TEMA 2 oposalud NPs ac es 1, METODO CIENTIFICO. 1.1 Ensayo y error. 1.2 Induccién y deducci6r 1.3 Caracteristicas del Método Cientifico 2, PARADIGMAS 3. TIPOS DE ESTADISTICA, 4, TIPOS DE VARIABLES... 5, TIPOS DE ESCALA....w. 6. ANALISIS DESCRIPTIVO DE LOS DATOS.. 6.1 Variables cualitativas...... 6.2 Variables cuantitativas . 7. REPRESENTACION DE LAS VARIABLES CUALITATIVAS Y CUANTITATIVAS.... 8, DISTRIBUCIONES ... 8.1 Caracteristicas de la curva normal . 9. TECNICAS DE MUESTREO 9.1 Introduccién . 9.2 Muestreo probebilistico 9.3 Muestreo no probabilistico.. 9.4 Muestreo en investigacién cualitativa 10. ESTADISTICA INFERENCIAL.. 10.1 Concepto .. 10.2 Hipstesis.... 10.3 Tipos de error... 10.4 Pruebas de contraste de hipstesis. 10.5 Tipos de pruebas de contraste de his 15 10.6 Pruebas paramétricas.. 16 10.7 Pruebas no paramétrica: ot v7 11. EVIDENCIA CIENTIFICA... 11.1 Concepto EBE (Enfermeria Basada en la Evidencia). Niveles de evidencia 11.2 Fuentes de informacion primaria y secundaria (bases de datos) 11.3 Articulos de investigacion... 11.4 Revisién bibliografic 11.5 Revisién sistematica 11.6 Metaanalisis, 11.7 Gulas de Practica clinica (GPC). 12. EPIDEMIOLOGIA... IZA Concepto sme 13, CAUSALIDAD 13.1 Modelos de causalida: 14, RIESGOS EN EPIDEMIOLOGIA. 45. MEDICIONES EN EPIDEMIOLOGIA 15.1 Concepto .. 15.2 Medidas de frecuenci 15.3 Medidas de asociacién 16. TIPOS DE ESTUDIOS 16.1 Clasificacién.. 17, ESTUDIOS DESCRIPTIVOS 17.1 Tipos de estudios descriptivos ..INVESTIGACION EN ENFERMEE oposalud 18, ESTUDIOS ANALITICOS.. 18.1 Estudios observacionales .. 18.2 Estudios experimentales .. 18.3 Estudios cuasiexperimentales... 19. INVESTIGACION CUALITATIVA... 19.1 Caracteristicas 19.2 Metodologia y estrategias cual 19.3 Técnicas de recogida de datos .. 19.4 Andlisis de los datos 19.5 Estrategias de validacién 20. EVIDENCIA CIENTIFICA. CRITERIOS DE CALIDAD: FIABILIDAD Y VALIDE: 20.1 Validez 20.2 Fiabilidad .. 21. TIPOS DE ERRORES 24.1 Errores sistematicos 0 sesgos.... 21.2 Errores aleatorios 22. TEST DIAGNOSTICOS.. 22.1 Screening o cribados .. 23. DEMOGRAFIA SANITARIA 23.1 Demografia estatica .. 24.2 Demografia dinamica “Crise do todas las imigonos del texto: 128.1 a exconeiin de paginas. (Mara Gaver), gina 1, imagenes 1,2, 8 (Maria Galvan}TEMA 2 METODO CIENTIFICO Desde el comienzo de la humanidad, esta ha estado interesada en estudiar el mundo que le rodea para poder entenderio y si es posible, controlarlo e intentar sacar el mayor beneficio de ello. El mundo que nos rodea esté leno de variabilidad, lo que dificulta su comprensién. Si todos los individuos reaccionaran de la misma forma, seria muy facil saber cémo se va a comportar una persona ante una deter- rminada situacién, Por suerte, esto no es asi y ante una misma situacién, las personas reaccionan de manera diferente, Por todo esto, la investigacién en todos los dmbitos ientiicos es el motor y fuente de progreso del cono- imiento y de las actividades asociadas a los distintos campos de la actividad humana. Se define Investigacion como el proceso sistemstico, izado y Objetivo)destinado a dar respuesta a una ipdtesis de tral pregunta 0 a probar una Hasta mediados del siglo XVI, la mayor parte de las, explicaciones que se daban a los sucesos, eran desde un punto de vista filoséfico 0 roligioso. A partir de ese ‘momento, los cientificos de la época como Copérnico 0 Galileo introducen una nueva forma de razonar, que se le conoce con el nombre de método cientifico. Un buen Cientifico realizaré juicios de hecho [constatar los hheches) pero no juicios de valor (ética 0 moral), El método cientifico consiste en un conjunto sistemati- sao de procean, sends undnimemeney gue sn la base de | i Este método se podria diferenciar en las siguientes etapas: pec one Asi, el proceso comenzaré con la observacién de un ‘endmeno que capta la atencién y que se decide estudiar. En el siguiente paso, se hard Iv pregunta a Ia que se quiere dar respuesta o se elaborara una hipéte- icable que explique el fenémeno observaco. Después serd necesario disefiar un experimento que permita contrastar la hipdtesisy, si finlmente, esta se consigue demostrar, se podré inducir una ley que sea aceptada por toda la comunidad cientfca. Para que una préctica adquiera el rango dé ebe aplicar el método cientifico y sus -deben basar en teorias, eon oposalud Pei ones El método cientifico utiliza el método de ensayo y error cen su desarrollo, ya que si tras la fase de experimenta- cién no es posible verificar la hipétesis, no habra sido un fracaso: simplemente se dard un paso atrés para elaborar una nueva hipotesis que, con la nueva infor- macién que se haya adquirido con la experimentacién, se ajuste mejor al fenémeno estudiado, 4.2 INDUCCION ¥ DEDUCCION Existen dos formas diferentes de razonamiento l6g la deduccién y la induccién: POBLACION geaogeeas 2agagaen agageraa aavagaca INDUCCION: eect DEDUCCION aaee 2aaa ‘MUESTRA © CARACTERISTICAS DE LA DEDUCCION D> Se hace a partir de principios geners postulados que llevan a una asercion (general a particular). > Qesde a anne lega-a une ley general y de D> Silas premisas son ciertas, garantiza la certeza de las conclusiones. Es decir, si algo se cumple en_la_poblacién, también, se cumple. ef muestra. Permite la extrapolacion. D> Sin embargo, no aparta conocimiento nue © CARACTERISTICAS DELAINDUCCION (+ Fecasxces Db D> Se desarrolla desde la postura que valora la experiencia. como punto de partida para gene: ‘ar conocimiento. > No garantiza la certeza de las conclusiones. Si algo se cumple en la muestra, puede que no se cumpla en la poblacién, asi que hay que tener cuidado con las extrapolaciones. D> &5 la tinica forma de generar conocimiento nuevo. La_estadistica_se_apoya_funda re ivo, ya que, utiliza Ia informacién obtenida a partir de muestras para sacar conclusiones sobre las poblaciones.INVESTIGACION EN ENFERMERIA oposaiud Bens Gian) Regan pues sa arene) 1cO a investigacién cientifica permite describir, explicar y predecir hechos, eventos 0 fenémenos, Fa naturaleza y las carac- teristicas de los fenémenos. D> Explicar. Clarificar las relaciones entre los fe- némenos y determinar por qué se producen. D> Predecir. Estimar la probabilidad de que un fenémeno se produzca en una situacién dada. Igualmente la investigacién cientifica contribuye al desarrolo de la teorfa, tanto a su produccién como a su verificacién. A su ver, la teoria favorece la comprension de los fenémenos estudiadas y esta nueva comprensién conduce al analisis de otros problemas. EI métedo cientifico debe ser racional y légico en las teorias que utilice, dando explicaciones razonables de por qué ocurren las cosas. Estas explicaciones tienen gue ser lo mas claras y precisas posibles, y ademés, deben ser verificables mediante un proceso de expe mentacién. Pero sobre todo, el método cientifico debe ser analitico, es decir, que las leyes 0 teorias que se puedan elaborar expliquen el fendmeno de forma general, en