Resúmenes Temas 14 al 17: Visión general de las TICS. TICS Y salud. Cuidados 2.0.

Las Tecnologías de la Información y la Comunicación (TICs), y muy especialmente Internet, se han

introducido en la vida cotidiana de las personas, en el ámbito económico, social, cultural y en el campo de la

salud.

• La tecnología de la comunicación comprende los medios de comunicación tradicional: radio, televisión y telefonía.
• La tecnología de la información comprende aquellas características por la digitalización de esa tecnología, es decir, la informática y la telemática.

El uso de las TICs genera ventajas sobre la sociedad como:

• Desarrollo económico y social
• Nuevos empleos.
• Nuevos modos de atención de salud.
• Avance de las ciencias
• Oportunidades comerciales.

Desde el punto de vista de la salud, la aplicación de las TICs eleva la calidad de la asistencia sanitaria,

mediante los siguientes aspectos:

• Mejorar los procesos asistenciales.
• Los ciudadanos tienen un mejor acceso a los servicios, derribándose barreras de espacio y tiempo.
• Agiliza los procesos burocráticos.
• Facilita la colaboración de los profesionales entre ellos y con los pacientes
• Proporciona el máximo de información a la ciudadanía para las distintas redes.

1. ÁREAS DE LAS TICS.

En Junio de 2000 la Unión Europea estableció o identificó 11 áreas de las TICs entre la que se encuentran la e-Salud o Salud en Línea, dentro de esa área  se establecieron cinco áreas de TICs sanitarias para garantizar la cobertura y para desacelerar el gasto sanitario:

• La historia clínica electrónica (HCE).
• Receta electrónica
• Movilidad
• Telemedicina
• Picture Archiving Communication System (PACS)

2. e-SALUD

La Organización Mundial de la Salud (OMS) en el documento Estrategia y Plan de Acción sobre e-Salud publicado en 2011, define la cibersalud, conocida también como e-Salud o e-Health, como el “apoyo que la utilización costoeficaz y segura de las tecnologías de la información y las comunicaciones, ofrece a la salud y a los ámbitos relacionados con ella, con inclusión de los servicios de atención de salud, la vigilancia y la documentación sanitarias, así como la educación, los conocimientos y las investigaciones en materia de salud”

3. EL USO DE LA "SALUD MÓVIL"

Las ventajas del uso de las TICs en enfermería son las siguientes:

• Aumento de la calidad de los cuidados posibilitando funciones enfermeras más amplias.
• Ayuda en la participación de los pacientes y familiares en el proceso de cuidados.
• Permite a los enfermeros el apoyo e información a distancia y en línea de otros profesionales sanitarios.

4. CONCEPTOS DE RED DE INFORMACIÓN SANITARIA

Red de información del ámbito sanitario y sus organizaciones que gestiona ese ámbito sanitario, como por ejemplo en la sanidad pública (el SAS y la consejería de salud).

• La red de información sanitaria ofrece el soporte tecnológico al organismo sanitario para prestar servicio administrativo y de salud.

Está formada por distintos niveles:

• En la base del sistema tenemos las infraestructuras de la comunicación (fibra óptica, circuito, sistema de trasmisión).
• El hardware: ordenadores, módems, routers, switches (hace accesible toda esa información).
• El software: (comunicaciones, interprocesos, sistema de gestión de bases de datos, análisis de imágenes, protocolo, comunicaciones).
• Datos: financieros, nomina, contabilidad, intervalo de material, fichero maestro de pacientes, historia clínica de pacientes, resultado de peticiones
• Seguridad: control de acceso, autentificación, seguridad de red
• Aplicaciones: control electrónico, citaciones, admisiones, clínicas, enfermería, laboratorio, radiología, farmacia, facturación y pagos, enlace de red, administración del sistema, ofimática, contabilidad financiera, nóminas, inventario
• Interfaz y usuario: interfaz usuarios.
• Intranet: desarrolla comunicación entre todos los ámbitos o servicios del mismo centro u hospital, conectando: urgencias-con laboratorio, radiologíacon urgencias, etc. y a la vez puede ver este historial clínico el profesional en el hospital a la vez que el profesional en el centro de salud.
• Extranet: red externa, que comunica al hospital y su área de salud con agentes externos como proveedores de material, con universidades, centros de investigación, con agentes farmacéuticos, etc.

Mediante extranet los profesionales de salud, pacientes y ciudadanos en general, pueden acceder a

distintas aplicaciones de esta red (por ejemplo: cita previa).

5. APLICACIÓN DE LAS TECNOLOGÍAS EN LOS PROCESOS ASISTENCIALES.

Para los procesos asistenciales realizados en la asistencia 1ª y especializada, los profesionales han adquirido un aumento de ventajas. Aumenta la calidad, comodidad y flexibilidad para prestar asistencia a la vez que existe una comunicación entre los diferentes profesionales.

Hay mejor conexión entre los 3 sistemas asistenciales: nivel asistencial primario, especializado y

domiciliario.

Las Tics están mejorando la gestión que hay que hacer con los pacientes, gracias a 3 aplicaciones:

1.- Tarjeta sanitaria electrónica.

• La tarjeta es la llave o la clave para identificar a cada persona o usuario del sistema sanitario, de forma segura.
• Nos proporciona un acceso rápido, sencillo, confidencial y seguro a los datos sanitarios de las personas.
• Antiguamente se realizaba con la cartilla y con una numeración para toda la familia, y con las Tics cada individuo tiene una tarjeta, un número individual para toda la vida, y lo identifica a él exclusivamente
• Receta electrónica, es la automatización de los procesos de prescripción, control y dispensación de medicamentos. Siendo el SAS pionero en receta electrónica.

2.- Historia clínica electrónica.

• Es un registro electrónico numérico, almacenas imágenes, etc., de salud, información referida a la salud de un individuo a lo largo de toda su vida y tiene acceso desde cualquier centro sanitario.
• Incluye toda la información clínica cronológica del paciente, con lo cual se puede evitar perdida de información como ocurría con el papel, ahorro de tiempo.
• Unas de las experiencias pionera de este sistema fueron en Andalucía, lo que desarrollo el sistema informático del servicio andaluz de salud DIRAYA.

3.- Hospital digital.

Un hospital sin papeles. A partir del año 2000. Esto ha posibilitado la sustitución de la historia clínica en papel por una historia de salud electrónica y única gracias al sistema informático DIRAYA.

Esta historia clínica electrónica integra toda la información sanitaria de cada usuario. Tiene 3 características: Única, Organizada y Compartida.

6. APLICACIÓN DE LAS TICS EN LA GESTIÓN EN LA GESTIÓN DE EMERGENCIAS.

• En los casos de emergencias, se presta atención sanitaria de emergencia y actuación in situ, con lo cual hay necesidades de rapidez para gestionar las actuaciones sanitarias, como por ejemplo en casos de infartos, incendios, catástrofes, etc.
• Las Tics juegan un importante papel en el acceso a información actualizada y en la comunicación entre los diferentes agentes, mandando recursos sanitarios (unidad móvil, helicópteros, etc.) y recursos no sanitarios (bomberos, etc.)
• Estos llegan al lugar de actuación con una información detallada de lo ocurrido, agilizando las actuaciones asistenciales, aumentando la eficacia de actuación.
• Durante el trayecto en ambulancia, se le informa al hospital para prepararse antes de que llegue la ambulancia (dispositivos como PDA, etc.).

