Econometría de la desigualdad: de la persona promedio a la persona cuantil

La conferencia ha tratado sobre la regresión de cuantiles, se han presentado tres aplicaciones empíricas de las técnicas de cuantiles a datos de panel.

Infecciones urinarias y trasplante renal: Factores de riesgo y modelo predictivo

Introducción: Las infecciones del tracto urinario (ITU) representan la causa más frecuente de infección después del trasplante renal. Identificar los factores de riesgo de las ITU e intentar establecer un modelo para predecirlas podría evitar la aparición de las mismas o su recurrencia. Objetivos: El objetivo principal de este trabajo fue analizar la frecuencia de ITU en pacientes trasplantados renales en el primer año postrasplante, así como los factores de riesgo más importantes de las mismas, con el fin de establecer un modelo predictivo (nomograma). Los objetivos secundarios fueron los siguientes: analizar la frecuencia de ITU durante el ingreso, tras el alta y un mes postrasplante, así como los factores de riesgo relacionados y establecer modelos predictivos para cada uno de estos periodos; analizar la frecuencia de ITU recurrentes y recidivantes; analizar la tasa de rehospitalizaciones secundarias a ITU; analizar la relación de ITU con la supervivencia del injerto y del paciente. Métodos: En este trabajo desarrollamos un estudio analítico, observacional, retrospectivo de cohorte, en el que se recogieron datos de pacientes trasplantados renales de forma consecutiva, desde el 1 de enero de 2012 hasta el 31 de julio de 2014, en el Hospital Universitario Regional de Málaga. Analizamos la incidencia de ITU durante el primer año postrasplante, así como otras variables clínicas. El análisis comparativo de grupos se realizó mediante el test de t-Student y Chi-cuadrado. Para el análisis de supervivencia se aplicó el método de Kaplan-Meier. Se realizó un análisis de regresión logística para determinar los factores de riesgo asociados a las ITU que ocurrieron durante el ingreso. Se estimaron modelos de riesgo proporcionales por el método de regresión de Cox para analizar los factores de riesgo de las ITU que se presentaron en el primer año postrasplante, después del alta y un mes tras la cirugía. A partir de estos modelos de regresión se realizó un nomograma para calcular la probabilidad de ITU en cada grupo (ITU en el primer año postrasplante, durante el ingreso, tras el alta y un mes postrasplante), así como la curva ROC correspondiente. Se utilizó el modelo “hurdle” para estudiar los factores de riesgo asociados al número de ITU en cada paciente. El tratamiento estadístico se realizó con el programa SPSS 15.0 y con el ALcEst 1.9.26. Resultados: En este trabajo estudiamos datos de 322 pacientes trasplantados renales, el 66.1% varones, con una media de edad de 52.2 ± 13.2 años. La frecuencia de ITU durante el primer año fue del 46.27%. Dada la correlación existente entre función retrasada del injerto (FRI) y tiempo en diálisis, realizamos dos modelos de regresión de Cox multivariantes. En el primer modelo incluimos el sexo femenino, la edad del receptor y la FRI (HR 1.73, IC 95% 1.24-2.40, p<0.001; HR 1.01, IC 1-1.03, p<0.05; HR 1.6, IC 1.14-2.22, p<0.01, respectivamente). En el segundo modelo incluimos el sexo femenino, la edad del receptor y el tiempo en diálisis (HR 1.79, IC 1.29–2.48, p<0.001; HR 1.02, IC 1–1.03, p<0.01; HR 1, IC 0.99–1.01, p=0.054, respectivamente). La frecuencia de ITU durante el ingreso fue del 15.21%, y los factores de riesgo más importantes analizados mediante regresión logística fueron la edad del donante, el tiempo en diálisis, la FRI y la retirada de la sonda vesical después de siete días (OR 1.03, IC 1–1.05, p<0.05; OR 1.01, IC 1-1.02, p=0.13; OR 2.64, IC 1.33–5.28, p<0.01; OR 3.55, IC 1.85–6.93, p<0.001, respectivamente). La frecuencia de ITU tras el alta fue del 37.57%. En este caso, mediante regresión de Cox, las variables más significativas fueron el sexo femenino y la edad del receptor (HR 2.1, IC 1.46-3.03, p<0.001; HR 1.02, IC 1-1.03, p<0.01, respectivamente). La frecuencia de ITU un mes postrasplante fue del 33.85%. Los factores más significativos para este periodo, mediante regresión de Cox, fueron el sexo femenino, la edad del receptor, el tiempo en diálisis y la presencia de ITU previa (HR 2.17, IC 1.48–3.17, p<0.001; HR 1.02, IC 1–1.03, p<0.01; HR 1, IC 0.99–1.01, p=0.32; HR 2.71, IC 1.83–4.02, p<0.001, respectivamente). Desarrollamos nomogramas para cada periodo, con sus correspondientes curvas ROC: en el primer año postrasplante (ABC=0.60 para el primer modelo, ABC=0.59 para el segundo modelo), durante el ingreso (ABC=0.74), tras el alta (ABC=0.59) y un mes después del trasplante (ABC=0.66). Los factores de riesgo más significativos relacionados con el número de ITU en cada paciente, mediante el modelo Hurdle, fueron el sexo masculino, la diálisis peritoneal y la terapia con inducción, principalmente con Timoglobulina (p=0.068; p<0.05; p<0.05, respectivamente). La frecuencia de ITU recurrente fue del 4.03%, y recidivante del 20.49%. Fueron necesarios 77 ingresos por pielonefritis, y en 12 de estos ingresos se presentó sepsis urológica. No encontramos diferencias en la supervivencia de pacientes y de injertos entre los grupos con y sin ITU, sin embargo sí se apreciaron diferencias entre ambos grupos en el filtrado glomerular, aunque esta diferencia se perdió en el análisis multivariante. Conclusiones: La incidencia de ITU durante el primer año postrasplante es elevada. Los factores de riesgo más significativos para las ITU en los primeros doce meses postrasplante son el sexo femenino, la edad del receptor, la FRI y el tiempo en diálisis. Para las ITU que ocurren durante el ingreso, los factores más importantes son la edad del donante, el tiempo en diálisis, la FRI y la retirada de la sonda después de siete días. Las variables más significativas para las ITU que se presentan tras el alta, son el sexo femenino y la edad del receptor, y para las ITU que ocurren un mes postraplante también resulta significativo la presencia de alguna ITU previa. Los receptores de trasplante renal de sexo masculino, aquellos procedentes de diálisis peritoneal y los que han recibido terapia de inducción, tienen más posibilidades de presentar un mayor número de ITU durante el primer año postrasplante.