funcién de lo particular. Pe Existen diferentes enfoques y formas de obtener conocimiento, Por tanto, existen distintas maneras de abordar un problema, con el fin de generar nuevo conocimiento, Ademds, no existe un unico método aceptado de manera unénime. Esto ha dado lugar a que existan diferentes paradigmas de Investigacion. @ PARADIGMA POSITIVISTA, Para el paradigma positivista la_realidad es tnica, puede ser fragmentada para su andlisis y las partes pueden ser manipuladas independientemente, El enfocue positivista considera que es posible estable- Cer leves..generales..y..permanentes, que permitan establecer las causas de los hechos. La Investigacion postvsta tiene un enfoque. predomi: ‘nantemente. cuantitativo. @ PARADIGMA INTERPRETATIVO ‘Surge como reaccién al paradigma positivista junto con la filosotia fenomenolégica. Considera que los hechos estén influidos por las inter: bretaciones queos individuos realizan,de los mismos y que las realidades son miltiples y.construidas por cada persone. Este paradigma considera que los valores del investiga- dor.y.elcontextoin‘luyen.en los rasultados del Utiliza el metodo inductivo y las técnicas de investiga- cién cualtativa 4 @ =PARADIGMA.CRITICO El enfoque crtico, se caracteriza no solo por el hecho de indagar, obtener datos y comprender la realidad en la que se inserta [a investigacion, sino por provoc ‘ransformaciones sociales, en los contextos en los qu: interviene, La concepcién critica recoge como una de sus caracte- risticas fundamentales que la intervencién 0 estudio sobre Ie préctica local se lieve a cabo a través de Procesos_de_autorrefiexién, que_generen.cambios_y transformaciones..de._los_actores, protegonistas. La investigacién critiea debe estar comprametida no solo con la explicacién de la realidad que se pretende investigar, ino con la transformacién, scenester Utiliza fundamentalmente el buscando contradicciones para ponerlas de manifiesto ¥y proponer cambios que permitan eliminarlas, Everences REALIDAD | RAZONAMIENTO Ceci y Unica Cuantitativo Inductive (iniaiaiae| Metin eee Circe ensformacion | istéctico social PR aon La estas es la clecia. que facta los. métodos isos pare la obter bara lana de a misma. se cue esercaimenta en dos grandes bloques; —2~sre soso D> Estadistica Descriptiva: describe la muestra. Epi Ferratienta fineamertal ahora de or tesavex denar, resumir y representar gréficamente los datos que surgen en un estudio cientfico, D> Estadistica Analitica o inferencial: infier dlusiones poblacionales partiendo ca resultados obtenidos en la muestra. Es el ins ©rcce > trumento fundamental a la hora de contrast la hipotesis de trabajo y hacer exten: resultados muestrales a [a poblacion. En la realizaci6n de cualquier experimento se obs= y analizan los resultados en una primera fase (estad a descriptiva) y se interpretan y obtienen conclusia en una segunda fase (estadistica analitica). 12 FASE 22 FASE Meant Pico tattcron sce cChy Orta)eer re tee read eae hes ee ee ors Umans Te RES SS PN Mee Y FAD oposalud Waren Cry Clerc a NOMINAL: sin ordenacién : con ordenacién Bene por objeto el estudio de ciertos ‘CUALIDAD jinados variables y atributos que ementos de una poblacién. Estos deben er de requisitos: GNU CANTIDAD \: separaciones INTINUA: sin separacién POS DE ESCALA -lzunos tipos de estudios existe una varia- Al proceso de asignar un valor 2 una variable de un independiente (X) y una variable _individuo se le denomina medici6n. Para llevar @ cabo inte ()-(ausercs ee.zonsors osrt= 9) — dicha medlciGn se pueden ulizar diferentes escalas, bec na Paes ne srisicas pueden ‘er 0 to susteptbies fexte sentido se define: =n que variar de un sujeto a otro. der ser enumeradas o medidas Las escalas que se utilizan habituelmente para las variables cualitativas son la nominal y la ordinal: Woo vaable cuatative 0 Seruis)es un co Bet cat ga = wm Konsecvenca, obserable tan solo amente, or ejemplo: el coor de plo ceptible de medida en términos de cantidad, Beer, cisnteaivo ¥cisrestle medion la observacién. Por ejemplo: el peso. IFICACION DE LAS|VARIABLES CUALITATIVAS) B ATRIBUTOS ‘seriables cualitativas 0 atributos se clasifican en snales y ordinales: > Una variable cualitativa es ominalsi sus cis- tintas modalidades no admiterrningin tipo de_ ordenacién. cuando aderids solo puede tomar dos modalidades diferentes se define como cotémica o binaria, Por ejemplo, son atributos ominales el estado civil 0 el sexo de las per- sonas. ops ROD ordenacién, Por ejemplo, son ee CITE {es los posibles estados de un enfermo o el © CLASIFICACION DE LAS VARIABLES CUANTITATIVAS) as variables cuantitativas se clasifican en discretas y ccontinuas: v D> Una variable cuantitativa es sretaycuando presentan separaciones o interropciones en a escala de valores que puede tomar. Estas sepa- racones 0 interupciones expresan a ausencia de valores intermedios. Por ejemplo, el nime- ro de hos o el nimero de medleamentes que consume une persona a dl [> Una variable cuantitativa es Continua)si puede tomar cualquier valor dentro G& un intervalo, es decir, entre dos valores dados, siempre va a existir un valor intermedio que podria tomar la variable, Por ejemplo, la talla de los estu- diantes 0 la concentracién de un principio activ. ro Las escalas que se ut vvas son la de intervalo y la de razén o proporcién: > La escala nominal consiste en asignar un nom: bre a cada una de las posibles observaciones. las categorias son mutuamente excluyentes y ‘no existe ninatin orden entre las mismas. Es el nivel ms basico de medicién. D> Ena escala ordinalias categorias también son mutuamente excluyentes pero, en este caso, si existe agin tipo de orden entre las mismas. Un ejemplo de escala ordinal seria la escala ti- o Likert, que se emplea para ver cudl es ef Wee iee a od ie frente a una determinada afirmacién, la fre- cuencia con la que realiza una determinada actividad, la Importancia que atribuye a algo 0 ccémo valora un determinado servicio que se le 28% Yr esté prestando. El ntimero de niveles mas util” 9° °27> zado es 5, aunque también existen de 7.0 9, Lo “sss importante es que la escala sea simétrica, es “=> decir, tenga tantas categorias positivas como ¥ un punto medio para los casos de én-oneutralidad. izan para las variables cuantitati- D> En la escala de intervalo, existe un orden nu- mérico_entre las observaciones y_@s posible calcular diferencias entre las observaciones, Ye-que le diferencia entre dos valores eS slem= |. pre la misma. En esta escala no existe el.cera* > “= soluta, es decir, el cerano indies auseneia, OLSON de la caracteristica. Por ejemplo, las tempera- tras Da escala de razén 0 proporcién, tiene las mismas caracteristicas que la escala anterior, pero en este caso si,eniste el cero absoluto |... que indica la ausencia de la caracteristica. Por >" ejemplo, el ndiiero de cigarrillos que consume °°" tuna persona en un dia. onsINVESTIGACION EN ENFERMERIA oposalud TIPOS DE ESCALAS