TEMA 4. INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA.Medidas resumen variables cualitativas. Medidas de frecuencia. Proporciones, razones y tasas. Construcción de tablas de frecuencia.

TEMA 4. INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA

Estadística descriptiva: preliminar antes de la inferencia

• Describe y resume datos. Es fácil de analizar.
•  No saca conclusiones generales.
• Explora las relaciones entre variables.
•  Muy común en los medios de difusión.

Estadística inferencial

• Describe, analiza y representa. Para ello utiliza métodos numéricos y gráficos.
• Se llama inferencial porque infiere o induce leyes de comportamiento de una muestra y los extrapola a una población.
• Gracias al cálculo de la probabilidad realiza: estimaciones, decisiones, predicciones y generalizaciones sobre un conjunto mayor de datos.
•  Es mas frecuente en artículos publicados sobre investigación científica.

VARIABLES. Presentación de datos

Tablas de frecuencia

• Se muestran las frecuencias en columnas y las categorías de las variables en filas. Presentan información repetitiva, comprensiblemente.
• Son autoexplicativas, sencillas.
• Constan de 1 título, breve y claro.
• Indican el lugar, fecha y fuente de información.
• Incluyen unidades de medida en la cabecera. Además nos encontramos tanto frecuencias absolutas y relativas.

Ejercicio: notas de 25 alumnos.

12    18    10   14   08

04    12    11   05   17

14    13    15   16   11

00    09    14   13   13

14    14    08   06   12

CATEGORÍAS	Frecuencia absoluta	Frecuencia absoluta acumulada	Frecuencia relativa	Frecuencia relativa acumulada	Frecuencia %
[00,05)	2	2	2/25=0,08	0,08	8%
[05-10)	5	7	5/25=0,2	0,28	20%
[10-15)	14	21	14/25=0,56	0,84	56%
[15-20]	4	25	4/25=0,16	1 (Hemos tenido en cuenta toda la muestra, vamos bien en el ejercicio)	16%
TOTAL	25		1		100%

Variables continuas. Tablas de frecuencias datos agrupados

• Es necesario definir los intervalos, sus extremos, la amplitud o distancia entre los extremos y calcular la marca de clase de cada intervalo.
• A continuación explicamos las distintas frecuencias:
• Frecuencia absoluta: número de individuos que forman parte de un intervalo.
• Frecuencia relativa: proporción de individuos que presentan una modalidad, pero referidos al total.
• Frecuencia acumulada: nº de individuos menores o iguales que la modalidad que estudiamos.

CONCEPTO DE INDICADOR

La frecuencia absoluta no es un indicador, ya que necesita de un denominador que lo relacione con el tamaño de la muestra o población, además del periodo en el que se desarrollaron los eventos. Por lo tanto, el indicador será el resultado entre el cociente de dos magnitudes.

Un indicador es la medida de frecuencia de un suceso en una población, y que se expresa como un número. Este nº puede ser:

• Proporción
• Tasa
• Razón
• Odds

Existen indicadores elaborados en: INE, IEA,CIS...

A continuación, explicaremos cada uno de ellos:

Proporción

Es una medida resumen para variables cualitativas. Se compara a través de un cociente, unos elementos y el conjunto al que pertenecen.

• El numerador está incluido en el denominador.
• Adopta valores entre 0 y 1--> expresa la frecuencia relativa.
• Se multiplica por 100 para más entendimiento, expresando los porcentajes.

Tasas

Medida que expresa el riesgo de ocurrencia de un evento. Es una proporción, a la que se suma una relación espacio-temporal. Por ello en el denominador se incluye la unidad de tiempo.

Se compara, a través de un cociente, el nº de veces que ocurre un evento entre la población ala que le puede ocurrir en un tiempo determinado.

De nuevo, debe ser multiplicado por un múltiplo de 10 para más comprensión.

MEDIDAS MÁS EMPLEADAS EN ESTADÍSTICA SANITARIA
	¿QUÉ DESCRIBE?	CARACTERÍSTICAS
PREVALENCIA	PROPORCIÓN DE LA POBLACIÓN QUE PRESENTA UNA ENFERMEDAD EN UN PUNTO ESPECÍFICO EN EL TIEMPO	ES ADIMENSIONAL Y ADOPTA VALORES ENTRE 0-1
INCIDIENCIA	FRECUENCIA DE NUEVOS CASOS QUE OCURREN DURANTE UN PERIODO DE TIEMPO. FLUJO DE SANO A ENFERMO. ES UNA MEDIDA DE RIESGO	ES ADIMENSIONAL, ADOPTA VALORES ENTRE 0-1. PUEDE MEDIRSE COMO “DENSIDAD DE INCIDENCIA”. SERÍA UNA TASA Y ADOPTARÍA VALORES DE 0 A INFINITO

La prevalencia puede deducirse como:

Prevalencia= Tiempo o duración de la enfermedad x Incidencia.

