Tema 5: Estadísticas univariables: medidas resumen variables cuantitativos.

Tema 5 (I).

Dentro del resumen numérico de una serie de estadística, podemos encontrarnos 3 tipos de medidas:

• Medidas de tendencia central, dan ideas de los valores alrededor de las cuales el resto de los datos tienen tendencia a agruparse (media, mediana y moda).
• Medidas de posición, dividen un conjuntos ordenado de datos en grupos con la misma de individuos (cuartiles, deciles y percentiles).
• Medidas de dispersión o variabilidad, dan información acerca de la heterogeneidad de nuestras, observaciones (rango, desviación media, varianza, desviación tipico, coeficiente de variación).

Medidas de tendencia central.

• Media aritmética o media (x), se calcula para variables cuantitativas y se trata del centro geométrico o de gravedad de nuestros dato. Su formula de puede observar en la siguiente imagen:

• Propiedades de la media:
1. La suma de las desviaciones respecto de la media es igual a cero.
2. La media no se altera por una transformación lineal de escala:
• Si a un conjuntos de datos cuya media es x, se le suma a cada datos una constante k, la media aumenta en k unidades.
• Si es un conjunto de datos cuya media es x, se multiplica cada datos por una constantes k, la media queda multiplicada por k.
3. Es muy sensible a lo puntuaciones extremas.

Hay que tener en cuenta que hay otras medidas:

• Media geométrica (G).
• Media armónica (H).
• Media aritmética (X).

La mediana es la puntuación que ocupa la posición central de la distribución, para poder hallarla necesitamos que nuestros que nuestros datos estén ordenados, de forma creciente o decreciente. Si la media y la mediana son iguales, la distribución de la variable es simétrica y a diferencia de la media aritmética, la mediana es más robusta y menos sensibles a los valores extremos.

Si el número de observaciones es impar el valor de las observaciones sera justamente la observación que ocupa la posición (n+1)/2.

Si el número de observaciones es par, el valor de la mediana corresponde a la media entre los dos valores centrales, es decir, la media entre la observación n/2 y la observación (n/2)+1.

La moda es el valor con mayor frecuencia que mas veces se repite. La distribuciones que contienen una sola moda se llaman unimodales. Si hay más de una se dice que la muestra es biomodal (dos modas) o multimodal (más de dos). Para explicar mejor estos 3 conceptos vamos a ver un ejemplo:

Si la siguiente distribución de frecuencias 18, 19, 19, 19, 23. La distribución que contienen una sola moda se llaman unimodales.

Los que contienen dos modas se llaman bimodales: 18, 19, 19, 19, 22, 22, 22, 23, 27.

En la medida de posición podemos encontrarnos con 3 tipos:

• Cuantiles se calculan para variables cuantitativas y, al igual que la mediana, sólo tienen en cuenta la posición de los valores en la muestra. Se puede definir cuantil de orden "n" como un valor de la variable.
• Percentiles se dividen la muestra ordenada en 100 partes. Los percentiles son las 99 puntos o valores que dividen la distribución en cien partes iguales. Se representan por P(n).
• Deciles se dividen la muestra ordenada en 10 partes. los deciles son los nueve valores que dividen a la distribución en diez partes iguales. Cada partes incluyen el 10% de los valores de la distribución. Se representan por la letra D. Dentro de los deciles podemos encontrarnos los cuartiles.
• Los cuartiles dividen la muestra ordenada en 4 partes:
• Q1: primer cuartil indica el valor que ocupa una posición en la seria numérica de forma que el 25% de las observaciones son menores y que el 75% son mayores.
• Q2: segundo cuartil indica el valor que ocupa una posición en la seria numérica de forma que el 50% de las observaciones son menores y que el 50% son mayores. Por tanto, el Q2 coincide con el valor del D5, con al valor de la mediana P50.
• Q3:  tercer cuartil indica el valor que ocupa una posición en la seria numérica de forma que el 75% de las observaciones son menores y que el 25% son mayores.
• Q4: cuarto cuartil indica el valor mayor que se alcanza en la seria numérica.

Para entender estos 4 conceptos nuevos podemos ver un ejemplo con la siguiente imagen:

Tema 4: Introducción a la estadística descriptiva: medidas resumen variables cualitativas. Medidas de frecuencia. Proporciones, razones y tasas. Construcción de tablas de frecuencias.

