Las variables según su medición. VARIABLES OBJETIVAS Concepto 1 Son propiedades, características...

Las variables según su medición

VARIABLES OBJETIVAS

Concepto

1

Son propiedades, características o atributos que se dan en las unidades de estudio (personas, grupos, etc.) o por derivación de ellas; siempre deben ser medibles.

Las variables individuales corresponden a las unidades de estudio individuales, ejm. el nivel de instrucción de las personas.

Las variables colectivas son propiedades de grupos y su medición se basa en las propiedades individuales que poseen sus miembros, por ejemplo el índice de analfabetismo.

VARIABLES OBJETIVAS

Son unidimensionales

1

Cuando las variables no presentan ninguna dificultad para su identificación se dice que tienen indicadores directos (la misma variable es su propio indicador) o unidimensionales.

El análisis estadístico de las variables individuales y las variables colectivas; incluso dentro de un mismo objetivo, no siempre es el mismo.

VARIABLES SUBJETIVAS

Concepto

2

El constructo es una propiedad que se supone posee una persona (unidad de estudio individual), es un concepto teórico. Ejm. la inteligencia, la motivación, la creatividad, las actitudes, etc.

Los constructos se definen como propiedades subyacentes, que no pueden medirse de manera directa, sino mediante indicadores que corresponden a sus dimensiones.

Los instrumentos utilizados para medir variables subyacentes, deben tener una validez de constructo que corresponde su definición operacional.

VARIABLES INDICADORES

INSTRUMENTOS DIMENSIONES

Las variables según su relación

Esta clasificación de las variables se fundamenta en la búsqueda de obtener explicación causal que puede ser observacional o experimental y correspondiente al nivel investigativo explicativo.

Su estructura responde a la necesidad de realizar el control metodológico y/o estadístico de la relación causa-efecto.

Introducción

Variable Independiente

Es aquella cuya existencia es autónoma, no depende de otra, más bien de ella depende otras, representa los factores que constituirán la causa, siendo que previamente ha demostrado ser factor de riesgo para el problema que se estudia.

En este sistema de variables se plantea solamente una variable independiente

Variable Dependiente

En este sistema de variables representa a la variables de interés o variable de estudio, es la que para su existencia y desenvolvimiento depende de otra independiente, su modo de ser, está condicionada por otros aspectos de la realidad.

Es la que mide o describe el problema que se estudia.

Variable de Confusión

Su participación puede intensificar o antagonizar la relación aparente entre el problema y una posible causa, creando confusión en el investigador.

Su influencia se da tanto sobre la variable independiente como en la dependiente.

Su control se debe realizar mediante análisis estratificado.

Variable Intermedia

Esta variable aparece de manera incalculada durante el proceso de una observación o inesperada dentro de un experimento, entre el factor causal y el efecto.

Ocurre cuando no ha habido una buena elección de los factores de riesgo.

El procedimiento más idóneo para neutralizar su participación es el análisis multivariado.

Variable de Control

Es una variable con una fuerte influencia sobre la variable dependiente, pero ningún efecto reconocido sobre la variable independiente

Habitualmente se reconoce su participación en el momento de la planeación;

Su control se realiza método-lógicamente mediante los criterios de exclusión.

Criterios de CausalidadCriterios de Bradford Hill

(1965)

Se trata de averiguar si existe relación entre el supuesto factor causal y el efecto estudiado. Para esto hay que buscar estudios epidemiológicos (Cohortes o Caso - Control) que indiquen el riesgo significativo (Riesgo Relativo o Razón de Momios).

Asociación estadística 1

Consiste en conocer si la relación entre las dos variables, a las que investigamos una posible relación causa-efecto, ha sido confirmada por más de un estudio, en poblaciones y circunstancias distintas por autores diferentes.

Constancia o Consistencia2

Es más fácil aceptar una relación causa-efecto cuando para un efecto sólo se plantea una sola etiología, que cuando para un determinado efecto se han propuesto múltiples causas. En este caso lo apropiado sería hablar de Especificidad de la causa.

Especificidad3

Se trata de asegurar que el factor de riesgo ha aparecido antes que el supuesto efecto. Puede ser difícil de demostrar cuando no se puede asegurar si la presunta causa apareció con anterioridad al presunto efecto. (Equivale a la cronología de Simonin).

