SEMINARIOS DE
INVESTIGACIÓN
CIENTÍFICA
www.seminariosdeinvestigacion.com
INDICE
1.
Tipos de investigación……….. 01
2.
Niveles en Investigación……….. 02
3.
Diseños en Investigación……….. 03
4.
Las variables según su medición……….. 04
5.
Escalas de Medición de las variables……….. 05
6.
Las variables según su relación……….. 06
7.
Unidades de estudio……….…….. 07
8.
Formulación del estudio……….. 08
9.
Delimitación del estudio……….. 09
10.
Objetivos estadísticos……….. 10
11.
Objetivos estadísticos bivariados……….. 11
12.
Objetivo estadístico comparar……….. 12
13.
Formulación de hipótesis………..…….. 13
14.
Nivel de significancia……….. 14
15.
Prueba de hipótesis……….……….. 15
16.
Población y muestra……….. 16
17.
Unidades de muestreo……….. 17
18.
Técnicas de muestreo……….. 18
19.
Instrumentos de medición……….. 19
20.
Validez cualitativa de un instrumento……….. 20
21.
Validez cuantitativa de un instrumento……….. 21
22.
Técnicas de recolección de Datos……….. 22
23.
Tipos de preguntas en un cuestionario……….. 23
24.
Escala de tipo Likert………..………….. 24
25.
Validez de un estudio………..……….. 25
26.
Sesgos de selección………..……….. 26
27.
Sesgos de medición………..……….. 27
28.
Calidad de la información………..….……….. 28
29.
Discusión de resultados……….……….. 29
1
Tipos de investigación
1. Según la intervención del Investigador:
OBSERVACIONAL: No existe intervención del investigador; los datos reflejan la evolución natural de los eventos, ajena a la voluntad del investigador.
EXPERIMENTAL: Siempre son prospectivos, longitudinales, analíticos y de nivel investigativo “explicativo” (causa – efecto); además de ser “controlados”.
2. Según la planificación de la toma de datos
PROSPECTIVO: Los datos necesarios para el estudio son recogidos a propósito de la investigación (primarios). Por lo que, posee control del sesgo de medición.
RETROSPECTIVO: Los datos se recogen de registros donde el investigador no tuvo participación (secundarios). No podemos dar fe de la exactitud de las mediciones.
3. Según el número de ocasiones en que mide la variable de estudio
TRANSVERSAL: Todas las variables son medidas en una sola ocasión; por ello de realizar comparaciones, se trata de muestras independientes.
LONGITUDINAL: La variable de estudio es medida en dos o más ocasiones; por ello, de realizar comparaciones (antes – después) son entre muestras relacionadas.
4. Según el número de variables de interés
DESCRIPTIVO: El análisis estadístico, es univariado porque solo describe o estima parámetros en la población de estudio a partir de una muestra.
ANALÍTICO: El análisis estadístico por lo menos es bivariado; porque plantea y pone a prueba hipótesis, su nivel más básico establece la asociación entre factores.
2
Niveles de investigación
1. Exploratorio: Se plantean cuando no existe un cuerpo teórico que ilumine el fenómeno observado; su función es el reconocimiento e identificación de problemas.
No hay preguntas que conduzcan a problemas precisos, se exploran áreas problemáticas. Se trata de investigación cualitativa; por lo que no se requiere de manejo estadístico.
2. Descriptivo: Describe fenómenos sociales o clínicos en una circunstancia temporal y geográfica determinada. Su finalidad es describir y/o estimar parámetros.
Se describen frecuencias y/o promedios; y se estiman parámetros con intervalos de confianza. Ejm. los estudios de frecuencia de la enfermedad: Incidencia y Prevalencia.
3. Relacional: No son estudios de causa y efecto; la estadística solo demuestra dependencia entre eventos; Ejm. los estudios de asociación sin relación de dependencia.
La estadística es bivariada nos permite hacer asociaciones (Chi Cuadrado) y medidas de asociación; correlaciones y medidas de correlación (Correlación de Pearson).
4. Explicativo: Explica el comportamiento de una variable en función de otra(s); por ser estudios de causa-efecto requieren control y debe cumplir otros criterios de causalidad.
El control estadístico es multivariado a fin de descartar asociaciones aleatorias, casuales o espurias entre la variable independiente y dependiente. Ejm. Chi2 de Mantel-Haenszel.
5. Predictivo: Se encarga de la estimación probabilística de eventos generalmente adversos, como puede ser las complicaciones de la enfermedad, la mortalidad, etc.
Se aplican un conjunto de técnicas estadísticas. Ejm. La validación de una prueba diagnóstica requiere: Alfa de Cronbach, Índice Kappa, ANOVA, Curvas ROC.
6. Aplicativo: Plantea resolver problemas o intervenir en la historia natural de la enfermedad. Enmarca a la innovación técnica, artesanal e industrial como la científica.
3
Diseños en investigación
1. Epidemiológicos: Estudian la morbi-mortalidad y eventos la salud en poblaciones humanas.
Descriptivos: Pueden ser transversal (Ej. Estudio de prevalencia) y longitudinal (Ej. Estudio de incidencia).
Analítico: Aquí se encuentran los estudios de factores de riesgo, los que terminan planteando la relación de causalidad. Ej. Casos y controles; Cohortes.
De intervención: No son experimentos verdaderos, porque se ven limitados por las normas éticas. Ej. Ensayos clínicos y ensayos de población.
2. Experimentales: Requiere dos condiciones: intervención y asignación aleatoria (grupo control).
Pre-experimento: La intervención no es apropósito de la investigación; sino que obedece a las necesidades terapéuticas del sujeto.
Cuasi-experimento: Cuando no hay grupo control, no es posible realizar la asignación aleatoria, se realiza dos mediciones en el mismo grupo.
Experimento verdadero: Cumple con la asignación aleatoria (grupo control) e intervención a propósito de la investigación.
3. Comunitarios: La unidad de estudio es la población y la fuente de datos de tipo secundario.
Exploratorios: El único propósito es buscar patrones espaciales o temporales que podrían sugerir temas de investigación.
Comparaciones múltiples: Verifican hipótesis sobre la diferencia de parámetros correspondientes a situaciones diferentes en una población.
Series temporales: Analiza las variaciones temporales de los niveles de exposición a través del tiempo. Ej. La semana epidemiológica.
4. Validación de instrumentos: Se orientan a la identificación, definición y medición de un constructo.
Creación: Cuando no existe la forma de evaluar un constructo (variable subjetiva) se tiene que definir el concepto antes de pensar en medirlo.
Validación: Referida a las propiedades métricas del instrumento, su principal objetivo es poder detectar y descartar el concepto estudiado.
4
Las variables según su medición
1. Variables objetivas
Son propiedades, características o atributos que se dan en las unidades de estudio (personas, grupos, etc.) o por derivación de ellas; siempre deben ser medibles.
Las variables individuales corresponden a las unidades de estudio individuales, ejm. el nivel de instrucción de las personas.
Las variables colectivas son propiedades de grupos y su medición se basa en las propiedades individuales que poseen sus miembros, por ejemplo el índice de analfabetismo.
Unidimensionales
Cuando las variables no presentan ninguna dificultad para su identificación se dice que tienen indicadores directos (la misma variable es su propio indicador) o unidimensionales.
El análisis estadístico de las variables individuales y las variables colectivas; incluso dentro de un mismo objetivo, no siempre es el mismo.