Eventos cardiovasculares en el Lupus eritematoso sistémico. Estudio del registro español Relesser

Objetivos: (1) Estudiar la frecuencia de eventos cardiovasculares (CV) que presentaron los pacientes de una gran cohorte española de lupus eritematoso sistémico (LES) tras el diagnóstico de la enfermedad, y (2) investigar los principales factores de riesgo implicados en la aterosclerosis. Material y métodos: Estudio transversal retrospectivo basado en RELESSER, un registro multicéntrico, nacional de pacientes diagnosticados de LES. Pacientes: sujetos con diagnóstico de LES (criterios ACR 1997), atendidos en 45 servicios de Reumatología españoles. Variables: demográficas, clínicas, factores de riesgo tradicionales y eventos CV. La variable de desenlace fue evento CV que se definió por la presencia de al menos uno de los siguientes tras el diagnóstico de LES: 1) Enfermedad cardiaca isquémica (infarto agudo de miocardio y/o angina por clínica y/o electrocardiograma y/o enzimas y/o coronariografía), 2) accidente cerebrovascular (ACV) basado en un diagnóstico previo o por clínica y/o imagen; y 3) enfermedad arterial periférica por diagnóstico previo o por imagen. Los pacientes con eventos CV previos al diagnóstico de LES se excluyeron del análisis. Protocolo: la información fue recogida a partir de las historias clínicas usando un protocolo específico en una plataforma web y con previo entrenamiento de los investigadores. Análisis estadístico: Descriptivo y comparaciones entre grupos utilizando χ2, T-Student o U Mann-Whitney. Análisis de regresión logística múltiple para analizar los posibles factores de riesgo CV asociados a aterosclerosis. Resultados: Desde el año 2.011 al 2.012, 3.658 pacientes con LES fueron reclutados en RELESSER y solo 9 se excluyeron por insuficiente información sobre eventos CV. De los 3.649 restantes, 374 (10,9%) presentaron al menos un evento CV. Doscientos sesenta y nueve (7,4%) pacientes tuvieron 318 eventos CV tras el diagnóstico de LES. El 86,2% de esos pacientes eran mujeres, mediana [RIQ] de edad de 54,9 años [43,2 ̶ 66,1] y una duración del LES de 212.0 meses [120,8 ̶ 289,0]. La media (DE) de edad al cuando sufrieron el primer evento CV fue 48,6 (17,1) años. Los ACV (5,7%), fueron los eventos más frecuentes seguidos de la cardiopatía isquémica (3,8%) y la enfermedad arterial periférica (2,2%). El análisis multivariante mostró una fuerte asociación (OR [IC 95%]) entre los eventos CV y la edad (1,03 [1,02 ̶ 1,04]), la hipertensión arterial (1,71 [1,20 ̶ 2,44]), el tabaquismo (1,48 [1,06 ̶ 2,07]), la diabetes (2,2 [1,32 ̶ 3,74]), la dislipemia (2.18 [1,54 ̶ 3,09], el lupus neuropsiquiátrico (2,42 [1,56 ̶ 3,75]), la presencia de valvulopatía (2,44[1,34 ̶ 4,26]), serositis (1,54 [1,09 ̶ 2.18]), anticuerpos antifosfolípidos (1,57 [1,13 ̶ 2,17]), disminución del complemento (1,81 [1,12 ̶ 2,93]) y la toma de azatioprina (1,47 [1,04 ̶ 2,07]). Conclusiones: Los pacientes con LES presentan una alta prevalencia de enfermedad CV prematura que se asocia con factores de riesgo CV tradicionales y relacionados con el LES. Aunque se necesitan futuros estudios que lo comprueben, nuestro trabajo demuestra, por primera vez, una asociación entre la diabetes y los eventos CV en pacientes con LES.

