METODOLOGIA DE INVESTIGACION TIPOS DE INVESTIGACIÓN 1. Según la intervención del Investigador: OBSERVACIONAL: No existe intervención del investigador; los datos reflejan la evolución natural de los eventos, ajena a la voluntad del investigador. EXPERIMENTAL: Siempre son prospectivos, longitudinales, analíticos y de nivel investigativo “explicativo” (causa – efecto); además de ser “controlados”. 2. Según la planificación de la toma de datos PROSPECTIVO: Los datos necesarios para el estudio son recogidos a propósito de la investigación (primarios). Por lo que, posee control del sesgo de medición. RETROSPECTIVO: Los datos se recogen de registros donde el investigador no tuvo participación (secundarios). No podemos dar fe de la exactitud de las mediciones. 3. Según el número de ocasiones en que mide la variable de estudio TRANSVERSAL: Todas las variables son medidas en una sola ocasión; por ello de realizar comparaciones, se trata de muestras independientes. LONGITUDINAL: La variable de estudio es medida en dos o más ocasiones; por ello, de realizar comparaciones (antes – después) son entre muestras relacionadas. 4. Según el número de variables de interés DESCRIPTIVO: El análisis estadístico, es univariado porque solo describe o estimaparámetros en la población de estudio a partir de una muestra. ANALÍTICO: El análisis estadístico por lo menos es bivariado; porque plantea y ponea prueba hipótesis, su nivel más básico establece la asociación entre factores. IMPORTANTE: “Descriptivo no es sinónimo de observacional”. Un estudio observacionalpuede ser analítico. Ejm: El estudio de los casos y controles. NIVELES DE INVESTIGACIÓN 1. EXPLORATORIO: Se plantean cuando no existe un cuerpo teórico que ilumine elfenómeno observado; su función es el reconocimiento e identificación deproblemas. No hay preguntas que conduzcan a problemas precisos, se exploran áreasproblemáticas. Se trata de investigación cualitativa; por lo que no se requiere demanejo estadístico. 2. DESCRIPTIVO: Describe fenómenos sociales o clínicos en una circunstanciatemporal y geográfica determinada. Su finalidad es describir y/o estimarparámetros. Se describen frecuencias y/o promedios; y se estiman parámetros con intervalos deconfianza. Ejm. los estudios de frecuencia de la enfermedad: Incidencia yPrevalencia. 3. RELACIONAL: No son estudios de causa y efecto; la estadística solo demuestradependencia entre eventos; Ejm. los estudios de asociación sin relación dedependencia. La estadística es bivariada nos permite hacer asociaciones (Chi Cuadrado) ymedidas de asociación; correlaciones y medidas de correlación (Correlación dePearson). 4. EXPLICATIVO: Explica el comportamiento de una variable en función de otra(s);por ser estudios de causaefecto requieren control y debe cumplir otros criterios decausalidad. 1 El control estadístico es multivariado a fin de descartar asociaciones aleatorias,casuales o espurias entre la variable independiente y dependiente. Ejm. Chi2 deMantel-Haenszel. 5. PREDICTIVO: Se encarga de la estimación probabilística de eventos generalmenteadversos, como puede ser las complicaciones de la enfermedad, la mortalidad, etc. Se aplican un conjunto de técnicas estadísticas. Ejm. La validación de una pruebadiagnóstica requiere: Alfa de Cronbach, Índice Kappa, ANOVA, Curvas ROC. 6. APLICATIVO: Plantea resolver problemas o intervenir en la historia natural de laenfermedad. Enmarca a la innovación técnica, artesanal e industrial como lacientífica. Las técnicas estadísticas apuntan a evaluar el éxito de la intervención, comomedidas de impacto sobre los principales indicadores de salud: tasas, coberturas,rendimiento, etc. DISEÑOS EN INVESTIGACIÓN 7. EPIDEMIOLÓGICOS: Estudian la morbi-mortalidad y eventos la salud enpoblaciones humanas. Descriptivos: Pueden ser transversal (Ej. Estudio de prevalencia) y longitudinal(Ej. Estudio de incidencia). Analítico: Aquí se encuentran los estudios de factores de riesgo, los que terminanplanteando la relación de causalidad. Ej. Casos y controles; Cohortes. De intervención: No son experimentos verdaderos, porque se ven limitados porlas normas éticas. Ej. Ensayos clínicos y ensayos de población. 8. EXPERIMENTALES: Requiere dos condiciones: intervención y asignación aleatoria(grupo control). Pre-experimento: La intervención no es apropósito de la investigación; sino queobedece a las necesidades terapéuticas del sujeto. Cuasi-experimento: Cuando no hay grupo control, no es posible realizar laasignación aleatoria, se realiza dos mediciones en el mismo grupo. Experimento verdadero: Cumple con la asignación aleatoria (grupo control) eintervención a propósito de la investigación. 9. COMUNITARIOS: La unidad de estudio es la población y la fuente de datos de tiposecundario. Exploratorios: El único propósito es buscar patrones espaciales o temporales quepodrían sugerir temas de investigación. Comparaciones múltiples: Verifican hipótesis sobre la diferencia de parámetroscorrespondientes a situaciones diferentes en una población. Series temporales: Analiza las variaciones temporales de los niveles deexposición a través del tiempo. Ej. La semana epidemiológica. 10. ENSAYOS CLÍNICOS: Evalúan métodos de prevención, diagnóstico, tratamiento yrehabilitación. Prevención: Suelen ser comunitarios; su propósito es determinar la eficacia de unagente o medida. Ej. Vacunación para la prevención de la Hepatitis B. Terapéuticos: Su propósito es modificar el curso natural de la enfermedad. Ej.Tratamiento de la diabetes para prevenir nefropatía diabética. Rehabilitación: Suelen ser estudios individuales; su propósito es curar, aliviar y/oprolongar la vida del paciente. Ej. Excéresis de un tumor localizado. LAS VARIABLES SEGÚN SU MEDICIÓN 1. VARIABLES OBJETIVAS 2 Son propiedades, características o atributos que se dan en las unidades de estudio(personas, grupos, etc.) o por derivación de ellas; siempre deben ser medibles. Las variables individuales corresponden a las unidades de estudio individuales, ejm.el nivel de instrucción de las personas. Las variables colectivas son propiedades de grupos y su medición se basa en laspropiedades individuales que poseen sus miembros, por ejemplo el índice deanalfabetismo. UNIDIMENSIONALES Cuando las variables no presentan ninguna dificultad para su identificación se diceque tienen indicadores directos (la misma variable es su propio indicador) ounidimensionales. El análisis estadístico de las variables individuales y las variables colectivas; inclusodentro de un mismo objetivo, no siempre es el mismo. 