2. Variables subjetivas
El constructo es una propiedad que se supone posee una persona (unidad de estudio individual), es un concepto teórico. Ejm. la inteligencia, la motivación, la creatividad, las actitudes, etc.
Los constructos se definen como propiedades subyacentes, que no pueden medirse de manera directa, sino mediante indicadores que corresponden a sus dimensiones.
Los instrumentos utilizados para medir variables subyacentes, deben tener una validez de constructo que corresponde su definición operacional.
Multidimensionales
Siendo que las variables subyacentes no se pueden medir directamente se requieren de indicadores; de manera que cada uno de los indicadores se convierte en una dimensión.
5
Escalas de medición de las variables
Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS Naturaleza CUALITATIVAS CUANTITATIVAS
Escala (0) NOMINAL
Ningún atributo (1) ORDINAL Un atributo (2) INTERVALO Dos atributos (3) RAZÓN Tres atributos
Atributos de la
escala Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen Característica
Posee categorías a las que se asigna un nombre sin que exista ningún orden implícito entre ellas.
Posee las categorías ordenadas, pero no permite cuantificar la distancia entre una categoría y otra.
Tiene intervalos iguales y medibles. No tiene un origen real, por lo que puede asumir valores negativos.
Tiene intervalos constantes entre valores; además de un origen real. El cero significa la ausencia del
individuo.
Ejemplos Género Estado Civil Instrucción Intensidad Temperatura Hora del día Peso Hijos
Valor Final Masculino
Femenino Soltero Casado Conviviente Primaria Secundaria Superior Leve Moderado Severo -10C 0C 20C 00 Horas 10 Horas 20 Horas 00.00Kg 10.24Kg 20.00Kg Uno Dos Tres Observaciones
Dicotómicas: Tienen solamente dos categorías Ejemplos de Ordinal Dicotómica: Nuevo - Continuador
Vivo – Fallecido Sano – Enfermo
Politómicas: Tienen más de dos categorías.
Continuas: Provienen de medir
Se pueden representar con números enteros o fraccionarios Entre dos valores siempre existe un valor intermedio
Discretas: Provienen de contar
6
Las variables según su relación
Esta clasificación de las variables se fundamenta en la búsqueda de obtener explicación causal fundamentalmente en un estudio observacional y auxiliarmente en un experimento y correspondiente al nivel investigativo explicativo.
Su estructura responde a la necesidad de realizar el control fundamentalmente estadístico y auxiliarmente metodológico de la relación causa-efecto.
1. Variable independiente
Es aquella cuya existencia es autónoma, no depende de otra, más bien de ella dependen otras, representa los factores que constituirían la causa, siendo que previamente ha demostrado ser factor de riesgo para el problema que se estudia. En este sistema de variables se plantea solamente una variable independiente.
2. Variable dependiente
En este sistema de variables representa a la variable de interés o variable de estudio, es la que para su existencia y desenvolvimiento depende de otra independiente, su modo de ser, está condicionada por otros aspectos de la realidad. Es la que mide o describe el problema que se estudia.
3. Variables intervinientes 3.1.Variable de confusión
Su participación puede intensificar o antagonizar la relación aparente entre el problema y una posible causa, creando confusión en el investigador. Su influencia se da tanto sobre la variable independiente como en la dependiente. Su control se debe realizar mediante análisis estratificado.
3.2.Variable intermedia
Esta variable aparece de manera incalculada durante el proceso de una observación o inesperada dentro de un experimento, entre el factor causal y el efecto. Ocurre cuando no ha habido una buena elección de los factores de riesgo. El procedimiento más idóneo para su neutralizar su participación es el análisis multivariado.
3.3.Variable control
7
Unidades de estudio
1. Unidad de estudio: Es la unidad sobre la cual se necesita información, es el individuo (conjunto de individuos) de donde se obtiene el dato; la unidad de estudio corresponde a la entidad que va a ser objeto de medición y se refiere al qué o quién es sujeto de interés en una investigación. La información se obtiene a partir de la unidad que haya sido definida como tal, incluso si para acceder a ella se deba recurrir pasos intermedios; en un trabajo de investigación existe solamente una unidad de estudio.
2. Unidad de información: La información que requerimos de una unidad de estudio, no siempre se obtiene de ella misma, cuando la unidad de estudio es la población el individuo se convierte en unida de información, en un estudio retrospectivo las unidades de información son las historias clínicas. Cuando evaluamos el trastorno por déficit de atención en los niños se le encuesta a sus padres y/o a sus profesores. En los meta-análisis son los propios estudios los que brindan la información.
3. Unidad de muestreo: Está constituida por una o varias unidades de estudio. Son las unidades que ingresan al sorteo en el muestro aleatorio simple; en un muestreo polietápico son los conglomerados o clústers quienes ingresan al sorteo, mientras que las unidades de estudio son los pacientes. En una encuesta de preferencias políticas, las unidades muestreo son los hogares pero la unidad de estudio es el votante. En el muestreo polietápico hay tantas unidades de muestreo como etapas tenga el remuestreo.
4. Unidad de análisis: Siqueremos conocer el nivel de glucosa en plasma 5cc de sangre serán suficientes, a esta cantidad de sustancia se le conoce como unidad de análisis, y basta con una para realizar inferencia estadística, la unidad de análisis es el elemento objeto de estudio, cada unidad de estudio puede tener una o más unidades de análisis, si el estudio es sobre piezas dentarias, un individuo tendrá más de una unidad de análisis. Desde el punto de vista investigativo la unidad de análisis es indivisible.
5. Unidad de observación: Corresponde al indicador de la variable multidimensional; en un estudio sobre el nivel socioeconómico las unidades de observación son las condiciones físicas de su vivienda, pero también es el estado de cuenta de sus movimientos financieros. En un centro hospitalario los atendidos son las unidades de estudio, pero las atenciones son las unidades de observación; un paciente asmático puede tener tantas observaciones como ingresos hospitalarios registre debido a su enfermedad.
8
Formulación del problema
La expresión, FORMULACIÓN DEL PROBLEMA, viene de la palabra fórmula, que significa arreglo de términos de acuerdo a la relación observada entre ellos. Se trata de sintetizar la cuestión proyectada a investigar en términos concretos, explícitos, claros y precisos, puede adoptar la forma declarativa o interrogativa. No todos los estudios representan un problema, por ello Los problemas de Investigación se formulan con los 5 componentes a continuación:
Propósito del estudio: Conocido también como especificidad del estudio, porque es el aspecto preciso, concreto y claro que se busca investigar, es la finalidad cognoscitiva del estudio porque refleja el tipo de conocimiento que el investigador sesea adquirir, es el propósito estadístico porque implica lo que el investigador desea indagar en la o las variables de interés, o etc. En un solo término o frase hace alusión al diseño de la investigación, al nivel investigativo, al tipo de estudio u objetivo estadístico, etc.
Variables de interés: Es el aspecto observable en las unidades de estudio; son cada una de las variables que participarán en el análisis estadístico con un papel único, así por ejemplo en un estudio de factores de riesgo, todos los factores planteados en conjunto representan solamente una variable de interés. Un tipo especial de variable de interés es la variable de estudio la cual aparece explícitamente en el enunciado y que puede ser fija o aleatoria dependiendo del nivel investigativo en el que nos encontremos.
