Expo sbs. poblacion muestra criterios selección instrumentos

364 visualizaciones

Publicado el

Expo sbs. poblacion muestra criterios selección instrumentos

Publicado en: Salud y medicina
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
364
En SlideShare
0
De insertados
0
Número de insertados
8
Acciones
Compartido
0
Descargas
6
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Expo sbs. poblacion muestra criterios selección instrumentos

  1. 1. Dr. Cristian Díaz Vélez Médico Epidemiólogo y Auditor Médico Jefe de la Oficina de Inteligencia Sanitaria Hospital Nacional Almanzor Aguinaga Asenjo Población, muestraPoblación, muestra criterios de selección ecriterios de selección e instrumentosinstrumentos
  2. 2. Muestra y muestreoMuestra y muestreo
  3. 3. Dr. Cristian Díaz VélezDr. Cristian Díaz Vélez 44
  4. 4. • POBLACIONES PEQUEÑAS • ENSAYOS DESTRUCTIVOS • POBLACIONES MUY VARIABLES
  5. 5. • Estudio sobre el perfil de los estudiantes y egresados de la Tecnología en Médica en los últimos dos años. • Estudio sobre el perfil socio económico de los docentes de entidades publicas de Perú • Estudio para identificar la demanda de servicios de salud en Chiclayo. Para los siguientes casos diga si es preferible Censo o muestreo.
  6. 6. Margen de confianza en laMargen de confianza en la estimaciónestimación  Expresa el grado de probabilidad que elExpresa el grado de probabilidad que el investigador tiene en que su estimacióninvestigador tiene en que su estimación se ajuste a la realidad.se ajuste a la realidad.  Los valores comúnmente utilizados sonLos valores comúnmente utilizados son 95, 99, 99,9%95, 99, 99,9% NIVEL DE CONFIANZA
  7. 7. Errores, Errores, ERRORESErrores, Errores, ERRORES AleatorioAleatorio MuestralMuestral SistemáticoSistemático V =v±e Valor Verdadero en la población Valor Medido en la muestra ERRORERROR
  8. 8. Error AleatorioError Aleatorio El error aleatorio no se suele ajustar aEl error aleatorio no se suele ajustar a ninguna regla o norma , varían en cadaninguna regla o norma , varían en cada caso , en su sentido y magnitud, y por ellocaso , en su sentido y magnitud, y por ello tiende a anularse cuando se trata de untiende a anularse cuando se trata de un número elevado de casos.número elevado de casos. Los errores aleatorios se comenten, porLos errores aleatorios se comenten, por ejemplo, cuandoejemplo, cuando un encuestado eligeun encuestado elige erróneamente una casilla queriendo hacerloerróneamente una casilla queriendo hacerlo en otra, cuando un encuestador marcaen otra, cuando un encuestador marca erróneamente un datoerróneamente un dato, etc., etc.
  9. 9. Errores SistemáticosErrores Sistemáticos  Un error sistemático es aquel que se produce de igualUn error sistemático es aquel que se produce de igual modo (sentido y proporción) en todas las medicionesmodo (sentido y proporción) en todas las mediciones que se realizan sobre un parámetro de la muestraque se realizan sobre un parámetro de la muestra  Contrario al error aleatorio, NO se anula en muestrasContrario al error aleatorio, NO se anula en muestras grandes.grandes. Ejemplos Las tendencias subjetivas conscientes o inconscientes del investigador. Sustituciones, según criterio propio del investigador, de unidades de la muestra que habían sido elegidas al azar. Insuficiente observación del conjunto de la población que influye en una deficiente definición de sus características.
