Curso minerva2019 elab metod proy investig 2en2

1
@SR_LopezAlonso
2019
Cómo elaborarCómo elaborar
un proyecto de investigaciónun proyecto de investigación
SergioR.Lóp
Sergio R. López Alonso
Enfermero y Doctor en Salud Pública
@SR_LopezAlonso
2019
¿Nos presentamos?
¿Experiencia en Investigación?
¿Expectativas del curso?

2
@SR_LopezAlonso
2019
@SR_LopezAlonso
2019
CONTENIDO DOCENTE
Cómo se concreta la estrategia metodológica:
- Tipo de estudio
- Población y muestra
- Variables y métodos de recogida de datos
- Análisis de datos (confiabilidad y validez)
- Ética
Cómo elaborar
un proyecto de investigación

3
@SR_LopezAlonso
2019
Cómo elaborar
@SR_LopezAlonso
2019
TÍTULO DEL PROYECTO
RESUMEN- PALABRAS CLAVE
EQUIPO INVESTIGADOR
PROYECTO DE INVESTIGACIÓN Y SUS RESULTADOS
Antecedentes y estado actual del tema de estudio
Bibliografía
Hipótesis, pregunta investigación o Est. Descriptivo
Objetivos
Metodología
Plan de trabajo
Aspectos éticos de la investigación
Aplicabilidad de los resultados
Impacto de los resultados
MEDIOS DISPONIBLES Y PRESUPUESTO SOLICITADO
Cómo elaborar

4
@SR_LopezAlonso
2019
METODOLOGÍA
Detallar el DISEÑO de la propuesta y la METODOLOGÍA a
emplear. Indicar la viabilidad y riesgos o LIMITACIONES
del proyecto (Máximo 4 páginas).
Recuerde abordar todos los aspectos necesarios en
función del tipo de estudio, como: diseño del estudio,
tamaño muestral, variables, criterios de inclusión y
exclusión, análisis estadístico, periodo de reclutamiento,
fuente de datos, etc.
Aspectos ÉTICOS de la investigación
Especificar los aspectos éticos que se deben
tener en cuenta para realizar el proyecto.
Cómo elaborar
@SR_LopezAlonso
2019
Describe CÓMO se ha realizado la investigación,
¿Con cuánto detalle?
• Diseño
• Ámbito
• Sujetos
• Fuentes de información
• Intervención
• Instrumentos
• Procedimientos
• Definición operacional de variables principales
• Análisis estadístico
• Limitaciones
• Consideraciones éticas
Modificado de: Burgos Rodríguez R (Editor).
Metodología de investigación y escritura científica
en clínica. 3ªed. Granada: EASP; 1998.
MATERIAL Y MÉTODO

5
@SR_LopezAlonso
2019
EL CONOCIMIENTO CIENTÍFICO.
TIPOS DE ESTUDIOS EN INVESTIGACIÓN
Las creencias sometidas a razonamiento y a la deducción.
Método deductivo:
sXIX. El conocimiento surge de la observación,
a partir de las cuáles se elaboran leyes universales.
Evolución del conocimiento
Parte de lo general y explica lo específico,
pero sus errores…
Método inductivo
@SR_LopezAlonso
2019
¿Qué metodología elegir:
deductivo o inductivo,
cuantitativo o cualitativo?
¿Qué queremos
estudiar?
MÉTODOS DE INVESTIGACIÓN

6
@SR_LopezAlonso
2019
Fenomenología Etnografía
EBE
Teoría
fundamentada
PRIMARIOS SECUNDARIOS
Rev. Críticas
Rev. Sistemáticas
Meta-análisis /
síntesisCUANTITATIVOS CUALITATIVOS
EXPERIMENTALES OBSERVACIONALES
ECA Cuasi-experimentales
Analíticos
-Casos y
controles
-Cohortes
Descriptivos
-Transversales
-Ecológicos
-De caso
Descriptivos
Interpretativos
Diseños
MÉTODOS DE INVESTIGACIÓN
Modificado por M. Amezcua de: Burgos Rodríguez R (Edi. Metodología de investigación y escritura científica en clínica. 3ªed. Granada: EASP; 1998.
@SR_LopezAlonso
2019
POSTULADOS:
La realidad es única
La realidad puede ser percibida por los sentidos.
Proceso de argumentación científica:
1. Si la hipótesis X es cierta, se debe observar el efecto Y.
2. El efecto Y no se observa.
3. La hipótesis X no es cierta.
La ciencia está sometida a autocorrección constante.
Confirmación o
rechazo
Observación /
Experimentación
Hipótesis
EL MÉTODO CIENTÍFICO

7
@SR_LopezAlonso
2019
DISEÑOS DE INVESTIGACIÓN
EN SALUD
¿Qué es un diseño
de investigación?
Definiciones:
- Cea D´Ancona MA. 2001. Metodología cuantitativa. Estrategias y técnicas de investigación social. Madrid: Síntesis Sociología.
“Planificación de la estrategia
para alcanzar los objetivos de
la investigación”
(Cea M, 01)
“Plan global de la investigación que
integra, de modo coherente y
adecuadamente correcto técnicas de
recogida de datos a utilizar, análisis
previo y objetivos”
(Alvira F, 1989)
- Alvira F. Diseños de investigación social: criterios operativos. En: García Ferrando M y cols. El analisis de la realidad social.
Madrid: Alianza Universidad; 1994.
@SR_LopezAlonso
2019
De la naturaleza de la investigación.
Estado actual del conocimiento sobre el tema.
Características de la exposición y enfermedad.
Consideraciones éticas.
Consideraciones de orden logístico
(disponibilidad de tiempo y recursos).
¿DE QUÉ DEPENDE LA SELECCIÓN DEL DISEÑO?
MCeldramMañas&
DISEÑOS DE INVESTIGACIÓN
EN SALUD