Datos

Población desde 2010 a 2014: 79. 407 personas.

Nº de casos: 15 casos.

Prevalencia: proporción que presenta una enfermedad en un punto específico / población total en un tiempo específico x 100 =

= 15/ 79. 407 x 100= 0,018 %

TIPOS DE INCIDENCIA
	INCIDENCIA ACUMULADA	TASA DE INCIDENCIA
¿QUÉ ES?	Proporción de sujetos que desarrollan una enfermedad, en un periodo de tiempo, del total que estaba en riesgo al principio del período.	Expresa la tasa, a la cual ocurren los eventos en sujetos de la población en riesgo en cualquier momento. Expresa la velocidad, rapidez con la que se desarrolla el evento
¿CÓMO SE CALCULA?	Debemos tener en cuenta un período en el que todos los individuos están a riesgo de padecerla. IA= Nuevos casos en un T determinado/ Población a riesgo en t0	Nuevos casos (t0,t)/ Suma de tiempos a riesgo de cada individuo Suma de tiempos que los individuos están a riesgo de desarrollar el evento, cada uno contribuye con un nº de unidades de tiempo.
¿QUÉ MIDE?	Riesgo de padecer la enfermedad o probabilidad	Velocidad de aparición del evento
CARACTERÍSTICAS	Adimensional. Se expresa en porcentaje. Valores entre 0 y 1. Debe expresarse el tiempo, no está implícito	Se mide en unidades de tiempo -1 Personas-año, personas-semana… No es una proporción.
CONDICIONES	No puede haber pérdidas en el seguimiento, y este debe ser estricto	No todos los individuos se siguen el mismo periodo de tiempo

TASA DE INCIDENCIA: es un ejercicio hipotético

Calcular la tasa de mortalidad del municipio de San Alejo del año 2013.

Datos

Nº de muertes: 30

Población: 15.235

Tasa incidencia= numero de muertes durante el año 2013/ Población total durante ese año x 100.000=

=30/ 15235 x 100.000= 196,91 x 100.000 habitantes (de 100.000 personas fallecen 196). A pesar de que no hay esa cantidad de habitantes. Si la hubiera, morirían esas personas.

Razones o "ratios"

• Medida resumen para variables cualitativas, que compara 2 conjuntos. Estos son distintos y excluyentes.
• Por ejemplo, la razón de sexos.

Odds o ventaja:

• Cociente entre la probabilidad de ocurrencia de un evento y la probabilidad de no ocurrencia.
• Toma valores  desde 0 (eventos que nunca ocurren), hasta infinito (eventos que siempre ocurren).

   MEDIDAS DE ASOCIACIÓN: RELACIÓN ENTRE PROPORCIONES, RATIOS Y ODDS


La magnitud de asociación entre 2 fenómenos (por ejemplo, entre un factor de exposición y una enfermedad), se puede estimar gracias a medidas que relacionen proporciones, tasas y odds.

Podemos encontrar 3 medidas de asociación:

• Razón de prevalencias: se realiza en estudios descriptivos de corte transversal.
• Ratio entre dos proporciones.
•  Asocia el factor de exposición y la enfermedad. Si el valor se aproxima a 1, la enfermedad se distribuye por igual entre los dos grupos.

• Razón de incidencias, razón de riesgos o riesgo relativo: razón entre el riesgo en los expuestos y los no expuestos. Si el valor se aproxima a 1, la enfermedad aparece de forma similar entre los dos grupos.
• Estudios observacionales de seguimiento o experimentales.
• Ratio entre dos incidencias acumuladas (proporciones )o dos densidades de incidencia (tasas).

• Odds ratio o razón de ventajas: razón entre la Odds de casos y la Odds de los controles. Los valores posibles son de 0 a 1.

TEMA 3. DE LOS CONCEPTOS A LAS VARIABLES.Población, muestra, parámetros y estadísticos. Variables y escalas de medida

TEMA 3. DE LOS CONCEPTOS A LAS VARIABLES

Estadística: ciencia cuyo objetivo es demostrar, ya sea cuantitativamente o cualitativamente, datos provenientes de observaciones demográficas, económicas, biomédicas... en la que intervienen un gran número de factores de variación
Bioestadísticas: aplicación de la estadística en la interpretación de los fenómenos de vida. La variabilidad supone el carácter esencial.


Podemos clasificar la estadística en descriptiva o deductiva y en diferencial o analítica:

Descriptiva: trata, resume y presenta los datos observados de una manera científica y gráfica.

Analítica: establece conclusiones sobre una población, a partir de datos obtenidos en una muestra. Para ello hay que seguir cierto nivel de seguridad o intervalo de confianza.

