Resumen Tema 4: Introducción a la estadística descriptiva.

1. Estadística descriptiva.

• Para describir, resumir y organizar datos. 
• Más común en medios de comunicación. 
• No pretende sacar conclusiones generales. 
• Usa métodos numéricos y gráficos para presentar la información obtenida.
• Explora las relaciones entre las variables (comparación de grupos).
• Preliminar antes de la inferencia.

Variables.

Forma más básica de presentación de datos = tabla de frecuencias.Estas se distribuyen en columnas y filas. Su uso facilita la comprensión de los datos y favorece la visión global del conjunto. Indican frecuencias absolutas (número absoluto, información insuficiente) y relativas (información proporcional).

Variables continuas: tablas de frecuencia.

Son los datos desagrupados a estudiar. 

• N = número de datos que se van a estudiar.
• Frecuencia absoluta (fi) = número de individuos incluidos en un dato común o intervalo.
• Frecuencias acumuladas  = número de individuos menores o iguales que la modalidad o el intervalo que estamos estudiando.
• Frecuencia absoluta acumulada (Fi) = referido a los datos de la frecuencia absoluta.
• Frecuencia relativa acumulada (Hi) = referido a los datos de la frecuencia relativa.
• Frecuencia relativa (hi) = proporción de individuos incluidos en un dato común o intervalo.

Ejemplo:

Indicadores.

Es la medida de frecuencia de un determinado suceso en una población expresado como un número. Puede ser una proporción, una tasa, razón u oods. Están formados por numerador y denominador. Por ello no usamos la frecuencia absoluta como indicador, pues no da información suficiente al no tener numerador y denominador.

• Proporciones: medida resumen para variables cualitativas. Comparación (en fracción/división). 
• Numerador siempre incluido en denominador.
• Valores reales entre 0 y 1.
• Se suele expresar mediante porcentaje.
• Se puede multiplicar por 1000, 10.000...
• Tasas (rate): medida que expresa el riesgo de ocurrencia del evento estudiado. 
• Proporción que relaciona espacio y tiempo = comparación en forma de fracción entre el número de veces que ocurre un fenómeno y la población en la que puede ocurrir dicho fenómeno.
• El resultado de la fracción suele estar entre 0 y 1. 
• Podemos multiplicar por múltiplos de 10.

Medidas más empleadas en estadísticas sanitarias

• Prevalencia: la situación de la población en un punto en el tiempo (población que tiene la enfermedad en un momento dado). 
• Prevalencia = (nº de individuos con la enfermedad en un tiempo específico)/(nº de individuos en la población en un punto en el tiempo).
• Incidencia: lo que estás pasando en un periodo de tiempo (frecuencia de nuevos casos en un periodo de tiempo). Podemos medir la incidencia mediante:
• Incidencia acumulada = (nº de nuevos casos detectados durante el seguimiento que desarrollan la enfermedad)/(nº de sujetos libres de enfermedad al comienzo del seguimiento). Mide el riesgo de padecer la enfermedad.
• Densidad de incidencia = (nuevos casos)/(personas-tiempo a riesgo).
• Es una tasa instantánea (valores mayores que 1).
• Expresa velocidad.
• Persona-tiempo: suma de tiempos que los individuos están a riesgo de padecer la enfermedad. Las unidades a utilizar dependen del investigador.

2. Estadística inferencial.

Se saca muestra a partir de población. Más frecuente en investigaciones científicas. Se apoya en el cálculo y la probabilidad, efectuando estimaciones, decisiones, predicciones y generalizaciones.

3. Razones o "ratios".

• Medida de resumen para variables cualitativas.
• Numerador y denominador distintos, uno no incluye al otro.
• Ej.: tengo 60 mujeres y 10 hombres. Para saber la razón de mujeres sobre hombres = nº mujeres/nº hombres.

7. Oods o ventaja.

• Cociente entre proporción o probabilidad de ocurrencia de un evento y la proporción o probabilidad de no ocurrencia.
• Forma de cálculo: O = p/(1-p).
• No existe término exacto para definirlo.
• Valores entre 0 e infinito.

