You are on page 1of 19

METODOLOGIA DE INVESTIGACION

1) TIPOS DE INVESTIGACIN
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 variables de inters
DESCRIPTIVO: El anlisis estadstico, es univariado porque solo describe o estima
parmetros en la poblacin de estudio a partir de una muestra.
ANALTICO: El anlisis estadstico por lo menos es bivariado; porque plantea y pone
a prueba hiptesis, su nivel ms bsico establece la asociacin entre factores.

IMPORTANTE: Descriptivo no es sinnimo de observacional. Un estudio observacional puede


ser analtico. Ejm: El estudio de los casos y controles.

2) NIVELES DE INVESTIGACIN
I. EXPLORATORIO: Se plantean cuando no existe un cuerpo terico que ilumine el
fenmeno observado; su funcin es el reconocimiento e identificacin de problemas.
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.
II. DESCRIPTIVO: Describe fenmenos sociales o clnicos en una circunstancia temporal y
geogrfica determinada. Su finalidad es describir y/o estimar parmetros.
Se describen frecuencias y/o promedios; y se estiman parmetros con intervalos
de confianza. Ejm. los estudios de frecuencia de la enfermedad: Incidencia y
Prevalencia.
III. RELACIONAL: No son estudios de causa y efecto; la estadstica solo demuestra
dependencia entre eventos; Ejm. los estudios de asociacin sin relacin de
dependencia.
La estadstica es bivariada nos permite hacer asociaciones (Chi Cuadrado) y
medidas de asociacin; correlaciones y medidas de correlacin (Correlacin de
Pearson).
IV. EXPLICATIVO: Explica el comportamiento de una variable en funcin de otra(s); por ser
estudios de causa-efecto requieren control y debe cumplir otros criterios de causalidad.

1
El control estadstico es multivariado a fin de descartar asociaciones aleatorias, casuales
o espurias entre la variable independiente y dependiente. Ejm. Chi2 de Mantel-Haenszel.
V. PREDICTIVO: Se encarga de la estimacin probabilstica de eventos generalmente adversos,
como puede ser las complicaciones de la enfermedad, la mortalidad, etc.
Se aplican un conjunto de tcnicas estadsticas. Ejm. La validacin de una prueba
diagnstica requiere: Alfa de Cronbach, ndice Kappa, ANOVA, Curvas ROC.
VI. APLICATIVO: Plantea resolver problemas o intervenir en la historia natural de la enfermedad.
Enmarca a la innovacin tcnica, artesanal e industrial como la 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.
3) DISEOS EN INVESTIGACIN
1. EPIDEMIOLGICOS: Estudian la morbimortalidad y eventos la salud en poblaciones humanas.
1.1. Descriptivos: Pueden ser transversal (Ej. Estudio de prevalencia) y longitudinal (Ej.
Estudio de incidencia).
1.2. Analtico: Aqu se encuentran los estudios de factores de riesgo, los que terminan
planteando la relacin de causalidad. Ej. Casos y controles; Cohortes.
1.3. De intervencin: No son experimentos verdaderos, porque se ven limitados por las
normas ticas. Ej. Ensayos clnicos y ensayos de poblacin.
2. EXPERIMENTALES: Requiere dos condiciones: intervencin y asignacin aleatoria (grupo
control).
2.1. Pre experimento: La intervencin no es apropsito de la investigacin; sino que obedece
a las necesidades teraputicas del sujeto.
2.2. Cuasi experimento: Cuando no hay grupo control, no es posible realizar la asignacin
aleatoria, se realiza dos mediciones en el mismo grupo.
2.3. Experimento verdadero: Cumple con la asignacin aleatoria (grupo control) e
intervencin a propsito de la investigacin.
3. COMUNITARIOS: La unidad de estudio es la poblacin y la fuente de datos de tipo secundario.
3.1. Exploratorios: El nico propsito es buscar patrones espaciales o temporales que
podran sugerir temas de investigacin.
3.2. Comparaciones mltiples: Verifican hiptesis sobre la diferencia de parmetros
correspondientes a situaciones diferentes en una poblacin.
3.3. Series temporales: Analiza las variaciones temporales de los niveles de exposicin a
travs del tiempo. Ej. La semana epidemiolgica.
4. ENSAYOS CLNICOS: Evalan mtodos de prevencin, diagnstico, tratamiento y
rehabilitacin.
4.1. Prevencin: Suelen ser comunitarios; su propsito es determinar la eficacia de un
agente o medida. Ej. Vacunacin para la prevencin de la Hepatitis B.
4.2. Teraputicos: Su propsito es modificar el curso natural de la enfermedad. Ej.
Tratamiento de la diabetes para prevenir nefropata diabtica.
4.3. Rehabilitacin: Suelen ser estudios individuales; su propsito es curar, aliviar y/o
prolongar la vida del paciente. Ej. Excresis de un tumor localizado.

