Tema 5: Estadísticos Univariables

1.Resumen Numérico de una serie estadística

Además de las tablas de las tablas, podemos resumir una serie de observaciones mediante “estadísticos”: es lo que llamamos “Función de los datos observados” 

Hay tres grandes tipos de medidas estadísticas:

• Medidas de tendencia central: dan idea de los valores alrededor de los cuales el resto de los datos tienen tendencia a agruparse. 
• Medidas de dispersión o variabilidad: dan información acerca de la heterogeneidad u homogeneidad de nuestras observaciones. 
• Medidas de posición: dividen un conjunto ordenado de datos e grupos con la misma cantidad de individuos, es decir, ordenamos de menor a mayor. 

2.Medidas de tendencia central

MEDIA AERITMÉTICA O MEDIA

• Se calcula para variables cuantitativas y se trata del centro geométrico o de gravedad de nuestros datos. Es la suma de todos valores de la variable observada entre el total de observaciones. La fórmula es:

• Cuando los datos son agrupados, para calcular la media utilizamos como valor de referencia de cada intervalo su marca de clase:

MEDIANA

• Es el valor de la observación tal que un 50% de los datos es menor y otro 50% es mayor.
• Si el número de observaciones es impar el valor de la observación será justamente la observación que ocupa la posición (n/2)+1
• 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
• Propiedad: robustez. Sólo tiene en cuenta la posición de los valores en la muestra y por tanto tiene mucho mejor comportamiento que la media cuando hay observaciones extremas

MODA

• Es el valor con mayor frecuencia (que más veces
  se repite)
• Si hay más de una se dice que la muestra es bimodal (dos modas) o multimodal (más de dos)
• Se puede calcular para cualquier tipo de variable
• Si los datos están agrupados, se habla de clase modal y corresponde al intervalo en el que el
  cociente entre la frecuencia relativa y la amplitud es mayor (hi /ci)

3.Medidas de posición

Medidas que nos permiten ubicar el valor en una posición. Ordenando la serie estadística de menor a mayor. Hablamos de variables numéricas.

CUANTILES

• Se calculan para variables cuantitativas y, al igual que la mediana, sólo tienen en cuenta la posición de los valores en la muestra.
• Los cuantiles más usuales son los percentiles, los deciles y los cuartiles, según dividan la muestra ordenada en 100, 10 ó 4 partes, respectivamente.

PERCENTILES

• Dividen la muestra ordenada en 100 partes.
• El percentil “i” (Pi), es aquél valor que, ordenadas las observaciones en forma creciente, el i% de ellas son menores que él y el (100-i)% restante son mayores.
• Para buscar la posición de un percentil en una serie de datos agrupados, buscamos el intervalo en el que la frecuencia relativa acumulada (Hi) sea superior al valor del percentil.
• El valor del P50corresponde al valor de la mediana.

DECILES

• Dividen la muestra ordenada en 10 partes.
• El decil “i” (Di), es aquél valor que, ordenadas las observaciones en forma creciente, el i/10% de ellas son menores que él y el (100-i)/10% restante son mayores.
• El valor del D5corresponde al valor de la mediana y, por tanto, al del P50.

CUARTILES

• Dividen la muestra ordenada en 4 partes.
• El 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.
• El 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.
• El 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.
• El Q4 , cuarto cuartil indica el valor mayor que se alcanza en la seria numérica.

4.Medidas de dispersión

Rango o Recorrido: Diferencia entre el mayor y el menor valor de la muestra |xn -x1|

Desviación media: media aritmética de las distancias de cada observación con respecto a
la media de la muestra: dm=  |xi -x |/n

Desviación típica: cuantifica el error que cometemos si representamos una muestra
únicamente por su media (el parámetro en la población se representa por σ)

s= √ (xi-x )2 /n-1

Varianza: expresa la misma información en valores cuadráticos (en la población el parámetro se expresa por σ 2): s2=  (xi -x )2 /n-1

Recorrido intercuartílico: Diferencia entre el tercer y el primer cuartil= |Q3-Q1|

Coeficiente de variación: es una medida de dispersión relativa (adimensional) ya que todas las
demás se expresan en la unidad de medida de la variable. Nos sirve para comparar la heterogeneidad
de dos series numéricas con independencia de las unidades de medidas: c.v.=s/x

5.Distribución normales

En estadística se llama distribución normal, distribución de Gauss o distribución gaussiana, a
una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales.