8
@SR_LopezAlonso
2019
GRADO DE
INTERVENCIÓN
DIMENSION
TEMPORAL
Observacionales
No existe manipulación
Experimental
Se interviene o manipula intencionadamente
Transversales
Los datos se recogen en una sola ocasión
Longitudinales
Se recogen en varias ocasiones en un periodo largo
(estudios de seguimiento)
CRITERIOS DE CLASIFICACIÓN
MCeldramMañas&
SENTIDO DEL
ESTUDIO
Restrospectivo
La información ya está recogida
Prospectivo o concurrente
Se tiene que recoger la información
@SR_LopezAlonso
2019
PROBLEMA
CARACTERIZACIÓN
EVALUAR
ASOCIACIÓN ENTRE
FACTORES
Y PROBLEMA DE SALUD
Mide el problema de salud y
observa diferencias entre grupos
ASOCIACIÓN
CAUSALIDAD
RIESGO
E. DESCRIPTIVOS / ECOLÓGICOS
E. ANALÍTICOS - EXPERIMENTALES
SECUENCIA DEL PROCESO
CIENTÍFICO
Burgos Rodríguez R. Metodología de investigación y escritura científica en clínica. Granada: EASP; 1998
MCeldramMañas&

9
@SR_LopezAlonso
2019
Fenomenología Etnografía
EBEEBE
Teoría
fundamentada
PRIMARIOS SECUNDARIOS
Rev. Críticas
Rev. Sistemáticas
Meta-análisis /
síntesisCUANTITATIVOS CUALITATIVOS
EXPERIMENTALES OBSERVACIONALES
ECA Cuasi-experimentales
Analíticos
-Casos y
controles
-Cohortes
Descriptivos
-Transversales
-Ecológicos
-De caso
Descriptivos Interpretativos
Diseños de Investigación en
Salud
Modificado por M. Amezcua de: Burgos Rodríguez R (Edi. Metodología de investigación y escritura científica en clínica. 3ªed. Granada: EASP; 1998.
@SR_LopezAlonso
2019
ESTUDIOS
TRANSVERSALES

10
@SR_LopezAlonso
2019
Debe representar la población diana
Recogida de datos en un tiempo “Fotografía”
Estudio simultáneo de exposición y problema
÷ No E
E E
No E
E
No E
F No F1) 2)
MCeldramMañas&
ESTUDIOS TRANSVERSALES
@SR_LopezAlonso
2019
ESTUDIOS
ECOLÓGICOS

11
@SR_LopezAlonso
2019
ESTUDIOS ECOLÓGICOS
Unidad de análisis Grupos de individuos.
Requieren disponibilidad de datos agregados
Asocia exposición y resultado a nivel grupal
Tipos de
estudios
- Descriptivos o de mapas
- Tendencias temporales
- Experimentales
MiriamCeldramMañas&@SR_LopezAlonso
2019
ESTUDIOS DE
COHORTES

12
@SR_LopezAlonso
2019
Del latín, cohorte “conjunto de soldados que comparten el
mismo destino y caminan juntos hacia delante”.
Observación a lo largo del tiempo a personas que comparten
una característica o exposición para conocer la frecuencia de
aparición de un problema -incidencia-.
MiriamCeldramMañas&
ESTUDIOS DE COHORTES
@SR_LopezAlonso
2019
ESTUDIOS DE
CASO-CONTROL

13
@SR_LopezAlonso
2019
DOS GRUPOS A COMPARAR:
- El grupo “casos”: individuos con una “enfermedad”
- El grupo “control”: individuos sin esa “enfermedad”
Definir criterios de individuos incluidos:
- Enfermedad
- Grado de gravedad
- Factor de riesgo.
Evalúa proporción de casos y de controles
expuestos a un posible factor de riesgo: OR
ESTUDIOS CASO-CONTROL
Sentido hacia atrás: parte del efecto a la causa.
@SR_LopezAlonso
2019
ENSAYOS
CLÍNICOS

14
@SR_LopezAlonso
2019
Intervención 1
Intervención 2
=
ENSAYO CLÍNICO
@SR_LopezAlonso
2019
Investigador controla la intervención: - Administración
- Sujetos
OBJETIVO: Medir la eficacia de una intervención
-Se establece la población diana
-Se selecciona una muestra representativa
-Se asigna aleatoriamente la intervención
ENSAYO CLÍNICO

15
@SR_LopezAlonso
2019
TÉCNICAS DE ENMASCARAMIENTO:
● Ciego simple.
● Doble ciego.
● Triple ciego.
● Evaluador ciego.
● Ciego simple. Investigadores o participantes desconocen la
intervención
● Doble ciego. Participantes e investigadores desconocen la
intervención.
● Triple ciego. El IP y/o estadístico
desconoce la asignación al grupo.
● Evaluador ciego. Si no se pueden
aplicar las técnicas anteriores, la
persona que mide la variable
desconoce la asignación al grupo.
ENSAYO CLÍNICO
@SR_LopezAlonso
2019
Estudio
Cuasi-experimental

16
@SR_LopezAlonso
2019
ESTUDIO CUASI-EXPERIMENTAL
Evalúa la eficacia de distintas intervenciones
(preventivas, terapéuticas, formativas…).
Similar a E. experimental, a falta de dos requisitos:
a) Aleatoriedad individual (sí grupal)
b) No es necesario Grupo de control
2019
PROYECTO PREVALENCIA CP