Temporalidad4

Denominada “gradiente biológico”, La frecuencia de la enfermedad aumenta con la dosis o el nivel de exposición. (Equivale a la Intensidad de Simonin). Sin embargo, hay casos en que el gradiente biológico no se cumple (en una reacción alérgica).

Relación Dosis-Respuesta5

El contexto biológico existente debe explicar lógicamente la etiología por la cual una causa produce un efecto a la salud. Esta característica viene limitada por los conocimientos científicos que se tengan al respecto en el momento del estudio.

Plausibilidad biológica6

La interpretación de causas y efectos no puede entrar en contradicción con el comportamiento propio de la enfermedad o lesión. Este criterio combina aspectos de consistencia y plausibilidad biológica (Corresponde a la evolución de Simonin).

Coherencia7

Es un criterio deseable de alta validez. Se trata de reproducir experimentalmente la asociación causa-efecto, o incidir en la causa para alterar el efecto cuando no sea posible o no se considere ética otra modalidad de experimentación.

Experimentación8

Se fundamenta en relaciones de causa-efecto establecidas, con base a las cuales si un factor de riesgo produce un efecto a la salud, otro con características similares debiera producir el mismo impacto a la salud.

Analogía9

NOTA: Bradford Hill no considera el criterio de topografía introducido por Simonin, aunque no es aplicable en todos los casos. Por ejemplo, cuando tratamos de encontrar la lesión topográfica que provoca la anorexia nerviosa es un esfuerzo inútil.

Otros modelos de presunta relación causa-efecto para leer:

El modelo de Koch-HenleLos postulados de Evans

Nivel de Significancia

Al plantear un estudio sobre una población, idealmente debemos estudiar a todos los individuos que la conforman; pero no siempre podemos acceder a todos, entonces tenemos que escoger una muestra; sin embargo los resultados obtenidos de esta manera nunca serán exactamente iguales, a los que se obtendrían de estudiar a toda la población; es decir, siempre va a haber un margen de error.

Introducción

Antes de realizar el estudio debemos plantearnos; que proporción de error estamos dispuestos a aceptar para dar por válido nuestro. El error es el objetivo principal del estudio. El análisis estadístico consiste en calcular la probabilidad de cometer este error y esperamos que sea menor al planteado preliminarmente como nivel significancia.

Nivel de Significancia

Es la confianza que debemos alcanzar para generalizar el resultado de una muestra hacia toda la población. Es el complemento del nivel de significancia; es la confianza que tenemos, de que la conclusión a la que hemos llegado es cierta. Una probabilidad elevada nos da la tranquilidad de que lo que hemos calculado es cercano a lo real y no debida al azar

Nivel de confianza

a) α = 5%. Existe 5% (0.05) de probabilidad de equivocarse y 95% (0.95) de confianza.

b) α = 1%. Existe 1% (0.01) de probabilidad de equivocarse y 99% (0.99) de confianza.

Niveles convenidos

El error tipo I: Ocurre cuando afirmamos la hipótesis del investigador, siendo que es falsa. Por lo tanto, es un juicio de valor equivocado.

El p-valor: Es la probabilidad de equivocarse al aceptar nuestra hipótesis del investigador como verdadera; es decir la probabilidad de cometer un error tipo I.

El nivel de significancia: Es la máxima probabilidad de error que estamos dispuestos aceptar para dar como válida nuestra hipótesis del investigador.

Definición de términos

Técnicas de Recolección de Datos

No es lo mismo que registro de datos

1. DOCUMENTACIÓN

Constituye la técnica de recolección de datos más básica y a la vez la más inexacta; sin embargo en ocasiones es la única disponible para recopilar la información.

Habitualmente la información fue recolectada con fines distintos al estudio en curso; por ello los estudios realizados con esta técnica siempre son retrospectivos. Ejm. Análisis de contenido

2. OBSERVACIÓN

La observación científica se caracteriza por ser sistemática, controlada y con mecanismos destinados a evitar errores de subjetividad, confusiones, etc.

Es una observación simple cuando no perturba la acción o situación que se está investigando. Por otro lado la observación participante puede ser natural cuando el observador pertenece al conjunto humano que investiga y artificial, cuando la integración del observador al grupo se hace con el objeto de desarrollar un trabajo de investigación. La experimentación es una observación participante artificial.

3. ENTREVISTA

Consiste en una interacción entre dos personas, una de las cuales -el investigador- formula determinadas preguntas relativas al tema en investigación, mientras la otra -el investigador- proporciona la información que le es solicitada.