  10. 10. Error MuestralError Muestral  Cuando se extrae una muestra de unaCuando se extrae una muestra de una población es frecuente que los resultadospoblación es frecuente que los resultados obtenidos de la muestra no seanobtenidos de la muestra no sean exactamente los valores reales de laexactamente los valores reales de la población.población.  El error de muestreo ocurre al estudiarEl error de muestreo ocurre al estudiar una muestra en lugar de la población total.una muestra en lugar de la población total.  La diferencia entre el valor del parámetroLa diferencia entre el valor del parámetro de una población y el obtenido de unade una población y el obtenido de una muestra recibe el nombre de errormuestra recibe el nombre de error muestralmuestral. (y que no puede ser asociado a otro tipo de explicación, es decir no es error aleatorio o sistemático)
  11. 11. Error MuestralError Muestral Por muy perfecta que sea la muestraPor muy perfecta que sea la muestra siempre habrá grado de divergencia entresiempre habrá grado de divergencia entre los parámetros estimados usándola y loslos parámetros estimados usándola y los de la verdadera población.de la verdadera población. En el cálculo del error intervienen:En el cálculo del error intervienen: Tamaño de la muestraTamaño de la muestra Varianza poblacionalVarianza poblacional Nivel de confianzaNivel de confianza Tipo de muestreoTipo de muestreo
  12. 12. Circulo vicioso del cálculoCirculo vicioso del cálculo Cálculo muestral Frecuencia del Problema en estudio La frecuencia se obtendrá en el estudio x p r OR
  13. 13. El error muestralEl error muestral es mayores mayor en laen la medida que:medida que:  Crece el grado de confianza que elCrece el grado de confianza que el investigador quiere dar a su estimacióninvestigador quiere dar a su estimación del parámetro medido mediante ladel parámetro medido mediante la muestramuestra  Es más elevada la variabilidad de laEs más elevada la variabilidad de la variable estudiada.variable estudiada.  Es menor el tamaño de la muestra.Es menor el tamaño de la muestra.
  14. 14. Tamaño de la muestra vs. ErrorTamaño de la muestra vs. Error muestralmuestral
  15. 15. Correcciones para poblacionesCorrecciones para poblaciones finitasfinitas  Cuando el tamaño de la muestra esCuando el tamaño de la muestra es mayor del 5 % del tamaño de lamayor del 5 % del tamaño de la población se debe utilizar el factor depoblación se debe utilizar el factor de corrección.corrección.
  16. 16. Margen de errorMargen de error admisibleadmisible Los incrementos en el tamaño de laLos incrementos en el tamaño de la muestra repercuten en una mayormuestra repercuten en una mayor precisión y por consiguiente en menorprecisión y por consiguiente en menor error muestral.error muestral. El error muestral interviene en el cálculoEl error muestral interviene en el cálculo del tamaño de la muestra solodel tamaño de la muestra solo si el diseñosi el diseño es probabilístico.es probabilístico. En el muestreo probabilístico elEn el muestreo probabilístico el investigador fija el error máximo admisibleinvestigador fija el error máximo admisible a priori y sobre esa base realiza el cálculoa priori y sobre esa base realiza el cálculo del tamaño de la muestra.del tamaño de la muestra.
  17. 17. Por lo tanto el tamaño de laPor lo tanto el tamaño de la muestramuestra
  18. 18. ► Ejemplo:Ejemplo: Si por ejemplo estudiamos la prevalencia deSi por ejemplo estudiamos la prevalencia de asma bronquial en un estudio donde se cálculoasma bronquial en un estudio donde se cálculo la muestra con tolerancia de error del 5% yla muestra con tolerancia de error del 5% y nivel de confianza del 95% y se encontró que lanivel de confianza del 95% y se encontró que la prevalencia es de 20%.prevalencia es de 20%. Interpretación:Interpretación: hay un 95% de probabilidadhay un 95% de probabilidad que la prevalencia real este entre 15 y 25%.que la prevalencia real este entre 15 y 25%. Que ocurre si las prevalencias son muy bajas, por ejemplo 2%??
  19. 19. Factores que influyenFactores que influyen ► Tipo de diseño de etudio.Tipo de diseño de etudio. ► Tipo de muestreo utilizado.Tipo de muestreo utilizado. ► Comparación de muestras independientesComparación de muestras independientes o pareadas.o pareadas.
