SOCIEDAD PERUANA DE BIOESTADISTICA

E INVESTIGACIN EN SALUD

Divisin de Investigacin en Medicina

Programa de Apoyo a las Sociedades Cientfica de Estudiantes de Medicina (PASCEM) SEPARATA: BASES PARA EL ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

EXTRACTO Dr. Jos Antonio Supo Condori www.josesupo.com

Arequipa 1 de Enero del 2010 01 Pastilla - Tipos de investigacin 02 Pastilla - Niveles en investigacin 03 Pastilla - Diseos en investigacin 04 Pastilla - Variables e Indicadores 05 Pastilla - Escalas de medicin 06 Pastilla - Las variables segn su relacin 07 Pastilla - Criterios de Causalidad 08 Pastilla - Formulacin del problema 09 Pastilla - Hiptesis metodolgica 10 Pastilla - Hiptesis estadstica 11 Pastilla - Objetivo estadstico 12 Pastilla - Ritual de la significancia estadstica 13 Pastilla - Significancia estadstica 14 Pastilla - Objetivo Estadstico (cualitativo) 15 Pastilla - Objetivo Estadstico (cuantitativo) 16 Pastilla - Objetivo comparativo 17 Pastilla - Tcnicas de recoleccin de datos 18 Pastilla - Instrumentos de medicin Claves Pastilla: Temas resumidos en una sola hoja Sinopsis: Los cuadros sinpticos utilizan el razonamiento por analoga Formulario: Algoritmos ms comunes en epidemiologa Prctica: Ejercicio a desarrollar en 15 minutos 19 Pastilla - Sesgos de seleccin 20 Pastilla - Sesgos de medicin 21 Pastilla - Correlacin de Pearson y Spearman 22 Pastilla - Validez de un estudio 23 Pastilla - Control de un estudio 24 Pastilla - Tendencia central y dispersin 25 Pastilla - Medidas de posicin y de Forma 26 Pastilla - Grficas univariables 27 Pastilla - Error tipo I y II 28 Pastilla - Poblacin y muestra Arequipa - Per 201o 29 Pastilla - Muestreo probabilistico 30 Pastilla - Validacin de test psicomtricos

Nota: El desarrollo estadstico es explicado en vdeotutoriales, para lo cual deben ingresar a bioestadistico.com

SPBIS.ORG

SOCIEDAD PERUANA DE BIOESTADISTICA E INVESTIGACIN EN SALUD Pg. 1

TIPOS DE ESTUDIO

1.

Segn la intervencin del Investigador: OBSERVACIONAL: No existe intervencin del investigador; los datos reflejan la evolucin natural de los eventos, ajena a la voluntad del investigador. EXPERIMENTAL: Siempre son prospectivos, longitudinales, analticos y de nivel investigativo explicativo (causa efecto); adems de ser controlados.

2.

Segn la planificacin de la toma de datos PROSPECTIVO: Los datos necesarios para el estudio son recogidos a propsito de la investigacin (primarios). Por lo que, posee control del sesgo de medicin. RETROSPECTIVO: Los datos se recogen de registros donde el investigador no tuvo participacin (secundarios). No podemos dar fe de la exactitud de las mediciones.

3.

Segn el nmero de ocasiones en que mide la variable de estudio TRANSVERSAL: Todas las variables son medidas en una sola ocasin; por ello de realizar comparaciones, se trata de muestras independientes. LONGITUDINAL: La variable de estudio es medida en dos o ms ocasiones; por ello, de realizar comparaciones (antes despus) son entre muestras relacionadas.

4.

Segn el nmero de muestras a estudiar DESCRIPTIVO: El anlisis estadstico, es univariado porque solo describe (finalidad cognoscitiva); o estima parmetros (propsito estadstico) en la poblacin de estudio a partir de una muestra. ANALTICO: El anlisis estadstico por lo menos bivariado; por que plantea y pone a prueba hiptesis explicativas (finalidad cognoscitiva); su nivel ms bsico establece la asociacin entre factores (propsito estadstico).

IMPORTANTE: Descriptivo no es sinnimo de observacional. Un estudio observacional puede ser analtico. Ejm: El estudio de los casos y controles.

Pg. 2

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

NIVELES EN INVESTIGACIN 1. EXPLORATORIO: Se plantean cuando el objetivo es examinar un tema o problema de investigacin poco estudiado o que no ha sido abordado antes; su finalidad es establecer prioridades para investigaciones posteriores o sugerir afirmaciones verificables. No hay preguntas que conduzcan a problemas precisos, se exploran reas problemticas. Se trata de investigacin cualitativa; por lo que no se requiere de manejo estadstico. 2. DESCRIPTIVO: Describe fenmenos sociales o clnicos en una circunstancia temporal y geogrfica determinada. Desde el punto de vista cognoscitivo su finalidad es describir y desde el punto de vista estadstico su propsito estimar parmetros. La estadstica consiste en estimar frecuencias y/o promedios; y otras medidas univariadas. Ejm. los estudios de frecuencia de la enfermedad: Incidencia y Prevalencia. 3. RELACIONAL: No son estudios de causa y efecto; porque las pruebas estadsticas solo demuestran dependencia entre diferentes eventos; aqu podemos encontrar los estudios de asociacin sin relacin de dependencia; y las correlaciones espurias. La estadstica es bivariada; podemos hacer asociaciones y medidas de asociacin; correlaciones y medidas de correlacin. Ejm. Chi Cuadrado y R de Pearson. 4. EXPLICATIVO: Su finalidad es explicar el comportamiento de una variable en funcin de otra(s); aqu se plantea una relacin de causa-efecto, y tiene que cumplir otros criterios de causalidad (Bradford Hill); requiere de control tanto metodolgico como estadstico. En los estudios observacionales la estadstica multivariada; tiene por finalidad descartar asociaciones aleatorias, casuales o espurias. Ejm. Chi 2 de MantelHaenszel. 5. PREDICTIVO: Se encarga de la estimacin probabilstica de eventos generalmente adversos, como puede ser las complicaciones de la enfermedad, la mortalidad, etc. La lnea investigativa debe haber pasado previamente por los otros niveles. Se aplican un conjunto de tcnicas estadsticas. Ejm. La validacin de una prueba diagnstica requiere: Alfa de Cronbach, ndice Kappa, ANOVA, Curvas ROC. 6. APLICATIVO: Plantea resolver problemas de la vida cotidiana o a controlar situaciones prcticas. Puede ser programtica o no programtica, de manera que enmarca a la innovacin tcnica, artesanal e industrial como la propiamente cientfica. Las tcnicas estadsticas apuntan a evaluar el xito de la intervencin, como medidas de impacto sobre los principales indicadores de salud: tasas, coberturas, rendimiento, etc.

SPBIS.ORG

SOCIEDAD PERUANA DE BIOESTADISTICA E INVESTIGACIN EN SALUD Pg. 3

DISEOS EN INVESTIGACIN 1. EPIDEMIOLGICOS: Describir la distribucin de las enfermedades y eventos de salud en poblaciones humanas y descubren las leyes que gobiernan estas condiciones. Descriptivo: Pueden ser transversal (Ej. Estudio de prevalencia) y longitudinal (Ej. Estudio de incidencia): Observacional Analtico: No solo buscan demostrar dependencia entre eventos; sino la fuerza de asociacin entre ellos, y plantea la relacin de causalidad como una medida de riesgo. Ej. Casos y controles Cohortes. De intervencin: No llegan a ser experimentos verdaderos, porque se ven limitados por las normas ticas. Ej. Ensayos clnicos y ensayos de poblacin.

2.

