Los años arrugan la piel, el miedo arruga el alma. Y tú, ¿tienes miedo?.

viernes, 22 de mayo de 2015

No dejes de creer, no dejes de luchar.

No hace mucho mi tío pasaba por un momento delicado en su vida. Era una persona que vivía acumulado de factores que no eran sanos desde que era muy joven y lo cierto es que eso acabó acarreándole una fuerte depresión. Era una persona soltera y solitaria, se encerraba en su cuarto y se evadía del mundo sin querer saber nada de nadie. Yo sabía que estaba conviviendo con mucho dolor y que se sentía un mantenido pues llevaba unos años en el paro y se tuvo que ir a casa de los abuelos. Siempre intenté hacerle ver que era alguien para alguien como yo y que no estaba solo. Intentaba hablarle sin juzgarle y hacerle preguntas abiertamente y de forma natural sobre sus vicios para intentar conseguir solución, él parecía que quería salir de ahí pero lo cierto es que le faltaban fuerzas, las mismas que reunió para dar pequeñas vueltas por las mañanas y por las tardes e incluso sacarse el curso de quiromasaje convirtiéndose en el empolloncete número uno oficial.  Me sentía especial cuando estaba con él, me contaba cosas que no le contaba a nadie y parecía que yo era de las pocas personas con la que hablaba de esos temas tabú para él, como el alcohol y porqué. Todo cambió cuando un poco antes de navidades comenzó a sentirse mal, adelgazó muchísimo, se ahogaba en cuanto andaba unos metros, apenas comía e incluso comenzó a no poder defecar. Todo fue muy rápido y en menos de dos semanas se fue, lo que comenzó siendo fuertes dolores de lumbago acabó siendo una metátasis de cáncer de pulmón. Hay algo que siempre me llevaré aprendido de él, es a dar cariño y poner el corazón en lo que haces, sobre todo a las personas que se muestran reacias a él. Aun recuerdo como cerraba los ojos y se dormía cuando yo cogía su mano y la acariciaba cuando sentía dolor por todo su cuerpo. No puedo olvidar una de sus últimas y escasas palabras en cuidados paliativos cuando vino la enfermera "ella es mi sobrina, está estudiando enfermería", me sentí orgullosa del hecho de pensar que en un futuro podré cuidar a personas como él, que podré darle mi apoyo y mi esperanza mientras pueda. Nunca dejaré de pensar que el poder del cariño es tan fuerte como el grafeno, porque él me lo demostró. Hoy dejo aquí algo que escribí antes de que él se fuera, que quiero compartir en este blog personal como futura enfermera y si cabe dar ánimo a quien esté sufriendo alguna enfermedad, la vida es precioso con sus sabores amargos y su lado dulce.

Conforme van pasando los años algo va afianzándose en mi cabeza: detrás de cada persona solitaria, detrás cada persona demasiado sonriente, detrás de cada persona desconfianza en exceso, detrás de muchos de los vicios a los que las personas se aferran, detrás de una persona aparentemente feliz, detrás de las muchas caras que le exponemos a la vida y sus habitantes, detrás de todo esto, hay algo que atormenta su existencia, algo lo suficiente doloroso como para tener el coraje, de arrancar de ti y liberarlo al mundo. Pero cuando alguien abre tu alma, desnuda tus sentimientos y agita tu corazón, ahí es cuando la tormenta, revuelta e indomable, cargada de lluvia, comienza a apaciguar. Esa sensación tan liberadora capaz de hacer vibrar al mundo por las muchas ganas que te quedan de sonreírle a la vida después de estar anclado en tu oscuridad. Es tan fácil de ver la necesidad cuando una mirada te pide a gritos "LIBÉRAME". Pero no, no hay nada que llene más, como el saber que tú has sido capaz de desnudar el alma de otra persona y hacer que te confiese sus miedos y el motivo de su tristeza, no hay sensación más reconfortable y bonita como sentir que has sido capaz de mirar el huracán de frente y ayudar a que vuelva a la calma. Y es que lo único que necesitamos a veces es a alguien dispuesto a abrir nuestro rincón más cerrado, alguien que nos entregue la suficiente confianza, alguien que sientas que tiene el suficiente interés como para abrirte en dos y saca todo lo que te quema, te consume y te mata en el silencio.

Hay algo más fuerte que el miedo, que el dolor y que la guerra, poner amor en lo que hacer y hacerlo sentir. Una enfermedad no es el fin el camino sólo es el principio de una guerra. Coge tus mejores armas, toma coraje, fuerza y adelante guerrero, nunca dejes de creer que es posible.


"Todas las tormentas amainan. Cuando todos los árboles han sido arrancados, cuando todas las casas han sido despedazadas, el viento por fin calla, en el cielo se abren claros, la lluvia cesa. El cielo se despeja en un instante y sólo entonces, en los momentos de calma tras la tormenta, sabemos quien fue lo bastante fuerte para sobrevivir."

Seminario 5.