Tema 4 (II).

La incidencia es el número de casos de enfermedad que ocurren en un periodo especifico de tiempo, en una población a riesgo de desarrollar la enfermedad. Hay 2 tipos de incidencias:

• Incidencia acumulada (proporción de incidencia).
• Riesgo de que se produzca el suceso.

Se calcula utilizando un periodo de tiempo durante el cual consideramos que todos los individuos de la población están en riesgo de la enfermedad.

Esta imagen representa la formula a la hora de calcular una incidencia acumulada. Mide la probabilidad de tener el evento, no tiene unidades, ya que se expresa en porcentajes, sus valores son entre 0 y 1 y no lleva implícito el periodo de tiempo.

Tiene algunas condiciones como:

• No puede haber perdidas en el seguimiento.
• Se siguen a todos los sujetos durante todo el período.
• No permite inferir fuera del periodo de estudio.

• Tasas de incidencia (densidad de incidencia).
• Velocidad de aparición de nuevos casos con respecto al tamaño de la población.

Con frecuencia, no todos los individuos a riesgo (denominador) son seguidos durante el mismo periodo de tiempo.

Es necesario especificar la unidad de tiempo (persona-años, personas- mes,etc). Una misma cantidad de personas- tiempo se puede obtener mediante el seguimiento de distintos grupos de población.

La tasa de incidencia tiene una serie de características a tener en cuenta:

• Se mide en unidades de tiempo.
• No son proporciones.
• Expresa la "tasa" a la cual ocurren los enventos en sujetos de la población en riesgo en cualquier momento.
• Expresa velocidad: la tasa de cambio instantaneo o la rapidez con la que se desarrolla el evento en la población.

La densidad de incidencia basada en datos individuales se puede representar con la siguiente formula:

Se puede apreciar que la densidad de incidencia implica personas-tiempo, es decir, la suma de tiempo que los individuos están a riesgo de desarrollar una enfermedad.

Para explicar mejor la relación entre prevalencia e incidencia, observaremos la siguiente imagen:

 La razones o "ratios", es una medida de resumen para variables cualitativas que consiste en la comparación, a través de na división entre dos conjuntos.

La odds o ventaja, es el cociente entre la proporción o probabilidad de ocurrencia de un evento y la proporción o probabilidad de no ocurrencia, se denomina con el termino inglés "odds", empleado en el lenguaje de apuestas. Se puede representar con la siguiente formula:

La odds representa la frecuencia de un aspecto, por lo que un tipo especial de razón.

Las medidas de asociación (relaciones entre proporción, ratios y odds) es la magnitud de asociación entre dos fenómenos, puede estimarse a través de medidas que relacionen proporciones, tasas y odds. Hay 3 tipos importantes:

• Razón de prevalencia, son estudios descriptivos de corte transversal.
• Riesgo relativo o razón de riesgos, son estudios observacionales de seguimiento o estudios experimentales.
• Odds ratio, son estudios de casos y controles.

Para explicar la formula de estudios descriptivos (razón de prevalencias), observaremos la siguiente imagen:

Para los estudios de casos y controles (odds ratio o razón de ventaja), observaremos la siguiente imagen:

Para una mejor explicación de los estudios de casos y controles (odds ratio o razón de ventaja) utilizaremos la siguiente imagen:

Tema 4: Introducción a la estadística descriptiva: medidas resumen variables cualitativas. Medidas de frecuencia. Proporciones, razones y tasas. Construcción de tablas de frecuencias.

Tema 4 (I).

La estadística descriptiva sirve para describir y resumir datos. Describe y analiza una determinada población o muestra sin pretender sacar conclusiones de tipo general, es decir, describe y analiza y representa un grupo de datos utilizando métodos numéricos y gráficos.

• Organiza de manera clara y fácil de analizar.
• Resume los datos.
• Explora las relaciones entre variables.
• Es preliminar antes de la inferencia.

La estadística inferencial utiliza muestras de datos para sacar conclusiones sobre la poblaciones mas grandes. Infiere o induce a leyes de comportamiento de una población, a partir del estudio del análisis de una muestra. Se apoya en:

• Estimaciones.
• Decisiones.
• Predicciones.
• Generalizaciones sobre un conjuntos mayor de datos.

