Análisis estadístico implicativo para la identificación de factores pronósticos de la mortalidad por cáncer de pulmón / Statistical analysis involving the identification of mortality prediction factors due to lung cancer

RESUMEN

Se realizó un estudio observacional y analítico para evaluar la utilidad de una nueva técnica de análisis estadístico implicativo en la identificación de los factores pronósticos de una entidad clínica en la provincia de Santiago de Cuba, de septiembre de 2013 a igual mes de 2014, en cuyo caso fue seleccionado el cáncer de pulmón por ser la neoplasia maligna más frecuente en el territorio. Como factores pronósticos de tumores pulmonares, según la regresión logística fueron identificados la afectación ganglionar, la presencia de metástasis y la localización central del tumor, y según el análisis estadístico implicativo se detectaron la afectación ganglionar, la presencia de metástasis, el grado III de diferenciación histológica y el estadio avanzado. El análisis estadístico implicativo resultó ser una técnica apropiada que complementa a la regresión logística en la identificación de factores pronósticos, pues se logra una mejor comprensión de la causalidad y eleva la calidad de este tipo de investigación.

ABSTRACT

An observational and analytic study to evaluate the usefulness of a new technique of statistical analysis involving the prediction factors identification of a clinical entity in Santiago de Cuba, was carried out from September, 2013 to the same month in 2014, in this case lung cancer was selected for being the most frequent malignancy in the territory. As prediction factors of lung tumors, according to the logistical regression the nodular involvement, the metastasis and the central localization of the tumor were identified, and according to the statistical involving analysis, the nodular involvement, and metastasis, histologic differentiation stage III and advanced stage were detected. The statistical involving analysis turned out to be an appropriate technique that supplements logistical regression in the prediction factors identification, because a better understanding of the causation is achieved and the quality of this investigation increases.