La entrevista puede ser estructurada y no estructurada; en la investigación cuantitativa se apoya en un cuestionario al cual se le denomina heteroadministrado.

4. ENCUESTA

La palabra "encuesta" se usa más frecuentemente para describir un método de obtener información de una muestra de individuos. Esta "muestra" es usualmente sólo una fracción de la población bajo estudio.

Cuando se aplica al total de la población se llama censo y siempre es parametrada. Se apoya en un cuestionario que casi siempre es autoadministrado.

La ventaja principal de tal procedimiento radica en la gran economía de tiempo y personal que implica, ya que los cuestionarios pueden enviarse por correo, dejarse en algún lugar apropiado, o pueden administrarse a grupos reunidos al efecto.

5. PSICOMETRÍA

Los test psicológicos emplean una gran variedad de técnicas específicas, que se combinan según los objetivos deseados.

Una gran proporción de ellos acude a la formulación de preguntas ya anotadas en algún cuestionario apropiado, que es el test mismo, y que se autoadministra.

Validez de un Estudio

Independientemente del tema y los objetivos de un estudio, lo que siempre se debe perseguir es que el estudio sea válido.

La meta fundamental que todo estudio debe perseguir es la calidad de los datos; por ello, todo lo que amenace la calidad de la información deberá ser identificado y corregido.

Los elementos que amenazan esta calidad son: El Error Aleatorio y el Error Sistemático.

Un estudio es válido si sus resultados corresponden a la verdad.

1. Error Aleatorio

La carencia de error aleatorio se conoce como precisión y se corresponde con la reducción del error debido al azar.

Para reducir este error el elemento más importante del que disponemos es incrementar el tamaño de la muestra y con ello aumentamos la precisión.

Los intervalos de confianza y el error estándar se reducen al aumentar el tamaño muestral.

2. Error Sistemático

Se ha generalizado al término validez como la carencia del error sistemático.

Esta validez tiene dos componentes:

- La validez interna, es la validez de inferencias de los sujetos estudiados a los sujetos de la población de la cual fueron obtenidos.

- La validez externa o generalización en tanto se aplica a individuos que están fuera de la población del estudio.

2.1. La validez interna

La validez interna implica la validez de la inferencia para los propios sujetos de estudio. Es máxima cuando el estudio minimiza los sesgos.

Se ve amenazada cuando no podemos controlar los dos tipos de sesgos: de Selección y de Medición.

En un estudio comparativo los sesgos que afectan la validez interna surgen siempre que los grupos estudiados difieren en más características que la exposición.

2.2. La validez externa

Es la generalización de los resultados de un estudio más allá de los límites de la población considerada en el mismo.

Cuando el universo e incluso el marco muestral es demasiado grande como para ser estudiado e incluso muestreado; se estudia una porción deliberada de la población; asumiendo que el conglomerado seleccionado es lo suficientemente homogéneo con otras poblaciones como para que los resultados encontrados puedan ser extrapolados.

Eliminar el error sistemático es utópico y el error aleatorio solo puede ser anulado

estudiando a toda la población.

Unidades de Estudio

Hablando de estudios epidemiológicos, la unidad de estudio es la persona sobre la cual queremos conocer el problema de salud o enfermedad.

Es el individuo de donde se obtiene la información, en un estudio de investigación existe solamente una unidad de estudio y su reconocimiento es crucial para el diseño de la estrategia metodológica y estadística.

DEFINICIONES

1. UNIDAD DE ESTUDIO:


2. UNIDAD DE INFORMACIÓN

3. UNIDAD DE MUESTREO

5. UNIDAD DE OBSERVACIÓN

6. UNIDAD DE EXPERIMENTACION

4. UNIDAD DE ANÁLISIS

Cuando los estudios utilizan la técnica documental, por ejemplo en una auditoría médica las unidades de información son las historias clínicas.

DEFINICIONES








Son las unidades que ingresan al sorteo en el muestro aleatorio simple; en un muestro polietápico son los conglomerados o clusters los que ingresan al sorteo, mientras que las unidades de estudio son los pacientes

DEFINICIONES








4. UNIDAD DE ANÁLISIS:

Si queremos conocer el nivel de glucosa en plasma entonces 5cc de sangre serán suficientes, a esta cantidad de sustancia se le conoce como unidad de análisis, y basta con una para realizar inferencia estadística.

