BLOQUE TEMÁTICO 2. TEMA 4: INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA

ÍNDICE

1. Estadística descriptiva
2. Estadística inferencial
3. Variables (presentación de datos)
4. Variables continuas (tablas de frecuencias datos agrupados)
5. Indicadores/ concepto de indicador
6. Medidas de asociación: relaciones entre proporción, ratios y odds

1. Estadística descriptiva

Sirve para describir y resumir datos. Es el tipo de estadística que normalmente se usa en los medios de difusión. Describe y analiza una determinada población o muestra sin pretender sacar conclusiones de tipo general. También describe, analiza y representa un grupo de datos utilizando métodos numéricos y gráficos que resumen y presentan la información contenida en ellos. Además organiza de manera clara y fácil de analizar, resume los datos y explora las relaciones entre variables. Este tipo de estadística es preliminar antes que la inferencia. 

2. Estadística inferencial

Utiliza muestras de datos para sacar conclusiones sobre poblaciones más grandes. Este tipo de método se encuentra más frecuentemente en artículos publicados sobre investigación científica. Infiere o “induce” leyes de comportamiento de una población, a partir del estudio del análisis de una muestra. Apoyándose en el cálculo de probabilidad y a partir de datos muestrales, efectúa: estimaciones, decisiones, predicciones y generalizaciones sobre un conjunto mayor de datos.

3. Variables (presentación de datos)

Las tablas de frecuencia se realizan con datos que muestran frecuencias en columnas y las categorías de las variables en las filas. Presentan información repetitiva de forma visible y comprensible. Sus requisitos son:

• Son autoexplicables
• Son sencillas y de fácil comprensión
• Tienen un título breve y claro
• Indican lugar, fecha y fuente de información
• Incluye las unidades de medida en cada cabecera
• Indican frecuencias absolutas y relativas

* Tabla de frecuencia variable cualitativa dicotómica (ejemplo)

* Tabla de frecuencia variable cualitativa policotómica (ejemplo)

* Tabla de frecuencia variable cualitativa ordinal (ejemplo)

* Tabla de frecuencia variable cuantitativa discreta (ejemplo)

4. Variables continuas (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

• Frecuencias absolutas (𝒇𝒊 ): número de individuos que presentan una modalidad, o que están incluidos en un intervalo.
• Frecuencias relativas (𝒉𝒊 ): proporción de individuos referidos al total que presentan una modalidad o que están incluidos en un intervalo.
• Frecuencias acumuladas ( 𝒇𝒊 ó 𝒉𝒊 ): número de individuos menores o iguales que la modalidad o el intervalo que estamos estudiando.

Ejemplo

5. 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. La frecuencia absoluta no puede ser un indicador pues le falta un denominador que la relacione con el tamaño de la muestra o población, y/o el periodo en el que se presentaron los eventos. Los indicadores siempre están formados por un numerador y un denominador, es decir, es el resultado del cociente entre dos magnitudes. Un indicador es la medida de la frecuencia de un determinado suceso en una población, expresado como un número que puede ser: 

- Proporción: medida resumen para variables cualitativas, que consiste en la comparación, a través de un cociente (división) entre un subconjunto y el conjunto al que pertenece. El numerador siempre está incluido en el denominador. Adopta valores reales entre 0 y 1, expresando la frecuencia relativa del suceso que medimos. Se suele multiplicar por 100, para una mejor comprensión, expresando los porcentajes correspondientes. Si el suceso que medimos es muy poco frecuente, podemos multiplicar por 1.000, por 10.000, etc.

- Tasa: medida que expresa el riesgo de ocurrencia del evento (enfermedad) estudiado. En realidad es una proporción, pero con relación espacial y temporal. El denominador incluye una unidad de tiempo. Consiste en la comparación, a través de una división, entre el número de veces que ocurre un cierto tipo de evento y la población en la que puede ocurrir dicho evento en un tiempo determinado. Usualmente el resultado de tal división consiste en una cifra fraccionaria menor a 1, por lo que el resultado suele ser multiplicado por alguna constante que sea múltiplo de 10.

