Una concepción topológica del “bootstrap” permite la demostración del sesgo de Berkson en epidemiología nutricional

espanolIntroduccion: El nucleo semantico comun para todos los usos del termino “bootstrap” es la realizacion de una tarea compleja mediante la practica de un gesto sencillo (un individuo y su caballo pueden dar un gran salto despues de que tan solo el jinete se haya tirado de los cordones de las botas). El “bootstrapping” es un metodo estadistico disenado para la estimacion de la distribucion muestral de un estimador mediante remuestreo con reemplazamiento. Metodologia: Intentando compensar las debilidades epistemologicas del calculo del tamano muestral, se deben obtener por parte de los investigadores, los valores mas pequenos posibles del error relativo muestral o de efecto diseno. Por otro lado, nosotros podemos tambien crear un universo virtual (UV) ubicando topologicamente las muestras obtenidas mediante “bootstrap”. Resultados: El tamano de UV sera aproximadamente igual al numero de repeticiones multiplicado por el tamano de la muestra original. En terminos frecuentistas podemos emitir una hipotesis de igualdad (H0) y otra de desigualdad (H1) entre nuestro UV y la poblacion real (PR) de donde proviene la muestra primitiva. Para sustentar estas hipotesis hemos desarrollado un ejercicio practico de demostracion del sesgo de Berkson en un diseno de casos y controles mediante bootstrap. Conclusion: Nosotros defendemos una concepcion topologica del remuestreo con “bootstrap” que permite ampliar el esquema jerarquico de validacion externa propuesta por Justice y cols. a un nivel 0.1 tan solo con la realizacion del efecto simulador en el paquete de datos del estudio primitivo. Este concepto permite la demostracion del sesgo de Berkson en epidemiologia nutricional. EnglishIntroduction: The common semantic core for all uses of “bootstrapping” is the realization of a complex task by practicing a simple gesture (an individual and his horse can take a big leap after only rider has been thrown the bootlaces). The “bootstrapping” is a statistical method designed to estimate the sampling distribution of an estimator by re-sampling with replacement. Methodology: Trying to compensate for epistemological weaknesses of sample size calculations should be obtained by the researchers the smallest possible values of the sampling relative error or design effect. On the other hand, we can also create a virtual universe (VU) by a topological placing of samples obtained by “bootstrap”. Results: VU size will be approximately equal to the number of repeats multiplied by the size of the original sample. In frequentist terms we can issue an equality hypothesis (H0) and another of inequality (H1) between our VU and the actual population (AP) from which comes the sample. To support these hypotheses we have developed a practical demonstration of Berkson bias in a case-control design by bootstrap resampling. Conclusion: We stand for a topological concept of resampling with “the bootstrap” that can extend the hierarchic external validation scheme proposed by Justice et al. to a 0.1 level just to the embodiment of the simulator effect on the original data package study. This notion allows the Berkson bias display in nutritional epidemiology