2. VARIABLES SUBJETIVAS El constructo es una propiedad que se supone posee una persona (unidad deestudio individual), es un concepto teórico. Ejm. la inteligencia, la motivación, lacreatividad, las actitudes, etc. Los constructos se definen como propiedades subyacentes, que no pueden medirsede manera directa, sino mediante indicadores que corresponden a sus dimensiones. Los instrumentos utilizados para medir variables subyacentes, deben tener unavalidez de constructo que corresponde su definición operacional. MULTIDIMENSIONALES Siendo que las variables subyacentes no se pueden medir directamente serequieren de indicadores; de manera que cada uno de los indicadores se convierteen una dimensión. Las variables subyacentes (constructos) que no pueden medirse de manera directa,requieren de tantas dimensiones como indicadores que permitan su medición. CRITERIOS DE CAUSALIDAD Criterios de Bradford Hill (1965) 1. Asociación estadística: Se trata de averiguar si existe relación entre el supuesto factor causal yel efecto estudiado. Para esto hay que buscar estudios epidemiológicos (Cohortes o Caso -Control) que indiquen el riesgo significativo (Riesgo Relativo o Razón de Momios). 2. Constancia o Consistencia: Consiste en conocer si la relación entre las dos variables, a las queinvestigamos una posible relación causa-efecto, ha sido confirmada por más de un estudio, enpoblaciones y circunstancias distintas por autores diferentes. 3. Especificidad: Es más fácil aceptar una relación causa-efecto cuando para un efecto sólo seplantea una sola etiología, que cuando para un determinado efecto se han propuesto múltiplescausas. En este caso lo apropiado sería hablar de Especificidad de la causa. 4. Temporalidad: Se trata de asegurar que el factor de riesgo ha aparecido antes que el supuestoefecto. Puede ser difícil de demostrar cuando no se puede asegurar si la presunta causa apareciócon anterioridad al presunto efecto. (Equivale a la cronología de Simonin) 5. Relación dosis-respuesta: Denominada “gradiente biológico”, La frecuencia de la enfermedadaumenta con la dosis o el nivel de exposición. (Equivale a la Intensidad de Simonin). Sin embargo,hay casos en que el gradiente biológico no se cumple (en una reacción alérgica). 3 6. Plausibilidad biológica: El contexto biológico existente debe explicar lógicamente la etiología porla cual una causa produce un efecto a la salud. Esta característica viene limitada por losconocimientos científicos que se tengan al respecto en el momento del estudio. 7. Coherencia: la interpretación de causas y efectos no puede entrar en contradicción con elcomportamiento propio de la enfermedad o lesión. Este criterio combina aspectos de consistenciay plausibilidad biológica (Corresponde a la evolución de Simonin) 8. Experimentación: Es un criterio deseable de alta validez. Se trata de reproducirexperimentalmente la asociación causa-efecto, o incidir en la causa para alterar el efecto cuandono sea posible o no se considere ética otra modalidad de experimentación. 9. Analogía: Se fundamenta en relaciones de causa-efecto establecidas, con base a las cuales si unfactor de riesgo produce un efecto a la salud, otro con características similares debiera producir elmismo impacto a la salud. Se trata de sintetizar la cuestión proyectada a investigar, generalmente a través de uninterrogante. Los problemas de Investigación se formulan con los 5 componentes acontinuación: VARIABLES: Debe mencionarse al menos la variable de estudio; pueden tambiénmencionarse todas las variables involucradas; o cuando las variables son muy numerosassuele usarse términos que resuman de manera lógica un grupo de variables. UNIDADES DE ESTUDIO: Unidades de observación, unidades experimentales, unidades de análisis. Recibendistintos nombres según el diseño de la investigación; y deben mencionarse, aunque aveces su presencia en el enunciado resulta implícita. DISEÑO DEL ESTUDIO: Propósito estadístico, Especificidad, etc. Es muy variable de acuerdo a la investigación;es importante utilizar términos que den por aludido el diseño de la investigación, el nivelinvestigativo, el tipo de estudio, etc. UBICACIÓN ESPACIAL: Es ineludible cuando se tratan de estudios descriptivos y se encuentra relacionado con eltamaño de la muestra; siendo que los fenómenos varían de un lugar a otro; se debeespecificar sobre que población se realizará la inferencia estadística. UBICACIÓN TEMPORAL: Al igual que en el criterio espacial, se requiere especificarlo cuando el fenómeno varíasegún el tiempo. En los estudios descriptivos sobre poblaciones infinitas o desconocidashabitualmente se encuentra relacionado con el muestreo accidental. Definición: Son conjeturas que plantea el investigador; afirmaciones aun no demostradas y quenacen de la experiencia (David Hume: empirismo) o de la deducción luego del análisis delos antecedentes investigativos (René Descartes: racionalismo). Deben referirse a unasituación real, en términos comprensibles, precisos, concretos y deben estarrelacionadas con técnicas disponibles para probarlas. Estructura: Fundamento: Es lo que nos lleva a sostener la hipótesis planteada. Las hipótesisrelacionales carecen de fundamento porque nacen de la subjetividad de una observación;mientras que las hipótesis explicativas se fundamentan en los antecedentesinvestigativos. 4 Deducción: Es la hipótesis misma, denominada hipótesis del investigador;estadísticamente es la hipótesis alterna y se debe someter a contraste. Cuando se laplantea en forma de interrogante es la que da respuesta al enunciado. Hipótesis según el nivel Investigativo: Descriptiva: Los estudios descriptivos no suelen contener hipótesis, así como tampocolos estudios exploratorios; porque no se puede presuponer sobre algo que apenas secomienza a conocer. En estos casos lo que si procede, es trabajar con objetivosdescriptivos debidamente declarados. Su función es precisamente generar hipótesis. Relacional: Las hipótesis relacionales o empíricas son afirmaciones respecto a lasrelaciones entre dos o más variables sin fundamento, porque nacen de la observación yla experiencia, siempre deben estar sujetas a comprobación empírica. Solamente buscanconcordancia entre hechos y generan la necesidad de plantear hipótesis explicativas. Explicativa: Las hipótesis explicativas o racionales son consideradas como explicacionestentativas respecto al problema planteado. Cumple su función sólo si está relacionadacon el conocimiento existente; nacen del razonamiento por analogía (Bradford Hill). Sinantecedentes investigativos no es posible plantear hipótesis explicativas. OBJETIVO ESTADÍSTICO Uno de los criterios más importantes a la hora de escoger el estadístico de prueba, seencuentra intrínsecamente relacionado al nivel investigativo; Exploratorio - Descriptivo -Relacional - Explicativo - Predictivo - Aplicativo. En esta pastilla se ha omitidointencionalmente el objetivo estadístico comparar por ser el mas usado y encontrarse entodos los niveles merece una mención aparte. 