• Author / Uploaded
• peridactilo

Citation preview

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

INDICE

1.

Tipos de investigación………………………………………………………………………………………

02

2.

Niveles en Investigación…………………………………………………………………………………

03

3.

Diseños en Investigación…………………………………………………………………………………

04

4.

Las variables según su medición………………………………………………………………………

05

5.

Escalas de Medición de las variables………………………………………………………………

06

6.

Las variables según su relación………………………………………………………………………

07

7.

Criterios de Causalidad……………………………………………………………………………………

08

8.

Formulación del problema………………………………………………………………………………

09

9.

Formulación de Hipótesis…………………………………………………………………………………

10

10.

Objetivo estadístico……………………………………………………………………………………………

11

11.

Nivel de Significancia…………………………………………………………………………………………

12

12.

Ritual de la Significancia Estadística………………………………………………………………

13

13.

Objetivos estadísticos para variables categóricas…………………………………………

14

14.

Objetivos estadísticos para variables numéricas……………………………………………

15

15.

Objetivo estadístico comparar…………………………………………………………………………

16

16.

Técnicas de Recolección de Datos……………………………………………………………………

17

17.

Instrumentos de Medición…………………………………………………………………………………

18

18.

Validez de un estudio…………………………………………………………………………………………

19

19.

Unidades de estudio……………………………………………………………………………………………

20

20.

Población y muestra……………………………………………………………………………………………

21

21.

Muestreo probabilístico………………………………………………………………………………………

22

22.

Control de un estudio…………………………………………………………………………………………

23

23.

Sesgos de selección……………………………………………………………………………………………

24

24.

Sesgos de medición……………………………………………………………………………………………… 25

25.

Validación de instrumentos………………………………………………………………………………

26

26.

Validación Cualitativa…………………………………………………………………………………………

27

27.

Medidas de TC y Dispersión………………………………………………………………………………

28

28.

Medidas de Posición y de Forma…………………………………………………………………………

29

29.

Gráficas univariables……………………………………………………………………………………………

30

30.

Discusión de resultados………………………………………………………………………………………

31

1

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 estima parámetros en la población de estudio a partir de una muestra. ANALÍTICO: El análisis estadístico por lo menos es bivariado; porque plantea y pone a prueba hipótesis, su nivel más básico establece la asociación entre factores.

IMPORTANTE: “Descriptivo no es sinónimo de observacional”. Un estudio observacional puede ser analítico. Ejm: El estudio de los casos y controles.

2

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

NIVELES DE INVESTIGACIÓN 1.

EXPLORATORIO: Se plantean cuando no existe un cuerpo teórico que ilumine el fenómeno

observado;

su

función

es

el

reconocimiento

e

identificación

de

problemas. No hay preguntas que conduzcan a problemas precisos, se exploran áreas problemáticas. Se trata de investigación cualitativa; por lo que no se requiere de manejo estadístico. 2.

DESCRIPTIVO: Describe fenómenos sociales o clínicos en una circunstancia temporal

y

geográfica

determinada.

Su

finalidad

es

describir y/o

estimar

parámetros. Se describen frecuencias y/o promedios; y se estiman parámetros con intervalos de confianza. Ejm. los estudios de frecuencia de la enfermedad: Incidencia y Prevalencia. 3.

RELACIONAL: No son estudios de causa y efecto; la estadística solo demuestra dependencia entre eventos; Ejm. los estudios de asociación sin relación de dependencia. La estadística es bivariada nos permite hacer asociaciones (Chi Cuadrado) y medidas de asociación; correlaciones y medidas de correlación (Correlación de Pearson).

4.

EXPLICATIVO: Explica el comportamiento de una variable en función de otra(s); por ser estudios de causa-efecto requieren control y debe cumplir otros criterios de causalidad. El control estadístico es multivariado a fin de descartar asociaciones aleatorias, casuales o espurias entre la variable independiente y dependiente. Ejm. Chi2 de Mantel-Haenszel.

5.

PREDICTIVO: Se encarga de la estimación probabilística de eventos generalmente adversos, como puede ser las complicaciones de la enfermedad, la mortalidad, etc. Se aplican un conjunto de técnicas estadísticas. Ejm. La validación de una prueba diagnóstica requiere: Alfa de Cronbach, Índice Kappa, ANOVA, Curvas ROC.

6.