NOMINAL: nombre, Excluyentes. “ORDINAL: orden, Excluyentes. INTERVAL: No hay cer. RAZON 0 PROPORCION: Si hay cero. CTS senators DATOS. UU) CUO UC) 6:4 VARIABLES CUALITATIVAS Los datos cualitativos se expresan en forma de frecuen- cias o porcentajes de cada una de las categorias. Por ejemplo: el 50% de los pacientes son fumadores. @ | FRECUENCIA ABSOLUTA Es el nlimero de veces que aparece una misma catego- ria en la variable estudiada. La suma de todas las frecuencias absolutas sera el ntimero total de observa- ciones frecuencia absolute acumulada). (© | FRECUENCIA RELATIVA Es al cociente entre la frecuencia absolute de una categoria vel nimero total de observaciones, es decir, es la(pro iyiduos que present e0- ria. Es 21 tanto por uno por ello la suma de todas las, frecuenclas relativas ¢s igual a la unidad (Frecuencia telative acumulada). (x1oo = @mcosere) © PORCENTAIE Es el tanto por {rent} que representa cada categoria, es deci, frecuentia relativa moltipicada por 200. Ls Suma de todos fs porcentaes sera el 100% EIEMPLO: En una maternidad han nacido 35 nifos y 40 nifas. Los datos relativos al nacimiento de nifias son: = Frecuencia absoluta: 40. ~ Frecuencia relativa: 40/75 Porcentaje: 53.3%, 533. Recuerda las vi xpres: reentajes scuencias CAT natin En estas variables se calculan clertos ntmeros que resumen la informacién muestral, es decir, que infor- man acerca de las caracteristicas de la pablacién que se estin estudiando. Estos indicadores sirven para valorar ciertos aspectos de la distribucién, tales como la dispersi6n 0 concentracién de los datos. Habitualmente se expresan a través de la media + la desviacién tipica Por ejemplo: la media de edad son 45 afios + 5. 6 Otros dos conceptos que es necesario definir son el de pardmetro y estadistico. D> Los parémetro3'son los indices que resumen la informacion de e una(poblaciony se ‘expresan en letrasiriegaes Sal D> Los éstadlstiedd son las indices que resumen la informacién de la muestra y se expresan en le- tras latinas» 7 Poo reesrnere es FOE |< MEDIA ARITMETICA. MistenpaE = MEDIA GEOMETRICA. Cane < MEDIANA. + MODA. * RECORRIDO.O RANGO. + DESVIACION MEDIA. rey it Este estadistico tendré como unidades las mismas de la La desviacién tipica es Ia raiz cuadrada positiva de la varianza, Eset 2 Coeficiente de variacion la varianza y la desviacién tipica, son dos medidas de dispersi6n que vienen afectadas por la escala 0 unidad de medida de la respectiva variable. Por tanto para comparar el grado de dispersién de dos o més distribu- ciones serd necesario obtener una medida de dispersién que, viniendo expresada en nimeros abs- tractos, sea susceptible de comparacién correcta, viene definido al valor aritmética. Se representa por CV. BASsi *100 sev 5 in Ig Esta es una medida relativa, que expresa la dispersién de la ve 3. Cuando mayor sea el coeficiente de variacién, mayor serd la variabilidad 0 dispersion que habré en los datos. Se puede interpretar fen tanto por cen, multiplicando la expresién anterior or 100. Tiene la ventaja de ser adimensional, lo que permite hacer comparaciones entre variables expresadas en distintas unidades, Presenta el inconvaniente de que no se puede calcular cuando la media es igual a cero. > voensco: 7 otces aE oe some tadistico de dispersién mas utilizado y : mismaSunWsdes dela Wafable, Con oamse Soames host) |roe < von.0 INVESTIGACION EN ENFERMERIA oposalud 2 Intervalo de confianza El interval de conflanza es l rango de valores en el que se confia que contenga el pardmetro poblacional. Suele calcularse al 95% 0 al 99%, EI intervalo de con- fianza al $5% indica que el 95% de las veces la media de lajpeblacién'ge situaria dentra de ese intervalo, En general, Jos intervalos estrechos nos dan més tranquilidad y nos dicen qué datos serén més fiables en la estimacién del parémetro. @ MEDIDAS DE FORMA Indican la forma que tiene la distribucién de los valores observados. Se pueden clasificar en dos grupos: medi- das de asimetria y medidas de apuntamiento o curtosis. El coeficiente de asimetria de Fisher, que se representa Por fi, se define como (EG Dependiendo del valor que tome, se tendré: :< 0. Distribucién asimétrica hacia la iz- quierda. Gros psmemn es © us on = 0. Distribucién simétrica Si gs> 0. Distribucién asimétrica hacia la dere- cha, Medidas de apuntamiento o, El grado de apuntamiento de las observaciones, se caracteriza por el coeficiente de apuntamiento o curtosis y se representa por g2: tosis (ire cx ae Dependiendo del valor que tome, se tiene: > Si g2< 0. La distribucién es menos apuntada ‘que la distribucién normal de la misma media y desviacién tipica. Se dice que es una distribu- cién platicirtica. I Si gr = 0. La distribucién tiene un apuntamiento ‘gual que el de la distribucion normal de la pee coscie misma media y desviacién tipica. Se dice que es una distribucién mesocirtica. ‘Si gz> 0. La distribucién es mas apuntada que la distribucidn normal de la misma media y des- viacién tipica. Se dice que es una distribucién leptoctirties. 7 @ MEDIDAS DE POSICIGN: / O Cuantiles Si el conjunto total de valores observados se divide en r partes que contengan cada una n/r observaciones, los, puntos de separacién de las mismas reciben el nombre genérico de cuantiles. Seguin esta definicin, la mediana también es un cuantil con r= 2. Algunos cuantiles como: reciben determinados nombres D> Cuantles. Son los 3 valores de la variable que dividen la distribucién en 4 partes, con igual rnimero de observaciones en cada una de elias y se designan por Cs, Cz, C2. De este modo, C= eS es igual ala mediana. |“ ©5S quintiles. Son os 4 valores dela variable que en 5 partes, con igual ridmero de observaciones en cada une de elas: Se designan por Gi, 0, Qe D> Deciles. Son los 9 valores que dividen la dis De —_bucién en 10 partes, con igual numero Tisomun observaciones en cada una de ellas y se des fran por Dt, Dz, ..,Ds. Percentiles. Son los $9 valores que di 255 distribucién en 100 partes, con igual ni poss, de Observaciones en cada una de elias y signan por Ps, Pz,.., Ps. Para calculario se ordenar la distribucién de menor a ejemplo, el percentil 75 deja por deb de los valores y por encima el 2556, Ua Ua eee Cimeete) eres Las medidas basadas en el de los diferentes ‘valores, como la mediana, jtas. ‘Las medidas basadas en la eos valores, como la media 0 I A Pasta a TV ae Para conseguir s ‘cas de la poblacién resulta muy diagramas. Dependiendo del trabaja con datos 2grupados 6 tipos de graficos.TEMA 2 @ | SECTORES CIRCULARESODIAGRAMA DE SECTORES Es una representacién en la que un circulo se divide en sectores, de forma que los angulos, y por tanto las reas respectivas sean proporcionales a la frecuencia de la categoria representada Observaciones: D> Se utiliza para variables cualitativas y en oca- siones para variables cuantitativas discretas con pocas categorias diferentes. No debe utilizarse para representar variables ordinales, No debe utilizarse cuando