Modulo 8.investigacion Sociosanitaria

Indicacin y dispensacin de
medicamentos y productos
sanitarios en la teraputica
del cuidado

MODULO VIII:

Investigacin en disciplinas socio-
sanitarias

Investigacin en disciplinas socio-sanitarias
2

1. INTRODUCCIN A LA BIOESTADSTICA
1.1. Concepto.
1.2. Clasificacin de los datos.
1.3. Clasificacin de escalas de medida.

2. ESTADSTICA DESCRIPTIVA
2.1. Concepto.
2.2. Descripcin de los datos cuantitativos:
- Medidas de tendencia central.
- Medidas de dispersin.
- Medidas de asimetra. ndice de asimetra.
- Medidas de posicin.
- Medidas de apuntamiento o curtosis.
2.3. Descripcin de datos cualitativos.
2.4. Medidas de frecuencia:
- Razn.
- Proporcin.
- Odds.
- Tasa.
2.5. Principales ndices epidemiolgicos y estandarizacin de tasas:
- Prevalencia de un evento.
- Incidencia de un evento.

3. ESTADSTICA INFERENCIAL
3.1. Concepto.
3.2. Estimacin de parmetros y muestras:
- Conceptos de Parmetros estadsticos.
- Estadstica o censos.
- Estimacin puntual y por intervalos.
- Tamao de la muestra.
- Validez de la muestra.
3.3. Medidas de asociacin, efecto e impacto.
3
3.4. Prueba de hiptesis:
- Hiptesis nula e hiptesis alterna..
- Error tipo I y error tipo II .
3.5. Contraste de hiptesis:
- Estudio de relacin entre variables cualitativas: prueba del chi-
cuadrado.
- Relacin entre una variable cualitativa y otra cuantitativa: prueba t
de Student y anlisis de la varianza.
- Relacin entre dos variables cuantitativas: correlacin y regresin.

4. INVESTIGACIN ENFERMERA
4.1. Concepto.
4.2. Tipos de investigacin. Caractersticas principales.
4.3. Clasificacin de los estudios:
- Segn la manipulacin de la variable.
- Segn la existencia de seguimiento.
- Segn la ocurrencia de la informacin en relacin al estudio.
- Segn el sentido de la relacin causa-efecto
4.4. Principales tipos de estudios
- Estudios de intervencin.
- Estudios de observacin.
4.5. Medicin de los datos
- Validez.
- Fiabilidad.
- Parmetros de validez.
4.6. Tcnicas de recogida de datos:
- Recogida de datos en investigacin cuantitativa.
- Recogida de datos en investigacin cualitativa.

5. ESTRUCTURA DE LA INVESTIGACIN
5.1. Contenidos del proyecto de investigacin:
- Antecedentes y Justificacin.
- Material y mtodos.
- Aplicabilidad y utilidad de los resultados.
4
- Limitaciones y posibles sesgos del estudio.
- Organizacin del estudio.
- Presupuesto.
5.2. Contenidos del informe final de investigacin: el artculo cientfico:
- Estructura.
- Introduccin.
- Material y mtodos.
- Resultados.
- Discusin.

6. BIBLIOGRAFIA
5
1. INTRODUCCIN A LA BIOESTADSTICA
1.1. Concepto
La Estadstica es la ciencia de la sistematizacin, recogida, ordenacin
y presentacin de los datos referente a un fenmeno que presenta
variabilidad o incertidumbre para su estudio metdico, con objeto de
deducir las leyes que rigen esos fenmenos, y poder hacer previsiones
sobre los mismos, tomar decisiones u obtener conclusiones.
Segn esto podramos clasificar la Estadstica en descriptiva, cuando
los resultados del anlisis no pretenden ir ms all del conjunto de
datos, e inferencial cuando el objetivo del estudio es derivar las
conclusiones obtenidas a un conjunto de datos ms amplio.

1.2. Clasificacin de los datos
Los objetos o individuos manifiestan sus caractersticas segn variables
de diversas modalidades o rangos de valoracin. Por ejemplo, la
caracterstica sexo se manifiesta segn dos modalidades: varn o
hembra. La caracterstica color de ojos segn varias modalidades: azul,
marrn, verde, negro. La caracterstica altura segn infinitas modalidades.
Cada caracterstica que se desea estudiar en una muestra de individuos y
que se caracteriza por tomar en ellos diferentes valores, recibe el nombre
de variable.
Estas variables a su vez se clasifican en:
Variables Cualitativas o categricas. Sus valores se presentan como
cualidades o atributos. stos no se pueden asociar a un nmero y
por tanto no se pueden hacer operaciones algebraicas con ellos.
Pueden ser:
- Nominales, que se caracterizan porque sus valores no se pueden
ordenar. Si las variables tienen dos categoras se llaman
dicotmicas. Por ejemplo el sexo: hombre, mujer.
- Ordinales, cuando sus valores se pueden ordenar segn un
criterio creciente o decreciente. Por ejemplo, el dolor en
pacientes oncolgicos clasificndolo como: leve, moderado,
intenso.
6
Variables Cuantitativas. Sus valores son numricos, por lo que se
puede hacer operaciones algebraicas con ellos. Pueden ser:
- Discretas, cuando los distintos valores que presenta la variable
pueden ser contados, y entre dos valores consecutivos de la
variable no existen valores intermedios, es decir, son valores
enteros. Por ejemplo: nmero de hijos, de infartos, de partos,
- Continua, cuando los valores que toma la variable son
susceptibles de ser medidos y entre dos valores consecutivos de
la variable pueden existir infinitas modalidades intermedias: Por
ejemplo: temperatura, nivel de hemoglobina en sangre, presin
sangunea, tensin arterial
- Categorizada, cuando la informacin se agrupa en intervalos de
clase. Se puede considerar tambin como una variable cualitativa.
Por ejemplo: IMC (entre <20, 20-24, 25-29, etc).

1.3. Clasificacin de escalas de medida
Escalas nominales: su nica finalidad es clasificar datos cualitativos.
Se emplea cuando las categoras de una variable son excluyentes
entre s, y es la forma ms simple de observacin. Por ejemplo:
grupo sanguneo, color de pelo, sexo.
Escalas ordinales: son aquellas que permiten un enunciado "mayor
que" o "menor que".
Las transformaciones admisibles para estas escalas son nicamente
aquellas que preservan el orden. Por ejemplo, estatura: alto, medio,
bajo.
Escalas de intervalo lineal: son escalas de valor numrico obligado
que presentan distancias idnticas entre los valores consecutivos de
la escala.
Se diferencian de las escalas ordinales por esa caracterstica de
presentar distancias idnticas entre sus valores consecutivos. No
existe el cero absoluto. El ejemplo tpico sera la temperatura.
7
Escalas de razn o proporcin: son aquellas que soportan todas las
transformaciones anteriores y adems, la igualdad de razones; por
tanto tienen que preservar el orden, el intervalo y la razn.
Las caractersticas de estas escalas implican la existencia de un
cero absoluto, caracterstica que no tienen las escalas de intervalo
lineal. Un ejemplo, la longitud puesto que se puede partir de ese cero
absoluto

2. ESTADSTICA DESCRIPTIVA
2.1. Concepto
Parte de la estadstica que permite organizar, presentar y sintetizar la
informacin; constituye una herramienta bsica para garantizar calidad y
validez de la estadstica inferencial. Sus objetivos son:
Sintetizar la informacin contenida en los datos.
Aporta resmenes significativos de las distribuciones.
Contribuye a la realizacin de los posteriores anlisis estadsticos.