17
@SR_LopezAlonso
2019
ÁMBITO
Delimitación geográfica, sanitaria…
…contextual
@SR_LopezAlonso
2019
SujetosÁmbito
ÁMBITO
También:
PROYECTO SOLEDAD

18
@SR_LopezAlonso
2019
Describe
…
!!OJO!!
Sesgo de selección
SUJETOS
Describe …
… la población diana
… la muestra
… la selección muestral
… el sistema de muestreo
… el tamaño
… la reposición de perdidas
… la asignación de sujetos a grupos
@SR_LopezAlonso
2019
Población diana
Población accesible
Población elegible
Muestra
Participantes
Tipo y tamaño
muestral
Accesibilidad/
Disponibilidad
Pregunta de
investigación
No colaboración/
Pérdidas
Criterios de
selección
SUJETOS

19
@SR_LopezAlonso
2019
Población diana: Aquella a la que pretendemos generalizar los
resultados del estudio. (embarazadas, consumidores de droga, etc.)
Población accesible: Subconjunto a la que podemos acceder
(embarazadas en clínicas prenatales, drogadictos en centros de
deshabituación…)
Población elegible: Sujetos que elegimos conforme a los
criterios de inclusión que se establecen.
NIVEL POBLACIONAL
Muestra: es el conjunto de elementos de la población
accesible que van a formar parte de nuestro estudio
Participantes: Los sujetos que finalmente se realizan
las mediciones, que no suelen coincidir exactamente con
la muestra diseñada.
2019
EJEMPLO:
Estudio descriptivo sobre consumo de alcohol
- Población diana:
- Población accesible:
-Población elegible:
POBLACIÓN DE ESTUDIO
Adolescentes entre 12 y 14 años
matriculados en centros Escolares.
Adolescentes entre 12 y 14 años
de la ciudad de Valencia en el año 2014.
-Muestra: XXX sujetos
-Participantes:
Estudiantes de 1º y 2º de ESO de
colegios públicos ubicados en la ciudad de Valencia,
excluyéndose a los que no residen en la ciudad.
Estudiantes seleccionados que estuvieran
en las aulas el día que se realice la encuesta.

20
@SR_LopezAlonso
2019
Criterios de exclusión
Subconjunto de individuos
con criterios de inclusión,
pero con probabilidad de
interferir en la calidad de
los datos.
Criterios de inclusión
Ejemplo:
-Edad: 12 y 14 años.
-Matriculado en colegio
público de Valencia (1º-2º
ESO)
-Residente en esta ciudad
Ejemplo:
-No comprensión del idioma.
-Deficiencia mental.
Características de la población elegible,
determinados por la pregunta de
investigación y por la fuente de
sujetos elegida.
CRITERIOS DE SELECCIÓN
2019
SUJETOS

21
@SR_LopezAlonso
2019
SUJETOS
PROYECTO SOLEDAD
@SR_LopezAlonso
2019
MUESTREO: ELEMENTOS
Sistema de
muestreo Tamaño de
la muestra

22
@SR_LopezAlonso
2019
SISTEMAS DE MUESTREO
Muestreo probabilístico:
Sistema de selección aleatoria que garantiza la misma
probabilidad de ser elegida a cada unidad de investigación
Garantiza la imparcialidad del investigador.
Muestreo NO probabilístico:
Selección según criterios identificados para los fines del
estudio
No hay selección aleatoria, por tanto la muestra “NO”
es representativa del universo.
2019
- Aleatorio simple
- Sistemático
- Estratificado
- Por conglomerados
- Cea D´Ancona MA. 2001. Metodología cuantitativa. Estrategias y técnicas de investigación social. Madrid: Síntesis
Sociología
- Consecutivo
- Por cuotas
- De rutas aleatorias
- De conveniencia
- De bola de nieve
No probabilístico
Probabilístico
SISTEMA DE MUESTREO

23
@SR_LopezAlonso
2019
MUESTREO ALEATORIO SIMPLE
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50
51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 69 70
71 72 73 74 75 76 77 78 79 80
81 82 83 84 85 86 87 88 89 90
91 92 93 94 95 96 97 98 99 100
Cada unidad tiene la misma probabilidad de ser incluida en
la muestra.
Modalidades: sorteo,
rifa, tabla de números
aleatorios, programas
informático …
MUESTREO PROBABILÍSTICO
@SR_LopezAlonso
2019
- Simplicidad conceptual y estadística.
- Requiere el listado de toda la población accesible.
- ¿Dispersión y dificultad de acceso a sujetos?
tiempo y dinero
- ¿Grupos minoritarios no representados?
(Muestras pequeñas)
VENTAJADESVENTAJAS
MUESTREO ALEATORIO SIMPLE

24
@SR_LopezAlonso
2019
Los individuos se seleccionan al azar según una regla o
proceso periódico
- No requiere una lista cerrada previa
- Desaconsejado en situaciones en las que las
unidades de muestreo se ordenan según algún
criterio periódico o cíclico.
VENTAJADESVENTAJAS
Ej: Actividad en el servicio de urgencias
MUESTREO SISTEMÁTICO
@SR_LopezAlonso
2019
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50
51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 69 70
71 72 73 74 75 76 77 78 79 80
81 82 83 84 85 86 87 88 89 90
91 92 93 94 95 96 97 98 99 100
Azar
Constante de
muestreo (k)
Tamaño de
muestra
deseado
Población
elegible
K=
Se calcula k (constante de muestreo), siendo k un nº
entero resultado de dividir el tamaño de la población
entre el tamaño de la muestra:
MUESTREO SISTEMÁTICO