APLICATIVO: Plantea resolver problemas o intervenir en la historia natural de la enfermedad. Enmarca a la innovación técnica, artesanal e industrial como la científica. Las técnicas estadísticas apuntan a evaluar el éxito de la intervención, como medidas de impacto sobre los principales indicadores de salud: tasas, coberturas, rendimiento, etc.

3

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

DISEÑOS EN INVESTIGACIÓN 7.

EPIDEMIOLÓGICOS:

Estudian la

morbi-mortalidad

y eventos

la salud

en

poblaciones 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 terminan planteando la relación de causalidad. Ej. Casos y controles; Cohortes. De intervención: No son experimentos verdaderos, porque se ven limitados por las 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 que obedece a las necesidades terapéuticas del sujeto. Cuasi-experimento: Cuando no hay grupo control, no es posible realizar la asignación aleatoria, se realiza dos mediciones en el mismo grupo. Experimento verdadero: Cumple con la asignación aleatoria (grupo control) e intervención a propósito de la investigación.

9.

COMUNITARIOS: La unidad de estudio es la población y la fuente de datos de tipo secundario. Exploratorios: El único propósito es buscar patrones espaciales o temporales que podrían sugerir temas de investigación. Comparaciones múltiples: Verifican hipótesis sobre la diferencia de parámetros correspondientes a situaciones diferentes en una población. Series temporales: Analiza las variaciones temporales de los niveles de exposición a través del tiempo. Ej. La semana epidemiológica.

10.

ENSAYOS CLÍNICOS: Evalúan métodos de prevención, diagnóstico, tratamiento y rehabilitación. Prevención: Suelen ser comunitarios; su propósito es determinar la eficacia de un agente 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/o prolongar la vida del paciente. Ej. Excéresis de un tumor localizado.

4

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

LAS VARIABLES SEGÚN SU MEDICIÓN

1.

VARIABLES OBJETIVAS 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 las propiedades individuales que poseen sus miembros, por ejemplo el índice de analfabetismo. UNIDIMENSIONALES Cuando las variables no presentan ninguna dificultad para su identificación se dice que tienen indicadores directos (la misma variable es su propio indicador) o unidimensionales. El análisis estadístico de las variables individuales y las variables colectivas; incluso dentro de un mismo objetivo, no siempre es el mismo.

2.

VARIABLES SUBJETIVAS El constructo es una propiedad que se supone posee una persona (unidad de estudio individual), es un concepto teórico. Ejm. la inteligencia, la motivación, la creatividad, las actitudes, etc. Los constructos se definen como propiedades subyacentes, que no pueden medirse de manera directa, sino mediante indicadores que corresponden a sus dimensiones. Los instrumentos utilizados para medir variables subyacentes, deben tener una validez de constructo que corresponde su definición operacional. MULTIDIMENSIONALES Siendo que las variables subyacentes no se pueden medir directamente se requieren de indicadores; de manera que cada uno de los indicadores se convierte en una dimensión. Las variables subyacentes (constructos) que no pueden medirse de manera directa, requieren de tantas dimensiones como indicadores que permitan su medición.

5

ESCALAS DE MEDICIÓN Tipo

VARIABLES CATEGÓRICAS

VARIABLES NUMÉRICAS

Naturaleza

CUALITATIVAS

CUANTITATIVAS

(0) NOMINAL

(1) ORDINAL

(2) INTERVALO

(3) RAZÓN

Ningún atributo

Un atributo

Dos atributos

Tres atributos

Orden Distancia Origen

Orden Distancia Origen

Escala Atributos de la escala

Posee categorías a las Posee

Orden

Distancia

Origen

Orden Distancia Origen

categorías Tiene intervalos iguales y Tiene intervalos constantes

las

que se asigna un nombre ordenadas, pero no permite medibles. No tiene un origen entre valores; además de un Característica

sin

que

exista

ningún cuantificar la distancia entre real, por lo que puede asumir origen real. El cero significa

orden implícito entre ellas. Ejemplos

Género Masculino

Valor Final

Femenino

Estado Civil

una categoría y otra. Instrucción

Intensidad

Soltero

Primaria

Leve

Casado

Secundaria

Moderado

Conviviente

Superior

Severo

Dicotómicas: Tienen solamente dos categorías

Observaciones

valores negativos.

la ausencia del individuo.

Temperatura

Hora del día

Peso

Hijos

-10°C

00 Horas

00.00Kg

Uno

0°C

10 Horas

10.24Kg

Dos

20°C

20 Horas

20.00Kg

Tres

Continuas: Provienen de medir

Ejemplos de Ordinal Dicotómica:

Se pueden representar con números enteros o fraccionarios

Nuevo - Continuador

Entre dos valores siempre existe un valor intermedio

Vivo – Fallecido Sano – Enfermo Politómicas: Tienen más de dos categorías.

