Gispert JD, et al. <strong>Mapas</strong> <strong>de</strong> <strong>estadísticos</strong> <strong>paramétricos</strong> (<strong>SPM</strong>) <strong>en</strong> <strong>medicina</strong> <strong>nuclear</strong>(ni ningún otro procedimi<strong>en</strong>to estadístico) <strong>en</strong>cu<strong>en</strong>treautomáticam<strong>en</strong>te estos efectos a partir <strong>de</strong> las imág<strong>en</strong>esPET, sino que simplem<strong>en</strong>te confirmará o rechazaráhipótesis a priori.Statistical analysis: Designgroup1group2µDiseño <strong>de</strong>l mo<strong>de</strong>loLos estudios <strong>estadísticos</strong> que pue<strong>de</strong>n efectuarsemediante <strong>SPM</strong> pue<strong>de</strong>n ser divididos fundam<strong>en</strong>talm<strong>en</strong>te<strong>en</strong> dos tipos: estudios <strong>paramétricos</strong> o factorialesy estudios categóricos o sustractivos. Los primerosestudian la relación <strong>en</strong>tre las imág<strong>en</strong>es PET yun parámetro, como pue<strong>de</strong> ser la edad, una escala <strong>de</strong>síntomas o el resultado <strong>de</strong> un test cognitivo. Los estudioscategóricos se utilizan para poner <strong>de</strong> manifiestodifer<strong>en</strong>cias <strong>en</strong>tre grupos, <strong>de</strong>finidas por variables categóricas.Un ejemplo <strong>de</strong> estudio paramétrico podría ser aquél<strong>en</strong> el que se quiere confirmar la hipótesis <strong>de</strong> que laedad influye <strong>en</strong> el metabolismo cerebral <strong>de</strong> doce sujetos,para cada uno <strong>de</strong> los cuales se ha adquirido unaimag<strong>en</strong> PET. Mediante el GLM la hipótesis se expresamediante la <strong>de</strong>nominada matriz <strong>de</strong> diseño, la cualimagesFIG. 3b.—Matriz <strong>de</strong> diseño <strong>de</strong> un estudio categórico. El grupo 1 correspon<strong>de</strong>al grupo <strong>de</strong> control (N = 10) y el dos a paci<strong>en</strong>tes (N = 12).Las primeras 10 imág<strong>en</strong>es correspon<strong>de</strong>n a los controles, por lo quela matriz <strong>de</strong> diseño ti<strong>en</strong>e un 1 (<strong>en</strong> blanco) <strong>en</strong> la columna <strong>de</strong> grupo1 y un cero (<strong>en</strong> gris) <strong>en</strong> la columna <strong>de</strong> grupo 2. Las 12 imág<strong>en</strong>esrestantes correspon<strong>de</strong>n a los paci<strong>en</strong>tes, por lo que ti<strong>en</strong><strong>en</strong> a uno lacolumna <strong>de</strong> pert<strong>en</strong><strong>en</strong>cia al grupo 2 y un cero <strong>en</strong> la <strong>de</strong>l grupo 1.imagesStatistical analysis: DesignCovlntparametersFIG. 3a.—Imag<strong>en</strong> <strong>de</strong> la matriz <strong>de</strong> diseño <strong>de</strong> un estudio paramétrico<strong>en</strong> <strong>SPM</strong>. La columna <strong>de</strong> la izquierda conti<strong>en</strong>e la edad <strong>de</strong> cada uno<strong>de</strong> los sujetos (N = 12), repres<strong>en</strong>tada <strong>en</strong> niveles <strong>de</strong> gris (a mayor edad,nivel más claro). La columna <strong>de</strong> la <strong>de</strong>recha repres<strong>en</strong>ta el nivel medioglobal, car<strong>en</strong>te <strong>de</strong> interés.