Medidas de asociación: relaciones entre proporción, ratios y oods.

• Para medir fuerzas de asociación.
• Se usan unos u otros dependiendo del estudio.
• Tres más importantes:
• Razón de prevalencias: razón entre dos prevalencias.
• Riesgo relativo o razón de riesgo: ratio entre dos incidencias acumuladas.
• Oods ratio: estudios de casos y controles.

Resumen Tema 3: De los conceptos a las variables. Población, muestra, parámetros y estadísticos. Variables y escalas de medidas.

1. Estadística.

Conocimiento que se obtiene en forma de números, variando de un individuo a otro.

2. Procedimiento muestral.

Método que consiste en escoger un grupo pequeño de una población lo suficientemente significativa como para representar a la población completa. La selección debe ser aleatoria.

Proceso de la inferencia estadística.

• Tamaño de la población = N.
• Parámetro = lo que queremos medir. Se expresan con letras griegas.
• μ = media.
• σ = desviación típica.
• π = proporción.
• Muestra = n.
• Valor estimador = valor aproximado al parámetro. Para ello hacemos inferencia.

Parámetros y estadísticos.

• Parámetros: Cantidad numérica calculada sobre una población cuyo tamaño se expresa con N.
• Estadísticos: Cantidad numérica calculada sobre una muestra extraída de la población, cuyo valor se expresa con n.

Este vídeo explica las diferencias entre muestra y población mediante ejemplos:

3. Conceptos de la teoría de medición.

• Mediciones directas: Exactitud. Ej.: presión arterial, peso, talla, etc. Las enfermeras recogen medidas como edad, género, origen étnico, estado civil o nivel de ingresos.
• Mediciones indirectas: Ideas abstractas. Ej.: grado de dolor, grado de cansancio del cuidador, etc. Las enfermeras recogen medidas como nivel de estrés, cuidado, ansiedad, dolor (mediante escalas) o afrontamiento. No es muy exacto.

Medición de signos y síntomas.

Diferentes método de medición según la naturaleza de la variable.

4. Escalas de medida.

• Escala nominal: nivel inferior de medida. Números usados con nombres. Cada número es una categoría. Solo puede comprobar la igualdad o diferencia de categorías o variables.
• Escala ordinal: A dos o más modalidades de una variable. Se establece si son iguales o diferentes. Las distancias o intervalos no representan distancias equivalentes.
• Escala de intervalo: Características de las anteriores. Las distancias o intervalos representan distancias equivalentes. No puede sacar razones o proporciones. Escala cuantitativa, se puede aplicar as estadísticas.
• Escala de razón: Igual que la escala de intervalo. Nivel más alto de medición, no admite números negativos. Distancia equivalente entre intervalos, posee el 0.

5. Tipos de variables.

Se deben tener en cuenta dos criterios: exhaustividad y exclusividad.

• Cualitativas: Propiedades que no pueden ser medidas.
• Nominales: Dicotómicas (dos niveles) o policotómicas (más de dos niveles).
• Ordinales: establecen un orden. Escalas.
• Cuantitativas: Pueden ser medidas.
• Discretas: Número finito. No fracciones.
• Continuas: cualquier valor dentro de un rango, se admiten fracciones.

Operativización de las variables.

Proceso que transforma una variable subjetiva en una susceptible de medición. Las variables principales se descomponen en otras más específicas llamadas dimensiones. Varias dimensiones:

• Accesibilidad geográfica.
• Accesibilidad económica.
• Accesibilidad cultural.

Resumen Tema 2: El método científico y sus perspectivas.

Investigamos para: obtener información y acercarnos a las diferentes realidades mediante distintos enfoques, métodos y técnicas.

1. Proceso deductivo: métodos estadísticos (cuantitativo).

Estudia de lo particular a lo general mediante procesos aleatorios, recogiendo datos, haciendo estimaciones y contrastando hipótesis. De esta forma se pueden deducir parámetros, leyes o confirmar teorías.

