EDA Report — experimento_microbioma

Información del Archivo

Archivoexperimento_microbioma_2026.csv

Extensión.csv

Tamaño19.89 KB (20.364 bytes)

EncodingUTF-8 ✓

Separadorcoma (,)

CategoríaGeneral Scientific · Tabular

Dimensiones180 filas × 24 columnas

Variables numéricas16 (float64 + int64)

Variables categóricas8 (str)

Filas duplicadas0 ✓

Distribución por Grupos de Tratamiento

LA-5

45

25.0% del total

BL-21

45

25.0% del total

LGG

45

25.0% del total

Placebo

45

25.0% del total

Esquema de Variables (24 columnas)

#	Variable	Tipo	Missings	Cobertura	Rango / Valores
1	participant_id	str	0	100%	BNL-001 … BNL-180
2	grupo	str	0	100%	LA-5 · BL-21 · LGG · Placebo
3	edad	int64	0	100%	22 – 68 años
4	sexo	str	0	100%	M · F
5	imc	float64	0	100%	18.5 – 40.0 kg/m²
6	pcr_us_basal	float64	0	100%	0.41 – 22.5 ⚠ mg/L
7	pcr_us_semana12	float64	7	96.1%	0.27 – 6.27 mg/L
8	il6_basal	float64	0	100%	0.57 – 7.23 pg/mL
9	il6_semana12	float64	7	96.1%	0.40 – 7.78 pg/mL
10	tnf_alpha_basal	float64	0	100%	1.12 – 7.12 pg/mL
11	tnf_alpha_semana12	float64	7	96.1%	1.06 – 5.54 pg/mL
12	calprotectina_basal	float64	0	100%	10.0 – 191.7 μg/g
13	calprotectina_semana12	float64	7	96.1%	6.5 – 134.5 μg/g
14	bristol_score_basal	int64	0	100%	2 – 6 (escala Bristol 1–7)
15	bristol_score_semana12	float64	7	96.1%	1.0 – 7.0
16	bifidobacterium_pct_basal	float64	0	100%	2.12 – 17.99 %
17	bifidobacterium_pct_semana12	float64	7	96.1%	2.07 – 36.45 %
18	lactobacillus_pct_basal	float64	0	100%	1.53 – 11.83 %
19	lactobacillus_pct_semana12	float64	7	96.1%	1.63 – 28.98 %
20	adherencia_pct	float64	0	100%	20.0 – 99.8 %
21	eventos_adversos	str	0	100%	Si · No
22	dropout	str	0	100%	Si · No
23	visita_completada	str	0	100%	Si · No
24	observaciones	str	123	31.7%	Texto libre (esperado)

Resumen Estadístico — Variables Clave

PCR-us (mg/L)

Media basal1.84

Media semana 121.35

Reducción media−26.6%

Desv. estándar1.88 / 0.92

Rango basal0.41 – 22.5 ⚠

p25 / p50 / p750.99 / 1.44 / 2.21

< 1 mg/L

76

1 – 3 mg/L

87

3 – 10 mg/L

16

> 10 mg/L

1

IL-6 (pg/mL)

Media basal2.50

Media semana 122.03

Reducción media−18.8%

Desv. estándar1.30 / 1.15

Rango basal0.57 – 7.23

p25 / p50 / p751.48 / 2.28 / 2.99

< 2 pg/mL

70

2 – 4 pg/mL

89

4 – 8 pg/mL

21

TNF-α (pg/mL)

Media basal3.29

Media semana 122.74

Reducción media−16.7%

Desv. estándar1.18 / 1.01

Rango basal1.12 – 7.12

p25 / p50 / p752.43 / 3.12 / 3.93

< 3 pg/mL

79

3 – 5 pg/mL

83

> 5 pg/mL

18

Calprotectina Fecal (μg/g)

Media basal43.57

Media semana 1232.12

Reducción media−26.3%

Desv. estándar30.66 / 22.74

Rango basal10.0 – 191.7

p25 / p50 / p7522.4 / 35.6 / 53.7

< 50 μg/g

119

50–200 μg/g

58

> 200 μg/g

3

Microbioma — Bifidobacterium (%)

Media basal10.32

Media semana 1214.15

Incremento+37.1%

Desv. estándar4.68 / 8.00

Rango basal2.12 – 17.99

Rango sem. 122.07 – 36.45

Microbioma — Lactobacillus (%)

Media basal6.78

Media semana 1210.30

Incremento+52.0%

Desv. estándar2.89 / 6.24

Rango basal1.53 – 11.83

Rango sem. 121.63 – 28.98

Evaluación de Calidad de Datos

⚠ Outlier detectado — Requiere verificación

Participante BNL-055: pcr_us_basal = 22.5 mg/L — valor 10.5× por encima de la mediana (1.44 mg/L) y fuera del rango esperado para población adulta sana (<10 mg/L). Posible error de transcripción (¿22.5 → 2.25?) o infección activa en el momento del reclutamiento. Verificar historial clínico y criterios de inclusión.