La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de los
valores posición central (media, mediana y moda, que coinciden en estas distribuciones). Esta curva se conoce como campana de Gauss.

ASIMETRÍAS y CURTOSIS:

Coeficiente de asimetría de una variable: Grado de asimetría de la distribución de sus datos en torno a su media. Es adimensional y adopta valores entre -1 y 1.

5.1.Asimetrías: Los resultados pueden ser los siguientes:

• g 1 = 0 (distribución simétrica; existe la misma concentración de valores a la derecha y a la izquierda de la media)
• g1 > 0 (distribución asimétrica positiva; existe mayor concentración de valores a la derecha de la media que a su izquierda)
• g1 < 0 (distribución asimétrica negativa; existe mayor concentración de valores a la izquierda de la media que a su derecha)

5.2.Curtosis o apuntamiento

Coeficiente de apuntamiento o curtosis de una variable, sirve para medir el grado de concentración de los valores que toma en torno a su media. Se elige como referencia una variable con distribución normal, de modo que para ella el coeficiente de curtosis es 0. Adopta también valores entre -1 y 1.

Los resultados pueden ser los siguientes:

• g 2 = 0 (distribución mesocúrtica) . Presenta un grado de concentración medio alrededor de los valores centrales de la variable (el mismo que presenta una distribución normal).
• g2 > 0 (distribución leptocúrtica ). Presenta un elevado grado de concentración alrededor de los valores centrales de la variable.
• g2 < 0 (distribución platicúrtica). Presenta un reducido grado de concentración alrededor de los valores centrales de la variable.

Tema 4: Introducción a la estadística descriptiva

1.Diferencias entre Estadística Descriptiva e Inferencial

    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
• Generalizaciones sobre un conjunto mayor de datos

      

     ESTADÍSTICA DESCRIPTIVA: Sirve para describir y resumir datos. Se refiere al tipo de estadística que normalmente vemos en los medios de difusión. Describe y analiza una determinada población o muestra sin pretender sacar conclusiones de tipo general. Describe, analiza y representa un grupo de datos utilizando métodos numéricos y gráficos que resumen y presentan la información contenida en ellos. Organiza de manera clara y fácil de analizar, resume los datos, explora las relaciones entre variables, es preliminar antes de la inferencia. 

2.Variables de la Estadística Descriptiva

      La manera más básica de presentar datos es mediante Tablas de frecuencia: datos que muestran frecuencia en columnas y categorías de las variables en filas. Además presentan información repetitiva de forma visible y comprensible. Presenta varios requisitos;

• Son autoexplicativas.
• Son sencillas 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.

Ejemplo: Tabla de frecuencia variable cualitativa ordinal.

Frecuencia de consumo habitual de verduras estudio multicéntrico hábitos de salud estudiantes de enfermería año 2017.

n=614

Fuente: Estudio multicéntrico hábitos de salud estudiantes de Enfermería .

3.Variables continuas. Tablas de frecuencia

Datos desagrupados de pesos en kg de niños atendidos en la consulta de niño sano. N=40

     En esta tabla están ordenados por orden de llegada, lo primero que debemos hacer para construir la tabla de frecuencia es ordenarlos de mayor a menor peso. Una vez que están ordenados, convierto esta variable en una variable ordinal, creo unos intervalos: 

1. Definir los intervalos
2. Definir los extremos de los intervalos
3. Amplitud o distancia entre los extremos
4. Cálculo de la marca de clase de cada intervalo

    Calculamos el recorrido o rango Re= xn-x1 =6,13,3= 2,8 (esto quiere decir que hay una diferencia de 2,8 kg entre el niño que pesa más y el que pesa menos). Cuando no se os dice nada de número de intervalos, se obtiene calculando la raíz cuadrada del número de datos observado (n=40). Veremos que la raíz cuadrada de 40 es igual a 6,32 por lo tanto tomaremos 6 intervalos. Como el recorrido es 2,8 si lo dividimos por el número de intervalos tendremos la amplitud de cada uno de ellos y así: 2,8/6= 0,46. Así calculamos la amplitud de cada intervalo.

Los tipos de frecuencia de datos agrupados son:

• 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.

4.Indicadores

      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.