Predicción de insolvencia en los sectores económicos: un análisis comparativo

El objetivo de esta tesis ha sido cubrir el hueco existente en la literatura en relación con la cuestión de la supuesta superioridad de los modelos de predicción de insolvencia empresarial "descentrados" (construidos sobre la base de una muestra de empresas pertenecientes a diversos sectores económicos) frente a los modelos de predicción de la insolvencia "centrados" (construidos con una muestra de empresas pertenecientes a un solo sector de actividad). Un análisis de la literatura previa sobre predicción de insolvencia empresarial permitió constatar la existencia de un patrón definido por lo que se refería a la construcción de modelos descentrados frente a modelos centrados, siendo los primeros mucho más numerosos que los segundos. Sin embargo, no fue posible identificar ninguna tendencia, ni a favor ni en contra, en el uso de un tipo de modelo u otro, por lo que no resultó posible inducir una conclusión definitiva sobre la superioridad de un tipo de modelo frente a otro a la hora de pronosticar la insolvencia empresarial. Para resolver esta cuestión, se tomó una base de datos formada por empresas, tanto solventes como insolventes, pertenecientes a cinco sectores de actividad diferenciados: agricultura, industria, construcción, comercio y servicios, y sector de hostelería, a partir de los datos proporcionados por SABI (Sistema de Análisis de Balances Ibéricos). Los datos utilizados para este estudio se correspondieron al periodo comprendido entre el año 2010 y el año 2012. Asimismo, se construyeron diversos modelos sectoriales o centrados (para cada uno de los sectores económicos considerados) y modelos globales o descentrados para un año y dos años antes de la entrada en quiebra. La metodología aplicada para la obtención de los modelos fue la construcción de modelos de regresión logística, y para la estimación de dichos modelos se emplearon 34 variables financieras, así como variables dummys representativas de los sectores de actividad bajo consideración. Con esta metodología se obtuvo un poder de clasificación que osciló entre un 69,6% (Sector Agricultura, dos años de la entrada en quiebra) y un 91,2% (Sector Hostelería, un año de la entrada en quiebra). Los resultados obtenidos permitieron verificar total o parcialmente las tres hipótesis planteadas: En primer lugar, que los modelos globales o descentrados y los centrados o sectoriales eran modelos distintos. En segundo lugar, que la inclusión de variables cualitativas sectoriales mejoraba los modelos globales estimados. Y, en tercer lugar, se verificó, si bien parcialmente, que los modelos globales o descentrados eran superiores a los centrados o sectoriales a la hora de predecir la insolvencia, con la única excepción del modelo del sector industrial dos años antes de la quiebra. Para el resto de modelos, los modelos globales estimados, uno y dos años antes de la quiebra, fueron capaces de obtener mejores resultados de predicción en las muestras sectoriales que los propios modelos centrados.