Discretas: Provienen de contar Solamente pueden ser representados con números enteros

CLASIFICACIÓN DE LAS VARIABLES

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

CRITERIOS DE CAUSALIDAD Criterios de Bradford Hill (1965) 1. Asociación estadística: Se trata de averiguar si existe relación entre el supuesto factor causal y el 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 que investigamos una posible relación causa-efecto, ha sido confirmada por más de un estudio, en poblaciones y circunstancias distintas por autores diferentes.

3. Especificidad: Es más fácil aceptar una relación causa-efecto cuando para un efecto sólo se plantea una sola etiología, que cuando para un determinado efecto se han propuesto múltiples causas. 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 supuesto efecto. Puede ser difícil de demostrar cuando no se puede asegurar si la presunta causa apareció con anterioridad al presunto efecto. (Equivale a la cronología de Simonin)

5. Relación dosis-respuesta: Denominada “gradiente biológico”, La frecuencia de la enfermedad aumenta 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).

6. Plausibilidad biológica: El contexto biológico existente debe explicar lógicamente la etiología por la cual una causa produce un efecto a la salud. Esta característica viene limitada por los conocimientos 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 el comportamiento propio de la enfermedad o lesión. Este criterio combina aspectos de consistencia y plausibilidad biológica (Corresponde a la evolución de Simonin)

8. Experimentación:

Es

un

criterio

deseable

de

alta

validez.

Se

trata

de

reproducir

experimentalmente la asociación causa-efecto, o incidir en la causa para alterar el efecto cuando no 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 un factor de riesgo produce un efecto a la salud, otro con características similares debiera producir el mismo impacto a la salud.

8

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

FORMULACIÓN DEL PROBLEMA

Se trata de sintetizar la cuestión proyectada a investigar, generalmente a través de un interrogante. Los problemas de Investigación se formulan con los 5 componentes a continuación:

VARIABLES: Debe mencionarse al menos la variable de estudio; pueden también mencionarse todas las variables involucradas; o cuando las variables son muy numerosas suele usarse términos que resuman de manera lógica un grupo de variables.

UNIDADES DE ESTUDIO: Unidades de observación, unidades experimentales, unidades de análisis. Reciben distintos nombres según el diseño de la investigación; y deben mencionarse, aunque a veces 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 nivel investigativo, el tipo de estudio, etc.

UBICACIÓN ESPACIAL: Es ineludible cuando se tratan de estudios descriptivos y se encuentra relacionado con el tamaño de la muestra; siendo que los fenómenos varían de un lugar a otro; se debe especificar sobre que población se realizará la inferencia estadística.

UBICACIÓN TEMPORAL: Al igual que en el criterio espacial, se requiere especificarlo cuando el fenómeno varía según el tiempo. En los estudios descriptivos sobre poblaciones infinitas o desconocidas habitualmente se encuentra relacionado con el muestreo accidental.

9

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

FORMULACIÓN DE HIPÓTESIS Definición: Son conjeturas que plantea el investigador;

afirmaciones aun no demostradas y que

nacen de la experiencia (David Hume: empirismo) o de la deducción luego del análisis de los antecedentes investigativos (René Descartes: racionalismo). Deben referirse a una situación

real, en

términos comprensibles,

precisos,

concretos

y deben

estar

relacionadas con técnicas disponibles para probarlas.

Estructura: Fundamento: Es lo que nos lleva a sostener la hipótesis planteada. Las hipótesis relacionales carecen de fundamento porque nacen de la subjetividad de una observación; mientras

que

las

hipótesis

explicativas

se

fundamentan

en

los

antecedentes

hipótesis

del

investigador;

investigativos. Deducción:

Es

la

hipótesis

misma,

denominada

estadísticamente es la hipótesis alterna y se debe someter a contraste. Cuando se la plantea 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 tampoco los

estudios exploratorios; porque no se puede presuponer sobre algo que apenas se

comienza a conocer. En estos casos lo que si procede, es trabajar con objetivos descriptivos debidamente declarados. Su función es precisamente generar hipótesis.

