tag:blogger.com,1999:blog-4616007392235280462024-02-19T04:20:54.946-08:00BIOESTADISTICACESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.comBlogger45125tag:blogger.com,1999:blog-461600739223528046.post-55954888649960345132020-09-24T11:59:00.006-07:002020-09-24T11:59:48.113-07:00STATISTICAL PARAMETRIC MAPPING <p> </p><p class="MsoNormal" style="text-align: justify;"></p><div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjnyVPPe7taL5l9pnr6LNDXQDn4TQ4WFLBEF8s4ViuNyJqeRVcRp4ao6_OXIBLW0qX4LL7B3tWYuS8jb8udYDV-1lEWFoS70j34HsA605itj7MnQwRLpXRtHfEI-r7z54orhnrdhBSsX1WW/s449/spm.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="166" data-original-width="449" height="236" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjnyVPPe7taL5l9pnr6LNDXQDn4TQ4WFLBEF8s4ViuNyJqeRVcRp4ao6_OXIBLW0qX4LL7B3tWYuS8jb8udYDV-1lEWFoS70j34HsA605itj7MnQwRLpXRtHfEI-r7z54orhnrdhBSsX1WW/w640-h236/spm.png" width="640" /></a></div><br /><span lang="ES" style="font-family: "Arial",sans-serif; font-size: 14.0pt; line-height: 107%; mso-ansi-language: ES;"><br /></span><p></p><p class="MsoNormal" style="text-align: justify;"><span lang="ES" style="font-family: "Arial",sans-serif; font-size: 14.0pt; line-height: 107%; mso-ansi-language: ES;"><br /></span></p><p class="MsoNormal" style="text-align: justify;"><span lang="ES" style="font-family: "Arial",sans-serif; font-size: 14.0pt; line-height: 107%; mso-ansi-language: ES;">El
mapeo paramétrico estadístico se refiere a la construcción y evaluación de
procesos estadísticos extendidos espacialmente utilizados para probar hipótesis
sobre datos de imágenes funcionales. Estas ideas se han creado en un software
gratuito y de código abierto que se llama SPM .<o:p></o:p></span></p>
<p class="MsoNormal" style="text-align: justify;"><span lang="ES" style="font-family: "Arial",sans-serif; font-size: 14.0pt; line-height: 107%; mso-ansi-language: ES;"><o:p> </o:p></span></p>
<p class="MsoNormal" style="text-align: justify;"><span lang="ES" style="font-family: "Arial",sans-serif; font-size: 14.0pt; line-height: 107%; mso-ansi-language: ES;">El
paquete de software SPM ha sido diseñado para el análisis de secuencias de
datos de imágenes cerebrales . Las secuencias pueden ser una serie de imágenes
de diferentes cohortes o series de tiempo del mismo tema. La versión actual
está diseñada para el análisis de fMRI , PET , SPECT , EEG y MEG .<o:p></o:p></span></p>
<p class="MsoNormal" style="text-align: justify;"><span style="font-family: "Arial",sans-serif; font-size: 14.0pt; line-height: 107%;"><o:p> Entrar<b> <a href="https://www.fil.ion.ucl.ac.uk/spm/" target="_blank"><span style="color: #990000;">AQUÍ</span></a></b></o:p></span></p>CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-76399171258100184262020-09-23T22:10:00.002-07:002020-09-24T08:06:54.448-07:00<p> </p><p class="MsoNormal" style="background: white; line-height: normal; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; text-align: justify;"><span face=""Arial",sans-serif" style="color: #444444; font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;"><br /></span></p><p class="MsoNormal" style="background: white; line-height: normal; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; text-align: justify;"><span face=""Arial",sans-serif" style="color: #444444; font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;"></span></p><div class="separator" style="clear: both; text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhXrLk4gBKIqexMKFQvvSfQyHT4bEvW1abPPzIM_ltHNPiVx2cMIqhGevmakGi-7A_PgkwMto-rP-uviO9eEnHHHGfUHMPG3WSTrBl1refdu7q_Rz6VjODBSoqi8-6b4lZ-G-EgPSWcfiZf/s1014/TRACTOR.PNG" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="264" data-original-width="1014" height="166" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhXrLk4gBKIqexMKFQvvSfQyHT4bEvW1abPPzIM_ltHNPiVx2cMIqhGevmakGi-7A_PgkwMto-rP-uviO9eEnHHHGfUHMPG3WSTrBl1refdu7q_Rz6VjODBSoqi8-6b4lZ-G-EgPSWcfiZf/w640-h166/TRACTOR.PNG" width="640" /></a></div><br /><div class="separator" style="clear: both; text-align: center;"><br /></div><span face="Arial, sans-serif" style="color: #444444; font-size: 14pt;">El proyecto TractoR (Tractography
with R) incluye paquetes R para leer, escribir y visualizar imágenes de
resonancia magnética almacenadas en formatos de archivo Analyze, NIfTI y DICOM
(el soporte DICOM es de solo lectura). También contiene funciones
diseñadas específicamente para trabajar con MRI de difusión y tractografía,
incluida una implementación estándar del enfoque de tractografía de vecindario
para la segmentación del tracto de materia blanca. También se proporciona
un script de shell para ejecutar experimentos con TractoR sin interactuar con
R. Con TractoR puede</span><p></p>
<ul type="disc">
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Convierta <a href="http://www.tractor-mri.org.uk/TractoR-and-DICOM"><span style="color: #605b80; text-decoration: none; text-underline: none;">archivos
DICOM</span></a> de su escáner MR al formato Analyze / NIfTI.<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Aplique operaciones de procesamiento de
imágenes de muchos tipos a datos de imágenes médicas.<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Realice <a href="http://www.tractor-mri.org.uk/registration"><span style="color: #605b80; text-decoration: none; text-underline: none;">un registro de imágenes</span></a> lineal
y no lineal .<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Procese previamente los datos de difusión por
resonancia magnética y calcule métricas de tensor, incluida la anisotropía
fraccionada (FA), la difusividad media (DM) y las direcciones principales
(consulte <a href="http://www.tractor-mri.org.uk/diffusion-processing"><span style="color: #605b80; text-decoration: none; text-underline: none;">procesamiento
de difusión</span></a> ).<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Ejecute <a href="http://www.tractor-mri.org.uk/tractography"><span style="color: #605b80; text-decoration: none; text-underline: none;">la tractografía probabilística</span></a> utilizando
puntos semilla únicos o una o más máscaras.<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Segmente áreas específicas en grupos
automáticamente usando tractografía de vecindario (vea el <a href="http://www.tractor-mri.org.uk/PNT-tutorial"><span style="color: #605b80; text-decoration: none; text-underline: none;">tutorial de PNT</span></a> ).<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Elimine los tractos falsos positivos
utilizando un modelo de variabilidad de la forma del tracto.<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Importe y manipule parcelas anatómicas
de <a href="http://www.tractor-mri.org.uk/structural"><span style="color: #605b80; text-decoration: none; text-underline: none;">datos
estructurales</span></a> .<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Cree, manipule, visualice y descomponga <a href="http://www.tractor-mri.org.uk/connectivity-graphs"><span style="color: #605b80; text-decoration: none; text-underline: none;">gráficos</span></a> abstractos
que <a href="http://www.tractor-mri.org.uk/connectivity-graphs"><span style="color: #605b80; text-decoration: none; text-underline: none;">representen
la conectividad cerebral</span></a> , ya sea estructural o funcional.<o:p></o:p></span></li>
<li class="MsoNormal" style="background: white; color: #444444; line-height: normal; mso-list: l0 level1 lfo1; mso-margin-bottom-alt: auto; mso-margin-top-alt: auto; tab-stops: list 36.0pt; text-align: justify;"><span face=""Arial",sans-serif" style="font-size: 14pt; mso-fareast-font-family: "Times New Roman"; mso-fareast-language: ES-PE;">Cree gráficos para visualizar cortes de imagen
o proyecciones de máxima intensidad.<o:p></o:p></span></li>
</ul>
<p class="MsoNormal"><span face=""Arial",sans-serif" style="font-size: 14pt; line-height: 107%;"><o:p> </o:p></span></p>
<p class="MsoNormal"><span face=""Arial",sans-serif" style="font-size: 14pt; line-height: 107%;"><o:p> Entrar <a href="http://www.tractor-mri.org.uk/" target="_blank"><span style="color: red;"><b>AQUI</b></span></a></o:p></span></p>CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-24790190720941491432019-05-22T08:00:00.003-07:002019-05-22T08:04:06.051-07:00LA INTELIGENCIA ARTIFICIAL DETECTA EL CÁNCER DE PULMÓN ANTES QUE LOS RADIÓLOGOS MÁS EXPERTOS<div class="separator" style="clear: both; text-align: center;">
</div>
<br />
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiL5g995K9vjkqjclMHKy1I8NRd9h_VAZ4Bbv7JjxTZ7wKORi5jSqoL5MS7EecIm5CMjMksFqEJgwcmC47zUo1mqvn9X3-YTCn3wh5iCNPgq1Fk6Cq9YwIHNZ1ozVlxDJbhclbS5RLeQdjw/s1600/1234.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="1048" data-original-width="738" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiL5g995K9vjkqjclMHKy1I8NRd9h_VAZ4Bbv7JjxTZ7wKORi5jSqoL5MS7EecIm5CMjMksFqEJgwcmC47zUo1mqvn9X3-YTCn3wh5iCNPgq1Fk6Cq9YwIHNZ1ozVlxDJbhclbS5RLeQdjw/s1600/1234.png" /></a></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Con un estimado de
160,000 muertes en 2018, el cáncer de pulmón es la causa más común de muerte
por cáncer en los Estados Unidos. Se ha demostrado que el cribado del cáncer de
pulmón con tomografía computarizada de baja dosis reduce la mortalidad en un 20
a 43% y ahora se incluye en las pautas de cribado de EE. UU. Los desafíos
existentes incluyen la variabilidad entre evaluador y altas tasas de falsos
positivos y falsos negativos. Proponemos un algoritmo de aprendizaje profundo
que utiliza los volúmenes de tomografía computada actuales y anteriores de un
paciente para predecir el riesgo de cáncer de pulmón. Nuestro modelo logra un
rendimiento de vanguardia (94,4%) en 6,716 casos del Estudio Nacional de
Evaluación del Cáncer de Pulmón, y se comporta de manera similar en un conjunto
de validación clínica independiente de 1,139 casos. Realizamos dos estudios de
lectura: cuando no se disponía de imágenes de tomografía computarizada
anteriores, nuestro modelo superó a los seis radiólogos con reducciones
absolutas del 11% en falsos positivos y del 5% en falsos negativos. Cuando se
disponía de imágenes de tomografía computarizada anteriores, el rendimiento del
modelo estaba a la par con los mismos radiólogos. Esto crea una oportunidad
para optimizar el proceso de selección a través de la asistencia informática y
la automatización. Si bien la gran mayoría de los pacientes no son evaluados,
mostramos el potencial de los modelos de aprendizaje profundo para aumentar la
precisión, la consistencia y la adopción de pruebas de detección de cáncer de