Investigación cualitativa y cuantitativa

Conjunto de procedimientos ordenados, que tiene como objetivo obtener explicaciones válidas sobre unos fenómenos observados, y que además se rige por principios y reglas.

Características

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

El razonamiento inductivo establece una generalización a partir de observaciones particulares

El razonamiento deductivo parte de un resultado general, y realiza predicciones concretas

La evidencia empírica se relaciona con la realidad objetiva y reunida a través de los sentidos.

Investigación cuantitativa: recogida de datos numéricos y análisis estadístico. Se centra en el razonamiento deductivo, la lógica y el positivismo lógico.

Investigación cualitativa:atiende los aspectos dinámicos (por ejemplo, las opiniones), holísticos e individuales. Evita la cuantificación, recogiendo información subjetiva a través de entrevistas no estructuradas, observación de pacientes...Está infravalorada, ya que no se demuestra por una formula matemática. Es mucho mas complicada, muy pocos artículos son de discursos,entrevistas...en las que se dice exactamente lo que una persona dijo "verbatim". Por ejemplo, un articulo de calidad percibida en población hiperfrecuentadora infantil. Es muy difícil que los nºs midan eso.

ECA: diseños de estudios mas potentes: cuantitativo

Articulo en el que se interviene personas que no pueden dormir sin el uso de fármacos. Les pedimos que rellenen unos cuestionarios para medir el insomnio, el estrés, la calidad del sueño... Finalmente establecemos unos valores, no atendemos a lo que cada persona siente sobre ese aspecto.

Procedimiento muestral

Un muestreo permite escoger un grupo  pequeño, de manera que posea unas características que puedan ser extrapolables a una población que estamos estudiando.

Proceso de la inferencia estadística

Seleccionamos a partir de una población N aleatoriamente, una muestra n, siendo esta un estimador (eje alfa ) y a partir de este podremos hacer el proceso de inferencia y obtener un parámetro (eje mu)


Parámetros y estadísticos

Parámetro

• Es una cantidad numérica calculada sobre una población o universo, y su tamaño se expresa en N (mayúscula)
• El objetivo es resumir todos los datos que hay en la población, en unos números (parámetros)
• Estos parámetros se expresan con letras griegas:  σ  (desviación típica),π (proporción), µ (media),etc.

Estadístico

• Cantidad numérica calculada sobre una muestra extraída de la población o universo, cuyo tamaño se expresa con n (minúscula)
• El objetivo es resumir toda la información de la población en unos pocos números (estimadores)
• Los parámetros esta vez, se expresan con letras latinas en minúsculas : s (desviación típica), p (proporción), alfa (media),etc.

POBLACIÓN DE ESTUDIO

Definición: conjunto finito o infinito de elementos que están definidos por una o más características, todos y cada uno de ellos. Por ejemplo, personas celíacas.

Niveles de población

Población diana:todas las que yo quiero estudiar y que presentan una característica, por ejemplo,personas celíacas
Población de estudio: subconjunto de individuos que deben cumplir unos criterios de inclusión
Muestra: las personas  que finalmente selecciono, porque igual algunos han decidido no colaborar
Participantes: los individuos que completan el estudio

Representatividad de la población

Tamaño: suficientemente grande para que sea representativa y para el correcto análisis de los datos
Comparable: GI/GC comparables

Tipo de muestreo

Muestreo probabilistico: todos tienen la misma probabilidad de ser elegidos, tiene mucha mas fiabilidad. Por ejemplo,necesito a 100 pacientes de urgencias, tengo que pensar aleatoriamente a quienes voy a elegir, pero no puedo elegir los 100 en un día. Tiene la misma probabilidad el nº 1 que entre en el hospital, que el 300º de poder participar en el estudio. Se hace gracias a fórmulas matemáticas en el ordenador.

Muestreo no probabilistico: no todos tienen la misma probabilidad, hay una serie de elementos que influyen como el efecto "bola de nieve". Es menos fiable. Por ejemplo, si queremos estudiar qué piensan los enfermeros  sobre el insomnio. Mandamos cuestionarios por una red social a enfermeros de trabajo y pedimos que estos se lo envíen a otros que conozcan. Es un matiz de azar.

Muestreo aleatorio:

• Simple: selección al azar, usando poblaciones pequeñas, es el más representativo.
• Desventajas: hay que hacer un listado de todas las unidades, exige un costo por dispersión de la población y puede que haya grupos minoritarios no representados
• Sistemático: selección de individuos según una regla.
• Formula: K= N/n     r= 1 y K (N: población candidata/ n:muestra)
• Ventajas: no es necesaria una lista completa

Ejemplo: si r=3   1=3// 2 (3+K)// 3 (3+(2Xr))


Muestreo probabilístico

Conglomerado:
Se obtiene de grupos establecidos cuando no hay listado de población. Puede que haya listado de los grupos, por ejemplo en un hospital estudiamos la calidad de vida de los pacientes.