EXPERIMENTALES: Requiere de dos condiciones bsicas: intervencin y asignacin aleatoria. Siendo de nivel investigativo explicativo tienen control metodolgico. Pre-experimento: La intervencin sobre las unidades de estudio, no es apropsito de la investigacin; sino que obedece a las necesidades teraputicas del sujeto. Cuasi-experimento: Cuando no hay grupo control, no es posible realizar la asignacin aleatoria de los sujetos, puesto que no se puede dejar sin tratamiento a los pacientes. Experimento verdadero: Cumple con la asignacin aleatoria e intervencin.

3.

COMUNITARIOS O ECOLGICOS: La unidad de anlisis es la poblacin y generalmente la fuente de datos suelen ser las estadsticas de morbilidad y mortalidad rutinarias. Exploratorios: El nico propsito es buscar patrones espaciales o temporales que podran sugerir temas de investigacin. Aqu se encuentran los estudios cualitativos. De comparaciones mltiples: Este es diseo el ecolgico ms comn. En un estudio analtico de comparacin de grupos mltiples. La estadstica vara solo por este hecho. Series temporales: Analiza las variaciones temporales de los niveles de exposicin con otra serie de tiempo que refleja los cambios en la frecuencia de la enfermedad.

4.

ENSAYOS CLNICOS: Experimentos en seres humanos para evaluar mtodos de prevencin, diagnstico, tratamiento o manejo de las enfermedades que les aquejan. Teraputicos: Suelen ser estudios individuales y son los ms comunes; su propsito es curar, aliviar y/o prolongar la vida del paciente. Ej. Excresis de un tumor localizado. De intervencin: Su propsito es modificar el curso natural de la enfermedad. Ej. Tratamiento de la diabetes para prevenir nefropata diabtica.

Pg. 4

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

VARIABLES E INDICADORES 1. VARIABLES Y CONSTRUCTOS 1.1. VARIABLES Son propiedades, caractersticas o atributos que se dan en las unidades de estudio (personas, grupos, etc.) o por derivacin de ellas; siempre deben ser medibles. Las variables individuales corresponden a las unidades de estudio individuales, ejm. el nivel de instruccin de las personas. Las variables colectivas son propiedades de grupos y su medicin se basa en las propiedades individuales que poseen sus miembros, por ejemplo el ndice de analfabetismo. El anlisis estadstico de las variables individuales y las variables colectivas; incluso dentro de un mismo objetivo, no siempre es el mismo. 1.2. CONSTRUCTOS Un constructo es una propiedad que se supone posee una persona (unidad de estudio individual), es un concepto terico, hipottico. Por ejemplo, la inteligencia, la motivacin, la creatividad, las actitudes, etc. Los constructos se definen como propiedades subyacentes, que no pueden medirse de manera directa, sino mediante manifestaciones externas de su existencia, es decir, mediante indicadores. Los constructos son variables subyacentes, por lo cual, reciben la denominacin comn de variables.

2.

INDICADORES E INDICES 2.1. INDICADORES Cuando las variables no presentan ninguna dificultad para su identificacin se dice que tienen indicadores directos o unidimensionales. Las variables subyacentes (constructos) que no pueden medirse de manera directa como, requieren de indicadores que permitan su medicin. En este caso estamos hablando de indicadores indirectos o multidimensionales. Los instrumentos utilizados para medir variables subyacentes, deben tener una validez de constructo que corresponde su definicin operacional. As, el estrs de Burnout queda definido operacionalmente cuando es medido por el test de Maslach. 2.2. INDICES Es una combinacin de dos o ms variables o de sus indicadores elegidos por el investigador que propone como procedimiento para medir una cierta variable. Un ndice puede estar representado por los indicadores de su definicin operacional. As tenemos que, el ndice de la funcin sexual esta constituida por las dimensiones: el deseo, la funcin erctil, funcin orgsmica y la satisfaccin. Reciben tambin el nombre de ndices los valores que toma una variable (por ejemplo, la tasa de mortalidad) en un perodo determinado, valores que son reducidos a porcentaje o a una cantidad exponencial de base 10.

SPBIS.ORG

SOCIEDAD PERUANA DE BIOESTADISTICA E INVESTIGACIN EN SALUD Pg. 5

Escalas de Medicin de las variables

1. Variables Categricas o Cualitativas

1.1. Escala NOMINAL: (ningn atributo) Posee categoras a las que se asigna un nombre sin que exista ningn orden implcito entre ellas. Ejemplos: Gnero: Masculino Femenino Estado Civil: Soltero - Casado Conviviente

1.2. Escala ORDINAL: (un atributo - Orden) Posee categoras ordenadas, pero no permite cuantificar la distancia entre una categora y otra. Ejemplos: Intensidad del dolor: Leve - Moderado Intenso Instruccin: Primaria - Secundaria Superior

Observaciones Dicotmicas: Tienen solamente dos categoras. Politmicas: Tienen ms de dos categoras.

2.

Variables Numricas o Cuantitativas

2.1. Escala de INTERVALO: (dos atributos - Orden y Distancia) Tiene intervalos iguales y medibles. No tiene un origen real, por lo que puede asumir valores negativos. Ejemplos: Temperatura: -10C, 0C, 20C, etc. Hora del da: 00 Horas, 10 Horas, 20 Horas, etc.

2.2. Escala de RAZN: (tres atributos - Orden, Distancia y Origen) Tiene intervalos constantes entre valores; adems de un origen real. El cero significa la ausencia del individuo. Ejemplos: Peso: 00.00Kg, 10.24Kg, 20.00Kg, etc. Nmero de Hijos: Uno, Dos, Tres, etc.

Observaciones Continuas: Provienen de medir y se pueden representar con nmeros enteros o fraccionarios Discretas: Provienen de contar y solamente pueden ser representados con nmeros enteros.

Pg. 6

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

LAS VARIABLES SEGN SU RELACIN

Esta clasificacin de las variables se fundamenta en la bsqueda de obtener explicacin causal que puede ser observacional o experimental y correspondiente al nivel investigativo explicativo. Su estructura responde a la necesidad de realizar el control metodolgico y/o estadstico de la relacin causa-efecto. 1. Variable dependiente En este sistema de variables representa a la variable de inters o variable de estudio, es la que para su existencia y desenvolvimiento depende de otra independiente, su modo de ser, est condicionada por otros aspectos de la realidad. Es la que mide o describe el problema que se estudia. 2. Variable independiente Es aquella cuya existencia es autnoma, no depende de otra, ms bien de ella dependen otras, representa los factores que constituiran 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.

3. Variables intervinientes a. Variable intermedia Esta variable aparece de manera incalculada durante el proceso de una observacin o inesperada dentro de un experimento, entre el factor causal y el efecto. Ocurre cuando no ha habido una buena eleccin de los factores de riesgo. El procedimiento ms idneo para su neutralizar su participacin es el anlisis multivariado. b. Variable de control Es una variable con una fuerte influencia sobre la variable dependiente, pero ningn efecto reconocido sobre la variable independiente; habitualmente se reconoce su participacin en el momento de la planeacin; por ello su control se realiza metodolgicamente mediante los criterios de exclusin. c. Variables de confusin Su participacin puede intensificar o antagonizar la relacin aparente entre el problema y una posible causa, creando confusin en el investigador. Su influencia se da tanto sobre la variable independiente como en la dependiente. Su control se debe realizar mediante anlisis estratificado.

