BLOQUE TEMÁTICO 2: ANÁLISIS DE DATOS I: DESCRIPCIÓN Y ESTIMACIÓN DE DATOS. TÉORÍA DE LA PROBABILIDAD.TEMA 3: DE LOS CONCEPTOS A LAS VARIABLES

ÍNDICE

1. Concepto de estadística y bioestadística
2. Clasificación de la estadística
3. Investigación cuantitativa y cualitativa
4. Tipos de investigación biosanitaria
5. Procedimiento muestral
6. Proceso de la inferencia estadística
7. Parámetros y estadísticos
8. Población de estudio
9. Tipos de muestreo
10. Cálculo del tamaño muestral
11. Mediciones directas
12. Mediciones indirectas
13. Medición de signos y síntomas
14. Escalas de medición de variables
15. Variable

1. Concepto de estadística y bioestadística

• Estadística: ciencia cuyo objeto es dar métodos para el tratamiento de los datos provenientes de observaciones (demográficas, económicas, biomédicas o sanitarias, etc.); donde intervienen un gran número de factores de variación.
• Bioestadística: aplicación de la estadística en la interpretación de los fenómenos de la vida (biología, salud, etc.) donde la variabilidad supone el carácter esencial (Carrasco, 1995).

2. Clasificación de la estadística

• 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, todo ello, con un determinado nivel de seguridad o intervalo de confianza.

3. Investigación cuantitativa y cualitativa

Es una serie ordenada de procedimientos o etapas, regido por principio y reglas, y cuyo objetivo principal es obtener explicaciones válidas de los fenómenos observados. Tiene:

- Mayor objetividad

- Mayor capacidad de predicción

- Mayor control

- Mayor generalización

Combina el razonamiento inductivo (establecer generalizaciones a partir de observaciones particulares), el razonamiento deductivo (realizar predicciones particulares a partir del conocimiento de resultados generales) y la evidencia empírica o práctica (hace referencia a la realidad objetiva y reunida, ya sea de forma directa o indirecta, a través de los sentidos).

4. Tipos de investigación biosanitaria

• Investigación cuantitativa: basada en la recogida sistemática de información numérica y en el análisis estadístico. Descansa en el razonamiento deductivo y en las reglas de la lógica y ancla sus raíces en el positivismo lógico.
• Investigación cualitativa: subraya los aspectos dinámicos, holísticos e individuales de la experiencia humana y trata de captar cada uno de estos aspectos en su totalidad y dentro del contexto de quienes lo viven. Esta técnica de investigación evita la cuantificación y su método descansa en la recogida de información subjetiva a través de técnicas como las entrevistas no estructuradas, la observación participantes, los registros narrativos, etc.

5. Procedimiento muestral

Un muestreo es un método tal que al escoger un grupo pequeño de una población podamos tener un grado de probabilidad de que ese pequeño grupo posea las características de la población que estamos estudiando.

6. Proceso de la inferencia estadística
La inferencia estadística estudia como sacar conclusiones generales para toda la población a partir del estudio de una muestra, y el grado de fiabilidad o significación de los resultados obtenidos.

Vídeo explicativo sobre la inferencia estadística: https://www.youtube.com/watch?v=nbJU4iS-LEg

7. Parámetros y estadísticos

Parámetros

• Es una cantidad numérica calculada sobre una POBLACIÓN o UNIVERSO cuyo tamaño se expresa con N (mayúscula).
• La idea es resumir toda la información que hay en la población en unos pocos números (parámetros).
• Los parámetros se expresan con letras griegas: σ (desviación típica), π (proporción), µ (media), etc.

Estadísticos

• Es una cantidad numérica calculada sobre una MUESTRA extraída de la POBLACIÓN o UNIVERSO, cuyo tamaño se expresa con “n” (minúscula).
• La idea es resumir toda la información que hay en la población en unos pocos números (estimadores).
• Los parámetros se expresan con letras latinas en minúsculas: s (desviación típica), p (proporción), x (media), etc.