1. Cogemos mediante un muestreo aleatorio simple un hospital
2. Pasamos a usar el muestreo conglomerado

La desventaja es que no se conoce de antemano el tamaño de la muestra, porque eso dependerá del grupo seleccionado.


Estratificado:se utiliza cuando una característica no se distribuye en toda la población, sino en un estrato en particular

La ventaja es que podemos controlar adecuadamente la variable en cada subgrupo de la población, mientras que necesitamos más información y un listado de cada individuo de la población.



Consecutivo: es el mas representativo y fiable de los no probabilistico.  Se eligen todos los individuos de una población que son accesibles y que cumplan los criterios de inclusión, durante un tiempo de reclutamiento fijado.

Desventaja: hay una serie de interrupciones. También puede ocurrir que sea un periodo corto o que haya fluctuaciones.

Ejemplo: ¿Cuánto tiempo duermen los recién nacidos? . Elijo  a los 100 primeros, no hay una secuencia aleatoria y por lo tanto, es menos fiable. Existe un gran sesgo.


Conveniencia: se reclutan a los individuos que sean más accesibles para el investigador o que se presenten voluntariamente. Debo elegir siguiendo unos factores ,por ejemplo, que tenga 5 años de experiencia. Si quieres hacer entrevistas debes escoger a grupos de expertos , y estos ya cumplen unas premisas: tienen doctorados, ha publicado un nº determinado de  artículos... (duelo perinatal)

Desventaja: es poco sólida, ya que requiere una gran homogeneidad de la variable que se quiere estudiar. Por lo tanto, genera grandes sesgos. Un ejemplo sería parar a personas que pasan por la calle.
Ventajas: poco costoso y fácil


Intencional: análogo al de conveniencia . La desventaja que presenta es el no contar con un método externo y objetivo para valorar la idoneidad de los sujetos. Encontramos el método Delphi, en el que se crean juicios intuitivos emitido por expertos. Su objetivo era la selección de un sistema industrial norteamericano óptimo.

Bola de nieve: el investigador elige a un participante que cumpla los criterios de inclusión y le pide que busque a otros individuos con sus mismas características. Así sucesivamente hasta que tenga la muestra. Es muy utilizada en estudios cualitativos.
Tiene como ventaja que podemos acceder a partes de la población con difícil acceso (poblaciones marginales).

¿Cual es la desventaja?
Si hay una reducida red de contactos, la muestra será reducida. Existe cierto sesgo ya que el investigador está confiando en todos cumplan unas características.


Teórico: la selección de la muestra se hace de forma gradual debido a que:

• El propósito del estudio es la creación de una teoría
• Se integra la muestra sobre la marcha

Ventaja: de nuevo se pueden acceder a poblaciones marginales o de difícil acceso

Desventaja: equivalentes al muestreo "bola de nieve"

Ejemplo: Si quieres  probar una hipótesis ,pero es un tema novedoso y no hay mucha información. Vas cambiando de muestra según lo que te vas encontrando, por ejemplo, si investigamos el coronavirus

Estos muestreos son distintas maneras para obtener muestras y que mi estudio sea lo más acertado posible.


Calculo del tamaño muestral

Es importante determinar el número de sujetos necesarios para nuestra investigación, y que así sea representativa. Sino pueden ocurrir 2 situaciones:

-Que nos falten sujetos de estudio: debemos estimar los parámetros de estudio
-Que estudiemos a más sujetos de los necesarios: eso produce un gasto de tiempo y recursos. Hay mecanismos para evitar la saturación del discurso, hay veces que hablamos con 10 personas y todas acaban transmitiendo la misma información. Además no garantiza representatividad si no se ha hecho muestreo probabilístico.

El tamaño de la muestra puede depender:

• Variabilidad del parámetro: + frec= muestra pequeña
• La precisión con la que damos los datos: + precisión menor intervalo de confianza. Error estándar
• Nivel de confianza: en ciencias de la salud supone un 95%
• Poder estadístico: capacidad de un estudio de encontrar diferencias
• Efecto esperado: dependerá del efecto de la intervención, llevado a cabo en los ensayos clínicos. Para ello nos basamos en biografiaría previa. A mayor efecto esperado menor muestra necesaria.

Survey Monkey es una página web que permite obtener una muestra, a partir del nº de personas, el nivel de confianza y el margen de error.



MEDICIONES DIRECTA:

• Se realizan a elementos concretos como:
• Altura
• Temperatura
• Glucemia
• Respiración
• Peso
• Ritmo cardíaco

Por ejemplo, si quieres medir el insomnio puedes controlar los movimientos nocturnos del paciente, cuantas veces se despierta, su frecuencia cardíaca... gracias a una espirografía. Es mucho mas fiable que usar un cuestionario.