la variable a repre- sentar cuenta con numerosas categorias. @ Pictocrama Un pictograma es un tipo de grafico, que en lugar de barras, utiliza un dibujo alusivo al fenémeno en ‘estudio. Los dibujos deben tener un area proporcional a la frecuencia de las clases y pueden ser de repeticisn 0 de ampliacién. Se utilizan para variables cualitativas, @ DIAGRAMA DE BARRAS Consiste en representar sobre el eje de abscisas de un sistema de ejes coordenados los distintos valores observados, y levantar sobre cada uno de ellos una barra cuya altura sea igual a la frecuencia absolute 0 relativa correspondiente a ese valor. Esta representacién se utiliza para distribuciones de frecuencias con pocos valores distintos de la variable, tanto cualitativas como cuantitativas discretas. Numero de hijos © HisToGRAMA Este tipo de representaciones se utiliza en variables cuantitativas continuas. Un histograma es un conjunto de rectangulos, cuyas bases son cada uno de los intervalos y su altura, la correspondiente frecuencia absoluta orelativa. (Ute 8 coun, shots Sise-unen los puntos medios de las bases superiores de los recténgulos del histograma, se obtiene el poligono de frecuencias correspondiente a los datos agrupados. = oposalud OREN EC Disperet @ DIAGRAMA DE CAJAS ¥ BIGOTES (BOX-PLOT) los datos extremadamente altos o bajos, en campara- «ién con los del resto de la muestra, reciben el nombre de datos influyentes 0 datos atipicos. Tales datos quo, ‘como su propio nom| ieden modificar las conclusiones de un estudio, deben ser considerados atentamente antes de aceptarlos, pues no pocas veces podrn ser, simplemente, datos erréneos. Cine wanes La representacién gréfica més apropiada para detectar estos datos es el diagrama de cajas, Este diagrama esta formado por una eaja que contiene el 50% de los datos.2.2nss0 salen de Ta caja, que indican los limit cuales los datos se-consideran..atipicos. Sumit informacién sobre: D> Los valores minimo y maximo. > ELcuartl primero, segund ep La existencia de valores atipicos, La simetria. de fa dstribucidn, La medina es la linea que divide la caja en dos partes, si esté centrada, la distribucién puede considerarse simetrica mediana) y.ter- eer, vv 4 PSieern ss Una ver extraida toda la informacién posible de los valores observados, el siguiente paso es inferir las, propiedades de la poblacién de la que provienen. Existen tres leyesteéricas que rigen la inmensa mayoria de los fendmenos bioldgicas habituales, dos correspon- dientes con variables discretas, que son la distribucién binomial y la distribucién de Poisson,o de los casosTt a page Pr rsee 937 oposalud raros, y una con variables continuas que es la distribu. .cién normal o de Gauss. © DISTRIBUCION BINOMIAL Podemos poner como ejemplo de esta distribucién un ‘experimento que consiste en una secuencia den. repeticiones de un mismo ensayo aleatorio. Los ensa- yos se realizan bajo idénticas condiciones, y cada uno de ellos tiene Gnicamente dos posibles resultados, que habitualmente se denotan por éxito_y fracaso. Los ensayos son independientes, por Io qué el resultado de cualquier ensayo en particular no influye sobre el resultado de cualquier otro y la probabilidad de éxito es idéntica para todos los ensayos. Scko eet. vram 2 La probabilidad de encontrar un valor concre- foes. D Tiende asintéticamentea 0 cuando x tiende @ *E1 68% de la poblacién se encuentra entre” ule, Fase £1 95% de la poblacién se encuentra entre pi2a, (3 3e SrO 7 too IEG EIERITAR fey (fy “EI 99% de la poblacién se encuentra entre i380, 185-19 De todas las distribuciones normales, la mas importa 285 la que tiene media y= Oy desviacién tj “que 3€ conoce como normal estandar_o tipificada, y se designa por Z. Esta distribuci6n se encuentra tabulada. 9. TECNICAS DE MUESTREO CoM entice) @ POBLACION Y MUESTRA s {0 caracteris- tica). A cada elemento de la poblacién se le llama individuo. TRG PeBsaon. WPaNososs BE wees £1 conocimiento exacte dal estudio realizado requeritia saber los valores de la variable estudiada en todos los individuos de la poblacién, pero esto, normalmente no es posible, por imposibilidad fisica 0 econdmica. Para solventar este problema se utiliza una muestra de la poblacién a estudiar. Para que la muestra refleje informacién fidedigna sobre la poblacién global, debe cumplir dos requisitos: EJEMPLO Para tener una idea del nimero de idiomas que conoce la poblacién de estudiantes universitarios espafioles, se hace una encuesta entre los alumnos de un curso de, Los resultados del ntimero de idiomas que conoce cada alumno encuestado fueron: 1,2,0,3,1,4,2,3,2,2,4,1,1,3, 2,0,1,2,2,3,2 La poblacién es el conjunto de todos los estudiantes matriculados en alguna universidad espafola. La muestra es el conjunto de alumnos seleccionados.. @ =TAMANO MUESTRAL ets de hn ait omrcen aes oa Se mre cua ea eate eeenecesario tomar en la muestra para tener un conoci- ‘miento aproximado pero suficiente de la poblacion?”. OyagA Uopea ae A Tegie0 1S resBiesta depenie"de muchos factores, como la variabilidad de la poblacién o la fiabilidad deseada para las extrapolaciones que se hagan hacia la pobl En general, cuantos més individuos haya en la muestra, mas fiables serén las conclusiones sobre la poblacién, pero también sera mas lento y costoso el estudio. @ CARACTERISTICAS DE LA MUESTRA Puesto que el objetivo final es llegar a resultados que se puedan aplicar a toda la poblacién de la que ha sido seleccionada la muestra, lo més importante en una muestra es que sea lo mas representativa)posible de la poblacién. No se puede tomar, por tanto, una muestra de forma atbitraria, pues esta podria no representar a toda la poblacién. @ CALCULO DE MUESTRAS REPRESENTATIVAS La representatividad de la muestra se consigue eligien- do la modalidad de muestreo mas apropiada para el tipo de estudio. En el caso de los errores, aunque no se pueden evitar, se tratard de reducirlos al maximo y acotarlos. Existen dos tipos de muestreos: El probabilistico, que utiliza algin sistema de seleccién aleatoria de los individuos que con- formaran la muestra. D> El no probabilistico en el que los individuos son seleccionados por métodos en los que no, interviene el azar. Geese) ‘= ALEATORIO SIMPLE. ‘© ALEATORIO SISTEMATICO. ‘© ESTRATIFICADO. ‘= POR CONGLOMERADOS. Erne} © CONSECUTIVO, ‘© DE CONVENIENCIA. © ACRITERIO. ir Era} 9.2 MUESTREO PROBABILISTICO Utiliza el azar en la seleccién de los elementos que compondran la muestra. @ MUESTREO ALEATORIO SIMPLE! a forma de realizar un muestreo aleatorio es asignar ‘un niimero a cada individuo de la poblacion (censo) y sealizar un sorteo aleztorio, Este muestreo se caracteriza por: D Esel método de muestreo mas utilizado, oposalud blaci ienenie idos.para.ta D> La seleccién de individuos es con reemplaza: miento jy por tanto, no se altera la poblacion le pertida). D> Las sucesivas selecciones.de.un.individuo.son independientes, © MUESTREO ALEATORIO SISTEMATICO) Se puede realizar