pulmón en todo el mundo.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: arial, sans-serif;"><span style="font-size: 21.3333px;">Descarga el artículo <a href="https://drive.google.com/open?id=1iKU7xOmyEHy9j5xl-NJERZ7o48zSvEju"><b><span style="color: red;">AQUÍ </span></b></a></span></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-86334882203893473142019-04-27T11:20:00.002-07:002019-05-26T20:54:35.002-07:00STATISTICAL CONCEPTS SERIES<br /><div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgqraSPy8rSJSmwHiXjRoTzLlibCOGPlIPNd0-XAe4me4J6tSbSrYcvsGw0P_OhgrlVEoAtEKCbTYYZakb-RzsC3200fmZsxt9qmzW5V8rIJNfvVkoEureC3IXZOTuceKDiOg-Fmp-xFnkN/s1600/1_kB_QEhTUGNaOEAOxutTrhA.jpeg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="534" data-original-width="800" height="266" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgqraSPy8rSJSmwHiXjRoTzLlibCOGPlIPNd0-XAe4me4J6tSbSrYcvsGw0P_OhgrlVEoAtEKCbTYYZakb-RzsC3200fmZsxt9qmzW5V8rIJNfvVkoEureC3IXZOTuceKDiOg-Fmp-xFnkN/s400/1_kB_QEhTUGNaOEAOxutTrhA.jpeg" width="400" /></a></div>
<br />
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><a href="https://www.facebook.com/groups/793601911021027/"><span style="color: #0b5394;"><i>GROUP OF DATA SCIENTISTS IN RADIOLOGY</i></span></a> que actualmente trabaja para el Instituto de Estudios
Avanzados en Radiología científica. Presenta al público interesado en el análisis
de datos e investigación en Radiología la mítica y extraordinaria STATISTICAL
CONCEPTS SERIES publicada allá por la primera mitad de la década pasada en la
prestigiosa revista<a href="https://pubs.rsna.org/journal/radiology"> <span style="color: #0b5394;"><i>RADIOLOGY</i></span></a>.</span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Haciendo honor a esta
serie de publicaciones que consta de más de una decena de artículos, damos inicio
a nuestros <a href="https://bioestadisticarx.blogspot.com/2019/01/statistical-conceps-series.html"><span style="color: #0b5394;"><i>POST científicos</i></span> </a> en vista del interés actual del análisis de datos aplicado
al mundo de las imágenes médicas. Los artículos serán comentados concienzudamente
pero con sencillez rescatando ideas y conceptos que podemos aplicar en nuestras
investigaciones ya sean proyectos o en el reporte final de investigación. <o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjmIt9t0bLIV8iyY-9k_E-IROtucQ1Bl74-K2pLt_qt-anHtDFnXrdgaqDpL-ZLJLa93DDsmOTidI4WW0Etv-OJ_-PI-5t1UcMF3JWhknz3rqrNNEEqfw0LVH7r2JRCg87LeLbkAtxQen87/s1600/er_page-0001.jpg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="1200" data-original-width="1254" height="612" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjmIt9t0bLIV8iyY-9k_E-IROtucQ1Bl74-K2pLt_qt-anHtDFnXrdgaqDpL-ZLJLa93DDsmOTidI4WW0Etv-OJ_-PI-5t1UcMF3JWhknz3rqrNNEEqfw0LVH7r2JRCg87LeLbkAtxQen87/s640/er_page-0001.jpg" width="640" /></a></div>
<div class="MsoNormal" style="text-align: justify;">
<br />
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">
</span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Veamos con un poco de
más detalle de lo que trata este apasionante trabajo: <o:p></o:p></span></div>
<br />
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">En noviembre de 2002 se
empezó a publicar una serie extraordinaria de artículos: <a href="https://pubs.rsna.org/doi/10.1148/radiol.2252020996?url_ver=Z39.88-2003&rfr_id=ori:rid:crossref.org&rfr_dat=cr_pub%3dpubmed"><i><span style="color: #0b5394;">SERIE DE CONCEPTOS ESTADÍSTICOS</span> </i></a> que revisan los conceptos fundamentales de la estadística aplicada a la
radiología, los errores más habituales en el empleo de los procedimientos estadísticos
y consejos muy útiles en el proceso de planificación de una investigación.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Los expertos observaron
que los autores utilizan pruebas equivocadas y recomiendan la consulta a los especialistas
en análisis de datos. La recopilación de datos debe ser adecuada para solventar
a hipótesis de investigación, por ello la consulta realizada al analista de datos
es importante durante la planificación.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Para realizar este
esfuerzo de revisión bibliográfica con un criterio estrictamente técnico del análisis
estadístico los Dr. Applegate y Dr. Crewson han invertido una considerable cantidad
de tiempo y han demostrado una alta capacidad de organización al trabajar en
equipo con todos los autores que intervinieron en la realización de esta serie
de artículos.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Esperamos que los
autores, revisores y lectores encuentren útil esta serie de artículos: autores
con respecto al diseño de sus estudios y el análisis de sus datos, revisores
con respecto a su evaluación y crítica de manuscritos durante el proceso de
revisión por pares, y lectores con respecto a una mejor comprensión e
interpretación de los artículos publicados en radiología.</span><br />
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">💓💓💓💪</span></div>
<div class="MsoNormal" style="text-align: justify;">
</div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-13261956873122755642019-04-26T13:55:00.003-07:002020-05-22T12:34:58.841-07:00STATISTICAL CONCEPTS SERIES<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgqX6ydRuYraM-QFyv7gIlbahQhcTpICDEuKHa1G7vmAVkvtVGiLWoYzzJ7LUoiENdXU2Xorsw-_0FWls0HQ7L4pEvhwL9_WA5Mv1ec7C7clOZHu4wXJ21M5pLFHDPRbToE0XrFVNKb1xM1/s1600/df.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="975" data-original-width="737" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgqX6ydRuYraM-QFyv7gIlbahQhcTpICDEuKHa1G7vmAVkvtVGiLWoYzzJ7LUoiENdXU2Xorsw-_0FWls0HQ7L4pEvhwL9_WA5Mv1ec7C7clOZHu4wXJ21M5pLFHDPRbToE0XrFVNKb1xM1/s1600/df.png" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
</div>
<br />
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><span style="color: #38761d;">QUÉ SON LAS MUESTRAS ALEATORIAS Y EL TEOREMA DE LÍMITE
CENTRAL<o:p></o:p></span></span></b></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">La obtención de una
muestra que sea representativa de una población es clave en
cualquier diseño de estudio. La única manera de estar seguros de obtener una muestra
representativa es seleccionar a los sujetos al azar, de modo que el hecho de
que se elija o no a cada sujeto de la población para la muestra es pura
casualidad y no se basa en las características del sujeto. <o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Gracias a que la muestra
se selecciona al azar, los métodos de la teoría de la probabilidad se pueden
aplicar a los datos obtenidos.<span style="mso-spacerun: yes;"> </span>Esto
permite al clínico tener conciencia de la magnitud de los errores que pueden ocurrir a medida que aumenta el tamaño de la muestra,.</span><br />
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">El teorema del limite central nos dice que los promedios de todas las muestras de una
población de cualquier distribución se aproximarán a la distribución normal
(gaussiana).<span style="mso-spacerun: yes;"> </span>Esta es una propiedad
importante porque permite a los médicos usar la distribución normal para
formular inferencias a partir de los datos sobre las poblaciones aunque la muestra de la que disponga no tenga distribución normal.
Sin embargo, el tamaño de muestra requerido para utilizar el teorema del límite
central depende de la distribución subyacente de la población, y las
poblaciones con gran variabilidad requieren muestras más grandes. A medida que aumenta el
tamaño de la muestra, la media y la desviación estándar de la muestra se acercan más a la
media a la media y la desviación estándar de la población. <o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><!--[if gte vml 1]><v:shapetype
id="_x0000_t75" coordsize="21600,21600" o:spt="75" o:preferrelative="t"
path="m@4@5l@4@11@9@11@9@5xe" filled="f" stroked="f">
<v:stroke joinstyle="miter"/>
<v:formulas>
<v:f eqn="if lineDrawn pixelLineWidth 0"/>
<v:f eqn="sum @0 1 0"/>
<v:f eqn="sum 0 0 @1"/>
<v:f eqn="prod @2 1 2"/>
<v:f eqn="prod @3 21600 pixelWidth"/>
<v:f eqn="prod @3 21600 pixelHeight"/>
<v:f eqn="sum @0 0 1"/>
<v:f eqn="prod @6 1 2"/>
<v:f eqn="prod @7 21600 pixelWidth"/>
<v:f eqn="sum @8 21600 0"/>
<v:f eqn="prod @7 21600 pixelHeight"/>
<v:f eqn="sum @10 21600 0"/>
</v:formulas>
<v:path o:extrusionok="f" gradientshapeok="t" o:connecttype="rect"/>
<o:lock v:ext="edit" aspectratio="t"/>
</v:shapetype><v:shape id="Picture_x0020_1" o:spid="_x0000_i1028" type="#_x0000_t75"
alt="/storage/emulated/0/.polaris_temp/fImage12606011.png" style='width:284.5pt;
height:407pt;visibility:visible;mso-wrap-style:square'>
<v:imagedata src="file:///C:/Users/USUARIO/AppData/Local/Temp/msohtmlclip1/01/clip_image001.png"
o:title="fImage12606011"/>
</v:shape><![endif]--><!--[if !vml]--><!--[endif]--></span><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<table align="center" cellpadding="0" cellspacing="0" class="tr-caption-container" style="margin-left: auto; margin-right: auto; text-align: center;"><tbody>
<tr><td style="text-align: center;"><a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhXoGHwEIZNTDEdmGym4LtCsPcbkAlengzz28qxCCGCoAqsqidMLeikLAexw1IiNsArv0QAAm7n9wZIuePOWbiprO2qyOvjEbud9ZbNfd1iwoMw844JPjFUA1t3WzjgQoEJDVU-wR3BNxys/s1600/1.png" imageanchor="1" style="margin-left: auto; margin-right: auto;"><img border="0" data-original-height="1024" data-original-width="576" height="640" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhXoGHwEIZNTDEdmGym4LtCsPcbkAlengzz28qxCCGCoAqsqidMLeikLAexw1IiNsArv0QAAm7n9wZIuePOWbiprO2qyOvjEbud9ZbNfd1iwoMw844JPjFUA1t3WzjgQoEJDVU-wR3BNxys/s640/1.png" width="360" /></a></td></tr>
<tr><td class="tr-caption" style="text-align: justify;"><span style="font-size: small;">En esta figura observamos como a medida que la muestra es mayor la desviación estándar disminuye y por lo tanto también el intervalo de confianza al 95%. A medida que la muestra se hace mayor la media y la S.D de la muestra se parecen más a sus respectivos parámetros.</span></td></tr>
</tbody></table>
<br />
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><span style="color: #38761d;"><br /></span></span></b>
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><span style="color: #38761d;"><br /></span></span></b>
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><span style="color: #38761d;">CUÁL ES LA DIFERENCIA ENTRE EL DESVIACIÓN ESTANDAR(DE) Y EL
ERROR ESTANDAR DE LA MEDIA (EEM)</span><o:p></o:p></span></b></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></b></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">La D.E y la E.E.M miden
dos entidades muy diferentes, pero los clínicos a menudo las confunden.<span style="mso-spacerun: yes;"> </span>Algunos investigadores médicos resumen sus datos