• Las enfermeras juegan un papel importante en la toma  de medidas directas, y esto es mucho más fiable. Es consciente en todo momento del proceso y por lo tanto del resultado. Pueden medir variables atributivas o demográficas, mediante el proceso de anamnesis. Algunas son:
• Edad
• Género
• Origen étnico
• Estado civil
• Nivel de ingresos
• Nivel educativo

MEDICIONES INDIRECTAS

En muchas ocasiones, deben medirse ideas subjetivas como el estrés, el cuidado, la ansiedad, el dolor o el afrontamiento. A pesar de esto, luego se pueden operativizar.

Es muy difícil que una estrategia de medición pueda intervenir en todos los aspectos de un concepto abstracto.


Medición de signos y síntomas

• Las variables no pueden medirse de la misma manera, ya que su naturaleza te obliga a utilizar diferentes métodos de medición. 
• El dolor puede medirse con el simple hecho de decir, me duele o no.
• La tensión arterial se mide en mm Hg
• La glucemia se mide en mg glucosa/ dl sangre
• Para la medición de las variables utilizamos escalas de medición

Escalas de medición de variables

• Escala nominal o clasificatoria:
• Nivel más bajo de medición. Le damos un nombre a una característica
• Los datos se dividen en categorías, pero estas no guardan relacionan entre sí. Son exhaustivas y mutuamente excluyentes.
• Raza
1. Blanco
2. Amarillo
3. Negro

• Género
• Tipo de profesión
• Color de ojos

   Los números podrían ser sustituidos por letras o símbolos, no tienen ningún significado de orden y no siguen las propiedades aritméticas.

• Escala ordinal o de rango:
• Si establecemos una variable,se puede establecer  diferencias y orden (mayor o menor), entre categorías.
• Los números expresan igualdad, desigualdad y orden
• Ejemplo: Grado de satisfacción laboral diario
1. Nulo
2. Poco
3. Mucho
4. Bastante
5. Óptimo
• Ejemplo: medallas olímpicas
1. Oro
2. Plata
3. Bronce
• Importante
• Existe un orden, peor no podemos establecer la diferencia existente entre cada número. No sabemos si entre "mucho" y "bastante" hay el mismo recorrido que para "bastante" y "óptimo".

• Escala de intervalo:
• Presenta identidad y orden y además cumple que entre cada intervalo las distancias son equivalentes.
• Ejemplo: la temperatura, tensión arterial...
• Es una escala cuantitativa y en ella pueden aplicarse estadísticas como mediana., desviaciones y correlación.

• Escala de razón o proporción:
• Nivel más alto de medición
• Características propias de las demás escalas + posesión del 0 absoluto (ausencia de lo que se estudia)
• Muchas medidas en el campo de la salud, son de este tipo: edad, peso,talla, nº de hijos...

Variable

Característica que puede ser medida en la muestra o población y que varía, ya sea entre sujetos o entre distintos eventos.

La variable puede tomar distintos valores y se llaman datos.

Las variables podemos diferenciarlas en cuantitativas y cualitativas.

• Variables cuantitativas: toda variable expresada mediante un nº
• Discretas: puede tomar un número finito de valores entre cada intervalo, se asimila a números enteros. Por ejemplo, si tiramos 2 dados podemos obtener como máximo 11 valores distintos.
• Continuas: puede tomar infinitos valores en un intervalo, incluyendo los decimales. Por ejemplo, la edad, el peso, glucemia, tensión arterial o el volumen de agua dentro de una lavadora.
• Variables cualitativas:
• Pueden llamarse factores, atributos, variables categóricas, nominales...
• No toman valores numéricos
• Miden cualidades
• Dicotómica o binaria: sólo toma 2 valores, y estos son opuestos y excluyentes. Es decir, si eres uno, no puedes ser el otro. Ejemplo: hombre/ mujer
• Policotómica: puede tomar más de 2 valores. A su vez lo dividimos en ordinales o nominales
• Ordinales: establecen un orden, por ejemplo, nivel de inglés (A1, A2,B1,B2...)
• Nominal: no existe un orden, por ejemplo, la marca de móviles de tus amigos.
• Las categorías deben construirse bajo los criterios de exhaustividad y exclusividad.

OPERATIVIZACIÓN DE LAS VARIABLES

• Proceso de transformación de una variable subjetiva en una variable indirecta, que se pueda medir y que tenga significado.
• Las variables principales se descomponen en otras más específicas, llamadas dimensiones.
•  Estas a su vez deben traducirse en indicadores que permitan la observación directa.