SPBIS.ORG

SOCIEDAD PERUANA DE BIOESTADISTICA E INVESTIGACIN EN SALUD Pg. 7

CRITERIOS DE CAUSALIDAD Criterios de Bradford Hill (1965)

1. Asociacin estadstica: Se trata de averiguar si existe relacin entre el supuesto factor causal y el efecto estudiado. Para esto hay que buscar estudios epidemiolgicos (Cohortes o Caso - Control) que indiquen el riesgo significativo (Riesgo Relativo o Razn de Momios). 2. Constancia o Consistencia: Consiste en conocer si la relacin entre las dos variables, a las que investigamos una posible relacin causa-efecto, ha sido confirmada por ms de un estudio, en poblaciones y circunstancias distintas por autores diferentes. 3. Especificidad: Es ms fcil aceptar una relacin causa-efecto cuando para un efecto slo se plantea una sola etiologa, que cuando para un determinado efecto se han propuesto mltiples causas. En este caso lo apropiado sera hablar de Especificidad de la causa. 4. Temporalidad: Se trata de asegurar que el factor de riesgo ha aparecido antes que el supuesto efecto. Puede ser difcil de demostrar cuando no se puede asegurar si la presunta causa apareci con anterioridad al presunto efecto. (Equivale a la cronologa de Simonin) 5. Relacin dosis-respuesta: Denominada gradiente biolgico, La frecuencia de la enfermedad aumenta con la dosis o el nivel de exposicin. (Equivale a la Intensidad de Simonin). Sin embargo, hay casos en que el gradiente biolgico no se cumple (en una reaccin alrgica). 6. Plausibilidad biolgica: El contexto biolgico existente debe explicar lgicamente la etiologa por la cual una causa produce un efecto a la salud. Esta caracterstica viene limitada por los conocimientos cientficos que se tengan al respecto en el momento del estudio. 7. Coherencia: la interpretacin de causas y efectos no puede entrar en contradiccin con el comportamiento propio de la enfermedad o lesin. Este criterio combina aspectos de consistencia y plausibilidad biolgica (Corresponde a la evolucin de Simonin) 8. Experimentacin: Es un criterio deseable de alta validez. Se trata de reproducir experimentalmente la asociacin causa-efecto, o incidir en la causa para alterar el efecto cuando no sea posible o no se considere tica otra modalidad de experimentacin. 9. Analoga: 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 caractersticas similares debiera producir el mismo impacto a la salud. NOTA: Bradford Hill no considera el criterio de topografa introducido por Simonin, aunque no es aplicable en todos los casos. Por ejemplo, en cuando tratamos de encontrar la lesin topogrfica que provoca la anorexia nerviosa es un esfuerzo intil.

Pg. 8

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

FORMULACIN DEL PROBLEMA

Se trata de sintetizar la cuestin proyectada a investigar, generalmente a travs de un interrogante. Los problemas de Investigacin se formulan con los 5 componentes a continuacin:

VARIABLES: Debe mencionarse al menos la variable de estudio; pueden tambin mencionarse todas las variables involucradas; o cuando son las variables son muy numerosas suele usarse trminos que resuman de manera lgica un grupo de variables.

UNIDADES DE ESTUDIO: Unidades de observacin, unidades experimentales, unidades de anlisis. Reciben distintos nombres segn el diseo de la investigacin; y deben mencionarse, aunque a veces su presencia en el enunciado resulta implcita.

DISEO DEL ESTUDIO: Propsito estadstico, Especificidad, etc. Es muy variable de acuerdo a la investigacin; es importante utilizar trminos que den por aludido el diseo de la investigacin, el nivel investigativo, el tipo de estudio, etc.

UBICACIN ESPACIAL: Es ineludible cuando se tratan de estudios descriptivos y se encuentra relacionado con el tamao de la muestra; siendo que los fenmenos varan de un lugar a otro; se debe especificar sobre que poblacin se realizar la inferencia estadstica.

UBICACIN TEMPORAL: Al igual que en el criterio espacial, se requiere especificarlo cuando el fenmeno vara segn el tiempo. En los estudios descriptivos sobre poblaciones infinitas o desconocidas habitualmente se encuentra

relacionado con el muestreo accidental.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

HIPTESIS METODOLGICAS

Definicin: Son conjeturas que plantea el investigador; afirmaciones aun no demostradas y que

nacen de la experiencia (David Hume: empirismo) o de la deduccin luego del anlisis de los antecedentes investigativos (Ren Descartes: racionalismo). Deben referirse a una situacin real, en trminos comprensibles, precisos, concretos y deben estar

relacionadas con tcnicas disponibles para probarlas.

Estructura: Fundamento: Es lo que nos lleva a sostener la hiptesis planteada. Las hiptesis relacionales carecen de fundamento porque nacen de la subjetividad de una observacin; mientras que las hiptesis explicativas se fundamentan en los antecedentes

investigativos. Deduccin: Es la hiptesis misma, denominada hiptesis del investigador;

estadsticamente es la hiptesis alterna y se debe someter a contraste. Cuando se la plantea en forma de interrogante es la que da respuesta al enunciado.

Hiptesis segn el nivel Investigativo: Descriptiva: Los estudios descriptivos no suelen contener hiptesis, as como tampoco los estudios exploratorios; porque no se puede presuponer sobre algo que apenas se

comienza a conocer. En estos casos lo que si procede, es trabajar con objetivos descriptivos debidamente declarados. Su funcin es precisamente generar hiptesis. Relacional: Las hiptesis relacionales o empricas son afirmaciones respecto a las relaciones entre dos o ms variables sin fundamento, porque nacen de la observacin y la experiencia, siempre deben estar sujetas a comprobacin emprica. Solamente buscan concordancia entre hechos y generan la necesidad de plantear hiptesis explicativas. Explicativa: Las hiptesis explicativas o racionales son consideradas como explicaciones tentativas respecto al problema planteado. Cumple su funcin slo si est relacionada con el conocimiento existente; nacen del razonamiento por analoga (Bradford Hill). Sin antecedentes investigativos no es posible plantear hiptesis explicativas.

Pg. 10

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

HIPTESIS ESTADSTICAS (De trabajo)

Ho: Hiptesis Nulas: Es la hiptesis de trabajo. Niegan lo que afirman las hiptesis de investigacin y existen tantas hiptesis nulas como hiptesis de investigacin. Es a la Nula a la que se le rechaza o no se le rechaza: Si el p-valor es menor a 0.05; rechazamos Ho por lo tanto concluimos en que hiptesis alterna es verdadera. Si el p-valor no es menor a 0.05; no rechazamos Ho; sin embargo esto no significa que debemos aceptarla; sino que, simplemente no hemos podido rechazarla. H1: Hiptesis Alternas: Es la hiptesis del investigador. Esta hiptesis se da por verdadera cuando rechazamos la hiptesis de trabajo (Ho) o cuando por alguna razn no podemos aceptar la nula. En el ritual de la significancia, procedemos a establecer las hiptesis estadsticas comenzando por al del investigador (H1) y luego la Nula (Ho); para proceder a trabajar con la Nula. El investigador procede a rechazar la Nula (Ho); para quedarse con la Alterna (H1), que es su planteamiento original; siendo que puede cometer un, entonces la estadstica consiste en calcular ese error al tomar tal decisin. Ese es el p-valor

Hiptesis estadsticas De estimacin: Del valor de una o varias variables que se van a observar en un contexto. Sealan la presencia de cierto hecho o fenmeno. De correlacin: El cambio de una variable va acompaado de un cambio en otra correspondiente. Puede ser una correlacin simple o mltiple. El orden en que se coloquen las variables no es importante, no hay una relacin de causa-efecto; por lo mismo, no se habla de variables dependientes e independientes. De Diferencias: Dirigidas a comparar grupos y puede ser simple si no determina a cul grupo favorece la diferencia o direccional en el caso contrario. Pueden ser parte de estudios relacionales si se limitan a establecer la diferencia, pero si adems pretenden explicar el por qu de la diferencia, son hiptesis de estudios explicativos. De Causalidad: Buscan demostrar la relacin de causalidad entre la variable independiente y dependiente; teniendo en cuenta que la existencia de una correlacin no necesariamente establece una relacin de causalidad; no se puede plantear una de estas hiptesis si no se ha realizado el control metodolgico; caso contrario se debe realizar el control estadstico y plantearse una hiptesis con variables intervinientes.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

OBJETIVO ESTADSTICO

Uno de los criterios ms importantes a la hora de escoger el estadstico de prueba, se encuentra intrnsecamente relacionado al nivel investigativo; en esta pastilla se ha omitido intencionalmente el objetivo estadstico comparar por ser el mas usado y encontrarse en todos los niveles merece una mencin aparte.