con el EEM porque siempre es más pequeño que el DE.<span style="mso-spacerun: yes;"> </span>Debido a que el EEM es más pequeño, a menudo
se usa de manera inadecuada para hacer que la variabilidad de los datos se vea
más ajustada.<span style="mso-spacerun: yes;"> </span><o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">El siguiente ejemplo se
proporciona para ilustrar la diferencia entre la SD y la SEM y por qué se debe
resumir los datos utilizando la SD.<span style="mso-spacerun: yes;">
</span>Supongamos que, en una muestra de estudio de pacientes con enfermedad
aterosclerótica, un investigador informó que el pico de velocidad sistólica (PSV)
en la arteria carótida fue en promedio 220 cm / seg y el SD fue de 10. Este investigador sabe además por lo indicado en la literatura especializada que el PSV
en aproximadamente el 95% de todos los miembros de la población se encuentra
aproximadamente en 2 DE<span style="mso-spacerun: yes;"> </span>de la media. Los
resultados nos dirían que, suponiendo que la distribución sea aproximadamente
normal, sería inusual observar una PSV menor a 200 cm / seg o superior a 240 cm
/ seg (una DE es 10 unidades) en la enfermedad aterosclerótica. Lo que se está indicando en el artículo es un resumen de la población y un rango con el
cual comparar pacientes específicos que son examinados por el médico. Por lo general el investigador puede decir que el PSV de la arteria carótida común
fue de 220 cm / s +-1.6 EEM (suponiendo que este sea el EEM encontrado a partir del tamaño de su muestra).<span style="mso-spacerun: yes;"> </span>Si uno
confundiera el SEM con el SD, se podría creer que el rango de la mayoría de la
población era estrecho es tan estrecho como 216.8 y 223.2 cm / s lo cual es un error.<span style="mso-spacerun: yes;"> Debemos entender que e</span>stos valores describen el rango en el que
aproximadamente el 95% de las veces incluye la media de TODA la población de la
cual se eligió la muestra de pacientes.<span style="mso-spacerun: yes;">
</span><b>El EEM es simplemente una medida de cuán lejos es probable que esté la
media de la muestra de la media real de la población.</b><span style="mso-spacerun: yes;"> </span>Sin embargo, en la práctica, generalmente se
quiere comparar el PSV de un paciente individual con la distribución de la
población en su totalidad y no con la media de la población.<span style="mso-spacerun: yes;"> </span>Esta información es proporcionada por el DE y
no por el EEM. Por ejemplo uno de los sujetos que pertenece a la muestra podría presentar un PSV de 235 lo cual está dentro de lo posible ya que la media es 220 dos dos DE es decir con valores de 200 y 240, sabiendo que la DE de la población es de 10 unidades. Si hubiéramos realizado la comparación con la EEM entonces caeríamos en la cuenta de que 235 es demasiado alto para considerarse dentro de lo esperado, lo cual es un error porque la comparación debió hacerse con la DE.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="color: #38761d; font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">QUÉ SON LOS INTERVALOS DE CONFIANZA (IC)<o:p></o:p></span></b></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">La mayoría de las
investigaciones biomédicas se basan en la premisa de que lo que es cierto para
una muestra seleccionada al azar de una población será cierto, más o menos,
para la población a partir de la cual se eligió la muestra. Por lo tanto, las
mediciones en la muestra se utilizan para estimar las características de la
población incluida en el estudio. La confianza de los resultados obtenidos
de una muestra se aborda mediante la construcción de IC en torno a las
estadísticas de la muestra.<span style="mso-spacerun: yes;"> </span>La cantidad
de variación asociada con una estimación determinada a partir de una muestra
puede expresarse mediante un IC. Los CI más amplios indican una menor
precisión, mientras que los más estrechos indican una mayor precisión.<span style="mso-spacerun: yes;"> </span>Los IC proporcionan límites a las
estimaciones. <o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><!--[if gte vml 1]><v:shape
id="Picture_x0020_2" o:spid="_x0000_i1027" type="#_x0000_t75" alt="/storage/emulated/0/.polaris_temp/fImage11892916.png"
style='width:5in;height:240.5pt;visibility:visible;mso-wrap-style:square'>
<v:imagedata src="file:///C:/Users/USUARIO/AppData/Local/Temp/msohtmlclip1/01/clip_image003.png"
o:title="fImage11892916"/>
</v:shape><![endif]--><!--[if !vml]--><!--[endif]--></span><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi9e50r62AjV_nsB1rYlQHLLlp1ZK8G01fGzBxEDfTiaExsmCweqSUSXZ1-fLGPoG8J0T1TsyPOYRvPLS3TYp2YSJM8GYoLsmz16lMO00AQudAtxH8ojTDSNfoePlAzqHYeqxVSfgo3Qzod/s1600/2.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="685" data-original-width="1024" height="428" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi9e50r62AjV_nsB1rYlQHLLlp1ZK8G01fGzBxEDfTiaExsmCweqSUSXZ1-fLGPoG8J0T1TsyPOYRvPLS3TYp2YSJM8GYoLsmz16lMO00AQudAtxH8ojTDSNfoePlAzqHYeqxVSfgo3Qzod/s640/2.png" width="640" /></a></div>
<br />
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></b></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><span style="color: #38761d;">CÓMO SE CALCULAN LOS CI Y LA SIGNIFICANCIA ESTADISTICA </span><o:p></o:p></span></b></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Si la muestra es grande
con poca dispersión, la media de la muestra probablemente estará muy cerca de
la media de la población.<span style="mso-spacerun: yes;"> </span>Los cálculos
estadísticos combinan el tamaño de la muestra y la variabilidad (es decir, SD)
para generar un IC para la media poblacional. Se puede calcular un intervalo
para cualquier grado de confianza deseado, aunque los IC del 95% es el más utilizado. Los IC se pueden construir para cualquier nivel de
confianza deseado.<span style="mso-spacerun: yes;"> </span>No hay nada mágico en
el 95%, aunque se usa tradicionalmente.<span style="mso-spacerun: yes;">
</span>Si se necesita mayor confianza, entonces los IC deben ser más
amplios.<span style="mso-spacerun: yes;"> </span>En consecuencia, los 99% de los
IC son más amplios que los 95% de los IC, y los 90% de los IC son más estrechos
que los 95% de los IC.<span style="mso-spacerun: yes;"> </span>Los IC más
amplios se asocian con mayor confianza, pero menos precisión. <o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Si se supone que una muestra se seleccionó al azar de una
determinada población (que sigue una distribución normal), se puede estar
seguro al 95% de que el IC incluye la media de la población.</span></b><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><span style="mso-spacerun: yes;"> </span>Más precisamente, si se generan muchos IC del
95% a partir de muchos conjuntos de datos, se puede esperar que el IC incluya
la verdadera media de la población en el 95% de los casos y que el IC no
incluya el valor medio verdadero en el otro 5%.<span style="mso-spacerun: yes;">
</span><b>Por lo tanto, el IC del 95% se relaciona con la significación
estadística en el nivel de 0.05, lo que significa que el propio IC se puede
usar para determinar si un cambio estimado es estadísticamente significativo en
el nivel de 0.05.<o:p></o:p></b></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Mientras que el valor
de "p" a menudo se interpreta como una indicación de una diferencia
estadísticamente significativa, el CI, al proporcionar un rango de valores,
permite al lector interpretar las implicaciones de los resultados o valores en cualquiera
de los extremos del intervalo.<span style="mso-spacerun: yes;"> </span>Por
ejemplo, si un extremo del intervalo incluye resultados clínicamente
importantes pero el otro no, los resultados pueden considerarse como no
concluyentes, no simplemente como una indicación de una diferencia
estadísticamente significativa o no.<span style="mso-spacerun: yes;">
</span>Además, mientras que los valores de "p" no se presentan en unidades, los
IC se presentan en las unidades de la variable de interés, y esta última
presentación ayuda a los lectores a interpretar los resultados.<span style="mso-spacerun: yes;"> </span><b>En general, se prefieren los IC a los valores
del p valué porque los IC cambian la interpretación de un juicio cualitativo sobre el
papel del azar a una estimación cuantitativa de la medida biológica del efecto.<span style="mso-spacerun: yes;"> </span>Más importante aún, la IC cuantifica la
precisión de la media</b><o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><span style="color: #38761d;">POR QUÉ ES IMPORTANTE EL IC PARA LA SENSIBILIDAD Y LA
ESPECIFICIDAD </span><o:p></o:p></span></b></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">La mayoría de los
radiólogos están familiarizados con los conceptos básicos de especificidad y
sensibilidad y los utilizan para evaluar la precisión o rendimiento diagnóstico de las
pruebas de diagnóstico en la práctica clínica.<span style="mso-spacerun: yes;">
</span>Dado que la sensibilidad y la especificidad son proporciones, los IC
pueden calcularse y deben informarse en todos los artículos de investigación. Los
IC son necesarios para ayudar a uno a estar más seguros sobre el valor clínico
de cualquier prueba de detección o diagnóstico y para decidir en qué grado se
puede confiar en los resultados.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">La prueba diagnóstica
más simple es dicotómica, en la que los resultados se utilizan para clasificar
a los pacientes en dos grupos según la presencia o ausencia de enfermedad (sigue un proceso de Bernoulli).<span style="mso-spacerun: yes;"> </span></span><br />
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"></span><br />
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgqmPteZw6WPXBDEH7-iS0qYjK665oZYmojy0KoCJrib7SdwFjp60G79svD03TBOeeFpBj5Z48iqC4DK3NLlN2YcSo4JFmI25kanwXQtCXeWHS5EpGy87NHkbiF7ROSLvqWGjiYeYWopVuv/s1600/1.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="394" data-original-width="1062" height="235" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgqmPteZw6WPXBDEH7-iS0qYjK665oZYmojy0KoCJrib7SdwFjp60G79svD03TBOeeFpBj5Z48iqC4DK3NLlN2YcSo4JFmI25kanwXQtCXeWHS5EpGy87NHkbiF7ROSLvqWGjiYeYWopVuv/s640/1.png" width="640" /></a></div>
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">La resonancia magnética (RM) y los hallazgos
artroscópicos puede ser un ejemplo que nos sirva (ver la tabla más arriba). En este estudio hipotético, la artroscopia se considera el estándar de
referencia.<span style="mso-spacerun: yes;"> </span>La pregunta que surge en el
entorno clínico es: "¿Qué tan buenas son las imágenes de RM de rodilla
para ayudar a distinguir ligamento cruzado anterior ( ACL) desgarrados e intactos?"