2.2. Descripcin de los datos cuantitativos
Para la descripcin de las variables cuantitativas se utilizan una serie de
ndices o medidas. En funcin de su finalidad se clasifican en medidas
de tendencia central, medidas de dispersin, medidas de asimetra y
medias de posicin.
Medidas de tendencia central
- Media, es el promedio de los valores de una variable. Se obtiene
sumando todos los valores y dividiendo por el tamao muestral.
Por ejemplo, la media de 2,4,5,6 es (2+4+5+6)/4= 4,25
Esta medida es conveniente cuando los datos presentan
distribuciones simtricas, pero queda afectada cuando existen
valores extremos y si las distribuciones son muy asimtricas no
representan realmente la tendencia central de esa distribucin.
- Mediana, es la observacin equidistante de los extremos. Divide
8
a las observaciones en dos grupos con el mismo nmero de
individuos. En caso de que el nmero de datos sea par, se elige
la media de los dos datos centrales.
Por ejemplo: - mediana de 1,2,3,4,5,6,7 es 4
- mediana de 1,2,3,4,5,6 es (3+4)/2= 3,5
Esta medida es conveniente cuando los datos son asimtricos.
- Moda, es el valor de la variable ms frecuente.
Por ejemplo, la moda de 1,2,2,3,4,5,6 es 2
En una distribucin normal o gaussiana: media, mediana y moda
coinciden.
Medidas de dispersin
- Varianza. Es la media de las diferencias cuadrticas de n
puntuaciones con respecto a su media aritmtica. Se realiza
llevando a cabo la media de la suma de cuadrados de las
diferencias entre cada valor de la variable y la media aritmtica
de la distribucin.

Su principal inconveniente es que es sensible a valores extremos.
- Desviacin estndar. Es la raz cuadrada de la varianza.

Slo tiene interpretacin prctica cuando la distribucin es normal
o gaussiana
- Amplitud o rango: Corresponde a la diferencia entre el valor ms
alto y el ms bajo de la variable.
Por ejemplo, las edades de 5 mujeres diagnosticadas de cncer
de mama son 35,38,42,49,54. Donde 35 es el valor ms bajo y 54
es el valor ms alto. A= 54-35=19. La amplitud de la distribucin
de las edades de estas mujeres es de 19 aos.
Medidas de asimetra. ndice de asimetra
Una distribucin es simtrica si la mitad izquierda de su distribucin
9
es la imagen especular de su mitad derecha. Existe:
- Asimetra positiva, cuando las frecuencias ms altas se
encuentran en el lado izquierdo de la media, mientras que en
derecho hay frecuencias ms pequeas
- Asimetra negativa- las frecuencias ms altas se encuentran en el
lado derecho de la media, mientras que en el izquierdo hay
frecuencias ms pequeas.

Hay que sospechar de asimetra cuando los ndices de tendencia
central no coinciden.
Medidas de posicin
- Percentiles, son 99 valores que dividen en cien partes iguales el
conjunto de datos ordenados. Ejemplo, el percentil de orden 15
deja por debajo al 15% de las observaciones, y por encima queda
el 85%
- Cuarteles, son los tres valores que dividen al conjunto de datos
ordenados en cuatro partes iguales, son un caso particular de los
percentiles:
. Primer cuartil = Percentil 25
. Segundo cuartil = Percentil 50
. Tercer cuartel = Percentil 75
- Deciles- son los nueve valores que dividen al conjunto de datos
ordenados en diez partes iguales, son tambin un caso particular
10
de los percentiles.
Medidas de apuntamiento o curtosis
Miden la mayor o menor cantidad de datos que se agrupan en torno
a la moda. Se definen 3 tipos de distribuciones segn su grado de
curtosis:
- Distribucin mesocrtica: presenta un grado de concentracin
medio alrededor de los valores centrales de la variable (el mismo
que presenta una distribucin normal).
- Distribucin leptocrtica: presenta un elevado grado de
concentracin alrededor de los valores centrales de la variable.
- Distribucin platicrtica: presenta un reducido grado de
concentracin alrededor de los valores centrales de la variable.

2.3. Descripcin de datos cualitativos
Para la descripcin de las variables cualitativas (aquellas que no estn
asociadas a un nmero y no permiten llevar a cabo operaciones
algebraicas) se presentan los siguientes ndices:
Frecuencias absolutas, que contabilizan el nmero de datos de cada
modalidad.
Frecuencias relativas, que corresponde a la frecuencia absoluta
dividida por el nmero total datos.
Frecuencias acumuladas, que es la acumulacin de frecuencias que
se han producido en cada clase de categora de estudio.
11
Ejemplo: Localizacin de tumores:
Frecuencia
Absoluta
Frecuencia
Relativa
Frecuencia
Acumulada
Porcentajes Porcentaje
acumulado
Mama 327 0,717 0,717 71,7 71,7
tero 102 0,224 0,941 22,4 94,1
Ovarios 27 0,059 1,0 5,9 100,0
Total 456 1,0 100,0

2.4. Medidas de frecuencia
Razn. Es todo ndice obtenido al dividir dos cantidades.
Si las cantidades son positivas, las razones van de 0 a infinito.
Proporcin. Es toda razn cuyo numerador est incluido en el
denominador.
Si se multiplica por 100, se habla de porcentaje. Hay 2 tipos de
proporciones:
- Frecuencia relativa, cuando el numerador y denominador
representan recuentos mutuamente excluyentes. Su valor va de 0
a 1. Ejemplo: nmero de fumadores de una clase
- Fraccin, cuando el numerador y denominador son dos nmeros
reales, que son el resultado de medir una determina magnitud.
Ejemplo: proporcin de agua corporal
Odds. Corresponde al cociente entre la probabilidad de recurrencia
de un evento y la probabilidad de no recurrencia. Sus valores van del
0 al infinito.
Por ejemplo: una muestra de 500 mujeres, extradas al azar, 300 son
primparas y 200 son multparas
Nmero
Primparas 300
Multparas 200
Total 500

- Proporcin de primparas: 300/300 + 200= 0,60. Esto que
significa que hay 60 primparas por cada 100 embarazadas y
12
representa la probabilidad de que una mujer sea primpara,
siempre y cuando la muestra se haya extrado al azar.
- Odds de primparas: 300/200= 1,5. Esto significa que hay 150
primparas por cada 100 multparas y representa la probabilidad
de que ser primpara es 1,5 veces la de no ser multpara.
Tasa. El concepto de tasa es similar al de una proporcin, con la
diferencia de que las tasas llevan incorporado el concepto de tiempo.
El numerador lo constituye la frecuencia absoluta de casos del
problema a estudiar. A su vez, el denominador est constituido por la
suma de los perodos individuales de riesgo a los que han estado
expuestos los sujetos susceptibles de la poblacin a estudio. De su
clculo se desprende la velocidad con que se produce el cambio de
una situacin clnica a otra. Existe:
- Tasa absoluta- cociente entre la variacin de una magnitud Y
respecto a una magnitud X.
Ta = Yo - Yi / Ti - To
- Tasa relativa- cociente entre la variacin relativa de una magnitud
Y respecto a la variacin de otra magnitud X.
Tr = [(Yo Yi) / Yo]/ (Ti To)
Ejemplo: 2000 mujeres se siguen durante 10 aos despus del
parto, apareciendo durante este periodo 400 casos de incontinencia
urinaria.
- Tasa absoluta = Yo - Yi / Ti To = 2000-1600/10= 40 casos/ao
- Tasa relativa = [(Yo Yi) / Yo] / (Ti To) =
[(2000-1600)/2000]/10=0.02 casos/sujeto/ao.

2.5. Principales ndices epidemiolgicos y estandarizacin de tasas
Prevalencia de un evento. Cuantifica la proporcin de individuos de
una poblacin que padecen una enfermedad en un momento o
periodo de tiempo determinado. Su clculo se estima mediante la
expresin:
13

Incidencia de un evento. Se define como el nmero de casos
nuevos de una enfermedad que se desarrollan en una poblacin
durante un perodo de tiempo determinado. Hay dos tipos de
medidas de incidencia:
- La incidencia acumulada (IA), que corresponde a la proporcin de
individuos sanos que desarrollan la enfermedad a lo largo de un
perodo de tiempo concreto.
Proporciona una estimacin de la probabilidad o el riesgo de que
un individuo libre de una determinada enfermedad la desarrolle
durante un perodo especificado de tiempo.
Como cualquier proporcin, suele venir dada en trminos de
porcentaje. Adems, al no ser una tasa, es imprescindible que se
acompae del periodo de observacin para poder ser
interpretada. Se calcula segn la frmula:

- La tasa de incidencia o densidad de incidencia (DI), se calcula
como el cociente entre el nmero de casos nuevos de una
enfermedad ocurridos durante el periodo de seguimiento y la
suma de todos los tiempos individuales de observacin:

3. ESTADSTICA INFERENCIAL
3.1. Concepto
Es la parte de la estadstica que permite establecer conclusiones
referidas a poblaciones a partir de los resultados obtenidos en muestras.
Sus objetivos son:
14
Estimacin de parmetros poblacionales.
Evaluar la variabilidad aleatoria.
Controlar los factores de confusin.