11. A nivel descriptivo Estimar: Usado frecuentemente para la estimación puntual de un parámetro ylos intervalos de confianza del mismo. Determinar. Cuando buscamos en obtener el resultado de una variablesubyacente o constructo y utilizamos un instrumento documental. Describir: Para las variables que no son de estudio y que no involucra lautilización de instrumentos pues se tratan de variables unidimensionales odirectas. 12. A nivel relacional Asociar: Plantea que dos sucesos ocurren de manera simultánea en repetidasocasiones y que tal concurrencia no puede atribuirse al azar. Concordar: Sucesos concurrentes que corresponden a diferentes observadoreso al mismo observador pero con diferentes instrumentos. Correlacionar: Plantea que en un mismo individuo las unidades de una de susvariables se correlaciona con otra diferente. 13. A nivel explicativo Evidenciar: Propio de los estudios observacionales donde el análisisestratificado busca descartar asociaciones aleatorias, casuales o espurias. Demostrar: Cuando el origen de los datos corresponde a un experimento,pretendemos demostrar algo que hemos evidenciado observacionalmente. Probar: Luego de haber demostrado mediante un estudio experimental setiene que repetir para probar consistencia o coherencia (Bradford Hill 1965) 14. A nivel predictivo 5 Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie deeventos por consecuencia la variable a predecir es dicotómica. Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en función altiempo por consecuencia la variable pronosticada es numérica. Preveer: Calcular la probabilidad de necesitar, disponer o preparar medioscontra futuras contingencias. NIVEL DE SIGNIFICANCIA Al plantear un estudio sobre una población, idealmente debemos estudiar a todos losindividuos que la conforman; pero no siempre podemos acceder a todos, entoncestenemos que escoger una muestra; sin embargo los resultados obtenidos de esta maneranunca serán exactamente iguales, a los que se obtendrían de estudiar a toda lapoblación; es decir, siempre va a haber un margen de error. Nivel de Significancia. Antes de realizar el estudio debemos plantearnos; queproporción de error estamos dispuestos a aceptar para dar por válido nuestro resultado. El error es el objetivo principal del estudio. El análisis estadístico consiste en calcular laprobabilidad de cometer este error y esperamos que sea menor al planteadopreliminarmente como nivel significancia. Nivel de confianza. Es la confianza que debemos alcanzar para generalizar el resultadode una muestra hacia toda la población. Es el complemento del nivel de significancia; esla confianza que tenemos, de que la conclusión a la que hemos llegado es cierta. Unaprobabilidad elevada nos da la tranquilidad de que lo que hemos calculado es cercano alo real y no debida al azar Niveles convenidos: a) α = 5%. Existe 5% (0.05) de probabilidad de equivocarse y 95% (0.95) de confianza. b) α = 1%. Existe 1% (0.01) de probabilidad de equivocarse y 99% (0.99) de confianza. Definición de términos. El error tipo I: Ocurre cuando afirmamos la hipótesis del investigador, siendo que esfalsa. Por lo tanto, es un juicio de valor equivocado. El p-valor: Es la probabilidad de equivocarse al aceptar nuestra hipótesis delinvestigador como verdadera; es decir la probabilidad de cometer un error tipo I. El nivel de significancia: Es la máxima probabilidad de error que estamos dispuestosaceptar para dar como válida nuestra hipótesis del investigador. RITUAL DE LA SIGNIFICANCIA ESTADÍSTICA 1. Formulación de Hipótesis Consiste en traducir la hipótesis metodológica en una hipótesis estadística de acuerdo alsiguiente sistema: Ho: Hipótesis nula ó hipótesis de trabajo H1: Hipótesis alterna ó hipótesis del investigador El primer paso es colocar la hipótesis del investigador como Hipótesis Alterna (H1) yformular la Hipótesis Nula (Ho) que viene a ser la negación de la alterna. Se precisa esteartificio porque es a la Hipótesis Nula a la que se le somete a contraste. 2. Establecer el nivel de significancia. El nivel de significancia denotado por la letra griega alfa es la probabilidad de rechazar lahipótesis nula cuando es verdadera a lo cual se le denomina error de tipo I, SegúnFisher, el nivel de significación estadística equivale a la magnitud del error que se estádispuesto a correr de rechazar una hipótesis nula verdadera. Para la mayoría de lospropósitos, el nivel de significación previamente establecido suele ser de 0.05. 3. Elección de la prueba estadística. 6 El estadístico de prueba elegido está intrínsecamente relacionado con el objetivoestadístico correspondiente para su nivel investigativo; para esto debemos considerar lanaturaleza de las variables y el comportamiento de los datos que corresponde a sudistribución para los de naturaleza cuantitativa y las frecuencias esperadas para los denaturaleza cualitativa. 4. Toma de la decisión Luego de desarrollar la prueba estadística elegida se toma una decisión en función a laregla previamente establecida según las que se acepta o se rechaza la hipótesis nulapara lo cual es imprescindible determinar el Valor critico, que es un número que divide laregión de aceptación y la región de rechazo, según el valor de la probabilidad que sehaya adoptado como nivel de significación estadística. 5. Interpretación del p-valor. Este último paso en el ritual de la significancia estadística no fue planteado originalmentepor Fisher, pero cobra vital importancia con la aparición de los software estadísticos quenos calculan directamente el p-valor, el cual cuantifica el error tipo I y nos ayuda a tomaruna decisión de rechazo a la hipótesis nula (Ho) cuando es menor al nivel de significanciay de no rechazo cuando su valor es mayor al alfa planteado. OBJETIVO ESTADÍSTICO NIVEL INVESTIGATIVO RELACIONAL: VAR CATEGÓRICA 3. COMPARAR (Grupos): Es el objetivo estadístico más básico del análisis bivariado; aunquealgunos autores piensan que es univariado, porque habitualmente involucra un solo eventoaleatorio (diseños ecológicos), donde los grupos se construyen previamente a la ejecución delestudio; Sin embargo, su análisis involucra a dos variables y por ello corresponde al nivelinvestigativo relacional. Su finalidad es identificar las diferencias entre los grupos participantes. La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Homogeneidad. Ho: Las proporciones de los grupos no son diferentes. H1: Las proporciones de los grupos son diferentes. 4. COMPARAR (Antes-Después): Es la comparación de un mismo grupo antes y después de unaintervención o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo, esverificar los cambios producidos entre una medida y otra; donde las variaciones puedenadjudicarse a la intervención o al periodo de seguimiento; por ello corresponden a estudioslongitudinales. Estas comparaciones siempre son de individuo a individuo. La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Mc Nemar. Ho: No existe diferencia entre las dos medidas. H1: Existe diferencia entre las dos medidas. 