Esta recogida de datos se hace mediante cuestionarios (preguntas cerradas generalmente) y mediciones de variables. Los cuestionarios y preguntas no proporcionan resultados 100% reales, puesto que algunos mienten o no contestan de la forma adecuada.

2. Proceso inductivo: métodos cualitativos.

Se parte de lo general para estudiar lo particular, los llamados "informantes clave", con cierta representatividad sobre el grupo general. No se usan los números.

Atributos de los paradigmas cualitativo y cuantitativo

• Paradigma cualitativo

1. Métodos cualitativos.
2. Fenomenologismo y comprensión.
3. Observación naturalista y sin control.
4. Subjetivo.
5. Próximo a los datos.
6. Fundamento en la realidad.
7. Orientado al proceso.
8. Válido.
9. No generalizable.
10. Holístico.
11. Asume realidad dinámica.

• Paradigma cuantitativo

1. Métodos cuantitativos.
2. Positivismo lógico.
3. Medición penetrante y controlada.
4. Objetivo.
5. Al margen de los datos.
6. Fundamentado no en la realidad.
7. Orientado al resultado.
8. Fiable.
9. Generalizable.
10. Particularista.
11. Asume una realidad estable.

A continuación se facilita un vídeo explicativo sobre la diferencia entre un razonamiento inductivo y deductivo.

3. Fases del proceso de investigación 

• Etapa conceptual: Se define qué se quiere investigar y para qué.
• Etapa empírica: Cómo investigarlo (datos a recoger, población, etc.).
• Etapa interpretativa: Interpretación de resultados, cuál es su significado.

4. Etapa conceptual de la metodología de la investigación

1. Observación de hechos
2. Identificación y formulación del problema.
3. Revisión bibliográfica (antecedentes).
4. Marco teórico o marco de referencia conceptual (base teórica del problema).
5. Definición del problema de investigación.
6. Definición de objetivos/formulación de la hipótesis (estudios cuantitativos analíticos).
7. Definición operacional de términos y variables.
8. Importancia del estudio y limitaciones.

Definición y formulación de objetivos

• Definir a dónde queremos llegar con la investigación.
• No confundir objetivos de investigación con objetivos de la práctica profesional.
• Características de los objetivos: pertinentes, concretos, realistas y mensurables.

Hipótesis

• Enunciado de las expectativas de la investigación (mediante dos o más variables).
• Las investigaciones cualitativas no llevan hipótesis.
• Enlaza las variables dependiente e independiente.
• Definición previa y clara de las variables.
• "Hipótesis nula": no tiene relación entre ambas variables.

5. Etapa empírica proceso de investigación.

• Etapa más práctica.
• Material, métodos y obtención de resultados.
• Define plan de investigación.
• Asegura control o comprobación y validez interna y externa.

Conformada por:

• Planificación de la investigación (material y métodos):

1. Diseño metodológico.
2. Población del estudio.
3. Muestreo o selección de participantes.
4. Variables.
5. Definición del proceso de recogida de datos.
6. Registro y procesamiento.

• Trabajo de campo: Recogida de datos.
• Análisis de los datos.

Tipos de diseño cuantitativos en función del objetivo de las investigaciones

• Analíticos: analiza la relación entre dos variables.
• Los estudios de casos y controles: búsqueda de la causa en el pasado. Se parte del efecto.
• Seguimiento: se parte del efecto para buscar la causa.
• Experimentales: el investigador manipula y observa la variable independiente.
• Aleatorios controlados: elección al azar de participantes.
• Cuasiexperimentos.

Métodos cualitativos de investigación

Descriptivos:

• Documentales, históricos, iconográficos, fotográficos, etc.
• Etnográficos: investigación participativa.
• Fenomenológico: biográficos.