Relacional: Las hipótesis relacionales o empíricas son afirmaciones respecto a las relaciones entre dos o más variables sin fundamento, porque nacen de la observación y la experiencia, siempre deben estar sujetas a comprobación empírica. Solamente buscan concordancia entre hechos y generan la necesidad de plantear hipótesis explicativas.

Explicativa: Las hipótesis explicativas o racionales son consideradas como explicaciones tentativas respecto al problema planteado. Cumple su función sólo si está relacionada con el conocimiento existente; nacen del razonamiento por analogía (Bradford Hill). Sin antecedentes investigativos no es posible plantear hipótesis explicativas.

10

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

OBJETIVO ESTADÍSTICO Uno de los criterios más importantes a la hora de escoger el estadístico de prueba, se encuentra intrínsecamente relacionado al nivel investigativo; Exploratorio - Descriptivo Relacional -

Explicativo - Predictivo - Aplicativo. En esta pastilla se ha omitido

intencionalmente el objetivo estadístico comparar por ser el mas usado y encontrarse en todos los niveles merece una mención aparte.

11.

A nivel descriptivo


Estimar: Usado frecuentemente para la estimación puntual de un parámetro y los intervalos de confianza del mismo.




Determinar. Cuando buscamos

en obtener el resultado de una variable

subyacente o constructo y utilizamos un instrumento documental.


Describir: Para las variables que no son de estudio y que no involucra la utilización de instrumentos pues se tratan de variables unidimensionales o directas.

12.

A nivel relacional


Asociar: Plantea que dos sucesos ocurren de manera simultánea en repetidas ocasiones y que tal concurrencia no puede atribuirse al azar.




Concordar: Sucesos concurrentes que corresponden a diferentes observadores o al mismo observador pero con diferentes instrumentos.




Correlacionar: Plantea que en un mismo individuo las unidades de una de sus variables se correlaciona con otra diferente.

13.

A nivel explicativo


Evidenciar:

Propio

de

los

estudios

observacionales

donde

el

análisis

estratificado 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 se tiene que repetir para probar consistencia o coherencia (Bradford Hill 1965)

14.

A nivel predictivo


Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie de eventos por consecuencia la variable a predecir es dicotómica.




Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en función al tiempo por consecuencia la variable pronosticada es numérica.




Preveer: Calcular la probabilidad de necesitar, disponer o preparar medios contra futuras contingencias.

11

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

NIVEL DE SIGNIFICANCIA

Al plantear un estudio sobre una población, idealmente debemos estudiar a todos los individuos que la conforman; pero no siempre podemos acceder a todos, entonces tenemos que escoger una muestra; sin embargo los resultados obtenidos de esta manera nunca serán exactamente iguales, a los que se obtendrían de estudiar a toda la población; es decir, siempre va a haber un margen de error.

Nivel de Significancia. Antes de realizar el estudio debemos plantearnos; que proporción 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 la probabilidad de cometer este error y esperamos que sea menor al planteado preliminarmente como nivel significancia.

Nivel de confianza. Es la confianza que debemos alcanzar para generalizar el resultado de una muestra hacia toda la población. Es el complemento del nivel de significancia; es la confianza que tenemos, de que la conclusión a la que hemos llegado es cierta. Una probabilidad elevada nos da la tranquilidad de que lo que hemos calculado es cercano a lo 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 es falsa. Por lo tanto, es un juicio de valor equivocado.

El p-valor: Es la probabilidad de equivocarse al aceptar nuestra hipótesis del investigador como verdadera; es decir la probabilidad de cometer un error tipo I.

El nivel de significancia: Es la máxima probabilidad de error que estamos dispuestos aceptar para dar como válida nuestra hipótesis del investigador.

12

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

RITUAL DE LA SIGNIFICANCIA ESTADÍSTICA 1.

Formulación de Hipótesis

Consiste en traducir la hipótesis metodológica en una hipótesis estadística de acuerdo al siguiente 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) y formular la Hipótesis Nula (Ho) que viene a ser la negación de la alterna. Se precisa este artificio 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 la hipótesis nula cuando es verdadera a lo cual se le denomina error de tipo I, Según Fisher, el nivel de significación estadística equivale a la magnitud del error que se está dispuesto a correr de rechazar una hipótesis nula verdadera. Para la mayoría de los propósitos, el nivel de significación previamente establecido suele ser de 0.05. 3.

Elección de la prueba estadística.

El estadístico de prueba elegido está intrínsecamente relacionado con el objetivo estadístico correspondiente para su nivel investigativo; para esto debemos considerar la naturaleza de las variables y el comportamiento de los datos que corresponde a su distribución para los de naturaleza cuantitativa y las frecuencias esperadas para los de naturaleza cualitativa. 4.

