SEMINARIO 3

En esta entrada dejaré ejemplos prácticos de lo publicado hasta ahora de la parte estadística. Este seminario nos sirvió para afianzar nuestros conocimientos sobre la materia y fue un apoyo a lo que ya habíamos visto en clase, por ello pienso que para no volver a explicar la misma información, una buena forma de valorar lo aprendido es con ejemplos.

En este seminario, también vimos como usar el programa Epi Info, necesario para realizar el estudio de nuestro proyecto de investigación. Muy pronto os contaré en que se basa nuestro proyecto de investigación y en la siguiente entrada os dejaré unos vídeos sobre como usar Epi Info

Ejemplo 1. Realizar una tabla de frecuencia.

Xn (peso más alto) = 6.1 kg / X1 (peso más bajo) = 3.3 kg

La manera de realizar este ejemplo es:

Primero calculamos el recorrido (Diferencia entre el valor más alto y el valor más bajo).     

Re = x_n –x₁= 6.1 – 3.3 = 2.8

Para calcular el intervalo: si no se nos dice nada sobre en número de intervalos, se obtiene calculando la raíz cuadrada del número de datos observados.

La raíz cuadrada de 40 = 6.32. Por lo tanto tomaremos 6 intervalos, es decir, 6 serán el número de filas que tendrá nuestra tabla.

Por último, el recorrido es 2.8 y si lo dividimos por el número de intervalos tendremos la amplitud de cada uno de ellos.

2.8 / 6 = 0.46 (Amplitud)

-

Una vez con nuestra tabla realizada, podemos representar los datos obtenidos en los diferentes tipos de gráficas (Explicación de cómo hacerlo en el vídeo de la entrada referida al tema 7)

Ejemplo 2.  Unas enfermeras han registrado las edades de nueve niños vacunados durante una sesión, obteniendo los siguientes datos:

3, 2, 4, 2, 1, 3, 5, 3, y 4 meses

Calcular:

Ejemplo 3. En un centro de salud se pretende realizar un estudio sobre las cifras de tensión arterial diastólica en un grupo de 30 pacientes que acuden a consulta de enfermería en los programa de atención al paciente diabético. Los enfermeros del programa midieron la TAD de estos 30 pacientes, obteniendo las siguientes cifras (datos en mm de Hg)

Ejemplo 4. En un estudio sobre cuidadores principales en familias con personas dependientes, se miden las edades de los cuidadores principales, obteniéndose la siguiente gráfica:

MEDIDAS DE TENDENCIA CENTRAL, POSICIÓN Y DISPERSIÓN (TEMA 8)

Buenos días a todos! En esta entrada vamos a dar un paso más en el campo de la estadística. Hablaremos de las medidas de tendencia central, posición y dispersión.

Lo primero que quiero mostraros es cómo hacer un resumen numérico de un serie estadística: se trata de otra alternativa a la hora de agrupar los datos estadísticos, además de las tablas y gráficos. Debemos tener en cuenta que solo se aplican a variables cuantitativas continuas (edad, peso, talla..)

Existen tres medidas estadísticas:

• Medidas de posición: nos muestran la magnitud, tamaño o posición de los datos observados (estos están ordenados de menor a mayor).
• Medidas de tendencia central: muestran el comportamiento central de los sujetos de estudio.
• Medidas de dispersión o variabilidad: muestran la heterogeneidad que puedan compartir los sujetos, es decir, sus diferencias.

MEDIDAS DE TENDENCIA CENTRAL:

Media aritmética: se calcula para variables cuantitativas y se trata del centro de gravedad de nuestros datos. Su fórmula es:

Es la suma de todos los valores de la variable observada entre el total de observaciones.

Cuando los datos están agrupados (dos intervalos), para calcular la media utilizamos como valor de referencia de cada intervalo su marca de clase: se calcula una media aritmética ponderada que se calcula sumando la marca de clase por la frecuencia absoluta, entre n.

Recordemos como se calcula la marca de clase:

x= Ʃm_c (marca de clase) x fi (frecuencia absoluta) /n (multiplicamos la marca de clase por la frecuencia absoluta y vamos sumando, luego dividimos entre el número de sujetos)

Mediana: es el valor de la observación en el que un 50% de los datos es menor y el otro 50% es mayor.

• Si el número de observaciones es impar: n +1/2 Ejemplo: si son 75, pues 76 entre 2 = 38, la mediana seria la edad que tiene el sujeto 38.
• Si el número de observaciones es par: n/2  

Recordemos que n = Número de Observaciones de nuestro estudio.

Moda: es el valor con mayor frecuencia, es decir, el que más veces se repite.

• Existen dos valores que más se repiten: moda Bimodal.
• Existen más de dos valores que más se repiten: moda Multimodal.

MEDIDAS DE POSICIÓN o CUANTILES:

Se calculan para variables cuantitativas, se tiene en cuenta la posición de los valores en la muestra.