LAS VARIABLES SEGN SU MEDICIN


1. VARIABLES OBJETIVAS
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 laspropiedades
individuales que poseen sus miembros, por ejemplo el ndice deanalfabetismo.
UNIDIMENSIONALES

2
Cuando las variables no presentan ninguna dificultad para su identificacin se diceque tienen
indicadores directos (la misma variable es su propio indicador) ounidimensionales.
El anlisis estadstico de las variables individuales y las variables colectivas; inclusodentro de un
mismo objetivo, no siempre es el mismo.
2. VARIABLES SUBJETIVAS
El constructo es una propiedad que se supone posee una persona (unidad deestudio individual), es un
concepto terico. Ejm. la inteligencia, la motivacin, lacreatividad, las actitudes, etc.
Los constructos se definen como propiedades subyacentes, que no pueden medirsede manera
directa, sino mediante indicadores que corresponden a sus dimensiones.
Los instrumentos utilizados para medir variables subyacentes, deben tener unavalidez de constructo
que corresponde su definicin operacional.
MULTIDIMENSIONALES
Siendo que las variables subyacentes no se pueden medir directamente serequieren de indicadores;
de manera que cada uno de los indicadores se convierteen una dimensin.
Las variables subyacentes (constructos) que no pueden medirse de manera directa,requieren de
tantas dimensiones como indicadores que permitan su medicin.

CRITERIOS DE CAUSALIDAD
Criterios de Bradford Hill (1965)
1. Asociacin estadstica: Se trata de averiguar si existe relacin entre el supuesto factor causal yel
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
queinvestigamos una posible relacin causa-efecto, ha sido confirmada por ms de un estudio,
enpoblaciones y circunstancias distintas por autores diferentes.
3. Especificidad: Es ms fcil aceptar una relacin causa-efecto cuando para un efecto slo seplantea
una sola etiologa, que cuando para un determinado efecto se han propuesto mltiplescausas. 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
supuestoefecto. Puede ser difcil de demostrar cuando no se puede asegurar si la presunta causa
aparecicon anterioridad al presunto efecto. (Equivale a la cronologa de Simonin)
5. Relacin dosis-respuesta: Denominada gradiente biolgico, La frecuencia de la
enfermedadaumenta 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 porla
cual una causa produce un efecto a la salud. Esta caracterstica viene limitada por losconocimientos
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
elcomportamiento propio de la enfermedad o lesin. Este criterio combina aspectos de consistenciay
plausibilidad biolgica (Corresponde a la evolucin de Simonin)
8. Experimentacin: Es un criterio deseable de alta validez. Se trata de reproducirexperimentalmente
la asociacin causa-efecto, o incidir en la causa para alterar el efecto cuandono sea posible o no se
considere tica otra modalidad de experimentacin.

3
9. Analoga: Se fundamenta en relaciones de causa-efecto establecidas, con base a las cuales si
unfactor de riesgo produce un efecto a la salud, otro con caractersticas similares debiera producir
elmismo impacto a la salud.

Se trata de sintetizar la cuestin proyectada a investigar, generalmente a travs de uninterrogante.


