DBA ECUADOR II Mtodos de Investigacin Cuantitativa II Trabajo: Informe-1-ACP. Fecha de envo: 3 febrero. Fecha de entrega: 12 febrero. Desarrollar: 1.

. Cul es el problema del estudio? El presente estudio busca realizar un anlisis factorial los aspectos relevantes para el tratamiento del dolor de cuello y hombros en mujeres, mediante una comparacin adecuada de la efectividad de los diferentes tratamientos. 2. Cul es el objetivo general y especfico del estudio? El objetivo general de este es estudio es iniciar el desarrollo de un cuestionario clnico de formato corto para mujeres con dolor de cuello del hombro Los objetivos especficos son: Seleccionar los elementos que capturan aspectos importantes de salud de las encuestadas Reducir el nmero de elementos de las encuestas a una cantidad ms conveniente que no significa un consumo tan alto de tiempo. Determinar la estructura subyacente de los elementos incluidos en los cuestionarios

3. El estudio reporta en su Tabla I alfas de Cronbachs con el objeto de determinar la consistencia interna de los instrumentos. A qu se refiere por esta consistencia interna? Qu puede referir de los valores hallados? El coeficiente Alfa de Cronbach es un modelo que permite analizar la consistencia interna, basndose en el promedio de las correlaciones entre los tems, permitiendo evaluar cunto mejorara o empeorara la fiabilidad de la prueba si se excluyera un determinado tem.
Table I. Reliability of the questionnaires (n = 117). Questionnaire MPI-S overall score MPI-S pain intensity MPI-S interference MPI-S life control MPI-S affective distress MPI-S support MPI-S responses from significant others: punishing MPI-S responses from significant others: solicitous MPI-S responses from significant others: distracting MADRS-S overall score RPWS overall score RPWS environmental mastery RPWS self-acceptance RPWS positive relations RPWS purpose in life RPWS personal growth RPWS autonomy Valid Cronbachs cases 99 0.86 117 0.87 102 0.95 117 0.77 117 0.79 117 0.86 112 0.82 112 0.85 112 0.75 115 0.77 116 0.79 117 0.57 116 0.74 116 0.61 117 0.35 117 0.61 116 0.58 Item means 2.37 3.08 2.03 3.71 2.19 3.21 0.86 2.36 2.53 1.05 4.46 4.61 4.47 4.62 4.46 4.49 4.12 Range 3.84 0.36 1.67 1.29 0.37 0.27 0.47 1.72 0.82 1.85 1.39 0.10 1.02 0.84 1.33 1.10 0.42

Con la tabla anterior vemos que al eliminar principalmente los tems marcados en amarillo, la fiabilidad de la prueba aumentara significativamente. 4. Qu pruebas se utilizaron para determinar si la aplicacin del anlisis factorial (anlisis de componentes principales) sobre la muestra era apropiado? De estas, a qu conclusiones llegaron los autores? Se llev acabo un anlisis factorial bimetlico, utilizando el anlisis de componentes principales (PCA) para la extraccin, y rotacin ortogonal Varimax con la normalizacin de Kaiser para aclarar la estructura factorial. El procedimiento bimetlico se escogio para tener una relacin aceptable en el anlisis del ratio entre sujeto y variable en el anlisis. Adicionalmente la medicin de adecuacin muestral se la realizo mediante la aplicacin de Kaiser-Meyer-Olkin (KMO), y el test de Bartlett se utiliz para determinar aplicabilidad de realizar un anlisis factorial de los datos seleccionados. Con lo cual se obtuvo que el KMO fueron satisfactoriamente sobre 0.70, y el test de Bartlett mostr resultados significativos para los tres cuestionarios (p <0,05).

5. Cuntos tems se incluyeron en el anlisis de componentes principales (join PCA)? Se incluyeron 36 tems que tenan un factor de carga de 0.70 o ms en los analices separados fueron posteriormente incluidos en un PCA conjunta con rotacin Varimax. 6. Qu criterio, propuesta, se us para determinar el nmero de factores extrados (componentes principales)? Cuntos factores (componentes principales) se extrajeron? Se realiz un analices separado del PCA con lo cual para el MPI-S se extrajeron siete factores que explican el 70,8% de la varianza. El PCA para MADRS-S extrajo 3 factores que explican el 63,2% de la varianza, mientras que el PCA para RPWS obtuvo 5 factores que explican el 61,2% de la varianza. Los resultados sugieren una solucin de 9 factores incluyendo los elementos que explican el 68,9% de la varianza. 7. De la solucin antes de la rotacin Qu porcentaje de la varianza total es explicada por los factores (componentes principales) extrados por los autores? Si se hubiera extrado 5 factores (componentes principales) qu porcentaje de la varianza total se hubiese explicado? 8. La tabla Table III. Component matrix before rotation del artculo presenta las correlaciones entre tems y factores (componentes principales). Calcule las comunalidades, para cada uno de los tems, considerando los primeros 3, 6 y 9 factores (componentes principales). Para qu tems la variacin de 6 a 9 factores representa un cambio en la comunalidad superior a 0.1. La comunalidad es un valor que se obtiene en el anlisis factorial, para cada una de las variables originales, sumando los cuadrados de las correlaciones con la variable para la que se calcula y que expresa la proporcin de varianza de la variable extra da o explicada con m factores, donde m es el nmero de factores retenidos.

9. La tabla Table III. Component matrix before rotation del artculo presenta las correlaciones entre tems y factores (componentes principales). Verifique la ortogonalidad (calcule el producto interno) entre los factores (componentes principales): 1 y 2, 1 y 3, 2 y 3, 2 y 9, (Si el producto interno en magnitud es menor o igual a 0.01 considrelo como cero). Si no se verifica la ortogonalidad escriba Los componentes no son ortogonales. Los resultados obtenidos tras la prueba de ortogonalidad son los siguientes (Ver clculos en archivo de Excel): 1 y 2: 1 y 3: 2 y 3: 2 y 9: 1,402057 1,716429 0,755745 0,566608

Lo cual muestra que los componentes no son ortogonales. 10. Cul fue la principal conclusin del trabajo y cmo la tcnica de Componentes principales contribuy con las mismas (no ms de tres lneas)?
From the starting point with three questionnaires including 61 items the factor analyses resulted in a stable 9-factor solution including 29 items. The result constitutes the first step in the development of a short-form questionnaire that contains core dimensions of symptoms and functioning for people with neck-shoulder disorders. Further studies with samples of both men and women and of other musculoskeletal disorders would additionally contribute to the development of valid outcome measures.