Bioestadística Seminario - Informe S10

INFORME N°10
Correlación de Pearson y Regresión Lineal
GRUPO:
dmontalvana-102805>04M06-2
INTEGRANTES:
● Castillo Miniano, Nayeli Araceli (2021146340)

● Castillo Zapata, Alejandra Raquel (2021135545)
● Chirinos Perez, Maximo Jesús (2021146352)
● Conde Gamero, Maria Fernanda (2021146375)
DOCENTE:
Denisse Montalvan Alburqueque
2023-I
Pautas de la actividad:
El alumno debe ubicar en internet un artículo científico de estudios relacionales en el

campo de la medicina humana con una antigüedad máxima de 5 años. Leer
detenidamente el artículo y revisar los resultados estadísticos con pruebas paramétricas
de correlación y regresión lineal. Luego discutir la significancia estadística de los
resultados estadísticos en un documento pdf.
Link
https://www.horizontemedico.usmp.edu.pe/index.php/horizontemed/article/view/1
154
Introducción
En el campo de la bioestadística, es fundamental comprender y analizar las relaciones

entre variables cuantitativas. La correlación de Pearson y la regresión lineal son dos
herramientas estadísticas clave que nos permiten explorar y cuantificar la relación entre
estas variables.
La correlación de Pearson es una medida que evalúa la fuerza y dirección de una

relación lineal entre dos variables. Este coeficiente de correlación, representado por "r",
proporciona información sobre la intensidad de la relación entre las variables. Un valor
de 1 indica una correlación positiva perfecta, donde los valores altos de una variable se
corresponden con valores altos de la otra variable. Un valor de -1 indica una correlación
negativa perfecta, donde los valores altos de una variable se corresponden con valores
bajos de la otra variable. Un valor de 0 indica que no hay correlación lineal entre las
variables.
Por otro lado, la regresión lineal es una técnica que permite modelar y predecir la
relación entre una variable dependiente y una o más variables independientes. En el
caso de la regresión lineal simple, se busca ajustar una línea recta a los datos para
obtener una función que describa la relación lineal entre las variables. La pendiente y el
intercepto de la línea proporcionan información sobre la dirección y magnitud de la
relación entre las variables.
Tanto la correlación de Pearson como la regresión lineal son herramientas poderosas

en bioestadística, ya que nos permiten identificar y cuantificar las asociaciones entre
variables cuantitativas. Estas técnicas son ampliamente utilizadas en investigaciones
científicas y estudios epidemiológicos para comprender cómo las variables se
relacionan entre sí y para predecir valores futuros.
Desarrollo
Análisis de la figura 2
Figura 2. Gráfico de puntos del modelo de regresión parcial

Variable dependiente: estancia hospitalaria
Variable independiente: velocidad de onda e’ por doppler tisular en anillo mitral
Significancia de los resultados
● El gráfico de puntos del modelo de regresión parcial muestra la relación

entre la estancia hospitalaria y dos variables independientes: E/e' y
diámetro de vena cava inferior (VCI).
● El gráfico indica que hay una relación positiva entre ambas variables
independientes y la estancia hospitalaria.
● Además, el coeficiente de determinación (R2) para cada variable es 0,153
y 0,149, respectivamente, lo que indica que estas variables explican
aproximadamente el 15% de la variabilidad en la estancia hospitalaria.
● En general, estos resultados sugieren que tanto el E/e' como el diámetro
de VCI pueden ser predictores útiles del tiempo de estancia hospitalaria en
pacientes con insuficiencia cardiaca aguda.
Correlación entre la variable dependiente
● Sí existe asociación entre la relación E/e´y la estancia hospitalaria porque

esta tiene relación con la volemia del corazón derecho e izquierdo, a mayor
volemia, el paciente se encuentra más comprometido y por lo tanto
aumenta su estancia de hospitalización.
Comentario de la gráfica
● El gráfico de puntos del modelo de regresión parcial muestra la relación

entre la estancia hospitalaria y dos variables independientes: E/e´y
diámetro de vena cava inferior (VCI). Cada punto en el gráfico representa
un paciente individual, y la posición vertical del punto indica su tiempo de
estancia hospitalaria. La posición horizontal del punto indica el valor
correspondiente de E/e' o diámetro de VCI para ese paciente.
● El gráfico muestra una tendencia positiva en ambas variables
independientes, lo que sugiere que a medida que aumenta el valor de E/e'
o diámetro de VCI, también aumenta el tiempo de estancia hospitalaria.
Además, los coeficientes de determinación (R2) para cada variable son
0,153 y 0,149, respectivamente, lo que indica que estas variables explican
● En general, estos resultados sugieren que tanto el E/e' como el diámetro
de VCI pueden ser predictores útiles del tiempo de estancia hospitalaria en
pacientes con insuficiencia cardiaca aguda. Sin embargo, se necesitan
más estudios para confirmar estos hallazgos y determinar si otros factores
también influyen en la duración de la estancia hospitalaria.
Análisis de la figura 3
Figura 3. Gráfico de puntos del modelo de regresión parcial