6. Etapa interpretativa del proceso de investigación

• Convalidación de los métodos empleados.
• Convalidación de los resultados.
• Describir fortalezas y debilidades del estudio.
• Relación de los hallazgos con los objetivos e hipótesis.
• Relación de los hallazgos con los hallazgos de otros autores.
• Aspectos novedosos y relevantes.
• Extraer conclusiones.

7. Artículo científico (original o primario)

Estructura

• Preliminares
• Título
• Autor
• Institución
• Resumen
• Cuerpo
• Introducción
• Metodología
• Resultados
• Discusión
• Conclusiones
• Finales
• Agradecimientos
• Referencias
• Apéndices

8. Errores en los estudios cuantitativos

• Aleatorios: debidos al azar. Cuando el estudio se realiza sobre una muestra probabilística de la población. La muestra es solo una representación, no el resultado real, por lo que el resultado puede superar o quedarse corto respecto al resultado real poblacional. Para evitar los máximos errores posibles, existen unas medidas de control:
• Primera fase: Calcular el tamaño mínimo de una muestra necesario para poder detectar cómo estadísticamente significa una diferencia.
• Segunda fase: Uso de pruebas o tests de hipótesis. Para ver si hay relación entre las variables.
• Tercera fase: cálculo de intervalos de confianza para las estimaciones obtenidas.
• Sistemáticos (sesgos): errores del investigador. Afectan a la validez interna del estudio. Existen varios tipos de sesgos:
• De selección: mal selección de la muestra.
• De clasificación o información: clasificar incorrectamente a un sujeto. Puede ser no diferencial (disminuye las diferencias realmente existentes), diferencial (exagera las diferencias realmente existentes). 
• De confusión: si se contrastan dos datos y uno de ellos no se ha estudiado.
• Para evitar los sesgos: grupo control:
• Efecto Hawthorne: sentirse observado mejora la respuesta.
• Efecto Placebo: administración de fármaco.
• Regresión de media: cuando se obtienen valores extremos en una variable la siguiente vez se tiende a la media.

9. Control de errores en los estudios estadísticos.

• En la fase de diseño.
• Rstricciones y apareamientos.
• Análisis estratificado y multivariante.

Validez interna y externa

• Interna: ausencia de sesgos para la población estudiada, replicabilidad.
• Externa: para que una medición mida aquello para lo que está destinada.

Para evaluar la validez o exactitud

• Validez de criterio: Comparación con una medida de referencia objetiva y fiable.
• Validez de concepto: Analiza la correlación de la medida con otras variables.
• Validez de contenido: Contemplar todas las dimensiones del fenómeno que se quiere medir.

Precisión y exactitud. Estrategias.

• Seleccionar las medidas más objetivas posibles.
• Estandarizar la definición de variables
• Formar y entrenar a los observadores.
• Utilizar la mejor técnica posible.
• Utilizar instrumentos automáticos.
• Obtener varias mediciones de una variable para mejorar la precisión.
• Emplear técnicas de enmascaramiento.
• Calibrar instrumentos.

10. Ética e investigación

• Respetar principios éticos en toda la investigación.
• Consentimiento informado de los participantes.
• Autorizaciones de los comités éticos de los centros.
• Uso de documentos de referencia.

Resumen Tema 1:Estadística desde su origen a su aplicación en salud

Resumen Tema 1:Estadística desde su origen a su aplicación en salud

Estadística: uso para organizar datos y demostrar hipótesis.

1. Fuentes del conocimiento humano
1. Tradición (costumbres): Verdades aceptadas.
2. Autoridad: Juicio de alguien experto aceptado como verdad, no siempre científico.
3. Experiencia: Vivencia real repetitiva.
4. Ensayo error: Probar diferentes alternativas.
5. Intuición
6. Razonamiento lógico

• Razonamiento inductivo: Se parte de lo concreto hacia lo general.
• Razonamiento deductivo: Se parte de lo general hacia lo concreto.

7. Método científico: Es el más fiable: observación sistemática, medición, experimentación, formulación, análisis y modificación de hipótesis.