DEFINICIONES








Propio de los estudios experimentales, no requiere mayor profundización en su definición puesto que es en realidad la unidad de estudio para este tipo de investigación.

DEFINICIONES







6. UNIDADES DE EXPERIMENTACIÓN:

Es la unidad donde la variable de interés es manipulada, la unidad de experimentación en ocasiones se descarta luego de la investigación, por ejemplo cuando trabajamos con animales de experimentación.

DEFINICIONES







1. UNIDADES DE ESTUDIO SIMPLES

Aparecen en los estudio descriptivos donde la variable de interés es única.Cuando la unidad de estudio la representa un individuo o la información requerida para un estudio se puede obtener de un solo ente de información

TIPOS

2. UNIDADES DE ESTUDIO COMPLEJAS

Habitualmente corresponde a estudios analíticos donde el número de variables de interés es dos o más y cada una de las variables se mide en individuos u objetos distintos

TIPOS

Control de un Estudio

Control Metodológico1

a. Sesgo de selección

Los sesgos de selección están íntimamente relacionados con el diseño de la investigación. En un estudio descriptivo no basta la aleatorización de la unidades de estudio; en un estudio caso-control hay muchas variantes para elegir a las unidades de estudio.

• Criterios de inclusión

• Criterios de exclusión

Control Metodológico1

b. Sesgo de medición

Un atributo implícito de toda variable, es la susceptibilidad de ser medida mientras exista más diferencia entre el valor obtenido al medir una variable con relación a su valor real mayor será el sesgo de medición.

• Validación de instrumentos

• Calibración de instrumentos

Control Estadístico2

a. Análisis estratificado

A partir del nivel investigativo explicativo, el análisis multivariado cobra importancia a la hora de descartar asociaciones aleatorias, casuales o espurias.

• Categóricos: Chi cuadrado de Mantel-Haenszel

• Numéricas: ANOVA Factorial

Control Estadístico2

b. Análisis multivariado

Si bien la minería de datos nos puede arrojar muchas relaciones entre variables que pueden ser casuales o no causales, solamente a través del análisis estadístico multivariado podremos esclarecer la relación hallada.

• Categóricos: Regresión logística

• Numéricas: Regresión lineal múltiple

Sesgos de Selección

1. Sesgo de prevalencia o incidencia (de Neymann)

Se produce cuando la condición en estudio determina pérdida prematura de las unidades de estudio por ejemplo por fallecimiento.

La exclusión de los pacientes que fallecen determina este tipo de sesgo. Por ejemplo la duración del tratamiento del cáncer en nuestro medio es corto porque se diagnostican en estadios avanzados.

2. Sesgo de admisión (de Berkson)

En un estudio relacional ocurre cuando hay una mala selección del grupo de estudio y/o control. Ejm. cuando asociamos el hábito de fumar al cáncer broncogénico.

Los pacientes con diagnóstico de Ca ya han dejado de fumar; por lo que se observará menor frecuencia de fumadores en pacientes con este tipo de cáncer.

3. Sesgo de no respuesta o efecto del voluntario.

El grado de interés o motivación que pueda tener un individuo que participa voluntariamente en una investigación puede diferir sensiblemente en relación con otros sujetos.

Igualmente, la negativa de algunos sujetos para ser incluidos en un estudio puede estar dada por motivaciones sistemáticas experimentadas por ellos.

4. Sesgo de pertenencia (membresía)

Se produce cuando entre los sujetos evaluados se presentan subgrupos de sujetos que comparten algún atributo en particular, relacionado positiva o negativamente con la variable en estudio.

Ejemplo: Nivel de conocimientos sobre signos de alarma en las gestantes debe excluir a las gestantes que son profesionales de la salud.

5. Sesgo del procedimiento de selección

Puede observarse en diseños de investigación experimentales (ensayos clínicos controlados), en los cuales no se respeta el principio de aleatoriedad en la asignación a los grupos de experimentación y de estudio.

En los pre-experimentos la administración del medicamento responde a las necesidades terapéuticas del paciente y no a la del investigador.

Sesgos de Medición

1. Sesgo de procedimientos

Ocasionalmente el grupo que presenta la variable dependiente resulta ser más interesante para el investigador que el grupo que participa como control. Por esta circunstancia, en el procedimiento de observación suele ser mas detenido.

