TIPOS DE INVESTIGACIÓN 1. Según la intervención del Investigador:

Anuncio
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
Descargar
Colecciones de estudio