Variable en la presentación de datos. Podemos encontrarnos:

• Tablas de frecuencia: son datos que muestran frecuencias en columnas y las categoria de las variables en la filas y presentan información repetitiva de forma visible y comprensible.
• Requisitos:
• Son autoexplicativos.
• Son sencillos y de fácil comprensión.
• Tienen título, breve y claro.
• Indican lugar, fecha y fuente de información.
• Incluye las unidades de medida en cada cabecera.
• Indican frecuencias absolutas y relativas.

En las variables continuas podemos encontrarnos:

• Tablas de frecuencias datos agrupados:
• Definición de intervalos.
• Definición de extremos de los intervalos.
• Definición de amplitud o distancia entre los extremos.
• Cálculo de la marca de clase de cada intervalo.
• Tablas de frecuencias datos agrupados, podemos encontrarnos 3 tipos de frecuencias:
• Frecuencias absolutas (𝒇𝒊):
• Número de individuos que presentan una modalidad, o que están incluidas es un intervalo.
• Frecuencias relativos (𝒉𝒊): 
• Proporción de individuos referidos al total que presentan una modalidad o que están incluidos es un intervalo.
• Frecuencias acumuladas ( Σ 𝒇𝒊 ó Σ 𝒉𝒊):
• Número de individuos menores o iguales que la modalidad o el intervalo que estábamos estudiando.

Los indicadores/concepto de indicador, en el análisis descriptivo se usan en gran medida los números relativos que son la expresión de la relación de dos o más cantidades.

Se define indicador como la medida de la frecuencia de un determinado suceso en una población. Puede ser:

• Proporción.
• Tasa.
• Razón.
• Odds (posibilidades).

Hay que tener en cuenta que no son sinónimos de indicadores.

Las proporciones se definen como una medida resumen para variables cualitativas, que consiste en la comparación, a través  de un cociente (división) entre un subconjuntos y el conjunto que pertenece. Para comprender mejor esta definición vamos a observar la siguiente foto:

Hay que tener en cuenta una serie de caracteristicas:

•  Que el numerador siempre esta incluido en el denominador.
• Adapta valores reales entre 0 y 1.
• Se suele multiplicar x100 (para expresarse en porcentaje).
• Si el suceso que medimos es muy poco frecuente, se multiplica x1000, x10000, etc.

Las tasa (rate) es una medida que expresa el riesgo de ocurrencia del evento (enfermedad) estudiadas. Se debe tener en cuenta que en realidad es una proporción, pero con la relación espacial y temporal. Consiste en la comparación, a través de una división, donde el resultado es una cifra fraccionaria <1, y por ello es multiplicado por múltiplos de 10 (100, 1000, 10000, etc).

En estadística sanitaria se puede utilizar diversos tipos de medidas, pero por supuesto depende de lo que queremos medir. Si medimos una situación en un punto del tiempo utilizamos la prevalencia y si medimos lo que está pasando durante un periodo de tiempo utilizamos la incidencia.

Con la siguiente imagen, intentaremos comprender estos dos tipos de medidas y algunas de sus características.

Tema 3: De los conceptos a las variables: población, muestras, parámetros y estadísticos. Variables y escalas de medidas.

Tema 3 (II).

El calculo del tamaño muestral es determinar el número aproximado de sujetos que es necesario incluir en la muestra para que esta sea representativa. No podemos permitir que ocurra lo siguiente:

• Que nos falten sujetos de estudio.
• Que estudiemos a más sujetos de los necesarios: es un gasto de tiempo y recursos.

El tamaño de la muestra puede depender de unos factores:

• Variabilidad del parámetro. 
• La precisión.
• Nivel de confianza.
• Poder estadística o potencia de estudio.
• Efecto esperado.

Las medicinas directas son las realizadas a elementos concretos como:

• Altura.
• Temperatura.
• Ritmo cardiaco.
• Peso.
• Respiración.
• Glucemia.

Las enfermeras también recogen medidas directas de variables atributivas o demográficas como:

• Edad.
• Género.
• Origen étnico.
• Estado civil.
• Nivel de ingreso y educativos.

Aparte de las medicinas directas también están las medicinas indirectas. En la investigación enfermera tiene que medir una idea abstracta como:

• Estrés.
• Cuidados
• Ansiedad.
• Dolor.

A la hora de medir un signo y síntomas, son diferentes naturalezas de las variables, diferente método de medición. Por ejemplo en la presencia del dolor se puede medir como "si" o "no". Pero se puede utilizar otras medidas para medir las variables se utilizan diferentes escalas de medición.