1.

A nivel descriptivo Estimar: Usado frecuentemente para la estimacin puntual de un parmetro y los intervalos de confianza del mismo. Determinar. Cuando buscamos en obtener el resultado de una variable

subyacente o constructo y utilizamos un instrumento documental. Describir: Para las variables que no son de estudio y que no involucra la utilizacin de instrumentos pues se tratan de variables unidimensionales o directas.

2.

A nivel relacional Asociar: Plantea que dos sucesos ocurren de manera simultnea en repetidas ocasiones y que tal concurrencia no puede atribuirse al azar. Concordar: Sucesos concurrentes que corresponden a diferentes observadores o al mismo observador pero con diferentes instrumentos. Correlacionar: Plantea que en un mismo individuo las unidades de una de sus variables se correlaciona con otra diferente.

3.

A nivel explicativo Evidenciar: Propio de los estudios observacionales donde el anlisis

estratificado busca descartar asociaciones aleatorias, casuales o espurias. Demostrar: Cuando el origen de los datos corresponde a un experimento, pretendemos demostrar algo que hemos evidenciado observacionalmente. Probar: Luego de haber demostrado mediante un estudio experimental se tiene que repetir para probar consistencia o coherencia (Bradford Hill 1965)

4.

A nivel predictivo Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie de eventos por consecuencia la variable a predecir es dicotmica. Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en funcin al tiempo por consecuencia la variable pronosticada es numrica. Preveer: Calcular la probabilidad de necesitar, disponer o preparar medios contra futuras contingencias.

Pg. 12

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

RITUAL DE LA SIGNIFICANCIA ESTADSTICA

1. Formulacin de Hiptesis

Consiste en traducir la hiptesis metodolgica en una hiptesis estadstica de acuerdo al siguiente sistema: Ho: Hiptesis nula hiptesis de trabajo H1: Hiptesis alterna hiptesis del investigador El primer paso es colocar la hiptesis del investigador como Hiptesis Alterna (H1) y formular la Hiptesis Nula (Ho) que viene a ser la negacin de la alterna. Se precisa este artificio porque es a la Hiptesis Nula a la que se le somete a contraste. 2. Establecer el nivel de significancia.

El nivel de significancia denotado por la letra griega alfa es la probabilidad de rechazar la hiptesis nula cuando es verdadera a lo cual se le denomina error de tipo I, Segn Fisher, el nivel de significacin estadstica equivale a la magnitud del error que se est dispuesto a correr de rechazar una hiptesis nula verdadera. Para la mayora de los propsitos, el nivel de significacin previamente establecido suele ser de 0.05. 3. Eleccin de la prueba estadstica.

El estadstico de prueba elegido est intrnsecamente relacionado con el objetivo estadstico correspondiente para su nivel investigativo; para esto debemos considerar la naturaleza de las variables y el comportamiento de los datos que corresponde a su distribucin para los de naturaleza cuantitativa y las frecuencias esperadas para los de naturaleza cualitativa. 4. Toma de la decisin

Luego de desarrollar la prueba estadstica elegida se toma una decisin en funcin a la regla previamente establecida segn las que se acepta o se rechaza la hiptesis nula

para lo cual es imprescindible determinar el Valor critico, que es un nmero que divide la regin de aceptacin y la regin de rechazo, segn el valor de la probabilidad que se haya adoptado como nivel de significacin estadstica. 5. Interpretacin del p-valor.

Este ltimo paso en el ritual de la significancia estadstica no fue planteado originalmente por Fisher, pero cobra vital importancia con la aparicin de los software estadsticos que nos calculan directamente el p-valor, el cual cuantifica el error tipo I y nos ayuda a tomar una decisin de rechazo a la hiptesis nula (Ho) cuando es menor al nivel de significancia y de no rechazo cuando su valor es mayor al alfa planteado.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

NIVEL DE SIGNIFICANCIA
Al plantear un estudio sobre una poblacin, 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 sern exactamente iguales, a los que se obtendran de estudiar a toda la poblacin; es decir, siempre va a haber un margen de error.

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

Nivel de confianza. Es la confianza que debemos alcanzar para generalizar el resultado de una muestra hacia toda la poblacin. Es el complemento del nivel de significancia; es la confianza que tenemos, de que la conclusin 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

Niveles convenidos:

a) = 5%. Existe 5% (0.05) de probabilidad de equivocarse y 95% (0.95) de confianza. b) = 1%. Existe 1% (0.01) de probabilidad de equivocarse y 99% (0.99) de confianza.

Definicin de trminos.

El error tipo I: Ocurre cuando afirmamos la hiptesis 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 hiptesis del investigador como verdadera; es decir la probabilidad de cometer un error tipo I.

El nivel de significancia: Es la mxima probabilidad de error que estamos dispuestos aceptar para dar como vlida nuestra hiptesis del investigador.

Pg. 14

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

OBJETIVO ESTADSTICO NIVEL INVESTIGATIVO RELACIONAL: VAR CATEGRICA 1. COMPARAR (Grupos): Es el objetivo estadstico ms bsico del anlisis bivariado; aunque algunos autores piensan que es univariado, porque habitualmente involucra un solo evento aleatorio (diseos ecolgicos), donde los grupos se construyen previamente a la ejecucin del estudio; Sin embargo, su anlisis involucra a dos variables y por ello corresponde al nivel investigativo relacional. Su finalidad es identificar las diferencias entre los grupos participantes. La prueba de hiptesis se realiza con el estadstico: Chi cuadrado de Homogeneidad. Ho: Las proporciones de los grupos no son diferentes. H1: Las proporciones de los grupos son diferentes.

2.

COMPARAR (Antes-Despus): Es la comparacin de un mismo grupo antes y despus de una intervencin o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo, es verificar los cambios producidos entre una medida y otra; donde las variaciones pueden adjudicarse a la intervencin o al periodo de seguimiento; por ello corresponden a estudios longitudinales. Estas comparaciones siempre son de individuo a individuo. La prueba de hiptesis se realiza con el estadstico: Chi cuadrado de Mc Nemar. Ho: No existe diferencia entre las dos medidas. H1: Existe diferencia entre las dos medidas.

3.

ASOCIAR (Categoras): Solamente la comparacin de una variable dicotmica en dos grupos nos puede llevar a la asociacin; y aunque se puede identificar en las tablas 2 x 2, debemos hacer una medida asociacin. Para asociar hay que definir los factores de inters en ambas variables; y es que habitualmente la asociacin involucra dos eventos aleatorios. Desde el punto de vista epidemiolgico tenemos dos medidas de asociacin relevantes: Riesgo Relativo y el Odds Ratio. La prueba de hiptesis se realiza con el estadstico: Chi cuadrado de Independencia. Ho: Existe independencia entre los dos eventos (variables). H1: Existe dependencia entre los dos eventos (variables).

4.

