SESIONES TEÓRICAS ESTADÍSTICA Y MÉTODO TIC: TEMA 3
DE LOS CONCEPTOS A LAS VARIABLES: POBLACIÓN, MUESTRA, PARÁMETROS Y ESTADÍSTICOS. VARIABLES Y ESCALAS DE MEDIDA
CONCEPTOS
Estadística: ciencia cuyo objeto es dar métodos para el tratamiento de los datos provenientes de observaciones (demográficas, económicas, biomédicas o sanitarias...) donde intervienen un gran número de factores de variación.
Bioestadística: aplicación de la estadística en la interpretación de los fenómenos de la vida (biología, salud...) donde la variabilidad supone el carácter esencial. Clasificación:
Bioestadística descriptiva o deductiva: se ocupa del tratamiento, resumen y presentación de los datos observados de una manera gráfica y científica.
Bioestadística inferencial o analítica: su objetivo es “inferir”, o sea, establecer conclusiones sobre una población a partir de los resultados obtenidos de una muestra, todo ello, con un determinado nivel de seguridad o intervalo de confianza.
Investigación cuantitativa y cualitativa: serie ordenada de procedimientos o etapas, regido por principio y reglas, y cuyo objetivo principal es obtener explicaciones válidas de los fenómenos observados. Otorgan: mayor objetividad, mayor capacidad de predicción, mayor control, mayor generalización y combina el razonamiento inductivo, el razonamiento deductivo y la evidencia empírica o práctica.
El razonamiento inductivo consiste en establecer generalizaciones a partir de observaciones particulares.
El razonamiento deductivo, supone realizar predicciones particulares a partir del conocimiento de resultados generales.
La evidencia empírica hace referencia a la realidad objetiva y reunida, ya sea de forma directa o indirecta, a través de los sentidos.
Tipos de investigación biosanitaria:
Investigación cuantitativa: basada en la recogida sistemática de información numérica y en el análisis estadístico. Descansa en el razonamiento deductivo y en las reglas de la lógica y ancla sus raíces en el positivismo lógico.
Investigación cualitativa: subraya los aspectos dinámicos, holísticos e individuales de la experiencia humana y trata de captar cada uno de estos aspectos en su totalidad y dentro del contexto de quienes lo viven. Esta técnica de investigación evita la cuantificación y su método descansa en la recogida de información subjetiva a través de técnicas como las entrevistas no estructuradas, la observación participantes, los registros narrativos...
Bioestadística descriptiva o deductiva: se ocupa del tratamiento, resumen y presentación de los datos observados de una manera gráfica y científica.
Bioestadística inferencial o analítica: su objetivo es “inferir”, o sea, establecer conclusiones sobre una población a partir de los resultados obtenidos de una muestra, todo ello, con un determinado nivel de seguridad o intervalo de confianza.
El razonamiento inductivo consiste en establecer generalizaciones a partir de observaciones particulares.
El razonamiento deductivo, supone realizar predicciones particulares a partir del conocimiento de resultados generales.
La evidencia empírica hace referencia a la realidad objetiva y reunida, ya sea de forma directa o indirecta, a través de los sentidos.
Investigación cuantitativa: basada en la recogida sistemática de información numérica y en el análisis estadístico. Descansa en el razonamiento deductivo y en las reglas de la lógica y ancla sus raíces en el positivismo lógico.
Investigación cualitativa: subraya los aspectos dinámicos, holísticos e individuales de la experiencia humana y trata de captar cada uno de estos aspectos en su totalidad y dentro del contexto de quienes lo viven. Esta técnica de investigación evita la cuantificación y su método descansa en la recogida de información subjetiva a través de técnicas como las entrevistas no estructuradas, la observación participantes, los registros narrativos...
PROCEDIMIENTO MUESTRAL
Un muestreo es un método tal que al escoger un grupo pequeño de una población podamos tener un grado de probabilidad de que ese pequeño grupo posea las características de la población que estamos estudiando. En resumidas cuentas, es el conjunto de técnicas asociadas a la selección de los elementos de una población.
La inferencia es el razonamiento que va de lo concreto a lo general, intentando extraer conclusiones de unos parámetros de una población a partir de la muestra, es decir, nos aproximamos a los parámetros a partir de estimadores.
PARÁMETROS Y ESTADÍSTICOS
Parámetro: es una cantidad numérica calculada sobre una población o universo cuyo tamaño se expresa con N (mayúscula). Pretende resumir toda la información que hay en la población en unos pocos números, los parámetros. Se expresan con letras griegas: σ (desviación típica), π (proporción), μ (media)...
Estadístico: es una cantidad numérica calculada sobre una muestra extraída de la población o universo, cuyo tamaño se expresa con “n” (minúscula). Pretende resumir toda la información que hay en la población en unos pocos números (estimadores). Se expresan con letras latinas en minúsculas: s (desviación típica), p (proporción), x (media)...