Dentro de las escalas de medición de variables podemos encontrar 4 tipos:

• Escalas nominales o clasificatorias: son los niveles más bajo de medición, donde los datos se ajustan por categorías.
• Escalas ordinales o de rango: aportan información referente a la equivalencia y existe un cierto orden o jerarquía.
• Escala de intervalo: los datos tienen que ser numéricos y poseen las propiedades de la escala ordinal.
• Escala de proporción o racional: supone el nivel más alto de medición. Se utiliza cuando una escala tiene todas las características de una escala de intervalo.

Dentro de la escalas de medidas podemos encontrar:

• Escala nominal: es el nivel inferior de medida. En una característica o variable sólo se puede comprobar si son iguales o diferentes.
• Escala ordinal: en la medición ordinal dadas dos o más modalidad de una variable, es posible:
• Establecer si son iguale o diferentes.
• Si son distintos, determinar cual de ellas es mayor.
• Escala de intervalo: presentan características propias de las dos escalas anteriores. El requerimiento de que las distancias o intervalos iguales representan distancias equivalentes.
• Escala de razón: nivel más alto de medición. 

La variable es la característica que puede ser medida en la nuestra o población y que puede variar de un sujeto a otro, o bien, de un evento a otro. Y los datos son cada uno de los valores que puede tomar la variable.

Hay 2 tipos de variables:

• Variables cuantitativos: pueden tomar un valor numérico.
• Discreta: sólo pueden tomar un número finito de valores dentro del intervalo.
• Continuas: son aquellas que pueden tomar infinitos valores dentro del intervalo.

• Variables cualitativos: Toman valores no numéricos y por tanto, no son susceptibles de cuantificarse.
• Dicotómia o binaria: solo pueden tomar dos valores opuestos y ademas excluyentes.
• Policotómia: pueden tomar de dos valores o atributos. Que a su vez hay 2 tipos:
• Cualitativos policotómicos ordinales: nivel de estudio.
• Cualitativos policotómicos nominales: estado civil, servicios de ingreso hospitalarios, etc.

Con esta imagen se puede visualizar mucho mejor este esquema de las variables.

La operativización de las variables es el proceso que transforma una variable subjetiva o abstracta en otras variables indirectas que tengan el mismo significado. Las variables principales se descomponen en otras más Especificas llamadas dimensiones.

Tema 3: De los conceptos a las variables: población, muestras, parámetros y estadísticos. Variables y escalas de medidas.

Tema 3 (I).

La estadística se puede definir como la ciencia cuyo objeto es dar método para el tratamiento de los datos provenientes de observaciones, donde intervienen en gran número de factores de variación.

La bioestadística se puede definir como la aplicación de la estadística en la interpretación de los fenómenos de la vida, donde la variable supone carácter esencial.

La estadística se puede clasificar en 2 tipos:

• Bioestadística descriptiva o deductiva: se ocupa del tratamiento, resumen y presentación de los datos observados de una manera gráfica y científica. 
• Bioestadística inferencial o analítica: su objetivo es "inferir", o sea, establecer conclusiones sobre una población a partir de los resultados obtenidos de una muestra.

En la investigación cuantitativa y cualitativa, son series ordenadas de procedimientos o etapas, regido por principio y reglas, y cuyo objetivo principal es obtener explicaciones válidas de los fenómenos observados. Debe tener una serie de caracteristica:

• Mayor objetividad.
• Mayor capacidad de predicción.
• Mayor control.
• Mayor generalización.
• Combina el razonamiento inductivo, el razonamiento deductivo y la evidencia empírica o práctica.

El razonamiento inductivo consiste en establecer generalizaciones a partir de observaciones particulares. Por otro lado, el razonamiento deductivo, supone realizar predicciones particulares a partir del conocimiento de resultado generales.

La evidencia empírica hace referencia a la realidad objetiva, y reunida, ya sea de forma directa o indirecta, a través de los sentidos.

Hay dos tipos de investigaciones biosanitaria que se puede representar con la siguiente imagen:

El procedimiento muestral: un muestro es un método tal que el escoger un grupo pequeño de una población para poder tener un grado de probabilidad de que ese pequeño grupo posea las características de la población.

