Ampliando el modelo de regresión lineal simple para tener en cuenta respuestas correlacionadas: Una introducción a las ecuaciones de estimación generalizadas y la modelización mixta multinivel

Gran parte de la investigación en epidemiología y ciencia clínica se basa en diseños longitudinales que implican mediciones repetidas de una variable de interés en cada uno de una serie de individuos. Tales diseños pueden ser muy poderosos, tanto estadísticamente como científicamente, porque permiten estudiar cambios dentro de sujetos individuales a lo largo del tiempo o en condiciones diversas. Sin embargo, este poder surge porque las mediciones repetidas tienden a estar correlacionadas entre sí, y esto debe ser tomado en cuenta adecuadamente en el momento del análisis o podrían resultar conclusiones engañosas. Los recientes avances en teoría estadística y en el desarrollo de software significan que los estudios basados en tales diseños ahora pueden ser analizados más fácilmente, de una manera válida pero flexible, utilizando una variedad de enfoques que incluyen el uso de ecuaciones de estimación generalizadas y modelos mixtos que incorporan efectos aleatorios. Este artículo proporciona una ilustración particularmente simple del uso de estos dos enfoques, tomando como ejemplo práctico el análisis de un estudio que examinó la respuesta de medidores portátiles de flujo espiratorio máximo a cambios en el flujo espiratorio máximo verdadero en 12 niños con asma. El artículo guía al lector a través de las consideraciones prácticas relevantes de ajuste del modelo, interpretación y crítica, y demuestra que, en un caso simple como este, los análisis basados en estos enfoques basados en modelos producen inferencias tranquilizadoras similares a los análisis estándar basados en métodos más convencionales.