3.2. Estimacin de parmetros y muestras
Conceptos de Parmetros estadsticos.
- Parmetros son las medidas o datos que se obtienen sobre la
distribucin de probabilidades de la poblacin, tales como: la
media, la varianza, la proporcin, etc.
- Estadstico son los datos o medidas que se obtienen sobre una
muestra y por lo tanto una estimacin de los parmetros.
Estadstica o censos.
Consiste en obtener datos de todos los sujetos de una poblacin.
Este es un procedimiento preciso, pero si la poblacin es grande, o
su accesibilidad es limitada se puede convertir en algo imposible.
Otra opcin es obtener datos de una muestra representativa de la
poblacin. En este caso, el esfuerzo posiblemente sea menor y esto
nos permite obtener informacin de mayor calidad. El problema que
surge aqu es la precisin de los estimadores, o dicho de otra
manera, el error que se asocia al muestreo.
Estimacin puntual y por intervalos
La estimacin puntual se utiliza un solo nmero para estimar los
parmetros de la poblacin
El intervalo de confianza es un rango de valores en el cual se
encuentra el verdadero valor del parmetro, con una probabilidad
determinada.
La probabilidad de que el verdadero valor del parmetro se
encuentre en el intervalo construido se denomina nivel de confianza,
y se denota 1- !. La probabilidad de equivocarnos se llama nivel de
significancia y se simboliza Generalmente se construyen intervalos
con confianza 1- !=95% (o significancia !=5%).
15
Tamao de la muestra
El paso previo al inicio de cualquier estudio es conocer el nmero de
sujetos que necesitamos estudiar. Si estudiamos pocos sujetos las
conclusiones pueden ser poco fiables y es posible que no se
detecten diferencias que realmente existen. Por el contrario, si
estudiamos un nmero excesivo de sujetos puede suponer un coste
excesivo tanto humano como material, adems de un importante
problema tico.
Por lo general el clculo del tamao muestral depende del diseo del
estudio:
- Estudios descriptivos. En estos estudios se plantea la siguiente
pregunta: Cuntos individuos son necesarios estudiar para
poder estimar un parmetro determinado con el grado de
confianza deseado?
Para ello necesitamos conocer: la variabilidad del parmetro que
se pretende estudiar (prevalencia, media); la precisin de las
estimaciones (sta es fijada por el investigador) y el nivel de
confianza (tambin fijado por el investigador, aunque por lo
general suele ser del 95%, correspondiente a un nivel ! de 0,05)
- Estudios analticos. En estos estudios la pregunta que se plantea
es la siguiente: Cuntos sujetos son necesarios estudiar para
poder detectar una determinada diferencia entre los grupos de
estudio?
Para ello necesitamos conocer: si se trata de una hiptesis uni o
bilateral; el riesgo ! o de tipo I (por lo general del 5%); la potencia
(que es la capacidad de estudio para detectar una determinada
diferencia (1 "), siendo " el error tipo II, que generalmente no
suele ser superior al 20%); la magnitud mnima de la diferencia o
asociacin que se considera importante detectar y la variabilidad
de la variable de respuesta en el grupo referencia.
ste ltimo parmetro es el nico que se debe conocer, ya que
los otros cuatro son fijados por el investigador.
16
Validez de la muestra. La validez de una muestra depende del
sistema de seleccin de los sujetos a estudio:
La utilizacin de mtodos probabilsticas proporciona una mayor
probabilidad de obtencin de muestras representativas:
- Muestreo aleatorio simple. Es la forma ms comn de obtener
una muestra en la seleccin al azar, es decir, cada uno de los
individuos de una poblacin tiene la misma posibilidad de ser
elegido. Es el que tiene ms probabilidad de obtener muestras
representativas. Se puede realizar partiendo de listas de
individuos de la poblacin, y eligiendo individuos aleatoriamente.
Generalmente conlleva un alto coste.
- Muestreo sistemtico: La seleccin de sujetos se fija mediante un
procedimiento sistemtico. Por ejemplo: se seleccionan sujetos
mltiplos de 2: 2, 4, 6, 8, 10, etc.
- Muestreo por conglomerados: Se aplica cuando es difcil tener
una lista de todos los individuos que forman parte de la poblacin
de estudio, pero sin embargo sabemos que se encuentran
agrupados naturalmente en grupos. La unidad de muestreo no es
el individuo sino los grupos o colectivos (conglomerados). Se
realiza eligiendo varios de estos grupos al azar, y una vez
elegidos, podemos estudiar a todos los individuos del grupo
elegido o bien seguir aplicando dentro de ellos otras tcnicas de
muestreo. Por ejemplo: barrios, institutos, colegios
- Muestreo estratificado: Se aplica cuando sabemos que hay
ciertos factores que pueden influir en el estudio. Requiere separar
a la poblacin segn grupos llamados estratos, y despus elegir
una muestra aleatoria simple en cada estrato. La informacin de
las muestras aleatorias simples de cada estrato constituira
entonces una muestra global. Por ejemplo: Hay que elegir a 300
pacientes de un centro de salud, y pretendemos estratificar por
consultas: 100 pacientes de la consulta 1, 100 pacientes de la
consulta 2 y 100 pacientes de la consulta 3.
17
Cuando se utilizan mtodos no probabilsticas no se conoce la
probabilidad de ser elegidos. Este tipo de muestreos esconden
sesgos y los resultados no pueden ser extrapolados a la poblacin.
Hay 2 tipos:
- Consecutivo. Se van incluyendo al estudio segn van
apareciendo.
- Accidental o inclusin de voluntarios. No exiten reglas fijadas
previamente. Se van incluyendo en el estudio a aquellas
personas que le interesan al investigador.

3.3. Medidas de asociacin, efecto e impacto
Se trata de medidas que se usan para evaluar la asociacin entre un
evento y un factor de estudio, por ejemplo: tratamiento (factor) y
curacin (evento). Comparan medidas de frecuencia del evento entre
dos o ms grupos, definidos por diferentes categoras del factor. En aras
de la simplicidad, consideraremos slo 2 grupos, uno de ellos, usado
como referencia, no tiene el factor y el otro s. La categora de referencia
debera tener un tamao grande para obtener estimaciones precisas y
ser suficientemente homognea para facilitar la interpretacin.
Las principales medidas de asociacin e impacto son:
Diferencia de riesgo (RD). Es la diferencia entre la incidencia en los
expuestos y la incidencia en los no expuestos, e indica que cantidad
de riesgo es atribuida a la exposicin. Se puede interpretar como el
riesgo que se podra evitar si el grupo de expuestos no hubiera
estado expuesto. Esta medida exige seguimiento de sujetos.
Riesgo relativo (RR). Corresponde al cociente entre la incidencia de
expuestos y la incidencia de los no expuestos. Indica el nmero de
veces que la enfermedad es ms probable que se desarrolle en los
expuestos que en los no expuestos. Esta medida exige seguimiento
de sujetos.
El significado de la diferencia de riesgo y de riesgo relativo es el
siguiente:
18
- Si RD=0 RR=1, el riesgo de enfermar es el mismo en los
expuestos y en los no expuestos.
- Si RD>0 RR>1, el riesgo de enfermar es mayor en los
expuestos que en los no expuestos. Hay una asociacin positiva
entre exposicin y enfermedad. La exposicin es un factor de
riesgo para la enfermedad.
- Si RD<0 RR<1- el riesgo de enfermar es menor en los
expuestos que en los no expuestos. Hay una asociacin negativa
entre exposicin y enfermedad. La exposicin es un factor
protector.
Ejemplo:
Cncer No fumador Fumador Total
Si 1 9 10
No 999 1191 2190
Total 1000 1200 2200

