Resumen Temas 14 al 17: Visión general de las TICs. TICs y salud. Cuidados 2.0.

Las Tecnologías de la Información y la Comunicación (TICs) han pasado a formar parte de la vida de las personas. Cada vez se usan mas y se incorporan a diferentes ámbitos del día a día (trabajo, entretenimiento, investigación...). Su uso puede ser adecuado, aunque también inadecuado.

• Tecnología de la Comunicación: radio, televisión y teléfono.
• Tecnología de la Información: caracterizada por la digitalización de la tecnología: informática y telemática.

Las TICs nos permiten crear, transformar, almacenar, gestionar, recuperar y difundir información de forma rápida, así como comunicarnos casi instantáneamente.

Ventajas del uso de las TICs sobre la sociedad:

• Desarrollo económico y social.
• Nuevos empleos.
• Nuevos modos de atención de salud.
• Avance de las ciencias.
• Oportunidades comerciales.

Entre otros.

Mediante los siguientes aspectos, las TICs elevan la calidad de asistencia sanitaria:

• Mejorar los procesos asistenciales.
• Los ciudadanos tienen mejor acceso a los servicios, sin que el espacio o el tiempo sean un problema.
• Agiliza los procesos burocráticos.
• Facilita la colaboración de los profesionales entre ellos y con los pacientes.
• Proporciona el máximo de información de ciudadanía para las distintas redes.

1. Áreas de las TICs.

- 1999: La UE establece e-Europe para hacer llegar a los ciudadanos los beneficios de la sociedad del conocimiento.

- 2000: La UE estableció 11 áreas de las TICs entre las que se encuentran la e-Salud, y dentro de esa área, 5 eran áreas de las TICs sanitarias que garantizaban la cobertura y el desaceleramiento del gasto sanitario:

• La historia clínica electrónica (HCE).
• Receta electrónica
• Movilidad
• Telemedicina
• Picture Archiving Communication System (PACS).

2. e-salud.

“La ciber-salud es el apoyo que la utilización costo-eficaz y segura de las tecnologías de la información y las comunicaciones, ofrece a la salud y a los ámbitos relacionados con ella, con inclusión de los servicios de atención de salud, la vigilancia y la documentación sanitarias, así como la educación, los conocimientos y las investigaciones en materia de salud”- OMS, documento de Estrategia y Plan de Acción sobre e-salud, 2011.

Conceptos importantes:

• Historia Clínica Electrónica (HCE): Para identificar pacientes a través de la tarjeta sanitaria en cualquier centro de salud.
• Receta electrónica: Se prescribe en la tarjeta sanitaria para que la compra se pueda realizar directamente en la farmacia.
• Movilidad: seguimientos a pacientes crónicos mediante Internet y sin necesidad de desplazamientos.
• Telemedicina: Administración de servicios a distancia sin necesidad de desplazamientos. "Tele-Health".
• Picture Archiving Communication System (PACs): almacenaje de todos los resultados de prueba.

Algunos conceptos nuevos:

• E-Health: Provisión de cuidados de salud mediante tecnologías de la comunicación e Información.
• M-Health: E-Health a través del móvil.
• S-Health: A través de smartphones.
• U-Health: A través de cualquier tecnología, en cualquier momento: conjunto de móvil con otros instrumentos como dispositivos, sensores, etc.

3. El uso de la "Salud móvil"

Alrededor del 93% de la población ha usado algún dispositivo móvil para acceder a Internet fuera de la vivienda. Muchos accedieron mediante móvil (la mayoría), el ordenador portátil y la tablet.

Las actividades que más se siguen son la búsqueda de información de bienes, revisión de correo electrónico y visualización de vídeos.

Por otra parte, las apps (aplicaciones móviles) también han adquirido una importante relevancia en los últimos tiempos. Pueden usarse en diferentes dispositivos electrónicos, y existen algunas destinadas a la salud (ejercicio, ciclo menstrual, seguimiento de ciertas enfermedades, etc.). 

Gracias a esto,  hemos conseguido transformar la asistencia sanitaria, facilitando a los pacientes el control de sus enfermedades o seguimientos, permitiendo una mayor implicación por parte del paciente, mejorando gestiones de enfermedades crónicas, proporcionando retroalimentaciones individualizadas y mejorando la relación entre los profesionales sanitarios y los pacientes.

4. Conceptos de red de información sanitaria.

Es la red de información del ámbito sanitario y sus organizaciones que gestiona ese ámbito sanitario, por ejemplo, la sanidad pública (SAS y consejería de salud).

