Documente Academic
Documente Profesional
Documente Cultură
Científica
Dr. Giovanni Polanco
ETAPAS DE LA INVESTIGACIÓN
CIENTÍFICA
PERFIL DE LA INVESTIGACIÓN
PLAN DE TRABAJO
PLANIFICACIÓN EJECUCIÓN
INVESTIGACIÓN CIENTÍFICA
ANALISIS DE LA SITUACIÓN DE SALUD
PROBLEMAS DE SALUD
INVESTIGACIÓN CIENTÍFICA
•PLAN DE TRABAJO
•PERFIL DE INVESTIGACIÓN
•PROTOCOLO
INFORME FINAL
Alcance de la Investigación
Reporte de Casos
Serie de Casos
Clínicos
Es un tipo de
investigación
descriptiva Es un estudio epidemiológico,
descriptivo
Determinamos que
existe una relación ya
que los sujetos guardan
posiciones contrarias en
EXISTE UNA RELACIÓN
NEGATIVA ENTRE LAS
las dos variables
VARIABLES
VARIABLE “X”:Test de inteligencia, VARIABLE “Y”: Prueba objetiva de rendimiento
No existe relación en la
posición relativa de las
variables
ENTRE “X” y “Y” NO HAY
RELACIÓN
Estudios Correlacionales
Técnicas estadísticas
para la correlación:
•r de Pearson
•rho de Spearman
•tau b de Kendall
Coeficiente de correlación
“r de Pearson”
Es una medida de la relación lineal entre dos variables
aleatorias cuantitativas y que es independiente de la
escala de medida de las variables (INTERVALO O RAZÓN)
Ventajas Desventajas
• El valor del coeficiente de • Requiere supuestos acerca de
correlación es independiente la naturaleza o formas de las
de cualquier unidad usada poblaciones afectadas
para medir variables • Requiere que las dos
• Mientras más grande sea la variables hayan sido medidas
muestra, más exacta será la hasta un nivel cuantitativo
estimación (por lo menos continuo y que la distribución
contar con una muestra de 80 de ambas sea semejante a la
observaciones) de la curva normal
r de Pearson
• Sus valores oscilan entre +1 y -1 (cuando “r” es positivo indica
que las variables están directamente relacionadas y cuando
“r” es negativo indica que las variables están inversamente
relacionadas)
0.70
Coeficiente de correlación
“r de Pearson”
Ejemplo
• Se realiza un estudio es un centro educativo en donde se
quería determinar la relación entre el consumo de
complementos nutricionales y el aumento de peso de los
estudiantes, Con los resultados obtenidos y haciendo la
prueba de relación de variables se obtiene un valor de r=0.84
• ¿Cuál es su interpretación?
DIRECCIÓN DE LA INVESTIGACIÓN
Odds Ratio
• Es el cociente entre la
probabilidad de que un
evento suceda frente a la
probabilidad de que no
ocurra
• En estudios de casos y
controles: odds ratio es el
cociente entre el Odds de
exposición observada en
casos y la Odds de
exposición del grupo
control
Odds Ratio
No hay asociación
Ejemplo
• En un estudio de pacientes se pretende investigar la posible
asociación entre la probabilidad de padecer cáncer epitelial de
ovario y el uso de anticonceptivos orales. Para ello se analiza
una muestra aleatoria de 4720 pacientes observando los
siguientes resultados:
Ejemplo
• En un estudio de pacientes se pretende investigar la posible
asociación entre
El valor de la
ORprobabilidad
es diferente de de
1 porpadecer cáncer
lo tanto se puedeepitelial
establecerde
ovario y elque
uso de de
el uso anticonceptivos orales.
anticonceptivos orales Pararelación
si tiene ello seconanaliza
el
una muestra aleatoria cáncer epitelialpacientes
de 4720 de ovario observando los
siguientes resultados:
Ya que el valor de OR es MENOR de 1 se puede establecer que el
uso de anticonceptivos orales tiene una relación de protección
para la aparición de cáncer epitelial de ovario
Intervalos de confianza
• El Odds ratio es una estimación de la asociación de un determinado
factor con una enfermedad, por lo que resulta necesario calcular una
medida de variabilidad de esta estimación.
• El intervalo de confianza es el rango en el que se encuentra el
verdadero valor de Odds ratio.
• Determina la significancia de la medida
Intervalos de confianza
Estudios de Cohorte (o de
seguimiento)
• En este tipo de estudio los individuos son identificados en
función de la presencia o ausencia de exposición a un
determinado factor.