  20. 20. 1. Identificación de la población 2. Indicadores a estimar  Proporciones  Promedios  Métodos multivariados 3. Análisis de subgrupos 4. Precisión deseada en los estimadores
  21. 21. Muestreo de elemento VS muestreo de grupo Igual probabilidad VS diferente probabilidad Estratificado VS no estratificado Aleatoria VS sistemática Una sola etapa VS multietápico 32 Material preparado por: Profesor León Darío Bello Parias
  22. 22. Ventajas del Azar Elimina la subjetividad de los investigadores en la selección de unidades de análisis Permite medir la precisión de las estimaciones. El azar no garantiza representatividad.
  23. 23.  Ejemplo:Ejemplo: N = 3500N = 3500 n = 40n = 40  55035503  48124812  17901790  56485648  19431943
  24. 24. Tabla de contingencia Nivel * Convenio 04 27 8 35 56.3 % 16.7 % 72.9 %7 5 12 14.6 % 10.4 % 25.0 %1 0 1 2.1 % .0% 2.1 %35 13 48 72.9 % 27.1 % 100.0 % Recuent o% del totalRecuent o% del totalRecuent o% del totalRecuent o% del total 1 2 3 Nive l Tota l N O SI Convenio 04 Tota l Tabla de contingencia Nivel * Convenio 04 184 36 220 61.1% 12.0% 73.1% 46 26 72 15.3% 8.6% 23.9% 5 4 9 1.7% 1.3% 3.0% 235 66 301 78.1% 21.9% 100.0% Recuento % del total Recuento % del total Recuento % del total Recuento % del total 1 2 3 Nivel Total NO SI Convenio 04 Total Población Sistemático Nivel de conocimientos según existencia de convenio
  25. 25. ESTRATOSESTRATOS Homogéneos en su interior; diferentes entre sí en propiedades y tamaño Comuna AComuna A Comuna BComuna B Comuna CComuna C Comuna DComuna D Los estratos más grandes Tienen mayor probabilidad de ser representados
  26. 26. Plan de muestreoPlan de muestreo
  27. 27. Sesgos, criterios deSesgos, criterios de selecciónselección
  28. 28.  Un objetivo en todo estudio epidemiológico debe ser el de medir y calcular con la mayor validez y precisión posible sus determinaciones.  En otras palabras, la validez del conocimiento derivado de cualquier estudio epidemiológico dependerá, en gran medida, de la ausencia de error y de la capacidad de estimar o predecir el parámetro verdadero en la población blanco.
  29. 29.  Las mediciones que se realicen deben ser: lo más exactas posible: que la medición esté próxima al valor verdadero.  Precisas: que mediciones repetidas caigan dentro de un intervalo reducido.
  30. 30.  En epidemiología, la VALIDEZ (el grado de valor que se confiere al dato) se refiere a la ausencia de sesgo o error: a) Validez interna. Capacidad para atribuir el efecto detectado por el estudio a la hipótesis que se investiga. Resulta indispensable que el estudio esté libre de errores (durante el proceso de selección de la población de estudio, las mediciones que se realizan en dicha población o por la falta de comparabilidad de los grupos estudiados), y b) Validez externa. Capacidad para extrapolar los resultados de un estudio a una población más extensa que aquella en que se ha realizado.