En el caso de un estudio en el que exista intervención, el sujeto del grupo experimental puede verse beneficiado con una mayor acuciosidad en la observación.

2. Sesgo de memoria o de información

Frecuente de observar en estudios retrospectivos, en los cuales se pregunta por antecedente de exposición a determinadas circunstancias en diferentes períodos de la vida, existiendo la posibilidad de olvido.

Por ejemplo, exposiciones inadvertidas a diversos factores y que pueden afectar la medición ya sea por su omisión absoluta o en la determinación de niveles de exposición.

3. Sesgo por falta de sensibilidad de un instrumento

Si no se cuenta con adecuados métodos de recolección de la información, es posible que la sensibilidad de los instrumentos empleados en tales mediciones carezca de la sensibilidad necesaria para poder detectar la presencia de la variable en estudio.

Una consecuencia es que encontremos una frecuencia de la enfermedad inferior a la real.

4. Sesgo de detección

Su ocurrencia se explica por la introducción de metodologías diagnósticas diferentes a las inicialmente utilizadas al comienzo de un estudio.

Es conocido que no existe coincidencia absoluta entre dos instrumentos de medición; por ello los estudios deben realizarse con un solo instrumento y un solo observador.

5. Sesgo de adaptación

En los estudios de intervención (experimentales), a veces los individuos asignados inicialmente a un grupo deciden migrar de grupo por preferir un tipo de intervención por sobre otro.

En un ensayo clínico controlado la ocurrencia de este tipo de sesgo se neutraliza mediante la asignación aleatoria de los sujetos y por la presencia del llamado "doble ciego”.

Validación de Instrumentos

Un instrumento de medición es válido en la medida que sus resultados representen el concepto medido.

VALIDEZ CUALITATIVA + VALIDEZ CUANTITATIVA

1.- Validez de contenido 2.- Consistencia Interna3.- Validez de Constructo4.- Estabilidad5.- Punto de corte

Concepto: La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el alcance del constructo

Podemos dividirlo en tres fases según el estado actual del conocimiento

1.- Aproximación a la población

2.- Juicio de expertos

3.- Revisión del conocimientos disponible

Validez de contenido = Validación Cualitativa

1. VALIDEZ DE CONTENIDO

a. Aproximación a la población (Validez de respuesta)

Implica la carencia absoluta del conocimiento del constructo que se desea medir; así cuando se trata de evaluar las causas de una situación evidente, pero no existen estudios previos deberemos consultar a las unidades de estudio.

Ejemplo: ¿Cuál es el uso que le dan los docentes universitarios a las tecnologías de la información en el proceso de enseñanza aprendizaje?

No confundir con prueba piloto, la cual tiene por finalidad medir la confiabilidad del instrumento.

b. Juicio de expertos (Validación por jueces)

No existe un determinado número de jueces o expertos, que deben juzgar, de manera independiente, la “bondad” de los ítems del instrumento, en términos de relevancia o congruencia de los reactivos con el universo de contenido.

El autor debe considerar la pertinencia a la hora de elegir los jueces, siendo que en el momento actual no se cuenta con bibliografía disponible

La evaluación por jueces debe ser interdisciplinaria,

c. Revisión del conocimiento disponible (Validez racional)

Denominada también como validez racional. Este es el momento de la validez en que se asegura la mejor representatividad de los ítems que lo componen, respecto a la totalidad del campo o rasgo objeto de evaluación.

Los constructos que se desean evaluar están mejor definidos cuando se dispone de literatura; de manera que los conceptos a medir ya no son provisionales ni vagos.

Su valor aumenta cuando las correlaciones ítem – total son altas, por ello, mejores correlaciones, dan mayor fiabilidad al instrumento. Se puede decir también que es un índice de discriminación. El coeficiente de fiabilidad es afectado por la heterogeneidad de los individuos que contestan la prueba; cuanto más heterogéneo es el grupo de encuestados, mayor es el coeficiente de fiabilidad.

2. CONSISTENCIA INTERNA

(Alfa de Cronbach)

El procedimiento consiste en aplicar el instrumento a dos o más grupos y ver si discrimina. Para ello hay que contar con una estructura Factorial del cuestionario.

Por ejemplo en los instrumentos para medir variables psicológicas no podemos garantizar la existencia de un constructo psicológico que subyaga y dé sentido y significado a las puntuaciones del test; por lo mismo que no tenemos una prueba patrón.