7. APLICACIÓN DE LAS TICS EN LA PROMOCIÓN DE LA SALUD Y PREVENCIÓN DE ENFERMEDADES.

• Las herramientas 2.0 son imprescindibles en la diseminación e implementación de conocimientos sobre salud, a este respecto los profesionales sanitarios deben ser vehículos transmisores de evidencia avalada por resultados científicos, mediante la implantación de buenas prácticas relacionadas con la comunicación y enseñanza del paciente en sus cuidados diarios (utilización en programas de salud y Educación para la Salud (EpS) a la ciudadanía).
• Además, de aplicaciones móviles en salud, blog, páginas webs, bases de datos, etc. Algunos de estos se utiliza para dar apoyo psicosocial de las personas afectadas por distintas enfermedades, así como ofrece al ciudadano una información detallada acerca de las distintas enfermedades, patología, y salud.

Resumen Tema 13: Pruebas paramétricas más utilizadas en enfermería. La prueba T-student. La prueba T-student para datos apareados. Anova.

1. ANÁLISIS BIVARIADO VARIABLE CUALITATIVA Y CUANTITATIVA.

Este tipo de análisis es muy frecuente en todos los ámbitos, puesto que con frecuencia nos interesa

saber si las categorías (o factores) de una variable cualitativa (o también en otras situaciones, observa los ejemplos) presentan unos valores medios similares, o no.

2. TEST A APLICAR...

• Paramétricos
• T de Student para 1 o dos muestras (o categorías)
• ANOVA (para más de dos muestras o categorías independientes)
• No paramétricos
• Prueba U de Mann-Whitney (muestras independientes)
• Test Wilconxon (muestras apareadas).
• Test Kruskal-Wallis (más de dos muestras o categorías)

1º. Determinar si se trata de una muestra o dos muestras independientes o apareadas.

2º. Determinar si se usarán test paramétricos o no paramétricos.

3. T DE STUDENT COMO TEST PARAMÉTRICO

• Criterios de parametricidad.
• Normalidad
• Homocedasticidad o igualdad de varianzas. Test Levene
• N muestral > 30

4. ANOVA: ANALYSIS OF VARIATION.

5. PRUEBAS DE NORMALIDAD:

Se debe comprobar la normalidad usando Kolmogorov (n>50) o Shapiro (n<50).

6. NOTACIONES PARA ANOVA.

• n : Número de individuos todos juntos.
• i: número de grupos
• x̄: significado para todo el conjunto de datos

El grupo i tiene:

• ni = # of individuals in group i
• xij = value for individual j in group i
• I : significado para el grupo i.
• si = standard deviation for group i

7. CÓMO FUNCIONA ANOVA (FUERA DE LINEA)

ANOVA mide dos fuentes de variación en los datos y compara sus medidas relativas.

• Variación entre grupos: para cada valor mirar la diferencia entre su significado de grupo y el significado en general.
• Variación en los grupos: para cada valor miramos la diferencia entre el valor y el significado de su grupo.

ANOVA F estadístico es un radio de la variación entre grupos dividido entre la variación en los grupos.

Un gran F es una evidencia contra H0, esto indica que hay más diferencia entre los grupos que dentro de ellos.

10. ¿CÓMO ESTÁN ESTAS COMPUTACIONES HECHAS?

Se quiere medir la cantidad de variación de la variación entre grupos y dentro de los grupos.

Para cada valor, calculamos su contribución para:

• Variación dentro de los grupos.
• Variación entre los grupos.

Resumen Tema 12: Concordancia y correlación.

1. RELACIONES ENTRE VARIABLES Y REGRESIÓN.

Hoy en día el sentido de regresión es el de predicción de una medida a partir en el conocimiento de otra.

2. REGRESIÓN LINEAL SIMPLE: CORRELACIÓN Y DETERMINACIÓN.

ANÁLISIS DE CORRELACIÓN:

El análisis de correlación se utiliza con el propósito de disponer de un indicador cuantitativo que permite sintetizar el grado de la asociación entre variables.

• Coeficiente de Correlación r de Pearson (r), (Rxy): Es un coeficiente que mide el grado de la relación de dependencia que existe entre las variables (x,y), cuyos valores van desde -1, correspondiente a una correlación negativa perfecta, hasta 1, correspondiente a una correlación positiva perfecta.
• El coeficiente de correlación por Rango de o rho de Spearman es una medida de asociación que requiere que ambas variables en estudio sean medidas por lo menos en una escala ordinal.

¿CÓMO COMRPOBAR LA NORMALIDAD DE LOS DATOS?

Epi Info muestra un histograma donde e ve si la gráfica sigue una distribución normal o no.

Los métodos más fiables son pruebas estadísticas:

• Prueba de kolmogorov-smirnov: Si el tamaño muestral es grande.
• Prueba de shapiro-wilk: Si el tamaño muestral es pequeño, si tiene menos o igual de 50.

Para las pruebas de normalidad: si p0,05 es normal. Se compara con unos valores que nos da un programa.

COEFICIENTE DE PEARSON:

Resumen Tema 11: Pruebas no paramétricas más utilizadas en enfermería.

1. CHI CUADRADO

El test de Chi-cuadrado se utiliza para hacer análisis bivariados. Esas dos variables deben ser cualitativas.

• Para comparar dos variables cualitativas
• Razonamiento a seguir: se supone que la hipótesis nula es cierta y se estudia cómo es de probable que siendo iguales los dos grupos a comparar se obtengan resultados como los obtenidos o haber encontrado diferencias más grandes por grupos.

PRUEBA DE CHI-CUADRADO:

• Es debida al azar: si se debe al azar se debe aceptar la hipótesis nula, puesto que se establece que no hay relación entre sexo y consumo.
• Si es debida a algo más, por ejemplo, a una asociación entre las variables que se estudia, se acepta H1.

CONDICIONES PARA APLICAR CHI-CUADRADO:

 Las observaciones deben ser independientes, no puede haber sujetos repetidos en más de una casilla. 

Utilizar en variables cualitativas nominales u ordinales.

Más de 50 casos, deben ser tamaños muestrales importantes.

Las frecuencias teóricas o esperadas en cada casilla de clasificación ni deben ser inferiores a 5. Si son menores a 5, no se puede sacar conclusiones del contraste de hipótesis con Chi cuadrado. 

Si no se cumplen las condiciones, se usan pruebas paramétricas:

• Utilizar el estadístico de Fisher.
• Corrección de continuidad de Yates: Actualmente discutido por autores y se puede no tener en cuenta.
• Conviene mencionarla porque responde a una práctica muy generalizada y figura en muchos textos.

A RECORDAR EN LA PRUEBA DE CHI-CUADRADO

• La frecuencia observada es la que recogen los datos.
• La frecuencia esperada es la que se observaría si no hubiera relación. Lo que sucedería en la tabla si la hipótesis nula se cumpliera.
• Grados de libertad: número de valores o datos que pueden variar libremente dado un determinado resultado. 