Ejemplo:

VARIABLE      Accesibilidad a los servicios de salud
DEFINICIÓN  Mayor o menor posibilidad de tener contacto con los servicios de salud

DIMENSIONES

• Accesibilidad geográfica
• Accesibilidad económica
• Accesibilidad cultural

INDICADORES

• Tiempo medio en horas y minutos que tarda una persona para trasladarse desde su domicilio hasta el centro de Salud
• Cantidad de dinero que gasta para recibir la atención y disponibilidad económica para cubrir ese gasto
• Conocimiento sobre la atención que se da en el Centro de Salud y percepción del problema de salud

TEMA 2. EL MÉTODO CIENTÍFICO Y SUS PERSPECTIVAS

TEMA 2. EL MÉTODO CIENTÍFICO Y SUS PERSPECTIVAS

• Nuestro objetivo es obtener una respuesta que nos permita tomar decisiones. Por ejemplo, si investigo sobre un acción determinada de los anestésicos. 
• Investigar es sacar a flote una realidad que a veces es difícil de observar, estas realidades pueden ser complejas y por ello debemos enfocar la investigación desde distintas perspectivas. Si estudiamos la calidad de vida, para uno dependerá de la economía, mientras que para otros estará relacionado con las inseguridades personales.
• Utilizaremos distintos métodos y técnicas.
• Está íntimamente relacionado con los métodos deductivos e inductivos.

Método deductivo:métodos cuantitativos

Se realiza una selección aleatoria para que los datos sean representativos. A continuación se miden distintas variables, calculando estimaciones, contrastando hipótesis. Por último, se hace el proceso de deducción: sacar conclusiones de lo general a lo concreto. Cuando se haya finalizado se dictarán leyes que confirmarán la teoría.

Ejemplo de posible estudio: relacionar la alimentación de los pacientes hospitalizados con el tiempo de estancia en el hospital.

  

Método inductivo:métodos cualitativos

Se seleccionan unos informadores "clave", sujetos que pueden transmitirnos información relevante. Si queremos saber la opinión de los pacientes sobre el personal sanitario deberemos escoger a una persona que esté consciente, comunicativa y que no presente deterioro cognitivo. El objetivo de este método es la comprensión de un fenómeno individual y extrapolarlo a un grupo más grande (inducción).

Ejemplo de posible estudio: grado de satisfacción de los pacientes en relación con la labor del personal sanitario.

ATRIBUTOS DE LOS PARADIGMAS CUALITATIVOS Y CUANTITATIVOS
Paradigma cualitativo	Paradigma cuantitativo
Se fundamenta en la realidad, orientado a los descubrimientos, exploratorio, expasionista,descriptivo e inductivo	Fundamentado no en la realidad sino a la comprobación, confirmatorio,reduccionista,inferencial,hipotético y deductivo
Orientado al proceso	Orientado al resultado
Válido, los datos son “reales”, “ricos” y “profundos”	Fiable, datos “sólidos” y “repetibles”
No generalizable: estudios de casos aislados	Generalizable: estudios de casos múltiples
Holístico	Particularista
Asume una realidad dinámica	Asume una realidad estable

Paradigma cualitativo	Paradigma cuantitativo
Métodos cualitativos	Métodos cuantitativos
Interesado en comprender la conducta humana desde el propio marco de referencia de quien actúa	Positivismo lógico, busca los hechos y las causas de los fenómenos sociales prestando escasa atención a los estados subjetivos de los individuos
Observación naturalista y sin control	Medición penetrante y controlada
Subjetivo	Objetivo
Próximo a los datos, perspectiva “desde dentro”	Al margen de los datos, perspectiva “desde fuera”

Fases del proceso de investigación

Todas las investigaciones constan de 3 etapas y en cada una se responde una pregunta.

• Etapa conceptual: ¿Qué investigo y para qué?. Elegir el tema, buscar información previa para saber que se ha investigado del mismo.
• La etapa conceptual debe justificar algún tema que no se haya demostrado aún, o enfocarlo desde otra perspectiva.
• A la hora de elegir el tema hay que tener en cuenta las limitaciones de la investigación.

Definición y formulación de objetivos

Se trata de definir a dónde queremos llegar con la investigación, qué queremos lograr (profundizar en el conocimiento de un fenómeno, comprobar la relación entre 2 variables,etc). Por ejemplo, si estudiamos la relación entre la personalidad y la probabilidad de sufrir Síndrome de Burnout sería un objetivo analítico. Sin embargo, si queremos saber cuales son los hábitos de una población estaríamos conociendo un fenómeno.

No debemos confundir objetivos de investigación con objetivos de la práctica profesional (reducir la obesidad en adolescentes).

Es posible desglosar un objetivo general en varios específicos. Los objetivos se caracterizan por ser pertinentes, concretos, factibles, realistas y mensurables.



Hipótesis

• Lo utilizaremos cuando haya dos variables y una influya sobre otra (sólo estudios analíticos o experimentales).
• Es un enunciado de las expectativas de la investigación. Por ejemplo si suponemos que cierto tipo de alimentación conlleva a la obesidad, en este caso,la comida rápida.