Los problemas de Investigacin se formulan con los 5 componentes acontinuacin:
VARIABLES: Debe mencionarse al menos la variable de estudio; pueden tambinmencionarse todas
las variables involucradas; o cuando las variables son muy numerosassuele usarse trminos que
resuman de manera lgica un grupo de variables.
UNIDADES DE ESTUDIO:
Unidades de observacin, unidades experimentales, unidades de anlisis. Recibendistintos nombres
segn el diseo de la investigacin; y deben mencionarse, aunque aveces 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 nivelinvestigativo, el tipo de
estudio, etc.
UBICACIN ESPACIAL:
Es ineludible cuando se tratan de estudios descriptivos y se encuentra relacionado con eltamao de la
muestra; siendo que los fenmenos varan de un lugar a otro; se debeespecificar sobre que poblacin
se realizar la inferencia estadstica.
UBICACIN TEMPORAL:
Al igual que en el criterio espacial, se requiere especificarlo cuando el fenmeno varasegn el tiempo.
En los estudios descriptivos sobre poblaciones infinitas o desconocidashabitualmente se encuentra
relacionado con el muestreo accidental.

Definicin:
Son conjeturas que plantea el investigador; afirmaciones aun no demostradas y quenacen de la
experiencia (David Hume: empirismo) o de la deduccin luego del anlisis delos antecedentes
investigativos (Ren Descartes: racionalismo). Deben referirse a unasituacin real, en trminos
comprensibles, precisos, concretos y deben estarrelacionadas con tcnicas disponibles para
probarlas.
Estructura:
Fundamento: Es lo que nos lleva a sostener la hiptesis planteada. Las hiptesisrelacionales carecen
de fundamento porque nacen de la subjetividad de una observacin;mientras que las hiptesis
explicativas se fundamentan en los antecedentesinvestigativos.
Deduccin: Es la hiptesis misma, denominada hiptesis del investigador;estadsticamente es la
hiptesis alterna y se debe someter a contraste. Cuando se laplantea 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 tampocolos estudios
exploratorios; porque no se puede presuponer sobre algo que apenas secomienza a conocer. En
estos casos lo que si procede, es trabajar con objetivosdescriptivos debidamente declarados. Su
funcin es precisamente generar hiptesis.
4
Relacional: Las hiptesis relacionales o empricas son afirmaciones respecto a lasrelaciones entre dos
o ms variables sin fundamento, porque nacen de la observacin yla experiencia, siempre deben
estar sujetas a comprobacin emprica. Solamente buscanconcordancia entre hechos y generan la
necesidad de plantear hiptesis explicativas.
Explicativa: Las hiptesis explicativas o racionales son consideradas como explicacionestentativas
respecto al problema planteado. Cumple su funcin slo si est relacionadacon el conocimiento
existente; nacen del razonamiento por analoga (Bradford Hill). Sinantecedentes investigativos no es
posible plantear hiptesis explicativas.
OBJETIVO ESTADSTICO
Uno de los criterios ms importantes a la hora de escoger el estadstico de prueba, seencuentra
intrnsecamente relacionado al nivel investigativo; Exploratorio - Descriptivo -Relacional - Explicativo -
Predictivo - Aplicativo. En esta pastilla se ha omitidointencionalmente el objetivo estadstico comparar
por ser el mas usado y encontrarse entodos los niveles merece una mencin aparte.
11. A nivel descriptivo
Estimar: Usado frecuentemente para la estimacin puntual de un parmetro ylos intervalos de
confianza del mismo.
Determinar. Cuando buscamos en obtener el resultado de una variablesubyacente o constructo y
utilizamos un instrumento documental.
Describir: Para las variables que no son de estudio y que no involucra lautilizacin de instrumentos
pues se tratan de variables unidimensionales odirectas.
12. A nivel relacional
Asociar: Plantea que dos sucesos ocurren de manera simultnea en repetidasocasiones y que tal
concurrencia no puede atribuirse al azar.
Concordar: Sucesos concurrentes que corresponden a diferentes observadoreso al mismo
observador pero con diferentes instrumentos.
Correlacionar: Plantea que en un mismo individuo las unidades de una de susvariables se
correlaciona con otra diferente.
13. A nivel explicativo
Evidenciar: Propio de los estudios observacionales donde el anlisisestratificado 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 setiene que repetir para
probar consistencia o coherencia (Bradford Hill 1965)
14. A nivel predictivo
Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie deeventos por
consecuencia la variable a predecir es dicotmica.
Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en funcin altiempo por
consecuencia la variable pronosticada es numrica.
Preveer: Calcular la probabilidad de necesitar, disponer o preparar medioscontra futuras
contingencias.
NIVEL DE SIGNIFICANCIA
Al plantear un estudio sobre una poblacin, idealmente debemos estudiar a todos losindividuos que la
conforman; pero no siempre podemos acceder a todos, entoncestenemos que escoger una muestra;
5
sin embargo los resultados obtenidos de esta maneranunca sern exactamente iguales, a los que se
obtendran de estudiar a toda lapoblacin; es decir, siempre va a haber un margen de error.
Nivel de Significancia. Antes de realizar el estudio debemos plantearnos; queproporcin de error
estamos dispuestos a aceptar para dar por vlido nuestro resultado.