5. ASOCIAR (Categorías): Solamente la comparación de una variable dicotómica en dos gruposnos puede llevar a la asociación; y aunque se puede identificar en las tablas 2 x 2, debemoshacer una medida asociación. Para asociar hay que definir los factores de interés en ambasvariables; y es que habitualmente la asociación involucra dos eventos aleatorios. Desde el puntode vista epidemiológico tenemos dos medidas de asociación relevantes: Riesgo Relativo y elOdds Ratio. La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Independencia. Ho: Existe independencia entre los dos eventos (variables). H1: Existe dependencia entre los dos eventos (variables). 6. CONCORDAR: Es una medida de acuerdo entre dos observaciones donde el requisitofundamental es que se trata de un solo grupo y los resultados de la observación tienen lasmismas opciones. Tenemos dos casos 7 frecuentes: Cuando las observaciones corresponde adiferentes observadores y cuando las observaciones corresponden a diferentes instrumentos. Eneste caso el estadístico, es también un índice de concordancia. La prueba de hipótesis se realiza con el estadístico: Índice Kappa de Cohen. Ho: No existe concordancia entre las dos observaciones. H1: Existe concordancia entre las dos observaciones. OBJETIVO ESTADÍSTICO NIVEL INVESTIGATIVO RELACIONAL: VAR NUMÉRICA 7. COMPARAR (Grupos): Su finalidad es identificar las diferencias entre los grupos participantes; se puede comparar dos o más grupos y habitualmente estos grupos se construyen en la etapa de planificación del estudio. La comparación inicial es a dos colas; pero debe complementarse con un test de una sola cola. Cuando se comparan más de dos grupos, debe realizarse una prueba post Hoc, con la finalidad de detectarse diferencias entre cada uno de los grupos. La prueba de hipótesis se realiza con el estadístico: t de Student para muestras independientes. Ho: Los promedios de los grupos no son diferentes. H1: Los promedios de los grupos son diferentes. 8. COMPARAR (Antes-Después): Siempre corresponde a estudios individuales, es la comparación de un mismo grupo antes y después de una intervención o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo, es detectar cambios entre una medida y otra; donde las variaciones pueden adjudicarse a la intervención o al periodo de seguimiento; por ello corresponden a estudios longitudinales. La hipótesis habitualmente es de una sola cola. La prueba de hipótesis se realiza con el estadístico: t de Student para muestras relacionadas. Ho: No existe variación entre las medidas antes y después de la intervención. H1: Existe variación entre las medidas antes y después de la intervención. 9. CORRELACIONAR (Unidades): Se puede correlacionar las unidades de dos variables, incluso de diferente dimensión, para ello hay que definir las unidades en ambas variables; que habitualmente esta involucra dos eventos aleatorios. La correlación puede significar el primer paso para la asociación, muy útil cuando se realiza minería de datos. Ejm.: Correlacionar los niveles séricos de sodio con los valores de presión arterial en un grupo de pacientes hospitalizados. La prueba de hipótesis se realiza con el estadístico: Correlación R de Pearson. Ho: Existe independencia entre las dos variables. H1: Existe dependencia entre las dos variables. 10. CORRELACIONAR (Como valor predictivo): Aquí se tiene por descontado la presencia de correlación; por lo que su fin es medir el grado de correlación. Desde el punto de vista de la evaluación de pruebas diagnósticas se utiliza la correlación para evaluar el valor predictivo de una variable sobre la otra. Ejm. Hallar el valor predictivo del ponderado fetal recién nacidos a término. En general para la validación de instrumentos se puede utilizar para calcular el Alfa de Cronbach: Correlación Ítem-Total La prueba estadística es el Índice Correlación R de Pearson ó el R2 Ho: No existe correlación entre las dos medidas. H1: Existe correlación entre las dos medidas. OBJETIVO COMPARATIVO 8 15. EXPLORATORIO. Aquí agrupamos a las comparaciones sin métodos estadísticos, siendo que la investigación cualitativa no hace uso de las herramientas estadísticas, el principal diseño encontrado aquí son las comparaciones múltiples enmarcadas en los diseños comunitarios o ecológicos. Como ejemplo podemos mencionar la comparación de las costumbres a la hora del parto en la Región Quechua y Aymara. Comparación por juicio de expertos en la validación cualitativa de un instrumento. La comparación cualitativa es una opinión. 16. DESCRIPTIVO. Las comparaciones descriptivas ocurren cuando evaluamos dos poblaciones en los estudios comunitarios o ecológicos, en este caso no se requiere aplicar pruebas estadísticas puesto que precisamente estamos estudiando a la población y no hay inferencia estadística. La comparación del rendimiento académico de dos estudiantes al momento de la graduación tampoco requiere de pruebas de hipótesis sino solamente de ver quién es el que tiene el mayor promedio. El objetivo estadístico describir según las variables epidemiológicas es el primer punto de partida para la verdadera comparación. 17. RELACIONAL. Recordemos que el contraste de independencia entre dos variables responde a tres modelos matemáticos: modelo con los totales marginales de ambos factores fijos (modelo I), modelo con los totales marginales de uno de los factores fijos (modelo II), y el modelo con el total muestral fijo (modelo III); pues bien el objetivo comparativo a nivel bivariado (nivel relacional) corresponde al modelo II con un factor fijo y uno aleatorio. Dependiendo de la naturaleza de la variable se elegirá un determinado estadístico. La comparación puede ser de grupos independientes o de muestras relacionadas. 18. EXPLICATIVO. La finalidad de este nivel es descartar asociaciones aleatorias, casuales o espurias sobre todo cuando hacemos análisis comparativo estratificado cuando queremos realizar el control estadístico en un estudio observacional, ésta es la función del test de Mantel-Haenszel. A nivel experimental podemos plantear objetivos comparativos de grupo aleatorizados; como por ejemplo comparar el efecto sobre la variable efecto en el grupo experimental y el grupo blanco, hablando de estudios epidemiológicos. Dentro de los experimentos verdaderos la factorización de las causas también corresponde al objetivo comparativo 19. PREDICTIVO: Podemos comparar el valor predictivo de dos procedimientos diagnósticos o de dos formas de evaluar una variable predictiva; por ejemplo podemos comparar la eficiencia diagnóstica de dos métodos de detección de una enfermedad. En otro momento podemos comparar el pronóstico de la enfermedad o del tiempo de supervivencia de dos tratamientos en pacientes con cáncer. Incluso hay técnicas comparativas para el análisis de supervivencia de Kaplan-Meier. 