* Medidas más empleadas en estadística sanitaria

Según lo que queremos medir: 

- La situación en un punto en el tiempo: PREVALENCIA: Describe qué proporción de la población tiene la enfermedad en un punto específico en el tiempo: Depende de la velocidad de aparición de la enfermedad (incidencia) y de su duración. Características: es adimensional y adopta valores entre 0 y 1 (es una proporción).

- Lo que está pasando durante un periodo de tiempo: INCIDENCIA. Describe la frecuencia de NUEVOS CASOS que ocurren durante un periodo de tiempo. Es el flujo de sanos a enfermos, mide un cambio. Es una medida de riesgo. Características: es adimensional, adopta valores entre 0 y 1 (es una proporción), y si se mide como "Densidad de Incidencia", es una tasa, y adoptaría valores hipotéticos entre 0 e infinito. 

Hay dos tipos de incidencias: 

• Incidencia acumulada (proporción de incidencia) Riesgo de que se produzca el suceso. Se calcula utilizando un período de tiempo durante el cual consideramos que todos los individuos de la población están a riesgo de la enfermedad. Es la proporción de sujetos que desarrollan la enfermedad, en un período de tiempo, del total de población a riesgo al inicio del período.  Mide el riesgo promedio de padecer la enfermedad (probabilidad de desarrollar la enfermedad).

- Mide la probabilidad de tener el evento. 

- No tiene unidades. Es una proporción (se expresa como %, %0 ... 

- Valores entre 0 y 1 [0 – 100]. 

- No lleva implícito el período de tiempo  debe expresarse siempre. 

- Condiciones: 

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

• Tasa 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 período de tiempo. Si se disponen de los diferentes tiempos de observación (“tiempos en riesgo”) de los diferentes individuos, se puede calcular la densidad de incidencia o tasa de incidencia. Es necesario especificar la unidad de tiempo a las que se refiere la tasa (se mide en unidades de tiempo–1).Una misma cantidad de personas-tiempo se puede obtener mediante el seguimiento de distintos grupos de población.  Expresa la “tasa” o velocidad a la cual ocurren los eventos en sujetos de la población en riesgo en cualquier momento. (Tasa: datos agregados. Densidad de incidencia: tasa obtenida de datos individuales). 

Personas – tiempo:

- Suma de tiempos que los individuos están a riesgo de desarrollar el evento. 

- Las unidades a utilizar dependen del investigador. Los eventos poco frecuentes suelen describirse en personas-año o un múltiplo del mismo (100 o 1000 personas-año). En cambio en los eventos más frecuentes se pueden utilizar personas-semana o personas-día. 

* Relación entre prevalencia e incidencia

- Razón: es una medida de resumen para variables cualitativas que consiste en la comparación, a través de una división entre dos conjuntos. Los dos conjuntos son distintos, es decir, uno no incluye al otro. El numerador del cociente, por tanto, no está incluido en el denominador, como sí sucedía en las proporciones.

-Odds:  es el cociente entre la proporción o probabilidad de ocurrencia de un evento y la proporción o probabilidad (complementaria) de no ocurrencia, se denomina con el término inglés “odds”, empleado en el lenguaje de apuestas. No hay un término exacto en español, ni consenso en su traducción. El más aceptado es “ventaja” u “oportunidad”. La odds representa la frecuencia de un aspecto relativa a los sujetos que no presentan dicho aspecto, por lo que es un tipo especial de razón. Sus valores van desde 0 (eventos que nunca ocurren) hasta el infinito (eventos que ocurren siempre). Forma de cálculo: 

6. Medidas de asociación: relaciones entre proporción, ratios y odds

La magnitud de asociación entre dos fenómenos (por ejemplo entre un factor de exposición y una enfermedad), puede estimarse a través de medidas que relacionen proporciones, tasas y odds. Es lo que se llaman “MEDIDAS DE ASOCIACIÓN” y dependiendo del tipo de estudio, se usarán una u otra. Las tres más importantes son: 