Unidades de estudio: La unidad de estudio es única en un trabajo de investigación y caracteriza a toda la línea de investigación; es la entidad que va a ser objeto de medición y se refiere al sujeto o grupo de sujetos de interés en una investigación, toda la a información se obtiene a partir de la unidad que haya sido definida como tal, incluso si para acceder a ella se deba recorrer pasos intermedios. Debe mencionarse a las unidades de estudio de la cual se necesita la información, aunque a veces su presencia en el enunciado resulta implícita.
Delimitación espacial: Es ineludible cuando se tratan de estudios de nivel exploratorio y descriptivo; es preciso delimitar un estudio exploratorio o descriptivo porque los fenómenos varían de un lugar a otro; lo cual no ocurre en los estudios relacionales, explicativos y predictivos; en el enunciado se debe especificar sobre qué población se realizará la inferencia estadística. La delimitación espacial se encuentra relacionado con el tamaño de la muestra, porque su identificación nos permite conocer el marco muestral.
9
Delimitación del estudio
Delimitar el tema de estudio quiere decir construir una valla a la investigación y especificar el alcance de sus conclusiones. En los niveles de investigación más básicos es prioritario delimitar el estudio; siendo que una línea de investigación se delimita de manera automática mientras más avanza a través de los niveles de la investigación. El primer criterio para delimitar el problema es su formulación o enunciado a los cuales debemos añadir los siguientes criterios de delimitación:
1. Área del conocimiento: Toda vez que hayamos enunciado el estudio debemos delimitar el área del conocimiento en términos de área general, área específica, especialidad y línea de investigación. Es posible que un estudio pertenezca a más de una área del conocimiento denominándosele multidisciplinario; el cual se caracteriza por poseer por lo menos dos variables de interés cada una de ellas en distintas áreas del conocimiento.
2. Operacionalización de variables: Todos los problemas o enfermedades son multifactoriales donde el número de variables es infinito; por lo que es preciso delimitarlas mediante un cuadro de operacionalización de variables, el cual tiene por finalidad identificar las variables que ingresaran al proceso de estudio agrupándolas por variables de interés y de acuerdo a la relación que guardan entre ellas, además se consignarán sus indicadores y el valor final que pueden asumir luego de su medición reconociendo su escala de medición.
3. Marco Conceptual: Se delimita por la información disponible en el momento en que se ejecuta el estudio, de tal modo que podamos situarnos en un determinado nivel investigativo; cuando la variable de estudio es subjetiva delimitamos los conceptos mediante la elección del instrumento y la teoría que lo sustenta; cuando no hay un instrumento el autor del estudio propone uno y cuando existen múltiples instrumentos se deberá elegir el más idóneo.
4. Marco Muestral: Los recursos delimitan la cantidad de unidades de estudio, de manera que no podemos evaluar a toda la población principalmente por razones de tiempo y economía; de tal modo que tendremos que recurrir a una muestra, la cual tiene un nivel de confianza y también un grado de error, es preciso reconocer que nivel de confianza tendrá nuestro estudio en relación a la cantidad de unidades de estudio que hayamos incluido en el mismo.
10
Objetivos estadísticos
Uno de los criterios más importantes a la hora de escoger el estadístico de prueba, se encuentra intrínsecamente relacionado al nivel investigativo; Exploratorio - Descriptivo - Relacional - Explicativo - Predictivo - Aplicativo. En esta pastilla se ha omitido intencionalmente el objetivo estadístico comparar por ser el más usado y encontrarse en todos los niveles merece una mención aparte.
1. A nivel descriptivo
Determinar. Cuando buscamos en obtener el resultado de una variable subyacente o constructo y utilizamos un instrumento documental.
Estimar: Usado frecuentemente para la estimación puntual de un parámetro y los intervalos de confianza del mismo.
Describir: Para las variables que no son de estudio y que no involucra la utilización de instrumentos pues se tratan de variables unidimensionales o directas.
2. A nivel relacional
Asociar: Plantea que dos sucesos ocurren de manera simultánea en repetidas ocasiones y que tal concurrencia no puede atribuirse al azar.
Correlacionar: Plantea que en un mismo individuo las unidades de una de sus variables se correlaciona con otra diferente.
Concordar: Sucesos concurrentes que corresponden a diferentes observadores o al mismo observador pero con diferentes instrumentos.
3. A nivel explicativo
Evidenciar: Propio de los estudios observacionales donde el análisis estratificado busca descartar asociaciones aleatorias, casuales o espurias.
Demostrar: Cuando el origen de los datos corresponde a un experimento, pretendemos demostrar algo que previamente se ha evidenciado.
Probar: Luego de haber demostrado mediante un estudio experimental se tiene que repetir para probar consistencia o coherencia (Bradford Hill 1965)
4. A nivel predictivo
Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie de eventos, por consecuencia la variable a predecir es dicotómica.
Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en función al tiempo por consecuencia la variable pronosticada es numérica.
11
Objetivos estadísticos bivariados
1. Comparar (grupos): Es el objetivo estadístico más básico del análisis bivariado, el modelo comparativo cuenta con la participación de una variable fija y una variable aleatoria. Su finalidad es identificar las diferencias entre los grupos participantes; se puede comparar dos o más grupos los cuales se construyen en la etapa de la planificación del estudio. La comparación inicial es a dos colas; pero debe complementarse con un test de una sola cola.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Homogeneidad cuando la variable aleatoria es categórica y t de Student para muestras independientes si la variable aleatoria es numérica.
Ho: NO Existen diferencias entre los grupos evaluados.
H1: Existen diferencias entre los grupos evaluados.
2. Comparar (antes-después): Es la comparación de un mismo grupo antes y después de un periodo de seguimiento (observacional) o de una intervención (experimental); la idea de hacer dos medidas sobre el mismo grupo, es verificar los cambios producidos entre una medida y otra; por ello corresponden a estudios longitudinales. Estas comparaciones siempre son de individuo a individuo. La hipótesis habitualmente es de una sola cola.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de McNemar cuando la variable aleatoria es categórica y t de Student para muestras relacionadas si la variable aleatoria es numérica.
Ho: No existe variación entre las medidas antes y después.
H1: Existe variación entre las medidas antes y después.
3. Asociar (categorías) o Correlacionar (unidades): Constituyen una misma proposición porque involucras la participación de dos eventos aleatorios. La correlación puede significar el primer paso para la asociación, muy útil cuando se realiza minería de datos. Para correlacionar hay que definir las unidades de estudio en ambas variables y para asociar hay que definir los factores de interés en ambas variables. Podemos correlacionar los valores de IMC con la glucosa y luego asociar la obesidad con la diabetes. La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Independencia cuando las dos variables aleatorias son categóricas y la correlación de Pearson si las variables aleatorias son numéricas.
Ho: Existe independencia entre los dos resultados.
H1: Existe dependencia entre los dos resultados.
4. Concordar o correlacionar (Como valor predictivo) Una vez demostrada a la asociación es preciso realizar la medida de asociación; la concordancia es una media de asociación y el coeficiente r de Pearson es una medida de correlación. La concordancia puede correspondes a diferentes observadores o a diferentes instrumentos. Desde el punto de vista de la evaluación de pruebas diagnósticas se utiliza la concordancia o correlación para evaluar el valor predictivo de una variable sobre otra.