8. Población de estudio

Conjunto infinito o finito de elementos definidos por una o mas característica de las que gozan todos los elementos que la componen y solo ellos. Ej.: estudiantes de enfermería, personas diabéticas….

Niveles de población 

• Población diana: Conjunto de individuos que presenta la característica a estudiar.
• Población de estudio: Subconjunto 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 representativa y pequeña para facilitar el análisis de los datos.
• Comparable: GI /GC comparables.

9. Tipos de muestreo

- Muestreo Probabilístico: Todas las unidades que componen la población tienen una probabilidad de ser elegidas y se puede calcular de antemano. Hay distintos tipos: 

• Muestreo Aleatorio: Hay dos tipos: Simple: seleccionar al azar (tabla numero / pc) la n (muestra). Se usa poblaciones pequeñas. El mas representativo. Desventajas: listados todas las unidades / costos por dispersión población / grupos minoritarios no representados. Sistemático: seleccionar individuos según una regla o proceso. Fórmula: K= N/n r= 1 y K (N: población candidata / n: muestra). Ventajas: no hace falta tener la lista completa.

• Muestreo Estratificado: Se utiliza cuando la característica objeto de estudio no se distribuye de forma homogénea en la población, pero existen grupo o estrato donde se si presenta de manera homogénea. Estos grupos tienen alguna característica en común pero son mutuamente excluyentes. Ventaja: conocer como se comporta una variable en cada subgrupo de la población con precisión. Desventaja: necesita mas información y un listado de cada individuo de la población.

• Muestreo Conglomerados:  Se obtiene de grupos o conglomerados ya establecidos cuando no hay listado de la población. Se usa cuando hay poblaciones muy dispersas o no hay listado completo individuos pero si de los grupos (unidades de un hospital). Desventaja: no se conoce de antemano el tamaño de la muestra que se va a obtener ya que el tamaño depende de los grupos seleccionados. Necesita un mayor tamaño de la muestra para ser preciso.

- Muestreo no Probabilístico: Las unidades que componen la población tienen diferente probabilidad de ser elegidas ya que no solo interviene el azar sino también otras condiciones. No se puede calcular la probabilidad de antemano y no todos los elementos tienen alguna posibilidad de ser incluidos. (dudosa representatividad).

• Muestreo Consecutivo: El más utilizado. Si se hace bien puede ser la representatividad de la muestra puede ser semejan al del muestreo probabilístico. Se recluta a todos los individuos de una población que son accesibles y que cumplen los criterios de inclusión durante un periodo de reclutamiento fijado. Desventajas: Que no se haga de forma enteramente consecutiva sino que haya interrupciones. Periodo de reclutamiento corto o que haya fluctuaciones.

• Muestreo de conveniencia: Se recluta a los individuos que son mas accesibles para el equipo investigador o que se presentan voluntariamente. Se usa con frecuencia al ser el menos costoso y mas fácil. Desventaja: Poco sólida ya que requiere de una gran homogeneidad de la variable estudiada en la población. Genera sesgos importantes.

• Muestreo intencional: El propio investigador es quien selecciona a los individuos al considerarlo los mas apropiados. Se usa cuando se quiere contar con una muestra de expertos o en estudios cualitativos. Desventaja: 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 le pide que identifique a otros individuos con sus mismas características para invitarles a participar y así sucesivamente hasta que se tenga recogida la muestra. Muy utilizada en estudios cualitativos. Ventaja: se puede acceder a parte la población con difícil acceso o difíciles de identificar (poblaciones marginadas como sectas). Desventaja: La muestra puede ser reducida debido a la reducida red de contactos. Calidad de los participantes condicionada por la invitación de otros a confiar en el investigador.