• Razón de prevalencias: Estudios descriptivos de corte transversal. Realiza una ratio entre dos prevalencias (proporciones). Es la razón entre la proporción de enfermos en los expuestos y la proporción de enfermos entre los no expuestos. Cuantifica una estimación de la asociación entre el factor de exposición y la enfermedad. Si el valor se aproxima a 1, la enfermedad se distribuye por igual entre los expuestos y los no expuestos. La relación entre la incidencia (nuevos casos) en expuestos I.e y la incidencia (nuevos casos) en no expuestos I.ne, se puede expresar como: 

• Riesgo relativo o razón de riesgos: Estudios de observacionales de seguimiento o estudios experimentales. Realiza una ratio entre dos incidencias acumuladas (proporciones) o dos densidades de incidencia (tasas). Es la razón entre el riesgo en los expuestos y el riesgo en los no expuestos. Cuantifica el incremento en el riesgo producido por la exposición. Si el valor se aproxima a 1, la enfermedad o el suceso aparece de forma similar entre los expuestos y los no expuestos.

• Odds ratio: Estudios de casos y controles. Realiza una ratio entre dos medidas “odds” o ventajas. Se trata de relacionar la ODDS o VENTAJA de los casos con la ODDS o VENTAJA de los controles. Toma valores > 1 =1 De 0 a 1.

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.

BLOQUE TEMÁTICO 1. TEMA 2: EL MÉTODO CIENTÍFICO Y SUS PERSPECTIVAS

ÍNDICE

1. Proceso deductivo: métodos estadísticos
2. Proceso inductivo: métodos cualitativos
3. Atributos de los paradigmas cualitativo y cuantitativo
4. Fases del proceso de investigación
5. Artículo científico original o primario
6. Errores en los estudios cuantitativos 
7. Control de los errores en estudios estadísticos
8. Validez interna y externa
9. Precisión y exactitud
10. La investigación cualitativa
11. ¿Debe escogerse entre los dos enfoques?
12. Ética e investigación

1. Proceso deductivo: métodos estadísticos

2. Proceso inductivo: métodos cualitativos

3. Atributos de los paradigmas cualitativo y cuantitativo

4. Fases del proceso de investigación

- Etapa conceptual: ¿Qué investigar? ¿Para qué investigarlo?. Comprende lo siguiente: Observación de hechos, identificación y formulación del problema, revisión bibliográfica (antecedentes), marco teórico o marco de referencia conceptual (base teórica del problema), definición del problema de investigación, definición de objetivos/formulación de la hipótesis (estudios cuantitativos analíticos), definición operacional de términos y variables e importancia del estudio y limitaciones. 

La definición y  formulación de objetivos trata de definir a dónde queremos llegar; qué queremos lograr. No se debe confundir los objetivos de investigación con los objetivos de la práctica profesional. Es frecuente desglosar un objetivo general en varios específicos. Los objetivos deben ser pertinentes, concretos, realistas y mensurables. 

La hipótesis es un enunciado de las expectativas de la investigación, acerca de relaciones entre variables que se indagan (sólo para estudios estadísticos analíticos o experimentales). Debe enunciar una relación esperada en mínimo 2 variables. La hipótesis es un estado conjetural que enlaza las variables independiente y dependiente (predictora y resultado). Exige una definición previa clara y concisa de dichas variables. Se debe formular en términos de "hipótesis nula". 


- Etapa empírica: ¿Cómo investigarlo?. Es la etapa más práctica del proceso; el trabajo de campo. Corresponde al Material y Métodos y a la obtención de resultados en el trabajo de investigación. Define el enfoque o estrategia de abordaje del problema de investigación para el logro de los objetivos. Debe definir el plan de investigación: fuentes de información, método de recolección, gestión y análisis de los datos y asegurar el control o comprobación y validez interna y externa. 