• En este momento todos están libres de la enfermedad de
interés y son seguidos durante un período de tiempo para
observar la frecuencia de aparición del fenómeno que nos
interesa.
• Si al finalizar el período de observación la incidencia de la
enfermedad es mayor en el grupo de expuestos, podremos
concluir que existe una asociación estadística entre la
exposición a la variable y la incidencia de la enfermedad.
Estudios de cohorte
• La cuantificación de esta asociación la podemos calcular
construyendo una razón entre la incidencia del fenómeno en
los expuestos a la variable (le) y la incidencia del fenómeno
en los no expuestos (lo). Esta razón entre incidencias se
conoce como riesgo relativo y su cálculo se estima como:
Estudios de Cohorte
Estudios de cohorte
• En este tipo de estudio debido a que los participantes están libres de
la enfermedad al inicio del seguimiento, la secuencia temporal entre
exposición y enfermedad se puede establecer más claramente.
• A su vez este tipo de estudio permite el examen de múltiples efectos
ante una exposición determinada.
• Los estudios de cohortes pueden ser prospectivos y retrospectivos
dependiendo de la relación temporal entre el inicio del estudio y la
presencia de la enfermedad.
• En los retrospectivos tanto la exposición como la enfermedad ya han
sucedido cuando el estudio se inició.
• En los prospectivos la exposición pudo haber ocurrido o no, pero
desde luego lo que aún no ha sucedido es la presencia de la
enfermedad. Por tanto se requiere un período de seguimiento en el
futuro para determinar la frecuencia de la misma.
En resumen
• Son diseños de observación con seguimiento y sentido hacia
adelante en el tiempo, partiendo de la exposición se estudia
el efecto.
expuestos (Ie+)
no expuestos (Ie-)
Ejemplo
• Se realiza un estudio con respecto a la eficacia de la heparina a
dosis bajas en la prevención de nuevos infartos de miocardio,
en donde entre los resultados encontrados se trataba de hacer
la relación entre la utilización de heparina a dosis bajas y la
mortalidad por todas las causas, encontrándose:
0.030
0.48
0.063
34 694
Ejemplo
• Se realiza un estudio con respecto a la eficacia de la heparina a
dosis bajas en es
El valor la menor
prevención delonuevos
que 1 por infartosque
que se considera desimiocardio,
en dondehay entre
asociación
los resultados
y que la heparina
encontrados
a bajas dosis
se trataba
es un de hacer
factor
la relación protector
entre con respectode
la utilización a laheparina
mortalidadaendosis
inartobajas y la
de miocardio
mortalidad por todas las causas, encontrándose:
0.030
0.48
0.063
34 694
SESGOS
SESGOS
• Independientemente del tema y los objetivos de un estudio, que
pueden ser de mayor o menor interés para el lector o para la
comunidad científica, lo que siempre se debe perseguir es que el
estudio sea preciso y válido.
Error Error
Tipo I (α) Tipo II (β)
Error de Tipo I (α)
• Al realizar el test estadístico, podríamos correr el riesgo de
equivocarnos al rechazar la hipótesis nula.
• La probabilidad de rechazar la hipótesis nula cuando en
realidad es verdadera (error de tipo I) se le denomina nivel
de significación y es la "p". Esta probabilidad de rechazar la
hipótesis nula cuando es verdadera se le conoce también
como error alfa. La "p" no es por tanto un indicador de
fuerza de la asociación ni de su importancia.
• La significación estadística es por tanto una condición
resultante del rechazo de una hipótesis nula mediante la
aplicación de una prueba estadística de significación.
Error de Tipo I (α)
• El nivel de significación es el riesgo o la probabilidad que
voluntariamente asume el investigador de equivocarse al
rechazar la hipótesis nula, cuando en realidad es cierta. Este
riesgo se establece normalmente en 0.05 ó 0.01.
• El proceso de poner a prueba una hipótesis involucra una
toma de decisiones para rechazar o no la hipótesis
nula. Aunque los valores de la "p" son los de una variable
continua, se utiliza para forzar una decisión cualitativa,
tomando partido por una u otra hipótesis.
• Si p < 0.05 se considera significativo, en cuyo caso se rechaza
la hipótesis nula y no significativo si p> 0.05 en cuyo caso no
se rechaza. Una "p" pequeña significa que la probabilidad de
que los resultados obtenidos se deban al azar es pequeña.