2. ODDS RATIO

Un valor de chi-cuadrado no basta solo con rechazar la hipótesis nula, hay que calcular la magnitud de asociación. Es necesario para terminar de interpretar las hipótesis de chi-cuadrado.

Resumen Tema 10: Estimación y/o significación estadística:

1. SIGNIFICACIÓN ESTADÍSTICA

• Es una de las dos formas que hay de hacer inferencia (la otra es la estimación puntual y/o por intervalos).
• Permite contrastar hipótesis y relacionarlo con el método científico.
• Se parte de la hipótesis nula, frente a la hipótesis alternativa.
• Permite calcular el nivel de significación. Si la significación es alta se podrá rechazar la hipótesis nula y viceversa.
• Permite tomar decisiones cuantificando el error.

2. EL CONOCIMIENTO CIENTÍFICO

Las ciencias aplicadas se nutren de leyes que surgen de la aplicación del método científico y sobre todo del contraste de hipótesis. La estadística permite contrastar hipótesis y dictar leyes a partir de esas hipótesis.

3. HIPÓTESIS ESTADÍSTICA

HIPÓTESIS NULA Y ALTERNATIVA:

4. CONTRASTE DE HIPÓTESIS

5. ERRORES DE HIPÓTESIS

Con una misma muestra podemos aceptar o rechazar la hipótesis nula, todo depende de un error al que

llamamos alfa.

• El error alfa es el error que se comete al rechazar la hipótesis nula.
• El error alfa más pequeño al que podemos rechazar H0 es el error p.
• Habitualmente rechazamos H0 par aun nivel alfa máximo del 5%.

6. MÉTODO DE CONTRASTE DE HIPÓTESIS

Resumen Tema 9: Introducción a la Inferencia Estadística.

Intervalos de confianza y contrastes de hipótesis.

1. INFERENCIA ESTADÍSTICA

2. ESTIMACIONES

Proceso de utilizar información de una muestra para extraer conclusiones acerca de toda la población. La estimación puntual es más precisa, pero tiene más riesgo de error. Si se realiza una estimación por intervalos, se tiene menos riesgo de error y menos precisión.

ESTIMACIÓN PUNTUAL Y ESTIMACIÓN POR INTERVALO

3. ERROR ESTÁNDAR E INTERVALO DE CONFIANZA

El error estándar de cualquier estimador mide el grado de variabilidad en los valores del estimador en las distintas muestras de un determinado tamaño que se pudiera tomar de una población. Cuanto más pequeño es el error estándar de un estimador, más fiable es del valor de una muestra

concreta.

El intervalo de confianza es un medio para conocer el parámetro en una población midiendo el error que tiene que ver con el azar (error aleatorio). Mientras mayor sea la confianza que se quiera otorgar al intervalo, éste será más amplio, es decir, el extremo inferior y el superior del intervalo estarán más distanciados y, por tanto, el intervalo será menos preciso.

4. TEOREMA CENTRAL DEL LÍMITE

5. CONTRASTE DE HIPÓTESIS

• Con los contrastes (tests) de hipótesis la estrategia es la siguiente:
• Se establece a priori una hipótesis acerca del valor del parámetro.
• Se realiza la recogida de datos.
• Se analiza la coherencia de entre la hipótesis previa y los datos obtenidos.
• Son herramientas estadísticas para responder a preguntas de investigación: permite cuantificar la compatibilidad entre una hipótesis previamente establecida y los resultados obtenidos.
•  Sean cuales sean los deseos de los investigadores, el test de hipótesis siempre va a contrastar la hipótesis nula (la que establece igualdad entre los grupos a comparar, o lo que es lo mismo, la no que no establece relación entre las variables de estudio).

ERRORES DE HIPÓTESIS

Con una misma muestra se puede aceptar o rechazar la hipótesis nula, todo depende de un error, al

que llamamos α.

• El error α es la probabilidad de equivocarnos al rechazar la hipótesis nula.
• El error α más pequeño al que se puede rechazar H0 es el error p.
• Habitualmente se rechaza H0 para un nivel α máximo del 5% (p).

Resumen Tema 8: Teoría de Muestras

1. ESTIMACIÓN E INFERENCIA ESTADÍSTICA

• Técnicas de muestreo: conjunto de procedimientos que permiten elegir muestras de tal forma que éstas reflejen las características de la población.
• Siempre que trabajamos con muestras (no estudiamos el problema en toda la población sino en una parte de ella) hay que asumir un cierto error.
• Si la muestra se elige por un procedimiento de azar, se puede evaluar ese error. La técnica de muestreo en ese caso se denomina muestreo probabilístico o aleatorio, y el error asociado a esa muestra elegida al azar se llama error aleatorio.
• En los muestreos no probabilísticos (no usan el azar) no es posible evaluar el error. En los muestreos probabilísticos, el error aleatorio es inevitable, pero es evaluable.

PROCESO DE INFERENCIA ESTADÍSTICA:

Se quiere medir un parámetro en la población. No se puede medir en todos los sujetos, y se realiza una preselección, preferiblemente aleatoria, y a través de esa muestra se obtiene el estimador, que permite realizar la inferencia.

2. PROCEDIMIENTO MUESTRAL

Un muestreo es un método tal que al escoger un grupo pequeño de una población se puede tener un grado de probabilidad de que ese pequeño grupo posea las características de la población que se está estudiando.

Debería hacerse de tal manera que permitiera tener una muestra lo más parecida posible a la realidad.

3. TIPOS DE MUESTREO

MUESTREO NO PROBABILÍSTICO

MUESTREO PROBABILÍSTICO

• No mencionado: Conglomerado: Cuando no se dispone de una lista detallada y enumerada de cada una de las unidades que conforman el universo o población y resulta muy complejo elaborarla. En la selección de la muestra en lugar de escogerse cada unidad, se toman los subgrupos o conjuntos de unidades “conglomerados”.

4. TAMAÑO DE LA MUESTRA

Va a depender de:

• El error aleatorio (estándar)
• De la mínima diferencia entre los grupos de comparación que se considera importante en los valores de la variable a estudiar.
• De la variabilidad de la variable a estudiar (varianza en la población).
• El tamaño de la población de estudio.

Cálculo del tamaño de una muestra para estimar la media de una población

•  Z es un valor que depende del nivel de confianza que se quiera dar a los intervalos calculados a partir de estimadores de esa muestra (Para confianza de 95%, z=1,96 y para nivel de confianza de 99% z=2,58).
• S 2 : es la varianza poblacional
•  E: es el error máximo aceptado por los investigadores en las diferencias entre los grupos de comparación de la variable a estudiar
• Si tras esta operación se cumple el resultado: N>n (n-1) el cálculo del tamaño muestral termina aquí.
• Si no se cumple, obtendremos el tamaño de la muestra con esta fórmula: n'= n/1+(n/N)

Para calcular el tamaño de una muestra para estimar una proporción:

•  P es la proporción de una categoría de la variable (por ejemplo, la presencia de la enfermedad, si o no)
•  1-p: es la proporción de la otra categoría
• Z: es el valor de la confianza
• N es el tamaño de la población
• E: es el error máximo aceptado por los investigadores en las diferencias entre los grupos de comparación de la variable a estudiar.