Está conformada por:

1. Planificación de la investigación (proyecto): Material y métodos

• Diseño metodológico (técnicas cuantitativas o cualitativas)
• Población de estudio ( o universo)
• Muestreo o selección de participantes 
• Variables
• Definición del proceso de recogida de datos
• Registro y procesamiento

2. Trabajo de campo: recogida de datos

3. Análisis de los datos

* Tipos de diseños cuantitativos en función del objetivo de investigación

- Problema: existe un daño en la salud.

- Descripción: mide el problema y observa diferencias entre grupos (ecológicos y transversales).

- Evaluar posible asociación entre factores y el problema: asociación, causalidad y riesgo. Hay 2 tipos: analíticos (son casos y controles. Requiere un seguimiento) y experimentales (son aleatorios y controlados. Se tratan de cuasiexperimentos: estudio empírico de intervención utilizado para estimar el impacto causal de una intervención en la poblaicón objetivo sin asignación previa aleatoria).

* Métodos cualitativos de investigación

Los métodos descriptivos pueden ser:

• Documentales: históricos, fotográficos...
• Etnográficos: estudio de los valores, creencias y práctica de una cultura (investigación participativa).
• Fenomenológico: estudios de experiencias de vida (biográficos: historias de vida, biogramas...).

- Etapa interpretativa: ¿Cuál es el significado de los hallazgos de la investigación?. En esta etapa de convalidan los métodos empleados y los resultados. Trata de describir fortalezas y debilidades del estudio. Se relacionan los hallazgos con los objetivos e hipótesis, y con los hallazgos de otros autores. También se destacan aspectos novedosos y relevantes, y por último, de extraen conclusiones. 

5. Artículo científico original o primario

La primera publicación de los resultados de una investigación original, en forma tal que los amigos del autor puedan evaluar las observaciones, repetir los experimentos y verificar las conclusiones, en una revista u otra fuente documental fácilmente asequible dentro de la comunidad científica. 

6. Errores en los estudios cuantitativos

- Errores aleatorios: Se produce cuando el estudio se realiza sobre una muestra probabilística de la población. Si se trabaja con muestras, es difícil esperar que los resultados coincidan exactamente con lo que ocurre en la población. Sabemos que existe, pero no sabemos si el resultado sobre la muestra supera o se queda corto con respecto al resultado real en la población. Las medidas de control para estos errores son: 

• Primera fase: calcular el mínimo tamaño de una muestra necesario para poder detectar como estadísticamente significativa una diferencia, si es que ésta existe realmente en la población.
• Segunda fase: Uso de pruebas o tests de hipótesis (errores alfa o beta).
• Tercera fase: cálculos de intervalos de confianza para las estimaciones obtenidas.

- Errores sistemáticos (sesgos): Son errores que desplazan artificialmente las diferencias observadas en el estudio de las verdaderas, se muestree o no. Estos errores a veces exageran las verdaderas diferencias y a veces las minimiza. Además, afectan a la validez interna del estudio, es decir, a la credibilidad de las conclusiones. Tipos de sesgos: 

• Sesgo de selección: se incluyen en el estudio sujetos de estudio que difieren en alguna característica relevante de la población sobre la que se pretenden sacar conclusiones. Si afecta al factor de exposición y al efecto de interés (factor de riesgo y enfermedad), los hallazgos no son extrapolables. 
• Sesgo de clasificación (o información): corresponde a una incorrecta medición de una variable. Depende, por tanto, de la validez y fiabilidad del método utilizado para recoger la información. Puede afectar a la exposición o al efecto y diluir las diferencias realmente existentes o exagerar estas diferencias. Hay dos tipos:

                              - No diferencial: disminuye las diferencias realmente existentes.

                              - Diferencial: exagera las diferencias realmente existentes. 

*Grupo de control: su finalidad es  aislar el efecto del factor del estudio del debido a otros factores. Los efectos que se controlan son: 

- Efecto Hawthorne: sentirse observado mejora nuestra respuesta.