POBLACIÓN DE ESTUDIO
Es el conjunto infinito o finito de elementos definidos por una o más característica de las que gozan todos los elementos que la componen y solo ellos, es decir, son el conjunto de elementos cuyas características se van a estudiar. Ej.: estudiantes de enfermería, personas diabéticas....
NIVELES DE POBLACIÓN
- Población diana: Conjunto de individuos que presenta la característica a estudiar.
- Población de estudio: Subconjunto de individuos que cumplen criterios de inclusión.
- Muestra: parte de la población de estudio con la que se trabaja o investiga. Es el subconjunto de la población a la que estudio y de la cual se van a sacar conclusiones. tiene que ser REPRESENTATIVO de la población.
- Participantes: los individuos reales que han participado.
REPRESENTATIVIDAD DE LA POBLACIÓN
- Tamaño: Suficientemente grande para ser representativa y pequeña para facilitar el análisis de los datos.
- Comparable: GI /GC comparables.
TIPOS DE MUESTREO
Muestreo probabilístico: todas las unidades que componen la población tienen una probabilidad de ser elegidas y se puede calcular de antemano.
Muestreo no probabilístico: las unidades que componen la población tienen diferente probabilidad de ser elegidas ya que no solo interviene el azar sino también otras condiciones. No se puede calcular la probabilidad de antemano y no todos los elementos tienen alguna posibilidad de ser incluidos.MUESTREO PROBABILÍSTICO
MUESTREO ALEATORIO
- Simple: selecciona al azar (tabla numero / pc) la n (muestra). Se usa poblaciones pequeñas. El más representativo. DESVENTAJAS: listados todas las unidades, costos por dispersión población y grupos minoritarios no representados.
- Sistemático: seleccionar individuos según una regla o proceso. VENTAJAS: no hace falta tener la lista completa. Fórmula: K= N/n r= 1 y K (N: población candidata / n: muestra).
MUESTREO ESTRATIFICADO
Se utiliza cuando la característica objeto de estudio no se distribuye de forma homogénea en la población, pero existen grupo o estrato donde se sí presenta de manera homogénea. Estos grupos tienen alguna característica en común pero son mutuamente excluyentes. VENTAJA: conocer cómo se comporta una variable en cada subgrupo de la población con precisión. DESVENTAJA: necesita más información y un listado de cada individuo de la población.
MUESTREO CONGLOMERADOS
Se obtiene de grupos o conglomerados ya establecidos cuando no hay listado de la población. Se obtienen de poblaciones muy dispersas o no hay listado completo individuos pero sí de los grupos (unidades de un hospital). DESVENTAJA: no se conoce de antemano el tamaño de la muestra que se va a obtener ya que el tamaño depende de los grupos seleccionados. Necesita un mayor tamaño de la muestra para ser preciso.
MUESTREO NO PROBABILÍSTICO
MUESTREO CONSECUTIVO
El más utilizado. Si se hace bien puede ser la representatividad de la muestra puede ser semejante al del muestreo probabilístico. Se recluta a todos los individuos de una población que son accesibles y que cumplen los criterios de inclusión durante un periodo de reclutamiento fijado. DESVENTAJAS: no se puede hacer de forma enteramente consecutiva sino que haya interrupciones. Período de reclutamiento corto o que haya fluctuaciones.
MUESTREO DE CONVENIENCIA
Se recluta a los individuos que son más accesibles para el equipo investigador o que se presentan voluntariamente. Se usa con frecuencia al ser el menos costoso y más fácil. DESVENTAJAS: Poco sólida ya que requiere de una gran homogeneidad de la variable estudiada en la población. Genera sesgos importantes.
MUESTREO INTENCIONAL
El propio investigador es quien selecciona a los individuos al considerarlos los más apropiados. Se usa cuando se quiere contar con una muestra de expertos o en estudios cualitativos. DESVENTAJAS: Este método puede no contar con un método externo y objetivo para valorar la idoneidad de los sujetos.
MUESTREO BOLA DE NIEVE
El propio investigador elige a un participante que cumpla los criterios de inclusión y al mismo tiempo se le pide que identifique a otros individuos con sus mismas características para invitarles a participar y así sucesivamente hasta que se tenga recogida la muestra. Muy utilizada en estudios cualitativos. VENTAJA: se puede acceder a parte la población con difícil acceso o difíciles de identificar (poblaciones marginadas como sectas). DESVENTAJAS: La muestra puede ser reducida debido a la reducida red de contactos. Calidad de los participantes condicionada por la invitación de otros a confiar en el investigador.