este tipo de muestreo en aquellos casos en los que las datos estén guardados en fichas 0 cen rogistros digitales. Se ordenan los individuos de la poblacién y se numeran A continuacién se selecciona un nimero al azar (k).se elige el elemento que ocupa ese lugar y se continua de forma sistemética cada k elementos, hasta completar me. i el tamaio de la muestra. @ MUESTREO ESTRATIFICADO! Si se han identificado ciertas caracteristicas en la poblacién que podrian influir, como edad, sexo, nivel social, en relacién al hecho se esta midiendo, se podria dividir (es el jnvestigadorsel que realiza esta ‘ivisién) Ia poblacién en estratos (subgrupos) y luego hacer un muestreo aleatorio.en cada estrato para asegurar la representatividad dela muestra, \—-!200, soc EI muestreo estratificado tiene la ventaja de que se puede hacer inferencia entre los estratos, por lo que a igual tamafio de muestra tiene més precisién_que el ateatorio simple. El problema puede ser como Tapartt ia muestra ¢ diferentes estratos. El reparto puede so! ae la__proporcién de indviduos en exda-uno.de los esti distribuci6n que la de la poblacién o (Go proparcional cuando interesa.que hays. un, mayor.nimero.de indiv- duos de alguna de los estratos. 05s scan <2, 2 @ MUESTREO EN ETAPAS MULTIPLE: fence Este muestreo se utiliza cuando disponemos de una lista de grupos (la division ya esté hecha) dentro de la poblacién (colegios, ciudades, hospitales..), llamados conglomerados, donde se tienen localizados a todos los individuos ates &conglomerado_suelen ser m ~ INVESTIGACION EN ENFERMERIA oposalud Se puede tomar una muestra de conglomerados y luego todos los indiividuos del conglomerado (de una etapa) "n, tamar una muestra aleatoria de cada uno de los congomerados. Cuando accedemos a la muestra mediante una sola etapa, el muestreo se denomina gpico, si es en dos, bietdpico, y sitione més de dos polietépico. ue los individuos de cada nuy_Homogeneos, To que puede hacer menos precisas las estimaciones, EI may Bewars 9.3 MUESTREO NO PROBABILISTICO Constituye un tipo de muestred menos recomendabley ya que ar. Por ello, a partir de este tipo de muestras, no pueden Fealizarse contrastes de hipdtesis, Gnicamente seria. cortecto “ealizarestudios descriptivosy @ MUESTREO CONSECUTIVO Es la técnica més utilizada dentro de los muestreos no probabilisticos. Consiste en seleccionar_a los individuos de manera consecutiva segun se vaya teniendo acceso a ellos. Por ejemplo, seleccionar los pacientes que acuden a una consulta hasta tener el numero necesario de individuos. © MUESTREO DE CONVENIENCIA Es este caso, el investigador selecciona_a_ aquellos individues que presentan mas fécil acceso, pudiendo ser incluso” voluntarios. Es una de las técnicas menos s6iidas, aunque se utiliza en numerosas ocasiones. ‘Cuando los fenémenos que se investigan son suficien- temente homogéneos en Io poblacién, se reduce el riesgo de Sesgo, pero no es lo habitual © MUESTREO A CRITERIO. EL investigador_selecciona_a_los_individuos que 6 considera mas aproplados en funcién de un criterio dado. Este tipo de muestreo se aplica a menudo cuando se desea Je expertos. 2 Ao 9.4 MUESTREO EN INVESTIGACION Cui uN En este tipo de estudios suelen emplearse muestras pequerias no aleatorias, evitando las muestras probabi- listicas ya que se trata de localizar a buenos informantes. El objetivo no es conseguir un gran niimero de sujetos dentro del estudio, ino identificar qué queremos saber y_qué_deseamos afirmar. Uno de los criterios que etermina el tamafio de la muestra (o suficiencia de la muestra] es la saturacién tedrica de los datos, es decir, ese momento en el qué ya no se obtiene nueva infor- rmacién y esta comienza a ser redundante. Cuando tras analizar maltiples casos ya no se encuentra informacién novedosa, el andlisis concluye. Los tipos de muestreo que se utilizan son: > Muestreo por conveniencia: selecciona las unidades de la muestra de menera arbitraria, mediante autoseleccion (muerte de velontr: debido a su facil disponibilidad, uno dé los mUlestreos mas indicados para este tipo de estudios, ya que no suele localizar las fuentes mas ricas de informacion. Util en las primeras etapas del estudio. > Muestreo de avalacha o en bola de nieve: se pide a los inforr ue, jenden_a otros posibles participantes de la misma pi Blacién de estudio. Este método es muy itil cuando el problema que se invest - almente sensible, estS oculto 0 invisbilizado, 50. En este tipo de muestro, in de la investigacién es la generalizacion de Un nimero finito de casos. > Muestro teGrico o intencionade; esté guiado ee ee ec ee copilando van indicando la composicién de la muestra. Los casos y las observaciones se Deregan hasta entender ls relaciones entre ellos, baséndonos.en las necesidades. de. in- formacn_- detectaas- cen fe resultados. En este tipa de maestreo el fin de {a investigacién es el idesarrollo de una teoria) La estrategia para seleccionar casos puede variar a lo largo de la investigacién. 10. ESTADISTICA INFERENCIAL 10.1 CONCEPTO La estadistica descriptiva permite describir la muestra, pero si queremos ir més alld y pretendemos obtener conclusiones respecto a la poblacién de la que se ha ‘obtenido dicha muestra es necesario acudir a la estadis- tica inferencial. La Estadistica fi ue infiere conclu: i 5 resulta s la herramienta fundamen- tal a la hora de contrastar la hipétesis de trabajo yod TEMA 2 hacer extensibles los resultados muestrales a la pobla- cién. Pea os Cuando un investigador realiza un experimento siempre pretende demostrar algo. Los estudios_analtcos oallevan el planteamiento_de determinadas hipétes|s sobre | comportamiento de las vernbles y de los ‘slaciones entre las mismas en la poblaciin, Sa contras- +42 supone ver si las hipétesis planteadas son coherentes con a informacion extra de las muestras rvaciones 0 refiexiones y puede ser comprobada 0 refuteda. Anim ertesces. naDOSS ORE HELA. © REQUISITOS MINIMOS DE LAS HIPOTESIS D El enunciado debe ser expresado de manera Positive yaseverativa, ‘Ambas variables, asi como sus relaciones de- ben ser mensurables las hipGtesis deben tener unpoder predictive EJEMPLOS: '* Elconsumo de aziicar eleva la glucemia. © La utilizacién de cidos grasos hiperoxigenados disminuye la aparicién de ulceras por presién en pacientes encamados. v Sin embargo, siempre que tenemos una hipétesis hay que asumir que esta puede ser cierta 0 no. Por eso debemos partir de la existencia de dos hipétesis posibles: la hipétesis nula y la hipétesis alternativa Es también conocida como hipétesi diferencia, és la que se contrasta, % csise = © ee ae Esta hipétesis nula no supone un avance cientifico y pa eee Se puede enunciar de las siguientes formas: Np no (D-_No hay diferencias significativas entre los gru- bos que se comparan, wo ¥ No hay diferencias significativas enire el grupo que recibe el tratamiento y el grupo que no lo recibe (0 entre el que recibe un tratamiento y el que recibe otro