Resumen Tema 7: Teoría de la Probabilidad

1. PROBABILIDAD

• Es muy frecuente para comunicarnos y entendernos. 
• Se dan en medida de ocurrencia de un evento que es incierto. 
• Se expresa mediante un número entre 0 y 1 (o en porcentajes).
• Esta estimación sobre la probabilidad de ocurrencia del evento nos ayuda a tomar decisiones.
• Cuanto más probable es que ocurra un evento, su medida de ocurrencia estará más próximo a 1 o a 100%, y cuanto menos probable, más se aproxima al cero.
• Aunque el concepto es simple, ya que se usa de manera intuitiva, su definición es complicada y tiene tres vertientes:

2. EVENTOS O SUCESOS

Cuando se realiza un experimento aleatorio, diversos resultados son posibles. El conjunto de todos los resultados posibles se llama espacio muestral (S).

• Suceso o evento: Subconjunto de dichos resultados. Ejemplo: veces que sale cara en la moneda.
• Evento complementario de un suceso A: El formado por los elementos que no están en A y se denota Ac. Ejemplo: todo lo que no es salir cara en la moneda.
• Evento unión de A y B: El formado por los resultados experimentales que están en A o en B (incluyendo todos los que están en ambos) El evento A es ser mujer y el B es ser rubia: AUB sería la suma de ser mujer o la suma de ser rubia.
• Evento intersección de A y B: El formado por los elementos que están entre A y B. El evento A es ser mujer y el B es ser rubia: A intersección B sería la suma de ser mujer y la suma de ser  rubia, es decir, poseer las dos características.

PROPIEDADES DE LAS PROBABILIDADES

3. REGLAS BÁSICAS: TEORÍA DE LA PROBABILIDAD

•  Las probabilidades oscilan entre 0 y 1.
•  La probabilidad de un suceso contrario es igual a 1, menos la probabilidad del suceso. Por ejemplo: la probabilidad de ser mujer, si hay 8 personas, la probabilidad de ser hombre sería 8-4=4.
• La probabilidad de un suceso imposible es 0.
• La unión de A y B es: si los eventos son compatibles, que en la mayoría lo son, calculamos la probabilidad de A+ probabilidad de B- intersección entre dos conjuntos.
•  La probabilidad condicionada de un suceso A a otro de B se expresa:

Cuando es una pregunta condicionada, siempre es a priori.

4. TEOREMA DE BASES

Expresa la probabilidad condicional de un evento aleatorio A dado B (probabilidad condicionada) en términos de la distribución de probabilidad condicional del evento B dado A y la distribución de probabilidad marginal de sólo A.

En términos más generales, el teorema de Bayes que vincula la probabilidad de A dado B con la probabilidad de B dado A.

5. DISTRIBUCIÓN DE PROBABILIDAD EN VARIABLES DISCRETAS: BINOMIAL Y POISSON.

DISTRIBUCIÓN BINOMIAL

DISTRIBUCIÓN DE POISSON

6. DISTRIBUCIONES NORMALES

Resumen Tema 6: Representación gráfica de la información

1. REPRESENTACIONES GRÁFICAS

• La mayoría son formas rápidas de comunicar información numérica.
• Imágenes de ideas que se quieren transmitir.
• Complementan el análisis estadístico.
• No reemplaza a las medidas estadísticas.
• Hay que seguir una serie de normas básicas:
•  Visualmente claras.
•  Claramente descritos en pie de figura y en texto.
•  Representar gráficamente las conclusiones del estudio.
•  Evitar gráficos confusos, no sobrecargados.

2. REPRESENTACIONES GRÁFICAS MÁS EMPLEADAS

• VARIABLES CUALITATIVAS:

• Pictogramas: (Policotómicas): No mencionadas en el vídeo.

Pictograma

• VARIABLES CUANTITATIVAS:

•  DATOS BIDIMENSIONALES Y MULTIDIMENSIONALES: Puedo mezclar variables cuantitativas y cualitativas o dos cualitativas/cuantitativas.
• Tendencias temporales
• Nubes de punto (scatter plot). Sólo se pueden mezclar dos continuas (cuantitativa)
• Otros gráficos multidimensionales (diagrama de estrellas...)

  

  Tendencias temporales

  

  Nube de puntos

3. VARIABLES CUALITATIVAS (DICOTÓMICAS O DE POCAS CATEGORÍAS)

• GRÁFICO DE SECTORES:

• ERRORES QUE SE PUEDEN COMETER EN LOS GRÁFICOS DE SECTORES
• Variable policotómica (muchas categorías)
• En una variable ordinal, no se debe utilizar un diagrama de sectores (el orden de las respuestas es importante)
• DIAGRAMA DE BARRAS:
• ERRORES EN GRÁFICOS DE BARRAS:
•  Para hacer una comparación de dos gráficas de barras hay que representar esas dos gráficas con frecuencias relativas, no con absolutas. No comparar con frecuencias absolutas.
•  Si tiene muchas categorías es recomendable utilizar un histograma.
• PICTOGRAMA: No aporta información adicional al diagrama de barras. Se incluye una imagen representativa de la variable. (Imagen más arriba).

4. VARIABLES CUANTITATIVAS 

• HISTOGRAMA:

ERRORES EN HISTOGRAMA:

•  Se realiza en realidad un diagrama de barras, inapropiado para una variable continua.
• No se tiene en cuenta las diferentes amplitudes de los intervalos.

• GRÁFICO DE TALLO Y HOJAS:

• GRÁFICOS PARA DATOS BIDIMENSIONALES: Permiten representar más de una variable en el mismo gráfico.
• Gráficos de tendencias temporales. (Imagen arriba).
• Diagramas de dispersión (nube de puntos o “scatter plot”). (Vídeo explicativo).
• Diagrama de estrellas:
• Para representar un conjunto de variables cuantitativas y comparar entre diferentes unidadesde análisis (individuos o conglomerados, que son valores medios obtenidos de poblaciones distintas).
•  Cada variable representa un vértice del diagrama de estrella.
•  Gráficamente da una idea del comportamiento conjunto de las variables estudiadas.
• También permite comparativas con un “Gold standard” (que sería por ejemplo comparar con el peso ideal o altura ideal).

Resumen Tema 5: Estadísticos univariables: Medidas resumen para variables cuantitativas

1. RESUMEN NUMÉRICO DE UNA SERIE ESTADÍSTICA

Tres grandes tipos de medidas estadísticas:

• Medidas de tendencia central: dan idea de de los valores alrededor de los cuales los datos tienen tendencia a agruparse.
• Medidas de dispersión o variabilidad: dan información acerca de la heterogeneidad u homogeneidad de nuestras observaciones.
• Medidas de posición: dividen un conjunto ordenado de datos y grupos con la misma cantidad de individuos, es decir, ordenamos de menor a mayor.

2. MEDIDAS DE TENDENCIA CENTRAL

Explicación de la media, la moda y la mediana:

3. MEDIDAS DE POSICIÓN

Explicación de los tipos más usuales de Cuantiles:

4. MEDIDAS DE DISPERSIÓN

Se calculan porque las aportadas por las medidas de tendencia central son limitadas.