RD= (9/1200)-(1/1000) = 0,0065. Esto indica que en el grupo de
fumadores hay un 6,5 por mil casos de cncer que en los no
fumadores.
RR= (9/1200)/(1/1000) = 7,5. Esto indica que la proporcin de
casos de cncer es 7,5 veces mayor en los fumadores que en los
no fumadores.
Con la diferencia de riesgo podemos obtener una medida bsica
dentro del mundo de la enfermera basada en la evidencia (EBE).
Esta medida se llama NNT y se obtiene como el inverso de la
diferencia de riesgos y representa el nmero de sujetos que ser
necesario tratar de forma experimental para prevenir un resulta
adverso o bien para conseguir un resultado positivo.
En el ejemplo anterior:
NNT= 1/RD= 1/0,0065= 153,84 (se redondea al nmero entero
superior), por lo que sera NNT= 154. Esto indica que para evitar
un caso de cncer 154 personas deberan dejar de fumar.
19
3.4. Prueba de hiptesis
La estadstica inferencial se ocupa tanto de la estimacin de parmetros
como de la verificacin de hiptesis. Esto ltimo consiste en formular un
valor aproximado respecto al valor de la media de la poblacin y luego
verificar si dicha estimacin aproximada es compatible con los datos
observados. ste es el mtodo denominado prueba de hiptesis, que
consiste, en definitiva, en un proceso de toma de decisiones.
Normalmente antes de iniciar una investigacin se parte de una
hiptesis, lo que implica siempre la exclusin de otras.
Hiptesis nula e hiptesis alternativa
La hiptesis nula (Ho) se refiere siempre a un valor especificado del
parmetro de poblacin, no a una estadstica de muestra. El
planteamiento de la hiptesis nula siempre contiene un signo de
igualdad con respecto al valor especificado del parmetro.
La hiptesis alternativa (H1) es cualquier hiptesis que difiera de la
hiptesis nula. El planteamiento de la hiptesis alternativa nunca
contiene un signo de igualdad con respecto al valor especificado del
parmetro.
Error tipo I y error tipo II
Un error tipo I se presenta si la hiptesis nula es rechazada cuando
de hecho es verdadera y deba ser aceptada.
Un error tipo II se presenta si la hiptesis nula es aceptada cuando
de hecho es falsa y deba ser rechazada.

3.5. Contraste de hiptesis
Estudio de relacin entre variables cualitativas: prueba del chi-
cuadrado
La prueba # de Pearson es considerada como una prueba no
paramtrica que mide la discrepancia entre una distribucin
observada y otra terica, indicando en qu medida las diferencias
existentes entre ambas, de haberlas, se deben al azar en el
contraste de hiptesis. Tambin se utiliza para probar la
20
independencia de dos variables entre s, mediante la presentacin de
los datos en tablas de contingencia.
La frmula que da el estadstico es la siguiente:

As, el estadstico 2 mide la diferencia entre el valor que debiera
resultar si las dos variables fuesen independientes y el que se ha
observado en la realidad. Cuanto mayor sea esta diferencia (y, por
tanto, el valor estadstico), mayor ser la relacin entre ambas
variables. El hecho de que las diferencias entre los valores
observados y esperados estn elevados al cuadrado convierte
cualquier diferencia en positiva. El test 2 es as un test no dirigido,
que nos indica si existe o no relacin entre dos factores pero no en
qu sentido se produce tal asociacin.
Para obtener los valores esperados, se calcula el producto de los
totales marginales dividido por el nmero total de casos (n). El caso
ms sencillo, es decir, una tabla de 2 x 2, sera:

Tabla de contingencia general para la comparacin de dos
variables dicotmicas.

Caracterstica A

Caracterstica
B
Presente Ausente Total
Presenta A b a + b
Ausente C d c + d
Total a + c b + d $

Supongamos que se quiere estudiar la posible asociacin entre el
hecho de que una gestante fume durante el embarazo y que el nio
presente bajo peso al nacer. Por lo tanto, se trata de ver si la
probabilidad de tener bajo peso es diferente en gestantes que fumen
o en gestantes que no fumen durante la gestacin. Para responder a
esta pregunta se realiza un estudio de seguimiento sobre una
cohorte de 2000 gestantes, a las que se interroga sobre su hbito
tabquico durante la gestacin y se determina adems el peso del
21
recin nacido. Los resultados de este estudio se muestran en la
siguiente tabla:
Tabla de contingencia para estudiar la asociacin entre
fumar durante la gestacin y el bajo peso del nio al nacer.
Estudio de seguimiento de 2000 gestantes.

Recin nacido de bajo peso

Gestante
S No Total
Fumadora 43 (a) 207 (b) 250
No
fumadora
105 (c) 1645 (d) 1750
Total 148 1852 2000

Los valores esperados se calculan a travs del producto de los
totales marginales dividido por el nmero total de casos (n). Para el
caso ms sencillo de una tabla 2x2 como la Tabla 1, se tiene que:

Para los datos del ejemplo en la Tabla 2 los valores esperados se
calcularan de la siguiente firma:

5 , 18
2000
250 148
11
=
= E

5 , 129
2000
1750 148
21
=
= E

5 , 231
2000
250 1852
12
=
= E

5 , 1620
2000
1750 1852
22
=
= E

De modo que los valores observados y esperados para los datos del
ejemplo planteado se muestran en la siguiente tabla
Tabla de contingencia para estudiar la asociacin
entre fumar durante la gestacin y el bajo peso del
nio al nacer. Valores observados y valores
esperados (entre parntesis) si los factores fuesen
independientes.

Recin nacido de bajo peso

Gestante S No Total
Fumadora 43 (18.5) 207 (231.5) 250
No fumadora 105 (129.5)
1645
(1620.5)
1750
Total 148 1852 2000

( ) ( )
n
c a b a
E
+ +
=
11
( ) ( )
n
c a d c
E
+ +
=
21
( ) ( )
n
d b d c
E
+ +
=
22
( ) ( )
n
d b b a
E
+ +
=
12
22
El valor del estadstico
2
, para este ejemplo en concreto, vendra

dado entonces como:

( ) ( ) ( ) ( )
04 , 40
5 , 1620
5 , 1620 1645
5 , 129
5 , 129 105
5 , 231
5 , 231 207
5 , 18
5 , 18 43
2 2 2 2
2
=
=

A la vista de este resultado, lo que tenemos que hacer ahora es
plantear un contraste de hiptesis entre la hiptesis nula y la
hiptesis alternativa:
- H0: No hay asociacin entre las variables (en el ejemplo, el bajo
peso del nio y el hecho de fumar durante la gestacin son
independientes, no estn asociados).
- Ha: S hay asociacin entre las variables, es decir, el bajo peso y
el fumar durante la gestacin estn asociados.
Bajo la hiptesis nula de independencia, se sabe que los valores del
estadstico
2
se distribuyen segn una distribucin conocida

denominada chi-cuadrado, que depende de un parmetro llamado
grados de libertad (g.l.). As, para el caso en el que se estudie la
relacin entre dos variables dicotmicas (Tabla 2x2) los g.l. son 1.
De ser cierta la hiptesis nula, el valor obtenido debera estar dentro
del rango de mayor probabilidad segn la distribucin chi -cuadrado
correspondiente. El valor p que usualmente reportan la mayora de
paquetes estadsticos no es ms que la probabilidad de obtener,
segn esa distribucin, un dato ms extremo que el que proporciona
el test o, equivalentemente, la probabilidad de obtener los datos
observados si fuese cierta la hiptesis de independencia. Si el valor-
p es muy pequeo (usualmente se considera p<0.05) es poco
probable que se cumpla la hiptesis nula y se debera de rechazar.
En la siguiente tabla se determinan los grados de libertad (en la
primera columna) y el valor de ! (en la primera fila). El nmero que
determina su interseccin es el valor crtico correspondiente.
De este modo, si el estadstico
2
que se obtiene toma un valor