       Existen muchos indicadores elaborados en:

• Instituto Nacional de Estadística (INE)
• Instituto de Estadística de Andalucía (IEA)
• Centro de Investigaciones Sociológicas (CIS)

     Se define indicador como la medida de la frecuencia de un determinado suceso en una población, expresado como un número que puede ser: proporción, tasa, razón y Odds. Los indicadores siempre están formados por un numerador y un denominador, es decir, es el resultado del cociente entre dos magnitudes.

4.1.Proporciones

     Se define como una 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.  

Ejemplo: proporción de personas que presentan una enfermedad;

      Características:     

• 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 emdimos es muy poco frecuente, podemos multiplicar por 1.000, por 10.000, etc.

4.2.Tasas (RATE)

      Es una 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 (100, 1.000, 10.000, etc.)

       Medidas más empleadas en la estadística sanitaria:

4.3.Incidencias

       Número de nuevos casos de enfermedad que ocurren en un período específico de tiempo, en una población a riesgo de desarrollar la enfermedad. La incidencia mide cambio: de ausencia a presencia de enfermedad, de vivo a muerto, de no tener una característica a tenerla. La incidencia es una medida de riesgo.

      INCIDENCIA ACUMULADA: (proporción de incidencia): 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). 

      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: 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 (personas–año; personas–mes, personas–semana, etc.). Una misma cantidad de personas-tiempo se puede obtener mediante el seguimiento de distintos grupos de población.

Ejemplo: “1000 personas-año” se pueden obtener siguiendo a 1000 personas durante un año, o siguiendo a 500 personas durante 2 años o siguiendo a 2000 personas durante 6 meses.

Se mide en unidades de tiempo(-1). No son proporciones, es una tasa instantánea. Expresa la “tasa” a la cual ocurren los eventos en sujetos de la población en riesgo en cualquier momento. Expresa velocidad: la tasa de cambio instantáneo o la rapidez con la que se desarrolla el evento en la población.

Tasa = datos agregados 

Densidad de incidencia = tasa obtenida de datos individuales.

4.4. Razones o RATIOS

        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.

Ejemplo: La razón de sexos:

O =

• En una empresa trabajan 1.200 hombres y 345 mujeres
• La razón de sexos será de 1.200/345, es decir, 3,47 hombres por cada mujer, o 347 hombres por cada 100 mujeres

4.5.ODDS o Ventajas

      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.

Forma de cálculo:

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).

5.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).
• 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).
• Odds ratio: Estudios de casos y controles. Realiza una ratio entre dos medidas “odds” o ventajas.

6.Estudio descriptivo: Razón de prevalencia

       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.

7.Estudio de seguimiento y experimentales: razón de incidencias, razón de riesgo relativo.

       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.

      Entonces 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: I.e / I.ne 

8.Estudios de casos y controles: ODDS, RATIO o Razón de ventajas

Tema 3: De los conceptos a las variables. Escalas de medida.

1.Estadística

      Podemos definirla como el cuerpo de conocimiento para aprender de la experiencia, en forma de números provenientes de medidas que muestran variaciones entre los distintos individuos. Es la parte del supuesto de que las características clínicas que se observan cambian de un paciente a otro. Por ejemplo: color de pelo, color de ojos, talla, ansiedad, etc.

      Por tanto: Estadística es la ciencia que estudia la variabilidad.

2.Procedimiento muestral 

      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.

    Proceso de la inferencia estadística:

   

     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.

3.Teorías de medición

     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: la edad, el género, el origen étnico, estado civil, nivel de ingresos. 

    MEDICIONES INDIRECTAS: En investigación enfermera, muy a menudo a característica que el investigador tiene que medir es una idea abstracta o subjetiva como: nivel de estrés, cuidado, ansiedad, dolor, y afrontamiento*.

     * Afrontamiento: utilizamos indicadores de afrontamiento como, por ejemplo, la frecuencia o exactitud de la identificación del problema, el tiempo o eficacia en la resolución del problema, el nivel de optimismo, los tipos de comportamiento de auto-actualización.

    Raramente una estrategia de medición puede medir todos los aspectos de un concepto abstracto. Por ejemplo: ansiedad-miedo. La ansiedad se puede medir, pero normalmente tiene muchas dimensiones y en cuestionarios solo abordamos algunas. 

   Medición de signos y síntomas: Diferentes naturalezas de las variables, diferentes métodos de medición. Para medir variables se utilizan diferentes escalas de medición.