CONCORDAR: Es una medida de acuerdo entre dos observaciones donde el requisito fundamental es que se trata de un solo grupo y los resultados de la observacin tienen las mismas opciones. Tenemos dos casos frecuentes: Cuando las observaciones corresponde a diferentes observadores y cuando las observaciones corresponden a diferentes instrumentos. En este caso el estadstico, es tambin un ndice de concordancia. La prueba de hiptesis se realiza con el estadstico: ndice Kappa de Cohen. Ho: No existe concordancia entre las dos observaciones. H1: Existe concordancia entre las dos observaciones.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

OBJETIVO ESTADSTICO NIVEL INVESTIGATIVO RELACIONAL: VAR NUMRICA 1. COMPARAR (Grupos): Su finalidad es identificar las diferencias entre los grupos participantes; se puede comparar dos o ms grupos y habitualmente estos grupos se construyen en la etapa de planificacin del estudio. La comparacin inicial es a dos colas; pero debe complementarse con un test de una sola cola. Cuando se comparan mas de dos grupos, debe realizarse una prueba post Hoc, con la finalidad de detectarse diferencias entre cada uno de los grupos. La prueba de hiptesis se realiza con el estadstico: t de Student para muestras independientes. Ho: Los promedios de los grupos no son diferentes. H1: Los promedios de los grupos son diferentes. 2. COMPARAR (Antes-Despus): Siempre corresponde a estudios individuales, es la comparacin de un mismo grupo antes y despus de una intervencin o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo, es detectar cambios entre una medida y otra; donde las variaciones pueden adjudicarse a la intervencin o al periodo de seguimiento; por ello corresponden a estudios longitudinales. La hiptesis habitualmente es de una sola cola. La prueba de hiptesis se realiza con el estadstico: t de Student para muestras relacionadas. Ho: No existe variacin entre las medidas antes y despus de la intervencin. H1: Existe variacin entre las medidas antes y despus de la intervencin. 3. CORRELACIONAR (Unidades): Se puede correlacionar las unidades de dos variables, incluso de diferente dimensin, para ello hay que definir las unidades en ambas variables; que habitualmente esta involucra dos eventos aleatorios. La correlacin puede significar el primer paso para la asociacin, muy til cuando se realiza minera de datos. Ejm.: Correlacionar los niveles sricos de sodio con los valores de presin arterial en un grupo de pacientes hospitalizados. La prueba de hiptesis se realiza con el estadstico: Correlacin R de Pearson. Ho: Existe independencia entre las dos variables. H1: Existe dependencia entre las dos variables. 4. CORRELACIONAR (Como valor predictivo): Aqu se tiene por descontado la presencia de correlacin; por lo que su fin es medir el grado de correlacin. Desde el punto de vista de la evaluacin de pruebas diagnsticas se utiliza la correlacin para evaluar el valor predictivo de una variable sobre la otra. Ejm. Hallar el valor predictivo del ponderado fetal recin nacidos a trmino. En general para la validacin de instrumentos se puede utilizar para calcular el Alfa de Cronbach: Correlacin tem-Total La prueba estadstica es el ndice Correlacin R de Pearson el R Ho: No existe correlacin entre las dos medidas. H1: Existe correlacin entre las dos medidas.
2

Pg. 16

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

OBJETIVO COMPARATIVO

1.

EXPLORATORIO. Aqu agrupamos a las comparaciones sin mtodos estadsticos, siendo que la investigacin cualitativa no hace uso de las herramientas estadsticas, el principal diseo encontrado aqu son las comparaciones mltiples enmarcadas en los diseos comunitarios o ecolgicos. Como ejemplo podemos mencionar la comparacin de las costumbres a la hora del parto en la Regin Quechua y Aymara. Comparacin por juicio de expertos en la validacin cualitativa de un instrumento. La comparacin cualitativa es una opinin.

2.

DESCRIPTIVO. Las comparaciones descriptivas ocurren cuando evaluamos dos poblaciones en los estudios comunitarios o ecolgicos, en este caso no se requiere aplicar pruebas estadsticas puesto que precisamente estamos estudiando a la poblacin y no hay inferencia estadstica. La comparacin del rendimiento acadmico de dos estudiantes al momento de la graduacin tampoco requiere de pruebas de hiptesis sino solamente de ver quin es el que tiene el mayor promedio. El objetivo estadstico describir segn las variables epidemiolgicas es el primer punto de partida para la verdadera comparacin.

3.

RELACIONAL. Recordemos que el contraste de independencia entre dos variables responde a tres modelos matemticos: modelo con los totales marginales de ambos factores fijos (modelo I), modelo con los totales marginales de uno de los factores fijos (modelo II), y el modelo con el total muestral fijo (modelo III); pues bien el objetivo comparativo a nivel bivariado (nivel relacional) corresponde al modelo II con un factor fijo y uno aleatorio. Dependiendo de la naturaleza de la variable se elegir un determinado estadstico. La comparacin puede ser de grupos independientes o de muestras relacionadas.

4.

EXPLICATIVO. La finalidad de este nivel es descartar asociaciones aleatorias, casuales o espurias sobre todo cuando hacemos anlisis comparativo estratificado cuando queremos realizar el control estadstico en un estudio observacional, sta es la funcin del test de Mantel-Haenszel. A nivel experimental podemos plantear objetivos comparativos de grupo aleatorizados; como por ejemplo comparar el efecto sobre la variable efecto en el grupo experimental y el grupo blanco, hablando de estudios epidemiolgicos. Dentro de los experimentos verdaderos la factorizacin de las causas tambin corresponde al objetivo comparativo

5.

PREDICTIVO: Podemos comparar el valor predictivo de dos procedimientos diagnsticos o de dos formas de evaluar una variable predictiva; por ejemplo podemos comparar la eficiencia diagnstica de dos mtodos de deteccin de una enfermedad. En otro momento podemos comparar el pronstico de la enfermedad o del tiempo de supervivencia de dos tratamientos en pacientes con cncer. Incluso hay tcnicas comparativas para el anlisis de supervivencia de Kaplan-Meier.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

TCNICAS DE RECOLECCIN DE DATOS

No es lo mismo que registro de datos 1. Documentacin Constituye la tcnica de recoleccin de datos ms bsica y a la vez la ms inexacta; sin embargo en ocasiones es la nica disponible para recopilar la informacin; Habitualmente la informacin fue recolectada con fines distintos al estudio en curso; por ello los estudios realizados con esta tcnica siempre son retrospectivos. Ejm. Anlisis de contenido 2. Observacin: La observacin cientfica se caracteriza por ser sistemtica, controlada y con mecanismos destinados a evitar errores de subjetividad, confusiones, etc. Es una observacin simple cuando no perturba la accin o situacin que se est investigando. Por otro lado la observacin participante puede ser natural cuando el observador pertenece al conjunto humano que investiga y artificial, cuando la integracin del observador al grupo se hace con el objeto de desarrollar un trabajo de investigacin. La experimentacin es una observacin participante artificial. 3. Entrevista Consiste en una interaccin entre dos personas, una de las cuales -el investigadorformula determinadas preguntas relativas al tema en investigacin, mientras la otra -el investigado- proporciona la informacin que le es solicitada. La entrevista puede ser estructuradas y no estructurada; en la investigacin cuantitativa se apoya en un cuestionario al cual se le denomina heteroadministrado. 4. Encuesta La palabra "encuesta" se usa ms frecuentemente para describir un mtodo de obtener informacin de una muestra de individuos. Esta "muestra" es usualmente slo una fraccin de la poblacin bajo estudio. Cuando se aplica al total de la poblacin 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 economa de tiempo y personal que implica, ya que los cuestionarios pueden enviarse por correo, dejarse en algn lugar apropiado, o pueden administrarse a grupos reunidos al efecto. 5. Psicometra Los test psicolgicos emplean una gran variedad de tcnicas especficas, que se combinan segn los objetivos deseados. Una gran proporcin de ellos acude a la formulacin de preguntas ya anotadas en algn cuestionario apropiado, que es el test mismo, y que se autoadministra.