El proceso de la inferencia estadística se puede representar con la siguiente imagen:

Un parámetros es una cantidad numérica calculado sobre una población o universo cuyo tamaño se expresa con "N" (mayúscula). Los parámetros se expresan con letras griegas:

• σ (proporción).
• π (proporción).
• μ (media).

La estadísticas es una cantidad numérica calculada sobre una muestra calculada sobre una muestra extraída  de la población o universo, cuyo o tamaño se expresa con "n" (minúsculas). Los parámetros se expresan con letras latinas en minúsculas:

• s (desviación típica).
• p (proporción).
• x (media).

La población de estudio en un conjuntos o finito de elementos definidos por una o más características de la que gozan todo los elementos que la componen y solo ellos.

Dentro de la población de estudio se puede encontrar:

Población diana

• Población diana: Conjunto de individuos que presentan la característica a estudiar.
• Población de estudio: Subconjuntos de individuos que cumplen criterios de inclusión.
• Muestra: Parte de la población de estudio con la que se trabaja o investiga.
• Participantes: Los individuos reales que han participado.

Representatividad de la población

• Tamaño: suficientemente grande para ser representatividad y pequeña para facilitar el análisis de los datos.
• Comparables: GI/GC comparable.

Hay 2 tipos de muestreo:

• Muestreo probabilístico: todas las unidades que componen la población tienen una probabilidad de ser elegidos y se puede calcular de antemano.
• Muestreo no probailístico: las unidades que componen la población tienen diferente probabilidad de ser elegidas ya que no solo interviene el azar si no también en otras condiciones. No se puede calcular la probabilidad de antemano y no todos los elementos tienen alguna posibilidades de ser incluidas.

Dentro del muestreo probabilístico se puede encontrar:

• Muestreo aleatorio que a su vez hay 2 subtipos:
• Simple: seleccionar al azar, donde se usa poblaciones pequeñas. Dentro de las desventajas son el listado de todas las unidades, un gran coste por dispersión de población y grupos minoritario no representado.
• Sistemático: seleccionar individuos según una regla o proceso. La ventaja de eso no hace falta tener la lista completa.
• Muestreo conglomerados: 
• Se obtiene de grupos o conglomerados ya establecidos cuando no hay listado de la población. La desventaja es que no se conoce de antemano el tamaño de la muestra que se va a obtener ya que el tamaño depende de  los grupos seleccionados.

Dentro del muestreo no probabilítico se puede encontrar:

• Muestreo consecutivo:
• Es el mas utilizado. Si se hace bien puede ser la representatividad de la muestra puede ser semejante al del muestreo probabilístico. Las desventajas es que no se haga de forma enteramente consecutiva, es decir, sino que se haya interrupciones.
• Muestreo de conveniencia:
• Se recluta a los individuos que son más accesibles para el equipo investigador o que se presentan voluntariamente. La ventaja es que se usa con frecuencia al ser el menos costoso y más fácil y la desventaja es que es poco solida ya que requiere de una gran homogeneidad de la variable estudiada en la población, ya que genera sesgos importantes.
• Muestreo intencional: 
• El propio investigador es quien selecciona a los individuos al considerarlo los más apropiados. La desventaja es que este método puede no contar con un método externo y objetivo para valorar la idoneidad de los sujetos.
• Muestreo bola de nieve:
• El propio investigador elige a un participante que cumpla los criterios de inclusión y al mismo tiempo se lo pide que identifique a otros individuos con sus mismas características para invitarles a participar y así sucesivamente hasta que se tenga recogida la muestra. La ventaja se puede acceder a parte de la población con difícil acceso o difíciles de identificar y la desventaja es que la muestra puede ser reducida. 
• Muestra teórico: 
• La selección de la muestra se hace de forma gradual debido a que el propósito del estudio es la generación de una teoría. La ventaja es que  se puede acceder a parte la población con difícil acceso o difícil de identificar y las desventajas es similar a al muestreo bola de nieve. 

Tema 2: El método científico y sus perspectivas.

Tema 2 (II).

Los métodos cualitativos de investigación se puede representar con esta imagen:

La etapa interpretativa del proceso de investigación esta compuesta por:

• Convalidación de los métodos empleados.
• Convalidación de los resultados.
• Describir fortalezas y debilidades del estudio.
• Relación de los hallazgos con los objetivos e hipótesis.
• Relación de los hallazgos con los hallazgos de otros autores.
• Aspecto novedosos y relevantes.
• Extraer conclusiones.

