En la actualidad, los profesionales de la salud enfrentan el constante reto de tomar decisiones basadas en evidencia para abordar problemas clínicos y de salud pública, especialmente en situaciones donde el tiempo hasta que ocurre un evento clínico es clave para la predicción y la intervención. Aquí es donde el análisis de supervivencia se convierte en una herramienta esencial, ya que permite estimar riesgos, comparar grupos y evaluar cómo factores clínicos y terapéuticos influyen en los resultados a lo largo del tiempo.

Este curso se ha desarrollado en respuesta a la necesidad educativa de fortalecer habilidades avanzadas en bioestadística aplicada, que son cruciales para una investigación clínica rigurosa, sobre todo en áreas como la oncología, donde entender el tiempo hasta el evento es vital. La viabilidad del programa se apoya en la experiencia de la institución, la disponibilidad de infraestructura académica y tecnológica, y la conexión con redes de investigación clínica.

Además, su evolución está guiada por el Decreto 4904 de 2009, que regula los programas de educación superior en salud, junto con las pautas del reglamento de Educación Continuada, garantizando la relevancia, calidad y legalidad de la propuesta académica. Este curso contribuye directamente a fortalecer las habilidades investigativas, a realizar un análisis crítico de los datos y a tomar decisiones informadas, lo que tiene un impacto positivo en la calidad de la atención y en los procesos de generación y difusión del conocimiento científico.

Fundamentos matemáticos y estadísticos del análisis de supervivencia

• Introducción al análisis de supervivencia en epidemiología clínica.
• Elementos matemáticos: función exponencial, logarítmica y derivadas.
• Definición y propiedades de la función de supervivencia y la función de riesgo.
• Cálculo e interpretación del hazard acumulado, media y mediana.

Censura, truncamiento y estructura de datos

• Tipos de censura: derecha, izquierda e intervalo.
• Tipos de truncamiento: entrada retrasada y truncamiento a la derecha.
• Estructura de bases de datos para análisis de supervivencia.
• Formatos anchos y largos, codificación de eventos y tiempos.

Métodos no paramétricos de análisis de supervivencia

• Estimador de Kaplan-Meier y de Nelson-Aalen.
• Estimación de la función de riesgo.
• Gráficos e interpretación de curvas de supervivencia.
• Pruebas log-rank, Wilcoxon y estratificadas.

Modelo de riesgos proporcionales de Cox

• Supuestos del modelo de Cox.
• Implementación del modelo en software estadístico.
• Interpretación de coeficientes y hazard ratio.
• Modelos estratificados, funciones de línea base y modelos con fragilidad.

Modelos paramétricos y diagnóstico del modelo de Cox

• Modelos paramétricos: exponencial, Weibull, log-logístico, Gompertz.
• Comparación y ajuste de modelos.
• Evaluación del supuesto de riesgos proporcionales.
• Diagnóstico del modelo de Cox: residuos de Schoenfeld y pruebas gráficas.

Gestión de datos, interpretación de resultados y comunicación científica

• Limpieza, validación y estructuración de datos.
• Análisis de resultados frente a hipótesis clínicas y literatura.
• Elaboración de tablas, gráficos y redacción de resultados.
• Principios éticos en la interpretación y difusión de resultados.