tratamiento distinto) o estas diferencias son tan pequefias que pueden de- | berse al azar. Vv No hay relacién entre las variables de estudio. No hay un efecto de la variable independiente sobre la variable dependiente. > | tratamiento no sirve de nada o su efecto es [FP tanpeaueno que no reaitaatabie, oposalud EJEMPLO: La hipétesis nula afirmar © Efconsumo de azticar NO eleva la glucemia. © La utilizacién de dcidos grasos hiperoxigenados NO disminuye la aparicién de lceras por pre: en pacientes encamados. Se puede enunciar de las siguientes formas: v Hay diferencias significativas (no atribuibles al azar) entre los grupos que se comparan. Hay diferencias significativas entre el grupo | que recibe tratamiento y el grupo que no lo re- | cibe (0 entre el que recibe un tratamiento y el } que recibe otro tratamiento distinto) y estas diferencias son lo suficientemente grandes como para decir que no se pueden atribuir al azar. [> Hay relacién entre las variables de estudio. Existe un efecto de la variable independiente sobre la variable dependiente. El tratamiento es itil El consumo de azicar Sfeleva la glucemia. La utilizacién de dcidos grasos hiperoxigenados Si disminuye la aparicién de tlceras por presi6n en pacientes encamados. Para explicar mejor las hipétesis podemos poner otro ejemplo. Una enfermera cree que si un grupo de pacientes que va 2 ser sometido a una intervencién quinirgica recibe una charla educativa antes de la intervencién, estos van a tener menos ansiedad que aquellos pacientes que no reciben la charla, Para demostrar su hipétesis toma una muestra al azar de pacientes y también al azar la distribuye en dos, grupos, uno al que llamaremos experimental, que recibird la charla y otro al que llamaremos grupo de control que no recibird dicha charla, La hipétesis nula afirmaré que no habra dife- rencias significativas en las cifras de ansiedad entre los dos grupos y que por tanto la charla ue imparte no es itl La hipétesis alternativa afirmaré que habré diferencias significativas entre el grupo que recibe la charla y el que no la recibe y por tan- to que la charla es util para disminuir el nivel de ansiedad Como la hipétesis que se somete a Gomprobaciényes la hipétesis nula (Ho) se concluye el estuididetendo D- Se rechaza la hipétesis nula y, por tanto, se acepta que la alternativa es cierta,oy oposalud No se rechaza la hipétesis nula porque no te nemos evidencias suficientes para rechazarla. Por ellolas decisiones que se pueden tomar son: D> Rechazar Ho (eso implicariaaceptar Hi). D> No rechazar Ho (eso implicaria no probar H). Para poder tomar una u otra decisién se utlizan intas pruebas estadisticas denominadas pruebas de la eleccién de la prueba a contraste de hipétesi realizar depend’ del tipo de variables que estemos estudiando. Rep rens5 *Se conoce como hipétesis de eters hipétesis_de es rechavar- a +i se_confirm diferencias entr | _ztupo control. *Se conoce como hipétesis_de investigacién + El objetivo del estudio es aceptarla. * 3 se-confitme, hax.diferencias eqpre el grupo rupo rsp aes El proceso de comprobacién de Ia hipétesis es lo que se entiende como contraste de hipstesis. Este proceso, permite aceptar o rechazar la hipétesis nula. El objetivo del estudi NULA (Ho) Pier vN c} Los errores que se pueden cometer utilizando este método son de dos tipos: % > ‘Ear dip Se comere cuando se la ‘eon (arr re En este caso el investigador concluye afirmando que su tratamiento es tt cuando en realidad no lo es. . robabil es el © p (probabilidad de recha- zar Ho cuando Ho es cierta). © Elriesgo a se conoce y se fija antes de ini ciar el experimento. Generalmente se rechaza la hi fe ci Error de tipo Il. Se comete cuando no se re- chaza la hipdtesis nula, siendo esta falsa, ‘+ En este caso el investigador concluye que su tratamiento no es util cuando en reali- dad silos. SNA. © La probabilidad de cometer el errar tipo I 7” 5 ol riesgo B (probabilidad de no rechazar Ho cuando H: es cierta). 1s INVESTIGACION EN ENFERMERIA ‘* Su complementario se conoce como po- tencia del contraste o poder estadistico. Potencia = 1 ~ B, que es la capacidad del estudio para detectar diferencias cuando existen en Ia realidad. ‘Ambos errores estan relacionados en sentido inverso, dado que al descender uno aumenta al otro. PTUs OT Peete Ho th 7 Error tipo Recanung Decision correcta 4 (aceptar Hol Error tipo | Para ary A=P Cee (eechazar #1) En principio, puesto que esta metodologia favorece a la hhipdtesis nula, el error del tipo | suele ser mas grave due el error del tipo ll, y por tanto, el riesgo a suele jarse a niveles bajos de 0,05 0 0,01, siendo 0,05 lo mas habitual. ‘Aunque el error de tipo Il puede parecer menos grave, también interesa que el riesgo B sea bajo, ya que de lo, contrario seré dificil rechazar la hipStesisnula (que es lo que se persigue la mayoria de las veces), aunque haya pruebas muy claras de su falsedad. la potencia de un contraste de hipétesis se define como: Potencia= (Rechazar Ho/H)= -P (Aceptar Ho/Ha)= 1-6 Asi pues, al reducir el riesgo 8 se aumentara la potencia el contraste. Un contraste poco potente no suele ser interesante ya que no permitiré rechazar la hipdtesis nnula aunque haya evidencias en su contra. 10.4 PRUEBAS DE CONTRASTE DE HIPOTESIS Los cor is, en té ; son un conjunto de técnicas que 0 rechazar la hipdtesis del estudio. cuantfcando la probabilidad de que los resultados obtenidos en la muestra se deban al azar. i Silos resultados obtenidos en la muestra son muy poco probables por azar suponiendo cierta la hipétesis nula, habré que concluir que no es el azar el que los genera y si las relaciones entre variables que se han planteado como hipdtesis de partida Una ver fijadas Ho y Hs, se calcula el p-valor del contras- te, que, sin entrar en detalles més precisos, cuantifica la probabilidad de obtener por azar, en una muestra dada, Un resultado como el obtenido si de veras fuese cierta Ho. Luego, si se supone correcta He (no hay relacién 0 diferencia entre las variables) y el p-valor del contraste es pequefio, querra decir que el resultado muestral> ASF Ee aa YY eae ‘obtenida es muy poco probable por azar; asi que cconcluiremos que resulta mucho més facil la explicacion del resultado rechazando Ho y aceptando Hi, que manteniendo que se puede dar por azar. 2 Por lo tanto, si el p-valor del contraste esta por debajo de cierto valor frontera (casi siempre 0,05}, rechazamos Ho y se acepta Hi (si que hay relaci6n 0 diferencias entre las variables}. Ast: D> El primer paso en un contraste de hipotess es clegir el grado de signiicactn estadistica de- nominade. «0 p {probabllidac de error) con el que queremos trabajar. ° (us> = Stasrieress fe D- Este valor nos indica la de come- eter el error (concluir que las diferencias SRE TOE GFUPDE son estadsicamente spn ELE” caves cuando en raised no lo sone eet $e [> cuanto menor sea el valor de p obtenido en la prucba de contraste de hipétesis menor es la probabilidad