En este quinto y último seminario se ha expuesto el trabajo final sobre el proyecto de investigación de cada grupo. Han sido tres lo proyectos que han sido mostrados:
 
 1. "El grado de conocimiento de los adolescentes acerca de los efectos nocivos del tabaco y el alcohol" (Camila, Jose Ramón y Ana). Como conclusión se puede sacar que: el consumo de alcohol es mayor que el de tabaco; los adolescentes están muy concienciados de que el tabaco es nocivo; una minoría no clasifican el alcohol y el tabaco como droga; desconocen el daño que puede ser el tabaco para su salud.

 
2. "El uso de antiinflamatorios no esteroideos en alumnas de enfermería de cruz roja adscrito a la universidad de Sevilla" (Sara B, Beatriz y Cristina). Las conclusiones que se han sacado de este estudio son: más del 60% de los alumnos de este centro se automedican, el anies más consumido es ibuprofeno y la mayoría de las personas encuestadas usan aines para el dolor menstrual e inflamación.
 
3. " Influencia social en la aceptación del alcohol en adolescentes" (Carmen, María y yo, Sara MF). Nuestras conclusiones han sido varias: no existe una relación consumo de alcohol y sexo (a diferencia de otros estudios), existe relación facilidad de disponer de alcohol y haberlo consumido alguna vez, existe relación falta de información y consumo de alcohol, la edad de inicio oscila los 15 años (14,86 años).
 
A modo crítica personal de nuestro trabajo de investigación son varias las limitaciones que he visto:
 - Falta del número de muestras de encuestados.
 - Posibles errores alfa o beta al rechazar o aceptar la hipótesis nula.
 - Utilización de un cuestionario no validado, sino realizado por nosotras.
 
 
A la hora de exponer he realizado algunos fallos de los que no me he dado cuenta mientras estaba exponiendo pero tras la misma mis compañeras me han comentado algunos, tales como decir que 0,0004 era mayor que 0.05 o mencionar que el error de tipo 1 es beta y es que el despiste me puede. Seguramente halla más fallos de los que no nos hemos dado cuenta, pero aun así tras todo el tiempo invertido en él, la dedicación, y el gran trabajo que hay tras de él y el esmero por todos los integrantes del grupo por mejorarlo y dar unos resultados buenos merecemos buena nota aunque no sea el mejor trabajo del mundo y tenga un nivel de evidencia 3.3 y con un grado de recomendación C me siento orgullosa de mi primer trabajo de investigación y de haberlo compartido con mis compañeras. Pienso que es un trabajo con resultados no muy dispersos con respecto a la realidad, quitando la relación sexo-consumo que parece que es diferente, por eso nos merecemos todo el grupo un más mil.

Tema 10. Hipótesis estadísticas. Test de hipótesis.

Para controlar los errores aleatorios también contamos con los test o contraste de hipótesis a parte del cálculo de intervalos de confianza. Con esto se establece una hipótesis cera del valor del parámetro, se realiza la recogida de datos y se analiza los cohortes entre hipótesis-datos, pudiendo cuantificar su compatibilidad. Siempre acaban por lo tanto contrastando la hipótesis nula (H0). Como se puede ver en la imagen de abajo hay muchos tipos de análisis estadísticos.


Según el tipo de variables implicadas en el estudio (cuantitativa o cualitativa), hay varios tipos de análisis estadísticos entre los que he queridos destacar 3:
  •  Test de Student = Cuantitativas - cualitativas
  •  Shi² = cualitativo- cualitativo
  • Regresión lineal = cuantitativo - cuantitativo


En cuanto a los test de hipótesis miden los errores de la probabilidad de error que cometo s rechazo la hipótesis nula. Con una misma muestra se puede aceptar o rechazar la hipótesis nula. Todo depende del error alfa o de tipo 1, el cual es la probabilidad de equivocarnos al rechazar la hipótesis nula.

         - Si la H0 es cierta y la estamos rechazando estaríamos cometiendo un error alfa o de tipo 1, mientras que si la estamos aceptando no hay error.
         - Si la H0 es falsa y la estamos rechazando no estaríamos cometiendo error pero si la estamos aceptando se está cometiendo un error beta o de tipo 2.

En la hipótesis de shi² lo que se hace es suponer que la hipótesis es cierta y se estudia como es de probable que siendo iguales los dos grupos se obtengan resultados diferentes.

Pasos
1. Calcular los valores esperados obteniendo los datos jugando con las columnas y las filas (se especificará con un vídeo)
2. Calcular shi² mediante la fórmula : x² = z (o-e)² = (valor observado - valor esperado)² / valor esperado
3. Calcular el grado de libertad, : (fila - 1) . (columna - 1)
4. Irse a la tabla de shi² y relacionar el grado de libertad obtenido con el % de error asumido, si no te dice nada el ejercicio, el error asumido es del 5% es decir, 0,05.
5. Lectura de los resultados:
               - shi² > valor tabla =>  RECHAZA H0  => Si relación entre las variables
               - shi² < valor tabla =>   ACEPTA H0  =>  No relación entre las variables

Adjunto a continuación tras esta breve explicación el vídeo de apoyo sobre este tema.

 
CONCLUSIÓN. Una vez que se ha llevado a la realización de las medidas de asociación para contrastar con mayor certeza si una hipótesis se acepta o se rechaza se realiza una serie de test de hipótesis. Entre ellos nos encontramos la shi2 cuando son variables cualitativas, la regresión lineal cuando son variables cuantitativas y la test de student cuando las variable son cuantitativa y cualitativa.