4.Escala de Medida 

• Escala Normal:

Es el nivel inferior de medida. En una característica o variable sólo se puede comprobar si son iguales o diferentes. Por ejemplo: la raza blanca, negra o asiática. El género masculino o femenino. El tipo de profesión que se ejerce en un hospital (médico, enfermero, técnico). 

Los números se utilizan como meros nombres, podrían ser sustituidos por símbolos, letras. Estos números no gozan de ninguna de las propiedades aritméticas. 

Cada número es una categoría, por ejemplo, la raza, tiene tres categorías (son las 3 razas). Las categorías deben ser exhaustivas (todos los sujetos tienen que ser incluidos en alguna categoría) y mutuamente excluyentes. 

• Escala Ordinal: 

En la medición ordinal dadas dos o más modalidad de una variable, es posible establecer si son iguales o diferentes (al igual que la escala nominal), además aporta que, si son distintas, determina cuál de ellas es mayor. Por ejemplo: grado de mejoría tras el tratamiento. (nulo, leve, media, máxima). El nivel 4 no es el doble del 2. No podemos establecer operaciones aritméticas.

 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 o 2 y 1.
• No se puede afirmar que la categoría 4 será el doble de 2...
• SOLO PONEMOS UN ORDEN, UNA JERARQUÍA 4>3>2>1 

• Escala de Intervalo:

Tiene las características de las anteriores, identidad y orden. El requerimiento de que las distancias o intervalos iguales representan distancias equivalentes. Entre la categoría 1 y la 2 hay un punto, de la categoría 3 a 4 hay otro punto. Por ejemplo: la temperatura (36º, 37º, 38º. Entre 36 y 37 hay un grado y entre 37 y 38 hay otro grado, hay la misma cantidad entre un grado inferior y otro). El cero no representa ausencia de calor, sin embargo, la distancia entre cualesquiera de los puntos de la escala es igual. 36 no es el doble de 18 porque hay grados bajo 0. Por ejemplo, la presión venosa central. Admite valores negativos.

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 Razón: 

Igual que la escala de intervalo. Nivel más alto de medición. Esta escala no admite números negativos.

Características: 

• Igualdad, desigualdad identidad
• Orden
• Distancias equivalentes entre los intervalos
• Añade que la ventaja adicional de poseer el 0 absoluto, en la que el 0 representa nulidad o ausencia de lo que se estudia

5.Tipos de variables 

Tema 2: El Método científico y sus perspectivas

   Para afrontar este tema debemos saber el objetivo de investigar:

• Afrontar información para la acción.
• Acercamiento al conocimiento de la realidad, porque las realidades son múltiples, con diferentes facetas. Eso hace que, para su estudio, se requieran distintos enfoques, métodos y técnicas.

1. Proceso Deductivo: Métodos Estadísticos Cuantitativos 

    El proceso deductivo en los métodos estadísticos es el siguiente:

• Quiero sacar una información de una población amplia, para ello lo que hago es seleccionar una muestra, por métodos aleatorios.
• Con esta muestra, recogemos datos y hacemos estimaciones, contrastamos hipótesis…
• Si contrastamos esa hipótesis podemos deducir un parámetro, una ley, confirmación de la teoría…

     Normalmente utilizan cuestionarios y se miden variables. Suelen ser preguntas cerradas. Hay veces que fallan puesto que a veces se suelen contestar en relación a lo que se espera de nosotros (mienten en los cuestionarios). En estas ocasiones, se aplica un método inductivo para complementar.

2.Proceso Inductivo: Métodos Estadísticos Cualitativos 

       No utilizan los números o cifras como en el método estadístico. Con los métodos cualitativos hacemos, a partir de poblaciones generales, seleccionar “informantes clave”. Ese informante clave tiene cierta representatividad sobre el grupo, por lo tanto, no se puede seleccionar aleatoriamente. Lo que hacemos es tratar de comprender el fenómeno individual a partir del fenómeno colectivo. Si comprendes al individuo, comprendes al grupo.

 Atributos de los Paradigmas Cualitativo y Cuantitativo:

3.Fases del proceso de investigación 

3.1.ETAPA CONCEPTUAL

• 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
• Importancia del estudio y limitaciones

      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). Es, por tanto, una predicción del estado esperado. Debe enunciar una relación esperada en dos (o más) 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 variable. Se debe formular en términos de “hipótesis nula”. 