  31. 31. 1. Confiabilidad :1. Confiabilidad : Precisión, reproducibilidadPrecisión, reproducibilidad Error aleatorioError aleatorio 2. Validez : seguridad, conformidad2. Validez : seguridad, conformidad Error sistemáticoError sistemático SesgoSesgo
  32. 32. AA no ha sido ni exacto ni preciso.no ha sido ni exacto ni preciso. BB Exacto y preciso.Exacto y preciso. CC bastante exacto pero no preciso.bastante exacto pero no preciso. DD muy preciso pero poco exacto.muy preciso pero poco exacto. 6363
  33. 33.  Existen más de 300 pruebas estadísticasExisten más de 300 pruebas estadísticas básicas.básicas.  Hay dos clases de pruebas estadísticas:Hay dos clases de pruebas estadísticas: Las paramétricas y las no paramétricas.Las paramétricas y las no paramétricas. Cristian Díaz Vélez 65
  34. 34.  Los valores de la variable dependiente sigan laLos valores de la variable dependiente sigan la distribución de la curva normal. La muestra en la que sedistribución de la curva normal. La muestra en la que se hizo la investigación.hizo la investigación.  Las varianzas de los grupos que se comparan en unaLas varianzas de los grupos que se comparan en una variable dependiente sean aproximadamente igualesvariable dependiente sean aproximadamente iguales (homogeneidad de las varianzas).(homogeneidad de las varianzas).  La variable dependiente esté medida en una escala queLa variable dependiente esté medida en una escala que sea por lo menos de intervalo, aunque este últimosea por lo menos de intervalo, aunque este último requisito no es compartido por todos los estadísticos.requisito no es compartido por todos los estadísticos. Cuando los datos cumplen con los requisitos indicados,Cuando los datos cumplen con los requisitos indicados, especialmente con los dos primeros, las pruebasespecialmente con los dos primeros, las pruebas estadísticas paramétricas exhiben su máximo poder.estadísticas paramétricas exhiben su máximo poder. Cristian Díaz Vélez 66
  35. 35.  Las pruebas estadísticas no paramétricas, enLas pruebas estadísticas no paramétricas, en cambio, no hacen a los datos ninguna de lascambio, no hacen a los datos ninguna de las exigencias que les hacen las pruebas estadísticasexigencias que les hacen las pruebas estadísticas paramétricas; por eso se les denomina "pruebasparamétricas; por eso se les denomina "pruebas estadísticas libres de distribución".estadísticas libres de distribución".  Todas estas pruebas poseen menos poder que lasTodas estas pruebas poseen menos poder que las pruebas paramétricas correspondientes, pero hanpruebas paramétricas correspondientes, pero han demostrado ser muy útiles como alternativas cuandodemostrado ser muy útiles como alternativas cuando no se considera apropiado el uso de pruebasno se considera apropiado el uso de pruebas paramétricas.paramétricas. Cristian Díaz Vélez 67
  36. 36.  Tipo:Tipo: Categórica/cualitativaCategórica/cualitativa Numérica/cuantitativaNumérica/cuantitativa  Escala:Escala: Categórica/cualitativaCategórica/cualitativa Numérica/cuantitativaNumérica/cuantitativa Cristian Díaz Vélez 68 Nominal Ordinal Razón Intervalo
  37. 37.  Categóricas nominalesCategóricas nominales  Categóricas ordinalesCategóricas ordinales  Numéricas proporciónNuméricas proporción  Numéricas intervaloNuméricas intervalo Cristian Díaz Vélez 69 Dicotómicas Nominales ppd Cuantitativas Ordinales