error. Ja oe Bro oars tary oly) ee En ciencias de la salud, por convenio, se consi- dera que para poder rechazar la hipétesis nula el valor de p debe ser menor de 0,05. D> En cambio, si el valor de p es superior 20,05 tendrlamos que aceptar la hipétess aula (a) y ondlUir el estudio diciendo que las diferencias bservades entre los grupos no son estas camente signficatvas, ‘SIEL VALOR DE P <0,05: D Sielvalor de pes <0, hipotesis alternativa (H Concluiremos el estudio diciendo que las dif ren estadist colo que es lo mismo, que las diferencias observadas son muy poco atribuibles al azar. Significa que podemos esperar que el resulta- do ocurra par casualidad (azar) como méximo 5 de cada 100 veces que se ragita el estudio y al contrario, hay una probabilidad del 95% de que el resultado sea verdadero, Esta decision implica que estamos dispuestos 2 asumir un error en 5 de cada 100 veces que realicemos este contraste, concluyendo que rechazamos Ho, Por tanto, 5 de cada 100 ve- ces podemos cometer un error tipo I. En algunos estudios el investigador decide que no es suficiente con reducir la probabilidad de error al 0,05 y rechaza la hipétesis nula solo ‘cuando la probabilidad de error es del 0,01, es, decir cuando la p es menor de esa cifra. En es- te caso, la probabilidad de que el resultado sea cierto es del 99%. El problema es que nunca se conocer con absoluta certeza la veracidad 0 falsedad de una hipétesis, de oposalud modo que al aceptarla o rechazarla es posible que se ‘esté tomando una decisién equivocada (error tipo | y error tipo Il). @ RESULTADOS CLINICAMENTE SIGNIFICATIVOS, El que un contraste dé resultados estadisticamente significativos no garantiza que estos sean clinicamente significatives. Es el propio experimentador el que, baséndose en criterios de todo tipo (bioldgicos, fisiolé- gicos, e incluso econdmicos y sociales), debe marcar la frontera entre unos y ott0s. Para distinguir ambos conceptos debemos tener en cuenta lo siguiente: Db Afirmamos que hay diferencias estadistica- mente significativas si p<0,05, D> Aficrmamos. que hay_ diferencias clinicamente relevantes cuando esa diferencia estadistica- mente significativa tlene una traduccidn a nivel clinica, Puede que las diferencias entre dos farmacos sean estadisticamente significativas, pera que sa diferencia sea tan pequefia que no merez- ca la pena asumir el gasto que conlleva la implantacién de un nuevo tratamiento, En este caso las diferencias no serian clinicamente ra- levantes. ate ot '* Ejemplo: un nuevo farmaco hipogluce- miante disminuye la glucemia en mg/dl En ese caso puede resultar que la diferen- cia sea estadisticamente significativa, pero no clinicamente relevante. Pei asa or aceon uncut ress @ PRUEBAS PARAMETRICAS Y NO PARAMETRICAS La electién de la prueba de contraste de hipétesis se realizaré en funcién del tipo de datos que estemos utilizando. Estas pruebas se dividen en dos grandes grupos: paramétricas y no paraméticas. D Las pruebas paramétricas: se utilizan cuando "6" la muestra es superior a[30)individuos, En este ara. caso se considera que la poblacién cumple las secs caracteristicas de una distribucién normal. [> Las pruebas no paramétricas:$é utiizan cyan 9° do la muestra es inferior a 30 individuos. En Ura 9=RE SE eaiatnia ers eee See ae nae a era eee earicisia = sel eee © lo- 3a pps. Paes, oan a enrndawe Sh @QSlaaee 2288@R22 Cag, Baws) 6INVESTIGACION EN ENFERMERIA oposalud aoa © COMPARACION DE MEDIAS. PRUESA DE t DE STUDENT Y ANALISIS DE LA VARIANZA (ANOVA) Las pruesas de comparacién de medias estudian la t a a ‘cuantitativa, Las pruebas utilizadas son la t de Student, cuando la variable cualitativa tiene solo dos categorias, y el analisis de la varianza (ANOVA), si tiene més de dos categories. Eluso de estas dos pruebas obliga a que se cumplan las siguientes candiciones para que puedan ser aplicadas. Da muestra debe ser superior a 30 casos por Gada uno de los grupos dela variable eategor a. DY si fuera menor de 30, la variable cualitat deberia seguir una distribucién normal, O tde student Lat de Student se utiliza ci aie = ces ee kan categoria. EJEMPLO: alos hombres pesan mas que las mujeres? ‘+ Sexo: variable cualitativa (hombre o mu- jer. «Peso en Kg: variable cuantitativa. © anal ANOVA se utiliza cuando estudiamos la relacién entre una variaale cuan otra cualita dos categorias, EJEMPLO: dela varianza o ANOVA > alnivel socioeconémic fluye en el peso? ‘© Nivel socioeconémico: variable cualitativa de 3 categorias (bajo/medio/alto).. ‘* Peso en Kg: variable cuantitativa. © CORRELACION Permit esta olan etre yviables evant vas. Dependiendo del tipo de modelo ajustado, habré intos tipos de. medi lineal, correlacion_poline “ial, etc En el caso de la correlacién-lineal lo més habitual es Yeutilizar el le correlacion Este coeficiente cumple las siguientes propiedades: > RermitecometabarG existe eecén Anes te dos variables cuantitaivas, pero no permit Smica,_correlacién. exponen: 16 diferenciar cual es la variable dependiente y cual la independiente. Mide el grado de asociacién lineal. Carece de unidad de medida: es adin vv D- Solo toma valores comprendidos entre -Ly +1, Cuando este coeficiente esté préximo.a1.0-1 se podrd decir que existe una relacién muy fuerte entre las variables, mientras que si es aproximadamente 0, se podra afirmar que no existe relacin entre las variables y por tanto, se hablara de independencia lineal. Podemos asi encontrarnos con tres situaciones: DN entre ambas variables cuando el coeficiente de correlacién es préxi- mo_o.igual..a_cero, En este caso la representacién de los datos es una nube de PUNEOS roicaies UNCEReOE seocRe * Ejemplo: éExiste relacién entre la cantidad de articar consumida y la altura? La canti- = dad de azticar consumida no tiene relacién con la altura y por eso el valor abtenido sera préximo a cero. D> existe una relacién lineal positiva (al aumen- tar ura varable autienta le otra) entre amas variables cuando el coeficiente.de.correlaciéa est proximo.a.4, En este caso, la representa- cién de los datos configura una linea recta de 3: dEniste retacién entre la cantidad ("de aziicar diaria consumida y las cifras de slucemia? En este caso al aumentar las fas de una variable aumentardn las cifras de la otra, por eso el coeficiente de corre- lacin estard préximo a +1. D> existe una relacién lineal n (al aumen- tar el valor de una variable disminuye la otra) ‘cuando el coeficiente de correlacién esta pré- ximo a -1, En este caso, la representacion de [3k los datos configura una linea recta de pendien- te negativa. ‘+ Bjemplo: cExiste relacién entre el consu- ma de un farmaco hipotensor y las cifras de tensién arterial? En este caso al au- mentar el valor de una variable disminuye el valor de la otra, por eso el coeficiente de correlacién estaré préximo a @ REGRESION La regresién es la parte de la estadistica que trata de determinar la posible relacién. entre_una_variable dependiente