Tema 9. Estadistica interferencial: muestreo y estimación

Para introducirse en este tema primero se ha de conocer una serie de conceptos:
  • Población de estudio. Conjunto de pacientes sobre los que participan en el estudio.
  • Tamaño muestra. Número de individuos de la muestra para que sea referente.
  • Inferencia estadística. Conjunto de procedimientos estadísticos que permiten pasar de lo particular, la muestra, a lo general, la población.
  • Técnicas de muestreo. Conjunto de procedimientos que permiten elegir muestras de tal forma que éstas reflejen las características de la población.
  • Si la muestra se elige l azar se puede evaluar el error, esa técnica se denomina muestreo probabilístico o aleatorio y el error asociado error aleatorio.
  • En los muestreos no probabilísticos no es posible evaluar el error.
En el proceso de inferencia estadística constamos de un parámetro (medida que queremos obtener de la población estudio) y un estimador (medida de la variable de estudio obtenida en la muestra). La incidencia es por lo tanto el proceso a partir del cual es estimador se aproxima al parámetro.

El error estándar es la medida que trata de captar la variabilidad de los valores del estimador. Mide el grado de variabilidad del estimador en las distinta muestras de una población. Cuanto más pequeño sea, más fiabilidad tendrá el valor de una muestra concreta. Cuanto mayor sea el tamaño de la muestra menor será el error estándar. Se puede calcular tanto por media como por proporción.
 
Forma de calcular el error estándar para una media. Ver el vídeo a partir del minuto 10:51. FÓRMULA => e = s/√n


También se puede llevar a cabo el error estándar para una media. FÓRMULA => e = √ (p (1-p)/n)

 S= desviación típica
 n= tamaño muestras
 p = proporción del  estimador



Para estimadores que se expresen como suma de los valores de una distribución normal sacados de la media de la población y con desviación típica igual al error estándar del estimador de que se trate.

Esta misma imagen empleada en el tema antes se va a utilizar para poner en relación los porcentajes de las observaciones y las desviaciones típicas:

           +- 1S ---------> 68 %
           +- 2S ---------> 95 %
            +- 3S --------> 99 %

Estos datos son una aproximación pero no son los realmente correctos.


Los intervalos de confianza son un medio para conocer el parámetro en una población midiendo el error que tiene que ver con el azar (error aleatorio). Son números que con un nivel de confianza determinados aseguran que el valor del parámetro es mayor o menor que ambos números. Se calcula suponiendo que el estimador muestral sigue una distribución norma de Gauss. A mayor confianza dada al intervalo, más amplio será el intervalo y por lo tanto menos preciso.

Este me ha parecido un buen ejercicio para explicar este apartado, la única diferencia que guarda con la forma de hacerlo explicada, es la forma de averiguar Z, pues nosotros lo que levamos a cabo es ver el intervalo de confianza y relacionarlo con las Z que hemos guardado relación en la imagen de ante, si no es ninguna de las anteriores, hemos de tener a mano la tabla que relaciona ambos datos.

                FÓRMMUA => X +- Z . (s/√n)
 
 
Hay otra forma de realizar el intervalo de confianza, mediante la proporción, esto es similar a lo anterior la última parte, lo único que varía es la fórmula. Se debe de introducir los datos obtenidos, previamente calculando z si no nos lo han dado y mediante la fórmula:

                     p+- z . ( p.q)/n      p = enfermos ; q = 1- p ; s = desviación típica) ; n = muestra
 
En cuanto al procedimiento muestral, se define como el método que permite que a partir de escoger un grupo de la población pueda tener un grado de probabilidad de que ese pequeño grupo posee las características de la población que estamos estudiando. La muestra de la cual se quiere obtener conclusiones se elige al azar. Hay dos tipos de muestreos: probabilístico y no probabilístico.
  • Muestreo probabilístico. Toda la población tiene una probabilidad distinta a cero en la selección de la muestra.
         - Aleatorio simple (MAS). Se seleccionan de uno en uno (= probabilidad).
         - Aleatorio sistemático. Selecciona un número (n) y escoge de n a n.
         - Estratificado. La población se divide en estratos y se le da un número a cada estrato luego elegir por MAS.
          - Conglomerado. Se toma los conjuntos de unidades conglomerados.
  • Muestreo no probabilístico. Hay personas en la población que no tengan probabilidad o que no se conozca, que han sido seleccionados en la muestra
                     - Accidental. Selección en función e algunas variables a estudiar o fenómenos.
                     - Por cuotas. Personas disponibles en un momentos que tengas características que se desean estudiar.

Como ya somos conscientes, el tamaño de la muestra es un factor importante para llevar una buena investigación o estudio. Esta depende de factores como error estándar, de la diferencia entre los grupos de comparación de los valores a estudiar, de la varianza de la población y del tamaño de la población de estudio. El tamaño de una muestra se puede estudiar de dos formas, mediante la media o mediante la proporción.

 
Adjunto vídeo que el tutor nos ha adjuntado como material de refuerzo de esta parte del tema.