En otras palabras, "¿Hasta qué punto se puede confiar en la interpretación
de las imágenes de RM para emitir juicios sobre el estado?<span style="mso-spacerun: yes;"> </span>¿De la rodilla de un paciente? Un método para
medir el valor de la RM en la detección de desgarros de ACL es calcular la
proporción de ACL desgarradas y la proporción de ACL intactas que se
clasificaron correctamente utilizando imágenes de RM.<span style="mso-spacerun: yes;"> </span>Estas proporciones se conocen como
sensibilidad y especificidad de una prueba, respectivamente. <o:p></o:p></span><br />
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><span style="font-size: 16pt;">La sensibilidad se calcula como la proporción de ACL desgarradas que se clasificaron correctamente utilizando imágenes de RM.</span><span style="font-size: 16pt;"> </span><span style="font-size: 16pt;">En este ejemplo, de las 421 rodillas con desgarros de LCA, 394 se evaluaron correctamente con imágenes de RM (ver tabla más abajo).</span><span style="font-size: 16pt;"> </span><span style="font-size: 16pt;">La sensibilidad de la RM en la detección de desgarros de LCA es, por lo tanto, del 94% (es decir, sensibilidad = 394/421 = 0,94).</span><span style="font-size: 16pt;"> </span><span style="font-size: 16pt;">En otras palabras, el 94% de los desgarros de ACL se clasificaron correctamente como desgarrados utilizando imágenes de RM.</span><span style="font-size: 16pt;"> </span><span style="font-size: 16pt;">El IC del 95% para una proporción se puede determinar mediante la ecuación que se muestra aquí:</span></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><!--[if gte vml 1]><v:shape
id="Picture_x0020_6" o:spid="_x0000_i1026" type="#_x0000_t75" alt="/storage/emulated/0/.polaris_temp/fImage6366522.png"
style='width:429.5pt;height:95pt;visibility:visible;mso-wrap-style:square'>
<v:imagedata src="file:///C:/Users/USUARIO/AppData/Local/Temp/msohtmlclip1/01/clip_image005.png"
o:title="fImage6366522"/>
</v:shape><![endif]--><!--[if !vml]--><!--[endif]--></span><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><!--[if gte vml 1]><v:shape
id="Picture_x0020_4" o:spid="_x0000_i1025" type="#_x0000_t75" alt="/storage/emulated/0/.polaris_temp/fImage1607821.png"
style='width:397.5pt;height:54.5pt;visibility:visible;mso-wrap-style:square'>
<v:imagedata src="file:///C:/Users/USUARIO/AppData/Local/Temp/msohtmlclip1/01/clip_image007.png"
o:title="fImage1607821"/>
</v:shape><![endif]--><!--[if !vml]--><!--[endif]--></span><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgQMs3eGWUNfw3vEQNtgddsFw6FR-fNR8hZYfr-WHhVkALRQaHgHOmllglE4nLsVB6h7GYQ7FDn0SoVvO4OzC8RpAbx_BL4HoK_bXIJk7jcZ-qt0GxFnHiGWIp6kI0Lza_i1-LXJR0idU6V/s1600/4.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="112" data-original-width="754" height="94" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgQMs3eGWUNfw3vEQNtgddsFw6FR-fNR8hZYfr-WHhVkALRQaHgHOmllglE4nLsVB6h7GYQ7FDn0SoVvO4OzC8RpAbx_BL4HoK_bXIJk7jcZ-qt0GxFnHiGWIp6kI0Lza_i1-LXJR0idU6V/s640/4.png" width="640" /></a></div>
<o:p></o:p><br />
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Al usar esta ecuación, el IC del 95% para la sensibilidad es de 0,94 +- 0,02, o de 0,92 a
0,96.<span style="mso-spacerun: yes;"> </span>Por lo tanto, se espera que la RM
tenga una sensibilidad entre 92% y 96%.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">La especificidad se
calcula como la proporción de ACL intactas que se clasificaron correctamente
utilizando imágenes de RM. <span style="mso-spacerun: yes;"> </span>De las 133
rodillas con una LCA intacta, 101 se clasificaron correctamente.<span style="mso-spacerun: yes;"> </span>La especificidad de la RM es, por lo tanto,
del 76% (es decir, especificidad = 101/133 = 0,76).<span style="mso-spacerun: yes;"> </span>Esto significa que el 76% de las ACL intactas
se clasificaron correctamente como intactas utilizando imágenes de RM.<span style="mso-spacerun: yes;"> </span>Al usar la Ecuación, el IC del 95% para la
especificidad es de 0.76 +- 0.07 o 0.69 a 0.83.<span style="mso-spacerun: yes;">
</span>Por lo tanto, se espera que la RM tenga una especificidad entre el 69% y
el 83%.<span style="mso-spacerun: yes;"> </span>También es importante tener en
cuenta que el IC fue más amplio para la especificidad que para la sensibilidad
porque los grupos de la muestra fueron 133 (más pequeños) y 421 (más grandes),
respectivamente.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">NOTA:</span></b></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: center;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><b> Se pueden calcular los IC
para las proporciones de ODDS<o:p></o:p></b></span></div>
<div class="MsoNormal" style="text-align: center;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><b>Los IC
también se pueden calcular en función de las medidas de riesgo, como el riesgo
relativo(RR) o el odds ratio (OR).</b><o:p></o:p></span></div>
<div align="center" class="MsoNormal" style="text-align: center;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Los IC pueden
calcularse tanto para medias como para proporciones.<span style="mso-spacerun: yes;"> </span>Las proporciones comúnmente utilizadas en
medicina incluyen sensibilidad, especificidad y OR.<span style="mso-spacerun: yes;"> </span>Las proporciones siempre deben ir acompañadas
de un 95% de IC.<span style="mso-spacerun: yes;"> </span>La correcta comprensión
y el uso de estadísticas fundamentales, como la DE, la EEM y la IC, y sus
cálculos permitirán un análisis, interpretación y comunicación más fiables de
los datos clínicos a los pacientes y a los médicos remitentes.</span><br />
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span style="font-family: "arial" , sans-serif;"><span style="font-size: 21.3333px;">PUEDES DESCARGAR EL ARTICULO <a href="https://drive.google.com/open?id=1LFWRf-mWl7ZYB6HWUMEnne82IotSan81"><b><span style="color: red;">AQUÍ</span></b></a></span></span></div>
CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-86915010416889222302019-04-08T15:06:00.003-07:002019-04-08T15:07:36.295-07:00MINITAB VERSIÓN 18<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi7hOR2ZdiU_fhB0ql_JkIUEl7Ayv2O02q-vaYMNoJabeHhgaqXd2XgQgzCTBeH1d8jDrQnRxxSG5QvBa1SHKKupxttBltRHD5dlbG1EURRlb7O7l_1wdfrwe80DuO7by3gtDG1_fPp_xXh/s1600/Minitab.svg.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="340" data-original-width="1600" height="68" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi7hOR2ZdiU_fhB0ql_JkIUEl7Ayv2O02q-vaYMNoJabeHhgaqXd2XgQgzCTBeH1d8jDrQnRxxSG5QvBa1SHKKupxttBltRHD5dlbG1EURRlb7O7l_1wdfrwe80DuO7by3gtDG1_fPp_xXh/s320/Minitab.svg.png" width="320" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<br />
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">Minitab es un programa
de computadora diseñado para ejecutar funciones estadísticas básicas y
avanzadas. Combina lo amigable del uso de Microsoft Excel con la capacidad de
ejecución de análisis estadísticos. En 1972, instructores del programa de
análisis estadísticos de la Universidad Estatal de Pensilvania (Pennsylvania
State University) desarrollaron MINITAB como una versión ligera de OMNITAB, un
programa de análisis estadístico del Instituto Nacional de Estándares y Tecnología
(NIST) de los Estados Unidos.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiVkoqnrhFdXzQ5bXyCv5YyUkmvl0SX7xug29LNQwtyXaH2j4wtEcAswHInxrqRy_PFiYexHg7cyfH335WNgiMfqnUREyKhwZ5e5PAWgI4XDT8aGaBu-n0S2KF0y7c1LQlv2FLShHhqxbjb/s1600/hj.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="349" data-original-width="1106" height="200" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiVkoqnrhFdXzQ5bXyCv5YyUkmvl0SX7xug29LNQwtyXaH2j4wtEcAswHInxrqRy_PFiYexHg7cyfH335WNgiMfqnUREyKhwZ5e5PAWgI4XDT8aGaBu-n0S2KF0y7c1LQlv2FLShHhqxbjb/s640/hj.png" width="640" /></a></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span lang="ES" style="font-family: "arial" , sans-serif; font-size: 16.0pt; line-height: 107%;">DESCARGAR <a href="http://www.minitab.com/es-mx/"><b><span style="color: red;">AQUÍ</span></b></a><o:p></o:p></span></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-72142312023130455562019-03-25T17:36:00.002-07:002019-03-25T17:36:21.068-07:00SMART_STATS_TOOLS<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgRSgIxrfdQh5wm8c7UAx2Haz48WX_ew55jSWmPIx4A7uqHQkkiFfJDrvAVjZW2TKPA_YRPONB38XrCjS6s7d87cic3a7heEKOyCZvuMH6M9Afq_jAaiP1mM2w5jgPwummE-C8T2MBVabAC/s1600/gh.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="162" data-original-width="1199" height="86" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgRSgIxrfdQh5wm8c7UAx2Haz48WX_ew55jSWmPIx4A7uqHQkkiFfJDrvAVjZW2TKPA_YRPONB38XrCjS6s7d87cic3a7heEKOyCZvuMH6M9Afq_jAaiP1mM2w5jgPwummE-C8T2MBVabAC/s640/gh.png" width="640" /></a></div>
<br />
<br />
<div class="MsoNormal" style="tab-stops: 72.45pt; text-align: justify;">
<span lang="ES" style="font-family: "Arial",sans-serif; font-size: 16.0pt; line-height: 107%;">El<span style="mso-spacerun: yes;"> </span>sitio web de smart-stats-tools<span style="mso-spacerun: yes;"> </span>contiene software para el análisis<span style="mso-spacerun: yes;"> </span>de imágenes de resonancia magnética
estructural (MRI) desarrollado por miembros del grupo SMART. Actualmente el
sitio web es el hogar del software SuBLIME. <o:p></o:p></span></div>
<div class="MsoNormal" style="tab-stops: 72.45pt; text-align: justify;">
<span lang="ES" style="font-family: "Arial",sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiVLO6pTCTCE8jL36zSfbSS-J_oug3mtW7gyjx51BPQHN-A59V-4Lih3pUUO5MH7Cw6Bu45JTGz7qn-Fhwtrm9-6A6r6ICpgIxC_H7qoIduXgpn7qFpkE1oFvd9Xyb7jzroIgdfIlpsYPso/s1600/ty.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="525" data-original-width="449" height="320" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiVLO6pTCTCE8jL36zSfbSS-J_oug3mtW7gyjx51BPQHN-A59V-4Lih3pUUO5MH7Cw6Bu45JTGz7qn-Fhwtrm9-6A6r6ICpgIxC_H7qoIduXgpn7qFpkE1oFvd9Xyb7jzroIgdfIlpsYPso/s320/ty.png" width="273" /></a></div>
<div class="MsoNormal" style="tab-stops: 72.45pt; text-align: justify;">
<span lang="ES" style="font-family: "Arial",sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="tab-stops: 72.45pt; text-align: justify;">
<br /></div>
<div class="MsoNormal" style="tab-stops: 72.45pt; text-align: justify;">
<span lang="ES" style="font-family: "Arial",sans-serif; font-size: 16.0pt; line-height: 107%;">SuBLIME
es un método automatizado para segmentar voxels de lesiones de esclerosis
múltiple (EM) incidentes entre los<span style="mso-spacerun: yes;">
</span>estudios de IRM de referencia y de seguimiento. Los usuarios del
software cargan volúmenes preprocesados con T1, ponderados en T2, densidad de
protones (PD) y recuperación de inversión con atenuación de fluidos (FLAIR) de
un estudio de referencia y seguimiento a la interfaz web de SuBLIME en el sitio
web. En 3 segundos, el software SuBLIME produce un mapa de probabilidad de
voxels de lesiones incidentes y de ampliación para que el usuario los
descargue. El software SuBLIME es, a nuestro entender, el único software
totalmente automatizado para la segmentación de incidentes y la ampliación de
las lesiones de la EM.</span></div>
<div class="MsoNormal" style="tab-stops: 72.45pt; text-align: justify;">
<span lang="ES" style="font-family: "Arial",sans-serif; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="tab-stops: 72.45pt; text-align: justify;">
<span lang="ES" style="font-family: "Arial",sans-serif; font-size: 16.0pt; line-height: 107%;">INGRESAR <a href="https://smart-stats-tools.org/"><b><span style="color: red;">AQUÍ</span></b></a></span></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-41584384189405037242019-03-18T10:18:00.003-07:002019-03-18T12:07:59.363-07:00NEUROCONDUCTOR<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgvVUd84SMFwkU22LZZaQxaCSR5KcyoiOD55qx0YowphjM6QYOlHTecaCyA8-HCLamqONqbbQCwB8rc0xTtUCrnHGjibPTXe8TQWWpt32lIcorjwLOk_FJ6AFYBb_9DBr4FDlb5WfHehFeW/s1600/neuro_logo1.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="420" data-original-width="363" height="320" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgvVUd84SMFwkU22LZZaQxaCSR5KcyoiOD55qx0YowphjM6QYOlHTecaCyA8-HCLamqONqbbQCwB8rc0xTtUCrnHGjibPTXe8TQWWpt32lIcorjwLOk_FJ6AFYBb_9DBr4FDlb5WfHehFeW/s320/neuro_logo1.png" width="276" /></a></div>
<br />
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Neuroconductor es una
plataforma de código abierto para pruebas y diseminación rápidas de software de
imágenes computacionales reproducibles. Los objetivos del proyecto son:<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br />
<ul>
<li><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">proporcionar un repositorio
centralizado de software R dedicado al análisis de imágenes.</span></li>
<li><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">difundir rápidamente las
actualizaciones de software.</span></li>
<li><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">educar a una comunidad
grande y diversa de científicos usando tutoriales detallados y cursos cortos.</span></li>
<li><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">garantizar la calidad a
través de controles de calidad automáticos y manuales.</span></li>
<li><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Promover la reproducibilidad