3.2.ETAPA EMPÍRICA

• 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 para el logro de los objetivos.
• Debe definir el plan de investigación: fuentes de información, método de recolección, gestión y análisis de los datos.
• Debe asegurar control o comprobación y validez interna y externa.

     Esta conformada por:

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

• Diseño metodológico (técnicas cuantitativas o cualitativas)
• Población del 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 Cuantativos en función del objetivo de investigación:

      Métodos Cualitativos de investigación:

3.3.ETAPA INTERPRETATIVA 

• 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
• Aspectos novedosos y relevantes
• Extraer conclusiones

4.Errores de los estudios Cuantitativos

      Hay varios tipos de errores:

• Errores Aleatorios: Debidos al azar. Selecciono participantes al azar y por azar entran en el estudio los más mayores y todos tienen la tensión alta. 
• Errores Sistemáticos: (sesgos) debido a las actuaciones que investiga el investigador (sesgos). Depende de las actuaciones que realice el investigador. Son evitables. Los comete el investigador por no hacer bien las cosas. Por ejemplo: no medir bien la tensión. 

4.1.ERRORES ALEATORIOS

• Se produce cuando el estudio se realiza sobre una muestra probalística de la población, es decir cuando realizamos el estudio sobre una parte de la población.
• Muestreo probabilístico aleatorio: Es el más fiable.
• 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. 

      Medidas de control de los errores aleatorios: 

1. Primera Fase: Calcular el tamaño mínimo de una muestra necesario para poder detectar como estadísticamente significa una diferencia, si es que ésta existe realmente en la población. Obtener resultados que con el resultado real de toda la población no sea estadísticamente significativo (apenas haya diferencias importantes).
2. Segunda Fase: uso de pruebas o test de hipótesis (errores α o β) (errores tipo 1 ó 2). Es una prueba para ver si la relación entre 2 variables existe o no (edad- colesterol ¿relación?) el valor de alfa para el cual me puedo quedar con la hipótesis es de 0.05 ya que el valor de alfa es entre 0-1.
3. Tercera Fase: Cálculos de intervalos de confianza para las estimaciones obtenidas. Intervalo de confianza: Par de valores entre los que se encuentra el dato.  La media de tensión arterial en una población es de 120 mmHg, tras aplicar el intervalo de confianza queda que la media está entre 110- 140 mmHg. Esto es un intervalo para la media, no para toda la población. Puede haber gente que lo supere o no, es el intervalo de la media no el total.

4.2.ERRORES SISTEMÁTICOS O 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:

• Sesgos 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. 
• Sesgos de clasificación: 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 además, puede diluir las diferencias realmente existentes o a exagerar estas diferencias. En este sesgo encontramos dos tipos diferencial y no diferencial:

1. 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 difícil detectar asociaciones si existen.
2. 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 las que tuvieron hijos sanos.
3. Grupo control: La finalidad del grupo control es aislar el efecto del factor del estudio del debido a otros factores. Presenta diversos efectos de control (Efecto Hawthorne, Efecto placebo, Regresión a la media, y Evolución natural.)

• Sesgos de confusión: 

5.Control de errores en estudios estadísticos

• En la fase de diseño (selección y clasificación).
• Restricciones y apareamientos.
• Análisis estratificado y multivariantes.

      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. 

      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 =  Es la 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.

6.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. Por tanto, interesa ver ''qué pasa'' en el contexto en que se da la situación. 

      No es útil para descubrir as causas y factores de riesgo relacionados con la enfermedad y la disciplina. Ni tampoco para evaluar la efectividad de una intervención. 

Pero sí es útil para comprender las diferencias culturales y cómo afecta la enfermedad o disciplina y provisión de cuidados a la vida de los afectados. 

7.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.

Tema 1: Introducción al método estadístico para el análisis de datos en le profesión enfermera

      La estadística nos ayuda a desarrollar el conocimiento humano. Esto es debido a que nos permite organizar la información y los datos descubiertos mediante distintas fuentes y a través de diversas técnicas. 

1. Fuentes del conocimiento humano

• Tradición (costumbres): “Verdades aceptadas”. 
• Autoridad: “Juicio de personas expertas o autorizadas, aceptado como verdadero”. 
• Experiencia: “Vivencia real repetitiva”. 
• Ensayo error: “Descubrir una solución entre varias alternativas”. 
• Intuición: “Basado en la inspiración e iluminación”. 
• Razonamiento lógico: “Combinación de sistemas formales de pensamiento con la experiencia:

           - Razonamiento inductivo: de lo concreto a lo general.
           - Razonamiento deductivo: de lo general a lo concreto. 