En este vídeo se explica de forma dinámica los tipos de muestreos. También muestra la forma de calcular el número de muestra mediante la proporción, pero yo lo he añadido para  la primera parte pues para la siguiente parte he utilizado otro vídeo, por lo tanto el material que me interesa que sea visualizado va del minuto 0 al 4:04.

 
Cálculo del tamaño muestral mediante la proporción: FÓRMULA => n = (z² . p . q )/ e ²
                    n = muestra
                    z = desviación
                    p = enfermos
                    q = 1- p
                    e = error asumido
 
 
Cálculo del tamaño muestral mediante la media: FÓRMULA => n= z² . s²/ e2  

                    n = muestra
                    z = relacionar nivel confianza con ella (Gauss)
                    s = desviación típica
                    e = error asumido
 
 
CONCLUSION. A la hora de realizar una investigación es primordial tomar un número de muestra adecuado para que haga una representación de la población para ello se calcula el tamaño muestral y se puede realizar bien por media o por proporción. Una vez sabido el tamaño muestras debes de elegir la forma en la que tomaremos la muestra pudiendo ser probabilístico, en la que toda la población tenga una probabilidad o no probabilístico en la que no toda la población tenga probabilidad. Dentro de ellos hay subgrupo en los que se tomaran de formas diferentes las muestras.

viernes, 15 de mayo de 2015

Tema 8. Medidas de tendencia central, posición y dispersión.

No sólo se cuenta con tablas y gráficas, también hay unas medidas que nos pueden aportar información sobre un estudio basándonos en estadística. Son tres las medidas que se pueden realizar: medidas de tendencia central, las cuales nos informan del comportamiento de la mayoría de sujetos ( media aritmética, mediana, moda); medidas de posición, las cuales nos informa de la posiión en una serie numérica ( mediana, percentiles, cuartiles, deciles) o medidas de dispersión, las cuales nos informa de la heterogeneidad de los sujetos (rango o recorrido, desviación típica, desviación típica, varianza, recorrido, coeficiente de variación).
 
Adjunto web que dispone para hacer ejercicios, aunque es muy elemental para aquellas personas que no tengan conceptos estadísticos puede venir muy bien para coger una base.

*Tomaremos la X como \overline{X}en este tema

MEDIDAS DE TENDENCIA CENTRAL. Nos dan el valor de la variable hacia el cual tienden a agruparse los datos.
 









1) Media (X). Es la suma de todo los valores de una variable dividida por el número total de datos.
Se emplea para variables CUANTITATIVAS.
 
- Datos sin intervalos: = Σ (MC . fi) / n
- Datos con intervalos: X =  Σ( xi . fi) / n
 
2) Moda (Mo). Es el valor que más se repite, es decir, que tiene mayor frecuencia. Se emplea tanto para variables CUANTITATIVAS como CUALITATIVA. Puede ser tanto bimodal (dos modas) o multimodal (más de dos modas).
 
- Datos sin intervalos: El resultado es la x que tenga mayor frecuencia.
- Datos con intervalos: El resultado es la MC dela inervalo que tenga mayor frecuencia.
 
3) Mediana (Md). Dato que ocupa la posición central. También pertenece al grupo de valores de medida de posición. Se emplea para variables CUANTITATIVAS.
 

- Datos sin intervalos, se pueden dar dos casos: 
                 - Número sea impar, cogiéndose pue el valor central.
                 - Número sea par, se hace la media de los dos valores intermedios.
- Datos con intervalos: no se ha dado la fórmula.
 Adjunto vídeo recomendado por el tutor como apoyo.  Aquí se muestra la forma de llevara cabo la moda, la media y la mediana mediante un ejemplo.
 
 
 
MEDIDAS DE POSICIÓN. Son aquellas medidas que nos informan sobre el lugar donde se encuentra un valor entre todos los demás.


1) Mediana (Md). Ya se ha habado de ella en el apartado anterior.

2) Cuartil (Q). Divide los datos en 4 partes. 
 
Q 1 = 25 % = 1/4  ----------------------> Indica el valor que deja 25% observaciones menores
Q 2 = 50 % = 2/4  ------mediana-----> Indica el valor que deja 50% observaciones menores
Q 3 = 75 % = 3/4  ----------------------> Indica el valor que deja 75% observaciones menores
Q 4 = 100 % = 4/4  --------------------> Indica el valor mayor alcanzable

3) Deciles (D). Divide la muestra en 10 partes.

D 1 = 1/10 = 10/100 --------------------> Indica el valor que deja 10% observaciones menores
D 2 = 2/10 = 20/100 --------------------> Indica el valor que deja 20% observaciones menores
D 3 = 3/10 = 30/100 --------------------> Indica el valor que deja 30% observaciones menores
D 4 = 4/10 = 40/100 --------------------> Indica el valor que deja 40% observaciones menores
D 5 = 5/10 = 50/100 ------mediana---> Indica el valor que deja 50% observaciones menores
D 6 = 6/10 = 60/100 --------------------> Indica el valor que deja 60% observaciones menores
D 7 = 7/10 = 70/100 --------------------> Indica el valor que deja 70% observaciones menores
D 8 = 8/10 = 80/100 --------------------> Indica el valor que deja 80% observaciones menores
D 9 = 9/10 = 90/100 --------------------> Indica el valor que deja 90% observaciones menores
D 10 = 10/10 = 100/100 ----------------> Indica el valor mayor alcanzable

4) Percentiles (P). Divide la muestra en 100 partes.

