. (2003): Survival Analysis: Techniques for Censored and Truncated Data, Second Edition, Wiley, New York.
  • Lawson, A. (2006): Statistical Methods in Spatial Epidemiology, 2nd edition, Wiley.
  • Lawson, A. and Cressie, N. (2000): “Spatial statistical methods for environmental epidemiology”, in Handbook of Statistics, Vol. 18, P.K....
  • Ohno-Machado, L. (1996): Medical Applications of Artificial Neural Networks: Connectionist Model of Survival, Ph.D Dissertation, Stanford...
  • Ramsay, J. and Silverman, B. (2002): Applied functional data analysis; methods and case studies, Springer, New York. doi:10.1007/b98886
  • Ramsay, J. and Silverman, B. (2005): Functional data analysis, 2nd edition, Springer, New York.
  • Ripley, B. D. (1993): “Statistical aspects of neural networks”, in Barndorff-Nielsen, O. E., Jensen, J. L., Kendall, W. S. (eds.), Networks...
  • Ripley, B. D. (1996): Pattern Recognition and Neural Networks, Cambridge University Press.
  • Vapnik, V. (1995): The Nature of Statistical Learning Theory, Springer-Verlag.
  • Zelen, M. (2006): “Biostatisticians, Biostatistical Science and the Future”, Statistics in Medicine, 25: 3409-3414. doi:10.1002/sim.2658