23
mayor se dir que la diferencia es significativa. As, para una
seguridad del 95% (! =0.05) el valor terico de una distribucin chi -
cuadrado con una grado de libertad es 3,84. Para ! =0.01 es de
6,63 y para ! =0.005 es de 7,88. Como quiera que en el clculo del
# 2 en el ejemplo obtuvimos un valor de 40,04, que supera al valor
para ! =0.005, podremos concluir que las dos variables no son
independientes, sino que estn asociadas (p<0.005). Por lo tanto, a
la vista de los resultados, rechazamos la hiptesis nula (H0) y
aceptamos la hiptesis alternativa (Ha) como probablemente cierta.
24

Distribucin de chi-cuadrado

Probabilidad de un valor superior
Grados de libertad 0,1 0,05 0,025 0,01 0,005
1 2,71 3,84 5,02 6,63 7,88
2 4,61 5,99 7,38 9,21 10,60
3 6,25 7,81 9,35 11,34 12,84
4 7,78 9,49 11,14 13,28 14,86
5 9,24 11,07 12,83 15,09 16,75
6 10,64 12,59 14,45 16,81 18,55
7 12,02 14,07 16,01 18,48 20,28
8 13,36 15,51 17,53 20,09 21,95
9 14,68 16,92 19,02 21,67 23,59
10 15,99 18,31 20,48 23,21 25,19
11 17,28 19,68 21,92 24,73 26,76
12 18,55 21,03 23,34 26,22 28,30
13 19,81 22,36 24,74 27,69 29,82
14 21,06 23,68 26,12 29,14 31,32
15 22,31 25,00 27,49 30,58 32,80
16 23,54 26,30 28,85 32,00 34,27
17 24,77 27,59 30,19 33,41 35,72
18 25,99 28,87 31,53 34,81 37,16
19 27,20 30,14 32,85 36,19 38,58
20 28,41 31,41 34,17 37,57 40,00
21 29,62 32,67 35,48 38,93 41,40
22 30,81 33,92 36,78 40,29 42,80
23 32,01 35,17 38,08 41,64 44,18
24 33,20 36,42 39,36 42,98 45,56
25 34,38 37,65 40,65 44,31 46,93
26 35,56 38,89 41,92 45,64 48,29
27 36,74 40,11 43,19 46,96 49,65
28 37,92 41,34 44,46 48,28 50,99
29 39,09 42,56 45,72 49,59 52,34
30 40,26 43,77 46,98 50,89 53,67
40 51,81 55,76 59,34 63,69 66,77
50 63,17 67,50 71,42 76,15 79,49
60 74,40 79,08 83,30 88,38 91,95
70 85,53 90,53 95,02 100,43 104,21
80 96,58 101,88 106,63 112,33 116,32
90 107,57 113,15 118,14 124,12 128,30
100 118,50 124,34 129,56 135,81 140,17
25
Relacin entre una variable cualitativa y otra cuantitativa: prueba t de
Student y anlisis de la varianza
Existen dos posibles casos a la hora de analizar la relacin entre una
variable cualitativa y otra cuantitativa.
1.- Comparar una variable cuantitativa con otra cualitativa de dos
categoras.
Para realizar la comparacin de 2 medias, la prueba ideal es la t
de Student, que se usa para comparar los datos de dos
distribuciones y comprobar si son homogneas o diferentes
(proceden las dos muestras de poblaciones iguales o diferentes).
- Datos independientes: si la medicin de las caractersticas se
hace en individuos diferentes.
Por ejemplo, comprobar si la tensin arterial es igual en
hombres y en mujeres. La tensin arterial sera la variable
cuantitativa, mientras que el sexo (hombre y mujer),
corresponde a la variable cualitativa.
- Datos apareados: si la medicin de las caractersticas se hace
en los mismos individuos, en distintas condiciones de
medicin.
Por ejemplo, comprobar si es igual la tensin arterial en los
mismos individuos, antes y despus de realizar ejercicio
fsico. En este caso se evala un mismo dato, la tensin
arterial, ms de una vez en cada sujeto de la muestra, esto
es, antes y despus del ejercicio fsico. En este tipo de
anlisis el inters no se centra en la variabilidad que puede
haber entre los individuos, sino en las diferencias que se
observan en un mismo sujeto entre un momento y otro.
Si el valor hallado por frmula es mayor que el valor tabulado, se
acepta la hiptesis alternativa (las muestras proceden de
poblaciones diferentes, con una probabilidad de equivocarnos
igual al valor de "p"). Si el valor de la frmula (t) es menor que el
tabulado, no podemos rechazar y, por tanto, nos quedamos con
la hiptesis nula (las muestras proceden de poblaciones iguales o
26
no podemos afirmar que las poblaciones sean diferentes).
En caso de no poder aplicar esta prueba, se usar la prueba no
paramtrica "U" de Mann-Whitney, si los datos son
independientes, y el test de Wicolxon, si son apareados.
2.- Relacionar una variable cuantitativa con otra cualitativa de ms
de dos categoras. En este caso el mtodo utilizado es el anlisis
de la varianza. El Anlisis de la Varianza ( o ANOVA: Analysis of
variance) es un mtodo necesario porque cuando se quiere
comparar ms de dos medias es incorrecto utilizar el mtodo
anterior, t de Student, por dos causas fundamentales:
- Primero: al realizarse simultnea e independientemente varios
contrastes de hiptesis, la probabilidad de encontrar alguno
significativo por azar aumentara.
- Segundo: en cada comparacin la hiptesis nula es que las
dos muestras provienen de la misma poblacin, por lo tanto,
cuando se hayan realizado todas las comparaciones, la
hiptesis nula es que todas las muestras provienen de la
misma poblacin y, sin embargo, para cada comparacin, la
estimacin de la varianza necesaria para el contraste es
distinta, pues se ha hecho en base a muestras distintas.
El mtodo que resuelve ambos problemas es el anlisis de la
varianza, aunque es algo ms que esto: es un mtodo que
permite comparar varias medias en diversas situaciones; muy
ligado, por tanto, al diseo de experimentos, y de alguna manera,
es la base del anlisis multivariante.
Relacin entre dos variables cuantitativas: correlacin y regresin
En el anlisis de los estudios clnico-epidemiolgicos surge muy
frecuentemente la necesidad de determinar la relacin entre dos
variables cuantitativas en un grupo de sujetos. Los objetivos de dicho
anlisis suelen ser: determinar si las dos variables estn
correlacionadas, es decir si los valores de una variable tienden a ser
ms altos o ms bajos para valores ms altos o ms bajos de la otra
27
variable; poder predecir el valor de una variable dado un valor
determinado de la otra variable; valorar el nivel de concordancia entre
los valores de las dos variables.
- Correlacin, consiste en la cuantificacin de la fuerza de la
relacin lineal entre dos variables cuantitativas, se estudia por
medio del clculo del coeficiente de correlacin de Pearson. Dicho
coeficiente oscila entre -1 y +1.
Las puntuaciones obtenidas se interpretan de la siguiente manera:
-1: correlacin perfecta negativa; cuando disminuye una de
las variables, aumenta la otra.

0: correlacin nula, no existe asociacin lineal entre las dos
variables.

+1: correlacin positiva perfecta; cuando aumenta una de las
variables, aumenta la otra.
28

- Regresin, es la tendencia de una medicin extrema a
presentarse ms cercana a la media en una segunda medicin.
La regresin se utiliza para predecir una medida basndonos en
el conocimiento de otra.
y = a + bx

y = valor de la variable cuantitativa que podemos predecir.
x = valor de la variable que conocemos.
a = lugar donde la recta corta al eje de coordenadas
(ordenada en el origen)
b = unidades que cambia la variable y al aumentar una
unidad la variable x (pendiente).