- Efecto placebo: la administración de fármacos produce respuestas no atribuibles específicamente al mismo. 

- Regresión a la media: cuando se obtiene un valor extremo en una variable, la segunda vez que se mide tiende a los valores de la media. 

- Evolución natural: las enfermedades tienden a su resolución de forma natural, sin que sean atribuibles a la intervención.

• Sesgo de confusión: es el único que se puede controlar en la fase de análisis y no sólo en la de diseño. Es una distorsión de las estimaciones del estudio, producidas por la distribución desigual en los grupos de comparación de una tercera variable (variable confundente). Si esa variable es predictora del efecto (factor de riesgo o protector) entonces su distribución desigual contamina la verdadera relación entre la exposición y el efecto estudiados. 

7. Control de los errores en estudios estadísticos

- En la fase de diseño (selección y clasificación).

- Restricciones y apareamientos.

Análisis estratificado y multivariantes. 

8. Validez interna y externa

- Validez interna: ausencia de sesgos para la población estudiada. 

- Validez externa: precisión y validez externa. Capacidad de extrapolar los resultados del estudio en otras poblaciones. 

9. Precisión y exactitud

- PRECISIÓN: Fiabilidad o reproductibilidad. Grado en que una medición proporciona resultados similares cuando se lleva a cabo en más de una ocasión en condiciones similares.

- EXACTITUD: validez para que una medición mida realmente aquello para lo que está destinada. Pueden existir errores de exactitud debidos al individuo, al observador y al instrumento de medición. 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.

* Estrategias:

• Seleccionar las medidas más objetivas posibles.
• Estandarizar la definición de variables.
• Formar y entrenar a los observadores.
• Utilizar la mejor técnica posible.
• Utilizar instrumentos automáticos.
• Obtener varias mediciones de una variable para mejorar la precisión.
• Emplear técnicas de enmascaramiento (ciego).
• Calibrar instrumentos

10. La investigación cualitativa

Es una investigación disciplinada que examina los significados de las acciones y experiencias de los individuos en el contexto de su propio entorno social. Es un método riguroso, aunque no inflexible. Interesa ver "qué pasa" en el contexto en que se da la situación. 

NO es útil para: 

• Descubrir las causas y los factores de riesgo relacionados con la enfermedad y la discapacidad. 
• Evaluar la efectividad de una intervención. 

Es útil para: 

• Comprender diferencias culturales entre trabajadores sanitarios y clientes.
• Comprender cómo afecta la enfermedad o discapacidad y la provisión de cuidados a la vida de los afectados. 

* Fiabilidad  y validez en la investigación cualitativa:

- Se basan en experiencias en un contexto y en un momento determinado.

- Poseen una validez interna poderosa: los propios observados. 

- No tienen replicabilidad o reproductibilidad ni validez externa. 

11. ¿Debe escogerse entre los dos enfoques?

"Los evaluadores obrarán sabiamente si emplean cualesquiera métodos que resulten más adecuados a las necesidades de su investigación, sin atender a las afiliaciones tradicionales de los métodos. En el caso de que ello exija una combinación de métodos cualitativos y cuantitativos, hágase así pues". 

* Complementariedad de los métodos:

* Obstáculos en el empleo conjunto de ambos enfoques

1. Puede ser caro.
2. Puede suponer demasiado tiempo.
3. El investigador puede carecer de adiestramiento en ambos métodos.
4. La moda y la adhesión a un enfoque.

12. Ética e investigación

- Respetar principios éticos en el diseño, ejecución, análisis y difusión.

- Cumplir con la normativa vigente con la protección de los derechos de los participantes: consentimiento informado.

- Dos componentes: fines y medios moralmente aceptables.

- Autorizaciones a los comités éticos de los centros.

- Documentos de referencia:

• Declaración de Helsinki (1964) revisado en Edimburgo (2000). 
• Informe Belmont (1978). 
• Convenio de Oviedo del Consejo de Europa (2000).