Está formada por:

• Infraestructuras de comunicación: fibra óptica, circuito, sistema de transmisión, etc..
• Hardware: ordenadores, routers, etc.
• Software: Gestión de bases de datos, análisis de imágenes, etc.
• Datos: nómina, financieros, historia clínica de pacientes, etc.
• Seguridad: autentificación, seguridad de red, etc.
• Aplicaciones: correo electrónico, enlace de red, citaciones, etc.
• Interfaz y usuario:.
• Intranet: comunicación entre todos los ámbitos, radiología con urgencias, etc.
• Extranet: red externa comunicante entre todos los servicios del centro sanitario.

5.Aplicación de las tecnologías de los centros asistenciales.

Aumenta la calidad, comodidad y flexibilidad para prestar asistencia y facilitar la comunicación. Conexión entre nivel asistencial primario, especializado y domiciliario.

Estas tres aplicaciones están mejorando la gestión de los pacientes:

• Tarjeta sanitaria electrónica.
• Historia clínica electrónica.
• Hospital digital, gracias al sistema informático DIRAYA.

6. Aplicación de las TICs en la gestión de emergencias.

• Se favorece la rapidez de actuación.
• Fácil accesibilidad a información actualizada.
• Rápida información detallada de los sucesos.
• De camino al hospital se obtienen todos los datos necesarios.

7. Aplicación de las TICs en la promoción de la salud y prevención de enfermedades.

• Herramientas 2.0: imprescindibles en la diseminación de conocimientos sobre salud. Se usa en programas de salud y EpS.
• Blogs, vídeos y diferentes páginas informativas sobre enfermedades, recomendaciones de salud, apoyo psicosocial, etc.

A continuación, se facilita un vídeo bastante corto sobre la importancia de las TICs en el ámbito de la salud.

Resumen Tema 13: Pruebas paramétricas más utilizadas en enfermería. La prueba T-Student para datos apareados. Anova.

 

1. Análisis bivariado. Variable cualitativa y cuantitativa.

Muy útil para saber visualizar si diferentes factores de un tipo de variable cualitativa presentan valores medios.

2. Comparación de medias: casos.

• Media de una variable respecto a un valor de interés. Ej.: Es diferente el valor medio de colesterol de un grupo de sujetos 299 mg/dl.
• Media de dos muestras apareadas o dependientes: los valores que adquieren están relacionados. Ej.: ¿Es diferente la agregación plaquetaria de un grupo de individuos antes y después de tomar un nuevo antiagregante?
• Media de dos muestras desapareadas o independientes: Los valores que adquieren no están relacionados entre sí.  Ej.: ¿Es diferente el peso medio de chicos y chicas de esta clase?

3. Test a aplicar.

Dependiendo de ante cuántas o de qué tipo de muestras nos encontremos:

• Paramétricos
• T de Student (una o dos muestras).
• ANOVA (más de dos muestras).
• No paramétricos
• Prueba U de Mann-Whitney (muestras independientes).
• Test de Wilconxon (muestras apareadas).
• Test Kruskal-Wallis (más de dos muestras).

4. Test de Student como test paramétrico.

• Criterios de parametricidad:
• Normalidad.
• Igualdad de varianzas: Test Levene.
• N muestral > 30.

A continuación se facilita un vídeo en el que se expone un caso en el que se usaría el método T Student y su resolución:

5. ANOVA: Analysis Of Variation.

Situación básica de ANOVA.

• 2 dos variables: una categórica y una cuantitativa.
• ¿Las variables cuantitativas dependen de en qué grupo (dado por la variable categórica) está el individuo?
• Si la variable categórica tiene dos valores: 2-sample t-test.
• ANOVA permite para 3 o más grupos. 

Investigación informal.

• Investigación gráfica
• Cajas de lado a lado.
• Múltiples histogramas
• Para que las diferencias entre los grupos sean significantes dependen de:
• Las diferencias en el significado
• Las desviaciones estándares en cada grupo
• Los tamaños de muestra.

ANOVA determina el valor de P del F estadístico.

Diagramas de cajas lado a lado.

El siguiente vídeo muestra algunos ejemplos sobre cómo se realiza un diagrama de cajas.

¿Qué hace ANOVA?

• H0: Significado de todos los grupos =.
• Ha: No todos los significados son =.

Suposiciones de ANOVA.

Cada grupo es aproximadamente normal.

Las desviaciones estándares de cada grupo son aproximadamente iguales. Regla de oro: la relación de

mayor a menor, la desviación estándar de la muestra debe ser inferior a 2:1.

6. Pruebas de normalidad.

Se usa Kolmogorov (n>50) o Shapiro (n<50). Para ello:

7. Comprobación de la desviación estándar.

Se debe comparar que la desviación estándar mayor y menor cumplan la regla de oro de la que hablábamos antes.

8. Notaciones para ANOVA.

• n: Número de individuos todos juntos.
• i: número de grupos.
• Media aritmética: significado para todo el conjunto de datos.