• Percentiles: dividen la muestra ordenada en 100 partes. El valor del P₅₀ corresponde al valor de la mediana.
• Deciles: dividen la muestra ordenada en 10 partes. El valor del D₅ corresponde al valor de la mediana y, por tanto, al del P₅₀.
• Cuartil: dividen la muestra ordenada en 4 partes. El Q₄, cuarto cuartil indica el valor mayor que se alcanza en la serie numérica.

    MEDIDAS DE DISPERSIÓN:

      

    Rango o recorrido: diferencia entre el mayor y el menor valor de la muestra  lX_n-X₁l (valor absoluto).

     Desviación media: media aritmética de las distancias de cada observación con respecto a la media.

Desviación típica o estándar: nos indica el error que cometemos si representamos una muestra guiándonos solo por su media.

Varianza: expresa la misma información, pero en valores al cuadrado.

DISTRIBUCIONES NORMALES

Se llama distribución normal a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales.

La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de los valores posición central (media, mediana y moda, que coinciden en estas distribuciones).

Esta curva se conoce como campana de Gauss

ASIMETRIAS Y CURTOSIS

La asimetria es el lado opuesto de nuestras medidas estadísticas.

• Coeficiente de asimetría de una variable: grado de asimetría de la distribución de sus datos en torno a su media. Si es más asimétrica indica que los valores son más diferentes entre sí.

Los resultados pueden ser:

• g1=0 (distribución simétrica; existe la misma concentración de valores a la derecha y a la izquierda de la media).
• g1>0 (distribución asimétrica positiva; existe mayor concentración de valores  a la derecha de la media que a su izquierda).
• g1<0 (distribución asimétrica negativa; existe mayor concentración de valores a la izquierda de la media que a su derecha).

Curtosis o apuntamiento de la curva: sirve para medir el grado de concentración de los valores que toma en torno a su media. Mientras más datos se acumulen, más apuntada será la curva.

Los resultados pueden ser:

• g2=0 (distribución mesocúrtica o normal). Presenta un grado de concentración medio alrededor de los valores centrales de la variable (el mismo que presenta una distribución normal).
•  g2>0 (distribución leptocúrtica). Presenta un elevado grado de concentración alrededor de los valores centrales de la variable.
• g2<0 (distribución platicúrtica). Presenta un reducido grado de concentración alrededor de los valores centrales de la variable.

Por último, os dejo un ejemplo sobre la tipificación de los valores y su relación con la campana de Gauss:

Espero que os sirva de ayuda!!

INTRODUCCIÓN A LA ESTADÍSTICA (TEMA 7) 

La estadística es  la ciencia que estudia la variabilidad, la medición de signos y síntomas.

Por ejemplo:

• La presencia de dolor se puede medir como "si" o "no".
• La glucemia basal se pude medir por mg de glucosa por dl de sangre, con valores que pueden ir de 0 a 1000 mg/dl

Por lo tanto, estos datos muestran variables diferentes y aquí es donde interviene la estadística para estudiar las posibles relaciones existentes entre ambos factores.

Escalas de medida:

Tipos de variables:

• CUALITATIVAS: se refieren a propiedades que no pueden ser medidas.

• CUANTITATIVAS: son las que se pueden medir en términos numéricos. Son las que se utilizan en escalas de intervalo y de razón.

Discretas: solo pueden tomar un número finito de valores. Son números enteros.

Continuas: las que pueden valer para cualquier número dentro de un rango.

Ejemplo de construcción de una tabla de frecuencias y gráficas estadísticas:

EJEMPLOS

Os dejos dos ejemplos que he realizado, el primero mide el riesgo relativo y el segundo la estimación de la magnitud de asociación (en un estudio de casos y controles).

Espero que os sirva de ayuda!!

LA ETAPA EMPÍRICA DE LA INVESTIGACIÓN (DISEÑO, MATERIAL Y MÉTODOS, TEMA 6)

Material y Métodos:

PLANIFICACIÓN.

Población de estudio: selección de sujetos en búsqueda de la validez interna y externa, debemos evitar sesgos de selección. Puede resultar un proceso algo complejo ya que tenemos que elegir a personas que sean relevantes para nuestro estudio.

Muestreo: lo aplicamos cuando no es posible incorporar toda la población de estudio. Consideraremos: el tamaño de la muestra (con una inferencia de error menor del 5%) y la representatividad (muestreos sistemáticos, simples, estratificados...)

Recogida de datos:

• Observación directa.
• Fuentes documentales.
• Entrevistas, cuestionarios, formularios...

Variables: búsqueda de las relaciones de asociación (variables dependientes e independientes).

Registro y procesamiento:

• Agrupación de datos.
• Distribuciones de frecuencia.
• Tablas cruzadas, tabulaciones...
• Bases de datos y hojas de cálculo.

