Ronda clínica y epidemiológica. Series de tiempo interrumpidas

Alba Luz León-Álvarez; Jorge Iván Betancur-Gómez; Fabián Jaimes; Hugo Grisales-Romero

doi:10.17533/udea.iatreia.v30n3a11

Autores/as

Alba Luz León-Álvarez Universidad de Antioquia https://orcid.org/0000-0002-9233-2330
Jorge Iván Betancur-Gómez Fundación Universitaria Autónoma de las Américas https://orcid.org/0000-0001-5980-4482
Fabián Jaimes Universidad de Antioquia. Hospital Pablo Tobón Uribe https://orcid.org/0000-0002-7315-5367
Hugo Grisales-Romero Universidad de Antioquia https://orcid.org/0000-0001-5493-0009

DOI:

https://doi.org/10.17533/udea.iatreia.v30n3a11

Palabras clave:

cuasi-experimental, nivel, tendencia, series de tiempo interrumpidas

Resumen

En la investigación cuasi-experimental es de uso común el análisis de series de tiempo interrumpidas, el cual mide el efecto que tiene una intervención a partir de un punto de tiempo específico. Dicho análisis, que integra datos longitudinales y permite detallar las tendencias antes y después de la intervención, es considerado como una herramienta importante para entender los patrones de cambio después de cualquier evento de interés, es aplicable en distintas disciplinas y tiene un gran potencial para extraer conclusiones en investigaciones con períodos prolongados de seguimiento que requieren la evaluación objetiva de las intervenciones.

|Resumen

= 963 veces | PDF

= 523 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Alba Luz León-Álvarez, Universidad de Antioquia

Facultad Nacional de Salud Pública - Docente de Cátedra, Universidad de Antioquia, Medellín, Colombia.

Jorge Iván Betancur-Gómez, Fundación Universitaria Autónoma de las Américas

Administrador de empresas, Fundación Universitaria Autónoma de las Américas, Medellín, Colombia.

Fabián Jaimes, Universidad de Antioquia. Hospital Pablo Tobón Uribe

Profesor titular, Grupo Académico de Epidemiología Clínica (GRAEPIC), Departamento de Medicina Interna, Facultad de Medicina, Universidad de Antioquia. Investigador. Unidad de Investigaciones, Hospital Pablo Tobón Uribe, Medellín, Colombia.

Hugo Grisales-Romero, Universidad de Antioquia

Profesor titular, Grupo de Investigación Demografía y Salud, Departamento de Ciencias Básicas, Facultad Nacional de Salud Pública, Universidad de Antioquia, Medellín, Colombia.

Citas

(1.) Kontopantelis E, Doran T, Springate DA, Buchan I, Reeves D. Regression based quasi-experimental approach when randomisation is not an option: interrupted time series analysis. BMJ. 2015 Jun;350:h2750. DOI 10.1136/bmj.h2750.

(2.) Shadish WR, Cook TD, Campbell DT. A critical assessment of our assumptions. In: Experimental and quasi-experimental designs for generalized causal inference. Boston: Houghton Mifflin; 2002. p. 456-97.

(3.) Wagner AK, Soumerai SB, Zhang F, Ross-Degnan D. Segmented regression analysis of interrupted time series studies in medication use research. J Clin Pharm Ther. 2002 Aug;27(4):299-309.

(4.) Fan E, Laupacis A, Pronovost PJ, Guyatt GH, Needham DM. How to use an article about quality improvement. JAMA. 2010 Nov;304(20):2279-87. DOI 10.1001/jama.2010.1692.

(5.) Penfold RB, Zhang F. Use of interrupted time series analysis in evaluating health care quality improvements. Acad Pediatr. 2013 Nov-Dec;13(6 Suppl):S38-44. DOI 10.1016/j.acap.2013.08.002.

(6.) Glass GV, Willson V, Gottman JM. Time-series experiments and the investigation of causal claims. In: Design and analysis of time-serie experiments. Boulder: Colorado Associated University Press; 2008. p. 1-18.

(7.) Box GEP, Tiao GC. Intervention Analysis with Applications to Economic and Environmental Problems. J Am Stat Assoc. 1975;70(349):70-9.

(8.) Escudero JR, Vallejo G. Comparación de tres métodos alternativos para el análisis de series temporales interrumpidas. Psicothema. 2000;12(3):480-6.

(9.) Meliá J. Un proceso de intervención para reducir los accidentes laborales. Rev Psicol Trab Organ. 1995;11(32):51-65.

(10.) Box GEP, Jenkins GM, Reinsel GC. Autocorrelation Function and Spectrum of Stationary Processes and Analysis of Seasonal Time Series. In: Time Series Analysis: Forecasting and Control. 2nd ed. San Francisco: Holden-Day; 1976. P.21-43.

(11.) Cabré R. Diseños de series temporales interrumpidas: técnicas alternativas de análisis [tesis doctoral]. Barcelona: Publicaciones Universitat; 1994.

(12.) León-Álvarez AL, Betancur-Gómez JI, Jaimes-Barragán F, Grisales-Romero H. z clínica y epidemiológica. Series de tiempo. Iatreia. 2016 Jul-Sep;29(3):373-381. DOI 10.17533/udea.iatreia.v29n3a12.

(13.) Vallejo G, Herrero J, Cuesta M. Comparación de la potencia y eficacia de diversos modelos ARIMA en series temporales interrumpidas: Un estudio de simulación. Rev Investig Psicol. 1992;10:174-214.

(14.) Gottman J, Glass G. Analysis of interrupted time-series experiments. In: Kratochwill J, editor. Single subject research: strategies for evaluation change. New York: Academic Press; 1978. p.197-235.

(15.) Dolgin NH, Movahedi B, Martins PN, Goldberg R, Lapane KL, Anderson FA, et al. Decade-Long Trends in Liver Transplant Waitlist Removal Due to Illness Severity: The Impact of Centers for Medicare and Medicaid Services Policy. J Am Coll Surg. 2016 Jun;222(6):1054-65. DOI 10.1016/j.jamcollsurg.2016.03.021.

(16.) Minard LV, Corkum A, Sketris I, Fisher J, Zhang Y, Saleh A. Trends in Statin Use in Seniors 1999 to 2013: Time Series Analysis. PLoS One. 2016 Jul;11(7):e0158608. DOI 10.1371/journal.pone.0158608.

(17.) Brubacher JR, Desapriya E, Erdelyi S, Chan H. The impact of child safety restraint legislation on child injuries in police-reported motor vehicle collisions in British Columbia: An interrupted time series analysis. Paediatr Child Health. 2016 May;21(4):e27-31.