25
@SR_LopezAlonso
2019
MUESTREO ESTRATIFICADO
TIPOS:
-Proporcional
-No proporcional
1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
21 22 23 24 25 26 27 28 29 30
31 32 33 34 35 36 37 38 39 40
41 42 43 44 45 46 47 48 49 50
51 52 53 54 55 56 57 58 59 60
61 62 63 64 65 66 67 68 69 70
71 72 73 74 75 76 77 78 79 80
81 82 83 84 85 86 87 88 89 90
91 92 93 94 95 96 97 98 99 100
La población se divide en estratos o subgrupos, por
presencia de variables que puede afectar a los resultados.
Posteriormente, selección de muestra aleatoria.
Requiere más información:
- Listado cerrado
- Distribución según
características de interés
DESVENTAJAS
@SR_LopezAlonso
2019

26
@SR_LopezAlonso
2019
• Los elementos se seleccionan de subgrupos
• El investigador no define los estratos sino que ya
existen en la vida real.
- 1º muestra aleatoria de las agrupaciones naturales
(colegios, hospitales, barrios…).
Pasos
- 2º muestra de individuos en cada agrupación
MUESTREO MULTIETÁPICO
O POR CONGLOMERADOS
@SR_LopezAlonso
2019
- Población muy dispersa.
Ej. los adolescentes de la ciudad de Valencia
- No se dispone del listado de sujetos ,
pero sí de sus agrupaciones
¿Cuándo se utiliza?
-Grandes tamaños muestrales
-Cálculos estadísticos complejos
DESVENTAJAS
MUESTREO MULTIETÁPICO
O POR CONGLOMERADOS

27
@SR_LopezAlonso
2019
- Aleatorio simple
- Sistemático
- Estratificado
- Por conglomerados
Sociología
- Consecutivo
- Por cuotas
- De rutas aleatorias
- De conveniencia
- De bola de nieve
No probabilístico
Probabilístico
SISTEMA DE MUESTREO
@SR_LopezAlonso
2019
MUESTREO CONSECUTIVO
- Si el periodo es corto, no refleja variaciones estacionales u
otras tendencias. Ej. Diarreas de lactantes en invierno/verano
- Las interrupciones traban el reclutamiento consecutivo.
DESVENTAJAS
• Técnica no probabilística más utilizada, aunque similar.
• Se reclutan toda la población accesible que cumpla los
criterios de selección durante un periodo establecido.
MUESTREO NO
PROBABILÍSTICO

28
@SR_LopezAlonso
2019
Muestreo por cuotaMuestreo por cuota:: Igual que el estratificado pero sin
aleatorizar. Se requiere un nº de sujetos por
características recogidas en una matriz
MUESTREO DMUESTREO DE RUTAS ALEATORIAS: El entrevistador
sigue un itinerario (aleatoria) por el que va entrevistando a
gente.
AP Mujer < 45 Mujer > 45 Hombre <45 Hombre >45
Auxiliares 20 20 20 20
Enfermeras 20 20 20 20
Médicas 20 20 20 20
MUESTREO NO
PROBABILÍSTICO
@SR_LopezAlonso
2019
MUESTREO INTENCIONAL OMUESTREO INTENCIONAL O POR CONVENIENCIAPOR CONVENIENCIA::
Muestra integrada por los sujetos en base al conocimiento
del investigador para dar respuesta a su pregunta
Ej: Selección X expertos en geriatría para evaluar las necesidades en
salud de la población anciana de Andalucía (informantes clave)
MUESTREO DE BOLA DE NIEVEMUESTREO DE BOLA DE NIEVE:: Las unidades
muestrales se escogen a partir de las anteriores.
Se pueden introducir sesgos
importantes
DESVENTAJAS
MUESTREO NO
PROBABILÍSTICO

29
@SR_LopezAlonso
2019
Es el número de unidades a incluir, y depende de:
- Tiempo – Recursos y prevalencia esperada.
- Del sistema de muestreo y análisis previsto
- La diferencia a detectar !!efectos prácticos!!
- De la pérdida de sujetos estimada (20, 25, 30%).
Normalmente, se usa :
- α=0,05
- β=0,20 Granmo (2).LNK
TAMAÑO MUESTRAL
2019
TAMAÑO MUESTRAL

30
@SR_LopezAlonso
2019
SUJETOS
PROYECTO STOPP-START
@SR_LopezAlonso
2019
SUJETOS
PROYECTO SOLEDAD

31
@SR_LopezAlonso
2019
Fuentes primarias
- Directas
- Indirectas
Fuentes secundarias:
- Datos (no) publicados por organismos
públicos y privados
- Investigaciones (no) publicadas
-Cea D´Ancona MA. 2001. Metodología cuantitativa. Estrategias y técnicas de investigación social. Madrid: Síntesis
Sociología.
FUENTES DE INFORMACIÓN
@SR_LopezAlonso
2019
EJEMPLO
Ramírez Carmona C. Las decisiones de las mujeres gestantes en el plan de parto y la atención sanitaria recibida en
relación a este. Trabajo Fin de Grado. Centro Universitario San Juan de Dios. Universidad de Sevilla: Sevilla; 2013.
PROYECTO PLAN DE PARTO

32
@SR_LopezAlonso
2019
PROYECTO EMCA
@SR_LopezAlonso
2019
Describe la
intervención, si hay
Describe la
administración /
ejecución de la
intervención, si hay
INTERVENCIÓN