9 TÉCNICAS DE RECOLECCIÓN DE DATOS No es lo mismo que registro de datos 5. Documentación Constituye la técnica de recolección de datos más básica y a la vez la más inexacta; sin embargo en ocasiones es la única disponible para recopilar la información; Habitualmente la información fue recolectada con fines distintos al estudio en curso; por ello los estudios realizados con esta técnica siempre son retrospectivos. Ejm. Análisis de contenido 6. Observación: La observación científica se caracteriza por ser sistemática, controlada y con mecanismos destinados a evitar errores de subjetividad, confusiones, etc. Es una observación simple cuando no perturba la acción o situación que se está investigando. Por otro lado la observación participante puede ser natural cuando el observador pertenece al conjunto humano que investiga y artificial, cuando la integración del observador al grupo se hace con el objeto de desarrollar un trabajo de investigación. La experimentación es una observación participante artificial. 7. Entrevista Consiste en una interacción entre dos personas, una de las cuales -el investigadorformula determinadas preguntas relativas al tema en investigación, mientras la otra -el investigado- proporciona la información que le es solicitada. La entrevista puede ser estructuradas y no estructurada; en la investigación cuantitativa se apoya en un cuestionario al cual se le denomina heteroadministrado. 8. Encuesta La palabra "encuesta" se usa más frecuentemente para describir un método de obtener información de una muestra de individuos. Esta "muestra" es usualmente sólo una fracción de la población bajo estudio. Cuando se aplica al total de la población se llama censo y siempre es parametrada. Se apoya en un cuestionario que casi siempre es autoadministrado. La ventaja principal de tal procedimiento radica en la gran economía de tiempo y personal que implica, ya que los cuestionarios pueden enviarse por correo, dejarse en algún lugar apropiado, o pueden administrarse a grupos reunidos al efecto. 9. Psicometría Los test psicológicos emplean una gran variedad de técnicas específicas, que se combinan según los objetivos deseados. Una gran proporción de ellos acude a la formulación de preguntas ya anotadas en algún cuestionario apropiado, que es el test mismo, y que se autoadministra. INSTRUMENTOS DE MEDICIÓN No confundir con materiales de verificación Destinados a medir variables subjetivas denominadas constructos, requieren de tareas o procedimientos estructurados que recogen las respuestas de un participante, cuya puntuación es independiente de la persona que evalúa. Los instrumentos deben provocar 10 una reacción a los evaluados cuya respuesta se plasme en un documento. 10. Instrumentos Documentales El Cuestionario. Es un plan formalizado para recolectar datos de encuestados y/o entrevistados. Es el método más conocido para la recolección de datos y el más familiarizado. Un cuestionario supone un conjunto de preguntas que el sujeto tiene que responder a fin de evaluar alguna capacidad, generalmente cognitiva, lo cual debe ser calificado por el evaluador Como ejemplo podemos citar a los exámenes para evaluar rendimiento académico. Las Escalas. Los evaluados indican su acuerdo o desacuerdo con una serie de afirmaciones sobre la variable que se desea medir. Arrojan una calificación total que indica la dirección e intensidad de la actitud del individuo hacia el constructo medido, por lo que requieren de una respuesta ordinal. Su construcción debe perseguir: la homogeneidad de los reactivos, la igualdad de las distancias entre las unidades de la escala y la comparabilidad del resultado final. El ejemplo más básico es la escala visual análoga. Los Inventarios. Conjunto de frases o palabras a las que el sujeto tiene que responder eligiendo o marcando su posición ante ellas (por ejemplo, al ítem “Me gustan las revistas de mecánica, decoración o computadoras”, notemos que ninguna respuesta es calificada como correcta e incorrecta. Los inventarios pueden estar conformados por cuestionarios y/o escalas. Por ejemplo el test de inteligencias múltiples puede indicarnos inteligencia: Lingüística, Lógicomatemática, Musical, Naturalista, etc. 11. Instrumentos Mecánicos Los instrumentos mecánicos utilizados para medir variables subjetivas son por ejemplo instrumentos para realizar mediciones fisiológicas. Un ejemplo práctico es la medición de la capacidad auditiva donde el instrumento mecánico es el audiómetro donde el evaluador no puede influenciar sobre los resultados y se limita a realizar las anotaciones del momento en el que el evaluado logra percibir el estímulo acústico que se incrementa progresivamente. VALIDEZ DE UN ESTUDIO Un estudio es válido si sus resultados corresponden a la verdad. Independientemente del tema y los objetivos de un estudio, lo que siempre se debe perseguir es que el estudio sea válido. La meta fundamental que todo estudio debe perseguir es la calidad de los datos; por ello, todo lo que amenace una correcta medición debe ser identificado y corregido. Los elementos que amenazan esta calidad son: El Error Aleatorio y el Error Sistemático. 1. Error Aleatorio La carencia de error aleatorio se conoce como precisión y se corresponde con la reducción del error debido al azar. Para reducir este error el elemento más importante del que disponemos es incrementar el tamaño de la muestra y con ello aumentamos la precisión. Los intervalos de confianza y el error estándar se reducen al aumentar el 11 tamaño muestral. 2. Error sistemático Exactitud. Se ha generalizado al término validez como la carencia del error sistemático. Esta validez tiene dos componentes: La validez interna, que es la validez de las inferencias a los sujetos reales del estudio y la validez externa o generalización en tanto se aplica a individuos que están fuera de la población del estudio. 2.1. La validez interna La validez interna implica la validez de la inferencia para los propios sujetos de estudio. Es máxima cuando el estudio minimiza los sesgos. Se ve amenazada cuando no podemos controlar los dos tipos de sesgos: de Selección y de Medición. En un estudio comparativo los sesgos que afectan la validez interna surgen siempre que los grupos estudiados difieren en más características que la exposición. La validez interna es un prerrequisito para que pueda darse la extrema. 2.2. La validez externa Es la generalización de los resultados de un estudio más allá de los límites de la población considerada en el mismo. Cuando el universo e incluso el marco muestral es demasiado grande como para ser estudiado e incluso muestreado; se estudia una porción deliberada de la población; asumiendo que el conglomerado seleccionado es lo suficientemente homogéneo con otras poblaciones como para que los resultados encontrados puedan ser extrapolados. Eliminar el error sistemático es utópico y el error aleatorio solo puede ser anulado estudiando a toda la población. UNIDADES DE ESTUDIO Hablando de estudios epidemiológicos, la unidad de estudio es la persona sobre la cual queremos conocer la distribución de la variable de estudio o variable de interés. 