3. VALIDEZ DE CONSTRUCTO

(Rotación de Varimax)

Habitualmente requerimos que el instrumento nos conduzca a una decisión dicotómica (positivo-negativo) para tratar o no a alguien; Se realizan trazando un diagrama en el que la ordenada es la sensibilidad y la abscisa la especificidad. En este sentido la curva ROC nos muestra en un gráfico todos los pares sensibilidad-especificidad resultantes de la variación continua de los puntos de corte en todo el rango de resultados observados.

Las Curvas de ROC optimizan el punto de corte.

5. PUNTO DE CORTE

(Curvas ROC)

Validación CualitativaDe un Instrumento

Concepto: La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el alcance del constructo

Podemos dividirlo en tres fases según el estado actual del conocimiento

1.- Aproximación a la población

2.- Juicio de expertos

3.- Revisión del conocimientos disponible

Validación Cualitativa = Validez de contenido

1. Aproximación a la población (Validez de respuesta)

Implica la carencia absoluta del conocimiento del constructo que se desea medir; así cuando se trata de evaluar las causas de una situación evidente, pero no existen estudios previos deberemos consultar a las unidades de estudio.

Ejemplo: ¿Cuál es el uso que le dan los docentes universitarios a las tecnologías de la información en el proceso de enseñanza aprendizaje?

No confundir con prueba piloto, la cual tiene por finalidad medir la confiabilidad del instrumento.

2. Juicio de expertos (Validación por jueces)

No existe un determinado número de jueces o expertos, que deben juzgar, de manera independiente, la “bondad” de los ítems del instrumento, en términos de relevancia o congruencia de los reactivos con el universo de contenido.

El autor debe considerar la pertinencia a la hora de elegir los jueces, siendo que en el momento actual no se cuenta con bibliografía disponible

La evaluación por jueces debe ser interdisciplinaria,

3. Revisión del conocimiento disponible (Validez racional)

Denominada también como validez racional. Este es el momento de la validez en que se asegura la mejor representatividad de los ítems que lo componen, respecto a la totalidad del campo o rasgo objeto de evaluación.

Los constructos que se desean evaluar están mejor definidos cuando se dispone de literatura ; de manera que los conceptos a medir ya no son provisionales ni vagos.

La validez de contenido está avalado por la forma o procedimiento utilizado para construir el test y por las personas que lo construyen, por su grado de conocimiento del área o rasgo evaluado

No existe un índice validez de contenido

Medidas de Tendencia Central y Dispersión

Medidas de Tendencia Central

Media:

Media aritmética, es la que se obtiene sumando los datos y dividiéndolos por el número de ellos.

Se aplica por ejemplo para resumir el número de pacientes promedio que se atiende en un turno.

Otro ejemplo, es el número promedio de controles prenatales que tiene una gestante.


Mediana:

Corresponde al percentil 50%. Es decir, la mediana Divide a la población exactamente en dos.

Por ejemplo el número mediana de hijos en el centro de salud “X” es dos hijos.

Otro ejemplo es el número medio de atenciones por paciente en un consultorio.


Moda:

Valor o (valores) que aparece(n) con mayor frecuencia. Una distribución unimodal tiene una sola moda y una distribución bimodal tiene dos. Útil como medida resumen para las variables nominales.

Por ejemplo, el color del uniforme quirúrgico en sala de operaciones es el verde; por lo tanto es la moda en colores del uniforme quirúrgico.

Medidas de Dispersión

Desviación Estándar:

Llamada también desviación típica; Es una medida que informa sobre la media de distancias que tienen los datos respecto de su media aritmética, expresada en las mismas unidades que la variable.


La varianza:

Es el valor de la desviación estándar al cuadrado; su utilidad radica en que su valor es requerido para todos los procedimientos estadístico.


Error típico:

Llamado también error estándar de la media. Se refiere a una medida de variabilidad de la media; sirve para calcular cuan dispersa estaría la media de realizar un nuevo cálculo.

Medidas de Posición y de Forma

Medidas de Posición: Cuantiles

Percentiles: Son 99 valores que dividen en cien partes iguales el conjunto de datos ordenados. Ejemplo, el percentil de orden 15 deja por debajo al 15% de las observaciones, y por encima queda el 85%.


Cuartiles: Son los tres valores que dividen al conjunto de datos ordenados en cuatro partes iguales, son un caso particular de los percentiles. Se denotan como: Q1 o primer cuartil, Q2 segundo cuartil (la mediana) y Q3 tercer cuartil.