Y, y otro conjunto de variables numéricas independientes, X:,X2,... Xe, de una misma poblacién. Dicha relacién se refleja mediante un modelo funcional y= fe ..., an ELobjetivo es determiner una ecuacidnymediante la que jiueda ecfimarst-erValor deta varlable-depondiente en funcién de los valores de fas independiente. £1 caso mas sencillo se da cuando solo hay una variable inde-— ~ TEMA 2 ~o Te Ls treoeess © pendiente X, entonces se habla de regresién simple. En este caso, el modelo que explica la relacién de Y como funcién de X es una funcién de una variable (0) que se conoce como funcin de regresién. Regresién lineal simple Estudia la relacién entre dos variables cuantitativas, Supone un paso mas alls de la correlacion. Permite definie una variable como independiente (predictora) y, Ia otra como dependients (efecto), Es eal 5 posible predecir él valor de la variable dependiente en funcién de a variable independiente En este caso se opta por explicar la relacién entre Xe Y mediante una recta y = @ + bx. Estaecuacién se conoce como recta de regresién de Y sobre X y explica la variable ¥ en funcién de la variable X. La pendiente de la recta de regresién de Y sobre X se cconoce como coeficiente de regresién de Y sobre X, y mide el incremento que sufriré la variable Y por cada unidad que se incremente la variable X, segun la recta. EIEMPLO: D Podriamos construir una recta de regresién para predecir a nota que obtendra un alurnno en el examen en funcién de las horas diarias que estudia, a Es similar @ la anterior, pero perr permite analzar la depen dencia de una variable cuantitativa en funcion de dos © més variables cuantitativas, Constantemente en la feittes te in nvettpset etiaotc, ce cneuontan variables que de alguna manera estén relacionadas entre si, por lo que es posible que una de las variables pueda relacionarse mateméaticamente en funcién de otra u otras variables. En este caso seria més interesante construlr un modelo como! Y=a+hX,+ +X, El éxito de determinar una correlacién lineal multiple es que exista una correlacién lineal simple de cada varia- ble, independiente con la variable dependiente. EIEMPLO: > Podemos predecir el tiempo teniendo en cuenta distintos pardmetros, la presién at- mostérca, el grado de humedad del aire, la temperatura de los ditimos aos, ete een oe ua @ PRUEBAS NO PARAMETRICAS Se utilizan habitualmente cuando la muestra es inferior a 30 individuos. En este caso no podemos asegurar que ~ oposalud or Ane la muestra cumpla los requisitos de la curva narmal Estas pruebas son mas exigentes pero menos potentes. Los contrastes no paramétricos que se utilizan mas frecuentemente son la prueba de chi cuadrado, el test de Kruskal-Wallis, el test de Wilcoxon, el test de la U de Mann-Whitney, el test de correlacién de Spearman yde Friedman. © sourmgiy oe rroronconts. ura ot Permite estudiar a relaci6n entre dos variables cualita- ¢ tivas 0 categéricas an a SE Xe le categorias que tengan). EIEMPLOS: > éLos hombres fuman mas que las mujeres? ‘+ Seto: variable cuaitativa de dos categorias, (hombre o mujer) ‘* Fumar: variable cualitativa de dos categorias (sino). gE nivel socioeconémico se relaciona con el GBncer de pulmén? * Nivel socioeconémico: variable cualitativa de 3 categorias (bajo/medio/alto). ‘© Cancer de pulmén: variable cualitativa de dos categorias (si/no). ‘Aunque e! test de la Chi-cuadrado es muy importante en el andlisis de las relaciones entre variables cualitati- vas, su aplicacién puede conducir a errores en determinadas situaciones; sobre todo cuando se trabaja con datos apareados o cuando los tamafios muestrales son pequefias, lo cual puede provocar que, en algunas categorias, apenas se tengan individuos y ello invalide los supuestos de aplicacién del test. a Para el primer caso, cuando los datos son datos apa” reados, se utiliza el test de McNemar, mientras que en ef segundo, Syendo el nGmere de indbidues en aeune ca equerio, se utiliza el test exacto de Fisher. Wr DICOTOMICAS or | cucusonavo NODICOTOMICAS| cuauATWA Tg sruoenr NO DICOTOMICA ee rvERea SER sociacion | COReACON er PREDICCION REGRESIONINVESTIGACION EN ENFERMERIA oposalud Cuando formulamos la pregunta de investigacién, se suele emplear el método PICO. °, 11. EVIDENCIA CIENTIFICA 11.1 CONCEPTO EBE (ENFERMERIA BASADA ENEWS VPTs Cer ends saa diols Cay *Pacientes o problema a = estudio, DEFINICION DE EBE (Enfermeria Basada en la Evidenc sIntervencién, +Comparacién. *Resultados (outcomes) La EBE invita 2 resolver nuestras dudas profesionales mediante la constatacion de la mejor evide fica sobre la pregunta que hacemos y persigue la sa considera como padres de la Medicina Basada en la Integracién de ta maestria dinica individual con I8s Evgonea (coniente de la que deriva EOE) a Archibald mejores evidencias cienttices disponibles. eS eee , Guy Sackett. La investigacién se encuentra inserta como uno de 10s @ CALIDAD DE LA EVIDENCIA CIENTIFICA elementos que forman parte de la E8E, Los diversos tipos de estudios tienen un nivel distinto D- La investigacién: aporta la mejor evidencia pa- de evidencia que puede ser clasificado de mayor 2 ra realizar una determinada intervencién. menor de la siguiente form: > ta experiencia profesional: canocimientos ad- uiridos por afios de ejercicio profesional, que Fermite la toma de decisiones acertadas én si- + NIVEL DE tuaciones dificiles. EVIDENCIA tas expectativas, preferencias y/o los valores de los usuarios: implica dejar de lado la practi- @ paternalista impuesta hasta el momento. > les recursos disponibles: instrumentos que valoren la validez de las intervenciones. © | FASES DELAEBE La EBE cuenta con un método de trabajo conformado por cinco etapas consecutivas: D8 etapa: se formula la pregunta derivada del FORORE TED RCERRUER cue se desea resolver. la calidad de la ovidencia cientifica se clasifica en D2 etapa: se debe buscar la mejor respuesta a _grados de recomendacién para la adopcién de una tusstre pregunta en ls fiemes de informs: ‘hed santana Pep LI CSI Ses GPS Ilamados también conocimiento estable, publi- caciones periddicas, bases _bibliograficas Cvemrsnaeo nen electrénicas, bases de informacién especificas Existe adecuada evidencia ce EE, “suena |» cientfica para adoptar una prctia, > n Ia tercera etapa se realize una : Este carta evdencia evaluacién critica de la evidencia encontrada. guage aa econenaat [> @@ etapa: se realiza la impl i préctica. idencias en la préetien con el objeto de Tay nsuticiente evdenca mejorar la calidad de los cuidados entregados GRADO C Mala para recomendar 0 no los usuarios y sus fami recomendar la pric. Foal aA ce Ce Wo | Bxiste cieraevidencia Ee, Seaaamsct icitineletana ¢ oe CTEM cecomenda-| _parano recomendar la intervencién elegida. Etapa de gran importan- pLsctia ee ia para la préctica de enfermeria, pues Existe adecuada evidencia permite la retroalimentacién permanente en- pemidicalparaine aioptatg tre la investigacién y la clinica. Japrdct 18