• Es una predicción, puede que mi pensamiento sea erróneo
• Enlaza una variable independiente y dependiente (predicadora y resultado). En el caso anterior, la variable independiente serían los hábitos alimenticios y la dependiente la obesidad. Ambas variables deben estar bien definidas
• Se debe formular en términos de "hipótesis nula". Ejemplo: no hay relación entre la alimentación a base de comida rápida y la obesidad

• Etapa empírica: ¿Cómo investigarlo? ¿Se usa un método cualitativo o cuantitativo?. Recogida de datos, grabarlos y analizarlos.

TIPOS DE DISEÑOS CUANTITATIVOS EN FUNCIÓN DEL OBJETIVO DE INVESTIGACIÓN

El diseño proporciona la manera en la que se aborda la investigación.

• Existe un problema, por ejemplo siguiendo el ejemplo de antes,malos hábitos alimenticios.Para ello el estudio descriptivo mide el problema y observa diferencias entre grupos. Por ejemplo,comparo mujeres y hombres. La hipótesis nula sería: el sexo no influye. La hipótesis alternativa: las mujeres comen mejor o los hombres comen mejor.
• El estudio descriptivo se divide en trasversales y ecológicos. El primero hace "una fotografía en el tiempo", no existe evolución. Sin embargo, los hábitos alimenticios son dinámicos, por ejemplo, en el caso del estrés. Los estudios ecológicos se caracterizan por que las unidades de estudios son grupos de sujetos pero no personas. Un ejemplo sería comparar las tasas de obesidad de los distintos municipios de Sevilla. Estos no son muy frecuentes en investigación clínica.
• Existe otro tipo de estudio que evalúa la asociación entre factores y problemas. Podríamos hacer una relación entre el IMC y la obesidad, viendo la actividad física. Para ello hay que demostrar si hay asociación,causalidad y riesgo y es obligatorio el uso de hipótesis. Podemos encontrar estudios analíticos y experimentales.
• En los estudios analíticos no hay experimentación, son observacionales, no hay manipulación solo medición y recogida de datos. Por otro lado, el estudio experimental introduce variables (la independiente) y observa en el tiempo si se desarrolla la dependiente. Por ejemplo, cogemos a personas que no fuman y hacemos que sólo la mitad fume.(Se necesitaría consentimiento escrito y además tendríamos que informar de los riesgos). Son los estudios más fiables, también se les llama estudios de corte.

ESTUDIOS ANALÍTICOS CASOS Y CONTROLES

Parte de la variable dependiente: pacientes con enfermedades respiratorias. Lo llamamos casos.Tendríamos que conocer si han estado expuestos al tabaco en los últimos 20 años. El grupo de control se selecciona, deben ser lo más similar posible.

ESTUDIO EXPERIMENTAL

Parto de un grupo que no está expuesto a la variable que quiero medir. Personas no vacunadas le inyectamos un suero, personas vacunadas son elegidas al azar. En un tiempo mediré el número de anticuerpos. Los cuasi-experimentos pierden algún parámetros, ya que puede que algunos no quieran ser expuestos a la vacuna.

MÉTODOS CUALITATIVOS DE INVESTIGACIÓN

• Etapa interpretativa: ¿Cuál es el significado de esos hallazgos? Si por ejemplo quiero saber la frecuencia el consumo de fruta, y es baja, debemos pensar qué es lo que habría que cambiar..Es necesario comparar con otros estudios, destacar aspectos novedosos y hacer un análisis crítico de los métodos empleados para ver si los resultados son válidos o no, relacionando los resultados con los objetivos e hipótesis. Puede que haya cometido algún sesgo. Se cierra la etapa con una conclusión.

La etapa conceptual suele encontrase en la introducción, la etapa empírica en la metodología y los resultados, y la etapa interpretativa en la discusión y conclusión. La etapa preliminar es esencial para captar el interés del lector.

ERRORES EN LOS ESTUDIOS CUANTITATIVOS

Errores aleatorios: el azar puede inducir al error, seleccionando personas que no son representativas. Si se trabaja con muestras es difícil esperar que los resultados coincidan con la realidad. Para ello utilizamos: medidas de control: en la primera fase calculamos el mínimo tamaño necesario de muestra para detectar que estadísticamente hay una diferencia.En la segunda fase usamos pruebas o test de hipótesis (errores alfa o beta). Por último en la tercera fase hacemos cálculos de intervalos de confianza para las estimaciones obtenidas.

Errores sistemáticos o sesgos: son metodológicos, cometidos por el investigador: buscar fuentes de información incorrectas, comparar grupos de personas no similares. Son errores que desplazan artificialmente las diferencias en el estudio de las verdaderas, se muestree o no. Afectan a la credibilidad de las conclusiones. Nunca existe el sesgo 0.