MUESTREO TEÓRICO
La selección de la muestra se hace de forma gradual debido a que el propósito del estudio es la generación de una teoría o porque la integración de la muestra se va diciendo sobre la marcha. Los participantes deben cubrir todas las características, perfiles y patrones que puedan influir de el fenómeno estudiado. VENTAJA: se puede acceder a parte la población con difícil acceso o difíciles de identificar (poblaciones marginadas como sectas). DESVENTAJAS: La muestra puede ser reducida debido a la reducida red de contactos. Calidad de los participantes condicionada por la invitación de otros a confiar en el investigador.
CÁLCULO DEL TAMAÑO MUESTRAL
Consiste en determinar el número aproximado de sujetos que es necesarios incluir en la muestra para que esta sea representativa. Si no hacemos un cálculo correcto, ¿qué ocurre?:
Que nos falten sujetos de estudio. Nos faltaría precisión en estimar los parámetros de estudio y no seríamos encontraríamos diferencias significativas cuando sí las hay. Error tipo II.
Que estudiemos a más sujetos de los necesarios. Gasto de tiempo y recursos. Saturación de la muestra y no garantiza representatividad si no se ha hecho un muestreo probabilístico.
El tamaño de la muestra depende de:
Variabilidad el parámetro que se quiere estudiar o medir: + frec = muestra pequeña.
La precisión con la que queremos dar los datos: + precisión menor intervalo de confianza. Error estándar.
Nivel de confianza o significación estadística: en ciencias de la salud = 95%.
Poder estadístico o potencia estudio: capacidad de un estudio de encontrar diferencias si las hay.
Efecto esperado: dependerá del efecto de la intervención que se lleva a cabo en los ensayos clínicos. Nos basamos en bibliografía previa. A mayor efecto esperado menor muestra necesaria.
MEDICIONES DIRECTAS
Son las realizadas a elementos concretos como: altura. temperatura, ritmo cardíaco, peso, respiración o glucemia.
Las enfermeras también tienen experiencia en recoger medidas directas de variables atributivas o demográficas como: edad. género, origen étnico, estado civil, nivel de ingresos o nivel educativo.
MEDICIONES INDIRECTAS
En investigación enfermera, muy a menudo la característica que el investigador tiene que medir es una idea abstracta o subjetiva como: estrés, cuidado, ansiedad, dolor, afrontamiento. Los indicadores de afrontamiento son:
• Frecuencia o exactitud de la identificación del problema.
• Tiempo o eficacia en la resolución del problema.
• El nivel de optimismo.
• Los tipos de comportamiento de auto-actualización.
Raramente una estrategia de medición puede medir todos los aspectos de un concepto abstracto. (ej: ansiedad-miedo).
ESCALAS DE MEDICIÓN DE VARIABLES
Escalas nominales o clasificatorias: nivel más bajo de medición, los datos se ajustan por categorías que no mantienen una relación de orden entre sí. En una característica o variable sólo se puede comprobar si son iguales o diferentes. Los números se utilizan como meros nombres, podrían ser sustituidos por símbolos o letras, además, estos números no gozan de ninguna de las propiedades aritméticas. Las categorías deben ser exhaustivas y mutuamente excluyentes.
Escalas ordinales o de rango: aporta información referente a la equivalencia y existe un cierto orden o jerarquía entre las categorías (grados de disnea, grado de hipertensión arterial, estadiaje de un tumor… ). Nos ayuda a establecer un orden de jerarquía (4 > 3 > 2>1), por lo tanto, los números se representan en relaciones de: igualdad, desigualdad y orden. No podemos establecer la cantidad de mejoría diferencial que un nivel, categoría o número representa en relación a cualquier otro y carecemos de suficiente información para determinar, por ejemplo, si entre los niveles 3 y 4 existe el mismo grado de mejoría que entre el 3 y 2 ó 2 y 1, ni se puede afirmar que la categoría 4 sea el doble que 2, por lo tanto, solo podemos establecer un orden, una jerarquía.
Escala de intervalo: los datos tienen que ser numéricos y poseen las propiedades de la escala ordinal. Los intervalos entre observaciones se expresan en términos de una unidad de medición fija (temperatura). Presenta características de identidad y orden y el requerimiento de que las distancias o intervalos iguales representa distancias equivalentes.
Escala de proporción o racional: Supone el nivel más alto de medición. Se utiliza cuando una escala tiene todas las características de una escala de intervalo, y además tiene un punto cero real en su origen. Tiene características de igualdad, desigualdad e identidad; de orden y de distancias equivalentes entre intervalos. Todas estas características constituyen una ventaja por el hecho de poseer el 0 absoluto, ya que representa la nulidad o ausencia de lo que se estudia.
Escalas nominales o clasificatorias: nivel más bajo de medición, los datos se ajustan por categorías que no mantienen una relación de orden entre sí. En una característica o variable sólo se puede comprobar si son iguales o diferentes. Los números se utilizan como meros nombres, podrían ser sustituidos por símbolos o letras, además, estos números no gozan de ninguna de las propiedades aritméticas. Las categorías deben ser exhaustivas y mutuamente excluyentes.