EJECUCIÓN.

Recogida de datos: es aconsejable revisar los antecedentes previos, evitando sesgos de información.

Análisis: 

• Revisión de la información obtenida.
• Aplicación técnica de la estadística.
• Comparación de los grupos de estudio.
• Estimas la magnitud de asociación.
• Definir la validez de nuestro estudio.

Se recomienda tener en cuenta las posibles variables que nos pueden llevar a error, así como los errores que se puedan presentar.

Asignación del diseño en función de la pregunta de nuestra investigación:

¿Qué queremos medir?

La medida de prevalencia describe que proporción de la población presenta el factor que estamos estudiando en un punto específico en el tiempo.

La incidencia mide lo que está ocurriendo durante el transcurso del tiempo.

• La incidencia acumulada (IA) estudia el riesgo de que se produzca el suceso:

• La tasa de incidencia (TI) estudia la velocidad de aparición de nuevos casos con respecto al tamaño de la población:

A continuación, las medidas de asociación son las siguientes:

Una vez tengamos estos datos podemos calcular el riesgo relativo, calculándolo a partir de la siguiente forma:

Otra forma a través de la cual podemos calcular el riesgo relativo, es decir, la magnitud de asociación es la siguiente:

Si el resultado es igual a 1 nos indica que la incidencia en expuestos y no expuesto es la misma, y aceptamos la hipótesis nula.

• Si el resultado es menor a 1 aceptamos nuestra hipótesis nula.
• Si el resultado es mayor a 1 rechazamos nuestra hipótesis nula.

La estimación de la magnitud de asociación la ejecutaremos cuando comparamos dos grupos, en los cuales uno presenta una variable dependiente y el otro no la presenta. En estos estudios no hay ni incidencia ni prevalencia porque indagamos en el pasado de nuestros sujetos de estudio.

• Si el resultado es igual a O corresponde con la hipótesis nula.
• Si es superior a 1, los casos tienen más riesgo de exposición al factor de la hipótesis alternativa 1.
• Si es inferior a 1, los resultados tiene más riesgo de exposición al factos de la hipótesis alternativa 2.

#EnfermeríaHaceMás

Los alumnos de primer curso del centro Cruz Roja de Sevilla queremos resaltar la gran labor que realizan los enfermeros día a día, al igual que las múltiples tareas que llevan a cabo. Así, romper con los estereotipos acerca de esta profesión.

Esperamos que os guste y difundáis esta idea!! 

TIPOS DE ESTUDIOS Y NIVELES DE EVIDENCIA (TEMA 5)

El tipo de estudio que realizamos debe estar relacionado con el tipo de información que esperamos obtener, así como el nivel de análisis que deberá realizar. También tendremos en cuenta los objetivos e hipótesis planteados con anterioridad.

• Estudios descriptivos:

Son estudios observacionales ya que el investigador solo visualiza como se comporta una variable, no experimenta nada. En este tipo de estudio el investigador se limita a observar y describir a un grupo de población o fenómeno determinado.

En este estudio no se plantean hipótesis, es sencillo y su objetivo es medir el comportamiento de una o varias variables en un tiempo determinado.

• Analítico:

Hablamos de estudios de cohortes (estudios de grupos que poseen algo en común) o de seguimiento. Son estudios en los que se analizan relaciones entre dos fenómenos, planteando hipótesis.

En el estudio de cohorte el seguimiento del grupo puede ser:

1. Prospectivo: tenemos una hipótesis con una variable independiente y otra dependiente, con un grupo de estudio actual, realizamos un seguimiento de este grupo durante un tiempo.
2. Retrospectivo: se basa en realizar el proceso contrario, es decir, llevar un seguimiento de sus antecedentes para ver como estos afectan sobre el problema que estamos estudiando.

• Experimentales:

Partimos de las variables independientes a las dependientes, pero la variable independiente la introduce el investigador. Por ejemplo: en un grupo de personas que no fuman, el investigados decide que deben empezar a fumar.

Este tipo de estudio requiere autorización y además plantea muchos problemas éticos. Sin embargo, estos estudios son los más acertados porque el investigador está controlando las condiciones de la forma que él quiere.

http://prezi.com/wdcg0cbgfenv/?utm_campaign=share&utm_medium=copy&rc=ex0share 

Mediante este enlace podéis acceder a una presentación pública sobre los Niveles de Evidencia y los distintos Grados de Recomendación. La presentación expone de forma resumida y clara cada uno de estos conceptos. Espero que os sirva de ayuda.

En resumen, este tema me ha servido para identificar las diferentes variables e hipótesis que puedo usar en mis proyectos de investigación, la elaboración de un buen marco teórico y el conocimiento sobre los diferentes estudios y niveles de evidencia y recomendación que existen, para enriquecer aún más mis hallazgos.