  38. 38. Variable DependienteVariable Dependiente Variable IndependienteVariable Independiente PruebaPrueba DicotómicaDicotómica DicotómicaDicotómica z, Chi-2, Fisherz, Chi-2, Fisher DicotómicaDicotómica NominalNominal z, Chi-2, Metha-Patelz, Chi-2, Metha-Patel DicotómicaDicotómica OrdinalOrdinal Mann-Whitney / WilcoxonMann-Whitney / Wilcoxon DicotómicaDicotómica CuantitativaCuantitativa Regresión LogísticaRegresión Logística NominalNominal DicotómicaDicotómica z, Chi-2, Metha-Patelz, Chi-2, Metha-Patel NominalNominal CuantitativaCuantitativa Regresión DiscriminanteRegresión Discriminante OrdinalOrdinal NominalNominal Kruskal-WallisKruskal-Wallis OrdinalOrdinal CuantitativaCuantitativa Regresión OddsRegresión Odds ProporcionalProporcional CuantitativaCuantitativa DicotómicaDicotómica t de Studentt de Student CuantitativaCuantitativa NominalNominal ANOVAANOVA CuantitativaCuantitativa CuantitativaCuantitativa Regresión Lineal,Regresión Lineal, correlacionescorrelacionesCristian Díaz Vélez 70
  39. 39. Cristian Díaz Vélez 71
  40. 40. Medición yMedición y recolección de datosrecolección de datos
  41. 41. ¿Qué es medición?¿Qué es medición? Una manera sistemática de obtener datos de alta calidadUna manera sistemática de obtener datos de alta calidad  Puede ser cuantitativa o cualitativa, con diferencias:Puede ser cuantitativa o cualitativa, con diferencias:  Diferencia 1: Los datos en síDiferencia 1: Los datos en sí  Cuantitativo: representación numérica de ideas abstractasCuantitativo: representación numérica de ideas abstractas  Cualitativo: los datos toman muchas formasCualitativo: los datos toman muchas formas  Diferencia 2: Los tiemposDiferencia 2: Los tiempos  Cuantitativo: hay reflexión para desarrollar las hipótesis y losCuantitativo: hay reflexión para desarrollar las hipótesis y los variables antes de la recolección de datosvariables antes de la recolección de datos  Cualitativo: hay reflexión PERO no hay hipótesis y la mediciónCualitativo: hay reflexión PERO no hay hipótesis y la medición es parte dela recolección de datos.es parte dela recolección de datos.  Fuente: Neuman, W. Lawrence.Fuente: Neuman, W. Lawrence. Social Research Methods: Qualitative andSocial Research Methods: Qualitative and Quantitative Approaches. 4thedition.Quantitative Approaches. 4thedition. Boston: Allyn and Bacon, 2000.Boston: Allyn and Bacon, 2000.
  42. 42. MEDICIÓN: Unos ejemplosMEDICIÓN: Unos ejemplos
  43. 43. Escala de GuttmanEscala de Guttman
  44. 44. EscalaEscala ThurstoneThurstone
  45. 45.  Un ejemplo cualitativoUn ejemplo cualitativo  Vamos a hablar de lo que pasa cuando unVamos a hablar de lo que pasa cuando un niño en esta comunidad tiene diarrea.niño en esta comunidad tiene diarrea.  Qué es la primera cosa que haría una madreQué es la primera cosa que haría una madre o un padre cuando su hijo se enferma cono un padre cuando su hijo se enferma con diarrea?diarrea?  Qué sería la próxima cosa?Qué sería la próxima cosa? MEDICIÓN: Unos ejemplos(2)MEDICIÓN: Unos ejemplos(2)
  46. 46.  Variables principales siempre definidas.Variables principales siempre definidas.  Importante cuando: Variables de estudio no tienen unaImportante cuando: Variables de estudio no tienen una definición o medición estándar.definición o medición estándar.  Cuando hay varias definiciones o actualizaciones.Cuando hay varias definiciones o actualizaciones.  Debe incluir: Valores finales.Debe incluir: Valores finales.  Criterios para asignar los valores.Criterios para asignar los valores.  Instrumentos / técnicas de medición.Instrumentos / técnicas de medición.  Debe estar siempre referenciado en caso se use unaDebe estar siempre referenciado en caso se use una definición conocida.definición conocida. MEDICIÓN DE VARIABLESMEDICIÓN DE VARIABLES
  47. 47. ProcedimientosProcedimientos  En caso de experimentales, detallar laEn caso de experimentales, detallar la intervención y manejo de grupos.intervención y manejo de grupos.  Describir el proceso de la medición de laDescribir el proceso de la medición de la variable.variable.  Especificar la validez de los métodosEspecificar la validez de los métodos empleados.empleados.  Si son métodos nuevos o adaptados,Si son métodos nuevos o adaptados, describir el proceso de validación.describir el proceso de validación.