El grupo i tiene:

• ni = # of individuals in group i
• xij = value for individual j in group i
• I : significado para el grupo i.
• si = standard deviation for group i.

9. Cómo funciona ANOVA (fuera de línea).

Mide dos fuentes de variación en los datos y compara sus medidas relativas. Miramos la variación entre grupos y dentro de los grupos.

10. ¿Cómo están estas computaciones hechas?

Este vídeo explica cómo funciona ANOVA y muestra una representación:

11. ¿Cómo de grande es F?

F = (variación entre los grupos)/(variación dentro de los grupos). A mayor F, mayor diferencia entre los grupos. 

Para obtener el valor P, comparamos con F:

• 1-1: grados de libertad en el numerador.
• n-1: grados de libertad en el denominador.

Resumen Tema 12: Concordancia y correlación

1. Relaciones entre variables y regresión

La ley de regresión universal explica los rasgos de una variable a partir de otra de la cual deriva. Por ejemplo, el estudio realizado por Pearson estudió la altura de las diferentes generaciones, concretando que aunque ciertas características de los hijos (en este caso la altura) se comparten y se parecen, suele ser en menor medida, y al final los resultados tienden a volver a la media. De padres muy altos, por tanto, seguramente tendríamos hijos altos, aunque no tanto.

2. Estudio conjunto de dos variables

• Filas: datos de los individuos.
• Columnas: Valores de una variable.

Los individuos no hace falta que estén ordenados. Podemos representar esto mediante diagramas, como el de dispersión. 

La recta, cuya ecuación es y=ax+b, indica la media, mientras más cercanos a la media estén los puntos, mayor relación existirá, y al contrario si están más separados, como en este caso:

Relación directa e inversa

A continuación se muestra un vídeo explicativo sobre cómo representar e interpretar los diagramas de dispersión.

3. Regresión lineal simple: correlación y determinación

En este caso estudiamos la asociación lineal entre dos variables cuantitativas.

La ecuación de la recta, como dijimos antes, es y=ax+b, indicando "a" la pendiente (más negativo=más decreciente y viceversa), y siendo "b" el punto de corte con el eje de coordenadas. 

Gracias a la pendiente sabemos cómo varía un variable en función de otra y gracias al punto de intersección con el eje de coordenadas sabemos el valor de la variable dependiente cuando la otra variable de la que depende es 0.

Este método es probabilístico. Existen dos coeficientes de correlación: Pearson (paramétrica) y Spearman (no paramétrica). Nos centraremos en Pearson.

4. Análisis de correlación

Estos vídeos ayudarán a analizar y comprender una correlación. En el primero se explica de dónde viene la fórmula del coeficiente de correlación de Pearson y en el segundo se mostrará un ejercicio como ejemplo.

Ver 1º:

Ver 2º:

Coeficiente de correlación y determinación

A continuación se facilita un vídeo explicativo para evitar confusiones y explicar el coeficiente de determinación y correlación.

Resumen Tema 11: Pruebas no paramétricas más utilizadas en enfermería.

1. Chi cuadrado.

Se usa para hacer análisis bivariados. Ambas variables deben ser cualitativas.

• Para comparar dos variables cualitativas.
• Razonamiento a seguir: se supone que la hipótesis nula es cierta y se estudia la probabilidad de que siendo iguales los dos grupos a comparar se obtengan resultados como los obtenidos o de haber encontrado diferencias más grandes.

Para ello se usan las tablas de contingencia. Ejemplo:

En enfermería, estudiaríamos casos relacionados con la salud.

Qué recordar:

• La frecuencia observada es la que recogen los datos.
• La frecuencia esperad es la que observaríamos si no hubiera relación.
• Los grados de libertad pueden variar libremente dando un determinado resultado.

Fórmula:

Para obtener los valores esperados:

2. Oods ratio.

Es necesario para interpretar la hipótesis de chi-cuadrado correctamente. Sirve ara calcular la magnitud de asociación.

Resumen Tema 10: Estimación y/o significación estadística.

1. Significación estadística.

• Otra forma de hacer inferencia.
• Permite contrastar hipótesis y relacionarlo con el método más científico.
• Se parte de la hipótesis nula frente a la hipótesis alternativas.
• Permite calcular el nivel de significación, si es alta se puede rechazar la hipótesis nula y viceversa.
• Permite cuantificar el error.

2. Hipótesis estadística.

Creencia sobre los parámetros de una o más poblaciones (no muestras). Pretenden comprobar si las diferencias en la muestra pueden ser omitidas y generalizar en la población.

• Hipótesis nula: Contempla la no diferencia entre los parámetros que se comparan.
• Hipótesis alternativa: Contempla la diferencia entre los parámetros que se comparan.