Pg. 18

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

INSTRUMENTOS DE MEDICIN
1. Instrumentos lgicos o Documentales: Subjetivos Cuestionario. Los trminos cuestionarios e inventarios se suelen utilizar como sinnimos a pesar de que hay diferencias marcadas en la forma de su presentacin. Un cuestionario supone un conjunto de preguntas que el sujeto tiene que responder a fin de evaluar alguna capacidad, generalmente cognitiva, lo cual debe ser calificado por el evaluador. Como ejemplo podemos citar a los exmenes para evaluar rendimiento acadmico Escalas. Los evaluados indican su acuerdo o desacuerdo con una serie de afirmaciones sobre el objeto en estudio. Por lo general, arrojan una calificacin total que indica la direccin e intensidad de la actitud del individuo hacia una categora de estmulos, por lo que las escalas requieren de una respuesta ordinal o de intervalo. Se han elaborado procedimientos especiales para alcanzar la unidimensionalidad o homogeneidad de los reactivos, la igualdad de las distancias entre las unidades de la escala y la comparabilidad de las calificaciones. El ejemplo ms bsico es la escala visual anloga. Inventario. Conjunto de frases o palabras a las que el sujeto tiene que responder eligiendo o marcando su posicin ante ellas (por ejemplo, al tem Me gustan las revistas de mecnica, decoracin o computadoras, notemos que ninguna respuesta es calificada como correcta e incorrecta. Los inventarios cuentan con distintas posibilidades de respuesta Por ejemplo un test de inteligencias mltiples puede indicarnos inteligencia: Lingstica, Lgicomatemtica, Musical, Naturalista, etc. 2. Mecnicos: Objetivos Las tcnicas objetivas hacen referencia a aquellas tareas o procedimientos estructurados que recogen las respuestas de un participante, respuestas que no pueden ser modificadas en la direccin deseada y cuya puntuacin es independiente de la persona que evala. Las medidas que realizan mediante este mtodo son por ejemplo las mediciones fisiolgicas. Los instrumentos de evaluacin cognitiva son aquellos instrumentos o aparatos que sirven para evaluar caractersticas cognitivas que se consideran observables (por ejemplo, el tiempo de reaccin). La imagen ms habitual de estas tcnicas es la de una persona sentada frente a la pantalla de un ordenador que espera con atencin la aparicin de una serie de estmulos para apretar rpidamente un botn o una palanca.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

SESGOS DE SELECCIN

1.

Sesgo de prevalencia o incidencia (de Neymann): Se produce cuando la condicin en estudio determina prdida prematura por fallecimiento de los sujetos afectados por ella. La exclusin de los pacientes que fallecen determina este tipo de sesgo. Por ejemplo la duracin del tratamiento del cncer en nuestro medio es corto porque se diagnostican en estadios avanzados.

2.

Sesgo de admisin (de Berkson). En un estudio relacional ocurre cuando hay una mala seleccin del grupo de estudio y/o control. Ejm. cuando asociamos el hbito de fumar al cncer broncognico; los pacientes con diagnstico de Ca ya han dejado de fumar; por lo que se observar menor frecuencia de fumadores en pacientes con este tipo de cncer.

3.

Sesgo de no respuesta o efecto del voluntario. El grado de inters o motivacin que pueda tener un individuo que participa voluntariamente en una investigacin puede diferir sensiblemente en relacin con otros sujetos. Igualmente, la negativa de algunos sujetos para ser incluidos en un estudio puede estar dada por motivaciones sistemticas experimentadas por ellos.

4.

Sesgo de pertenencia (membresa) Se produce cuando entre los sujetos evaluados se presentan subgrupos de sujetos que comparten algn 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 seleccin Puede observarse en diseos de investigacin experimentales (ensayos clnicos controlados), en los cuales no se respeta el principio de aleatoriedad en la asignacin a los grupos de experimentacin y de estudio. En los preexperimentos la administracin del medicamento responde a las

necesidades teraputicas del paciente y no a la del investigador.

Pg. 20

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

SESGOS DE MEDICIN 1. Sesgo de procedimientos Ocasionalmente el grupo que presenta la variable dependiente resulta ser ms interesante para el investigador que el grupo que participa como control. Por esta circunstancia, en el procedimiento de observacin suele ser mas detenido. En el caso de un estudio en el que exista intervencin, el sujeto del grupo experimental puede verse beneficiado con una mayor acuciosidad en la observacin. 2. Sesgo de memoria o de informacin Frecuente de observar en estudios retrospectivos, en los cuales se pregunta por antecedente de exposicin a determinadas circunstancias en diferentes perodos de la vida, existiendo la posibilidad de olvido. Por ejemplo, exposiciones inadvertidas a diversos factores y que pueden afectar la medicin ya sea por su omisin absoluta o en la determinacin de niveles de exposicin. 3. Sesgo por falta de sensibilidad de un instrumento. Si no se cuenta con adecuados mtodos de recoleccin de la informacin, 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 deteccin Su ocurrencia se explica por la introduccin de metodologas diagnsticas diferentes a las inicialmente utilizadas al comienzo de un estudio. Es conocido que no existe coincidencia absoluta entre dos instrumentos de medicin; por ello los estudios deben realizarse con un solo instrumento y un solo observador. 5. Sesgo de adaptacin En los estudios de intervencin (experimentales), a veces los cuales individuos asignados inicialmente a un grupo deciden migrar de grupo por preferir un tipo de intervencin por sobre otro. En un ensayo clnico controlado la ocurrencia de este tipo de sesgo se neutraliza mediante la asignacin aleatoria de los sujetos y por la presencia del llamado "doble ciego.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

EL COEFICIENTE DE CORRELACION La correlacin es una prueba de hiptesis que debe ser sometida a contraste y el coeficiente de correlacin cuantifica la correlacin entre dos variables, cuando sta existe. El coeficiente r de Pearson, por ser una prueba paramtrica requiere de variables numricas con distribucin normal; mientras que el coeficiente de correlacin no paramtrica rho de Spearman acepta variables de libre distribucin e incluso ordinales. INTERPRETACIN El coeficiente correlacin vara entre 0 y 1, pudiendo ser positivo o negativo. El valor numrico indica la magnitud de la correlacin.
Sin correlacin 0.0 Correlacin perfecta 1.0

0.2

0.4

0.6

0.8

Correlacin mnima

Correlacin baja

Correlacin moderada

Correlacin buena

Correlacin muy buena

El signo indica la direccin de la correlacin Correlacin directa (+) Signo positivo a mayor X, mayor Y a menor X, menor Y Correlacin inversa (-) Signo negativo a mayor X, menor Y a menor X, mayor Y

Significancia estadstica Solo interpretamos el coeficiente si p es menor de significancia). Se puede indicar la significancia as: r = 0.48 (p<0.05). 0.05, (Nivel de

Coeficiente de determinacin Cuando el coeficiente se eleva al cuadrado (r2), asume varias interpretaciones Por ejemplo. La correlacin entre El ponderado fetal y El Peso al nacer es de 0.80. r = 0.80
2

Pg. 22

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

VALIDEZ DE UN ESTUDIO
Desde la revolucin cientfica ocurrida en el renacimiento en el siglo XV hasta nuestros das, el hombre se ha valido de la investigacin cientfica para identificar las causas de las enfermedades o las mejores formas de tratarlas. Este elemento es parte integral del paradigma conocido como la Medicina Basada en la Evidencia. Este paradigma postula que las decisiones mdicas deben basarse en la mejor evidencia cientfica disponible, adaptada al caso individual del paciente mediante la experiencia clnica.