12. Unidad de estudio: Es el individuo de donde se obtiene la información, en un estudio de investigación existe solamente una unidad de estudio y su reconocimiento es crucial para el diseño de la estrategia metodológica y estadística. 13. Unidad de información: Cuando los estudios utilizan la técnica documental, por ejemplo en una auditoría médica las unidades de información son las historias clínicas. 14. Unidad de muestreo: Son las unidades que ingresan al sorteo en el muestro aleatorio simple; en un muestro polietápico son los conglomerados o clusters los que ingresan al sorteo, mientras que las unidades de estudio son los pacientes. 15. Unidad de análisis: Si queremos conocer el nivel de glucosa en plasma entonces 5cc de sangre serán suficientes, a esta cantidad de sustancia se le conoce como unidad de análisis, y basta con una para realizar inferencia estadística. 16. Unidad de observación: Propio de los estudios experimentales, no requiere mayor profundización en su definición puesto que es en realidad la unidad de estudio para este tipo de investigación. 17. Unidades de experimentación: Es la unidad donde la variable de interés es 12 manipulada, la unidad de experimentación en ocasiones se descarta luego de la investigación, por ejemplo cuando trabajamos con animales de experimentación. Tipos: 1. Unidades de estudio simples Aparecen en los estudios descriptivos donde la variable de interés es única. Cuando la unidad de estudio la representa un individuo o la información requerida para un estudio se puede obtener de un solo ente de información 2. Unidades de estudio complejas Habitualmente corresponde a estudios analíticos donde el número de variables de interés es dos o más y cada una de las variables se mide en individuos u objetos distintos POBLACIÓN Y MUESTRA POBLACION Conjunto de todos los casos o grupo de unidades (sujetos u objetos de estudio) con alguna característica común. Las poblaciones deben situarse claramente en torno a sus características de contenido, lugar y tiempo. La delimitación de la población que va ser estudiada y sobre la cual se pretende generalizar los resultados, es un paso importante en una investigación. Si se dispone de una lista de unidades o elementos de muestreo se dice que es conocida; sino se dispone de tal listado se dice que es desconocida. La medición completa de todos los elementos que constituyen la población constituye el censo, mientras que cuando no podemos acceder a ella podemos hacer el análisis de una parte de esta. MUESTRA Una muestra representativa debe tener un tamaño mínimo calculado y responder a una selección parametrada (muestreo probabilístico). Así podemos conocer la parte de una población que debe examinarse con la finalidad de hacer inferencias sobre dicha población. El muestreo otorga una probabilidad conocida de integrar la muestra a cada elemento de la población, y dicha probabilidad no es nula para ningún elemento. Unidad de muestreo: Elementos de la población que se van a estudiar. Cada unidad de estudio pertenece sólo una unidad de muestreo. UNIDAD DE ESTUDIO Conocido también como unidad de análisis, unidad de observación, unidad experimental, o unidad de población, son cada uno de los sujetos u objetos de estudio de la población del que hay que obtener la información PARAMETRO Es la medida estadística que describe un determinado aspecto de una población. Los parámetros más usuales en una investigación son: La media poblacional (μ), la varianza poblacional (s). ESTADIGRAFO Es la media estadística que describe un determinado aspecto de una muestra. Así, la media muestral (x), la varianza muestral (S2), etc., son estadígrafos porque se calculan 13 para una muestra. “Un parámetro es una constante, mientras que un estadígrafo es una variable.” MUESTREO PROBABILISTICO 1. Muestreo aleatorio simple Denominado también muestreo equiprobabilístico, porque si se selecciona una muestra de tamaño n de una población de N unidades, cada elemento tiene una probabilidad de inclusión igual y conocida de n/N. Ventaja: Se desarrolla en software porque se basa en la teoría estadística Desventaja: Precisa un marco muestral o listado de todas las unidades 2. Muestreo sistemático Para determinar una muestra de tamaño n conseguimos una lista de N elementos, definimos un intervalo de salto k=N/n y elegimos un número aleatorio entre 1 y k con el que comenzamos la selección de la muestra. Ventaja: No es necesario tener un marco muestral o listado de unidades. Desventaja: La constante podría asociarse con el fenómeno de interés 3. Muestreo aleatorio estratificado Como el azar no es una garantía de representatividad, aquí se pretende asegurar la representación de cada grupo en la muestra. Cuanto más homogéneos sean los estratos, más precisas resultarán las estimaciones. Ventaja: La muestra es homogénea en función a la variable involucrada. Desventaja: Se debe conocer la distribución en la población de la variable utilizada para la estratificación. 4. Muestreo por conglomerados Denominado también muestreo por clusters aprovecha se caracterizan porque la variación en cada grupo es menor que la variación entre grupos lo cual resulta ventajoso en los estudios comunitarios o poblacionales. Ventaja: Muy eficiente cuando las unidades están muy dispersas Desventaja: Requiere un manejo estadístico más complejo que el resto CONTROL DE UN ESTUDIO 1. CONTROL METODOLÓGICO a. Sesgo de selección Los sesgos de selección están íntimamente relacionados con el diseño de la investigación. En un estudio descriptivo no basta la aleatorización de la unidades de estudio; en un estudio caso-control hay muchas variantes para elegir a las unidades de estudio. · Criterios de inclusión · Criterios de exclusión b. Sesgo de medición Un atributo implícito de toda variable, es la susceptibilidad de ser medida mientras exista más diferencia entre el valor obtenido al medir una variable con relación a su 14 valor real mayor será el sesgo de medición. · Validación de instrumentos · Calibración de instrumentos 2. CONTROL ESTADÍSTICO a. Análisis estratificado A partir del nivel investigativo explicativo, el análisis multivariado cobra importancia a la hora de descartar asociaciones aleatorias, casuales o espurias. · Categóricos: Chi cuadrado de Mantel-Haenszel · Numéricas: ANOVA Factorial b. Análisis multivariado Si bien la minería de datos nos puede arrojar muchas relaciones entre variables que pueden ser casuales o causales, solamente a través del análisis estadístico multivariado podremos esclarecer la relación hallada. · Categóricos: Regresión logística · Numéricas: Regresión lineal múltiple SESGOS DE SELECCIÓN 3. Sesgo de prevalencia o incidencia (de Neymann): Se produce cuando la condición en estudio determina pérdida prematura de las unidades de estudio por ejemplo por fallecimiento. La exclusión de los pacientes que fallecen determina este tipo de sesgo. Por ejemplo la duración del tratamiento del cáncer en nuestro medio es corto porque se diagnostican en estadios avanzados. 