12
Objetivo comparativo
1. Exploratorio. Aquí se encuentran las comparaciones sin métodos estadísticos, donde podemos encontrar dos casos las comparaciones múltiples enmarcadas en los diseños comunitarios o ecológicos donde la unidad de estudio es la población y los estudios de casos donde la población es un solo individuo. Así por ejemplo podemos comparar de las costumbres a la hora del parto en la Región Quechua y Aymara. También podemos comparar la opinión de un grupo de expertos en el proceso de la validación por jueces dentro de la validez de contenido de un instrumento.
2. Descriptivo. Las comparaciones descriptivas ocurren cuando evaluamos dos poblaciones en los estudios comunitarios o ecológicos, en este caso no se requiere aplicar pruebas estadísticas puesto que la unidad de estudio es la población y no se requiere hacer inferencia estadística. La comparación del rendimiento académico de dos estudiantes al momento de su graduación tampoco requiere de pruebas de hipótesis sino solamente verificar quien tiene el mayor promedio. La comparación descriptiva es el preludio para la comparación a nivel de prueba de hipótesis.
3. Relacional. El contraste de independencia entre dos variables presenta tres modelos matemáticos: con los totales marginales de ambos factores fijos (modelo I), modelo con los totales marginales de uno de los factores fijos (modelo II), y el modelo con el total muestral fijo (modelo III); pues bien el objetivo comparativo a nivel bivariado (nivel relacional) corresponde al modelo II con un factor fijo y uno aleatorio. La comparación puede ser de grupos independientes o de muestras relacionadas y necesariamente involucra el planteamiento de hipótesis.
4. Explicativo. El análisis comparativo estratificado permite el control estadístico en un estudio observacional a nivel explicativo como por ejemplo el test de Mantel-Haenszel. La finalidad esta comparación estratificada es descartar asociaciones aleatorias, casuales o espurias. A nivel experimental podemos plantear objetivos comparativos de grupo aleatorizados; por ejemplo comparar las evaluaciones del grupo experimental y el grupo blanco. Dentro de los experimentos verdaderos la factorización de las causas también corresponde al objetivo comparativo.
13
Formulación de hipótesis
La hipótesis es una proposición del investigador sobre la cual hay que emitir un juicio de valor; una proposición o enunciado es una oración que puede ser falsa o verdadera pero no ambas a la vez.
1. Estructura gramatical. La hipótesis tiene dos partes.
Fundamento: Es lo que nos lleva a sostener la hipótesis planteada. Las hipótesis relacionales carecen de fundamento porque nacen de la subjetividad de una observación; mientras que las hipótesis explicativas se fundamentan en los antecedentes investigativos.
Deducción: Es la hipótesis misma, denominada hipótesis del investigador; estadísticamente es la hipótesis alterna y se debe someter a contraste. Cuando se la plantea en forma de interrogante es la que da respuesta al enunciado.
2. Estructura lógica. La hipótesis tiene dos orígenes.
Las hipótesis empíricas (David Hume) o relacionales son afirmaciones respecto a las relaciones entre dos o más variables sin fundamento, porque nacen de la observación y la experiencia. Solamente buscan concordancia entre hechos y generan la necesidad de plantear hipótesis explicativas. Son inductivas.
Las hipótesis racionales (René Descartes) o explicativas son consideradas como explicaciones tentativas. Deben estar relacionadas con el conocimiento existente; nacen del razonamiento por analogía (Bradford Hill). Sin antecedentes investigativos no es posible plantear hipótesis explicativas. Son deductivas.
3. Estructura matemática. La hipótesis tiene dos proposiciones
Hipótesis Nula (Ho) Conocida como la hipótesis de trabajo, porque es a ésta afirmación a la que se le somete a contraste; es decir a la que se le rechaza o no se le rechaza. La hipótesis nula niega la afirmación que plantea la hipótesis alterna.
Hipótesis Alterna (H1) Sele conoce como la hipótesis del investigador, porque esta afirmación es la que el investigador desea probar y se da por verdadera cuando rechazamos la hipótesis nula (Ho); como existe la posibilidad de error tenemos que estimar la probabilidad de que eso ocurra.
4. Estructura científica. La hipótesis deben cumplir los siguientes requisitos
Deben ser lógicas: el problema que se está estudiando debe ser deducible a partir de la hipótesis Científicamente fundadas: en la teoría disponible o por lo menos compatible con el conocimiento actual. Empíricamente contrastables: debe ser posible hacer observaciones y/o experimentos que la confirmen. Poder explicativo: debe poder absorber otras hipótesis y ser la que tenga mayor poder predicativo. Simples: la hipótesis debe tener el menor número de elementos o suposiciones no confirmadas.
14
Nivel de significancia
Cada decisión que tomamos cada día tiene un margen de error, así tenemos que: la cirugía tiene un margen de error, los vuelos aéreos tienen un margen de error, rendir un examen tiene un margen de error, etc. Conocer la magnitud del error es la tarea principal del investigador, el cual debe estimar la probabilidad de ocurrencia de este error y esperando que sea de la menor magnitud posible. Por esta razón es indispensable plantear en cada caso, la magnitud del error que estamos dispuestos a aceptar para tomar cualquiera de nuestras decisiones.
1. Nivel de significancia.
Es un concepto integrado a la prueba de hipótesis, donde el investigador plantea una proposición la cual pretende considerarla como verdadera, al tomar tal decisión existe la probabilidad de equivocarse, de cometer un error, al cual denominamos error tipo I, entonces decide estimar la probabilidad de cometer ese error. El p-valor definida como la probabilidad de que la proposición aceptada sea falsa no debe ser mayor al valor del error establecido convencionalmente en la fase de planificación como el límite de error que estamos dispuestos a aceptar.
2. Definiendo conceptos.
El error tipo I: Ocurre cuando aceptamos la hipótesis del investigador, cuando tal proposición era falsa. Por lo tanto, es un juicio de valor equivocado.
El p-valor: Es la probabilidad de equivocarse al aceptar la hipótesis del investigador como verdadera; es decir la probabilidad de cometer un error tipo I.
El nivel de significancia: Es la máxima cantidad de error que estamos dispuestos aceptar para dar como válida la hipótesis del investigador.
3. Planteamiento de hipótesis.
Desde el punto de vista matemático tenemos dos hipótesis: La hipótesis nula (Ho) o hipótesis de trabajo y la hipótesis alterna (H1) o hipótesis del investigador. El investigador plantea rechazar la hipótesis nula (Ho); para quedarse con la alterna (H1), la cual corresponde a su proposición preliminar. Si el p-valor es menor al nivel de significancia; rechazamos la hipótesis nula (Ho) y concluimos en que hipótesis alterna es verdadera. Si el p-valor no es menor al nivel de significancia no podemos rechazar la hipótesis nula; lo cual no significa que debamos aceptarla; significa que, no podemos rechazarla.
4. Nivel de confianza.
15
Prueba de hipótesis
1. Formulación de Hipótesis
Consiste en trasladar la estructura gramatical, lógica y científica hacia la estructura matemática el cual se conoce como sistema de hipótesis o hipótesis estadística; así por ejemplo:
Ho: Hipótesis nula ó hipótesis de trabajo
H1: Hipótesis alterna ó hipótesis del investigador
El primer paso es colocar la hipótesis del investigador como Hipótesis Alterna (H1) y formular la Hipótesis Nula (Ho) que viene a ser la negación de la alterna. Se precisa este artificio porque es a la Hipótesis Nula a la que se le somete a contraste.