P 1 = 1/100 = 1%
P 2 = 2/100 = 2%
P...
P 50 = 50/100 = 50% = MEDIANA = D5 = Q2
P...
P 100 = 100/ 100 = 100%

Adjunto vídeo de ejercicios de medidas de posición. No se ha dado en clase pero es muy sencillo.



MEDIDAS DE DISPERSIÓN

1) Rango o recorrido (R). Diferencia entre el mayor y el menor valor.
 Fórmula= I xn -x1I    (valor absoluto = siempre positivo)
 
Ejemplo:
       - Serie 1: 10, 20, 30, 60, 50, 60, 65, 70, 57  => Rango = 57 - 10 = 47
       - Serie 2: 5, 20, 35, 40, 60, 60, 67, 80, 87, 97  => Rango = 97 - 5 = 92

2) Desviación media (DX). Media aritmética de las distancias de cada observación con respeto la medida de la muestra.
                   - Datos sin intervalos:  DX= Σ I xi - X I / n
                   - Datos con intervalos: DX= Σ fi I mc - X I/ n

3) Desviación típica (S). Cuantificar el error que se cometo si se representa una muestra únicamente por su media.
                   - Datos sin intervalos:  S = √ [ Σ (xi - X)²/ n-1]
                   - Datos con intervalos: S = √ [ Σ fi (mc - X)²/ n-1]

4) Varianza (S²). Expresa la misma información que la desviación típica al cuadrado.
                   - Datos sin intervalos:  S² = [Σ (xi - X)²/ n-1]
                   - Datos con intervalos: S² = [ Σ fi (mc - X)²/ n-1]

5) Recorrido intercuartílicos. Es la diferencia entre el tercer y el primer cuartil = I Q3 - Q1 I

6) Coeficiente de variación (cv). Medida de dispersión relativa. Compara la heterogeneidad de dos series numéricas con independencia de las unidades de medidas.

                                                                     cv = S.100/ X

Adjunto vídeo recomendado por el tutor como apoyo. Se muestra las fórmulas de las medidas de dispersión y nos explica con un ejemplo qué significa este tipo de medidas. Posterior mente con dos ejemplo lleva a cabo ejercicios de este tipo.
 

DISTRIBUCIÓN NORMAL/ CAMPANA DE GAUSS. Es la distribución de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales. La gráfica de su función tiene una forma acampanada y es simétrica respecto de los valores posición central (media, moda, mediana) que coinciden en las distribuciones.
 
 
ASIMETRÍA. Es el lado contrario al que vemos l pico, es decir, si vemos el pico hacia la derecha la asimetría es a la izquierda, justo en el lado que queda la media de la mediana.

Para ver el grado de asimetría de la distribución de sus datos en torno a su media se utiliza el coeficiente de asimetría de una variable (g).

g1 = 0 => distribución simétrica
g1 > 0 => asimétria positiva   => asimetría a la derecha
g1 < 0 => asimétria negativa  => asimetría a la izquierda

CURTOSIS O APUNTAMIENTO. Sirve para medir el grado de concentración de los valores que toma en torno a su media. Se elige como referencia una variable con distribución normal, de modo que para ella el coeficiente de curtosis es 0.

g2 = 0 => mesocúrtica => grado de concentración  medio alrededor variables centrales
g2 > 0 => leptocúrtica => elevado grado de concentración  alrededor variables centrales
g2 < 0 => platicúrtica => reducido grado de concentración  alrededor variables centrales 


CONCLUSIÓN. También se disponen a parte de gráficas y tablas para leer los resultados de medidas, tanto de centralización (media, moda, mediana) que nos aportan información sobre los valores que quedan en medio; las medidas de posición (mediana, cuartil, percentil, decil) que nos informa sobre la posición y de dispersión (desviación media, desviación típica, varianza, rango, intercuartil, coeficiente de variación) que nos muestran la dispersión entre unos valores y otro. Cuando nos encontramos con una distribución simétrica, coinciden las medidas de centralización, si no ocurrierra la distribución sería asimétrica. En cuanto a la curtosis informa sobre  el grado de concentrado de los datos: leptocúrtica elevado, mesocúrtica medio y platicúrtia bajo.

Tema 7. Introducción a la bioestadística.

Este tema ya se introduce en la estadística, en concreto la bioestadística, como dice su palabra, estadística de las ciencias de la vida. En toda estadística se encuentran una serie de variables, estas son lo cambios observados entre unos pacientes y otros.

Para medir estas variables se utilizan dos escalas, la nominal (asigna un nombre al elemento medio: nacionalidad), ordinaria (además de la nominal comprende de un cierto orden: etapas del desarrollo), intervalo ( se le suma una distancia a la medidas además de lo anterior: Tª corporal en intervalos debiendo de utilizar misma distancia entre una y otras).

Con respecto los tipos de variables nos encontramos con cualitativas (propiedades) y cuantitativas (números). Dentro de las cualitativas están las nominales (enfermo o no enfermo) y las ordinales (en desacuerdo, en desacuerdo parcial, en acuerdo); mientras que las cuantitativas se dividen en discretas (nº de pacientes) y contínuas (TA).