3.

La validez interna Es la credibilidad de sus resultados, o dicho de otra manera la capacidad de demostrar o refutar la hiptesis propuesta. Es mxima cuando el estudio carece de sesgos. En trminos generales, los sesgos que afectan la validez interna surgen siempre que los grupos estudiados difieren en ms caractersticas que la exposicin. Por ejemplo, si se est estudiando la frecuencia de infarto de miocardio en un grupo de sujetos obesos o de peso normal, cualquier diferencia en la edad de los grupos podra afectar la relacin entre la obesidad y la ocurrencia de infarto de miocardio. Asimismo, existe sesgo siempre que los grupos de sujetos no son evaluados de la misma manera.

4.

La validez externa La aplicabilidad de los resultados del estudio se relaciona con la validez externa del estudio. En muchas ocasiones el universo e incluso el marco muestral es demasiado grande como para ser estudiado e incluso muestreado; es estos casos se realiza el estudio en una porcin deliberada de la poblacin; teniendo en cuenta que el conglomerado seleccionado es lo suficientemente homogneo con el resto de la poblacin; los resultados encontrados en este grupo podrn ser extrapolados a la poblacin objeto del estudio. Por ejemplo si tratamos de conocer la satisfaccin de la atencin en los pacientes de un servicio de salud; bastar con estudiar a los pacientes que acudan durante un mes a dicho servicio; otro ejemplo ms claro es cuando tomamos una muestra de sangre con la finalidad de conocer concentracin de gases y asumimos que lo encontrado en 10 mililitros corresponde a los 5 litros de sistema circulatorio.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

CONTROL DE UN ESTUDIO

6.

CONTROL METODOLGICO a. Sesgo de seleccin

Se produce cuando la condicin en estudio determina prdida prematura por fallecimiento de los sujetos afectados por ella. La exclusin de los pacientes que fallecen determina este tipo de sesgo. b. Criterios de inclusin Criterios de exclusin Sesgo de medicin

Por ejemplo la duracin del tratamiento del cncer en nuestro medio es corto porque se diagnostican en estadios avanzados. Validacin de instrumentos Calibracin de instrumentos

7.

CONTROL ESTADSTICO a. Anlisis estratificado

Se produce cuando la condicin en estudio determina prdida prematura por fallecimiento de los sujetos afectados por ella. La exclusin de los pacientes que fallecen determina este tipo de sesgo. b. Categricos: Chi cuadrado de Mantel-Haenszel Numricas: ANOVA Factorial Anlisis multivariado

Por ejemplo la duracin del tratamiento del cncer en nuestro medio es corto porque se diagnostican en estadios avanzados. Categricos: Regresin logstica Numricas: Regresin lineal mltiple

Pg. 24

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIN Medidas de resumen para variables numricas MEDIDAS DE TENDENCIA CENTRAL

Media: Media aritmtica, es la que se obtiene sumando los datos y dividindolos por el nmero de ellos. Se aplica por ejemplo para resumir el nmero de pacientes promedio que se atiende en un turno. Otro ejemplo, es el nmero promedio de controles prenatales que tiene una gestante.

Mediana: Corresponde al percentil 50%. Es decir, la mediana Divide a la poblacin exactamente en dos. Por ejemplo el nmero mediana de hijos en el centro de salud X es dos hijos. Otro ejemplo es el nmero medina de atenciones por paciente en un consultorio.

Moda: Valor o (valores) que aparece(n) con mayor frecuencia. Una distribucin unimodal tiene una sola moda y una distribucin bimodal tiene dos. til como medida resumen para las variables nominales. Por ejemplo, el color del uniforme quirrgico en sala de operaciones es el verde; por lo tanto es la moda en colores del uniforme quirrgico. MEDIDAS DE DISPERSIN Desviacin Estndar: Llamada tambin desviacin tpica; Es una medida que informa sobre la media de distancias que tienen los datos respecto de su media aritmtica, expresada en las mismas unidades que la variable.

La varianza: Es el valor de la desviacin estndar al cuadrado; su utilidad radica en que su valor es requerido para todos los procedimientos estadstico.

Error tpico: Llamado tambin error estndar de la media. Se refiere a una medida de variabilidad de la media; sirve para calcular cuan dispersa estara la media de realizar un nuevo clculo.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

MEDIDAS DE POSICIN Y DE FORMA

MEDIDAS DE POSICIN: 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 tambin un caso particular de los percentiles. MEDIDAS DE FORMA Asimetra: una distribucin es simtrica cuando su mediana, su moda y su media aritmtica coinciden. Existen varias medidas de la asimetra de una distribucin de frecuencias. Una de ellas es el Coeficiente de Asimetra de Pearson: Su valor es cero cuando la distribucin es simtrica, positivo cuando existe asimetra a la derecha y negativo cuando existe asimetra a la izquierda.

Asimetra Derecha (+)

Simtrica (0)

Asimetra Izquierda (-)

Apuntamiento o Curtosis: la curtosis es una medida de la forma que busca cuantificar la mayor o menor concentracin de frecuencias alrededor de la media y en la zona central de la distribucin. Se mide con el coeficiente de apuntamiento o curtosis: Su valor es cero cuando la distribucin es mesocrtica, positivo cuando es leptocrtica y negativo cuando es platicrtica

Leptocrtica (+)

Mesocurtica (0)

Platicurtica (-)

Pg. 26

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

GRFICAS UNIVARIABLES 1. Para variables categricas a. Diagrama de sectores Se toma un crculo y se divide en tantos sectores como categoras tenga nuestra variable, siendo el arco del crculo proporcional a las frecuencias absolutas (tambin lo podemos hacer con las frecuencias relativas o porcentajes) Es ideal para variables dicotmicas o politmicas de menos cuatro o menos categoras. b. Grfico de barras Es una representacin bidimensional con las

categoras dispuestas paralelamente de manera que la extensin de cada barra es proporcional a la magnitud que se quiere representar. Es ideal para variables politmicas de o incluso para variables de categoras no excluyentes.

2. Para variables numricas 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-numricos), como sexto grado de acuerdo o nivel de estudios, es preferible un grfico de barras. b. Diagrama de Caja y Bigotes Grfico basado en cuartiles, compuesto por un rectngulo, la "caja", y dos brazos, los "bigotes". Es un grfico que suministra informacin sobre los valores mnimo y mximo, los cuartiles Q1, Q2 o mediana y Q3, y sobre la existencia de valores atpicos y la simetra de la distribucin.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