Deciles: Son los nueve valores que dividen al conjunto de datos ordenados en diez partes iguales, son también un caso particular de los percentiles.

Medidas de Forma

Asimetría: una distribución es simétrica cuando su mediana, su moda y su media aritmética coinciden. Existen varias medidas de la asimetría de una distribución de frecuencias. Una de ellas es el Coeficiente de Asimetría de Pearson: Su valor es cero cuando la distribución es simétrica, positivo cuando existe asimetría a la derecha y negativo cuando existe asimetría a la izquierda.

Medidas de Forma

Apuntamiento o Curtosis: la curtosis es una medida de la forma que busca cuantificar la mayor o menor concentración de frecuencias alrededor de la media y en la zona central de la distribución. Se mide con el coeficiente de apuntamiento o curtosis: Su valor es cero cuando la distribución es mesocúrtica, positivo cuando es leptocúrtica y negativo cuando es platicúrtica

Gráficas Univariables

1. Para variables categóricas

a. Diagrama de sectores

Se toma un círculo y se divide en tantos sectores como categorías tenga nuestra variable, siendo el arco del círculo proporcional a las frecuencias absolutas (también lo podemos hacer con las frecuencias relativas o porcentajes)

Es ideal para variables dicotómicas o politómicas de menos cuatro o menos categorías.

1. Para variables categóricas

b. Gráfico de barras Es una representación

bidimensional con las categorías dispuestas paralelamente de manera que la extensión de cada barra es proporcional a la magnitud que se quiere representar.

Es ideal para variables politómicas de o incluso para variables de categorías no excluyentes.

2. Para variables numéricas

a. Histograma Se utiliza cuando se estudia una variable continua, como la edad o la talla y, por comodidad, sus valores se agrupan en clases, es decir, valores continuos.

En los casos en los que los datos son cualitativos (no-numéricos), como sexto grado de acuerdo o nivel de estudios, es preferible un gráfico de barras.

2. Para variables numéricas

b. Diagrama de Caja y Bigotes Gráfico basado en cuartiles,

compuesto por un rectángulo, la "caja", y dos brazos, los "bigotes".

Es un gráfico que suministra información sobre los valores mínimo y máximo, los cuartiles Q1, Q2 o mediana y Q3, y sobre la existencia de valores atípicos y la simetría de la distribución.

Discusión de Resultados

Como ejemplo vamos a plantear un estudio de casos y controles sobre cuyos resultados tenemos que realizar una discusión.

1. DESCRIPCIÓN

Describir la frecuencia de ocurrencia de la enfermedad en el grupo de estudio y describir la frecuencia de ocurrencia de la enfermedad en el grupo de control.

Luego identificar numéricamente las diferencias entre la frecuencia de la enfermedad en el grupo de estudio y el grupo control.

2. ANÁLISIS

Realizar una prueba de hipótesis para la diferencia descrita entre el grupo de estudio y el grupo control. Calcular el p-valor y mencionar si es significativo o no.

Concluir el análisis estadístico usando la terminología adecuada según su nivel investigativo. Los resultados obtenidos de esta manera son la base de las conclusiones del estudio.

3. INTERPRETACIÓN

Interpretar la relación demostrada probabilísticamente entre la variable independiente y la variable dependiente o las diferencias entre el grupo de estudio y el grupo control. Adicionalmente debemos interpretar las medidas de asociación. Las conclusiones del estudio estarán enmarcadas en la interpretación basada en la estadística y la relevancia clínica de los resultados.

4. COMENTARIOS

Comparación con los antecedentes investigativos: se trata de evaluar el criterio de consistencia o coherencia propuesto por Bradford Hill, por haber repetido el estudio o tener estudios similares.

Planteamiento de Hipótesis: de nuevas teorías que explicarían los hallazgos reportados, se trata de generar nuevas hipótesis para estudios futuros y así continuar con la línea de investigación.

Comentarios personales: Esta parte la puede realizar única y exclusivamente el investigador, “nadie mejor a su población que el propio investigador”. Estos comentarios apuntan al desarrollo de las recomendaciones.

Las variables según su medición. VARIABLES OBJETIVAS Concepto 1 Son propiedades, características...

Documents

Transcript of Las variables según su medición. VARIABLES OBJETIVAS Concepto 1 Son propiedades, características...