29
- La Covarianza es un parmetro que permite estudiar la variacin
conjunta de las variables. Nos permite entender la relacin entre
el coeficiente de correlacin de Pearson y la recta de regresin.
Se simboliza por Sxy
Si Sxy > 0 hay dependencia directa (positiva), es decir, a
grandes valores de x corresponden grandes valores de y.
Si Sxy = 0 Una covarianza 0 se interpreta como la no
existencia de una relacin lineal entre las dos variables
estudiadas.
Si Sxy < 0 hay dependencia inversa o negativa, es decir, a
grandes valores de x corresponden pequeos valores de y.

4. INVESTIGACIN ENFERMERA
4.1. Concepto
La investigacin cientfica es el proceso de bsqueda intencionada de
conocimientos o soluciones a problemas de carcter cientfico, que se
caracteriza por ser:
Sistemtico, de forma que a partir de la formulacin de una hiptesis
u objetivo de trabajo, se recogen datos segn un plan preestablecido
que, una vez analizados e interpretados, modificarn o aadirn
nuevos conocimientos a los ya existentes, inicindose entonces un
nuevo ciclo de investigacin. La sistemtica empleada en una
investigacin es la del mtodo cientfico.
Organizado. Todos los miembros de un equipo de investigacin
deben conocer lo que deben hacer durante todo el estudio, aplicando
las mismas definiciones y criterios a todos los participantes y
actuando de forma idntica ante cualquier duda. Para conseguirlo, es
imprescindible escribir un protocolo de investigacin donde se
especifiquen todos los detalles relacionados con el estudio.
Objetivo. Las conclusiones obtenidas del estudio no se pueden basar
30
en impresiones subjetivas, sino en hechos que se han observado y
medido, y que en su interpretacin se evita cualquier prejuicio que
los responsables del estudio pudieran hacer.

4.2. Tipos de investigacin
Investigacin cuantitativa, que es aquella en la que se recogen y
analizan datos cuantitativos sobre variables y estudia la asociacin o
relacin entre dichas variables.
La investigacin cuantitativa trata de determinar la asociacin entre
variables y objetivar y generalizar los resultados a travs de una
muestra para hacer inferencia a una poblacin de la cual procede la
muestra. Tras el estudio de la asociacin pretende hacer inferencia
causal que explique por qu las cosas suceden o no de una forma
determinada.
Investigacin cualitativa, que evita la cuantificacin. Trata de
identificar la naturaleza profunda de las realidades, su sistema de
relaciones y su estructura dinmica.
Los investigadores cualitativos hacen registros narrativos de los
fenmenos que son estudiados mediante tcnicas como la
observacin participante y las entrevistas no estructuradas,
realizando sus estudios en contextos estructurales y situacionales.
Diferencias entre investigacin cuantitativa y cualitativa

Investigacin cualitativa Investigacin cuantitativa
Centrada en la fenomenologa y
comprensin
Basada en la induccin probabilstica del
positivismo lgico
Observacin naturista sin control Medicin penetrante y controlada
Subjetiva Objetiva
Inferencias de sus datos Inferencias ms all de los datos
Exploratoria, inductiva y descriptiva Confirmatoria, inferencial, deductiva
Orientada al proceso Orientada al resultado
Datos "ricos y profundos" Datos "slidos y repetibles"
No generalizable Generalizable
Holista Particularista
Realidad dinmica Realidad esttica
Fuente: www.fisterra.com
31

Ventajas e inconvenientes de la investigacin cuantitativa y
cualitativa

Mtodos cualitativos Mtodos cuantitativos
Propensin a "comunicarse con" los
sujetos del estudio
Propensin a "servirse de" los sujetos del
estudio
Se limita a preguntar Se limita a responder
Comunicacin ms horizontal... entre el
investigador y los investigados... mayor
naturalidad y habilidad de estudiar los
factores sociales en un escenario
natural

Son fuertes en trminos de validez
interna, pero son dbiles en validez
externa, lo que encuentran no es
generalizable a la poblacin
Son dbiles en trminos de validez
interna -casi nunca sabemos si miden lo
que quieren medir-, pero son fuertes en
validez externa, lo que encuentran es
generalizable a la poblacin
Preguntan a los cuantitativos: Cuan
particularizables son los hallazgos?
Preguntan a los cualitativos: Son
generalizables tus hallazgos?
Fuente: www.fisterra.com

4.3. Clasificacin de los estudios.
Segn el sistema de manipulacin de la variable los estudios los
podemos clasificar en:.
- Estudios de observacin. En estos estudios no existe
manipulacin de la variable. El investigador es un mero
observador.
A su vez, dependiendo de la finalidad que persigue en estos
estudios, se clasifican en:
o Estudios descriptivos, en los que el objetivo es puramente la
descripcin de una situacin, por lo que no existe hiptesis de
trabajo.
Ejemplo: Estudio para conocer la prevalencia del cncer de
mama.
o Estudios analticos, cuando el objetivo es comprobar la
relacin entre las variables existentes, buscando
generalmente relacin causa-efecto.
32
Ejemplo: Estudio para conocer la asociacin entre el hbito
tabquico y el cncer del pulmn.
- Estudios de intervencin o experimentales. En estos estudios
existe manipulacin de la variable, el investigador introduce el
elemento a estudio. Plantean la variable independiente como
supuesta causa del efecto de la variable dependiente.
El objetivo es verificar o rechazar la hiptesis de investigacin..
Ejemplo: Estudio para determinar el efecto sobre un grupo de
fumadores de un nuevo frmaco para la deshabituacin
tabquica.
Segn la existencia de seguimiento los estudios los podemos
clasificar en:
- Estudios trasversales, en los que existe una ausencia de
seguimiento, por lo que la exposicin y el efecto se miden en el
mismo momento.
Estos estudios pueden tener una finalidad tanto descriptiva como
analtica.
- Estudios longitudinales. Se caracterizan fundamentalmente
porque la poblacin estudiada se sigue durante un periodo de
tiempo. Hay separacin entre la causa y el efecto.
Segn la ocurrencia de la informacin en relacin al estudio los
estudios se pueden clasificar en:
- Estudios prospectivos. Se caracterizan fundamentalmente porque
se inician con la exposicin de una supuesta causa y luego se
sigue a travs del tiempo a una poblacin determinada hasta
determinar o no la aparicin del efecto.
- Estudios retrospectivos. Se caracterizan porque tanto el efecto
como la exposicin ya han sucedido. Se realizan basndose en
observaciones clnicas o en anlisis especiales. Consisten en
revisar situaciones de exposicin a factores sospechosos,
comparando grupos de individuos enfermos (casos), con grupos
33
de individuos sanos (controles).
Segn el sentido de la relacin causa-efecto, los estudios se
clasifican en:
- Estudios de sentido hacia delante o De causa-efecto. Se
caracterizan porque se registra primero la exposicin y luego se
recoge informacin sobre el efecto. Esta caracterstica que define
a los estudios de Cohortes..
- Sentido hacia atrs o De efecto-causa. Se caracteriza porque
primero se recoge el efecto y luego se buscan las posibles
causas. Esta caracterstica que define a los estudios Casos y
Controles.
- Ausencia de sentido. Se caracterizan porque no se diferencia
cul es la causa y cul es el efecto. Esta caracterstica que define
a los estudios trasversales.
Caractersticas principales de los distintos tipos de estudio:

Segn la manipulacin de la variable
No hay manipulacin ............... Estudios de observacin
Sin hiptesis Estudios descriptivos
Con hiptesis Estudios analticos
Si hay manipulacin ................. Estudios de intervencin o experimentales
Segn la existencia de seguimiento
Con seguimiento Estudios Longitudinales
Sin seguimiento Estudios Trasversales
Segn la ocurrencia de la informacin en relacin al estudio
Estudios prospectivos

Estudios retrospectivos

Segn el sentido de la relacin causa-efecto
Hacia delante (causa-efecto) Estudios de Cohortes
Hacia atrs (efecto-causa) Estudios de Casos y Controles
Ausencia de sentido Estudios Trasversales