del análisis de datos de imagen.</span></li>
</ul>
</div>
<div class="MsoNormal" style="text-align: justify;">
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjD9-ZSlhNrj5sOaVpUsuJEkhBByPFhY7qq1WqchRuW0e2XcKvETjt0hiq0Noq5suWvnrJ4wWoyC3uLxfY7k5RxCPANBrXIFodn61d51ldU9ptZeSPByv8kfMI3cPnyhGp1D9vU_nscDffe/s1600/fg.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="770" data-original-width="920" height="333" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjD9-ZSlhNrj5sOaVpUsuJEkhBByPFhY7qq1WqchRuW0e2XcKvETjt0hiq0Noq5suWvnrJ4wWoyC3uLxfY7k5RxCPANBrXIFodn61d51ldU9ptZeSPByv8kfMI3cPnyhGp1D9vU_nscDffe/s400/fg.png" width="400" /></a></div>
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Basado en el lenguaje de
programación R , Neuroconductor comenzó con 51 paquetes interoperables que
cubren múltiples áreas de imágenes, incluyendo visualización, procesamiento y
almacenamiento de datos e inferencia estadística. Neuroconductor acepta nuevos
envíos de paquetes R, que están sujetos a una revisión formal y pruebas
automáticas continuas.</span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">ENTRAR <a href="https://neuroconductor.org/"><span style="color: red;"><b>AQUÍ</b></span></a></span></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-3926170643114204262019-03-16T11:24:00.001-07:002019-03-16T11:27:13.599-07:00LA CARRERA DEL FUTURO: CIENTÍFICO DE DATOS - PROGRAMA COMPLETO<div class="separator" style="clear: both; text-align: center;">
<iframe allowfullscreen="" class="YOUTUBE-iframe-video" data-thumbnail-src="https://i.ytimg.com/vi/xRRwYR6RJNQ/0.jpg" frameborder="0" height="346" src="https://www.youtube.com/embed/xRRwYR6RJNQ?feature=player_embedded" width="400"></iframe></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-5579716702042056632019-03-15T23:34:00.004-07:002019-03-15T23:34:44.155-07:00PRINCIPLES OF FMRI 2<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEisnBNOZsyVQNkxpAEbzQNcV0rLrzWzhOR1jd43CiZReClBzrbmmnIQ2vBAIRIm_fjgMoHZkHwLiZceGIalAGIp1pcWCkEEZKuBx4max3xpxSyTexqjZ04PtrSuAi57Ztt_LEy61Xv9QGnD/s1600/fMRI-II.jpg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="411" data-original-width="709" height="370" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEisnBNOZsyVQNkxpAEbzQNcV0rLrzWzhOR1jd43CiZReClBzrbmmnIQ2vBAIRIm_fjgMoHZkHwLiZceGIalAGIp1pcWCkEEZKuBx4max3xpxSyTexqjZ04PtrSuAi57Ztt_LEy61Xv9QGnD/s640/fMRI-II.jpg" width="640" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">Este curso cubre el análisis
de datos de imágenes de resonancia magnética funcional (fMRI). Es una
continuación del curso "Principios de fMRI, Parte 1"<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">PUEDES INGRESAR <a href="https://www.coursera.org/learn/functional-mri-2"><span style="color: red;"><b>AQUÍ</b></span></a></span></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-63597833477862775102019-03-15T13:13:00.002-07:002019-03-15T13:13:53.534-07:00PRINCIPLES OF FMRI 1<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgmd2vKq9Go7WM3Nnxn_6LoHeSDF1v-JS07I25piHQ5xHfl5t3rfw6x2-D4KRdehJFLIQlSILQ-w8vDxvsZ0XP83CbNIOSEsiOQ-GLichcoP0XI4DFZVrOErnNhtZ3jMTStJEOhZDQGIh6_/s1600/FMRI.jpg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="149" data-original-width="339" height="280" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgmd2vKq9Go7WM3Nnxn_6LoHeSDF1v-JS07I25piHQ5xHfl5t3rfw6x2-D4KRdehJFLIQlSILQ-w8vDxvsZ0XP83CbNIOSEsiOQ-GLichcoP0XI4DFZVrOErnNhtZ3jMTStJEOhZDQGIh6_/s640/FMRI.jpg" width="640" /></a></div>
<br />
<div class="separator" style="clear: both; text-align: justify;">
<br /></div>
<div class="MsoNormal">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">Este curso cubre el diseño, adquisición y análisis de
datos de imágenes de resonancia magnética funcional (IRMf).<o:p></o:p></span></div>
<div class="MsoNormal">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal">
<span style="font-family: Arial, sans-serif;"><span style="font-size: 21.3333px;">PUEDES ENTRAR AL CURSO <a href="https://www.coursera.org/learn/functional-mri"><b><span style="color: red;">AQUÍ</span></b></a></span></span></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-51220352186089820322019-03-14T08:59:00.003-07:002019-03-14T08:59:44.285-07:00INTRODUCCIÓN AL NEUROHACKING EN R<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg9S4JJoI_2fh9pAwCns8rKqsdTEeYmJ8sukjh4M9-4fYcIBaGEXvfCZnMwBaim9z5SPGkgBY9j61tMwxb3hiF0aZXu_JLsc1ZnPra0PXJ7PuWqKGa9V1k47TZzpYekk7MoepWJf0cAs3F_/s1600/R.jpg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="225" data-original-width="225" height="400" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg9S4JJoI_2fh9pAwCns8rKqsdTEeYmJ8sukjh4M9-4fYcIBaGEXvfCZnMwBaim9z5SPGkgBY9j61tMwxb3hiF0aZXu_JLsc1ZnPra0PXJ7PuWqKGa9V1k47TZzpYekk7MoepWJf0cAs3F_/s400/R.jpg" width="400" /></a></div>
<br />
<br />
<br />
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">Neurohacking describe cómo
usar el lenguaje de programación R y su paquete asociado para realizar la
manipulación, el procesamiento y el análisis de los datos de neuroimagen. Nos
centramos en la resonancia magnética estructural (RMN) disponible al público.
Discutimos conceptos como la corrección de falta de homogeneidad, el registro
de imágenes y la visualización de imágenes.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">Al final de este curso,
podrás:<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">-Lea / escriba imágenes del
cerebro en el formato NIfTI (Neuroimaging Informatics Technology Initiative)<o:p></o:p></span></div>
<br />
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">-Realice correcciones de
inhomogeneidad, extracción de cerebro y registro de imágenes (dentro de un tema
y en una plantilla).</span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: Arial, sans-serif;"><span style="font-size: 21.3333px;">INGRESAR <a href="https://www.coursera.org/learn/neurohacking"><b><span style="color: red;">AQUÍ</span></b></a></span></span></div>
<br />
<br />
<br />
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-63234295139084089172019-03-13T14:24:00.002-07:002019-03-13T14:24:10.655-07:00STATISTICAL METHODS AND APPLICATIONS FOR RESEARCH IN TECHNOLOGY <div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg4dLieASS6H7wPq3_icM07dg6Ujr4cj_3yk6rfxolBB7pmzapLULqgHWmd4lVn9bad14VmUsz_kw-7HEq0K5Y0v1b71-GpsgTGbnO6jq6Hdyde6Uh788RWPL7GJPxA3zRxj6IrSivoYFmZ/s1600/RE.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="310" data-original-width="1277" height="154" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg4dLieASS6H7wPq3_icM07dg6Ujr4cj_3yk6rfxolBB7pmzapLULqgHWmd4lVn9bad14VmUsz_kw-7HEq0K5Y0v1b71-GpsgTGbnO6jq6Hdyde6Uh788RWPL7GJPxA3zRxj6IrSivoYFmZ/s640/RE.png" width="640" /></a></div>
<br />
<br />
<br />
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">Trabajamos en métodos
basados en principios estadísticos para nuevas tecnologías con especial
énfasis en imágenes cerebrales (p. Ej., Resonancia magnética (IRMR), MRI de
alta resolución, TC), computación portátil (p. Ej. Acelerómetros de cadera,
monitores cardíacos) y señales biológicas (p. Ej., EEG, EKG, ECoG). El
principio subyacente es desarrollar métodos que sean automatizados, rápidos,
escalables y robustos (AFSR). A veces, nuestros enfoques analíticos se centran
solo en un tema, pero generalmente estamos investigando grandes poblaciones
observadas en uno o varios puntos temporales.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">INGRESAR<span style="color: red;"><b> <a href="http://www.smart-stats.org/"><span style="color: red;">AQUÍ</span></a></b></span></span></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-62468333400252824102019-03-12T22:21:00.002-07:002019-03-13T08:53:49.707-07:00UTILIDAD DEL DIAGRAMA DE CAJAS Y BIGOTES <div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEggZzHvHTzqENelsUBKf1rVyOJH9DadwPM8VaZ4cegc7JL0eZoQ8MDfLNBxHLGwrveZpaSpqCHtXFgRk5-UVtVdjxQSMlPP6HD1WuXNgvuS0EA6bZiStx40Dx_KJZRqC5b1zfdTiW1HB5cA/s1600/12.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="656" data-original-width="821" height="511" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEggZzHvHTzqENelsUBKf1rVyOJH9DadwPM8VaZ4cegc7JL0eZoQ8MDfLNBxHLGwrveZpaSpqCHtXFgRk5-UVtVdjxQSMlPP6HD1WuXNgvuS0EA6bZiStx40Dx_KJZRqC5b1zfdTiW1HB5cA/s640/12.png" width="640" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<i>En el eje Z se presenta la mayor dispersión de datos respecto la mediana, esta ultima también se encuentra más alejada de la ausencia de error, asimismo se observa una mayor concentración de valores por encima de la mediana lo cual indica una asimetria negativa. La mediana más cerca del error cero pertenece al eje X y presenta la menor dispersión de datos con asimetria ligeramente positiva aunque es llamativa la presencia de varios valores extremos. El eje Y presenta una una distribución homogénea en sus valores. </i></div>
<div class="MsoNormal" style="background-color: white; color: #333333; font-family: Arial, Tahoma, Helvetica, FreeSans, sans-serif; font-size: 14.85px; text-align: justify;">
<span style="font-family: "verdana" , sans-serif; font-size: 14pt; line-height: 21.4667px;"><br /></span></div>
<div class="MsoNormal" style="background-color: white; color: #333333; font-family: Arial, Tahoma, Helvetica, FreeSans, sans-serif; font-size: 14.85px; text-align: justify;">
<span style="font-family: "verdana" , sans-serif; font-size: 14pt; line-height: 21.4667px;"><br /></span></div>
<div class="MsoNormal" style="background-color: white; color: #333333; font-family: Arial, Tahoma, Helvetica, FreeSans, sans-serif; font-size: 14.85px; text-align: justify;">
<span style="font-family: "verdana" , sans-serif; font-size: 14pt; line-height: 21.4667px;">Es necesario hacer una serie de estudios y análisis con los datos de la variable para determinar la mejor forma de representar los datos.</span></div>
<div class="MsoNormal" style="background-color: white; color: #333333; font-family: Arial, Tahoma, Helvetica, FreeSans, sans-serif; font-size: 14.85px; text-align: justify;">
<span style="font-family: "verdana" , sans-serif; font-size: 14pt; line-height: 21.4667px;">-análisis de tendencia central (mediana)</span></div>
<div class="MsoNormal" style="background-color: white; color: #333333; font-family: Arial, Tahoma, Helvetica, FreeSans, sans-serif; font-size: 14.85px; text-align: justify;">
<span style="font-family: "verdana" , sans-serif; font-size: 14pt; line-height: 21.4667px;">-análisis de dispersión a través del rango intercuartilico</span></div>
<div class="MsoNormal" style="background-color: white; color: #333333; font-family: Arial, Tahoma, Helvetica, FreeSans, sans-serif; font-size: 14.85px; text-align: justify;">
<span style="font-family: "verdana" , sans-serif; font-size: 14pt; line-height: 21.4667px;">-Análisis de forma ( lo que queremos saber es si la mediana está cerca del cuartil 3 o del cuartil 1.</span></div>
<div class="MsoNormal" style="background-color: white; color: #333333; font-family: Arial, Tahoma, Helvetica, FreeSans, sans-serif; font-size: 14.85px; text-align: justify;">
<span style="font-family: "verdana" , sans-serif; font-size: 14pt; line-height: 21.4667px;"><b>Si deseamos hacer un análisis estadístico donde la media es necesaria entonces primero debemos hacer un estudio exploratorio de la variable, una especie de radiografía a los datos para saber qué tipo de análisis es el más adecuado.</b></span><br />
<span style="font-size: 14pt;"><span style="font-family: "verdana" , sans-serif;"><b>E</b></span></span><span style="font-family: "verdana" , sans-serif; font-size: 14pt;">l beneficio más importante de utilizar el diagrama de cajas es que podemos determinar la existencia de datos extremos o atípicos.</span></div>
<div class="separator" style="clear: both; text-align: center;">
</div>
<div class="separator" style="clear: both; text-align: center;">
</div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-52593281704088547542019-03-12T09:46:00.000-07:002019-03-15T23:11:28.238-07:00MATHEMATICAL BIOSTATISTICS BOOT CAMP 1<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg4eINp8jfVH_hs9pBacyhDcEz_WewBVDuViJGEGzqGmFVoM3gCd9HKpEOpCsA8mXhV2pDGQfZDZWa1GmQmbxPVwYsSA-vV5E3Ori-DsGNxThgTot0mNwa9D1qXm4QH1efObxNei6LrmsBd/s1600/bootcamp_B-02.jpg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="332" data-original-width="588" height="360" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg4eINp8jfVH_hs9pBacyhDcEz_WewBVDuViJGEGzqGmFVoM3gCd9HKpEOpCsA8mXhV2pDGQfZDZWa1GmQmbxPVwYsSA-vV5E3Ori-DsGNxThgTot0mNwa9D1qXm4QH1efObxNei6LrmsBd/s640/bootcamp_B-02.jpg" width="640" /></a></div>
<div style="text-align: justify;">
<span style="background-color: white; box-sizing: inherit; color: #373a3c; font-family: "opensans" , , "blinkmacsystemfont" , "segoe ui" , "roboto" , "helvetica neue" , "arial" , sans-serif; font-size: 16px; vertical-align: inherit; white-space: pre-wrap;">Esta clase presenta la probabilidad fundamental y los conceptos estadísticos utilizados en el análisis de datos elementales. </span><span style="background-color: white; box-sizing: inherit; color: #373a3c; font-family: "opensans" , , "blinkmacsystemfont" , "segoe ui" , "roboto" , "helvetica neue" , "arial" , sans-serif; font-size: 16px; vertical-align: inherit; white-space: pre-wrap;">Se impartirá a nivel introductorio para estudiantes con capacitación matemática de nivel universitario superior, incluido un conocimiento práctico del cálculo, u</span><span style="background-color: white; box-sizing: inherit; color: #373a3c; font-family: "opensans" , , "blinkmacsystemfont" , "segoe ui" , "roboto" , "helvetica neue" , "arial" , sans-serif; font-size: 16px; vertical-align: inherit; white-space: pre-wrap;">na pequeña cantidad de álgebra lineal y programación son útiles para la clase.</span><br />