El error es el objetivo principal del estudio. El anlisis estadstico consiste en calcular laprobabilidad
de cometer este error y esperamos que sea menor al planteadopreliminarmente como nivel
significancia.
Nivel de confianza. Es la confianza que debemos alcanzar para generalizar el resultadode una
muestra hacia toda la poblacin. Es el complemento del nivel de significancia; esla confianza que
tenemos, de que la conclusin a la que hemos llegado es cierta. Unaprobabilidad elevada nos da la
tranquilidad de que lo que hemos calculado es cercano alo 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 esfalsa. Por lo tanto,
es un juicio de valor equivocado.
El p-valor: Es la probabilidad de equivocarse al aceptar nuestra hiptesis delinvestigador como
verdadera; es decir la probabilidad de cometer un error tipo I.
El nivel de significancia: Es la mxima probabilidad de error que estamos dispuestosaceptar para dar
como vlida nuestra hiptesis del investigador.
RITUAL DE LA SIGNIFICANCIA ESTADSTICA
1. Formulacin de Hiptesis
Consiste en traducir la hiptesis metodolgica en una hiptesis estadstica de acuerdo alsiguiente
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) yformular la
Hiptesis Nula (Ho) que viene a ser la negacin de la alterna. Se precisa esteartificio 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 lahiptesis
nula cuando es verdadera a lo cual se le denomina error de tipo I, SegnFisher, el nivel de
significacin estadstica equivale a la magnitud del error que se estdispuesto a correr de rechazar
una hiptesis nula verdadera. Para la mayora de lospropsitos, 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 objetivoestadstico
correspondiente para su nivel investigativo; para esto debemos considerar lanaturaleza de las
variables y el comportamiento de los datos que corresponde a sudistribucin para los de naturaleza
cuantitativa y las frecuencias esperadas para los denaturaleza cualitativa.
4. Toma de la decisin
Luego de desarrollar la prueba estadstica elegida se toma una decisin en funcin a laregla
previamente establecida segn las que se acepta o se rechaza la hiptesis nulapara lo cual es
6
imprescindible determinar el Valor critico, que es un nmero que divide laregin de aceptacin y la
regin de rechazo, segn el valor de la probabilidad que sehaya adoptado como nivel de significacin
estadstica.
5. Interpretacin del p-valor.
Este ltimo paso en el ritual de la significancia estadstica no fue planteado originalmentepor Fisher,
pero cobra vital importancia con la aparicin de los software estadsticos quenos calculan
directamente el p-valor, el cual cuantifica el error tipo I y nos ayuda a tomaruna decisin de rechazo a
la hiptesis nula (Ho) cuando es menor al nivel de significanciay de no rechazo cuando su valor es
mayor al alfa planteado.
OBJETIVO ESTADSTICO
NIVEL INVESTIGATIVO RELACIONAL: VAR CATEGRICA
3. COMPARAR (Grupos): Es el objetivo estadstico ms bsico del anlisis bivariado; aunquealgunos
autores piensan que es univariado, porque habitualmente involucra un solo eventoaleatorio (diseos
ecolgicos), donde los grupos se construyen previamente a la ejecucin delestudio; Sin embargo, su
anlisis involucra a dos variables y por ello corresponde al nivelinvestigativo 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.
4. COMPARAR (Antes-Despus): Es la comparacin de un mismo grupo antes y despus de
unaintervencin o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo,
esverificar los cambios producidos entre una medida y otra; donde las variaciones puedenadjudicarse
a la intervencin o al periodo de seguimiento; por ello corresponden a estudioslongitudinales. 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.
5. ASOCIAR (Categoras): Solamente la comparacin de una variable dicotmica en dos gruposnos
puede llevar a la asociacin; y aunque se puede identificar en las tablas 2 x 2, debemoshacer una
medida asociacin. Para asociar hay que definir los factores de inters en ambasvariables; y es que
habitualmente la asociacin involucra dos eventos aleatorios. Desde el puntode vista epidemiolgico
tenemos dos medidas de asociacin relevantes: Riesgo Relativo y elOdds 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).
6. CONCORDAR: Es una medida de acuerdo entre dos observaciones donde el requisitofundamental
es que se trata de un solo grupo y los resultados de la observacin tienen lasmismas opciones.
Tenemos dos casos frecuentes: Cuando las observaciones corresponde adiferentes observadores y
cuando las observaciones corresponden a diferentes instrumentos. Eneste 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.
OBJETIVO ESTADSTICO
7
NIVEL INVESTIGATIVO RELACIONAL: VAR NUMRICA
7. 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 ms 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.
8. 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.
9. 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.
10. 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 R2
Ho: No existe correlacin entre las dos medidas.
H1: Existe correlacin entre las dos medidas.
OBJETIVO COMPARATIVO
15. 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.
8
16. 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.
17. 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.
18. 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
19. 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.