  48. 48. ¿Qué se necesita para una buena¿Qué se necesita para una buena medición?medición?  Que no representa una demanda demasiado altaQue no representa una demanda demasiado alta para:para:  El/la encuestador/a o entrevistador/aEl/la encuestador/a o entrevistador/a  El/la entrevistado/aEl/la entrevistado/a  Aplicación prácticaAplicación práctica  Reglas clarasReglas claras  Que no depende de la administraciónQue no depende de la administración  Fuente: Netemeyer, Richard G., William O. Bearden & Subhash Sharma.Fuente: Netemeyer, Richard G., William O. Bearden & Subhash Sharma. ScalingScaling Procedures: Issue and Applications.Procedures: Issue and Applications. Thousand Oaks, CA: Sage Publications, Inc., 2003.Thousand Oaks, CA: Sage Publications, Inc., 2003.
  49. 49. InstrumentosInstrumentos  Encuestas:Encuestas:  Con preguntas “independientes”Con preguntas “independientes”  Con preguntas que se convierten en índices oCon preguntas que se convierten en índices o escalasescalas  Índice: los ítemsÍndice: los ítems formanforman el concepto (constructoel concepto (constructo latente)latente)  Se suman para sacar un puntaje simple del conceptoSe suman para sacar un puntaje simple del concepto a medira medir  Escala: los ítemsEscala: los ítems son reflejadosson reflejados por el conceptopor el concepto (constructo latente)(constructo latente)
  50. 50. Desarrollo de una encuestaDesarrollo de una encuesta  Paso 1. Definir los objetivos de la pregunta y el tipo dePaso 1. Definir los objetivos de la pregunta y el tipo de respuestas que se necesita pararespuestas que se necesita para satisfacer lossatisfacer los objetivos.objetivos.  Paso 2. Asegurar que los participantes tengan unaPaso 2. Asegurar que los participantes tengan una comprensión compartida y comúncomprensión compartida y común del significadodel significado de la pregunta.de la pregunta.  Paso 3. Asegurar que los participantes recibanPaso 3. Asegurar que los participantes reciban preguntas a las cualespreguntas a las cuales saben las respuestas.saben las respuestas.  Paso 4. Hacer preguntas de manera en que losPaso 4. Hacer preguntas de manera en que los participantesparticipantes las puedan contestar.las puedan contestar.  Paso 5. Hacer preguntas que los participantesPaso 5. Hacer preguntas que los participantes esténestén dispuestos a contestardispuestos a contestar de manera precisa.de manera precisa.
  51. 51. Los sís y nosLos sís y nos  LOS “SI”sLOS “SI”s  Deben tener lenguaje simple (nivel de lectura de 5to-Deben tener lenguaje simple (nivel de lectura de 5to- 6to grado de primaria)6to grado de primaria)  Deben ser claras, simples y precisasDeben ser claras, simples y precisas  Deben tener vocabulario libre de jerga técnicaDeben tener vocabulario libre de jerga técnica  Deben ser presentadas de una manera neutralDeben ser presentadas de una manera neutral  Nada en la pregunta o en las opciones de respuestaNada en la pregunta o en las opciones de respuesta debe sugerir una respuesta correctadebe sugerir una respuesta correcta  Deben ser específicas las referencias a tiemposDeben ser específicas las referencias a tiempos  Debe especificar el periodo al cual se refiereDebe especificar el periodo al cual se refiere
  52. 52. Los sís y nos (2)Los sís y nos (2)  LOS “NO”sLOS “NO”s  Deben evitarse preguntas que sugieren una respuesta correctaDeben evitarse preguntas que sugieren una respuesta correcta  NO: Prefiere ser atendido por un médico de su mismo sexo?NO: Prefiere ser atendido por un médico de su mismo sexo?  SI:SI:  Deben evitarse preguntas con sesgos o valoresDeben evitarse preguntas con sesgos o valores  NO: Piensa que ir al centro de salud es una pérdida de tiempo?NO: Piensa que ir al centro de salud es una pérdida de tiempo?  SI:SI:  Deben evitarse preguntas que amenazanDeben evitarse preguntas que amenazan  NO: Piensa que sabe suficiente acerca de la tuberculosis?NO: Piensa que sabe suficiente acerca de la tuberculosis?  SI:SI:
  53. 53. Los sís y nos (3)Los sís y nos (3)  LOS “NO”sLOS “NO”s  Deben evitarse preguntas que tienen 2 conceptos en 1 preguntaDeben evitarse preguntas que tienen 2 conceptos en 1 pregunta  NO: Ha tenido dolor de cuello y dolor de espalda desde su últimaNO: Ha tenido dolor de cuello y dolor de espalda desde su última visita?visita?  SI:SI:  Deben evitarse preguntas con conceptos que podrían entenderse deDeben evitarse preguntas con conceptos que podrían entenderse de diferentes formasdiferentes formas  NO: Cómo calificaría su salud –muy buena, buena, regular, mala,NO: Cómo calificaría su salud –muy buena, buena, regular, mala, muy mala?muy mala?  SI:SI:  Deben evitarse preguntas con palabras negativasDeben evitarse preguntas con palabras negativas  NO: No merezco que otras personas me tratan bien.De acuerdo…NO: No merezco que otras personas me tratan bien.De acuerdo… En desacuerdoEn desacuerdo  SI:SI:
  54. 54. TIPOS DE ENCUESTATIPOS DE ENCUESTA  Aplicada en forma de entrevista cara-a-caraAplicada en forma de entrevista cara-a-cara  Tradicional, donde el/la entrevistador/a hace lasTradicional, donde el/la entrevistador/a hace las preguntas y llena con lapiz (paper-and-pencil)preguntas y llena con lapiz (paper-and-pencil)  CAPI: Entrevista personal asistida por computadoraCAPI: Entrevista personal asistida por computadora (Computer-(Computer- assisted personal interviewing)assisted personal interviewing)  CATI: Entrevista telefónica asistida por computadoraCATI: Entrevista telefónica asistida por computadora (Computer-(Computer- assisted telephone interviewing)assisted telephone interviewing)  Con dispositivos moviles tipo PalmCon dispositivos moviles tipo Palm  Auto-aplicadas:Auto-aplicadas:  Tradicional, hoja con lapizTradicional, hoja con lapiz  Basada en InternetBasada en Internet  CASI: Entrevista autoadministrada asistida por computadoraCASI: Entrevista autoadministrada asistida por computadora (Computer-assisted self-interviewing)(Computer-assisted self-interviewing)
  55. 55. SESGOS A CONSIDERARSESGOS A CONSIDERAR  1. Norma de justicia o equidad.1. Norma de justicia o equidad.  La persona trata de ser justa en cómo contesta la pregunta,La persona trata de ser justa en cómo contesta la pregunta, basado en cómo contestó una/s previa/s pregunta/sbasado en cómo contestó una/s previa/s pregunta/s  2. Estrategia de “ancla”.2. Estrategia de “ancla”.  La persona utiliza información de una/s pregunta/s previa/s paraLa persona utiliza información de una/s pregunta/s previa/s para contestar la pregunta actualcontestar la pregunta actual  3. Efecto de sumar o restar.3. Efecto de sumar o restar.  La persona asume que parte de su respuesta a que unaLa persona asume que parte de su respuesta a que una pregunta previa aplica a la próxima pregunta (sumar) o quepregunta previa aplica a la próxima pregunta (sumar) o que parte de la próxima pregunta ya se contestó en una previaparte de la próxima pregunta ya se contestó en una previa pregunta (restar)pregunta (restar)  4. Mayor positivismo en los ítems de resumen…4. Mayor positivismo en los ítems de resumen…  * Después de contestar preguntas específicas* Después de contestar preguntas específicas  La persona da una respuesta diferente/contradictoria porqueLa persona da una respuesta diferente/contradictoria porque siente que ya dio los detalles en las otras preguntassiente que ya dio los detalles en las otras preguntas
  56. 56. GRACIASGRACIAS cristiandiazv@hotmail.com

×