Escalas ordinales o de rango: aporta información referente a la equivalencia y existe un cierto orden o jerarquía entre las categorías (grados de disnea, grado de hipertensión arterial, estadiaje de un tumor… ). Nos ayuda a establecer un orden de jerarquía (4 > 3 > 2>1), por lo tanto, los números se representan en relaciones de: igualdad, desigualdad y orden. No podemos establecer la cantidad de mejoría diferencial que un nivel, categoría o número representa en relación a cualquier otro y carecemos de suficiente información para determinar, por ejemplo, si entre los niveles 3 y 4 existe el mismo grado de mejoría que entre el 3 y 2 ó 2 y 1, ni se puede afirmar que la categoría 4 sea el doble que 2, por lo tanto, solo podemos establecer un orden, una jerarquía.
Escala de intervalo: los datos tienen que ser numéricos y poseen las propiedades de la escala ordinal. Los intervalos entre observaciones se expresan en términos de una unidad de medición fija (temperatura). Presenta características de identidad y orden y el requerimiento de que las distancias o intervalos iguales representa distancias equivalentes.
Escala de proporción o racional: Supone el nivel más alto de medición. Se utiliza cuando una escala tiene todas las características de una escala de intervalo, y además tiene un punto cero real en su origen. Tiene características de igualdad, desigualdad e identidad; de orden y de distancias equivalentes entre intervalos. Todas estas características constituyen una ventaja por el hecho de poseer el 0 absoluto, ya que representa la nulidad o ausencia de lo que se estudia.
VARIABLE
Es una característica que puede ser medida en la muestra o población y que puede variar de un sujeto a otro, o bien, de un evento a otro.
Datos: cada uno de los valores que puede tomar la variable.
TIPOS
- Variables Cuantitativas: Pueden tomar un valor numérico. Ej. Talla, nivel de colesterol, número de hijos, peso… A su vez, se diferencian:
Discretas: Sólo pueden tomar un número finito de valores dentro de un intervalo y se pueden asimilar a los números enteros. SE PUEDEN CONTAR. Ejemplos: el número de hijos.
Continuas: Aquellas que pueden tomar infinitos valores dentro de intervalo, incluyendo decimales. Es un número incontable que permite decimales. Ejemplos: Peso, talla, glucemia basal...
- Variables Cualitativas: También llamadas atributos, factores, variables categóricas, variables nominales… Toman valores no numéricos y por tanto, no son susceptibles de cuantificarse (no se pueden contar). Sirven para medir características o cualidades. Ejemplos: estado civil, nivel de estudios, color de ojos, factor Rh… A su vez, se diferencian:
Dicotómica o binaria: sólo puede tomar dos valores opuestos y además excluyentes. Ejemplos: hombre/mujer, presente/ausente, enfermo/sano…
Policotómica: puede tomar más de dos valores o atributos. Pueden ser ordinales o nominales. Las cuali policotómicas ordinales presentan valores NO numéricos con un orden, por ejemplo, nivel de estudios (sin estudios, primarios, secundarios, universitarios) o el podio en una competición. Las cuali policotómicas nominales presentan valores NO numéricos sin orden, por ejemplo, estado civil o los servicios de ingreso hospitalario.
Discretas: Sólo pueden tomar un número finito de valores dentro de un intervalo y se pueden asimilar a los números enteros. SE PUEDEN CONTAR. Ejemplos: el número de hijos.
Continuas: Aquellas que pueden tomar infinitos valores dentro de intervalo, incluyendo decimales. Es un número incontable que permite decimales. Ejemplos: Peso, talla, glucemia basal...
Dicotómica o binaria: sólo puede tomar dos valores opuestos y además excluyentes. Ejemplos: hombre/mujer, presente/ausente, enfermo/sano…
Policotómica: puede tomar más de dos valores o atributos. Pueden ser ordinales o nominales. Las cuali policotómicas ordinales presentan valores NO numéricos con un orden, por ejemplo, nivel de estudios (sin estudios, primarios, secundarios, universitarios) o el podio en una competición. Las cuali policotómicas nominales presentan valores NO numéricos sin orden, por ejemplo, estado civil o los servicios de ingreso hospitalario.
OPERATIVIZACIÓN DE LAS VARIABLES
Es el proceso que transforma una variable subjetiva o abstracta en otras variables indirectas que tengan el mismo significado y que sean susceptibles de medición. Las variables principales se descomponen en otras más específicas llamadas dimensiones, y a su vez, es necesario traducir las dimensiones en indicadores que permitan la observación directa.
Para finalizar esta entrada me gustaría recomendar el álbum Un día en el mundo de Vetusta Morla.
Comentarios
Publicar un comentario