TIPOS

• Sesgo de selección: cuando se eligen incorrectamente los participantes, o abandonan la investigación. Si afecta al factor de exposición y al efecto de interés (factor de riesgo y enfermedad), los hallazgos no son extrapolables. Por ejemplo, si paso un cuestionario de calidad de vida a pacientes con algún deterioro cognitivo, no sería fiable. Para ello hay que tener en cuenta criterios de inclusión y exclusión.

• Sesgo de clasificación o información: a la hora de recoger la información no se mide bien la variable, por lo tanto depende del método usado. Puede afectar a la exposición y al efecto. Además puede diluir las diferencias o exagerarlas. Por ejemplo, si al responder un cuestionario, no decimos la verdad.
• Diferencial: si en un cuestionario sobre el racismo, obtuviéramos que todas las personas son racistas, se exageran las diferencias existentes.
• Indeferencial: disminuye las diferencias realmente existentes. Un ejemplo es cuando las personas ocultan hábitos que no están socialmente admitidos.
• Grupo control: su finalidad es aislar el efecto del factor de estudio del debido a otros factores. Encontramos distintos efectos: efecto Hawthorne, se llego a la conclusión de que si somos observados mientras trabajamos rendimos mejor. Por otro lado, el efecto placebo por el que una persona está predispuesta a curar sus síntomas con una sustancia aunque esta no sea curativa. También existe el regreso a la media, cuando se obtiene un valor extremo en una variable, la segunda vez los valores tienden a la media. Por último, evolución natural, las enfermedades tienden a su resolución de la forma más natural. Por ejemplo, un resfriado.

• Sesgo de confusión:es una distorsión de las estimaciones del estudio ya que se distribuyen de forma desigual en los grupos de comparación de una tercera variable. A esta variable se le llama confundente y si esta es predictora del efecto, ya sea como factor de riesgo o protector, puede contaminar la verdadera relación entre la exposición y el efecto estudiados. Es el único sesgo que puedo controlar en la fase de análisis no sólo en las de diseños. Un caso sería si  pienso en la relación del sexo con la hipertensión y no tengo en cuenta la edad.
• Se hizo un estudio sobre el cáncer de vejiga relacionándolo con la dieta rica en grasa, sin tener en cuenta factores como el tabaquismo. Además, es muy común que aquellos que tienen una mala dieta, además fumen o viceversa. Finalmente, se concluyó que el tabaco está íntimamente relacionado con el cáncer de vejiga y no la dieta.

CONTROL DE LOS SESGOS

• En la fase de diseño manteniendo unos criterios de exclusión  e inclusión exhaustivos.
• Restricciones y apareamientos. Aparear es coger a un varón de 65 y una mujer de 72, así elimino el sesgo sexo-edad. Restricción es evitar que participen ciertas personas.
• Análisis estratificado y multivariantes.

VALIDEZ INTERNA Y EXTERNA

Validez interna:ausencia de sesgos para la población estudiada. Los datos obtenidos son fiables, si volviéramos a medir el resultado sería igual o parecido.

Validez externa: capacidad de extrapolar los resultados a otras poblaciones y requiere precisión, exactitud y esfuerzo. Es necesario tener antes validez interna.

PRECISIÓN Y EXACTITUD

Precisión: fiabilidad o reproductibilidad. Medir más de 1 vez y que la respuesta sea la misma ya que hay condiciones similares

Exactitud: es la validez para que una medición mida realmente aquello para lo que está destinada. Por ejemplo, algunas herramientas quieren medir el nivel de estrés e igual mide la ira o enfado.Debe de haber un patrón que se repita. Los errores se pueden deber al individuo, al observador y al instrumento de medición. Para poder evaluarla:

-Validez de criterio: comparación con una medida de referencia objetiva y fiable.

-Validez de concepto: analiza la correlación de la medida con otras variables.Es muy común en las encuestas de satisfacción cometer un error de validez de concepto. Si suspendes un examen y justo en ese momento pides a los alumnos que respondan una encuesta de satisfacción, no serán objetivos.

-Validez de contenido: contemplar todas las mediciones del fenómeno que va a medirse.

ESTRATEGIAS

-Seleccionar las medidas más objetivas posibles, evitar la subjetividad. 

-Estandarizar la definición de variables.

-Formar y entrenar a los observadores. No deben condicionar la respuesta de los participantes.

-Utilizar la mejor técnica posible, que esté validado.

-Utilizar instrumentos automáticos.

-Medir varias veces una variable para así mejorar la precisión.

-Usar técnicas de ciego o de enmascaramiento.Esto es el efecto placebo del que hablamos antes, si el participante no sabe que le están administrando un placebo se le llama ciego simple, pero si no lo sabe el investigador tampoco, doble ciego.

-Calibrar instrumentos.