La estructura del articulo se puede dividir en 3 partes:

• Preliminares:
• Titulo.
• Autor.
• Institución.
• Resumen.
• Cuerpo:
• Introducción.
• Metodología (empírica).
• Resultado (empírica).
• Discusión.
• Conclusión.
• Finales:
• Agradecimientos.
• Referencias.
• Apéndices.

Dentro de los estudios cuantitativos hay 2 tipos de errores aleatorios:

Errores aleatorios

Se produce cuando el estudio se realiza sobre una muestra probabilística de la población. Si se trabaja con muestra, es difícil esperar  que los resultados coincidan exactamente con lo que ocurre en la población.

Dentro de los errores aleatorios hay medidas de control con diferentes fases:

• Primera fase: Es calcular el mínimo tamaño de una muestra necesario para poder detectar como estadísticamente significativa una diferencia.
• Segunda fase: Uso de pruebas o test de hipótesis.
• Tercera fase: Cálculos de intervalos de confianza para las estimaciones obtenidas.

Errores sistemáticos o sesgos

Son errores que desplazan artificialmente las diferencias observados en el estudio de las verdaderas. Estos errores a veces exageran las verdaderamente diferencias y a veces la minimiza. Estos  errores afectan afectan a la validez interna del estudio, es decir, a la credibilidad de las conclusiones.

Dentro de los errores sistemáticos hay una serie de tipos de sesgos:

• Sesgo de selección: Se incluyen en el estudio sujetos de estudio que difieren en algunos características relevantes de la población, sobre la que se pretenden sacar conclusiones. Si afecta al factor de exposición y al efecto de interés, los hallazgos no son extrapolables.
• Sesgo de clasificación: Corresponde a una incorrecta medición de una variable. Depende, por tanto, de la validez y fiabilidad del método utilizando para recoger información.
• No diferencial: Disminuye las diferencias realmente existentes.
• Ejemplo: Cuando la gente oculta hábitos socialmente no admitidos, el estudio no detecta los que verdaderamente están expuestos, de forma que es dificil detectar asociaciones si existen.
• Diferencial: Exagera las diferencias realmente existentes. 
• Ejemplo: las madres de niños nacidos con malformaciones recuerdan con más intensidad las exposiciones ocurridas durante el embarazo que los que tuvieron hijos sanos.
• Grupo control: La finalidad  del grupo control es aislar el efecto del factor del estudio del debido a otros factores. Efectos que se controlan:
• Efecto Howthone.
• Efecto placebo.
• Regresión a la media.
• Evolución natural.
• Sesgo de confusión: Es el único que se puede controlar en la fase de análisis y no solo en la de diseño. Es una distorsión de las estimaciones del estudio, producidos por la distribución desigual en los grupos de comparación de una tercera variable.

Dentro del control de los errores en estudios estadísticas están:

• En la fase de diseño.
• Restricción y apareamientos.
• Análisis estratificado y multivariantes.

Validez interna y externa

• Validez interna: ausencia de sesgos para la población estudiando.
• Validez externa: precisión y validez externa. Capacidad de extrapolar los resultados. 

Precisión y exactitud

• Precisión: fiabilidad o reproductibilidad.
• Exactitud: es la validez para que una medición mida realmente aquello para lo que esta destinado. Para evaluar la validez o exactitud:
• Validez de criterio: comparación con una medida de referencia objetiva y fiable
• Validez de concepto: analiza la correlación de la medida con otras variables.
• Validez de contenido: contemplar todas las dimensiones del fenómeno que se quiere medir.

La precisión y exactitud puede representarse con esta imagen:

Dentro de las estrategias de precisión y exactitud podemos encontrar: 

• Seleccionar las medidas más objetivas posibles.
• Estandarizar la definición.
• Formar y entrenar a los observadores.
• Utilizar la mejor técnicas posibles.
• Utilizar instrumentos automáticos.
• Objetivos varias mediciones de unas variables para mejorar la precisión.
• Emplear técnicas de enmascaramiento.
• Calibrar instrumentos.

Tema 2: El método científico y sus perspectivas.

Tema 2 (I).

Investigar: ¿Para qué?

                   ↧ 

Obtener información para la acción, para la toma de decisiones.

                   ↧

Acercamiento al conocimiento de la realidad.