2. Establecer el nivel de significancia.
El nivel de significancia denotado por la letra griega alfa es la probabilidad de rechazar la hipótesis nula cuando en realidad ésta es verdadera, a lo cual se le denomina error de tipo I. Según Fisher, el nivel de significancia estadística equivale a la magnitud del error que se está dispuesto a correr de rechazar una hipótesis nula verdadera. Para la mayoría de los propósitos, el nivel de significación previamente establecido suele ser de 0.05 en porcentaje 5% y se considera significativo a todo p-valor que se encuentre por debajo de este nivel, se considera altamente significativo cuando el p-valor es menor a 0.01 en porcentaje 1%.
3. Elección del estadístico de prueba.
Hay que diferencias claramente los conceptos: objetivo estadístico, estadístico de prueba aunque están intrínsecamente relacionados; el estadístico de prueba se elige en función a 6 conceptos: tipo de estudio, nivel investigativo, diseño de la investigación, objetivo estadístico, escalas de medición de las variables y comportamiento de los datos, es este último punto donde debemos considerar la distribución de los datos en las variables de naturaleza cuantitativa y las frecuencias esperadas para las variables de naturaleza cualitativa.
4. Lectura del p-valor.
Este paso en el ritual de la significancia estadística no fue planteado originalmente por Fisher, pero cobra vital importancia con la adopción de los programas estadísticos a la hora de calcular el valor de p, el cual cuantifica el error tipo I y nos ayuda a tomar una decisión de rechazo a la hipótesis nula (Ho) cuando es menor al nivel de significancia y de no rechazo cuando su valor es mayor al alfa planteado. El p-valor, al ser la cuantificación de error solo es un dato que nos ayuda a decidirnos a la hora de tomar decisiones basadas en la probabilidad.
5. Toma de la decisión
16
Población y muestra
1. Población
Es el conjunto de todas las unidades (sujetos u objetos de estudio) cuya característica observable o reacción que pueden expresar nos interesa estudiar. Las poblaciones deben situarse claramente. En los estudios exploratorios y descriptivos preciso delimitar la población que va ser estudiada en torno a sus características de contenido, lugar y tiempo. En los estudios analíticos cobra mayor importancia el ámbito de recolección de datos, el cual representa cualitativamente a la población.
2. Muestra
Es una proporción de la población que va a ser sometida al estudio, la muestra no es más que una estrategia metodológica y estadística aplicable cuando luego realizar nuestro análisis de factibilidad encontramos que no podemos acceder a la población; sin embargo no debemos olvidar que nuestro interés radica en estudiar a la población y no a la muestra. Una muestra es representativa si cumple dos condiciones: El cálculo del tamaño de la muestra y la técnica de muestreo probabilístico.
3. Marco muestral
Es el listado de unidades o elementos de muestreo que se van a someter al sorteo, a fin de obtener una muestra representativa, cuando no se dispone de tal listado se dice que el marco muestral es desconocido y para efectos del cálculo del tamaño de la muestra se le considera infinito, con la finalidad de reducir el error aleatorio. La medición completa de todos los elementos que constituyen la población se llama censo y así como los comicios electorales no pueden ser ejecutados mediante muestreo.
4. Unidades de muestreo
Son las unidades que ingresan al sorteo en el muestro; así por ejemplo en el muestreo aleatorio simple son las propias unidades de estudio, pero en un muestreo por conglomerados o clústers, son precisamente estos grupos o conjuntos de unidades de estudio. Así podemos mencionar que las unidades de muestreo no son necesariamente las unidades de estudio; y añadiremos que cada unidad de estudio pertenece sólo a una unidad de muestreo.
5. Muestreo
17
Unidades de muestreo
En el muestreo probabilístico son las unidades que ingresan al proceso de aleatorización y están constituidas por una o varias unidades de estudio. A continuación una aproximación a su clasificación.
1. Por la relación que tienen con la unidad de estudio a. Propias
Corresponde a la misma unidad de estudio, la cual ingresará al proceso de aleatorización que si llega a ser seleccionada integrará la muestra, la unidad de muestreo propia es la más común y por ser frecuente se suele pensar que es la única forma de muestrear.
b. Conjuntas
Son conglomerados de unidades de estudio y que representan mini-poblaciones, por cuanto contienen la variabilidad de la variable de estudio que se observaría en la población; así por ejemplo en un estudio sobre la satisfacción laboral en el MINSA, las unidades de muestreo son los centros de salud.
c. Identificadoras
Es la unidad que nos permite identificar la unidad de estudio, por lo que solamente sobre ella se realiza el muestreo; por ejemplo en un estudio de la relación médico-paciente se evalúa a cada médico con un conjunto de sus pacientes, pero los que ingresan al proceso de aleatorización son los médicos.
d. Contenedoras
Delimitada por la accesibilidad a las unidades de estudio; la estrategia de recolección de datos nos señalará la unidad de muestreo, así tenemos que en una encuesta de preferencias políticas, las unidades de muestreo son los hogares y en su interior un votante corresponde a la unidad de estudio.
2. Por el número de unidades muestreo a. Únicas
Característico del muestreo aleatorio monoetápico donde el proceso de aleatorización se realiza en una sola ocasión, luego del cual se procede a la fase de recolección de datos; en este caso el procedimiento de muestreo se agota con la selección de la muestra a partir de las unidades de muestreo.
b. Múltiples
18
Técnicas de muestreo
Existen dos métodos para seleccionar muestras de poblaciones: el muestreo no aleatorio o de juicio y el muestreo aleatorio (que incorpora el azar como recurso en el proceso de selección). A continuación las técnicas de muestreo probabilístico.
1. Muestreo aleatorio simple
Denominado también muestreo equiprobabilístico, porque si se selecciona una muestra de tamaño n de una población de N unidades, cada elemento tiene una probabilidad de inclusión igual y conocida de n/N.
Ventaja: Se desarrolla en software porque se basa en la teoría estadística
Desventaja: Precisa un marco muestral o listado de todas las unidades
2. Muestreo sistemático
Para determinar una muestra de tamaño n conseguimos una lista de N elementos, definimos un intervalo de salto k=N/n y elegimos un número aleatorio entre 1 y k con el que comenzamos la selección de la muestra.
Ventaja: No es necesario tener un marco muestral o listado de unidades. Desventaja: La constante podría asociarse con el fenómeno de interés
3. Muestreo aleatorio estratificado
Como el azar no es una garantía de representatividad, aquí se pretende asegurar la representación de cada grupo en la muestra. Cuanto más homogéneos sean los estratos, más precisas resultarán las estimaciones.
Ventaja: La muestra es homogénea en función a la variable involucrada.
Desventaja: Se debe conocer la distribución en la población de la variable utilizada para la estratificación.
4. Muestreo por conglomerados
Denominado también muestreo por clústers aprovecha se caracterizan porque la variación en cada grupo es menor que la variación entre grupos lo cual resulta ventajoso en los estudios comunitarios o poblacionales.
Ventaja: Muy eficiente cuando las unidades están muy dispersas
19
Instrumentos de medición
Destinados a medir variables subjetivas denominadas constructos, requieren de tareas o procedimientos estructurados que recogen las respuestas de un participante, cuya puntuación es independiente de la persona que evalúa. Los instrumentos deben provocar una reacción a los evaluados cuya respuesta se plasme en un documento. No confundir con materiales de verificación.