Error Tipo II (β)
• El riesgo alfa a ("p") indica la probabilidad de cometer un
error de tipo I (falso positivo). El error de tipo I, es por lo
tanto rechazar la Ho cuando en realidad es verdadera.
• Se podría considerar que para evitar este tipo de error
deberíamos de elegir un nivel de confianza más elevado, sin
embargo al aumentar el nivel de confianza aumenta la
probabilidad de cometer el error de tipo II.
• El error de tipo II consiste en aceptar la hipótesis nula cuando
es falsa y esto se conoce como el error de tipo II o Beta (β)
(falso negativo)
Tipos de errores
Recomendaciones para
disminuir el error de Tipo I
• Disponer de una teoría que guíe la investigación, evitando el
"salir de pesca" con el ordenador buscando asociaciones entre
variables.
• Disminuir el número de test estadísticos llevados a cabo en el
estudio.
• Depurar la base de datos para evitar errores de valores
extremos que puedan producir hallazgos significativos.
• Utilizar valores de alfa más reducidos (0.01 ó 0.001).
• Reproducir el estudio. Si al reproducir el estudio se obtienen
resultados similares, estaremos más seguros de no estar
cometiendo el error de tipo I.
Recomendaciones para
disminuir el error de Tipo II
• Incrementar el tamaño de la muestra.
• Estimar el poder estadístico del estudio.
• Incrementar el tamaño del efecto a detectar.
• Incrementar el valor de alfa.
• Utilizar test paramétricos (más potentes) en lugar de test no
paramétricos.
Significación estadística….
RECORDAR QUE…..
• La realización de cualquier estudio clínico-epidemiológico
pretende poner de manifiesto al final del mismo si existe o no
asociación entre diferentes variables.
Diseño de investigación
Objetivos estadísticos
Escala de medición
variables
Comprueba si dos o más
Prueba de variables que se miden
independencia en una misma muestra
están o no relacionadas
entre sí
Prueba de independencia
• Determina si el valor observado de una variable depende del
valor de otra variable, es decir permite determinar si dos
variable cualitativas están o no asociadas
• Hipótesis a plantearse:
• Ho: La proporción de personas vacunadas que contraen la
enfermedad es igual a la proporción de personas no vacunadas
que contraen la enfermedad
• Ha: La proporción de personas vacunadas que contraen la
enfermedad es diferente a la proporción de personas no
vacunadas que contraen la enfermedad
Ejemplo
Ejemplo
• Ho: La proporción de personas vacunadas que contraen la enfermedad es igual
a la proporción de personas no vacunadas que contraen la enfermedad
• Ha: La proporción de personas vacunadas que contraen la enfermedad es
diferente a la proporción de personas no vacunadas que contraen la
enfermedad
Ejemplo
• Ho: La proporción de personas vacunadas que contraen la enfermedad es igual
a la proporción de personas no vacunadas que contraen la enfermedad
• Ha: La proporción de personas vacunadas que contraen la enfermedad es
diferente a la proporción de personas no vacunadas que contraen la
enfermedad
Error: 5%
=0.05
Ejemplo
• Ho: La proporción de personas vacunadas que contraen la enfermedad es igual
a la proporción de personas no vacunadas que contraen la enfermedad
• Ha: La proporción de personas vacunadas que contraen la enfermedad es
diferente a la proporción de personas no vacunadas que contraen la
enfermedad
Error: 5%
=0.05
Prueba de bondad de ajuste
• Se trata de la comparación de la proporción evaluada en un
grupo, comparada con el parámetro de la población.
Error del 5%
=0.05
Ejemplo
• Hipótesis planteadas:
• Ho: Los resultados encontrados en la encuesta local no difieren de la distribución por
edades propuesta por la encuesta nacional (los resultados encontrados en la encuesta
local tienen una distribución normal)
• Ha: Los resultados encontrados en la encuesta local difieren de la distribución por
edades propuesta por la encuesta nacional (los resultados encontrados en la encuesta
local NO tienen una distribución normal)
Error del 5%
=0.05
Consideraciones
• Si las frecuencias esperadas en alguna casilla de la variable es
menor a 5, se deberán de hacer una corrección y utilizar otras
pruebas para poder determinar la asociación entre las
variables:
n<30
Distribución
normal
Muestras Muestras
Una sola muestra
relacionadas independientes
Supuestos para el contraste de
medias
La variable cuantitativa debe de distribuirse normalmente