TCNICAS DE RECOLECCIN DE DATOS


No es lo mismo que registro de datos
5. 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
6. Observacin:
La observacin cientfica se caracteriza por ser sistemtica, controlada y con
mecanismos destinados a evitar errores de subjetividad, confusiones, etc. Es una
9
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.
7. 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.
8. 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.
9. 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.
INSTRUMENTOS DE MEDICIN
No confundir con materiales de verificacin
Destinados a medir variables subjetivas denominadas constructos, requieren de tareas o
procedimientos estructurados que recogen las respuestas de un participante, cuya
puntuacin es independiente de la persona que evala. Los instrumentos deben provocar
una reaccin a los evaluados cuya respuesta se plasme en un documento.
10. Instrumentos Documentales
El Cuestionario. Es un plan formalizado para recolectar datos de encuestados y/o
entrevistados. Es el mtodo ms conocido para la recoleccin de datos y el ms
familiarizado. 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.
Las Escalas. Los evaluados indican su acuerdo o desacuerdo con una serie de
afirmaciones sobre la variable que se desea medir. Arrojan una calificacin total que
indica la direccin e intensidad de la actitud del individuo hacia el constructo medido,
por lo que requieren de una respuesta ordinal. Su construccin debe perseguir: la
homogeneidad de los reactivos, la igualdad de las distancias entre las unidades de la
escala y la comparabilidad del resultado final.
10
El ejemplo ms bsico es la escala visual anloga.
Los Inventarios. 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 pueden estar
conformados por cuestionarios y/o escalas.
Por ejemplo el test de inteligencias mltiples puede indicarnos inteligencia: Lingstica,
Lgicomatemtica, Musical, Naturalista, etc.
11. Instrumentos Mecnicos
Los instrumentos mecnicos utilizados para medir variables subjetivas son por
ejemplo instrumentos para realizar mediciones fisiolgicas.
Un ejemplo prctico es la medicin de la capacidad auditiva donde el instrumento
mecnico es el audimetro donde el evaluador no puede influenciar sobre los
resultados y se limita a realizar las anotaciones del momento en el que el evaluado
logra percibir el estmulo acstico que se incrementa progresivamente.