Explicación de las medidas de dispersión (excepto el Recorrido intercuartílico y el Coeficiente de variación):

• Recorrido intercuartílico: Diferencia entre el tercer y el primer cuartil= |Q3-Q1|
• Coeficiente de variación: Es una medida de dispersión relativa, puesto que las demás se expresan en la unidad de medida de la variable. Sus valores van desde 0 hasta 1.

5. DISTRIBUCIONES NORMALES

También llamada distribución de Gauss, es una de las distribuciones de probabilidad de variables continua que más frecuentemente aparece en fenómenos reales.

La forma de la gráfica es acampanada y simétrica con respecto de los valores de posición central. La campana formada en la gráfica se conoce como campana de Gauss.

Asimetrías y curtosis

Si la parte baja está hacia la izquierda es asimetría hacia la izquierda, y si está hacia la derecha, es asimetría hacia la derecha.

En la asimetría hacia la izquierda, aparece primero la media, luego la mediana y luego la moda (siempre punto más alto, pues es más frecuente).

En la asimetría hacia la derecha, aparece primero la mediana y luego la media. En la simétrica coinciden media, mediana y moda.

• Coeficiente de asimetría de una variable: grado de asimetría de la distribución de sus datos en torno a su media.
• Es adimensional y adopta valores entre -1 y 1.

Los resultados pueden ser...

• Si el grado de asimetría es 0 (distribución simétrica, la misma concentración de valores a derecha e izquierda de la media). Gráfica de en medio.
• Si el grado de asimetría es mayor que 0 (distribución asimétrica positiva, existe mayor concentración de  valores a la derecha que a la izquierda de la media).
• Si el grado de asimetría es menor a 0 (distribución asimétrica negativa; existe mayor concentración de valores a la izquierda de la media que a su derecha). 

Curtosis o apuntamiento

• Coeficiente de apuntamiento o curtosis de una variable, sirve para medir el grado de concentración de los valores que toma en torno a su media.
• Se elige como referencia de una variable con distribución normal, para ella el coeficiente de curtosis es 0.

Los resultados pueden ser...

• Grado de curtosis=0: Distribución mesocúrtica. Grado de concentración medio alrededor d los valores de los valores centrales de la variable.
• Grado d curtosis mayor que 0: Distribución leptocúrtica. Elevado grado de concentración alrededor de los valores centrales de la variable.
• Gradod e curtosis menor que 0: Distribución platicúrtica. Presenta un reducido grado de concentración alrededor de los valores centrales de la variable. La platicúrtica tiene una mayor medida de dispersión.

Resumen Tema 4: Introducción a la estadística descriptiva.

La estadística descriptiva sirve para describir y resumir datos (suele estar presente en los medios de difusión).

La estadística inferencial utiliza datos para sacar conclusiones sobre poblaciones más grandes (se saca una muestra de una población). Lo encontramos en artículos sobre investigaciones científicas.

1. ESTADÍSTICA DESCRIPTIVA

Sirve para describir y resumir datos, aunque no sacar conclusiones de tipo general (suele estar presente en los medios de difusión). Utilizan métodos numéricos y gráficos para presentar los datos.

Precursora de la estadística inferencial. 

Variables: Los datos se suelen presentar mediante:

• Tablas de frecuencia: Tiene columnas (frecuencias) y filas (variables). Ejemplo: 

• Interpretación:
• En la primera columna se ordenan de menor a mayor los diferentes valores que tiene la variable en el conjunto de datos.
• En las siguientes columnas (segunda y tercera) se ponen las frecuencias absolutas y las frecuencias absolutas acumuladas.
• Las columnas cuarta y quinta contienen la las frecuencias relativas y las frecuencias relativas acumuladas.
• Adicionalmente (opcional) se pueden incluir dos columnas (sexta y séptima), representando la frecuencia relativa y la frecuencia relativa acumulada como tanto por cien. Estos porcentajes se obtienen multiplicando las dos frecuencias por cien.
• Requisitos:
• Autoexplicativas.
• Sencillas y fáciles de comprender.
• Indican lugar, fecha y fuente de información.
• Tienen título, breve y claro.
• Incluye unidades de medida en cada cabecera.
• Indican frecuencias absolutas y relativas.
• Frecuencia relativa: valor entre 0 y 1, se multiplica por 100 para %.
• Frecuencia relativa acumulada: Se suman los valores de las columnas.

Variables continuas: Tablas de frecuencia:

• Orden: De mayor a menor.
• Definición los intervalos.
• Definición los extremos de los intervalos.
• Definición de amplitud o distancia entre los extremos.
• Cálculo de la marca de clase de cada intervalo.

Tablas de frecuencias datos agrupados:

• Frecuencias absolutas: Número de individuos que presentan una modalidad o están incluidos en un intervalo.
• Frecuencias relativas: Proporción de individuos referidos al total que presentan una modalidad o que están incluidos en un intervalo.
• Frecuencias acumuladas: Número de individuos menores o iguales que la modalidad o el intervalo que estamos estudiando.

Indicadores:

• Análisis descriptivo: Uso de números relativos.
• Frecuencia absoluta: No es un indicador.
• Los indicadores se elaboran en:
• Instituto Nacional de Estadística (INE).
• Instituto Estadística de Andalucía.
• Centro de Investigaciones Sociológicas.
• ¿Qué es?: Medida de frecuencia de un determinado suceso en una población. Se expresa como un número, que puede ser:
• Proporción.
• Tasa.
• Razón.
• Odds.

Proporciones: 

Es una medida resumen para variable cualitativas, consiste en la comparación a través de un cociente entre un subconjunto y el conjunto al que pertenece.

• El numerador siempre está incluido en el denominador.
• Adopta valores reales entre 0 y 1, expresando la frecuencia relativa del suceso que medimos.
• Se suele multiplicar por 100 para mayor comprensión (%).
• Si el suceso que medimos es poco frecuente, multiplicamos por 1000, por 10000, etc.

Tasas (rate):

• Medida de riesgo que expresa el riesgo de ocurrencia del evento estudiado.
• Es una proporción, con relación espacial y temporal.
• Consiste en la comparación, a través de una división, entre el número de veces que ocurre un cierto tipo de fenómeno y la población en la que puede ocurrir dicho evento en un tiempo determinado.
• El resultado de tal división consiste en una cifra fraccionaria menor a 1, por lo que el resultado suele ser multiplicado por 10 (100, 1000, 10.000).

Medidas más empleadas en estadística sanitaria:

¿Qué queremos medir?

• La situación en un punto de tiempo: prevalencia (describe qué proporción de la población tiene la enfermedad. 
• Lo que pasa durante un período de tiempo: incidencia (describe la frecuencia de nuevos casos que ocurren durante un período de tiempo).
• Formas de medir la incidencia: Incidencia acumulada (número de nuevos casos detectados durante el seguimiento que desarrollan la enfermedad) y la densidad de incidencia.

2. INCIDENCIA

Número de nuevos casos de enfermedad que ocurren en un período específico de tiempo. Mide el cambio y el riesgo.