33
@SR_LopezAlonso
2019
FIABILIDAD. Capacidad de
que mediciones sucesivas
sean similares.
VALIDEZ. Capacidad de medir
realmente aquello que
queremos medir.
!!OJO!!
Sesgo de
clasificación
-Cea D´Ancona MA. 2001. Metodología cuantitativa. Estrategias y técnicas de investigación social. Madrid: Síntesis Sociología.
INSTRUMENTOS
@SR_LopezAlonso
2019
INSTRUMENTOS
PROYECTO STOPP - START

34
@SR_LopezAlonso
2019
INSTRUMENTOS
PROYECTO SOLEDAD
@SR_LopezAlonso
2019
Describe el procedimiento …
… de actuación con cada sujeto
… de recogida de datos
PROCEDIMIENTOS

35
@SR_LopezAlonso
2019
Hace referencia a:
quién recogerá los
datos, cómo y
cuándo se hará ,
diseñando asimismo
los impresos que se
utilizarán para la
recogida de datos.
PROCEDIMIENTOS
Procedimiento de recogida de datos:
@SR_LopezAlonso
2019
Se debe indicar cómo se
comprobará si cumple los
criterios de selección, cómo
se solicitará el
consentimiento, qué
seguimiento se hará, cómo
recibirá la intervención, qué
mediciones se realizarán, qué
se hará si se presenta algún
acontecimiento durante el
estudio, etc.
Procedimiento de actuación con cada sujeto:
PROCEDIMIENTOS

36
@SR_LopezAlonso
2019
PROCEDIMIENTOS
@SR_LopezAlonso
2019

37
@SR_LopezAlonso
2019
VARIABLES
Definición:
@SR_LopezAlonso
2019
Definición teórica
Asigna un concepto
(define y perfila)
Ej: Absentismo escolar
D. teórica: Ausencia en la
escuela en horario escolar
D. Operacional: Nº de días
al mes que el alumno falta a
la escuela sin justificación
Definición operacional
Especifica cómo se medirá
la ocurrencia -e intensidad
en su caso-, del concepto.
-Cea D´Ancona MA. 2001. Metodología cuantitativa. Estrategias y técnicas de investigación social. Madrid: Síntesis
Sociología.
VARIABLES
Ej: Absentismo escolar

38
@SR_LopezAlonso
2019
TIPOS DE VARIABLES
Niveles de
medición
V. Cualitativas
- Nominal
- Ordinal
V. Cuantitativas
- De intervalo
- De razón o proporción
Escalas de
medición
Continuas Discretas
Función en la
investigación
Independientes Dependientes
Perturbadoras
- De control
- Aleatorias
Nivel de
abstracción
Generales Intermedias Indicadores
Sociología.
@SR_LopezAlonso
2019
Ramírez Carmona C. Las decisiones de las mujeres gestantes en el plan de parto y la atención sanitaria recibida en
relación a este. Trabajo Fin de Grado. Centro Universitario San Juan de Dios. Universidad de Sevilla: Sevilla; 2013.
EJEMPLO
VARIABLES

39
@SR_LopezAlonso
2019
VARIABLES
@SR_LopezAlonso
2019
“La estadística es una ciencia
que demuestra que si mi vecino
tiene dos coches y yo ninguno,
los dos tenemos uno”
George Bernard Shaw
ANÁLISIS ESTADÍSTICO

40
@SR_LopezAlonso
2019
Estadística:
Población:
Muestra:
Conjunto de individuos sobre el que sacar conclusiones
Ciencia que tiene por objeto dar métodos tanto
para la recopilación, organización y análisis de los datos que
provienen de un grupo de individuos, como su aplicación para
decidir la aceptación o rechazo de ciertas afirmaciones o leyes.
Subconjunto de individuos de la población
sobre el que se realiza el estudio.
ESTADÍSTICA: Conceptos
@SR_LopezAlonso
2019
Estadística Descriptiva. Funciones
- Organizar datos numéricos en tablas y gráficos.
- Analizar los datos obtenidos mediante índices
estadísticos representativos de la muestra.
Ej. medidas de tendencia central y de dispersión.
- Inferir las características de la población a
partir de los datos de una muestra.
Estadística Inferencial. Funciones
ESTADÍSTICA: Conceptos

41
@SR_LopezAlonso
2019
Media aritmética: Suma de todos los valores de una variable
dividida por el número total de observaciones de la muestra.
Mediana: Puntuación que ocupa el valor central de la
distribución
Moda: Valor de la variable que presenta mayor frecuencia.
MEDIDAS DE
TENDENCIA CENTRAL
Media
Mediana
Moda:
@SR_LopezAlonso
2019
MEDIDAS DE DISPERSIÓN
Amplitud o rango: Diferencia entre el valor más alto y más bajo.
Desviación media: Media aritmética de
los valores de las puntuaciones de
desviación de un punto central (media).
Varianza: Media de los cuadrados de las
diferencias entre cada valor de la variable y
la media aritmética de la distribución.
Desviación típica: Raíz cuadrada de la media de
los cuadrados de las puntuaciones de desviación.
(Raíz cuadrada positiva de la varianza)
Coeficiente de variación: Desviación típica dividida
por la media. Sirve para comparar la dispersión o
variabilidad de dos o más grupos
Amplitud o rango:

42
@SR_LopezAlonso
2019
MEDIDAS DE FRECUENCIAS
@SR_LopezAlonso
2019
Hombre Mujer
Sexo
20,00
30,00
40,00
50,00
IM
C
110
156
177
211
75
32
22
0 10 20 30 40 50
W11Total
0
20
40
60
8 0
100
W
2
4
T
o
ta
l
R Sq Line ar = 0,845
V. CUALITATIVA
V. CUANTITATIVA
2 V. CUANTITATIVAS
GRÁFICOS