1. Instrumentos Documentales El Cuestionario.
Es un plan formalizado para recolectar datos de encuestados y/o entrevistados. Es el método más conocido para la recolección de datos y el más familiarizado. Un cuestionario supone un conjunto de preguntas que el sujeto tiene que responder a fin de evaluar alguna capacidad, generalmente cognitiva, lo cual debe ser calificado por el evaluador
Como ejemplo podemos citar a los exámenes para evaluar rendimiento académico.
La Escala.
Los evaluados indican su acuerdo o desacuerdo con una serie de afirmaciones sobre la variable que se desea medir. Arrojan una calificación total que indica la dirección e intensidad de la actitud del individuo hacia el constructo medido, por lo que requieren de una respuesta ordinal. Su construcción debe perseguir: la homogeneidad de los reactivos, la igualdad de las distancias entre las unidades de la escala y la comparabilidad del resultado final.
El ejemplo más básico es la escala visual análoga.
El Inventario.
Conjunto de frases o palabras a las que el sujeto tiene que responder eligiendo o marcando su posición ante ellas (por ejemplo, al ítem “Me gustan las revistas de mecánica, decoración o computadoras”, notemos que ninguna respuesta es calificada como correcta e incorrecta. Los inventarios pueden estar conformados por cuestionarios y/o escalas.
Por ejemplo el test de inteligencias múltiples puede indicarnos inteligencia: Lingüística, Lógicomatemática, Musical, Naturalista, etc.
2. Instrumentos Mecánicos
Los instrumentos mecánicos utilizados para medir variables subjetivas son por ejemplo instrumentos para realizar mediciones fisiológicas.
20
Validez cualitativa de un instrumento
La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el alcance del constructo. Podemos dividirlo en tres fases según el estado actual del conocimiento.
1. Aproximación a la población (Validez de respuesta)
Implica la ausencia del conocimiento del concepto que se desea medir; la información se obtiene mediante técnicas introspectivas de los evaluados.
Se puede utilizar una entrevista con preguntas abiertas donde las unidades de estudio nos revelarán de manera espontánea las posibles respuestas al instrumento que pretendemos crear.
Ejemplo: ¿Cuál es el uso que le dan los docentes universitarios a las tecnologías de la información en el proceso de enseñanza aprendizaje?
2. Juicio de expertos (Validación por jueces)
Los jueces o expertos deben evaluar, de manera independiente: la relevancia, coherencia, suficiencia y claridad; con la que están redactadas los ítems o reactivos con el concepto medido.
El autor debe considerar la pertinencia a la hora de elegir los jueces, siendo que en el momento actual no se cuenta con bibliografía disponible
Es importante que el autor del instrumento sea considerado el más experto de todos, para que pueda hacer una elección interdisciplinaria de evaluadores.
3. Revisión del conocimiento disponible (Validez racional)
Este es el momento de la validez en que se asegura la mejor representatividad de los ítems, respecto a la totalidad del campo o rasgo objeto de evaluación.
El autor del instrumento debe considerar: Objetividad, Alcance, Exactitud, Autoridad, Cobertura, Vigencia y Relevancia; de la información con la que pretende construir un instrumento.
Así los constructos aquí están mejor definidos porque se dispone de literatura; de manera que los conceptos a medir ya no son provisionales ni vagos.
No existe un índice validez de contenido
21
Validez cuantitativa de un instrumento
1. Validez de contenido (Validez Cualitativa)
La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el alcance del constructo. Podemos dividirlo en tres fases según el estado actual del conocimiento
a. Aproximación a la población (Validez de respuesta)
b. Juicio de expertos (Validación por jueces)
c. Revisión del conocimiento disponible (Validez racional)
2. Consistencia interna (Alfa de Cronbach)
Es la capacidad de obtener resultados independientes de las circunstancias accidentales de la medición. Se fundamenta en la varianza de la variable medida, existen varios índices que miden confiabilidad, entre ellos el Alfa de Cronbach y el Kuder-Richardson (KR-20). Es afectado por la heterogeneidad de los individuos evaluados; cuanto más heterogéneo es el grupo, mayor es el coeficiente de fiabilidad.
3. Validez de constructo (Rotación de Varimax)
Debemos establecer probabilísticamente grupos de ítems que deberán ser definidos como dimensiones. Estas dimensiones deben ser conceptualizadas de manera consensuada para otorgarles el carácter de útiles y científicamente válidos, por cuanto no existe una prueba patrón. Si los dominios se han construido teóricamente, la estadística corrobora la idoneidad de estas agrupaciones.
4. Criterio (Índice Kappa)
Cuando la variable medida cuenta con un Gold Standard, entonces se puede verificar los resultados hallados, mediante un procedimiento. Si el criterio se fija en el presente, se habla de validez concurrente (los resultados del instrumento se correlacionan con el criterio en el mismo momento o punto del tiempo). Si el criterio se fija en el futuro, se habla de validez predicativa.
5. Estabilidad (ANOVA)
La medición debe arrojar valores constantes siempre que sean tomadas en condiciones similares entre una medición y otra (test-retest). Se trata de ver, hasta qué punto un conjunto de medidas son reproducibles en el tiempo, el grado en que las puntuaciones son estables sería el grado de fiabilidad, propiedad que solo puede ser evaluada si un constructo está plenamente definido.
6. Rendimiento (Curvas ROC).
22
Técnicas de recolección de datos
1. Documentación
Constituye la técnica de recolección de datos más básica y a la vez la más inexacta; corresponden a los estudios retrospectivos donde es la única forma disponible de recopilar la información. Habitualmente la información fue recolectada con fines distintos al estudio en curso. Los estudios basados en la documentación no cuentan con instrumentos de medición, únicamente con una ficha de recolección de datos donde debemos copiar o trasladar la información previamente registrada.
2. Observación
La observación es científica cuando es sistemática, controlada y cuenta con mecanismos destinados a evitar errores de subjetividad, confusiones, etc. La observación es no participante cuando no perturba la acción o situación que se está investigando. La observación participante puede ser natural cuando el observador pertenece al conjunto humano que investiga, y artificial cuando la integración del observador al grupo se hace con el objeto de desarrollar un trabajo de investigación.
3. Entrevista
La evaluación que se realiza al individuo evaluado no puede pasar inadvertido de su participación, por lo que se requiere del consentimiento informado para su participación. Es la evaluación uno a uno, porque la reacción la provoca directamente el evaluador, el investigador plantea interrogantes al investigado donde el individuo evaluado proporciona la información solicitada. La entrevista puede ser estructurada si cuenta con un instrumento y no estructurada cuando busca explorar características en el evaluado.
4. Encuesta
Requiere necesariamente de un instrumento el cual puede ser autoadministrado si el individuo completa los reactivos (asincrónico) y heteroadministrado cuando hay un encuestador (sincrónico), que no necesariamente pertenece a la línea de investigación, busca conocer la reacción o la respuesta de un grupo de individuos que pueden corresponder a una muestra o a una población. Esta técnica implica gran economía de tiempo y personal, ya que los cuestionarios pueden enviarse por correo.
5. Psicometría
23
Tipos de preguntas en un cuestionario
1. Variables nominales dicotómicos
a. Caso único: Las preguntas deben ser exhaustivas y excluyentes, idealmente corresponden a una proposición a la cual debemos emitir un juicio de valor. Es ideal hacer este tipo de preguntas. ¿Cuál es tu género o sexo?