Variable dependiente: estancia hospitalaria
Variable independiente:diámetro de la vena cava inferior
Significancia de los resultados
● La figura 3 muestra la relación entre el índice de colapso de la vena cava

inferior y la estancia hospitalaria en pacientes con insuficiencia cardiaca
aguda.
● La línea de regresión ajustada indica que hay una relación significativa
entre estas dos variables, lo que significa que a medida que aumenta el
índice de colapso de la vena cava inferior, también aumenta la estancia
hospitalaria.
● El coeficiente de determinación (R2) para esta relación es 0,149, lo que
indica que el índice de colapso de la vena cava inferior explica
● En general, estos resultados sugieren que el índice de colapso de la
vena cava inferior puede ser un predictor útil del tiempo de estancia
hospitalaria en pacientes con insuficiencia cardiaca aguda.
Correlación entre la variable dependiente
● Sí existe asociación entre el diámetro de la vena cava inferior con la

estancia hospitalaria. Esta tiene relación con la presión sistólica, por lo que
si aumenta el diámetro habrá mayor volemia creando mayor presión, esto
ocasiona un mayor tiempo de hospitalización y mayor mortalidad también.
Comentario de la gráfica
● El gráfico 3 es un gráfico de puntos que muestra la relación entre

la variable dependiente (estancia hospitalaria) y una de las
variables independientes (índice de colapso de la vena cava
inferior) en el modelo de regresión parcial.
● Cada punto representa un paciente en el estudio y su posición en el
gráfico indica su valor para ambas variables. La línea diagonal en el
gráfico representa la línea de regresión ajustada, que muestra la
relación general entre las dos variables.
● En general, cuanto más arriba y a la derecha esté un punto, mayor
será su valor para ambas variables.
● Este es solo un aspecto del modelo de regresión parcial y se
necesitan más detalles para interpretar completamente los
resultados del estudio.
Conclusiones
1. La correlación de Pearson y regresión lineal son pruebas paramétricas de

correlación, las cuales se encargan de estudiar la relación que presentan
las variables continuas.
2. La correlación de Pearson cuantifica una relación lineal existente entre 2
variables, por el contrario, el método de la regresión lineal sirve para
modelar, además de predecir, la relación entre 2 variables.
3. Estas dos herramientas son importantes y útiles, ya sea para brindar
información y analizar datos sobre la relación entre las variables que
estamos estudiando. No obstante, se debe tener conocimiento de que esta
correlación no significa causalidad.
Bibliografía
1. Barrantes Alarcón C, Hospital Guillermo Almenara. Lima, Perú. Índices

ecocardiográficos y estancia hospitalaria en pacientes con insuficiencia
cardiaca aguda en el Hospital Guillermo Almenara Irigoyen, 2015. Horiz
méd [Internet]. 2020 [citado el 27 de mayo de 2023];20(3):e1154.
Disponible en:
https://www.horizontemedico.usmp.edu.pe/index.php/horizontemed/article
/view/1154

Bioestadística Seminario - Informe S10

Cargado por

Copyright:

Formatos disponibles

Bioestadística Seminario - Informe S10

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Bioestadística Seminario - Informe S10

Cargado por

Copyright:

Formatos disponibles

INFORME N°10

Correlación de Pearson y Regresión Lineal

● Castillo Miniano, Nayeli Araceli (2021146340)

El alumno debe ubicar en internet un artículo científico de estudios relacionales en el

En el campo de la bioestadística, es fundamental comprender y analizar las relaciones

La correlación de Pearson es una medida que evalúa la fuerza y dirección de una

Tanto la correlación de Pearson como la regresión lineal son herramientas poderosas

Figura 2. Gráfico de puntos del modelo de regresión parcial

Significancia de los resultados

● El gráfico de puntos del modelo de regresión parcial muestra la relación

Correlación entre la variable dependiente

● Sí existe asociación entre la relación E/e´y la estancia hospitalaria porque

● El gráfico de puntos del modelo de regresión parcial muestra la relación

Figura 3. Gráfico de puntos del modelo de regresión parcial

● La figura 3 muestra la relación entre el índice de colapso de la vena cava

Correlación entre la variable dependiente

● Sí existe asociación entre el diámetro de la vena cava inferior con la

● El gráfico 3 es un gráfico de puntos que muestra la relación entre

1. La correlación de Pearson y regresión lineal son pruebas paramétricas de

1. Barrantes Alarcón C, Hospital Guillermo Almenara. Lima, Perú. Índices

También podría gustarte