• Incidencia acumulada (proporción de incidencia). Riesgo de que se produzca el suceso.
• Tasa de incidencia (densidad de incidencia). Velocidad de aparición de nuevos casos con respecto al tamaño de la población.

Incidencia acumulada

Se calcula utilizando un periodo de tiempo durante el cual consideramos que todos los individuos de la población están a riesgo de la enfermedad.

Es la proporción de sujetos que desarrollan la enfermedad en un período de tiempo. Mide el riego promedio de padecer la enfermedad.

3. TASA DE INCIDENCIA

• A veces, no todos los individuos a riesgo son seguidos durante el mismo período de tiempo. Sabemos que no todos los individuos a riesgo lo están durante el mismo período de tiempo.
• Si se disponen de los distintos tiempos de observación, se puede calcular la tasa de incidencia o la densidad de incidencia. 
• Necesario especificar la ud. de tiempo a la que se refiere la tasa.
• Una misma cantidad de personas-tiempo se puede obtener mediante el seguimiento de distintos grupos de población.
• Se mide en unidades de tiempo.
• No son proporciones, es una tasa instantánea.
• Expresa velocidad.
• Lo podemos obtener mediante procedimiento de tasa.

Personas-tiempo

Suma de tiempo que los individuos están a riego de desarrollar el evento.

Las unidades a utilizar dependen del investigador.

4. RAZONES O "RATIOS"

• Es una medida resumen para variables cualitativas.
• Los dos conjuntos son distintos, uno no incluye al otro.
• El numerador del cociente no está incluido en el denominador, como sí sucedía en las proporciones.

5. ODDS O VENTAJAS

• El cociente entre la proporción o probabilidad de ocurrencia de un evento y la proporción o probabilidad de no ocurrencia, se denomina con el término inglés odds.
• No hay término exacto para definir la Odds, el más aceptado es "ventaja" u "oportunidad".
• La odds representa la frecuencia de un aspecto relativo a los sujetos que no presentan dicho aspecto, por lo que es un tipo especial de razón.
• Sus valores van desde 0 (valores que nunca ocurren) hasta el infinito.

Medidas de asociación: Relaciones entre proporción, ratos y odds.

• La magnitud de asociación entre dos fenómenos puede estimarse a través de medidas que relacionen proporciones, tasas y odds.
• Son lo que se llaman "medidas de asociación" y dependiendo del estudio se usarán una u otra.
• Tres razones más importantes:
• Razón de prevalencias: una razón entre dos prevalencias.
• Riesgo relativo o razón de riesgo: Un ratio entre dos incidencias acumuladas.
• Odds ratio: Estudios de casos y controles.

Resumen Tema 3: De los conceptos a las variables. Población, Muestra, Parámetros y estadísticos. Variables y escalas de medida.

1. ESTADÍSTICA

Es el organismo autónomo de España encargado
 de la coordinación general de los servicios estadísticos
de la Administración General del Estado y la vigilancia,
control y supervisión de los procedimientos
técnicos de los mismos.

• Cuerpo de conocimiento para aprender de la experiencia, en forma de números provenientes de medidas que muestran variaciones entre los distintos individuos.
• Parte del supuesto de que las características clínicas que se observan cambian de un paciente a otro
• Es la ciencia que estudia la variabilidad.

2. PROCEDIMIENTO MUESTRAL

El muestreo es un método en el que, al escoger un grupo pequeño de una población, podamos tener un grado de probabilidad de que ese pequeño grupo posea las características de la población que estamos estudiando. A partir de ello, se realiza la inferencia.

PROCESO DE LA INFERENCIA ESTADÍSTICA

Tamaño de la población (N); parámetro a medir (representación en letras griegas). Selección de muestra aleatoria (n). Después, se calcula la media en esa muestra (x̄). A partir del valor del estimador, se hace inferencia para aproximarse al parámetro.

PARÁMETROS Y ESTADÍSTICOS

• Parámetro: Cantidad numérica calculada sobre una población cuyo tamaño se expresa con N.
• Estadístico: Es una cantidad numérica calculada sobre una muestra extraída de la oblación, cuyo tamaño se expresa con n.

3. CONCEPTOS DE LA TEORÍA DE MEDICIÓN

Primero, identificar el objeto a medir y la estrategia de medición dependerá de que sea:

• Mediciones directas: Si se dispone de mucha tecnología para estas mediciones que buscan exactitud en la medición. (Ej: Tensión arterial).
• Mediciones indirectas: Medir ideas abstractas mediante mediciones, indicadores o atributos indirectos. No se dispone de tecnología que nos mida estas variables. (Ej: Grado de dolor que siente el paciente).

MEDICIONES DIRECTAS

Se realizan a elementos concretos. Las enfermeras recogen variables como:

• Edad (que se pregunta, no hace falta tecnología).
• Género.
• Origen étnico.
• Estado civil.
• Nivel de ingresos.

MEDICIONES INDIRECTAS

Son ideas tan abstractas y subjetivas como:

• Nivel de estrés: Se mide con escalas, cuestionarios...
• Cuidado.
• Ansiedad.
• Dolor: Se mide con escalas analógicas visuales.
• Afrontamiento: Se utilizan indicadores, como la frecuencia o exactitud de la identificación del problema.

Rara vez una estrategia de medición puede medir todos los aspectos de un concepto abstracto

MEDICIÓN DE SIGNOS Y SÍNTOMAS

La naturaleza de la variable es la que establece los métodos de medición.

4. ESCALAS DE MEDIDA

ESCALA NOMINAL

Nivel inferior de medida. Característica o variable que solo se puede comprobar si son iguales o distintas. Utilización de números como nombres (podrían ser sustituidos por símbolos, letras... no tienen propiedades aritméticas). Cada número es una categoría, las cuales deben ser exhaustivas y mutuamente excluyentes.

ESCALA ORDINAL

En la medición ordinal dadas dos o más modalidades de una variable, es posible establecer si son iguales o distintas (si son distintas determina cuál de ellas es mayor). Características:

• No se puede establecer la cantidad de mejoría diferencial que un nivel, categoría o número representa en relación a cualquier otro.
• Carecemos de suficiente información para determinar si entre los niveles 3 y 4 existe el mismo grado de mejoría que entre el 3 y 2 o 2 y 1.
• No se puede afirmar que la categoría 4 será el doble de 2.
• Solo ponemos un orden, una jerarquía 4>3>2>1.

ESCALA DE INTERVALO

Tiene las características de las anteriores, identidad y orden. El requerimiento de que las distancias o intervalos iguales representan distancias equivalentes. Características:

• Igualdad, desigualdad, identidad.
• Orden.
• Distancias equivalentes entre los intervalos.
• Añade la ventaja de poseer el 0 absoluto, que sería la ausencia de lo que se estudia.

En función de la naturaleza de la medición, hay dos tipos de variables:

CUANTITATIVAS

Se pueden expresar en términos numéricos. Hay dos:

• Discretas: Toman un número finito de valores. No pueden ser fracciones.
• Continuas: Admite cualquier valor dentro de un rango. Puede ser subdividida de forma infinita.

Para operativizar, se convierten las continuas en discretas. 

Las variables continuas y discretas se pueden convertir en cualitativas.