2. Método científico

Se aplica a 2 tipos de ciencias:

• Pura/Formal:

1.  No se ocupa de hechos.
2. Objetos = formas/ideas.
3. Proceso deductivo.
4. Enunciados relacionados entre signos.
5. Método = lógica para demostrar algo.
6. Ej.: Lógica y matemáticas.

• Aplicada/Fáctica:

1. Se ocupa de la realidad.
2. Objetivos = materiales.
3. Enunciados referidos a sucesos.
4. Método = Observación. Experimentación para verificar.
5. Ej.: Ciencias Sociales y de la Salud.

3. Sucesos deterministas y aleatorios

-Deterministas: Condiciones iniciales: resultado siempre igual. Ej.: 1+1=2: Ciencias Formales.

-Aleatorio: Condiciones iniciales: varios posibles resultados. Ej.: dado = 6 números posibles. Ciencias Fácticas.

4. Determinismo

1 causa produce 1 efecto.

5. Azar/Aleatoriedad

Efecto = multicausal.

6. Ciencias fácticas

• Características

1. Basada en experiencias.
2. Transcendente: va más allá de la experiencia (los explica...).
3. Predictivo.
4. Metódico: Procedimientos determinados.
5. Comunicable: revistas científicas.
6. Simbólico: lenguaje propio.
7. Útil.
8. Analítico: separa un todo y relaciona las partes.
9. Claro y preciso.
10. Explicativo.
11. Verificable.
12. Abierto y escéptico.

• Problemas

1. Complejidad para asociar características.
2. Poblemas de procedimiento e instrumentos para medir empleados.
3. Hace falta control.
4. Hay que tener en cuenta la ética.

• Preceptos básicos

1. Se trataría con grupos de personas.
2. Comparación de grupos.
3. Distribución.

7. Ciencia enfermera

Basada en metaparadigma enfermero (persona, entorno, salud).

8. Fuentes de variabilidad

Comprendo:

• Repetibilidad: Comparación de resultados.
• Concordancia intraobservador: alguien mide.
• Concordancia interobservador: miden 2 personas con diferentes técnicas.

9. Estadística y aleatoriedad

1. Estadística: agrupa conocimientos matemáticos de azar para su estudio.
2. Respuesta racional a aleatoriedad.
3. Idioma de fenómenos aleatorios.
4. Dar significado a diferentes resultados.
5. Resultado no siempre igual a pesar de estar en igualdad de condiciones.
6. La igualdad es la excepción.
7. Estadística: reconocer, cuantificar, pronosticar aleatoriedad.
8. Objeto de estudio: fenómenos causales, no casuales.

10. Breve reseña histórica de la ciencia estadística

3 actividades humanas independientes:

• Necesidad de contar (Censos S. XVIII): Estadística ciencia del estado (S.XVIII):

1. Datos demográficos.
2. Datos económicos.
3. Datos sociales.

• Cálculo de probabilidades: Juegos de azar (S.XVII):

1. Medir la incertidumbre. Blas Pascal (1623-1662).
2. Medir la existencia de Dios. Bayés (1702-1761).
3. Medir los errores de las medidas. Laplace y Gauss (1749-1828).

•  Conocer las causas de los comportamientos de los fenómenos:

1. Jacques Quetelet (1796-1874): Funda la estadística social.
2. Salud Pública: Higienistas franceses (S.XIX: Salubridad).
3. William Farr (1807-1883). Médico y estadístico “Estadísticas vitales”.

Florence Nightingale: aparece en biometría influenciada por Quetelet y W. Farr.

ESTADÍSTICA COMO HERRAMIENTAS

• Aplicada al campo de la salud = “Estadística de la salud”.
• Aplicada a la población humana = “Estadística demográfica”.
• En su parte social = “Estadística social”.
• En las ciencias biológicas = “Bioestadística”.
• En salud pública y comunitaria = unión de los métodos empleados por diferentes disciplinas: Surge la “Epidemiología”.