              ↧

Realidad que es múltiples, con diferentes facetas.

El proceso deductivo se encargan de métodos estadísticos, donde se investiga sobre una población y se hace una selección aleatoria, es decir, se hace una selección. Posteriormente se obtiene estimaciones, contrastes de hipótesis, y se hace una deducción, unas conclusiones para tener parámetros, leyes y para confirmar la teoría.

El proceso inductivo se encarga de los método cualitativos, se utiliza la selección de informadores "claves". Se busca la comprensión del fenómeno individual. Para luego sacar una inducción de ese individuo y se puede llegar a la comprensión del fenómeno de grupo.

Algunas de los atributos de los paradigma cualitativos y cuantitativos se representa con la siguiente imagen:

Las fases del proceso de investigación consta de 3 partes:

• Etapa conceptual: 
• ¿Qué investigar?
• ¿Para qué investigarlo?
• Etapa empírica:
• ¿Cómo investigarlo?
• Etapa interpretativa: 
• ¿Cuál es el significado de los hallazgos de la investigación?

En la etapa conceptual de la metodología de investigación, las ideas surgen por:

• Observación de hechos: observamos casos que surgen a nuestro alrededor y que nos llama la atención, surgen curiosidades.
• Identificación y formulación del problema.
• Revisión bibliográfica (antecedentes): Hay que buscar información.  
• Marco teórico o marco de referencia conceptual (base teórica del problema): Son definiciones y conceptos que se van a manejar durante la investigación.
• Definición del problema de investigación.
• Definición de objetivo/formulación de la hipótesis (estudios cuantitativos analíticos): Tenemos que formular un objetivo de formulación y formular, si es necesario, una hipótesis. Los objetivos son obligatorios pero la formulación de la hipótesis solo exigen otros estudios. los estudios analíticos exigen la formulación de la hipótesis.
• Definición operacional de términos y variables: Concretar a que nos estamos refiriendo cuando hablamos de los rasgos de personalidad.
• Importancia del estudio y limitaciones: Justificación del estudio, ¿para qué me va a servir?, ¿qué importancia tiene?, ¿qué es lo nuevo que se va a aportar?

A la hora de la  definición y la formulación de objetivos se debe tener en cuenta:

• Se trata de definir a donde queremos llegar con la investigación.
• Una investigación es comprobar la relación entre dos variables.
• Cuando se quiere relacionar dos variables se le denomina estudio analítico: A+B→C
• No confundir objetivos de investigación con objetivos de practicas profesionales.
• Hay que tener en cuenta los objetivos: pertinentes, concretos, realistas y mensurables. Es decir, lo que investiguemos debe tener un sentido.

¿Qué hay que saber sobre una hipótesis?

Es un enunciado de las expectativas de las investigaciones acerca de las relaciones entre variables que se indagan. Es, por tanto, una predicción del estado esperado. 

Se debe enunciar una relación esperada en dos (o más) variables independientes y dependientes (estas depende de la variable).

Para entender esto podemos poner un ejemplo como:

Beber agua favorece la excreción renal, la variable dependiente es la excreción renal y la independiente es beber agua.

La hipótesis es una estado conjetural que enlaza las variable nombradas anteriormente, esta exige una definición previa, clara y concisa de dichas variable. Y puede haber 2 tipos hipótesis nula (es una hipótesis negativa) e hipótesis alternativa.

La etapa empírica tiene unos procesos de investigación:

Esta etapa debe responder a las preguntas de: 

• ¿Qué se investiga?
• ¿Para qué se investiga?
• ¿Qué se investiga?

El proceso de investigación se puede representar con esta imagen

Tipos de diseños cuantitativos a función del objetivo de investigación:

Problema → Existe un daño a la salud

↓

Descripción→ Mide el problema y observa diferencias entre grupos

↓                         ↓

• Ecológico: Son las unidades de estudios, no son personas, es decir, de forma individual, sino en grupos de personas en ciudades o países.
• Transversales: Es un tipo de fotografía puntuales en el tiempo, para percibir el cambio de un momento a otro.

La descripción evalúa posible asociación entre los factores y el problema→Son asociación,                                                                                                                                            casualidad y riesgo

Dentro de la descripción a la hora de evaluar posible asociacion entre los factores y el problema:

• Analiticos: 
• Casos y controles.
• Seguimiento.
• Experimentales:
• Aleatorios controlados.
• Cuasiexperimentos, son estudios experimentales sin control.

