El documento presenta los fundamentos metodológicos de la investigación biomédica, distinguiendo entre investigación cualitativa y cuantitativa. Explica el proceso de análisis de datos cuantitativos, incluyendo estadística descriptiva, inferencial y pruebas estadísticas. Finalmente, muestra un ejemplo práctico de análisis estadístico utilizando Excel.
Dermis, Hipodermis y receptores sensoriales de la piel-Histología.pptx
Fundamentos para análisis de resultados de una investigación
1. Metodología de la investigación
Fundamentos de Análisis de Resultados en
Investigación Biomédica
Fredy RS Gutiérrez, M.D., M.Sc., Ph.D.
2. Objetivos de Aprendizaje
2 sesiones: Magistral y Taller
1. Distinguir entre Investigación Cuantitativa y Cualitativa
2. Conocer y describir el proceso de análisis de datos cuantitativos
3. Comprender los principales abordajes y pruebas estadísticas a
desarrollarse en investigación cuantitativa: Distinguir entre
Estadística inferencial, descriptiva, paramétrica y no paramétrica
4. Distinguir entre variable dependiente e independiente, y entre
error tipo I y error tipo II
5. Identificar y saber usar e interpretar los resultados plasmados en
tipos básicos de gráficos
6. Usando "Excel", y una serie de datos, estar en capacidad de hacer
un análisis estadístico descriptivo y una prueba paramétrica (test t
y ANOVA), y representar los resultados en un gráfico
5. El proceso de investigación
Pregunta
(hipótesis)
Diseño,
revisión
de EA
Muestreo
y
obtención
de datos
Análisis
de
resultados
Difusión
Etapas de un proyecto de investigación
6. Fuentes de datos
para investigación en Medicina
Historias clínicas
Entrevistas / encuestas
Datos geográficos
Resultados de laboratorio
…
7. Procesamiento de los datos
1
• Preparación de herramientas de obtención de datos
• Registro, revisión, construcción de base de datos
2
• Análisis preliminar
• Transformación
3
• Análisis descriptivo
• Análisis inferencial
8. Manejo de la información en investigación
Recolección
Organización
sistemática
Publicación
Análisis
Proyección
13. Estadística descriptiva
Cuantitativos
Medidas de
tendencia
central
Medidas de
dispersión /
variabilidad
Medidas de
asociación
Cualitativos
Frecuencias
Probabilidades
19. Medidas de tendencia central
B
A
Curva B
Curva A
Media (promedio):
Resultado de la suma de las
observaciones, dividido por
n.
Mediana:
Observación que constituye
el punto central de la
distribución.
Moda:
Valores) más común (es).
20. Medidas de Dispersión
Rango: Diferencia entre el mayor y el menor dato
Varianza: Dispersión individual respecto de la media
Desviación estándar: Desviación típica respecto de la media
Coeficiente de variación: Desviación estándar como % de la media
http://www.graphpad.com/quickcalcs/index.cfm
24. 2-Estadística descriptiva
Parameter Placebo Tratamiento
Number of values 282 282
Sum 142,7 50,00
Minimum 0,1500 0,0500
Maximum 1,660 0,5800
Median 0,4600 0,1600
Mean 0,5059 0,1773
Std. Deviation 0,2191 0,07650
Std. Error 0,01305 0,004556
Lower 95% CI of mean 0,4802 0,1683
Upper 95% CI of mean 0,5316 0,1863
Coefficient of variation 43.32% 43.15%
Skewness 1,743 1,743
Kurtosis 5,121 5,084
25. 3- Distribución de frecuencia
Tratamiento B
0.0 0.2 0.4 0.6 0.8
100
80
60
40
20
0
Intervalos de clase
Placebo
0.0 0.5 1.0 1.5 2.0
80
60
40
20
0
Intervalos de clase
Frecuencia
28. Estadística inferencial
Paramétrica
Distribución
poblacional normal
Medición por
intervalos o por
razón
Varianza
poblacional
homogénea
Coef. Pearson, Reg.
Lineal, prueba t de
Student, ANOVA, …
No paramétrica
Distribución
poblacional normal
o no normal
Variables deben ser
categóricas
X2, Coef.
Spearman
30. Hipótesis
• NULA: No hay diferencia entre los grupos (H0)
• ALTERNATIVA: No hay diferencia entre los
grupos (H1)
31. Contraste de hipótesis
• Pruebas de significación estadística
– T de Student
– ANOVA
– X2
– …
• Asociación
– Correlación
• Valores de “p”
– Contraste unilateral vs bilateral
• …
32. 4- Ejemplo de análisis estadístico
Column A Placebo
vs vs
Column B Tratamiento
Unpaired t test
P value < 0.0001
P value summary ***
Are means signif. different? (P < 0.05) Yes
One- or two-tailed P value? Two-tailed
t, df t=23.77 df=562
How big is the difference?
Mean ± SEM of column A 0.5059 ± 0.01305 N=282
Mean ± SEM of column B 0.1773 ± 0.004556 N=282
Difference between means 0.3286 ± 0.01382
95% confidence interval 0.3015 to 0.3557
R squared 0,5014
F test to compare variances
F,DFn, Dfd 8.205, 281, 281
P value < 0.0001
P value summary ***
Are variances significantly different? Yes
33. Resultado
Efecto de Tratamiento B en Factor A
0.6
0.4
0.2
0.0
***
Factor A (pg/mL)
Conclusión: El tratamiento produce una reducción de los niveles séricos del
factor A estadísticamente significativo (p<0,001).