<span style="background-color: white; box-sizing: inherit; color: #373a3c; font-family: "opensans" , , "blinkmacsystemfont" , "segoe ui" , "roboto" , "helvetica neue" , "arial" , sans-serif; font-size: 16px; vertical-align: inherit; white-space: pre-wrap;"><br /></span>
<span style="background-color: white; box-sizing: inherit; color: #373a3c; font-family: "opensans" , , "blinkmacsystemfont" , "segoe ui" , "roboto" , "helvetica neue" , "arial" , sans-serif; font-size: 16px; vertical-align: inherit; white-space: pre-wrap;"><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">"Un tipo reciente y muy </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">importante del experimento es la simulación, un experimento informático. Son </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">herramientas muy valiosas para realizar análisis por computadoras. Se están </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">convirtiendo cada vez más en métodos para generar experimentos. Un ejemplo de esto es que actualmente trabajo </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">con colegas de la división de </span><b style="background-color: transparent; font-family: arial, sans-serif; font-size: 16pt;">física de imágenes médicas</b><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">, cuando están evaluando </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">una nueva técnica de imagen, antes de que realicen pruebas muy costosas en </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">humanos o animales, diseñan un experimento computacional para evaluar técnicas </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">de procesamiento de imágenes, análisis de imágenes, nuevas técnicas y demás. Y tienen modelos altamente </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">precisos del sistema de imágenes que han construido, se agregan elementos </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">una estadística muy sofisticada para su evaluación. Con esto pueden realizar </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">aleatorios y otras fuentes de variación por lo que produce una gran cantidad de datos que necesitan </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">suele decir, antes de que empiecen ensayos caros en humanos o animales"... </span><span style="background-color: transparent; font-family: "arial" , sans-serif; font-size: 16pt;">experimentos completamente detallados y bastante precisos en su totalidad. Hacen el experimento en “silicio”, como se</span></span><br />
<br />
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiCUBhiuIA8W5E5xU-Y6F_erU5TPAUc0wSYXd1YelkdZFO5XTOpaWT1Y6-0p0lzah5IiHs_oHPgPvph5fazWOlzU8ifgzd3C8I4MlZYVsJ2Mt9oy_xCc81DBMNwET3uWe9CR0uVGeMvjFCW/s1600/Brian-Caffo.jpeg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="400" data-original-width="400" height="200" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiCUBhiuIA8W5E5xU-Y6F_erU5TPAUc0wSYXd1YelkdZFO5XTOpaWT1Y6-0p0lzah5IiHs_oHPgPvph5fazWOlzU8ifgzd3C8I4MlZYVsJ2Mt9oy_xCc81DBMNwET3uWe9CR0uVGeMvjFCW/s200/Brian-Caffo.jpeg" width="200" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div align="center" class="MsoNormal" style="text-align: center;">
<b><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Brian
Caffo, PhD<o:p></o:p></span></b></div>
<div align="center" class="MsoNormal" style="text-align: center;">
<b><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Professor,
Biostatistics<o:p></o:p></span></b></div>
<div align="center" class="MsoNormal" style="text-align: center;">
<b><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Johns
Hopkins University<o:p></o:p></span></b><br />
<b><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></b>
<b><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></b></div>
<div class="separator" style="clear: both; text-align: center;">
</div>
<div align="center" class="MsoNormal" style="text-align: center;">
<br /></div>
INGRESAR AL CURSO <a href="https://www.coursera.org/learn/biostatistics"><b><span style="color: red;">AQUÍ</span></b></a><br />
<br />
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-72045569328139907942019-02-18T21:42:00.003-08:002019-02-18T21:42:41.524-08:00EL AMERICAN COLLEGE OF RADIOLOGY DATA SCIENCE INSTITUTE<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj2JL5St2-qRCWWApSosUS6atFsjPzCV-d9WgCeYFTw6k_TsVZiStxz1m9BG9K-bFEC2xEnDn4VNYpHw2cmSFhr3s35te55SuCLRPzVnZAYO-elEDF6_hJq8qO-aB48T5NuoA2jN6X3xfKb/s1600/DSI_640x640.jpg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="400" data-original-width="400" height="320" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj2JL5St2-qRCWWApSosUS6atFsjPzCV-d9WgCeYFTw6k_TsVZiStxz1m9BG9K-bFEC2xEnDn4VNYpHw2cmSFhr3s35te55SuCLRPzVnZAYO-elEDF6_hJq8qO-aB48T5NuoA2jN6X3xfKb/s320/DSI_640x640.jpg" width="320" /></a></div>
<br />
<br />
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">El American College of
Radiology Data Science Institute ™ está colaborando con profesionales de
radiología, líderes de la industria, agencias gubernamentales, pacientes y
otras partes interesadas para facilitar el desarrollo y la implementación de
aplicaciones de inteligencia artificial (AI) que ayudarán a los profesionales
de radiología a brindar una mejor atención médica.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "Arial","sans-serif"; font-size: 16.0pt; line-height: 107%;">Puedes entrar haciendo click <a href="https://www.acrdsi.org/"><b><span style="color: red;">AQUÍ</span></b></a></span></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com1tag:blogger.com,1999:blog-461600739223528046.post-50356038069805519752019-02-18T20:19:00.006-08:002020-08-09T21:12:39.755-07:00STATISTICAL CONCEPTS SERIES<br />
<br />
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi29sIdiRz19hvCflVSn5fOTcy737jwgNQCR4Y0-49eZn7gK6eOJEHfacGPMfYEteym8pE4eazaqBwpex4DJsg1cXzKtRs5bGzalngHKpHm6C92QorMxmQjLEYHv12XflVQ2xXd-Z-fYEbc/s1600/we.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="1079" data-original-width="772" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi29sIdiRz19hvCflVSn5fOTcy737jwgNQCR4Y0-49eZn7gK6eOJEHfacGPMfYEteym8pE4eazaqBwpex4DJsg1cXzKtRs5bGzalngHKpHm6C92QorMxmQjLEYHv12XflVQ2xXd-Z-fYEbc/s1600/we.png" /></a></div>
<br />
<br />
<br />
<div class="MsoNormal" style="text-align: center;">
<b style="mso-bidi-font-weight: normal;"><span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><span style="color: #990000;">PROBABILIDAD
EN RADIOLOGÍA <o:p></o:p></span></span></b></div>
<div class="MsoNormal" style="text-align: center;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Los radiólogos encuentran la
probabilidad en muchas formas. Por ejemplo, la sensibilidad de una prueba de
diagnóstico es en realidad solo una probabilidad. Es la posibilidad de que la
enfermedad (p. Ej., Un tumor de hígado) se detecte en un paciente que realmente
tiene la enfermedad. En el proceso de determinar si una secuencia de pruebas
diagnósticas sucesivas (por ejemplo, tanto la tomografía computarizada [TC]
como la tomografía por emisión de positrones) es una mejora significativa sobre
la TC sola, los radiólogos deben entender cómo se combinan esas probabilidades
para proporcionar la sensibilidad de la combinación.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , sans-serif; font-size: 16pt;">En radiología, antes de un
examen, la probabilidad de que se detecte una anomalía en un paciente es una
fracción entre 0 y 1. Después del procedimiento y después de que se haya visto
la imagen, la probabilidad es 1 o 0, es decir tiene o no tiene la enfermedad,
dependiendo de si una anomalía tiene sido detectado. Mientras tanto, después
del procedimiento pero antes de ver la imagen, la probabilidad subjetiva es la
misma que la probabilidad objetiva antes del procedimiento (entre 0 y 1).</span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , sans-serif; font-size: 16pt;"><b><span style="color: #38761d;">PROBABILIDAD CONDICIONADA</span></b></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Si bien la probabilidad de
que una mujer seleccionada al azar tenga un cáncer de mama maligno no detectado
de al menos 1 cm de diámetro tiene un significado real, la probabilidad no es
la misma para todas las mujeres. Ciertamente, es más alto para las mujeres que
nunca se han sometido a un examen mamográfico que para las mujeres que lo
tienen, en igualdad de condiciones. La probabilidad de que una mujer que nunca
haya sido examinada tenga un tumor de este tipo se denomina probabilidad
"condicional", porque se define como la probabilidad de que la mujer
tenga un tumor de 1 cm o más, dado que la mujer nunca ha sido examinada.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Al usar Prob (A/ B) para
denotar la probabilidad condicional de A (una mujer con un tumor de mama mayor
o menor) dada B (no se sometió a un examen de detección previo), tenemos Prob (A
/ B) = Prob (A interseccion B) / Prob (B).<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Esto constituye la base de
la definición de sensibilidad y especificidad. Si dejamos que A represente un
resultado de examen de diagnóstico positivo y que B represente la presencia
real de la enfermedad, entonces Prob (A / B) es la sensibilidad, la posibilidad
de un resultado de examen positivo entre individuos con enfermedad o un
resultado positivo verdadero.<span style="mso-spacerun: yes;"> </span>La
definición también se puede utilizar para calcular las posibilidades derivadas
de una sucesión de pruebas de diagnóstico. Por ejemplo, si se requiere la
confirmación de cualquier resultado positivo de la prueba, D1+ por medio de un
segundo resultado positivo de la prueba, D2+, entonces la posibilidad de que
obtengamos dos resultados positivos de la prueba viene dada por la ley de
probabilidades “multiplicativa”: Prob (D1+ ∩ D2+) = Prob (D2+ / D1+) x Prob
(D1+).<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , sans-serif; font-size: 16pt;">En la práctica, las pruebas
diagnósticas de radiología rara vez son realmente independientes, ya que la TC,
la resonancia magnética y la ecografía se basan de manera similar en el tamaño
de la lesión y en las diferencias en las características del tejido. Sin
embargo, muy a menudo, la ley multiplicativa se usa como una aproximación
porque la probabilidad condicional exacta nunca se ha determinado con precisión
en los ensayos clínicos de ambas modalidades de diagnóstico.</span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><b><span style="color: #38761d;">TEOREMA DE BAYES</span><o:p></o:p></b></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Si bien la sensibilidad y la
especificidad de una prueba diagnóstica son importantes para el médico cuando
él o ella determina qué prueba usar, no abordan por completo la cuestión de
preocupación después de que se haya realizado la prueba. Para el paciente, el
problema no es "¿Con qué frecuencia la prueba detecta una enfermedad
real?", Sino que "Ahora que se conocen los resultados de la prueba,
¿cuál es la probabilidad de que tenga la enfermedad?" El paciente quiere
saber una probabilidad condicional Eso es lo contrario de la sensibilidad. Si
usamos Dx para denotar un hallazgo positivo y D para denotar la presencia real
de la enfermedad, el paciente no está tan preocupado por la sensibilidad, Prob
(Dx / D), como con el PPV, Prob (D/ Dx), la posibilidad que hay enfermedad
presente dado que el resultado de la prueba fue positivo.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Supongamos que tuviéramos
una prueba de diagnóstico utilizada para la detección que tenía una
sensibilidad del 95% (positiva en el 95% de todos los casos en los que la
enfermedad está presente) y una especificidad del 95% (negativa en el 95% de
todos los casos en que la enfermedad está ausente).Cuando la prevalencia de la
enfermedad es del 10% por ejemplo en lugar de pasar por el laborioso ejercicio de construir
tablas, la regla de Bayes nos da el VPP directamente. Para una prevalencia del
10%, Prob (D) = 0.10, tenemos VPP = (0.95 x 0.10) / (0.95 x 0.10) + (0.05 ×
0.90) = 0.095 / (0.095 + 0.045) = 0.679.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><span style="color: #38761d;"><b>P VALOR EN LA ESTADISTICA
BAYESIANA</b></span><o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">La regla de Bayes se aplica
a cualquiera de los dos eventos, A y B, no solo hallazgos positivos, DX y
presencia de enfermedad, D. La distinción entre el Prob (A / B) y el Prob (B /
A) también forma la base del Diferencia entre el análisis estadístico
convencional y bayesiano de un ensayo clínico. En el análisis estadístico
convencional de los resultados de un estudio, B representa la hipótesis nula.