• Muestreo teórico: la selección de la muestra se hace de forma gradual debido a que el propósito del estudio es la generación de una teoría o porque la integración de la muestra se va diciendo sobre la marcha. Los participantes deben cubrir todas las características, perfiles y patrones que puedan influir de el fenómeno estudiado. Ventaja: se puede acceder a parte la población con difícil acceso o difíciles de identificar (poblaciones marginadas como sectas). Desventajas: La muestra puede ser reducida debido a la reducida red de contactos. La calidad de los participantes condicionada por la invitación de otros a confiar en el investigador.

10. Cálculo del tamaño muestral

Determinar el numero aproximado de sujetos que es necesarios incluir en la muestra para que esta sea representativa. Si no hacemos un calculo correcto puede ocurrir:

- Que nos falten sujetos de estudio. Nos faltaría precisión en estimar los parámetros de estudio y no seriamos encontraríamos diferencias significativas cuando si las hay. Error tipo II.

- Que estudiemos a mas sujetos de los necesarios. Gasto de tiempo y recursos. Saturación de la muestra y no garantiza representatividad si no se ha hecho un muestreo probabilístico.

El tamaño de la muestra puede depender: 

• Variabilidad el parámetro que se quiere estudiar o medir: + frec = muestra pequeña.
• La precisión con la que queremos dar los datos: + precisión menor intervalo de confianza. Error estándar.
• Nivel de confianza o significación estadística: En ciencias de la salud = 95% (ejemplo: dieta hiposódica para HTA).
• Poder estadístico o potencia estudio: Capacidad de un estudio de encontrar diferencias si las hay.
• Efecto esperado: Dependerá del efecto de la intervención que se lleva a cabo en los ensayos clínicos. Nos basamos en bibliografía previa. A mayor efecto esperado menor muestra necesaria.

11. Mediciones directas

Son las realizadas a elementos concretos como:

• Altura
• Temperatura 
• Ritmo cardíaco 
• Peso 
• Respiración 
• Glucemia

Las enfermeras también tienen experiencia en recoger medidas directas de variables atributivas o demográficas como:

• Edad 
• Género 
• Origen étnico 
• Estado civil 
• Nivel de ingresos 
• Nivel educativo

12. Mediciones indirectas

En investigación enfermera, muy a menudo la característica que el investigador tiene que medir es una idea abstracta o subjetiva como: 

• Estrés 
• Cuidado 
• Ansiedad 
• Dolor 
• Afrontamiento. Inidicadores de afrontamiento: frecuencia o exactitud de la identificación del problema, tiempo o eficacia en la resolución del problema, nivel de optimismo y tipos de comportamiento de autoactualización.

Raramente una estrategia de medición puede medir todos los aspectos de un concepto abstracto.

13. Medición de signos y síntomas

Diferentes naturalezas de las variables, diferentes métodos de medición. Por ejemplo: la presencia de dolor se puede medir como “sí” o “no”, sin embargo la glucemia basal se tendrá que medir por mg de glucosa por dl de sangre, con valores que pueden ir de 0 a 1000 mg/dl, por ejemplo. Son variables de diferente naturaleza. Para medir variables se utilizan diferentes escalas de medición.

14. Escalas de medición de variables

• Escalas nominales o clasificatorias: Nivel más bajo de medición. Los datos se ajustan por categorías que no mantienen una relación de orden entre sí (ej: color de los ojos). En una característica o variable sólo se puede comprobar si son iguales o diferentes. Los números se utilizan como meros nombres, podrían ser sustituidos por símbolos, letras. Estos números no gozan de ninguna de las propiedades aritméticas. Las categorías deben ser exhaustivas y mutuamente excluyentes. Ej: Género (1. Hombre. 2. Mujer).

• Escalas ordinales o de rango: Aporta información referente a la equivalencia y existe un cierto orden o jerarquía entre las categorías (ej: grados de disnea). En la medición ordinal dadas dos o más modalidad de una variable, es posible: establecer si son iguales o diferentes, y si son distintas, determinar cual es la mayor. Por lo tanto, los números expresan relaciones de igualdad, desigualdad y orden. Ej: Grado de mejoría tras el tratamiento: (1.Nula 2.Leve 3.Media 4.Máxima). Características: 

- No podemos establecer la cantidad de mejoría diferencial que un nivel, categoría o número representa en relación a cualquier otro. 