VALIDEZ DE UN ESTUDIO
Un estudio es vlido si sus resultados corresponden a la verdad.
Independientemente del tema y los objetivos de un estudio, lo que siempre se debe
perseguir es que el estudio sea vlido.
La meta fundamental que todo estudio debe perseguir es la calidad de los datos; por ello,
todo lo que amenace una correcta medicin debe ser identificado y corregido. Los
elementos que amenazan esta calidad son: El Error Aleatorio y el Error Sistemtico.
1. Error Aleatorio
La carencia de error aleatorio se conoce como precisin y se corresponde con la
reduccin del error debido al azar. Para reducir este error el elemento ms importante
del que disponemos es incrementar el tamao de la muestra y con ello aumentamos la
precisin. Los intervalos de confianza y el error estndar se reducen al aumentar el
tamao muestral.
2. Error sistemtico
Exactitud. Se ha generalizado al trmino validez como la carencia del error sistemtico.
Esta validez tiene dos componentes: La validez interna, que es la validez de las
inferencias a los sujetos reales del estudio y la validez externa o generalizacin en tanto
se aplica a individuos que estn fuera de la poblacin del estudio.
2.1. La validez interna
La validez interna implica la validez de la inferencia para los propios sujetos de estudio.
Es mxima cuando el estudio minimiza los sesgos. Se ve amenazada cuando no podemos
controlar los dos tipos de sesgos: de Seleccin y de Medicin. En un estudio comparativo
los sesgos que afectan la validez interna surgen siempre que los grupos estudiados
difieren en ms caractersticas que la exposicin. La validez interna es un prerrequisito
para que pueda darse la extrema.
2.2. La validez externa
Es la generalizacin de los resultados de un estudio ms all de los lmites de la
poblacin considerada en el mismo. Cuando el universo e incluso el marco muestral es
11
demasiado grande como para ser estudiado e incluso muestreado; se estudia una porcin
deliberada de la poblacin; asumiendo que el conglomerado seleccionado es lo
suficientemente homogneo con otras poblaciones como para que los resultados
encontrados puedan ser extrapolados.
Eliminar el error sistemtico es utpico y el error aleatorio solo puede ser anulado
estudiando a toda la poblacin.

UNIDADES DE ESTUDIO
Hablando de estudios epidemiolgicos, la unidad de estudio es la persona sobre la cual
queremos conocer la distribucin de la variable de estudio o variable de inters.
12. Unidad de estudio: Es el individuo de donde se obtiene la informacin, en un
estudio de investigacin existe solamente una unidad de estudio y su reconocimiento
es crucial para el diseo de la estrategia metodolgica y estadstica.
13. Unidad de informacin: Cuando los estudios utilizan la tcnica documental, por
ejemplo en una auditora mdica las unidades de informacin son las historias
clnicas.
14. Unidad de muestreo: Son las unidades que ingresan al sorteo en el muestro
aleatorio simple; en un muestro polietpico son los conglomerados o clusters los que
ingresan al sorteo, mientras que las unidades de estudio son los pacientes.
15. Unidad de anlisis: Si queremos conocer el nivel de glucosa en plasma entonces
5cc de sangre sern suficientes, a esta cantidad de sustancia se le conoce como
unidad de anlisis, y basta con una para realizar inferencia estadstica.
16. Unidad de observacin: Propio de los estudios experimentales, no requiere mayor
profundizacin en su definicin puesto que es en realidad la unidad de estudio para
este tipo de investigacin.
17. Unidades de experimentacin: Es la unidad donde la variable de inters es
manipulada, la unidad de experimentacin en ocasiones se descarta luego de la
investigacin, por ejemplo cuando trabajamos con animales de experimentacin.
Tipos:
1. Unidades de estudio simples
Aparecen en los estudios descriptivos donde la variable de inters es nica.
Cuando la unidad de estudio la representa un individuo o la informacin requerida
para un estudio se puede obtener de un solo ente de informacin
2. Unidades de estudio complejas
Habitualmente corresponde a estudios analticos donde el nmero de variables de
inters es dos o ms y cada una de las variables se mide en individuos u objetos
distintos

POBLACIN Y MUESTRA
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
12
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.
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
PARAMETRO
Es la medida estadstica que describe un determinado aspecto de una poblacin. Los
parmetros ms usuales en una investigacin 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 (S2), etc., son estadgrafos porque se calculan
para una muestra.
Un parmetro es una constante, mientras que un estadgrafo es una variable.