Una vez realizado el estudio y observados los resultados A, la decisión
convencional sobre la verdad de B se basa en la probabilidad de A *, cualquier
resultado tan extremo o incluso más extremo que A, dado que B es cierto, Prob (
A * / B). Esta probabilidad se conoce como el valor de p. Cuanto menor sea la
probabilidad de que un resultado tan extremo como A, dado B, más fuerte será la
evidencia de que B no es cierto. Convencionalmente, algunos límites (conocidos
como el nivel de importancia) se establecen de antemano, y se considera que el
estudio tiene hallazgos significativos si el valor de P es menor que el límite.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><b><span style="color: #38761d;">DISTRIBUCIONES</span></b><o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Estas reglas pueden usarse
para proporcionar fórmulas para calcular la distribución, las probabilidades de
todos los resultados posibles, en una variedad de circunstancias. Dos de las
distribuciones más comúnmente encontradas por los radiólogos son las
distribuciones binomial y normal.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Una distribución binomial
que puede encontrar un radiólogo es la probabilidad de detectar <span style="mso-spacerun: yes;"> </span>cánceres diversos en varios pacientes. Para
que la distribución binomial se aplique, la sensibilidad tendría que ser
idéntica para todos los cánceres. Además, la detección (o no detección) de
cualquier cáncer no podría influir en la posibilidad de que se detectara otro.
Si se aplicaran ambas condiciones y hubiera n casos reales de cáncer entre las
personas examinadas, B (i / n, p) sería la posibilidad de que se detectaran i
cánceres si la sensibilidad de la técnica estaba dada por p.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">La distribución normal, o
gaussiana (2,5,6), describe las probabilidades de un resultado continuo que es
el resultado de promediar un gran número de contribuciones aleatorias
independientes. El componente de fondo para el número de rayos X detectados en
un milímetro cuadrado de película plana se distribuye normalmente. Es
comúnmente descrito como una curva "en forma de campana".<o:p></o:p></span><br />
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;"><br /></span>
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Puedes descargar el artículo <a href="https://drive.google.com/open?id=1blAzZMZJkHcz6JHJ2pdSXx8SbW1Rapwr"><span style="color: red;"><b>AQUÍ</b></span></a></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-27625471992205293092019-02-13T12:46:00.003-08:002019-02-13T21:14:47.691-08:00ANÁLISIS EXPLORATORIO DE DATOS <div class="separator" style="clear: both; text-align: center;">
<br /></div>
<br />
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj85oDfARSQ6qy0GSpIcWtbZx07Zy_FPQ5OnBuf0p5qaYtH1E4WGB_X_zF7SDI-ECJRuPIdajDZJl9YGdj_MMGKvQNCJyvbT2xlEoF9WXRItWftIj9v7S8OBozDjM4BKT2qs1oNFlVUTgK7/s1600/1+Matriz+de+datos-001.jpg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="900" data-original-width="1600" height="360" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj85oDfARSQ6qy0GSpIcWtbZx07Zy_FPQ5OnBuf0p5qaYtH1E4WGB_X_zF7SDI-ECJRuPIdajDZJl9YGdj_MMGKvQNCJyvbT2xlEoF9WXRItWftIj9v7S8OBozDjM4BKT2qs1oNFlVUTgK7/s640/1+Matriz+de+datos-001.jpg" width="640" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<br />
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">El análisis exploratorio de
datos es una forma de analizar datos definido por John W. Tukey (E.D.A.:
Exploratory data analysis) es el tratamiento estadístico al que se someten las
muestras recogidas durante un proceso de investigación en cualquier campo
científico. Para mayor rapidez y precisión, todo el proceso suele realizarse
por medios informáticos, con aplicaciones específicas para el tratamiento
estadístico. Los E.D.A., no necesariamente, se llevan a cabo con una base de
datosal uso, ni con una hoja de cálculo convencional; no obstante el programa
SPSS y R (lenguaje de programación) son las aplicaciones más utilizadas, aunque
no las únicas.<o:p></o:p></span></div>
<br /></div>
CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-64725732081518593782019-02-12T16:41:00.002-08:002019-02-12T16:48:46.789-08:00HISTOGRAMA DE FRECUENCIAS <div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjZdDBypky6aSfohIa4t1qlMySOs24VlDgJnauk6s2OVxtTsSEjV_y9hKaT-a7YtxNzMOn0A_0t8MtCTTDzI2cXc0IEfg0wHfaWje7q0v38scPTL7Q0TePfgIa_tpd_3PF_pwGT7XjC21lr/s1600/xxx.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="900" data-original-width="1600" height="360" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjZdDBypky6aSfohIa4t1qlMySOs24VlDgJnauk6s2OVxtTsSEjV_y9hKaT-a7YtxNzMOn0A_0t8MtCTTDzI2cXc0IEfg0wHfaWje7q0v38scPTL7Q0TePfgIa_tpd_3PF_pwGT7XjC21lr/s640/xxx.png" width="640" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 16.0pt; line-height: 107%;">Como vemos no conviene
construir una tabla que acumule muchos valores en sus respectivos intervalos o
una tabla que considere muchos intervalos (especifica demasiado). El
establecimiento del número de clases o intervalos es producto de la experiencia
y de la revisión bibliográfica, y también depende mucho de la
naturaleza de la variable. Cuando la amplitud del intervalo es demasiado grande
se puede estar mezclando información, si la amplitud del intervalo o de clase
es más pequeña estamos especificando demasiado e innecesariamente. No se debe fraccionar ni concentrar demasiado la
amplitud de la variable porque ello ocasionaría que se desvirtué la tabla y la presentación de la información
sea inadecuada.<o:p></o:p></span></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-86285832035224342882019-02-05T11:13:00.000-08:002019-02-05T11:30:09.530-08:00STATISTICAL CONCEPTS SERIES<br />
<br />
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhCbodzrCMb3gUG7exTDqUbBAyYRNGQ0PRKeruWNu59zTwY2o9WPc2oa88tzq7E0g-BlwhDBQZLcqKiNB0icxy1-OrOq_qOq01CpOYdrnUQBwgElHU3kpPlIMezqdLCow4tUdMzyF02kb-p/s1600/df.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="1024" data-original-width="768" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhCbodzrCMb3gUG7exTDqUbBAyYRNGQ0PRKeruWNu59zTwY2o9WPc2oa88tzq7E0g-BlwhDBQZLcqKiNB0icxy1-OrOq_qOq01CpOYdrnUQBwgElHU3kpPlIMezqdLCow4tUdMzyF02kb-p/s1600/df.png" /></a></div>
<div style="text-align: center;">
<b><span style="color: #990000;">RESUMEN </span></b></div>
<br />
<div style="text-align: left;">
<span style="font-family: "arial" , sans-serif; font-size: 14pt; text-align: justify;"><br /></span></div>
<div style="text-align: left;">
<span style="font-family: "arial" , sans-serif; font-size: 14pt; text-align: justify;"></span></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;">Si bien estas técnicas no
son metodológicamente difíciles, las estadísticas descriptivas son
fundamentales para el proceso de organización y resumen de todo lo que se puede
presentar como números. Sin una comprensión de los conceptos clave que rodean
el cálculo de estadísticas descriptivas, es difícil entender cómo usar los
datos para hacer comparaciones o sacar conclusiones.<o:p></o:p></span></div>
<div style="text-align: left;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;">La
media:</span></b><span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;"> comprende valores numéricos reales, lo que puede ser la
razón por la que se usa tan comúnmente. Unos pocos valores excepcionalmente
grandes o pequeños pueden afectar significativamente la media. Por ejemplo, si
un paciente que recibió material de contraste antes de la tomografía
computarizada (TC) desarrolló una reacción grave y potencialmente mortal y tuvo
que ser ingresado en la unidad de cuidados intensivos, el costo de la atención
de ese paciente podría ser de varios cientos de miles de dólares. Esto haría
que el costo promedio de la atención asociada con la TC mejorada con material
de contraste fuera mucho más alto que el costo promedio, ya que sin un episodio
de este tipo, los costos podrían ser de varios cientos de dólares MENOS. Por
esta razón, puede ser más apropiado usar la mediana en lugar de la media para
describir el centro de un conjunto de datos si los datos contienen algunos
valores atípicos muy grandes o muy pequeños o si los datos no están centrados .<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;">"Sesgo":</span></b><span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;"> es
otro término importante. Si bien existe una fórmula para calcular el sesgo, que
se refiere al grado en que una distribución es asimétrica, no se usa comúnmente
en el análisis de datos. Los datos que están sesgados hacia la derecha son
comunes en los estudios biológicos porque muchas mediciones involucran variables
que tienen un límite inferior natural pero no un límite superior definitivo.