Cómo contrastar hipótesis:

Tipos de errores.

3. Método de contraste de hipótesis.

1. Expresar el interrogante de la investigación con hipótesis estadística (nula o alternativa).
2. Decidir prueba estadística adecuada según las características de la población y el tipo de variables de la hipótesis. Para ello:
• Si la población sigue una distribución normal, se usan métodos paramétricos:
• T-student.
• Anova.
• Fisher.
• Pearson.
• Si lapoblación no sigue una distribución normal, se usan métodos no paramétricos:
• U-Mann Whitney.
• K-W.
• Tablas de contigencia.

Tipos de análisis estadísticos según el tipo de variables implicadas en el estudio

Resumen Tema 9: Introducción a la inferencia estadística. Intervalos de confianza y contraste de hipótesis.

1. Inferencia estadística.

Procedimientos estadísticos que permiten pasar de la muestra a la población. Hay 2 formas de inferencia estadística:

• Estimación del valor en la población (parámetro) a partir de un valor de la muestra (estimador).
• Contraste de hipótesis a partir de valores de la muestra.

2. Estimaciones.

A través de la muestra se obtiene información acerca de toda la información. Pueden realizarse las siguientes estimaciones:

• Estimación puntual: El valor estadístico muestral se considera una estimación del parámetro poblacional.
• Estimación por intervalos: No es preciso pero a veces es más exacto. Se calculan dos parámetros entre los que se encuentra el parámetro poblacional. Mientras menor sea el intervalo, menor será el error.

3. Error estándar.

Es la desviación típica. Mientras más pequeño sea el error, más fiable será el valor de la muestra.

Cálculo:

• Para media: 
  
• Para una proporción:

4. Teorema central del límite.

Si sigue distribución normal, entonces:

5. Intervalos de confianza.

Sirve para conocer el parámetro de una población midiendo el error aleatorio. Son dos números entre los que se asegura que se encuentra el valor.

Cálculo:

6. Contraste de hipótesis.

Sirve para controlar los errores aleatorios y cuantificarlos. Para ello:

1. Se establece una hipótesis acerca del valor a priori.
2. Se recogen los datos.
3. Se comparan las diferencias entre la hipótesis y los datos obtenidos.

Errores de hipótesis:

• Se puede aceptar o rechazar la hipótesis nula con la misma muestra.
• El error α es la probabilidad de equivocarnos al rechazar la hipótesis nula.
• El error α más pequeño al que podemos rechazar H0 es el error p.
• Se suele rechazar H0 para un nivel α máximo del 5%.

Resumen Tema 8: Teoría de muestras.

1. Estimación e inferencia estadística.

• Técnicas de muestreo = conjunto de procedimientos para elegir una muestra que reflejen las características de la población.
• Hay que asumir cierto error.
• Si la muestra se elige al azar, el error puede calcularse, y entonces se llama "error aleatorio".
• En las muestras que no se elige al azar no se puede calcular el error.

Proceso de inferencia estadística:

Se quiere medir un parámetro en la población, se realiza una preselección de sujetos (preferiblemente de forma aleatoria) y así obtengo a muestra para realizar la interferencia.

2. Procedimiento muestral.

Al escoger al grupo pequeño de la población (muestra) se debe tener un grado de probabilidad de que el grupo posea las características de la población que estamos estudiando. La muestra debe reflejar lo más posible a realidad.

3. Tipos de muestreo.

• No probabilísticos: no azar, hay sesgos.
• Por conveniencia: El investigador decide los elementos que integrarán la muestra considerando las características "típicas" de la población que quiere conocer.
• Por cuotas: Selecciona la muestra considerando algunas variables como el sexo, la raza o la religión.
• Accidental: Se utilizan las personas disponibles en un momento dado. Es la más eficiente.
• Probabilísticos: azar, se puede dimensionar el error.
• Por conglomerados: cuando la población de estudio es geográficamente amplia. No se conoce la distribución de la variable, no es tan fiable. No se han obtenido datos de todas las unidades que se quieren estudiar.
• Estratificados: Se divide a la población en subgrupos debido a la variabilidad de las características de las personas.
• Aleatorios sistemáticos: cada ud. tiene la misma probabilidad de participar. Se sigue el mismo criterio para seleccionar (por ejemplo, selecciono personas al azar de cinco en cinco).
• Aleatorios simples: cada ud. tiene probabilidad equitativa de ser incluida en la muestra. problema si la población es muy grande.

4. Tamaño de la muestra.

Depende de:

• Error aleatorio.
• Mínima diferencia entre los grupos de comparación que se considera importante.
• Variabilidad de la variable.
• Tamaño de la población.

Si quiero calcular tamaño de una muestra para estimar una proporción: