Análisis bioestadístico de señales EEG registradas durante la realización de una tarea auditiva para el estudio de su viabilidad en la ayuda al diagnóstico de la esquizofrenia

Abstract

Este trabajo ha partido de unas señales encefalograficas (EGG) capturadas durante en una tarea auditiva (paradigma Auditory Oddball). Estas señales estaban preprocesadas y filtradas y de ellas teníamos una serie de características potencialmente discriminantes en los dominios temporal y frecuencial. Los datos de cada una de las características están divididos en dos poblaciones: la primera de ellas se corresponde con una muestra de 16 individuos que pertenecen al grupo de pacientes esquizofrénicos con medicación (SZ) y la segunda se corresponde con 31 individuos sanos (HC). Estas dos poblaciones, HC y SZ, poseen unas características biológicas lo suficientemente semejantes como para poder suponer que la comparación entre ellos solo se basa en sus características cognitivas. En primer lugar se hace uso de las técnicas paramétricas para el análisis estadístico, encontrando la más adecuada el test de hipótesis. Este test compara las medias de las dos poblaciones y si son lo suficientemente diferentes se puede llegar a la conclusión de que las poblaciones son significativamente diferentes en el sentido estadístico. El problema de las pruebas paramétricas es que para poderlas realizar, las dos muestras deben distribuirse de manera normal, cosa que no siempre se cumple. Debido a esto último, se recurre al uso de técnicas no paramétricas, más en concreto a la prueba U de Mann-Whitney. Esta prueba realiza un test de hipótesis sobre la mediana de las dos poblaciones y si es diferente se puede concluir que las poblaciones son distinguibles. El resultado de estos test es un p-valor que indica el ‘grado de parecido’ entre las dos muestras. Para este problema se ha elegido el p-valor de 0,05 como umbral por defecto, así las muestras con un valor menor tienen una probabilidad del 95% de ser diferentes entre sí. Para realizar estas pruebas me he ayudado del software estadístico SPSS. Las evidencias de este análisis ofrecieron la posibilidad de mejorar los resultados obtenidos agrupando los datos por electrodos o por características, lo que dio lugar a un análisis multivariado. En el análisis multivariado en primer lugar se realizó un análisis discriminante con el fin de determinar cuáles eran las duplas que mejor discriminaban las dos poblaciones y a continuación se ha procedido con un test MANOVA. Este test ha sido complementado con la función Anosim del paquete Vegan del software estadístico R, caracterizada por su gran robustez en este tipo de análisis.