Las categorás deben construirse con dos criterios: exhaustividad y exclusividd.

CUALITATIVAS

No pueden ser medidas.

• Nominales (utilizan escalas nominales).
• Dicotómicas: 2 niveles de categoría (Ej: Hombre y mujer).
• Policotómicas: más de 2 categorías. (Ej: Soltero, viudo, separado, casado...).
• Ordinales: Establecen un orden (Ej: Satisfacción en el trabajo; muy satisfecho, satisfecho, poco satisfecho...).

OPERATIVIZACIÓN DE LAS VARIABLES

El proceso que transforma una variable subjetiva o abstracta en otras indirectas consiste en descomponer las variables principales en otras más específicas llamadas dimensiones. Posteriormente, se deben traducir las dimensiones en indicadores que permitan la observación directa. Ejemplo: Medición de la accesibilidad a los servicios de salud para recibir asistencia. Las dimensiones (factores) serían:

• Accesibilidad geográfica: Tiempo medio en horas y minutos que tarda una persona para trasladarse desde su domicilio al Centro de Salud.
• Accesibilidad económica: Cantidad de dinero que gasta en medicina, la cantidad que gasta para recibir atención.
• Accesibilidad cultural: Conocimiento sobre la atención proporcionada por los Centros de Salud, percepción del problema de salud.

La Escala de Ansiedad de Hamilton es una escala de tipo ordinal.

Resumen Tema 2: El método científico y sus perspectivas.

¿PARA QUÉ SE INVESTIGA?

• Para obtener información.
• Para acercarse al conocimiento de la realidad, las cuales tienen distintas facetas (distintos enfoques).

1. PROCESO DEDUCTIVO: MÉTODOS ESTADÍSTICOS (CUANTITATIVO).

Va de lo particular a lo general. El proceso es:

1. Selección de muestra de población amplia por métodos aleatorios.
2. Recogida de datos, hacemos estimaciones, contrastamos hipótesis... de la muestra seleccionada.
3. Si se contrastan las hipótesis, podemos deducir parámetros, leyes, confirmar la teoría...

Se suelen utilizar cuestionarios y se miden las variables. Suelen ser preguntas cerradas. Hay veces que se producen sesgos por las respuestas de los encuestados (que responden en concordancia a lo que se espera de ellos). Por ello, en estas ocasiones el estudio se complementa con un método inductivo.

2. PROCESO INDUCTIVO: MÉTODOS CUALITATIVOS.

Se prescinde de la utilización de números o cifras. El proceso es:

1. Selección de "informantes clave" de la población general. "El informante clave" debe tener representatividad sobre el grupo, por lo que no se elige aleatoriamente.
2. Se trata de entender el fenómeno individual a partir del colectivo.

ATRIBUTOS DE LOS PARADIGMAS CUALITATIVO Y CUANTITATIVOS

 Paradigma cualitativo:

• Emplea métodos cualitativos.
• Fenomenologismo y comprensión: "Interesado en comprender la conducta humana desde el propio marco de referencia de quien actúa".
• Observación naturalista y sin control.
• Subjetivo.
• Próximo a los datos: perspectiva "desde dentro".
• Fundamento en la realidad, orientado a los descubrimientos, exploratorio, expansionista, descriptivo e inductivo.
• Orientado al proceso.
• Válido: datos "reales", "ricos" y "profundos".
• No generalizable: estudio de casos aislados.
• Holístico.
• Asume una realidad dinámica.

Paradigma cuantitativo

• Emplea métodos cuantitativos.
• Positivismo lógico: "busca los hechos y las causas de los fenómenos sociales, prestando escasa atención a los estados subjetivos de los individuos".
• Medición penetrante y controlada.
• Objetivo.
• Al margen de los datos: perspectiva "desde fuera".
• Fundamentado no en la realidad, orientado no a la comprobación, confirmatorio, reduccionista, inferencial, hipotético, deductivo.
• Orientado al resultado.
• Fiable: datos "sólidos" y "repetibles".
• Generalizable: estudio de casos múltiples.
• Particularista.
• Asume una realidad estable.

3. FASES DEL PROCESO DE INVESTIGACIÓN

1. Etapa conceptual: Se define lo que se quiere investigar y para qué, mediante la observación de fenómenos que llaman la atención.
2. Etapa empírica: Una vez tomada la decisión, se plantea cómo investigarlo, qué datos hay que recoger, qué población...
3. Etapa interpretativa: Una vez recogidos los datos, se procede a su análisis, preguntándose cuál es el significado de los hallazgos.

4. ETAPA CONCEPTUAL DE LA METODOLOGÍA DE INVESTIGACIÓN

1. Observación de hechos.
2. Identificación y formulación del problema.
3. Revisión bibliográfica (antecedentes): Búsquedas de estudios ya realizados.
4. Marco teórico o marco de referencia conceptual (base teórica del problema): Se debe restablecer la base teórica del problema (conceptos y definiciones utilizados en la investigación).
5. Definición del problema de investigación.
6. Definición de objetivos/formulación de la hipótesis (estudios cuantitativos analíticos): Formulación de enunciados para establecer qué se quiere estudiar.
7. Definición operacional de términos y variables: Variables o características que cambian de una persona a otra, tiene más de dos opciones.
8. Importancia del estudio y limitaciones: Reflexión acerca de la causa y el objetivo de la investigación.

DEFINICIÓN Y FORMULACIÓN DE OBJETIVOS:

• Definición de a dónde se quiere llegar y a lo que se quiere llegar.
• Distinción entre objetivos de investigación y objetivos de la práctica profesional.
• Conocimiento de factores que influyen en el tema sobre el que se va a realizar el estudio.
• Desglosamiento de un objetivo general en otros específicos.
• Características de los objetivos: pertinentes, concretos, realistas y mensurables.

HIPÓTESIS:

• Enunciado de las expectativas de la investigación, acerca de las relaciones entre variables que se indagan (solo en estudios analíticos o experimentales).
• Las investigaciones cualitativas no las llevan.
• Predicción del estado esperado.
• Debe enunciar la relación esperada entre dos o más variables.
• La hipótesis enlaza las variables independiente y dependiente.
• Exige una definición previa clara y concisa de las variables.
• Formulación en términos de "hipótesis nula": Es la que señala que no hay relación entre variables. La "hipótesis alternativa" es según la cual sí que hay relación.

5. ETAPA EMPÍRICA; PROCESO DE INVESTIGACIÓN

• Etapa más práctica.
• Corresponde al material y métodos y a la obtención de resultados.
• Define el enfoque o estrategia de abordaje del problema de investigación.
• Debe definir el plan de investigación.
• Debe asegurar control o comprobación y validez interna y externa.

ESTÁ CONFORMADA POR:

1. Planificación de la investigación (proyecto): Material y métodos.

• Diseño metodológico (técnica cuantitativa y cualitativas).
• Población del estudio.
• Muestreo o selección de participantes.
• Variables.
• Definición del proceso de recogida de datos.
• Registro y procesamiento.