( ) Masculino ( ) Femenino
2. Variables nominales politómicas
a. Cerradas: Tienen opciones múltiples donde no hay más opción que elegir una de ellas, por lo mismo que son excluyentes, se den consignar entre las alternativas a todas las posibilidades. ¿Cuál es el área de tu profesión?
( ) Ciencias de la Salud ( ) Ciencias Sociales ( ) Ingenierías
b. Semicerradas: Corresponden a aquellas cuyas categorías son muy numerosas pero plenamente identificables, debemos colocar en el listado de alternativas a las más frecuentes.
¿En qué país te encuentras? ( ) Perú
( ) México ( ) Argentina ( ) España
( ) Otro……….
c. Abiertas: Son preguntas exploratorias cuya finalidad es obtener por agrupación categorías que más adelante derivarán en preguntas cerradas de opción múltiple e incluso en escalas.
¿Cuál es tu ciudad de residencia? ………..…..…………..…….
d. Mixtas: Es una combinación de una pregunta cerrada + una abierta; si el evaluado responde negativamente ahí termina la pregunta, pero si responde afirmativamente se hace una repregunta. ¿Has usado alguna vez un programa estadístico?
( ) Ninguno
( ) Si ¿Cuál? ………..……
e. No excluyentes: No corresponde a una sola variable, siendo que el evaluado puede marcar más una alternativa, se deberán construir tantas variables como alternativas tenga la pregunta.
¿Cuál servidor de email utilizas? ( ) Hotmail
( ) Yahoo ( ) Gmail ( ) AOL
( ) Otros……….…….
3. Variables Ordinales
a. Caso único: Las categorías de las preguntas ordinales son acumulativas, así por ejemplo quien tiene el grado de Doctor, tiene necesariamente el grado de Magíster.
¿Cuál es tu grado académico? ( ) Pregrado
24
Escala tipo Likert
1. La construcción de la escala requiere de la definición del constructo para ello nos apoyamos en la validez de contenido (validez cualitativa de un instrumento), la cual puede apoyarse en: la aproximación a la población, Juicio de expertos y/o Revisión del conocimiento disponible).
2. Desarrollamos un cuestionario de preguntas abiertas donde se recoge el concepto relacionados con la actitud que queremos medir. Enlistamos todas las respuestas sin ningún tipo de criterio y es conveniente reunir unas 100 respuestas para construir una escala de 20 ítems.
3. Agrupamos conceptos a fin de resumir el número de ítems que van a conformar nuestra escala, si hemos partido de 100 preguntas abiertas, es recomendable reunir 50 conceptos únicos acerca del tema que estamos estudiando, a partir de los cuales formularemos los enunciados.
4. Se identifica convencionalmente un grupo de 5 expertos quienes juzgaran la idoneidad de los conceptos reunidos en cada uno de los ítems, los expertos deben ser interdisciplinarios incluyendo especialistas en la línea de investigación, luego del cual debemos eliminar el 20% de los ítems.
5. Los jueces evaluaran los times en términos de: relevancia, el ítem es esencial o importante; coherencia, el ítem tiene relación lógica con la dimensión conceptual; suficiencia Los ítems bastan para obtener la medición del concepto; y claridad, el ítem se comprende, sus sintácticas y semánticas son adecuadas.
6. Luego formularemos los 20 conceptos favorables y 20 desfavorables que serán aplicados en un estudio piloto a un grupo de sujetos similar a aquél al que piensa aplicarse la escala, ellos responden, eligiendo en cada ítem la alternativa que mejor describa su posición personal.
7. Las respuestas a cada ítem reciben puntuaciones más altas cuanto más favorables son a las actitudes, a continuación se suman las puntuaciones de casa sujeto, consignando la suma total como un índice de aprobación, luego la suma total se correlaciona con cada uno de los ítems.
8. Se seleccionan, aquellos ítems que expresan exhiben la mayor variabilidad en términos de desviación estándar, a fin de obtener un buen índice discriminante se elimina el 25% de aquellos que muestren la menor dispersión en sus respuestas.
9. Los 30 ítems así obtenidos se deben agrupar a fin de construir dimensiones que en conjunto definen el concepto que deseamos medir, la agrupación también puede ser sometida a la consulta a expertos y la revisión del conocimientos disponible a fin de estandarizar un número igual de ítems en casa dimensión.
25
Validez de un estudio
Un estudio es válido si sus resultados corresponden a la verdad, para lo cual debemos reducir el error aleatorio y el error sistemático.
1. Error Aleatorio
La carencia de error aleatorio se conoce como precisión y se corresponde con la reducción del error debido al azar. Para reducir este error el elemento más importante del que disponemos es incrementar el tamaño de la muestra y con ello aumentamos la precisión. Los intervalos de confianza y el error estándar se reducen al aumentar el tamaño muestral. El error aleatorio desaparece si estudiamos a toda la población.
2. Error sistemático
Se ha generalizado al término validez como la carencia del error sistemático, aunque este no se puede eliminar; la exactitud es la reducción del error sistemático mediante el método. La validez tiene dos componentes: la validez interna, que nos permite hacer inferencias sobre la población y la validez externa referida a que las conclusiones del estudio se pueden extrapolar hacia poblaciones que no fueron objeto de estudio.
3. La validez interna.
La validez interna implica la validez de la inferencia para los sujetos que pertenecen a la población de donde fue obtenida la muestra. La validez interna es un requisito indispensable para que un estudio sea válido y para que pueda hablarse de validez externa. La validez interna se ve amenazada cuando no podemos controlar los dos tipos de sesgos: de Selección y de Medición.
4. La validez externa.
Se refiere a que las conclusiones obtenidas para una población a partir de una muestra, son también válidas para otras poblaciones que no fueron consideradas en el momento del muestreo. Esta extrapolación es cualitativa y se fundamente en la carencia de hechos o evidencias que permitan dudar de su extensión; este tipo de validez se observa con frecuencia en los estudios analíticos.
5. Control metodológico.
Los criterios de elegibilidad nos permiten delimitar nuestra población de estudio y las técnicas de muestreo obtener una muestra representativa con ello evitaremos los sesgos de selección.
Una vez elegidas las unidades de estudios, un instrumento válido nos permitirá reducir al mínimo la diferencia entre el valor obtenido y el valor real con lo que evitaremos el sesgo de medición.
6. Control estadístico.
Cuando nos encontramos en el nivel investigativo explicativo el análisis estratificado nos permite descartar asociaciones aleatorias, casuales o espurias. Ejm: Chi cuadrado de Mantel-Haenszel.
26
Sesgos de selección
1. Sesgo de la autoselección (voluntario)
El grado de interés o motivación que pueda tener un individuo que participa voluntariamente en una investigación puede diferir sensiblemente en relación con otros sujetos.
Del mismo modo, la negativa de algunos sujetos para ser incluidos en un estudio puede estar dada por motivaciones sistemáticas experimentadas por ellos.
2. Sesgo de pertenencia (membresía)
Se produce cuando entre los sujetos evaluados se presentan subgrupos de sujetos que comparten algún atributo en particular, relacionado positiva o negativamente con la variable en estudio.
Ejemplo: Nivel de conocimientos sobre signos de alarma en las gestantes debe excluir a las gestantes que son profesionales de la salud.
3. Sesgo de admisión (de Berkson)
En los estudios hospitalarios de factores de riesgo donde aplicamos el diseño de casos y controles, la probabilidad de ser hospitalizados en el grupo de casos, no es la misma que el grupo control.