Para realizar las gráficas se ha de llevar a cabo primero la representación de los datos. Hay varios conceptos que se han de tener claro para realizar una tabla correcta: Nº totales de datos recogidos (N); frecuencia absoluta (fi), repeticiones; frecuencia absoluta acumulada (F1), suma fi anterior; frecuencia relativa (hi), que es igual a fi/N; frecuencia relativa acumulada (Hi), suma la hi anterior.
 
Cuando estamos ante datos agrupados en intervalos, utilizamos la marca de clase (MC1), que es la media entre cada extremo del intervalo. Para realizar una tabla de datos agrupados y no nos dan la agrupación se ha de calcular el recorrido (datos más alto - dato más bajo), el nº de intervalos (raíz del nº paciente, se tomará la unidad si da decimales) y la amplitud  (recorrido/nº intervalos).

 
En cuanto a las representaciones gráficas nos encontramos con:


DIAGRAMA DE BARRAS
  • Variables CUALITATIVAS CUANTITATIVA DISCRETA
  • Ancho de barra deseado pero ha de ser uniforme
  • Altura corresponde con la frecuencia
  • Ejemplo: Grupo sanguíneo, nº de hospitalizados
HISTOGRAMA

- Variables CUANTITATIVAS EN INTERVALOS       
- Ancho de barra suele ser de la misma amplitud
- Altura corresponde a la frecuencia
- Las barras contiguas unas a otras
- Ejemplo: Agrupar las horas de ejercicio al día

POLÍGONO DE FRECUENCIAS (= características que el histograma)

- Variables CUANTITATIVAS EN INTERVALOS       
- Ancho de barra suele ser de la misma amplitud
- Altura corresponde a la frecuencia
- Las barras contiguas unas a otras
- Ejemplo: Agrupar las edades
- DIFERENCIA => une punto intermedio de cada barra (forma un polígono)



GRÁFICA DETRONCO Y HOJAS
  • Variables CUANTITATIVAS CONTÍNUAS
  • Coger si por ejemplo es una cifra numérica de 3 tomar los dos primeros número como tronco
  • Comenzar a tomar la tercera cifra como hoja.
  • Recomendable seguir un orden  un orden, horizontal o vertical
  • Ejemplo: TA
 

DIAGRAMA DE SECTORES

- Variables CUALITATIVOS
- Muestra porcentaje
- Ejemplo: % hombres y mujeres sufren pancreatitis
- Es multidisciplinar (varias variables)




Web con ejercicios relacionados con este tema: http://www.ucv.cl/web/estadistica/ejercicio.htm


Conclusión. A la hora de analizar los datos son varias las gráficas por las que se pueden optar pero hemos de tener en cuenta el tipo de variables que sea. Así para variables cuantitativas se pueden emplear gráficas (discretas), histogramas (intervalos), polígono de frecuencias (intervalos), gráfica de tronco y hojas (continuas) y para cualitativas gráficas e diagrama de sectores. Las tablas de frecuencias también son una forma de ver la información obtenida pero no representada de forma gráfica, en ella nos muestra la variable, la repetición de cada una (fi, frecuencia absoluta), la acumulación de los mismos (Fi, frecuencia absoluta acumulada), frecuencia relativas (hi=fi/n) y la misma acumulada(Hi) entre otras. Todo esto nos ayuda a hacer una lectura de los resultados y poder llegar a una conclusión en cuanto a nuestro estudio.

Tema 6. la etapa empírica de la investigación: El diseño y el material y métodos.

En cuanto se habla de diseño de investigación, se refiere al conjunto de procedimientos, técnicas y métodos mediante los cuales se obtienen los pacientes, recogen datos, los analizan y los interpretan los investigadores. El término método es el conjuntos de pasos y etapas aplicadas a varias ciencias mientras que el término técnica corresponde al conjunto de instrumentos en el cual se efectúa el método.

Los tipos de estudio se dividen según: finalidad de estudios (analítico o descriptivo), secuencia temporal (transversal o longitudinal), control de la asignación de los factores de estudio(experimental u observacional), inicio del estudio en relación a la cronología de los hechos (prospectivo o retrospectivo).
  • Analítico. Evaluar relación causa efecto entre los fenómenos observables.
  • Descriptivo. Describir fenómenos observables se complementan con estudios analíticos.
  • Transversal. Se dan en un momento puntual en el tiempo (descriptivos).
  • Longitudinal. Se da a lo largo del tiempo (descriptivo o analítico)
  • Experimental. Los investigadores controlan el  factor a estudiar (analíticos).
  • Observacional. Los investigadores observan, miden y analizan (analíticos).
  • Prospectivo. Estudio cuyo diseño es anterior a los estudios realizados. Los datos se recogen a medida que se va realizado (longitudinal).
  • Retrospectivo. Estudio cuyo diseño es posterior a los estudios realizados (longitudinal).
                                              

En un estudio descriptivo para realizar la medida de frecuencias debemos de calcular la prevalencia (situación en un punto en el tiempo) y la incidencia (situación en un periodo de tiempo).