Completitud

✅17 variables con 0 missings (datos basales completos)

⚠️7 variables post con 7 missings (3.9%) — todos atribuibles a los 7 dropouts

✅observaciones: 68% vacíos — esperado (campo libre opcional)

✅0 filas completamente vacías ni duplicadas

Validez de Rango

✅IMC: 18.5 – 40.0 → dentro de criterios inclusión

✅Bristol Score: 1–7 → escala válida, sin valores fuera de rango

⚠️pcr_us_basal BNL-055 = 22.5 mg/L → supera umbral inflamatorio moderado-severo (>10)

✅Adherencia: rango 20–99.8% — valores bajos justificados por dropouts

Consistencia

✅Todos los missings semana 12 se corresponden exactamente con dropout = Si

✅Grupos balanceados: 45 participantes exactos por rama

✅Sexo: sólo valores M/F (sin variantes de codificación)

✅IDs únicos: BNL-001 a BNL-180 sin huecos

Correlaciones Clave (Pearson — Variables Basales)

PCR-us ↔ IL-6

+0.63

Correlación positiva moderada-alta (esperada)

PCR-us ↔ TNF-α

+0.48

Correlación positiva moderada (fisiológicamente coherente)

Calprotectina ↔ IL-6

+0.31

Correlación positiva débil-moderada

IMC ↔ PCR-us

+0.28

Relación peso-inflamación moderada (literatura: 0.2–0.4)

Bifidobacterium ↔ PCR-us

−0.19

Tendencia inversa (hipótesis de estudio)

Adherencia ↔ Δ PCR-us

−0.42

Mayor adherencia → mayor reducción de PCR (señal de eficacia)

Recomendaciones de Preprocesamiento y Análisis

🔧 Preprocesamiento

1

Excluir o imputar BNL-055: verificar si pcr_us_basal=22.5 es dato real o error. Realizar análisis de sensibilidad con y sin este outlier.

2

Missings de dropout (3.9%): usar análisis por intención de tratar (ITT) con last-observation-carried-forward (LOCF) o MICE para PCR, IL-6, TNF-α semana 12.

3

Transformación log: PCR-us, IL-6 y calprotectina presentan distribución log-normal (skewness positivo). Aplicar np.log1p() antes de tests paramétricos.

4

Variable delta: crear columnas Δ_pcr = pcr_s12 - pcr_basal y Δ_pct para cada marcador como variables de resultado primario.

📊 Análisis Estadístico Recomendado

1

ANCOVA: comparar grupos en semana 12 controlando valor basal (covariable) — diseño preferido sobre ANOVA de cambio.

2

Test de Kruskal-Wallis: alternativa no paramétrica para marcadores con distribución no normal post-transformación. Post-hoc: Dunn con Bonferroni.

3

Regresión lineal múltiple: Δ_PCR ~ grupo + IMC + edad + sexo + adherencia_pct. Controlar confusores.

4

Análisis de microbioma: correlación de Spearman entre cambio en abundancias (Bifido/Lacto) y reducción de marcadores inflamatorios.

📦 Librerías Python

1

pandas · numpy — carga y manipulación de datos.

2

scipy.stats — Kruskal-Wallis, Shapiro-Wilk, correlaciones.

3

pingouin — ANCOVA, tamaño del efecto (Cohen's d, η²).

4

statsmodels — regresión OLS con intervalos de confianza.

5

seaborn / matplotlib — violin plots, box plots, scatter matrix, heatmap de correlaciones.

📈 Visualizaciones Prioritarias

1

Box plots por grupo para cada marcador basal vs semana 12 (mostrar varianza intra-grupo).

2

Scatter plot valor basal vs cambio a semana 12 — detectar regression-to-the-mean.

3

Heatmap de correlaciones entre todos los marcadores inflamatorios basales.

4

Kaplan-Meier alternativo: curvas de respuesta (reducción ≥30% PCR-us) por grupo.