43
@SR_LopezAlonso
2019
MEDIDAS DE FRECUENCIA
@SR_LopezAlonso
2019
o Densidad de incidencia
enfermedad
MEDIDAS DE FRECUENCIA

44
@SR_LopezAlonso
2019
Razón de prevalencias*
Riesgo relativo
Odds ratio
Reducción absoluta de riesgo
Reducción relativa de riesgo
Número necesario a tratar (diagnosticar o dañar)
MEDIDAS DE ASOCIACIÓN /
EFECTO
http://www.hrc.es/bioest/Medidas_frecuencia_6.htm
l
@SR_LopezAlonso
2019
MEDIDAS DE ASOCIACIÓN
Caídas No caídas
Muestra A 10 140 150
Muestra B 25 100 125
35 240 275
Tabla 2 x 2
¿OR?
¿RR?
Calculadora MBE

45
@SR_LopezAlonso
2019
JMVelasoBueno&@SR_LopezAlonso
2019
IAc
12
IA
i
16
Riesgo atribuible poblacional: Diferencia de incidencias entre
grupo expuesto y no expuesto. Impacto de la eliminación del
factor de riesgo. RAP = RAR x Prev(e)
RR
16/12=1,33
Ó
12/16=0,75
RA
R
ó
JMVelasoBueno&

46
@SR_LopezAlonso
2019
Estadística Descriptiva. Funciones
- Organizar datos numéricos en tablas y gráficos.
- Analizar los datos obtenidos mediante índices
estadísticos representativos de la muestra:
medidas de tendencia central y de dispersión.
- Inferir las características de la población a
partir de los datos de una muestra.
Estadística Inferencial. Funciones
CONCEPTOS GENERALES
@SR_LopezAlonso
2019
ESTIMACIÓN PUNTUAL
O POR INTERVALO

47
@SR_LopezAlonso
2019
INFERENCIA ESTADÍSTICA
Son los procedimientos que permiten pasar
de los particular (la muestra),
a lo general (la población).
INTERVALOS DE CONFIANZA CONTRASTES DE HIPÓTESIS
MCeldramMañas&@SR_LopezAlonso
2019
CONTROL ERROR ALEATORIO: INTERVALO CONFIANZA
Es la medición del grado de error implícito en todo
proceso que tiene que ver con el azar.
¿ Qué significa que un intervalo de confianza es del 95%?
Que por término medio, de cada 100 de tales intervalos, 95 de ellos
contendrán en su interior el valor del parámetro en la población.
Nivel de confianza: 90%, 95%, 99%
MCeldramMañas&

48
@SR_LopezAlonso
2019
Control del error aleatorio: CONTRASTES DE HIPÓTESIS
Procedimiento para refutar o confirmar una hipótesis previa
sobre el valor de un parámetro esperado
¿Qué grado de compatibilidad hay entre la hipótesis
establecida y los datos del estudio?
MCeldramMañas&
H0 H1
H0 Correcto
Error tipo I
(Alfa)
H1
Error tipo II
(Beta)
Correcto
Prueba o Test: Decisión
Realidad:
Hipótesis cierta
@SR_LopezAlonso
2019
Valor P
• El valor P es grande ( > 0.05):
- Aceptamos la H0
-Los dos tratamientos son iguales
• Si P es pequeña ( < 0.05):
- Lo observado es incompatible con la H0 por tanto la
rechazamos.
- Decimos que el test es significativo
ACEPTAR O RECHAZAR LA HIPÓTESIS NULA
MCeldramMañas&

49
@SR_LopezAlonso
2019
DISTRIBUCIÓN NORMAL
PROPIEDADES
-Forma de campana (Campana de Gauss)
-Curva asintótica: No toca el eje de abcisas.
-Simétrica en eje vertical que es la media
-El valor máximo de Y es la media.
-Dos puntos de inflexión, a una Desv. Tipica en ambos sentidos.
- El área total de la curva es el 100% de la probabilidad de que una
variable aleatoria tome los posibles valores, o sea 1.
- El intervalo X ± Desv. Típica es del 68% del área de la curva.
X ± 1,96 desv. Típicas es el 95% del área de la curva.
X ± 2,58 desv. Típicas es el 99% del área de la curva.
@SR_LopezAlonso
2019
COMPROBACIÓN DE LA NORMALIDAD
ANÁLISIS DESCRIPTIVO
5 7,5 10 12,5 15 17,5 20
Tiempo de estancia media
posquirúrgica
0
20
40
60
80
F
re
q
u
e
n
c
y
Mean = 6,96
Std. Dev. = 2,38
N = 311
Tests of Normality
,192 311 ,000
Tiempo de estancia
media posquirúrgica
Statistic df Sig.
Kolmogorov-Smirnova
Lilliefors Significance Correctiona.