ERROR TIPO I Y II Al establecer un criterio de decisin sobre la hiptesis nula, el investigador puede ponderar los errores que podra cometer en su decisin sobre la hiptesis nula. Una primer forma de error (se conoce como el error tipo I) consiste en rechazar una hiptesis nula verdadera, es decir, descartar el azar como explicacin cuando los resultados podran explicarse razonablemente con base en el mismo. Este es el error que comete el investigador que ve ms lo que hay en los datos; es decir, el investigador concluye en que existe una relacin real o verdadera entre las variables independiente y dependiente de la investigacin, cuando en realidad la relacin observada se puede explicar razonablemente como resultado del azar. El llamado error tipo I es el error del investigador que se apresura a concluir a favor de su hiptesis de investigacin. Fisher no habl de ningn otro error, pues la prueba de la hiptesis nula para l no era otra cosa que un freno a la tendencia natural de un investigador a creer que hiptesis ha sido confirmada por el simple hecho de que los resultados de la investigacin siguen la misma direccin de la hiptesis. En la estrategia de Fisher, slo hay un error posible: rechazar una hiptesis nula verdadera. Una segunda forma de error (se conoce como el error tipo II), introducida por Egon Pearson y Jerzy Neyman consiste en no rechazar una hiptesis nula falsa, es decir, no descartar el azar aun cuando ste no constituye una explicacin razonable de los datos. Este es el error que comete el investigador que ve menos que lo que hay en los datos; por miedo a rechazar incorrectamente el azar, el investigador puede exponerse al riesgo de pasar por alto una relacin real o verdadera entre las variables de su investigacin. Fueron Pearson y Neyman los que, al introducir un segundo tipo de error, bautizaron como error tipo uno al error de que haba hablado Fisher. Segn Fisher, el nivel de significacin estadstica equivale a la magnitud del riesgo que est dispuesto a correr el investigador, de cometer el error de rechazar una hiptesis nula verdadera (el llamado error tipo I). Para la mayora de los propsitos, el nivel de significacin previamente establecido suele ser de 0.05, aunque en reas de

investigacin ms rigurosas se trabaja con un nivel de significacin de 0.01. Suponiendo que se trabaja con un nivel de significacin de 0.05, se rechazara la hiptesis nula siempre que la probabilidad de explicar los resultados obtenidos en una investigacin como si fueran obra del azar sea igual o menor que 0.05. En la perspectiva de Pearson y Neyman, para establecer el nivel de significacin estadstica habra que atender al impacto de cada tipo de error en el objetivo del investigador, y a partir de ah se decidira cul de ellos es preferible minimizar. Pearson y Neyman llamaron alfa al error tipo I y beta al error tipo II; a partir de este ltimo tipo de error, introdujeron el concepto de "poder de una prueba estadstica", el cual se refiere a su capacidad para evitar el error tipo II, y est definido por 1-beta, y en estrecha relacin con ste se ha desarrollado el concepto de "tamao del efecto" que algunos han

Pg. 28

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

POBLACIN Y MUESTRA

UNIDAD DE ESTUDIO Conocido tambin como unidad de anlisis, unidad de observacin, unidad experimental, o unidad de poblacin, son cada uno de los sujetos u objetos de estudio de la poblacin del que hay que obtener la informacin. POBLACION Conjunto de todos los casos o grupo de unidades (sujetos u objetos de estudio) con alguna caracterstica comn. Las poblaciones deben situarse claramente en torno a sus caractersticas de contenido, lugar y tiempo. La delimitacin de la poblacin que va ser estudiada y sobre la cual se pretende generalizar los resultados, es un paso importante en una investigacin. Si se dispone de una lista de unidades o elementos de muestreo se dice que es conocida; sino se dispone de tal listado se dice que es desconocida. La medicin completa de todos los elementos que constituyen la poblacin constituye el censo, mientras que cuando no podemos acceder a ella podemos hacer el anlisis de una parte de esta. MUESTRA Una muestra representativa debe tener un tamao mnimo calculado y responder a una seleccin parametrada (muestreo probabilstico). As podemos conocer la parte de una poblacin que debe examinarse con la finalidad de hacer inferencias sobre dicha poblacin. El muestreo otorga una probabilidad conocida de integrar la muestra a cada elemento de la poblacin, y dicha probabilidad no es nula para ningn elemento. Unidad de muestreo: Elementos de la poblacin que se van a estudiar. Cada unidad de estudio pertenece slo una unidad de muestreo. PARAMETRO Es la medida estadstica que describe un determinado aspecto de una poblacin. Los parmetros ms usuales en una investigaron son: La media poblacional (), la varianza poblacional (s). ESTADIGRAFO Es la media estadstica que describe un determinado aspecto de una muestra. As, la media muestral (x), la varianza muestral (), etc., son estadgrafos porque se calculan para una muestra.

Un parmetro es una constante, mientras que un estadgrafo es una variable.

BIOESTADISTICO.COM

ANLISIS DE DATOS CLNICOS Y EPIDEMIOLGICOS

MUESTREO PROBABILISTICO
1. Muestreo aleatorio simple Denominado tambin muestreo equiprobabilstico, porque si se selecciona una muestra de tamao n de una poblacin de N unidades, cada elemento tiene una probabilidad de inclusin igual y conocida de n/N.

Ventaja: Se desarrolla en software porque se basa en la teora estadstica Desventaja: Precisa un marco muestral o listado de todas las unidades

2.

Muestreo sistemtico Para determinar una muestra de tamao n conseguimos una lista de N elementos, definimos un intervalo de salto k=N/n y elegimos un nmero aleatorio entre 1 y k con el que comenzamos la seleccin de la muestra.

Ventaja: No es necesario tener un marco mustralo listado de unidades. Desventaja: La constante podra asociarse con el fenmeno de inters

3.

Muestreo aleatorio estratificado Como el azar no es una garanta de representatividad, aqu se pretende asegurar la representacin de cada grupo en la muestra. Cuanto ms homogneos sean los estratos, ms precisas resultarn las estimaciones.

Ventaja: La muestra es homognea en funcin a la variable involucrada. Desventaja: Se debe conocer la distribucin en la poblacin de la variable utilizada para la estratificacin.

4.

Muestreo por conglomerados Denominado tambin muestreo por clusters aprovecha se caracterizan porque la variacin en cada grupo es menor que la variacin entre grupos lo cual resulta ventajoso en los estudios comunitarios o poblacionales.

Ventaja: Muy eficiente cuando las unidades estn muy dispersas Desventaja: Requiere un manejo estadstico mas complejo que el resto

Pg. 30

PROGRAMA DE APOYO A LAS SOCIEDADES CIENTFICA DE ESTUDIANTES DE MEDICINA (PASCEM)

VALIDACIN DE TEST PSICOMTRICOS

1. Validez de contenido (Juicio de Expertos o validacin por jueces) Un instrumento de medicin debe contener representados a todos los tems del dominio de contenido de las variables a medir. Se refiere al grado en que la medicin representa al concepto medido. Es decir, que el instrumento debe contener todos los aspectos o tems del dominio de la variable que se esta midiendo, y se construye de acuerdo con la teora. Consistencia interna (Alfa de Cronbach) Su valor aumenta cuando las correlaciones tem total son altas, por ello, mejores correlaciones, dan mayor fiabilidad al instrumento. Se puede decir tambin que es un ndice de discriminacin. El coeficiente de fiabilidad es afectado por la heterogeneidad de los individuos que contestan la prueba; cuanto ms heterogneo es el grupo de encuestados, mayor es el coeficiente de fiabilidad. Validez de constructo (Rotacin de Varimax) El procedimiento consiste en aplicar el instrumento a dos o ms grupos y ver si discrimina. Para ello hay que contar con una estructura Factorial del cuestionario. Por ejemplo en los instrumentos para medir variables psicolgicas no podemos garantizar la existencia de un constructo psicolgico que subyaga y d sentido y significado a las puntuaciones del test; por lo mismo que no tenemos una prueba patrn. Estabilidad (ANOVA) Se refiere a la confianza que se concede a los datos; requiere de un retest en condiciones similares a la primera evaluacin y est relacionada con la estabilidad o constancia test-retest. Se trata de ver hasta que punto un conjunto de medidas son reproducibles en el tiempo, el grado en que las puntuaciones son estables sera el grado de fiabilidad. Por ello es sinnimo de estabilidad. Punto de corte (Curvas ROC). Habitualmente requerimos que el instrumento nos conduzca a una decisin dicotmica (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 grfico todos los pares sensibilidad-especificidad resultantes de la variacin continua de los puntos de corte en todo el rango de resultados observados. Las Curvas de Roc optimizan el punto de corte.

2.

3.

4.

5.