Además el factor de riesgo también tiene probabilidad de ser causa de hospitalización. Se puede subestimar la asociación entre la variable de interés y el factor de riesgo.
4. Sesgo del procedimiento de aleatorización
Puede observarse en diseños de investigación experimentales (ensayos clínicos controlados), en los cuales no se respeta el principio de aleatoriedad en la asignación a los grupos de experimentación y de estudio.
En los pre-experimentos la administración del medicamento responde a las necesidades terapéuticas del paciente y no a la del investigador.
5. Sesgo de Prevalencia (de Neymann)
La condición en estudio (variable) determina la pérdida prematura de las unidades de estudio. La exclusión de los pacientes que fallecen determina este tipo de sesgo.
27
Sesgos de medición
1. Sesgo del observador
El observador tiene una percepción subjetiva y a veces prejuiciosa de los grupos de estudio; lo cual es independiente del instrumento. Por lo que, el procedimiento de observación suele ser más detenido en el grupo de estudio. La intención del investigador en querer demostrar su hipótesis, puede conducir a obtener sesgos en el diagnóstico.
2. Sesgo de la capacidad diagnóstica
La falta de capacidad de un instrumento para detectar la enfermedad, está relacionado con su validez. Ocurre cuando se utilizan métodos diagnósticos distintos al Gold Standard. Es conocido que no existe coincidencia absoluta entre dos instrumentos de medición; por ello los estudios deben realizarse con un solo instrumento y un solo observador.
3. Sesgo de rendimiento del instrumento.
Si no se ha evaluado el rendimiento diagnóstico del instrumento, es posible que la sensibilidad de los instrumentos empleados en tales mediciones carezca de la sensibilidad necesaria para poder detectar la presencia de la variable en estudio. La falta de optimización del instrumento puede conducirnos a encontrar una frecuencia de la enfermedad inferior a la real.
4. Sesgo de detección
En estudios retrospectivos, cuando se pregunta por el antecedente de exposición a determinadas circunstancias en diferentes períodos de la vida, existe la posibilidad de olvido. Muchas exposiciones pasan inadvertidas a diversos factores y que pueden afectar la medición ya sea por su omisión absoluta o en la determinación de niveles de exposición.
5. Sesgo de adaptación
28
Calidad de la información
1. Objetividad.
Existen varios factores que impiden que la información pueda ser objetiva y estos son: las necesidades, la forma en que perciben los hechos, los valores e intereses de los autores. Otros factores son el contexto social que refleja las actitudes y valores de la época en que se escribe el documento.
2. Exactitud.
La exactitud se mide a base de información correcta y exacta. Usualmente se recomienda que para validar la exactitud se compare la información con otra ya investigada y verificar la veracidad por la concordancia con otras fuentes especializadas. Es importante considerar que la información no actualizada tiende a no ser exacta.
3. Autoridad.
Para la remisión al juicio de autoridad es de primordial importancia la identificación de los autores líderes de su campo, así como las revistas fuentes. Si la información no incluye el nombre del autor, se debe evaluar la institución que auspicia la publicación y determinar si cuenta con la autoridad y el peritaje necesario sobre el tema.
4. Cobertura.
Desde el punto de vista de su contenido, una fuente comunica información general o especializada. En función de su distribución su cobertura será del ámbito mundial, nacional o local. Las publicaciones científicas técnicas de los países en vías de desarrollo tienen escasa representación en las bases de datos físicas y electrónicas.
5. Vigencia.
Entre la información actualizada están los temas científicos, negocios y mercadeo, la política, algunos temas sociales de actualidad, la medicina y más. En otros casos se acepta la información de los últimos tres a cinco años. En los temas de historia y literatura las fechas de publicación no es un factor relevante.
6. Relevancia.
29
Discusión de resultados
Como ejemplo vamos a plantear un estudio de casos y controles sobre cuyos resultados tenemos que realizar una discusión.
1. Descripción
Describir la frecuencia de ocurrencia de la enfermedad en el grupo de estudio y describir la frecuencia de ocurrencia de la enfermedad en el grupo de control.
Luego identificar numéricamente las diferencias entre la frecuencia de la enfermedad en el grupo de estudio y el grupo control.
2. Análisis
Realizar una prueba de hipótesis para la diferencia descrita entre el grupo de estudio y el grupo control. Calcular el p-valor y mencionar si es significativo o no.
Concluir el análisis estadístico usando la terminología adecuada según su nivel investigativo. Los resultados obtenidos de esta manera son la base de las conclusiones del estudio.
3. Interpretación
Interpretar la relación demostrada probabilísticamente entre la variable independiente y la variable dependiente o las diferencias entre el grupo de estudio y el grupo control. Adicionalmente debemos interpretar las medidas de asociación. Las conclusiones del estudio estarán enmarcadas en la interpretación basada en la estadística y la relevancia clínica de los resultados.
4. Comentarios
- Comparación con los antecedentes investigativos: se trata de evaluar el criterio de consistencia o coherencia propuesto por Bradford Hill, por haber repetido el estudio o tener estudios similares.
- Planteamiento de Hipótesis: de nuevas teorías que explicarían los hallazgos reportados, se trata de generar nuevas hipótesis para estudios futuros y así continuar con la línea de investigación.
30
Criterios de causalidad
Criterios de Bradford Hill (1965)
1. Asociación estadística: Se trata de averiguar si existe relación entre el supuesto factor causal y el efecto estudiado. Para esto hay que buscar estudios epidemiológicos (Cohortes o Caso - Control) que indiquen el riesgo significativo (Riesgo Relativo o Razón de Momios).
2. Relación dosis-respuesta: Denominada “gradiente biológico”, La frecuencia de la enfermedad aumenta con la dosis o el nivel de exposición. (Equivale a la Intensidad de Simonin). Sin embargo, hay casos en que el gradiente biológico no se cumple (en una reacción alérgica).
3. Analogía: Se fundamenta en relaciones de causa-efecto establecidas, con base a las cuales si un factor de riesgo produce un efecto a la salud, otro con características similares debiera producir el mismo impacto a la salud.
4. Temporalidad: Se trata de asegurar que el factor de riesgo ha aparecido antes que el supuesto efecto. Puede ser difícil de demostrar cuando no se puede asegurar si la presunta causa apareció con anterioridad al presunto efecto. (Equivale a la cronología de Simonin).
5. Constancia o Consistencia: Consiste en conocer si la relación entre las dos variables, a las que investigamos una posible relación causa-efecto, ha sido confirmada por más de un estudio, en poblaciones y circunstancias distintas por autores diferentes.
6. Plausibilidad biológica: El contexto biológico existente debe explicar lógicamente la etiología por la cual una causa produce un efecto a la salud. Esta característica viene limitada por los conocimientos científicos que se tengan al respecto en el momento del estudio.
7. Coherencia: la interpretación de causas y efectos no puede entrar en contradicción con el comportamiento propio de la enfermedad o lesión. Este criterio combina aspectos de consistencia y plausibilidad biológica (Corresponde a la evolución de Simonin).
8. Especificidad: Es más fácil aceptar una relación causa-efecto cuando para un efecto sólo se plantea una sola etiología, que cuando para un determinado efecto se han propuesto múltiples causas. En este caso lo apropiado sería hablar de Especificidad de la causa.