34
4.4. Principales tipos de estudios
Estudios de intervencin. Son aquellos en los que el investigador
introduce el elemento a estudio y, por tanto, siempre son
prospectivos y con sentido hacia delante (causa-efecto). A su vez
existen diversos tipos de estudios de intervencin:
- Estudios experimentales puros. Se caracterizan porque el
investigador controla el factor de estudio en cuanto a los
individuos que lo van a recibir y a la forma en la que se va a
administrar. Tiene una gran calidad metodolgica ya que se
controlan las condiciones en las que se realiza el estudio y se
elimina la influencia que pueden ocasionar otros factores Su
objetivo es medir la efectividad de una determinada intervencin.
En este tipo de estudios se aplican tcnicas de enmascaramiento,
que son medidas que se toman con el fin de que, a lo largo del
estudio, bien el paciente, bien el mdico (simple ciego) o ambos
(doble ciego), y aquellos que evalan de alguna manera la
respuesta a los tratamientos (triple ciego) desconozcan el
tratamiento administrado. Esto hace que se eviten los sesgos en
la evaluacin de la respuesta por el paciente y el mdico.
- Estudios cuasiexperimentales. Se diferencia de los anteriores en
que la asignacin de los sujetos no es aleatoria y/o carecen de
grupo control paralelo.
- Estudios experimentales de caso nico. Se caracterizan porque
no existe grupo control, se evala el mismo grupo antes de la
intervencin experimental y despus de la misma.
Estudios de observacin. A su vez se clasifican en:
- Estudios de casos y controles. Se caracterizan porque identifica a
personas con una determinada variable y los compara con un
grupo control que no tenga dicha variable. La relacin entre uno o
varios factores relacionados con la variable se examina
comparando la frecuencia de exposicin a ste u otros factores
entre los casos y los controles.
Son estudios analticos, no experimentales con un sentido
35
retrospectivo, ya que partiendo del efecto, se estudian sus
antecedentes, en el que se seleccionan dos grupos de sujetos
llamados casos y controles segn tengan o no la variable
estudiada.
En los estudios de casos y controles tenemos casos expuestos
(a), casos no expuestos (c), controles expuestos (b) y controles
no expuestos (d). En este estudio la frecuencia de exposicin a la
causa entre los casos (a/c) se compara con la frecuencia de
exposicin en una muestra que represente a los individuos en los
que el efecto no se ha producido y entre los que la frecuencia de
exposicin es (b/d), por lo que se utiliza el Odds Ratio

Casos Controles
Expuestos a b
No expuestos c d

Si la frecuencia de exposicin a la causa es mayor en el grupo de
casos de la enfermedad que en los controles, podemos decir que
hay una asociacin entre la causa y el efecto.
Estos estudios son tiles para estudiar enfermedades poco
frecuentes, as como enfermedades con largos periodos de
latencia. Adems permiten estudiar exposiciones poco frecuentes
pero muy asociadas a la enfermedad. Son tiles para el estudio
de la multicasualidad y son cortos y muy econmicos.
Entre sus inconvenientes est la posibilidad de introducir sesgos
en la seleccin de los grupos y al recoger la informacin. No se
puede estudiar ms de una enfermedad de forma simultnea y no
permiten determinar la incidencia ni la prevalencia de la
enfermedad. Adems no permite precisar el tiempo necesario de
exposicin al factor de riesgo para ocasionar dao.
- Estudios de cohortes. Se caracterizan porque los individuos son
identificados en funcin de la presencia o ausencia de exposicin
36
a un determinado factor. En este momento todos estn libres de
la enfermedad de inters y son seguidos durante un perodo de
tiempo para observar la frecuencia con la que aparece el
fenmeno que interesa. Si al finalizar el perodo de observacin
la incidencia de la enfermedad es mayor en el grupo de
expuestos, podremos llegar a la conclusin que existe una
asociacin estadstica entre la exposicin a la variable y la
incidencia de la enfermedad.
La cuantificacin de esta asociacin la podemos calcular
construyendo una razn entre la incidencia del fenmeno en los
expuestos a la variable (le) y la incidencia del fenmeno en los no
expuestos (lo). Esta razn entre incidencias se conoce como
riesgo relativo (RR)
Enfermos Sanos Total
Expuestos A b a + b
No expuestos C d c + d
Total a + c b + d a + b + c + d

Estos estudios son tiles porque tienen la capacidad para
determinar causalidad. Adems permiten evaluar el efecto del
factor de riesgo sobre varias enfermedades y permiten el clculo
de tasas y riesgo relativo.
Entre sus inconvenientes estn que no son tiles para
enfermedades raras ni con largo periodo de latencia, tienen un
coste elevado y precisan un gran nmero de sujetos por el
posible aumento de prdidas durante la realizacin del estudio.
- Estudios trasversales. Se caracterizan por ser estudios
observacionales y sin seguimientos en los que una poblacin o una
muestra representativa de sta es estudiada en un momento dado.
Pueden ser.
o Estudios descriptivos cuyo objetivo es puramente descriptivo.
37
No existe hiptesis de trabajo. Ejemplo: Estudio para conocer
la prevalencia del cncer de mama
o Estudios analticos cuyo objetivo es comprobar la relacin
entre causa-efecto. Generalmente se presenta 2 o ms
grupos de expuestos y se estudia uno o varios efectos sin que
haya separacin en el tiempo entre la medicin de la
exposicin y la respuesta. Ejemplo: Estudio para conocer la
asociacin entre el hbito tabquico y el cncer del pulmn
Este tipo de estudios son tiles para la generalizacin de
hiptesis. Adems requieren poco tiempo y tienen bajo coste.
Entre sus inconvenientes estn que no permiten saber si la
exposicin precede a la enfermedad o viceversa y no
permiten distinguir entre factores de riesgo y factores
pronstico.

4.5. Medicin de los datos
Validez. Consiste en la capacidad de medir realmente aquello que
queremos medir. Indica el grado en el que los resultados de una
medicin corresponden al fenmeno real que se mide. Existe:
- La validez interna, que constituye el grado en que los resultados
de un estudio estn libres de error en la poblacin estudiada.
- La validez externa, que se refiere al grado en que los resultados
de un estudio se pueden generalizar a otras poblaciones
diferentes a la del estudio.
Fiabilidad. Se refiere a la capacidad de realizar mediciones sucesivas
que sean similares entre s. Esto implica que cuanto menor sea la
variabilidad entre las medidas ms fiable es la medicin. Indica el
grado con el que los resultado obtenidos de una medicin se pueden
replicar. Existen diversos tipos de fiabilidad:
- Fiabilidad intraobservador, que refleja el grado de coincidencia
del observador consigo mismo al valorar la misma muestra.
- Fiabilidad entre observadores, que indica el grado de
coincidencia que se produce entre dos o ms observadores al
valorar la misma muestra.
38
Parmetros de validez. Existen diversos parmetros:
- Sensibilidad, que refleja la probabilidad que tiene una prueba
diagnstica de dar resultados positivos entre sujetos enfermos.
S=VP/(VP+FN)
- Especificidad, que indica la probabilidad que tiene una prueba
diagnstica de dar resultados negativos entre sujetos sanos.
E=VN/(FP+VN)
Verdadero Diagnstico

Enfermo Sano
Prueba
Positiva
Verdadero Positivo
(VP)
Falso Positivo (FP)
Resultado
de la Prueba
Prueba
Negativa
Falso Negativo
(FN)
Verdadero Negativo
(VN)
VP + FN VN + FP