MEDIDA DE ASOCIACIÓN EN ESTUDIOS DESCRIPTIVOS

PREVALENCIA. Frecuencia de nuevos casos durante un periodo de tiempo.

Prevalencia = nº enfermos/ nº población   (en un periodo de tiempo)

   - Prevalencia expuestos (P. e) = nº casos expuestos/ nº total de expuestos
   - Prevalencia no expuestos (P. ne) = nº casos no expuestos / nº total no expuestos

 La razón de prevalencia  (RP) = Pe / Pne                  
 Si el resultado de RP es   ------------------------->  RP = 1 => Pe = Pne (no suele salir)
        (0 - 1)                        ------------------------->  RP < 1 => Pe < Pne  
                                          ------------------------->  RP > 1 => Pe > Pne => FACTOR RIESGO
                                          -------------------------> VALOR NEGATIVO
                                          -------------------------> Valor cerca 0 => + enfermos Pne
                                          -------------------------> RP cerca de 1 (0,9 o 1,1) => TEST HIPÓTESIS
                                                                                                       
MEDIDA DE ASOCIACIÓN EN ESTUDIOS DE SEGUIMIENTO Y EXPERIMENTALES

INCIDENCIA. Proporción de población tiene enfermedad en un punto específico.

Incidencia = nº enfermos/ nº población   (en un punto concreto en el tiempo)

   - Incidencia expuestos (I. e) = nº casos expuestos/ nº total de expuestos
   - Incidencia no expuestos (I. ne) = nº casos expuestos / nº total no expuestos
 
 El riesgo relativo (RR) = I. e / I. ne 

  (0 - infinito)

                                       ----------------------------->  RR = 1 =>  H0 
                                       -----------------------------> RR distinto 1 => NO ACEPTA H0 --> H1 o H2
 


ESTIMACIÓN DE LA MAGNITUD DE ASOCIACIÓN. ESTUDIOS DE CASOS Y CONTROLES

Se trata de relacionar la ODDS o ventaja de los casos con la ODDS o ventaja de los controles

ODDS RATIO o RAZÓN DE VENTAJAS = ODDS casos/ ODDS control

   - ODDS casos = nº casos expuestos/ nº casos no expuestos
   - ODDS control = nº control expuestos/ nº control no expuestos


           ODDS RATIO
                                       ----------------------------->  = 1 => ACEPTA H0 
                                       -----------------------------> distinto 1 => NO ACEPTA H0 --> H1 o H2
                                       

CONCLUSIÓN. Son varios los diseños que pueden tomar una investigación, los primordiales según su finalidad se dividen en analíticos o descriptivos. Los descriptivos al centrarse en un momento del tiempo y no ser de causa-efecto son transversales, mientras que los analíticos son longitudinales (prospectivo o retrospectivo) pues si se centran en causa y efecto. A su vez los analíticos pueden ser observacional de cohorte (estudia fenómenos) o de casos-control (estudia enfermos y no enfermeros). También están los experimentales los cuales meten una variable, por ejemplo dar Eutorix, fármaco para controlar el tiroides, para ver la evolución. Para acertar o no hipótesis se han de hacer unas medidas de asociación, así para los estudios observacionales al darse en un periodo de tiempo concreto se utiliza la razón de prevalencia y en los analíticos al realizarse a lo largo de un periodo se emplea el riesgo relativo, en concreto para los estudios de cohortes. Para aquellos estudios analíticos observacionales de causa-control se emplea la ODSS RATIO. Si estos dan igual a uno se acepta la hipótesis, si da distinto a uno se ha de rechazar la hipótesis nula aceptando alguna de las alternativas y si se acerca a uno el valor se ha de hacer test de hipótesis aunque realmente se ha de hacer siempre. Se puede saber cual será la hipótesis alternativa que sea la adecuada mirando la prevalencia o incidencia de los expuesto y los no expuestos, aquel que tenga el valor más alto será el que tenga el número que nos haya salido en su medida de asociación (riesgo relativo o razón de prevalencia) las veces que tenga más probabilidad de padecer que el otro grupo la enfermedad o lo que se le asocie.

jueves, 14 de mayo de 2015

Tema 5. El marco teórico y los objetivos de la investigación. hipótesis de investigación.

Los objetivos son dónde queremos llegar con la investigación. Los objetivos han de ser medibles.

Una hipótesis es un supuesto que relaciona varias variables para ver sus consecuencias. Se pueden dividir en hipótesis nula (no influye un factor sobre otro), H1 (un factor disminuye el efecto del otro), mientras que H2 (un factor aumenta el efecto del otro). No importa el orden de cada uno, por ejemplo lo que hemos definido como H1 podría ser la H2.

En toda hipótesis hemos de tener en cuenta dos variables:

    - Variable independiente. Aquella variable que tiene la capacidad para influir a otras variables. Se llama así pues no depende de otros factores.

    - Variable dependiente. Aquella variable que tiene la capacidad para que influyan sobre ella. Se llama así pues depende de otros factores (de la variable independiente).