Toma de la decisión

Luego de desarrollar la prueba estadística elegida se toma una decisión en función a la regla previamente establecida según las que

se acepta o se rechaza la hipótesis nula

para lo cual es imprescindible determinar el Valor critico, que es un número que divide la región de aceptación y la región de rechazo, según el valor de la probabilidad que se haya adoptado como nivel de significación estadística. 5.

Interpretación del p-valor.

Este último paso en el ritual de la significancia estadística no fue planteado originalmente por Fisher, pero cobra vital importancia con la aparición de los software estadísticos que nos calculan directamente el p-valor, el cual cuantifica el error tipo I y nos ayuda a tomar una decisión de rechazo a la hipótesis nula (Ho) cuando es menor al nivel de significancia y de no rechazo cuando su valor es mayor al alfa planteado.

13

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

OBJETIVO ESTADÍSTICO NIVEL INVESTIGATIVO RELACIONAL: VAR CATEGÓRICA 3.

COMPARAR (Grupos): Es el objetivo estadístico más básico del análisis bivariado; aunque algunos autores piensan que es univariado, porque habitualmente involucra un solo evento aleatorio (diseños ecológicos), donde los grupos se construyen previamente a la ejecución del estudio; Sin embargo, su análisis involucra a dos variables y por ello corresponde al nivel investigativo 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 una intervención o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo, es verificar los cambios producidos entre una medida y otra; donde las variaciones pueden adjudicarse a la intervención o al periodo de seguimiento; por ello corresponden a estudios longitudinales. 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 grupos nos puede llevar a la asociación; y aunque se puede identificar en las tablas 2 x 2, debemos hacer una medida asociación. Para asociar hay que definir los factores de interés en ambas variables; y es que habitualmente la asociación involucra dos eventos aleatorios. Desde el punto de vista epidemiológico tenemos dos medidas de asociación relevantes: Riesgo Relativo y el Odds 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 requisito fundamental es que se trata de un solo grupo y los resultados de la observación tienen las mismas opciones. Tenemos dos casos frecuentes: Cuando las observaciones corresponde a diferentes observadores y cuando las observaciones corresponden a diferentes instrumentos. En este 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.

14

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 R Ho: No existe correlación entre las dos medidas. H1: Existe correlación entre las dos medidas.

15

2

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

OBJETIVO COMPARATIVO

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.

16

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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.

17

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 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.

18

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 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.

19

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 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

20

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 para una muestra.

“Un parámetro es una constante, mientras que un estadígrafo es una variable.”

21

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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

22

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 valor real mayor será el sesgo de medición.

2.

•

Validación de instrumentos

•

Calibración de instrumentos

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

23

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 la administración del medicamento responde a las necesidades terapéuticas del paciente y no a la del investigador.

24

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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”.

25

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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)

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.

26

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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 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

27

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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. 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.

28

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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)

29

Platicúrtica (-)

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

GRÁFICAS UNIVARIABLES 1. Para variables categóricas a. Diagrama de sectores Se toma un círculo y se divide en tantos sectores como categorías tenga nuestra variable, siendo el arco del círculo proporcional a las frecuencias absolutas (también lo podemos hacer con las frecuencias relativas o porcentajes) Es ideal para variables dicotómicas o politómicas de menos cuatro o menos categorías. b. Gráfico de barras Es una representación bidimensional con las categorías dispuestas paralelamente de manera que la extensión de cada barra es proporcional a la magnitud que se quiere representar. Es ideal para variables politómicas de o incluso para variables de categorías no excluyentes.

2. Para variables numéricas a. Histograma Se utiliza cuando se estudia una variable continua, como la edad o la talla y, por comodidad, sus valores se agrupan en clases, es decir, valores continuos. En los casos en los que los datos son cualitativos (nonuméricos), como sexto grado de acuerdo o nivel de estudios, es preferible un gráfico de barras.

b. Diagrama de Caja y Bigotes Gráfico

basado

en

cuartiles,

compuesto

por

un

rectángulo, la "caja", y dos brazos, los "bigotes". Es un gráfico que suministra información sobre los valores mínimo y máximo, los cuartiles Q1, Q2 o mediana y Q3, y sobre la existencia de valores atípicos y la simetría de la distribución.

30

SeminariosDeInvestigacion.com

Sinopsis del Vídeolibro

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.

31