4.6. Tcnicas de recogida de datos
Recogida de datos en investigacin cuantitativa. Aunque en la
investigacin cuantitativa no existen unas tcnicas de recogida de datos
especficas, s existen diferentes instrumentos que nos permiten recoger
estos datos. Una de las tcnicas ms frecuentes es la utilizacin de
cuestionarios validados.
Los cuestionarios permiten recoger la informacin de manera
sistemtica y estructurada. Consisten en la elaboracin de una serie
predeterminada de preguntas que se van a realizar de la misma manera
y en la misma secuencia a todos los participantes
Los cuestionarios los puede autocumplimentar cada participante, o bien
pueden ser administrados por un encuestador que puede acceder a los
individuos de manera personal o por va telefnica.
En los cuestionarios existen dos tipos de preguntas:
- Preguntas cerradas- son aquellas cuyas respuestas estn
preestablecidas. Facilitan el anlisis de los datos ya que te dan una
serie de opciones como respuesta, aunque son ms difciles de
elaborar ya que obliga al investigador a considerar todas las posibles
respuestas.
- Preguntas abiertas son aquellas cuyas respuestas no estn
preestablecidas. stas generalmente son ms detalladas pues son
39
la expresin directa de los participantes sobre el tema de estudio,
esto mismo hace que su anlisis resulte ms complicado.
Recogida de datos en investigacin cualitativa. Las tcnicas ms
utilizadas son:
- La observacin participante, que es la interaccin que se establece
entre el observador y los sujetos de estudio en el espacio de la
comunidad observada. Para ello es necesario que el investigador
se integre dentro del espacio de los observados. Se denomina
participante porque el investigador formar parte del grupo que
investiga, pero lo hace en silencio, intentando pasar lo ms
desapercibido posible
- Entrevista- segn Taylor y Bogdan se define como "los reiterados
encuentros, cara a cara, entre el investigador y los informantes,
encuentros stos dirigidos hacia la comprensin de las
perspectivas o situaciones, tal como las expresan con sus
propias palabras". Fundamentalmente se utiliza cuando se
desean estudiar acontecimientos del pasado, existen limitaciones
de tiempo o cuando queremos conocer el significado de una
determinada experiencia. Hay dos tipos de entrevistas:
o Entrevistas semiestructuradas- se caracterizan porque tienen
un guin de entrevista pero tienen la posibilidad de
profundizar en aspectos que sean relevantes.
o Entrevistas en profundidad- se caracterizan por abordar
nicamente un tema e ir preguntando en funcin de las
respuestas obtenidas para as profundizar todo lo posible en
ese tema.
- Grupos de discusin. Es una tcnica que consiste en reunir a
diversas personas de un mismo grupo social y a partir de los
discursos individuales reconstruir sus normas de referencia. Los
discursos de los diferentes individuos se van a ir entrelazando de
forma que nos permitir generalizar los discursos obtenidos al
grupo social de referencia en el que se han generado, pero para
ello es necesario que el grupo sea lo suficientemente
homogneo.
40
5. ESTRUCTURA DE LA INVESTIGACIN
5.1. Contenidos del proyecto de investigacin
Antecedentes y justificacin:
- El estado actual del problema de nuestra investigacin: qu se sabe
sobre el tema y cul es la situacin actual.
- Investigaciones previas: estudios que se han realizado previamente
sobre tema a investigacin.
- Exponer claramente nuestra pregunta de investigacin, teniendo en
cuenta que cada uno de los trminos que componen nuestra
pregunta de investigacin deben ser definidos en la introduccin.
- Exponer el propsito y los argumentos que justifican la realizacin
del estudio.
- Marcar los objetivos de nuestro estudio, tanto el objetivo principal
como los objetivos especficos del mismo.
- Redactar la hiptesis, en caso de plantearla.
Material y mtodos. Describe cmo se va a llevar a cabo el estudio.
- Tipo de diseo.
- Poblacin diana. Criterios de inclusin y exclusin.
- Determinacin del tamao muestral y explicacin de cmo se ha
calculado este tamao.
- Tcnica de muestreo utilizada.
- Variables que se van a analizar, definiendo cada una de ellas y
especificando con qu instrumentos se medirn.
- Describir detalladamente las intervenciones que se realizan (en el
caso de realizar alguna intervencin).
- Describir el procedimiento de recogida de datos.
- Describir el procesamiento de los datos.
- Especificar las pruebas estadsticas utilizadas.
- Especificar si el estudio cumple las normas ticas
Aplicabilidad y utilidad de los resultados. Se deben identificar los
beneficios potenciales que reportarn los conocimientos obtenidos
con el desarrollo de la investigacin, as como su utilidad en la
prctica clnica.
41
Limitaciones y posibles sesgos del estudio. Plantear qu posibles
sesgos que se pueden cometer debido a la seleccin de los sujetos,
las prdidas de sujetos (por abandono o defuncin, por ejemplo), a la
recogida de datos, etc.
Organizacin del estudio. Distribuir las tareas a realizar,
especificando qu personas realizarn cada tarea. Tambin se debe
identificar a las personas, instituciones o servicios con los que se
deber contactar.
Presupuesto. Estimar cunto dinero se necesitar para la realizacin
del estudio.

5.2. Contenidos del informe final de investigacin: el artculo cientfico.
Estructura. Un artculo cientfico es un documento escrito y publicado
que describe los resultados originales de la investigacin. Consta de
tres partes:
- Parte preliminar, en la que se exponen el ttulo, los autores y el
resumen estructurado del artculo original..
- Cuerpo del artculo, en el se exponen los apartados: Introduccin,
Material y mtodos, Resultados y Discusin.
- Parte final, en la que se exponen la bibliografa que se ha
referenciado en el texto y los agradecimientos
Introduccin. Se debe exponer la situacin actual sobre el tema de
investigacin, la justificacin y los objetivos que nos vamos a
plantear.
Material y mtodos. Se debe describir el diseo de la investigacin y
cmo se ha llevado a cabo, la poblacin diana, la tcnica de
muestreo utilizada, las variables analizadas, cmo ha sido la
recogida y el procesamiento de los datos y qu pruebas estadsticas
se han utilizado, adems de qu Comit tico de Investigacin ha
evaluado y aprobado la realizacin del estudio.
Resultados. Se debe presentar y describir objetivamente los hallazgos
encontrados en la investigacin realizada, resaltando los hallazgos
42
principales, es decir, aquellos que se refieren a los objetivos (principal y
especficos) y/o hiptesis del estudio, y en los que se basarn las
conclusiones. Los datos numricos se deben presentar en tablas y
figuras (grficos, diagramas o fotografas).
Discusin. En esta fase se interpretan los resultados, destacando los
aspectos ms relevantes. Para ello, se comienza con la recapitulacin
concisa de los resultados principales obtenidos que responden a la
pregunta de investigacin.
Posteriormente se comparan los hallazgos del estudio con los
encontrados en otros estudios que hayan utilizado un diseo o
metodologa similar, argumentando las conclusiones que de todo ello se
derivan. Cuando existan diferencias entre los resultados encontrados y
los hallazgos de otros estudios, se deben exponer tratando de explicar
cules son las posibles causas de estas diferencias
Tambin debe evaluarse la validez interna y la validez externa del
estudio. Por ltimo se deben indicar las futuras lneas de investigacin.

43
6. BIBLIOGRAFA
- Prez de Vargas A, Abraira Santos V, Bioestadstica. editorial C. De E. Ramn
areces. Madrid, 1996.
- Abraira Santos V. Contraste de hiptesis: el valor p. SEMERGEN 28: 374- 375.
2002.
- Robledo Martn, J. Diseos de muestreos probabilsticos (I). Nure Investigacin n
11; diciembre 2004.
- Tomeo Perucha V., Ua Juarez I., Lecciones de Estadstica Descriptiva; editorial
Thomson, 2003
- De la Cuesta Benjumea C. Estrategias cualitativas ms usadas en el campo de la
salud. Nure Investigacin [Revista en Internet] 2006 Nov. [Acceso el 8-07-08]; (25
- Garca Salinero J. La eleccin del tipo de diseo de investigacin NURE Inv
[Revista en Internet] 2004 May. [acceso el 21-07-08]; 1(5): [aprox. 3 pant.].pdf
- Hernndez Sampieri R, Fernndez Collado C, Baptista Lucio P. Metodologa de la
investigacin. McGrawHill 2006
- www.wikipedia.org
- www.fisterra.com/mbe/investiga
- www.monografas.com
- www.ftp.medprev.uma.es
- www.escuela.med.puc.cl
- www.fisicanet.com.ar

Modulo 8.investigacion Sociosanitaria

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Modulo 8.investigacion Sociosanitaria

Uploaded by

Copyright:

Available Formats

Indicacin y dispensacin de

, para este ejemplo en concreto, vendra

se distribuyen segn una distribucin conocida

que se obtiene toma un valor

You might also like