Ejemplo: en relación a las personas fumadoras y la aparición de cáncer de pulmón. Calcular variable dependiente e independiente. y las hipótesis:


 H 0 = Fumar no guarda relación con la aparición de cáncer de pulmón.
 H 1= Las personas que fuman tienen una  menor incidencia de sufrir cáncer de pulmón.
 H 2= Las personas que fuman tienen una  mayor incidencia de sufrir cáncer de pulmón.
 
El marco teórico ha de seguir una serie de pasos:
 1. Formula una pregunta a partir del problema que presenta el paciente de forma precisa.
 2. Localizar las pruebas disponibles en la literatura.
 3. Evaluación crítica de la literatura científica o pruebas.
 4. Aplicación de las conclusiones de esta evaluación a la práctica.
 
Para buscar las evidencias o pruebas se formula una pregunta constando de: paciente o problema de interés, intervención que se va a considerar, intervención con la que comparar y resultados que se valora.
 
Son varios los nieles de evidencia. De mayor a menor validez e importancia se dividen en:

    I. Metaanálisis y estudios aleatorios sin errores.
    II. Metaanálisis y estudios aleatorios con errores.
    III. Descriptivos observacionales.
              III.1. Controlados  y no aletorizados pero bien diseñado en otros aspectos
              III.2. Estudios bien diseñados preferiblemente  multi-céntricos o con más de un grupo investigativo.
              III.3. Obtenidas de cohortes históricas, múltiples series de tiempo o serie de casos tratados.
   IV. Opiniones de los expertos.
 
De estos nieles surgen los grados de recomendaciones ordenados de mayo a menor nos encontramos con el Grado A (nivel I), Grado B (nivel II, III.1 o III2) o Grado C (nivel III.3 o IV)

Página de la junta de Andalucía que aclara esta parte de forma concisa:

 
Conclusión, siempre que hacemos un trabajo de investigación el investigador puede crear una serie de hipótesis que al final del mismo sea respondido. Para realizar un trabajo de  investigación hemos de intentar realizar nuestro marco teórico a partir de información que tenga un buen nivel de recomendación, cuanto más cerca esté el grado de recomendación, mayor nivel de fiabilidad tendrá y más exacta será la información, pues más se acercaran los valores a la realidad.

Tema 4. Fuentes de informacion y revisión bibliográfica. Información documental e información de campo.

Este ha sido uno de los temas a tratar en el seminario uno. La revisión bibliográfica es uno de los factores más importantes de un trabajo, la validez de ellos depende de una correcta elección de este material. Se ha de llevar a cabo tras saber el problema asignad para el estudio y se emplea para redactar el marco teórico, los antecedentes, la justificación, la discusión y  del protocolo de investigación. Se emplean también para valorar estudios internos.
 

En cuanto a los antecedentes es imprescindible para aumentar los conocimientos sobre el tema elegido e impide investigar sobre un tema sobre el cual ya se conoce bastante. Se puede tomar la bibliografía de fuentes documentales primarias (se recoge directamente de la fuente de conocimiento fiable como puede ser un libro) o fuentes documentales secundarias (artículos cuya información se ha recogida de fuentes primarias).
 
El procedimiento de una búsqueda consta de:
  • Búsqueda bibliográfica mediante los boolianos.
  • Selección de descriptores Thesaurus.
  • Selección del sistema de búsqueda.
  • Centrarse en los textos publicados hasta los 10 últimos años.
  • Leer resultados, título, autor/s, palabras claves, idioma, resumen, localización de la revista (echar un vistazo al artículo.

Los descriptores o palabras laves utilizados son A,B,C. Si nos centramos individualmente en los primero no son los resultados válidos. Los que tratan sobre uno y no sobre otro tampoco es demasiado útil, mientras que los que mezcla a ambos es la forma más correcta de realizar una búsqueda. A veces también es utilizado la opción de A o B o ambos a la vez, pero se obtienen muchos resultados y más dispersos. Si metemos el descriptor C es una búsqueda más específica.

 
La recolección de datos se puede llevar a cabo principalmente por tres fuentes: de observación directa (registro visual de lo que ocurre comparándolo con algún esquema), de entrevista  (dividiéndose en estructurales, no estructurales y semiestructurales) o mediante cuestionarios (instrumento en el que se utiliza un documento previamente trabajado con una serie de preguntas.
 
  • Las preguntas abiertas en un cuestionarios son útiles para informaciones complejas, permite observaciones y comentarios,  pero requieren mayor tiempo y esfuerzo habiendo dificultad de codificación.
  • Las preguntas cerradas facilita la codificación, da uniformidad a las respuestas y no son útiles para información compleja.


En este vídeo se muestran fuentes de información válidas para enfermería junto con información de cada una.

 
 Adjunto vídeo de cómo realizar una búsqueda con términos MeSH en Pubmed.
 
 
En conclusión, la bibliografía es el segundo paso que se debe de realizar tras la elección el tema pudiéndose adquirir de forma directa. Para hacer la recolección e datos de una forma más fiable se sigue una serie de etapas utilizando los booleanos el cual es más útil para la búsqueda de aquellos que mezclan dos variable o incluso tres, pero incluyéndolos y no buscándolos por separando, es decir utilizando el AND y no el OR. A la hora de recoger datos de nuestra muestra podemos hacerlo bien de forma observacional, mediante entrevistas o por cuestionarios.