2. Trabajo de campo.

3. Análisis de los datos.

TIPOS DE DISEÑO CUANTITATIVOS EN FUNCIÓN DEL OBJETIVO DE INVESTIGACIONES:

A partir del problema de salud, se realiza una descripción y medición del problema, observando las diferencias entre grupos. Ecológicos: variables medidas en grupos de individuos (epidemiológico) y transversales: variables medidas en individuos.

Otro grupo de estudio pretende evaluar la posible asociación entre los factores y el problema. Búsqueda de asociación y relación causa-efecto. Dos grupos de diseño:

• Analíticos: Relación entre dos variables.
• Estudios de casos  controles: Búsqueda de la causa en el pasado (se parte del efecto para buscar la causa).
• Seguimiento: Se parte de la causa para buscar el efecto.
• Experimetales: Manipulación y observación de la variable dependiente.
• Aleatorios controlados: Elección de participantes al azar.
• Cuasiexperimentos: No son experimentos puros.

MÉTODOS CUALITATIVOS DE INVESTIGACIÓN

Descriptivos:

1. Documentales: Históricos, iconográficos y fotográficos
2. Etnográficos: Estudio de los valores, creencias y práctica de una cultura.
• Investigación participativa.
3. Fenomenológico: Estudios de experiencia de vida.
• Biográficos: Historias de vida, relatos biográficos, biogramas...

6. ETAPA INTERPRETATIVA DEL PROCESO DE INVESTIGACIÓN

• Convalidación de los métodos empleados.
• Convalidación de los resultados.
• Describir fortalezas y debilidades del estudio.
• Relación de los hallazgos con los objetivos e hipótesis.
• Relación de los hallazgos con los hallazgos de otros autores.
• Aspectos novedosos y relevantes.
• Extraer conclusiones.

7. ARTÍCULO CIENTÍFICO (ORIGINAL O PRIMARIOS)

Es la primera publicación de los resultados de una investigación original, en tan forma que los colegas del autor puedan evaluar las observaciones. Suelen tener una extensión de 4.500 palabras.

ESTRUCTURA DE UN ARTÍCULO

• Preliminares:
• Título.
• Autor.
• Institución.
• Resumen.
• Cuerpo:
• Introducción (¿qué se ha resaltado?¿Por qué?). Etapa conceptual
• Metodología (¿cómo se hizo la investigación?¿Qué población?¿En qué tiempo?...). Etapa empírica.
• Resultados. Etapa empírica.
• Discusión (imposición de los datos). Etapa interpretativa.
• Conclusiones. Etapa interpretativa.
• Finales:
• Agradecimientos.
• Referencias.
• Apéndices.

8. ERRORES EN LOS ESTUDIOS CUANTITATIVOS

• Errores aleatorios: Debidos al azar. (Ej: El azar hace que en un estudio sobre tensión alta en una población seleccionada al azar, la mayoría sean ancianos con tensión alta).
• Se produce cuando el estudio se realiza sobre una parte de la población.
• El muestreo probabilístico aleatorio es el más fiable.
• No se puede esperar que los resultados de la muestra coincidan exactamente con los de la población.
• No se sabe si el resultado de la muestra supera o no alcanza al real de la población
• Medidas de control:
• Primera fase: Calcular tamaño mínimo de una muestra necesario para averiguar cómo interpretar estadísticamente una diferencia.


• Segunda fase: Usar pruebas y test de hipótesis (errores α o β): Prueba para averiguar si hay relación entre 2 variables.
• Tercera fase: Cálculos de intervalos de confianza para las estimaciones obtenidas. Intervalo de confianza: Par de valores entre los que se encuentra el dato.
• Errores Sistemáticos (sesgos): Debido a las actuaciones que se investigan. Se cometen por "no hacer bien las cosas".
• Desplazan artificialmente las diferencias observadas en el estudio de las verdaderas, se muestree o no.
• A veces exageran las verdaderas diferencias o las minimizan.
• Afectan a la validez interna del estudio.
• Tipos de sesgos:
• Sesgo de elección: Mal elección de la muestra (se incluyen en el estudio sujetos que difieren en alguna característica relevante de la población).
• Sesgo de clasificación o información: Clasificar incorrectamente a un sujeto (incorrecta medición de una variable).
• No Diferencial: Disminuye las diferencias realmente existentes (procedimiento que no guarda el anonimato; la gente culta hábitos...).
• Diferencial: Exagera las diferencias realmente existentes.
• Grupo Control: Se utilizan para evitar los sesgos de clasificación. Efectos que se controlan:
• Efecto Hawthorne: Sentirse observado mejora la respuesta.
• Efecto Placebo: La administración de fármaco produce respuestas no atribuibles específicamente al mismo.
• Regresión a la media: Cuando se obtiene un valor extremo en una variable, las segunda vez que se mide tiende a los valores de la media.
• Evolución natural: Las enfermedades tienden a su resolución de forma natural, sin que sean atribuibles a la intervención.
• Sesgo de confusión: Solo se comete si se realiza un test de hipótesis. Si se contrastan dos datos y uno de ellos no se ha estudiado.

9. CONTROL DE ERRORES EN LOS ESTUDIOS ESTADÍSTICOS

• En la fase de diseño (selección y clasificación).
• Restricciones y apareamientos. Plantar una serie de grupos de control para desechar los aspectos inservibles y que los que queden tengan características similares.
• Análisis estratificado y multivariantes.

VALIDEZ INTERNA Y EXTERNA

• Validez Interna: Ausencia de sesgos para la población estudiada. Al volver a ejecutar en la misma población el mismo procedimiento, obtenga los mismos resultados o muy similares (esto es que haya validez interna).
• Validez Externa: Capacidad de extrapolar los resultados del estudio en otras poblaciones. En distinta población, realizo el procedimiento y obtengo el mismo resultado.

Se puede tener validez interna y no externa, pero para la validez externa es necesaria tener la interna.

PRECISIÓN Y EXACTITUD

• Precisión: Fiabilidad o reproductividad. Si se podría reproducir el trabajo de sesgos. Ayuda a tener validez interna.
• Exactitud: Es la validez para que una medición mida realmente aquello para lo que está destinada. Es la validez del instrumente.

Para evaluar la validez o exactitud:

• Validez de criterio: Comparación con una medida de referencia objetiva y fiable; bibliografía.
• Validez de concepto: Analiza la correlación de la medida con otras variables.
• Validez de contenido: Contemplar todas las dimensiones del fenómeno que se quiere medir.

Estrategias de precisión y exactitud:

• Seleccionar las medidas más objetivas posibles.
• Estandarizar la definición de variables.
• Formar y entrenar a los observadores.
• Utilizar la mejor técnica posible.
• Utilizar instrumentos automáticos.
• Obtener varias mediciones de una variable para mejorar la precisión.
• Emplear técnicas de enmascaramiento, para evitar el efecto Hawthorne.
• Calibrar instrumentos.

10. ÉTICA E INVESTIGACIÓN

• Respetar principios éticos en el diseño, ejecución, análisis y difusión.
• Cumplir con la normativa vigente con la protección de los derechos de los participantes: consentimiento informado.
• Fines y medios morales aceptables.
• Documentos de referencia:
• Declaración de Helsinki (1964) revisado en Edimburgo (2000).
• Informe Belmont (1978).
• Convenio de Oviedo del Consejo de Europa (2000).