Por ejemplo, la duración de la estadía en el hospital no puede ser inferior a 1
día o 1 hora (según las unidades utilizadas por un hospital determinado), pero
puede durar hasta varios cientos de días. Esto último daría lugar a una
distribución con más valores por debajo de algunos límites y luego algunos
valores atípicos que crean una larga "cola" a la derecha.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<b style="mso-bidi-font-weight: normal;"><span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;">Uno
de los métodos gráficos</span></b><span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;"> para representar la distribución se
conoce como el diagrama de tallo y hoja, que es útil para conjuntos de datos
relativamente pequeños, como se observa en <b style="mso-bidi-font-weight: normal;">muchas
investigaciones radiológicas. </b>Con este enfoque, se conserva más información
de los datos originales de la que se conserva con el histograma o el polígono
de frecuencia, pero aún se proporciona un resumen gráfico.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;">En conclusión, un análisis
estadístico generalmente requiere estadísticas además de una medida de
ubicación y una medida de variabilidad. Sin embargo, el trazado de los datos
para ver su distribución general y el cálculo de las medidas de ubicación y dispersión
son los primeros pasos para poder determinar las relaciones interesantes que
existen entre los conjuntos de datos.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "arial" , "sans-serif"; font-size: 14.0pt; line-height: 107%;">En este artículo, se han
proporcionado métodos para calcular el centro de datos con la media, la mediana
o el modo y para calcular la distribución de datos. Además, se explicaron
varios métodos gráficos que son útiles tanto para explorar como para presentar
datos. Al comenzar con la descripción y la representación gráfica de los datos
del estudio, se obtendrá un mejor análisis y una presentación clara de los
datos; por lo tanto, los métodos descriptivos y gráficos mejorarán la
comunicación de hallazgos de investigación importantes.<o:p></o:p></span></div>
<br />
<br />
DESCARGA EL ARTICULO COMPLETO <a href="https://drive.google.com/open?id=1pxONMhKFqxJkv0zAHYvZ24SgS6je3wMz"><span style="color: #990000;"><b>AQUÍ</b></span></a>CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-48087214706267609172019-01-31T21:42:00.002-08:002019-04-26T14:06:46.169-07:00STATISTICAL CONCEPTS SERIES <div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgXVsqMPUqaBRfZ1tOkUG0ht0iDM8v6NIfWMKtLmLiLBsO0fWsuj_1D7IlQpe_QK4eRrRVpuS84gNxecR6x234H13leW5IuVzVTHQP9OUSW2x-dFsUdwt9whq874pJyjwsvQJ3-q8VHicet/s1600/aw.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="949" data-original-width="741" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgXVsqMPUqaBRfZ1tOkUG0ht0iDM8v6NIfWMKtLmLiLBsO0fWsuj_1D7IlQpe_QK4eRrRVpuS84gNxecR6x234H13leW5IuVzVTHQP9OUSW2x-dFsUdwt9whq874pJyjwsvQJ3-q8VHicet/s1600/aw.png" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
</div>
<div class="separator" style="clear: both; text-align: center;">
<b><span style="color: #990000;">RESUMEN</span></b></div>
<br />
<br />
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "times new roman" , "serif"; font-size: 12.0pt; line-height: 107%;">Si tradicionalmente ha
sido una prioridad tan baja en la profesión, ¿por qué entonces necesitamos
mejorar nuestra comprensión de las estadísticas? Somos consumidores de la
información. Las estadísticas nos permiten organizar y resumir información y
tomar decisiones utilizando solo una muestra de todos los datos disponibles.
Casi todos los lectores de la literatura de radiología saben que comprender los
resultados de un estudio y determinar la aplicabilidad de los resultados a su
práctica requiere una comprensión de los problemas estadísticos. Sin embargo,
incluso cuando se aprenden, las habilidades de investigación pueden ser
olvidadas rápidamente si no se aplican de forma regular, algo que la mayoría de
los radiólogos probablemente no hagan, dada su creciente demanda clínica.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "times new roman" , "serif"; font-size: 12.0pt; line-height: 107%;">El pensamiento
estadístico es probabilístico. Por ejemplo, la mayoría de los radiólogos están
familiarizados con la noción de que un valor de P inferior a .05 representa un
resultado estadísticamente significativo. Pocos entienden que .05 es un umbral
arbitrario. Al realizar una investigación de agronomía, Sir Ronald Fisher ayudó
a establecer el nivel de corte de valor P de .05 (comúnmente denominado nivel)
en la primera parte del siglo XX. Fisher estaba probando hipótesis sobre los
niveles apropiados de fertilizante para las plantas de papa y necesitaba una
base para la toma de decisiones. Hoy en día a menudo utilizamos esta misma base
para probar hipótesis sobre la atención adecuada al paciente.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "times new roman" , "serif"; font-size: 12.0pt; line-height: 107%;">Los avances en
computadoras y software estadístico han sido paralelos a este aumento. Sin
embargo, los beneficios asociados con la mala aplicación de los métodos
estadísticos pueden eclipsar los beneficios del fácil acceso a las herramientas
de análisis estadístico. El software estadístico hace que sea demasiado fácil
realizar múltiples pruebas de datos sin hipótesis previas (el llamado fenómeno
de la extracción de datos) o informar resultados demasiado precisos que denotan
una falsa sensación de precisión. También existe la posibilidad de errores en
el software estadístico y el riesgo siempre presente de que los investigadores
no se tomen el tiempo de examinar cuidadosamente los datos en bruto.<o:p></o:p></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<span style="font-family: "times new roman" , serif;">DESCARGAR EL ARTICULO COMPLETO <a href="https://drive.google.com/open?id=18lQYteea3-DKy_buh7dl39-oTBANPjYK"><b><span style="color: red;">AQUÍ</span></b></a></span></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<div class="MsoNormal" style="text-align: justify;">
<br /></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-26821757656696545522019-01-31T12:09:00.002-08:002019-01-31T12:09:48.653-08:00DATA SCIENCE IN BIOMEDICAL IMAGING<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEggaOtIaY4zrqqOsPuJOv9EBXGJzpw4IPldnV6_GHeFfe6_OTDAoW2ajvor3P7sgC2OaE-CEe66s-paeFYkp2WtiGd6E8jfSQylJV41-OgyRWsP4yZUERxH-JOOUpnxDr_0Lr8fxaa8UEqj/s1600/DF.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="238" data-original-width="365" height="260" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEggaOtIaY4zrqqOsPuJOv9EBXGJzpw4IPldnV6_GHeFfe6_OTDAoW2ajvor3P7sgC2OaE-CEe66s-paeFYkp2WtiGd6E8jfSQylJV41-OgyRWsP4yZUERxH-JOOUpnxDr_0Lr8fxaa8UEqj/s400/DF.png" width="400" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="separator" style="clear: both; text-align: justify;">
<br /></div>
<div class="separator" style="clear: both; text-align: justify;">
<span style="background: rgb(255, 255, 255); border: 0px; font-family: Arial, Tahoma, Verdana, sans-serif; font-size: 12px; margin: 0px; outline: 0px; padding: 0px; text-align: left; vertical-align: inherit;">La misión del grupo de trabajo "La ciencia de datos en imágenes biomédicas" es funcionar como un puente entre la investigación de la ciencia de datos y la investigación clínica y preclínica relacionada con la imagen. </span><span style="background: rgb(255, 255, 255); border: 0px; font-family: Arial, Tahoma, Verdana, sans-serif; font-size: 12px; margin: 0px; outline: 0px; padding: 0px; text-align: left; vertical-align: inherit;">Para lograr esta misión, el grupo de trabajo desarrolla y proporciona no solo la infraestructura necesaria, sino también algoritmos para evaluar datos de imágenes biomédicas. </span><span style="background: rgb(255, 255, 255); border: 0px; font-family: Arial, Tahoma, Verdana, sans-serif; font-size: 12px; margin: 0px; outline: 0px; padding: 0px; text-align: left; vertical-align: inherit;">Además, el grupo de trabajo se involucra activamente con académicos internos y externos, así como con socios industriales.</span></div>
<div class="separator" style="clear: both; text-align: justify;">
<br /></div>
ENTRAR <a href="https://www.rad.mri.tum.de/datascience"><b><span style="color: red;">AQUÍ</span></b></a>CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-37326983755099604642019-01-31T10:03:00.003-08:002019-01-31T10:04:25.220-08:00SPSS<br />
<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi0_CEoPchnPImwNnUYIl6N6HITZ2eN9kkYaD1FMbWPg6V059U6u_y8C1jWkN-TmVNcxwrGEtex395uN-awnMECzZGmcz-7nqaUCXyUEeSwS2si5IfYWTRPkJmi5QLBYqG4SUApQJbO_Jwm/s1600/12.png" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="901" data-original-width="1600" height="360" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi0_CEoPchnPImwNnUYIl6N6HITZ2eN9kkYaD1FMbWPg6V059U6u_y8C1jWkN-TmVNcxwrGEtex395uN-awnMECzZGmcz-7nqaUCXyUEeSwS2si5IfYWTRPkJmi5QLBYqG4SUApQJbO_Jwm/s640/12.png" width="640" /></a></div>
<br />
<br />
<span style="background-color: white; color: #222222; font-family: sans-serif; font-size: 14px;">Es uno de los programas estadísticos más conocidos teniendo en cuenta su capacidad para trabajar con grandes bases de datos y una sencilla interfaz para la mayoría de los análisis. </span>CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-89654695348681250472019-01-25T21:48:00.000-08:002019-01-25T21:59:36.397-08:00EPIDAT 4.2<div class="separator" style="clear: both; text-align: center;">
<a href="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhB-jyUk1H2Ly39_WMcFfog3ZS-0TB6vRHVh3CeZPeAS6iog9u08ceL2ZAMemRJONsG5MJc3Da3IZy2WnaX1XKxV3oyoM7ft7wKo3Xc8aianKdrPUY3LqR_SqQgr118JWmacsu3gkZzZS4v/s1600/Imagen5epidat-small.jpg" imageanchor="1" style="margin-left: 1em; margin-right: 1em;"><img border="0" data-original-height="257" data-original-width="280" height="293" src="https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhB-jyUk1H2Ly39_WMcFfog3ZS-0TB6vRHVh3CeZPeAS6iog9u08ceL2ZAMemRJONsG5MJc3Da3IZy2WnaX1XKxV3oyoM7ft7wKo3Xc8aianKdrPUY3LqR_SqQgr118JWmacsu3gkZzZS4v/s320/Imagen5epidat-small.jpg" width="320" /></a></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div style="border: 0px; line-height: 20px; margin-bottom: 8px; margin-top: 8px; outline: 0px; padding: 0px; vertical-align: baseline;">
</div>
<div style="color: #444444; font-family: Lato, Helvetica, sans-serif; font-size: 0.9375em; letter-spacing: 0.04px; text-align: justify;">
<span style="font-size: 0.9375em; letter-spacing: 0.04px;">Epidat es un programa de libre distribución desarrollado por el Servicio de Epidemiología de la Dirección Xeral de Saúde Pública da Consellería de Sanidade (Xunta de Galicia) con el apoyo de la Organización Panamericana de la Salud (OPS-OMS) y la Universidad CES de Colombia.</span></div>
<div style="text-align: justify;">
<span style="color: #444444; font-family: "lato" , "helvetica" , sans-serif; font-size: 15px; letter-spacing: 0.04px;"><br /></span></div>
<span style="color: #444444; font-family: "lato" , "helvetica" , sans-serif; font-size: 0.9375em; letter-spacing: 0.04px;"></span><br />
<div style="text-align: justify;">
<span style="color: #444444; font-family: "lato" , "helvetica" , sans-serif; font-size: 0.9375em; letter-spacing: 0.04px;"><span style="font-size: 0.9375em; letter-spacing: 0.04px;">Por ser de libre distribución no sólo se permite, sino que se agradece su difusión y cualquier tipo de crítica o comentario que ayude a mejorar futuras versiones.</span></span></div>
<span style="color: #444444; font-family: "lato" , "helvetica" , sans-serif; font-size: 0.9375em; letter-spacing: 0.04px;">
</span><br />
<div style="border: 0px; color: #444444; font-family: Lato, Helvetica, sans-serif; font-size: 0.9375em; letter-spacing: 0.04px; line-height: 20px; margin-bottom: 8px; margin-top: 8px; outline: 0px; padding: 0px; text-align: justify; vertical-align: baseline;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<div class="separator" style="clear: both; text-align: left;">
LINK DE DESCARGA : <a href="https://www.sergas.es/Saude-publica/EPIDAT-4-2"><b><span style="color: red;">AQUÍ</span></b></a></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0tag:blogger.com,1999:blog-461600739223528046.post-37339347981695207862017-10-08T11:51:00.000-07:002017-10-08T11:51:02.122-07:00CATEDRA DE EPIDEMOLOGIA Y BIOESTADISTICA<div class="separator" style="clear: both; text-align: center;">
<iframe allowfullscreen="" class="YOUTUBE-iframe-video" data-thumbnail-src="https://i.ytimg.com/vi/IiEMptjeQNA/0.jpg" frameborder="0" height="266" src="https://www.youtube.com/embed/IiEMptjeQNA?feature=player_embedded" width="320"></iframe></div>
<div class="separator" style="clear: both; text-align: center;">
<br /></div>
<br />
<div class="separator" style="clear: both; text-align: center;">
<iframe allowfullscreen="" class="YOUTUBE-iframe-video" data-thumbnail-src="https://i.ytimg.com/vi/-Y9FprvHZC4/0.jpg" frameborder="0" height="266" src="https://www.youtube.com/embed/-Y9FprvHZC4?feature=player_embedded" width="320"></iframe></div>
<br />CESAR LOPEZhttp://www.blogger.com/profile/15417246186438472101noreply@blogger.com0