4. Sesgo de admisión (de Berkson). En un estudio relacional ocurre cuando hay una mala selección del grupo de estudio y/o control. Ejm. cuando asociamos el hábito de fumar al cáncer broncogénico. Los pacientes con diagnóstico de Ca ya han dejado de fumar; por lo que se observará menor frecuencia de fumadores en pacientes con este tipo de cáncer. 5. Sesgo de no respuesta o efecto del voluntario. El grado de interés o motivación que pueda tener un individuo que participa voluntariamente en una investigación puede diferir sensiblemente en relación con otros sujetos. Igualmente, la negativa de algunos sujetos para ser incluidos en un estudio puede estar dada por motivaciones sistemáticas experimentadas por ellos. 6. Sesgo de pertenencia (membresía) Se produce cuando entre los sujetos evaluados se presentan subgrupos de sujetos que comparten algún atributo en particular, relacionado positiva o negativamente con la variable en estudio. Ejemplo: Nivel de conocimientos sobre signos de alarma en las gestantes debe excluir a las gestantes que son profesionales de la salud. 7. Sesgo del procedimiento de selección Puede observarse en diseños de investigación experimentales (ensayos clínicos controlados), en los cuales no se respeta el principio de aleatoriedad en la asignación a los grupos de experimentación y de estudio. En los pre-experimentos 15 la administración del medicamento responde a las necesidades terapéuticas del paciente y no a la del investigador. SESGOS DE MEDICIÓN 1. Sesgo de procedimientos Ocasionalmente el grupo que presenta la variable dependiente resulta ser más interesante para el investigador que el grupo que participa como control. Por esta circunstancia, en el procedimiento de observación suele ser mas detenido. En el caso de un estudio en el que exista intervención, el sujeto del grupo experimental puede verse beneficiado con una mayor acuciosidad en la observación. 2. Sesgo de memoria o de información Frecuente de observar en estudios retrospectivos, en los cuales se pregunta por antecedente de exposición a determinadas circunstancias en diferentes períodos de la vida, existiendo la posibilidad de olvido. Por ejemplo, exposiciones inadvertidas a diversos factores y que pueden afectar la medición ya sea por su omisión absoluta o en la determinación de niveles de exposición. 3. Sesgo por falta de sensibilidad de un instrumento. Si no se cuenta con adecuados métodos de recolección de la información, es posible que la sensibilidad de los instrumentos empleados en tales mediciones carezca de la sensibilidad necesaria para poder detectar la presencia de la variable en estudio. Una consecuencia es que encontremos una frecuencia de la enfermedad inferior a la real. 4. Sesgo de detección Su ocurrencia se explica por la introducción de metodologías diagnósticas diferentes a las inicialmente utilizadas al comienzo de un estudio. Es conocido que no existe coincidencia absoluta entre dos instrumentos de medición; por ello los estudios deben realizarse con un solo instrumento y un solo observador. 5. Sesgo de adaptación En los estudios de intervención (experimentales), a veces los cuales individuos asignados inicialmente a un grupo deciden migrar de grupo por preferir un tipo de intervención por sobre otro. En un ensayo clínico controlado la ocurrencia de este tipo de sesgo se neutraliza mediante la asignación aleatoria de los sujetos y por la presencia del llamado "doble ciego”. VALIDACIÓN DE INSTRUMENTOS 1. Validez de contenido (Validez Cualitativa) La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el alcance del constructo. Podemos dividirlo en tres fases según el estado actual del conocimiento a. Aproximación a la población (Validez de respuesta) b. Juicio de expertos (Validación por jueces) c. Revisión del conocimiento disponible (Validez racional) 16 2. Consistencia interna (Alfa de Cronbach) Es la capacidad de obtener resultados independientes de las circunstancias accidentales de la medición. Se fundamenta en la varianza de la variable medida, existen varios índices que miden confiabilidad, entre ellos el Alfa de Cronbach y el Kuder-Richardson (KR-20). Es afectado por la heterogeneidad de los individuos evaluados; cuanto más heterogéneo es el grupo, mayor es el coeficiente de fiabilidad. 3. Validez de constructo (Rotación de Varimax) Los procedimientos estadísticos apuntan a establecer probabilísticamente grupos de ítems que deberán ser definidos como dimensiones. Estas dimensiones deben ser conceptualizadas de manera consensuada para otorgarles el carácter de útiles y científicamente válidos, por cuanto no existe una prueba patrón. Si los dominios se han construido teóricamente, la estadística corrobora la idoneidad de estas agrupaciones. 4. Criterio (Índice Kappa) Cuando la variable medida cuenta con un Gold Stándard, entonces se puede verificar los resultados hallados, mediante un procedimiento. Si el criterio se fija en el presente, se habla de validez concurrente (los resultados del instrumento se correlacionan con el criterio en el mismo momento o punto del tiempo). Si el criterio se fija en el futuro, se habla de validez predicativa. Como la predicción del peso al nacer mediante métodos ecográficos 5. Estabilidad (ANOVA) La medición debe arrojar valores constantes siempre que sean tomadas en condiciones similares entre una medición y otra (test-retest). Se trata de ver hasta que punto un conjunto de medidas son reproducibles en el tiempo, el grado en que las puntuaciones son estables sería el grado de fiabilidad. La estabilidad es una propiedad de un instrumento, que solo puede ser evaluada si un constructo está plenamente definido. 6. Rendimiento (Curvas ROC). Si un instrumento es válido, debe ser optimizado para conducirnos eficazmente a una decisión dicotómica (positivo-negativo) así en base a un diagnóstico decidiremos tratar o no al paciente. Se construye una curva en base a los pares ordenados de sensibilidad y 1-especificidad en distintos puntos de corte del instrumento. Debemos elegir el puto de corte que nos ofrezca los mayores valores de sensibilidad y especificidad a través de las Curvas de ROC. VALIDACIÓN DE CONTENIDO La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el alcance del constructo. Podemos dividirlo en tres fases según el estado actual del conocimiento. 