Para entender este apartado mejor podemos utilizar ejemplos: Se puede hacer 2 tipos de investigación. Investigación A e investigación B.

En la investigación A, se coge 2 grupos por ejemplo fumadores y no fumadores y se compara a lo largo de un tiempo para comprobar con exactitud que fumar provoca enfermedades. ¿Cuál es el problema de este tipo de investigación?, pues este tipo de investigación  hay que tener un seguimiento durante un largo tiempo y es muy costoso.

En la investigación B, se coge igual, 2 grupos, por ejemplo fumadores y no fumadores, pero ambos grupos son personas que fumaron o no fumaron nunca a lo largo de un tiempo (en el pasado), es decir, a este grupo con que preguntar si son fumadores o no y si hay alguna evidencia de enfermedad obtendremos nuestra investigador. este tipo de investigación no es tan costoso y no hace falta hacer un seguimiento.

Tema 1: Estadística desde el origen a su aplicación en salud.

Tema 1 (II).

En el método científico en salud están los preceptos básicos, son una serie de reglas que se debe de cumplir.

• Trataremos con grupos de personas. Deberemos de tratar con personas para obtener información sobre la distribución de problemas de salud y sus tipos de determinantes.
• Comparación de grupos. Tendremos que comparar grupos (por ejemplo fumadores y no fumadores), para llegar a conocer si la presencia de una característica "F" se asocia con la aparición de una enfermedad "E", también es necesario como "E" puede afectar a la población que no presenta "F".
• Distribución de la enfermedad. Como se sabe una la distribución de una enfermedad no es aleatoria e incluso podemos llegar a encontrar diferencias entre grupos. En conclusión, no es aleatorio ni determinista, sino que depende de la zona.

La ciencia enfermera está reflejada por 4 elementos, que son el metaparadigma del enfermero.

La estadística nos ayuda en la enfermería a la hora de investigar, se llama bioestadistica. La bioestadistica ayuda a enseñar y ayudar a investigar a todas las áreas de la ciencias.

Fuentes de la variabilidad es un fenómeno que se mide y se obtiene un valor dependiendo de la variación biológica individual. Hay que tener en cuenta tres aspectos:

• Repetibilidad. Es la aplicación de la misma técnica a los mismo sujtos en 2 o más momentos.
• Concordancia intraobservador.
• Concordancia interobservador. Es la forma de medir entre 2 personas, donde puede haber variaciones dependiendo del método que se use cada uno.

Estadisticamente y aleatoriedad, agrupa conocimientos matemáticos para intentar trabajar racionalmente en la observación de fenómenos aleatorios. Una meta de la estadística es darle significados a las diferencias observados. 

La estadísticas asume que las diferencias fenomenológicos en condiciones similares son la regla y que la igualdad es la excepción. En conclusión la estadísticas pretende reconocer, cuantificar y pronosticar esa diferencias. 

A lo largo de la historia ha habido tres actividades humanas independientes.

1. La necesidad de contar: censos en el siglo XVII y la estadística ciencia del estado en el siglo XVIII. Donde se recogían datos demográficos, económicos y sociales.
2. Cálculo de la probabilidad en el juego del azar en el siglo XVII. Donde algunos científicos intervinieron como Pascal donde media la incertidumbre, Bayes donde media la existencia de Dios y, Laplace y Gauss donde media los errores de las medidas. 
3.  Conocer las causas de los comportamientos de los fenómenos. Donde Jacques Quetelet fundó la estadística social, la salud publica por lo Higienistas y William Farr fue medico y estadístico fue reconocido por su "estadística vitales".

En la historia de la bioestadistica debemos estacar a Florence Nightingale, fue una enfermera que realizó los primeros trabajos estadísticos modernos, que conllevo a reformas en hospitales ya que enfatizaba la importancia de la medicina preventiva.

Y para terminar el tema 1, vamos a explicar la estadística como herramienta dependiendo del sector donde se utilice se llama de una forma u otra:

• Estadista de la salud, es aquella aplicada al sector de la salud.
• Estadística demográfica, es aquella aplicada a la población humana.
• Estadística social, es aquella aplicada en su parte a lo social.
• Biostadística, es aquella aplicada a la ciencias biológicas.
• Epidemiología, es aquella aplicada a la salud pública y comunitaria.