50
@SR_LopezAlonso
2019
COMPARAR PARÁMETROS
• Variable resultado o dependiente
• Variable predictora o independiente
En función a su naturaleza a si será el análisis estadístico a realizar.
Test ‫א‬2 T de Student
R. Logística R. Lineal
Dicotómica Continua
Dicotómica
Continua
Predictora
Variable resultado
MCeldramMañas&@SR_LopezAlonso
2019
ESTADÍSTICA INFERENCIAL
CONTRASTES DE HIPÓTESIS

51
@SR_LopezAlonso
Condiciones previas para la realización del testCondiciones previas para la realización del test
• Que las dos variables medidas sigan una distribución Normal
Se puede obviar si:
- Los tamaños muestrales son ambos > 30.
- Siendo < 30 la distribution no se diferencia mucho de la Normal.
Si no recurriremos a otros test no paramétricos:
- El test de Mann Whitney para muestras independientes
- El test de Wilcoxon para muestras apareadas
• Que las varianzas en las dos poblaciones sean parecidas:
- Si no debemos realizar el test de Levene
• Que las dos variables medidas sean independientes:
- Existe una versión del test para muestras dependientes o apareadas.
Burgos Rodríguez R. Metodología de investigación y escritura científica en clínica. 1998. EASP. Granada.
MCeldramMañas&
Test T de Student
@SR_LopezAlonso
2019
VI: Sexo
VD: Edad de intervención
t-test for Equality of Means
t-test for Equality
of Means
MUESTRAS INDEPENDIENTES
Test T de Student

52
@SR_LopezAlonso
2019
MUESTRAS APAREADAS
W: WOMAC
Test T de Student
@SR_LopezAlonso
2019
COMPARACIONES MÚLTIPLES
Análisis de la varianza o ANOVA.
• Permite comparar tres o más tratamientos
• Si el test es significativo, no todos los tratamientos son
iguales, pero no especifica cuáles son diferentes.
• Para contestar esta pregunta existen test específicos para
comparaciones múltiples (Sheffe, Newman-Keuls, Tukey,
Ducan, etc.)
MCeldramMañas&

53
@SR_LopezAlonso
2019
Test ‫2א‬ 2x2 ó ZxZ
Test Fisher si una celda con <5 sujetos
@SR_LopezAlonso
2019
V1: SyDF24
V2: SyDF11
0 10 20 30 40 50
W11Total
0
20
40
60
80
100
W
2
4
T
o
ta
l
Textbox
R Sq Linear = 0,845
CORRELACIÓN

54
@SR_LopezAlonso
2019
• Modelos de regresión:
• Engloba una serie de técnicas que tratan de medir la
relación entre una variable resultado y una o varias
predictoras
• Variable de resultado continua
Modelo de regresión lineal
Simple
(Una predictora)
Múltiple
(Varias predictoras)
REGRESIÓN LINEAL
MCeldramMañas&
@SR_LopezAlonso
2019
• El modelos de regresión lineal simple establece que:
E ( Y) = β0+β1X+…+
βpXpn
Y: Es la variable resultado
X: Es la variable
predictora
Β0 y β1: Son los
parámetros del modelo
MCeldramMañas&
REGRESIÓN LINEAL

55
@SR_LopezAlonso
2019
↑ SyDF t0 ↑ mejora en SyDF final
REGRESIÓN LINEAL
@SR_LopezAlonso
2019
• Es el cuadrado del coeficiente de correlación.
• Mide la parte de variabilidad de la variable resultado que
puede ser explicada por la variable predictora.
• Máximo interés en el caso de la relación lineal
multivariante.
COEFICIENTE DE DETERMINACIÓN
( r2):
R2 = 0,79
El 79% de la variabilidad de las hemoglobinas de los
pacientes puede explicarse por la distinta creatinina en
ellos.
Resta por explicar el 21% que es achacable a otra
variables.
MCeldramMañas&
REGRESIÓN LINEAL

56
@SR_LopezAlonso
2019
REGRESIÓN LOGÍSTICA
Análisis utilizado para estimar la probabilidad de un
evento ocurriendo ( V. dependiente categórica)
como función de otros factores (V. independientes).
– La probabilidad debe estar entre 0 y 1
– Distintos valores de las variables deben
proporcionar distintas probabilidades
– La probabilidad es creciente (o de creciente) en
función de los valores de la variable
@SR_LopezAlonso
2019
5 10 15 20 25
0.2
0.4
0.6
0.8
1
P(S/X)
X
P(S/X=15)=0.924
El modelo logístico
Probabilidad de un suceso en función de los valores de una
variable

57
@SR_LopezAlonso
2019
5 10 15 20 25
0.2
0.4
0.6
0.8
1
P(S/X)
X
P(S/X) puede cambiar en función del
grupo o de terceras variables
Y=y1
Y=y2
Y=y3
@SR_LopezAlonso
2019
0
10
20
30 0
5
10
15
20
0
0.25
0.5
0.75
1
0
10
20
30
X
Y
P(S/X,Y)
P(S/X) puede cambiar en función del
grupo o de terceras variables

58
@SR_LopezAlonso
2019
REGRESIÓN
LOGÍSTICA
@SR_LopezAlonso
2019
ESTADÍSTICA: Resumen
Estadística DESCRIPTIVA
NORMALIDAD ESTADÍSTICA V. Cuantitativas
ANÁLISIS BIVARIANTE. Ej. Test Chi2, T student (indep/apareado), Correlación, etc
ANÁLISIS MULTIVARIANTE. EJ. REGRESIÓN LINEAL O LOGÍSTICA, ETC
Estadística INFERENCIAL
MEDIDAS DE FRECUENCIA. VALORES, %, PREVALENCIA, INCIDENCIA V. Cualitativas
MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN: Ej. Medias y DT V. Cuantitativas
MEDIDAS DE ASOCIACIÓN Y EFECTO. EJ. RR, OR, NNT V. Cuantitativas
Gráficos: Diagrama de barras, sectores, histogramas, nube de puntos