       Método científico (más importante fuente del conocimiento): “Aplica la deducción, la inducción y la evitación de sesgos (errores). Sigue etapas verificables, observables, medibles y reproducibles. 

2. El Método científico

3.Sucesos deterministas y aleatorios

• Determinista: dadas unas condiciones iniciales, el resultado es siempre el mismo.

     Por ejemplo: 1 manzana + 1 manzana= 2 manzanas. Pertenecen a las ciencias formales.

• Aleatorio: dadas unas condiciones iniciales, conocemos el conjunto de resultados posibles, pero no el resultado final.

       Por ejemplo: en un dado sabemos que tenemos 6 números posibles, pero no sabemos cuál nos puede salir. Pertenecen a las ciencias fácticas.

4.Determinismo

    El determinismo usa un binomio conceptual: una causa produce un efecto. “En presencia de la misma causa siempre sucede el mismo efecto”.

     Es el modo natural con el que manejamos muchas de nuestras actividades cotidianas, relacionando datos presentes y pasados, propios y ajenos; con ese método planificamos nuestro accionar. Intentamos controlar la incertidumbre.

5.Azar o aleatoriedad

    El azar usa también un binomio conceptual: “Los efectos son multicausales y mínimas variaciones de una causa pueden llevar a otro efecto”. Lo que observamos es el resultado de una serie de reacciones en cadena de errores, sin un sentido específico, sin un propósito, independientes entre sí.

6.El conocimiento científico Aplicado (Ciencias facticias, no deterministas)

• Características:

• Problemas: COMPLEJIDAD - MEDICIÓN - CONTROL - ÉTICA
• Preceptos básicos: 

- Trataremos con grupos de personas: Información sobre la distribución de problemas de salud y sus determinantes en colectivos de personas.                                                                           

- Comparación de grupos: Para conocer si la presencia de una característica “F” se asocia con la aparición de una enfermedad “E”, es necesario saber cómo se distribuye esa enfermedad en la gente que no presenta “F”.                                                                                                       

- Distribución de la enfermedad: La distribución no es aleatoria y es posible encontrar diferencias entre los grupos a comparar. 

7.Ciencia Enfermera 

8.Estadística Enfermera

     “La bioestadística enseña y ayuda a investigar a todas las áreas de las ciencias de la vida donde la variabilidad no es la excepción sino la regla''

    Fuentes de variabilidad = Un fenómeno que se mide obtiene un valor dependiendo de la variación biológica individual del fenómeno que se mide y de la técnica o proceso de medición.

Comprende tres aspectos:

• Repetibilidad: aplicación de la misma manera a los mismos sujetos en 2 ó más momentos
• Concordancia intraobservador
• Concordancia interobservador

La estadística y la aleatoriedad: 

• La estadística agrupa conocimientos matemáticos para intentar trabajar racionalmente en la observación de fenómenos aleatorios, azarosos o por casualidad. 
• Es una respuesta racional a la incertidumbre, a la aleatoriedad. 
• Es el idioma en el que nos referimos a los fenómenos aleatorios. 
• Una meta de la estadística es darle significado a las diferencias observadas.
• La estadística asume que no siempre en idénticas condiciones sucede idéntico fenómeno. 
• La estadística asume que las diferencias fenomenológicas en condiciones similares son la regla, y que la igualdad es la excepción. 
• La estadística pretende reconocer, cuantificar y pronosticar esas diferencias. 
• El objeto de estudio de la estadística son los fenómenos causales y no casuales.

Presentación

Bienvenidos,

Soy Claudia Gómez García, estudiante de enfermería en el Centro Universitario Cruz Roja (Sevilla). Este blog ha sido creado con la finalidad de dar a conocer algunos conocimientos sobre enfermería, especialmente sobre las ETICS enfermeras (Estadística y Tecnología de la Información y la Comunicación).

Respecto a este área espero aprender las distintas técnicas y tecnologías que no sólo son necesarias para la profesión si no que también son muy útiles en nuestra vida cotidiana. El mundo y sus ocupantes evolucionan; y actualmente la evolución consiste en nubes, bases de datos y conocimientos científicos basados en la estadística.