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 muestral o 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
13
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 ms complejo que el resto

CONTROL DE UN ESTUDIO
1. CONTROL METODOLGICO
a. Sesgo de seleccin
Los sesgos de seleccin estn ntimamente relacionados con el diseo de la
investigacin. En un estudio descriptivo no basta la aleatorizacin de la unidades de
estudio; en un estudio caso-control hay muchas variantes para elegir a las unidades
de estudio.
Criterios de inclusin
Criterios de exclusin
b. Sesgo de medicin
Un atributo implcito de toda variable, es la susceptibilidad de ser medida mientras
exista ms diferencia entre el valor obtenido al medir una variable con relacin a su
valor real mayor ser el sesgo de medicin.
Validacin de instrumentos
Calibracin de instrumentos
2. CONTROL ESTADSTICO
a. Anlisis estratificado
A partir del nivel investigativo explicativo, el anlisis multivariado cobra importancia
a la hora de descartar asociaciones aleatorias, casuales o espurias.
Categricos: Chi cuadrado de Mantel-Haenszel
Numricas: ANOVA Factorial
b. Anlisis multivariado
Si bien la minera de datos nos puede arrojar muchas relaciones entre variables
que pueden ser casuales o causales, solamente a travs del anlisis estadstico
multivariado podremos esclarecer la relacin hallada.
Categricos: Regresin logstica
Numricas: Regresin lineal mltiple

SESGOS DE SELECCIN
3. Sesgo de prevalencia o incidencia (de Neymann):
Se produce cuando la condicin en estudio determina prdida prematura de las
unidades de estudio por ejemplo por fallecimiento. La exclusin de los pacientes
que fallecen determina este tipo de sesgo. Por ejemplo la duracin del tratamiento
14
del cncer en nuestro medio es corto porque se diagnostican en estadios
avanzados.
4. 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.
5. 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.
6. 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.
7. 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 pre-experimentos
la administracin del medicamento responde a las necesidades teraputicas del
paciente y no a la del investigador.

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
15
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.

VALIDACIN DE INSTRUMENTOS
1. Validez de contenido (Validez Cualitativa)
La validez de contenido intenta evaluar la capacidad del instrumento para recoger
el contenido y el alcance del constructo. Podemos dividirlo en tres fases segn el
estado actual del conocimiento
a. Aproximacin a la poblacin (Validez de respuesta)
b. Juicio de expertos (Validacin por jueces)
c. Revisin del conocimiento disponible (Validez racional)
2. Consistencia interna (Alfa de Cronbach)
Es la capacidad de obtener resultados independientes de las circunstancias
accidentales de la medicin. Se fundamenta en la varianza de la variable medida,
existen varios ndices que miden confiabilidad, entre ellos el Alfa de Cronbach y el
Kuder-Richardson (KR-20). Es afectado por la heterogeneidad de los individuos
evaluados; cuanto ms heterogneo es el grupo, mayor es el coeficiente de
fiabilidad.
3. Validez de constructo (Rotacin de Varimax)
Los procedimientos estadsticos apuntan a establecer probabilsticamente grupos de
tems que debern ser definidos como dimensiones. Estas dimensiones deben ser
conceptualizadas de manera consensuada para otorgarles el carcter de tiles y
cientficamente vlidos, por cuanto no existe una prueba patrn. Si los dominios se
han construido tericamente, la estadstica corrobora la idoneidad de estas
agrupaciones.
4. Criterio (ndice Kappa)
Cuando la variable medida cuenta con un Gold Stndard, entonces se puede
verificar los resultados hallados, mediante un procedimiento. Si el criterio se fija en
el presente, se habla de validez concurrente (los resultados del instrumento se
correlacionan con el criterio en el mismo momento o punto del tiempo). Si el
criterio se fija en el futuro, se habla de validez predicativa. Como la prediccin del
peso al nacer mediante mtodos ecogrficos
5. Estabilidad (ANOVA)
La medicin debe arrojar valores constantes siempre que sean tomadas en
condiciones similares entre una medicin y otra (test-retest). Se trata de ver hasta
que punto un conjunto de medidas son reproducibles en el tiempo, el grado en que
16
las puntuaciones son estables sera el grado de fiabilidad. La estabilidad es una
propiedad de un instrumento, que solo puede ser evaluada si un constructo est
plenamente definido.
6. Rendimiento (Curvas ROC).
Si un instrumento es vlido, debe ser optimizado para conducirnos eficazmente a
una decisin dicotmica (positivo-negativo) as en base a un diagnstico
decidiremos tratar o no al paciente. Se construye una curva en base a los pares
ordenados de sensibilidad y 1-especificidad en distintos puntos de corte del
instrumento. Debemos elegir el puto de corte que nos ofrezca los mayores valores
de sensibilidad y especificidad a travs de las Curvas de ROC.