Y si p> 0,05??
34. Qué es el valor p?
A. Probabilidad de que el factor A sea menor que
0.5
B. Proporción de individuos con factor A menor
que 0.5
C. El número de desviaciones estándar por encima
del valor de referencia para el factor A en el
grupo control
D. La probabilidad de que la diferencia hallada se
haya producido por casualidad
E. La probabilidad de hallar los mismos resultados
si repetimos el estudio
35. Qué es el valor p?
A. Probabilidad de que el factor A sea menor que
0.5
B. Proporción de individuos con factor A menor
que 0.5
C. El número de desviaciones estándar por encima
del valor de referencia para el factor A en el
grupo control
D. La probabilidad de que la diferencia hallada se
haya producido por casualidad
E. La probabilidad de hallar los mismos resultados
si repetimos el estudio
37. Posibles escenarios
Resultado
H1 H0
Decisión
H1 Poder estadístico
1-Beta
Error Alfa
Falso Positivo
H0 Error Beta
Falso negativo
Nivel de Confianza
1-Alfa
38. Error alfa (I)
• Probabilidad de afirmar que dos grupos son
diferentes cuando en realidad no lo son
• Probabilidad de que una diferencia
encontrada entre dos grupos sea debida al
azar
39. Nivel de confianza
• Probabilidad de aceptar la hipótesis nula
cuando esta sea cierta
• Probabilidad de rechazar la hipótesis
alternativa cuando esta sea falsa
40. Error beta (II)
• Probabilidad de afirmar que NO existen
diferencias entre dos grupos cuando en
realidad SI existen
41. Poder estadístico
• Probabilidad de rechazar la hipótesis nula
cuando esta sea falsa
• Probabilidad de aceptar la hipótesis
alternativa cuando esta sea cierta
42. Cómo se evitan los errores I y II
• Muestras repetidas probabilísticas.
• Inspección cuidadosa de los datos.
• Usando pruebas estadísticas apropiadas.
• Mayor conocimiento de la población.
43. Relevancia Estadística vs Biológica
• Diferencia estadísticamente significativa, es
también biológicamente significativa?
P<0.0001
***
P<0.0001
***
44. Presentación de datos
Estadística Descriptiva
Sampieri RH. Metodologia de la Investigación 5ª Ed. McGrawHill
45. Presentación de datos
Estadística Descriptiva
Sampieri RH. Metodologia de la Investigación 5ª Ed. McGrawHill
46. CONCLUSIONES
• Los resultados deben ser sistemáticamente
planeados, obtenidos, analizados y presentados.
• Qué resultados se quieren obtener?
• Conocer el tamaño de la muestra
• Conocer el comportamiento típico de las
variables es de gran ayuda.
• Resultados negativos son importantes.
• Conocer los riesgos de las decisiones que se van a
tomar con base en los resultados.
47. Actividad
Acceda a alguno de los repositorio de datos sobre indicadores de salud
en línea, por ejemplo: who.int/research/es;
minsalud.gov.co/sites/rid/SitePages/Busqueda.aspx;
paho.org/hq/index.php?option=com_content&view=article&id=2470&
Itemid=2003&lang=en
1. Obtenga los datos disponibles para una o más variables
cuantitativas, en dos grupos diferentes
2. Realice la estadística descriptiva de cada variable cuantitativa
comparando dos grupos
3. Realice una prueba t de student usando excel, para comparar el
promedio de dos grupos
4. Represente los resultados de la prueba t en un gráfico
5. Discuta el resultado en un párrafo de al menos 50 palabras.
48. Referencias
• Larson MG. Descriptive statistics and graphical displays. Circulation. 2006 Jul 4;114(1):76-81.
• Bewick V, Cheek L, Ball J. Statistics review 9: one-way analysis of variance. Crit Care. 2004
Apr;8(2):130-6. Epub 2004 Mar 1.
• Whitley E, Ball J. Statistics review 5: Comparison of means. Crit Care. 2002 Oct;6(5):424-8.
Epub 2002 Jul 12.
• Whitley E, Ball J. Statistics review 3: hypothesis testing and P values. Crit Care. 2002
Jun;6(3):222-5. Epub 2002 Mar 18.
• Whitley E, Ball J. Statistics review 1: presenting and summarising data.Crit Care. 2002
Feb;6(1):66-71. Epub 2001 Nov 29. Review.
• Scott M, Flaherty D, Currall J. Statistics: how many? J Small Anim Pract. 2012 Jul;53(7):372-6.
doi: 10.1111/j.1748- 827.2012.01231.x.
• Scott M, Flaherty D, Currall J. A statistics primer. J Small Anim Pract. 2011 Sep;52(9):456-8.
doi: 10.1111/j.1748-5827.2011.01108.x
• Januszyk M, Gurtner GC. Statistics in medicine. Plast Reconstr Surg. 2011 Jan;127(1):437-44.
doi: 10.1097/PRS.0b013e3181f95dd2.
• Error bars in experimental biology. Cumming G, Fidler F, Vaux DL. J Cell Biol. 2007 Apr
9;177(1):7-11.
• Sampieri RH. Metodologia de la Investigación 5ª Ed. McGra.wHill