Análisis estadístico

Análisis exploratorio de datos

Te ayudamos a estudiar con profundidad qué dicen tus datos, ¡sin torturarlos!

El análisis exploratorio de datos fue introducido por John Wilder Tukey en el 1977 y es el primer paso en el análisis de cualquier conjunto de datos. En contraposición a lo que el propio John W Tukey nombró análisis confirmatorio de datos, el análisis exploratorio se centra en descriptivas univariantes, numéricas y gráficas (la visualización de datos es estadística), para comprender cómo son los datos. Empleando términos estadísticos: cómo se distribuyen. También es importante explorar las relaciones entre ellas, mediante técnicas multivariantes, como el análisis bivariante, el análisis factorial exploratorio, el análisis de componentes principales, el análisis de conglomerados, y toda una plétora de análisis posibles que mejorarán el conocimiento de los datos disponibles. Es un paso imprescindible antes de iniciar cualquier análisis inferencial de medidas de asociación o de efectos.

Métodos de aprendizaje automático

Sí, lo sabemos, los algoritmos de aprendizaje automático son métodos y técnicas estadísticas. Gracias al aumento de la capacidad de computación, su uso se ha diseminado exponencialmente, por lo que merecen mención especial.

En Heorfy Consulting estamos familiarizados con los algoritmos de aprendizaje automático, tanto los más estándar –bosques aleatorios, redes neuronales, máquinas de vectores de soporte– como los más innovadores métodos basados en bagging y boosting.

Dado que el aprendizaje automático en la investigación sanitaria puede tener un impacto directo en la vida de las personas, las afirmaciones derivadas de este tipo de análisis se han de hacer con el mismo rigor que los ensayos clínicos. En Heorfy Consulting, somos conscientes de la importancia de ser críticos con los datos y de aplicar las métricas adecuadas para evaluar la validez de los resultados obtenidos.

Métodos de inferencia estadística

La inferencia estadística empieza con la estimación de una media o proporción poblacional y de su intervalo de confianza, ¡pero llega mucho más lejos!

Dominamos un amplio abanico de métodos estadísticos avanzados y adecuados a todo tipo de datos y mecanismos de observación subyacente. ¡Recuerda que el diseño del estudio y cómo se han recogido los datos importa!

Somos expertos en modelos de regresión multivariable lineal, logística, de supervivencia, y de cualquier tipo de variable (modelos lineales generalizados); también en modelos longitudinales de efectos mixtos y modelización conjunta de datos longitudinales y de supervivencia.

Aplicamos de manera rigurosa técnicas de inferencia frecuentista y bayesiana para obtener estimaciones de modelos explicativos y predictivos de pronóstico y de diagnóstico, sin olvidar los fundamentos de la inferencia causal.

También somos expertos en todas las técnicas de metaanálisis: comparaciones indirectas, mixtas, metaregresión, y metaanálisis en red.

Comunicación de resultados

El compromiso que conlleva analizar los datos con rigor no termina con la obtención de resultados: hay que comunicarlos, ¡y comunicarlos bien! de manera inteligible. Y esto incluye la elección más adecuada de los gráficos, ya que ¡la visualización de los datos también es estadística!

Comunicar correctamente los resultados de una investigación, implica ser divulgativo sin perder la rigurosidad. Por ello, adaptamos el lenguaje a la audiencia receptora de los resultados.

Habitualmente querrás que te ayudemos a escribir artículos científicos. Si es así, nuestra experiencia nos avala. Nos aseguraremos que tu manuscrito cumple con las directrices para la comunicación de estudios de investigación: CONSORT (ensayos clínicos), STROBE (estudios observacionales), TRIPOD (modelos predictivos multivariables), PRISMA (revisiones sistemáticas y metaanálisis), CHEERS (evaluaciones económicas), etc.