µconsta <strong>de</strong> una fila por cada imag<strong>en</strong> incluida <strong>en</strong> el estudio(doce <strong>en</strong> el ejemplo) y <strong>de</strong> una columna por cadaefecto sólo (uno, la edad), y <strong>en</strong> la que se introduc<strong>en</strong>los valores <strong>de</strong> los efectos correspondi<strong>en</strong>tes a cada sujeto(la edad <strong>de</strong> cada uno <strong>de</strong> los sujetos) (fig 3a). Paraque <strong>SPM</strong> sea capaz <strong>de</strong> calcular la relación <strong>en</strong>tre lasimág<strong>en</strong>es y el parámetro, dicha relación <strong>de</strong>be ser lineal.Si se <strong>de</strong>sea probar hipótesis que impliqu<strong>en</strong> respuestasno-lineales, se <strong>de</strong>be aplicar una transformacióna<strong>de</strong>cuada para linealizar a<strong>de</strong>cuadam<strong>en</strong>te dicharespuesta.En los estudios categóricos es necesaria una columnapara <strong>de</strong>terminar la pert<strong>en</strong><strong>en</strong>cia a cada uno <strong>de</strong>los grupos. Por ejemplo, si se <strong>de</strong>sea comparar ungrupo <strong>de</strong> paci<strong>en</strong>tes con otro <strong>de</strong> control, las filas correspondi<strong>en</strong>tesa los paci<strong>en</strong>tes t<strong>en</strong>drán un uno <strong>en</strong> lacolumna <strong>de</strong> paci<strong>en</strong>tes y un cero <strong>en</strong> la <strong>de</strong> controles, yviceversa (fig. 3b).Esta distinción <strong>en</strong>tre dos grupos <strong>de</strong> estudios <strong>estadísticos</strong>no es excluy<strong>en</strong>te, es posible combinar ambostipos <strong>de</strong> estudio. Sigui<strong>en</strong>do los ejemplos anteriores, supongamosque la hipótesis <strong>de</strong> partida consiste <strong>en</strong> que,<strong>en</strong> ciertas regiones cerebrales, el metabolismo es me-50Rev. Esp. Med. Nuclear, 2003;22(1):43-5356
Gispert JD, et al. <strong>Mapas</strong> <strong>de</strong> <strong>estadísticos</strong> <strong>paramétricos</strong> (<strong>SPM</strong>) <strong>en</strong> <strong>medicina</strong> <strong>nuclear</strong>Cond1Statistical analysis: DesignCond2Covlntµnor <strong>en</strong> un grupo patológico que <strong>en</strong> el <strong>de</strong> control (efectos<strong>de</strong> interés), una vez <strong>de</strong>scontado el efecto <strong>de</strong> laedad (efecto corrector). En este caso, la matriz <strong>de</strong>diseño sería la que aparece <strong>en</strong> la fig. 3c. Tambiénes posible mo<strong>de</strong>lar interacciones <strong>en</strong>tre efectos. Enel ejemplo anterior es posible que el efecto <strong>de</strong> laedad sea más int<strong>en</strong>so <strong>en</strong> un grupo que <strong>en</strong> el otro. Eneste caso la matriz <strong>de</strong> diseño sería la que muestrala fig. 3d.imagesContrastesUna vez establecido el mo<strong>de</strong>lo, <strong>SPM</strong> ya pue<strong>de</strong> estimar<strong>de</strong> forma automática la contribución <strong>de</strong> cadaefecto <strong>de</strong> forma separada. Esto permite difer<strong>en</strong>ciar <strong>en</strong>treefectos <strong>de</strong> «interés» (como el efecto <strong>de</strong> grupo, <strong>en</strong> elparametersFIG. 3c.—Matriz <strong>de</strong> diseño combinando un estudio categórico conuno paramétrico. En este caso t<strong>en</strong>emos tres efectos, y por lo tanto,tres columnas: La pert<strong>en</strong><strong>en</strong>cia al grupo <strong>de</strong> control (cond1), la pert<strong>en</strong><strong>en</strong>ciaal grupo <strong>de</strong> paci<strong>en</strong>tes (cond2) y la edad <strong>de</strong>l sujeto (edad).2contrast(s)imagesCond1Statistical analysis: DesignCond2Covlnt@condition1parametersFIG. 3d.—Matriz <strong>de</strong> diseño <strong>en</strong> la que se ha mo<strong>de</strong>lado una interacción<strong>de</strong>l parámetro (la edad) con la condición. La hipótesis <strong>en</strong> este casoconsiste <strong>en</strong> que la edad afecta a los dos grupos, pero <strong>de</strong> forma distinta.Covlnt@condition2µ1234567891011121314151617181920212223241 2 3 4Design matrixFIG. 3e.—Vector <strong>de</strong> contrastes [1 –1 0] sobre la matriz <strong>de</strong> diseño.57Rev. Esp. Med. Nuclear, 2003;22(1):43-5351