1. Aproximación a la población (Validez de respuesta) Implica la ausencia del conocimiento del concepto que se desea medir; la información se 17 obtiene mediante técnicas introspectivas de los evaluados. Se puede utilizar una entrevista con preguntas abiertas donde las unidades de estudio nos revelarán de manera espontánea las posibles respuestas al instrumento que pretendemos crear. Ejemplo: ¿Cuál es el uso que le dan los docentes universitarios a las tecnologías de la información en el proceso de enseñanza aprendizaje? 2. Juicio de expertos (Validación por jueces) Los jueces o expertos deben evaluar, de manera independiente: la relevancia, coherencia, suficiencia y claridad; con la que están redactadas los ítems o reactivos con el concepto medido. El autor debe considerar la pertinencia a la hora de elegir los jueces, siendo que en el momento actual no se cuenta con bibliografía disponible Es importante que el autor del instrumento sea considerado el más experto de todos, para que pueda hacer una elección interdisciplinaria de evaluadores. 3. Revisión del conocimiento disponible (Validez racional) Este es el momento de la validez en que se asegura la mejor representatividad de los ítems, respecto a la totalidad del campo o rasgo objeto de evaluación. El autor del instrumento debe considerar: Objetividad, Alcance, Exactitud, Autoridad, Cobertura, Vigencia y Relevancia; de la información con la que pretende construir un instrumento. Así los constructos aquí están mejor definidos porque se dispone de literatura; de manera que los conceptos a medir ya no son provisionales ni vagos. No existe un índice validez de contenido La validez de contenido está avalado por la forma o procedimiento utilizado para construir el test y por las personas que lo construyen, por su grado de conocimiento del área o rasgo evaluado MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Medidas de resumen para variables numéricas MEDIDAS DE TENDENCIA CENTRAL Media: Media aritmética, es la que se obtiene sumando los datos y dividiéndolos por el número de ellos. Se aplica por ejemplo para resumir el número de pacientes promedio que se atiende en un turno. Otro ejemplo, es el número promedio de controles prenatales que tiene una gestante. Mediana: Corresponde al percentil 50%. Es decir, la mediana divide a la población exactamente en dos. Por ejemplo el número mediana de hijos en el centro de salud “X” es dos hijos. Otro ejemplo es el número mediana de atenciones por paciente en un consultorio. Moda: Valor o (valores) que aparece(n) con mayor frecuencia. Una distribución unimodal tiene una sola moda y una distribución bimodal tiene dos. Útil como medida resumen para las variables nominales. Por ejemplo, el color del uniforme quirúrgico en sala de operaciones es el verde; por lo tanto es la moda en colores del uniforme quirúrgico. 18 MEDIDAS DE DISPERSIÓN Desviación Estándar: Llamada también desviación típica; es una medida que informa sobre la media de distancias que tienen los datos respecto de su media aritmética, expresada en las mismas unidades que la variable. La varianza: Es el valor de la desviación estándar al cuadrado; su utilidad radica en que su valor es requerido para todos los procedimientos estadístico. Error típico: Llamado también error estándar de la media. Se refiere a una medida de variabilidad de la media; sirve para calcular cuan dispersa estaría la media de realizar un nuevo cálculo. MEDIDAS DE POSICIÓN Y DE FORMA MEDIDAS DE POSICIÓN: Cuantiles Percentiles: Son 99 valores que dividen en cien partes iguales el conjunto de datos ordenados. Ejemplo, el percentil de orden 15 deja por debajo al 15% de las observaciones, y por encima queda el 85%. Cuartiles: Son los tres valores que dividen al conjunto de datos ordenados en cuatro partes iguales, son un caso particular de los percentiles. Se denotan como: Q1 o primer cuartil, Q2 segundo cuartil (la mediana) y Q3 tercer cuartil. Deciles: Son los nueve valores que dividen al conjunto de datos ordenados en diez partes iguales, son también un caso particular de los percentiles. MEDIDAS DE FORMA Asimetría: una distribución es simétrica cuando su mediana, su moda y su media aritmética coinciden. Existen varias medidas de la asimetría de una distribución de frecuencias. Una de ellas es el Coeficiente de Asimetría de Pearson: Su valor es cero cuando la distribución es simétrica, positivo cuando existe asimetría a la derecha y negativo cuando existe asimetría a la izquierda. Asimetría Derecha (+) Simétrica (0) Asimetría Izquierda (-) Apuntamiento o Curtosis: la curtosis es una medida de la forma que busca cuantificar la mayor o menor concentración de frecuencias alrededor de la media y en la zona central de la distribución. Se mide con el coeficiente de apuntamiento o curtosis: Su valor es cero cuando la distribución es mesocúrtica, positivo cuando es leptocúrtica y negativo cuando es platicúrtica. Leptocúrtica (+) Mesocúrtica (0) Platicúrtica (-) GRÁFICAS UNIVARIABLES 1. Para variables categóricas 19 DISCUSIÓN Como ejemplo vamos a plantear un estudio de casos y controles sobre cuyos resultados tenemos que realizar una discusión. 1. DESCRIPCIÓN Describir la frecuencia de ocurrencia de la enfermedad en el grupo de estudio y describir la frecuencia de ocurrencia de la enfermedad en el grupo de control. Luego identificar numéricamente las diferencias entre la frecuencia de la enfermedad en el grupo de estudio y el grupo control. 2. ANÁLISIS Realizar una prueba de hipótesis para la diferencia descrita entre el grupo de estudio y el grupo control. Calcular el p-valor y mencionar si es significativo o no. Concluir el análisis estadístico usando la terminología adecuada según su nivel investigativo. Los resultados obtenidos de esta manera son la base de las conclusiones del estudio. 3. INTERPRETACIÓN Interpretar la relación demostrada probabilísticamente entre la variable independiente y la variable dependiente o las diferencias entre el grupo de estudio y el grupo control. Adicionalmente debemos interpretar las medidas de asociación. Las conclusiones del estudio estarán enmarcadas en la interpretación basada en la estadística y la relevancia clínica de los resultados. 4. COMENTARIOS - Comparación con los antecedentes investigativos: se trata de evaluar el criterio de consistencia o coherencia propuesto por Bradford Hill, por haber repetido el estudio o tener estudios similares. - Planteamiento de Hipótesis: de nuevas teorías que explicarían los hallazgos reportados, se trata de generar nuevas hipótesis para estudios futuros y así continuar con la línea de investigación. - Comentarios personales: Esta parte la puede realizar única y exclusivamente el investigador, “nadie mejor a su población que el propio investigador”. Estos comentarios apuntan al desarrollo de las recomendaciones. 20