59
@SR_LopezAlonso
2019
ESTRUCTURA
● Pérdidas - no respuestas, y
motivos.
Pruebasestadísticas
● Características de los
sujetos.
● Comparabilidad inicial de
grupos
● Respuesta a la pregunta de
investigación
● Análisis de subgrupos, si hay.
Los verbos deben ir
en tiempo pasado.
Errores frecuentes
-Secuencia ilógica
-Tablas y figuras no citadas
-Incluye opiniones
Burgos Rodríguez R (Editor). Metodología de investigación y escritura científica en clínica. 3ªed. Granada: EASP; 1998.
RESULTADOS
EL ARTÍCULO ORIGINAL
@SR_LopezAlonso
2019
PROYECTO EMCA

60
@SR_LopezAlonso
2019
PROYECTO SOLEDAD
@SR_LopezAlonso
2019

61
@SR_LopezAlonso
2019
Pajares F. Los Elementos de una Propuesta de Investigación. Evaluar, 7 (2007), 47 – 60
Limitaciones: Restricciones propias del tipo de problema abordado;
predominantemente de carácter externo.
Delimitaciones: Restricciones que fija el propio investigador, para
enmarcar su objeto de estudio, de acuerdo a variables como el tiempo
disponible, el ámbito geográfico, los costos, etc.
LIMITACIONES
@SR_LopezAlonso
2019
- Error aleatorio
- Error sistemático o sesgo
MCeldramMañas&

62
@SR_LopezAlonso
2019
Es la divergencia, sólo debida al azar, entre
una observación hecha en una muestra y su
verdadero valor en la población.
FUENTES DE ERROR ALEATORIO
Variabilidad biológica individual
Error de muestreo
Error de medición
MCeldramMañas&
ERROR ALEATORIO
@SR_LopezAlonso
2019
Resultado de VARIABILIDAD EN MUESTREO O MEDICIONES
No afecta validez del estudio (ni interna ni externa)
Afecta a la precisión de las estimaciones.
¿Qué podemos hacer?
Prevención:
- Usar toda la población
Reducción:
- Aumentar tamaño muestral
- Uso de instrumento más preciso
MCeldramMañas&
EN EL DISEÑO
ERROR ALEATORIO

63
@SR_LopezAlonso
2019
Desplazamiento artificial del valor del resultado
Independiente del muestreo
Atenta contra la validez interna
MCeldramMañas&
SESGO O ERROR SISTEMÁTICO
@SR_LopezAlonso
2019

64
@SR_LopezAlonso
2019
1) De selección: Participantes ≠ población diana
2) De información o Mala clasificación:
Medición equívoca
3) De confusión: Variable distorsionante
Diferencial No diferencial
MCeldramMañas&
SESGO O ERROR SISTEMÁTICO
EN EL DISEÑO
4) De Realización
@SR_LopezAlonso
2019
LIMITACIONES
PROYECTO EMCA

65
@SR_LopezAlonso
2019
La ética en la investigación
pretende garantizar que los participantes en un estudio
estén protegidos, y que la investigación clínica sirva a las
necesidades de dichos participantes, y de la sociedad.
“Hablando en plata”:
-La selección y el logro de fines moralmente aceptables
-Uso de medios moralmente aceptables
ÉTICA
@SR_LopezAlonso
2019
Informe Belmont (1978) 3 principios éticos
Comités de Ética. Función
Evaluar metodología, ética y legalidad del
proyecto, valorando el balance de riesgos
y beneficios. También, hace el
seguimiento de ECAs
Declaración de helsinki (1964 - 2000)
Código Nuremberg
ÉTICA

66
@SR_LopezAlonso
2019
ÉTICA
@SR_LopezAlonso
2019
A) VENTAJAS
- pertinencia científica
- Rigor metodológico
- importancia de resultados esperados
B) RIESGOS…
…para la salud o bienestar
de los participantes
1) Las VENTAJAS Y RIESGOS de la investigación
Tres cuestiones fundamentales
ÉTICA

67
@SR_LopezAlonso
2019
a) Toma de decisión consciente: los sujetos
deben recibir suficiente información sobre el
proyecto y sobre el papel que jugarán en él
b) El consentimiento libre, que supone relación
de igualdad entre el investigador y el sujeto.
c) El consentimiento claramente expresado:
puede darse oralmente o por escrito, siendo éste
preferible. El consentimiento escrito se consigna
en un formulario
ÉTICA
2) Consentimiento libre y consciente (Consentimiento informado)
@SR_LopezAlonso
2019
3) Respeto de la confidencialidad o
del anonimato
Anonimato. el investigador es incapaz
de establecer una relación entre los datos
específicos y el individuo
Confidencialidad. el investigador
puede establecer tal relación, pero se
compromete a no desvelarla.
ÉTICA

68
@SR_LopezAlonso
2019
CONSENTIMIENTO
INFORMADO
@SR_LopezAlonso
2019
CONSENTIMIENTO
INFORMADO
PROYECTO SOLEDAD

69
@SR_LopezAlonso
2019
@SR_LopezAlonso
2019
ÉTICA
Desde el pasado 25 de mayo de 2018 es
de plena aplicación la nueva legislación
en la Unión Europea (UE) sobre datos
personales, en concreto el Reglamento
(UE) 2016/679 del Parlamento europeo y
del Consejo de 27 de abril de 2016 de
Protección de Datos (RGPD).

70
@SR_LopezAlonso
2019
ÉTICA
@SR_LopezAlonso
2019

Curso minerva2019 elab metod proy investig 2en2

Recomendados

Recomendados

Más contenido relacionado

La actualidad más candente

La actualidad más candente (20)

Similar a Curso minerva2019 elab metod proy investig 2en2

Similar a Curso minerva2019 elab metod proy investig 2en2 (20)

Más de Sonia Herrera Justicia

Más de Sonia Herrera Justicia (16)

Último

Último (20)

Curso minerva2019 elab metod proy investig 2en2