Statistics in biomedical research

  1. Cadarso Suárez, Carmen María
  2. González Manteiga, Wenceslao
Revista:
Arbor: ciencia, pensamiento y cultura

ISSN: 0210-1963

Ano de publicación: 2007

Título do exemplar: Fronteras matemáticas del siglo XXI

Número: 725

Páxinas: 353-362

Tipo: Artigo

DOI: 10.3989/ARBOR.2007.I725.108 DIALNET GOOGLE SCHOLAR lock_openAcceso aberto editor

Outras publicacións en: Arbor: ciencia, pensamiento y cultura

Obxectivos de Desenvolvemento Sustentable

Resumo

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

Referencias bibliográficas

  • Abraira, V., Cadarso, C., Gómez, G., Martín, A. and Pita, S. (2001): “Mesa Redonda: La Estadística en la Investigación Médica”, Qu.estii., 25, 121-156.
  • Altman, D. G. and Goodman, S. (1994): “Transfer of technology from statistical journals to the biomedical literature: past trends and future predictions”, Journal of the American Medical Association, 272-129.
  • Andersen, P. K., Borgan, O., Gill, R. D. and Keiding, N. (1993): Statistical Models Based on Counting Processes, Springer, New York.
  • Anello, Ch. (1999): “Emerging and recurrent issues in drug development”, Statistics in Medicine, 18, 2301-2309. doi:10.1002/(SICI)1097-0258(19990915/30)18:17/18<2301::AID-SIM256>3.0.CO;2-X
  • Cheng. B. and Titterington, D. M. (1994): “Neural networks: a review from a statistical perspective”, Statistical Science, 9, 2-54. doi:10.1214/ss/1177010638
  • Cressie, N. (1993): Statistics for Spatial Data, Revised Edition, Wiley, New York.
  • DeMets, D. L., Stormo, G., Boehnke, M., Louis, T. A., Taylor, J. and Dixon, D. (2006): “Training of the next generation of biostatisticians”, Statistics in Medicine, 25, 3415-3429. doi:10.1002/sim.2668
  • Ewens, W. J. and Grant, G. (2005): Statistical Methods in Bioinformatics (Statistics for Biology and Health), Springer, New York.
  • Ferraty, F. and Vieu, Ph. (2006): Nonparametric functional data analysis: Theory and practice, Springer Series in Statistics, Springer, New York.
  • Greenhouse, S. W. (2003): “The growth and future of biostatistics: (A view from the 1980s)”, Statistics in Medicine, 22, 3323-3335. doi:10.1002/sim.1634
  • Hastie, T. J. and Tibshirani, R. J. (1990): Generalized Additive Models, London, Chapman and Hall.
  • Hougaard, P. (2000): Analysis of Multivariate Survival Data, Springer, New York.
  • Houwelingen (van), H. C. (1997): “The future of Biostatistics: expecting the unexpected”, Statistics in Medicine, 16, 2773-2784.
  • Klein, J. P. and Moeschberger, M. L. (2003): Survival Analysis: Techniques for Censored and Truncated Data, Second Edition, Wiley, New York.
  • Lawson, A. (2006): Statistical Methods in Spatial Epidemiology, 2nd edition, Wiley.
  • Lawson, A. and Cressie, N. (2000): “Spatial statistical methods for environmental epidemiology”, in Handbook of Statistics, Vol. 18, P.K. Sen & C.R. Rao (Eds.), Elsevier, Amsterdam, pp. 357-396.
  • Ohno-Machado, L. (1996): Medical Applications of Artificial Neural Networks: Connectionist Model of Survival, Ph.D Dissertation, Stanford University.
  • Ramsay, J. and Silverman, B. (2002): Applied functional data analysis; methods and case studies, Springer, New York. doi:10.1007/b98886
  • Ramsay, J. and Silverman, B. (2005): Functional data analysis, 2nd edition, Springer, New York.
  • Ripley, B. D. (1993): “Statistical aspects of neural networks”, in Barndorff-Nielsen, O. E., Jensen, J. L., Kendall, W. S. (eds.), Networks and Chaos-Statistical and Probabilistic Aspects, London, Chapman & Hall, 40-123.
  • Ripley, B. D. (1996): Pattern Recognition and Neural Networks, Cambridge University Press.
  • Vapnik, V. (1995): The Nature of Statistical Learning Theory, Springer-Verlag.
  • Zelen, M. (2006): “Biostatisticians, Biostatistical Science and the Future”, Statistics in Medicine, 25: 3409-3414. doi:10.1002/sim.2658
Fonte de datos: Dialnet