VALIDACIN DE CONTENIDO
La validez de contenido intenta evaluar la capacidad del instrumento para recoger el
contenido y el alcance del constructo. Podemos dividirlo en tres fases segn el estado
actual del conocimiento.
1. Aproximacin a la poblacin (Validez de respuesta)
Implica la ausencia del conocimiento del concepto que se desea medir; la informacin se
obtiene mediante tcnicas introspectivas de los evaluados.
Se puede utilizar una entrevista con preguntas abiertas donde las unidades de estudio
nos revelarn de manera espontnea las posibles respuestas al instrumento que
pretendemos crear.
Ejemplo: Cul es el uso que le dan los docentes universitarios a las tecnologas de la
informacin en el proceso de enseanza aprendizaje?
2. Juicio de expertos (Validacin por jueces)
Los jueces o expertos deben evaluar, de manera independiente: la relevancia,
coherencia, suficiencia y claridad; con la que estn redactadas los tems o reactivos con
el concepto medido.
El autor debe considerar la pertinencia a la hora de elegir los jueces, siendo que en el
momento actual no se cuenta con bibliografa disponible
Es importante que el autor del instrumento sea considerado el ms experto de todos,
para que pueda hacer una eleccin interdisciplinaria de evaluadores.
3. Revisin del conocimiento disponible (Validez racional)
Este es el momento de la validez en que se asegura la mejor representatividad de los
tems, respecto a la totalidad del campo o rasgo objeto de evaluacin.
El autor del instrumento debe considerar: Objetividad, Alcance, Exactitud, Autoridad,
Cobertura, Vigencia y Relevancia; de la informacin con la que pretende construir un
instrumento.
As los constructos aqu estn mejor definidos porque se dispone de literatura; de
manera que los conceptos a medir ya no son provisionales ni vagos.
No existe un ndice validez de contenido
La validez de contenido est avalado por la forma o procedimiento utilizado para
construir el test y por las personas que lo construyen, por su grado de conocimiento del
rea o rasgo evaluado

17
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 mediana 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.

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 (-)


18
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 (+) Mesocrtica (0) Platicrtica (-)

GRFICAS UNIVARIABLES
1. Para variables categricas
DISCUSIN
Como ejemplo vamos a plantear un estudio de casos y controles sobre cuyos resultados
tenemos que realizar una discusin.
1. DESCRIPCIN
Describir la frecuencia de ocurrencia de la enfermedad en el grupo de estudio y
describir la frecuencia de ocurrencia de la enfermedad en el grupo de control.
Luego identificar numricamente las diferencias entre la frecuencia de la
enfermedad en el grupo de estudio y el grupo control.
2. ANLISIS
Realizar una prueba de hiptesis para la diferencia descrita entre el grupo de
estudio y el grupo control. Calcular el p-valor y mencionar si es significativo o no.
Concluir el anlisis estadstico usando la terminologa adecuada segn su nivel
investigativo. Los resultados obtenidos de esta manera son la base de las
conclusiones del estudio.
3. INTERPRETACIN
Interpretar la relacin demostrada probabilsticamente entre la variable independiente y la variable
dependiente o las diferencias entre el grupo de estudio y el grupo control. Adicionalmente debemos
interpretar las medidas de asociacin.
Las conclusiones del estudio estarn enmarcadas en la interpretacin basada en la estadstica y la
relevancia clnica de los resultados.
4. COMENTARIOS
- Comparacin con los antecedentes investigativos: se trata de evaluar el criterio de consistencia o
coherencia propuesto por Bradford Hill, por haber repetido el estudio o tener estudios similares.
- Planteamiento de Hiptesis: de nuevas teoras que explicaran los hallazgos reportados, se trata de
generar nuevas hiptesis para estudios futuros y as continuar con la lnea de investigacin.
- Comentarios personales: Esta parte la puede realizar nica y exclusivamente el investigador, nadie
mejor a su poblacin que el propio investigador. Estos comentarios apuntan al desarrollo de las
recomendaciones.

19