- Carecemos de suficiente información para determinar si entre los niveles 3 y 4 existe el mismo grado de mejoría que entre el 3 y 2 ó 2 y 1. 

- No se puede afirmar que la categoría 4 sea el doble que 2.

- Sólo podemos un orden, una jerarquía 4 > 3 > 2>1.

• Escala de intervalo: los datos tienen que ser numéricos y poseen las propiedades de la escala ordinal. Los intervalos entre observaciones se expresan en términos de una unidad de medición fija (ej: temperatura). Presenta la características propias de las dos escalas anteriores: IDENTIDAD Y ORDEN + requerimiento de que las distancias o intervalos iguales representan distancias equivalentes. Ej: temperatura: (36º, 37º, 38º. El 0 no representa ausencia de calor, sin embargo, cualesquiera La distancia entre de los puntos de la escala es igual. El Cambio de temperatura entre 36º y 37º = al cambio de temperatura entre 40º y 41º.). Características:

- No puede sacar razones o proporciones. No podemos afirmar que 20º es el doble de 10º.

- Escala cuantitativa y en ella se puede aplicar las estadísticas como mediana, desviaciones y correlación.

• 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, y además tiene un punto cero real en su origen (ej: peso en gramos). Por lo tanto, tiene las características propias de las tres escalas anteriores: identidad (Igualdad, desigualdad), orden, distancias equivalentes entre los intervalos + la ventaja adicional de poseer el 0 absoluto, en la que el 0 representa nulidad o ausencia de lo que se estudia. Entre dos números atribuidos a las modalidades admitiremos como validas: Las relaciones de identidad + orden + la existencia de intervalos equivalentes y cuantas veces una modalidad es superior a otra. Por tanto, en 2 números atribuidos a dos modalidades se admitirán como válidas las relaciones de: identidad; orden; las operaciones de suma, resta, multiplicación y división. Ej: edad, peso, talla, número de alumnos etc.

15. Variable

Característica que puede ser medida en la muestra o población y que puede variar de un sujeto a otro, o bien, de un evento a otro (de ahí su nombre). Datos: Cada uno de los valores que puede tomar la variable. 

* Tipos de variables:

- Variables Cuantitativas: Pueden tomar un valor numérico. Ej. Talla, nivel de colesterol, número de hijos, peso, etc.

• Discretas: Sólo pueden tomar un número finito de valores dentro de un intervalo y se pueden asimilar a los números enteros. Ejemplos: el número de hijos.
• Continuas: Aquellas que pueden tomar infinitos valores dentro de intervalo, incluyendo decimales. Ejemplos: Peso, talla, glucemia basal…

- Variables Cualitativas: También llamadas atributos, factores, variables categóricas, variables nominales, etc. Toman valores no numéricos y por tanto, no son susceptibles de cuantificarse. Sirven para medir cualidades. Ej. Estado civil, nivel de estudios, color de ojos, factor Rh… 

• Dicotómica o binaria. Sólo puede tomar dos valores opuestos y además excluyentes. Ejemplos: hombre/mujer, presente/ausente, enfermo/sano. 
• Policotómica: Puede tomar más de dos valores o atributos. Pueden ser ordinales o nominales. Pueden ser: Cuali policotómicas oridinales: nivel de estudios (sin estudios, primarios, secundarios, universitarios) o Cuali policotómicas nominales: estado civil, servicios de ingreso hospitalario, antecedentes laborales, etc.

* Operativización de las variables:

Es el proceso que transforma una variable subjetiva o abstracta en otras variables indirectas que tengan el mismo significado y que sean susceptibles de medición. Consiste en descomponer las variables principales en otras más específicas llamadas dimensiones. A su vez es necesario traducir las dimensiones en indicadores que permitan la observación directa.