Yo antes de cada examen jajajaja
REFLEXIÓN FINAL
Bueno chicos, pues ya sí que sí... he aquí mi última entrada del blog sobre la asignatura de ETICs.
Hoy no vengo a hablaros de ningún tema con en las entradas anteriores, hoy voy a hacer una reflexión final sobre todo lo aprendido durante el curso de esta asignatura.
He de decir que a pesar de lo dura, complicada y pesada (¡sorry!) que se me ha hecho esta asignatura, me ha abierto mucho los ojos conociendo ámbitos de la Enfermería que no conocía, como es la investigación. Nunca me había llamado la atención eso de "INVESTIGACIÓN ENFERMERA", pero la verdad que era porque no sabía bien de que iba eso de la investigación. Suena como... no sé, algo aburrido y pesado, pero después de haber hecho nuestro propio trabajo de investigación en seminarios, me parece algo fascinante y con lo que puedes llegar a resolver muchos problemas, todo esto INVESTIGANDO.
Tanto es esto, que en el trabajo de investigación pedí consejos a mi madre (enfermera del Centro de Salud Ntra Sra de Gracia, Carmona) para que me ayudara a la hora de elegir un tema interesante y tal, le recordó tanto a su faceta estudiantil que ahora ha decidido especializarse en Investigación en Enfermería (ya lo podría haber hecho antes de que acabara el curso para ayudarme, jeje).
Bueno, solo me queda que decir que a pesar de pensar al principio del cuatrimestre que ETICs sería una asignatura absurda, no es así, creo que la investigación y la estadística es un papel súper fundamental en la Enfermería y al que no se le da todo el entusiasmo y atención que habría que darle.
Y, por sí me lee algún futuro estudiante de Enfermería, no dejes la asignatura de ETICs para el final, puede llegar a ser algo infernal...
Dicho esto me despido de este estupendo y maravilloso blog de ETICs (al que espero que mis profes pongan buena nota jijiji). Me gustaría seguir publicando entradas acerca de cosas interesantes que vaya descubriendo sobre Enfermería y la investigación, pero creo que la época de exámenes me lo va a poner un poco difícil. Nada chicos, NOS VEMOS A LA VUELTA!! Que tengáis un verano estupendiiiiisimo!!
TEMA 10. HIPÓTESIS ESTADÍSTICA. TEST DE HIPÓTESIS.
Buenas tardes a todos!!
Hoy es un día triste... sé que nadie quería que llegara este momento, pero sí... hoy voy a hacer la última entrada sobre los temas de ETICs...
Pero no todo es tan triste, el que se acaben los temas de ETICs quiere decir que... SE ACERCAN LAS VACACIONES!!
Ya me pongo seria. Por fin se acaban los temas, uff, nunca pensé que llegara este momento. No solo porque tuviera ganas de terminar el blog, sino porque esto significa que se acercan los exámenes, y por lo cual, que cuando acabemos los exámenes por fin vendrán las vacacioness!!
Para comenzar el tema de hoy vamos a hablar sobre los CONTRASTES DE HIPÓTESIS, esto no es más que otra herramienta del proceso de estadística inferencial para controlar los errores aleatorios.
La estrategia de los contrastes o test de hipótesis es la siguiente:
- Establecemos a priori una hipótesis acerca del valor del parámetro
- Realizamos la recogida de datos
- Analizamos la coherencia entre la hipótesis previa y los datos obtenidos.
Esto son herramientas estadísticas para responder a preguntas de investigación; permite cuantificar la compatibilidad entre una hipótesis previamente establecida y los resultados obtenidos.
RECORDAD EL TEST PARA COMPROBAR NORMALIDAD:
Dos pruebas:
Tipos de análisis estadísticos según el tipo de variables implicadas en el estudio:
Como todo en la vida, los test de hipótesis llevan implicados unos errores.
ERRORES DE HIPÓTESIS:
- Mide la probabilidad de error que cometo si rechazo la hipótesis nula
- El aceptar o rechazar la hipótesis nula depende de un error al que llamamos error alfa
- El error alfa es la probabilidad de equivocarme al rechazar la hipótesis nula
- Habitualmente rechazamos la hipótesis nula para un nivel alfa máximo del 5% (p<0'05)
TEST DE HIPÓTESIS CHI-CUADRADO
Este tipo sirve para comparar variables cualitativas.
Suponemos la hipótesis cierta y estudiamos como es de probable que siendo iguales dos grupos a comparar se obtengan resultados como los obtenidos o haber encontrado diferencias más grandes por grupos.
T DE STUDENT
Este tipo se utiliza cuando la variable independiente es dicotómica y la variable dependiente es continua (cuantitativa).
MODELOS DE ANÁLISIS DE REGRESIÓN
La verdad que este tema es un poco lioso, yo todavía no consigo entenderlo del todo, pero aún así espero que os haya servido de ayuda mi breve entrada!!
Hoy es un día triste... sé que nadie quería que llegara este momento, pero sí... hoy voy a hacer la última entrada sobre los temas de ETICs...
Pero no todo es tan triste, el que se acaben los temas de ETICs quiere decir que... SE ACERCAN LAS VACACIONES!!
Ya me pongo seria. Por fin se acaban los temas, uff, nunca pensé que llegara este momento. No solo porque tuviera ganas de terminar el blog, sino porque esto significa que se acercan los exámenes, y por lo cual, que cuando acabemos los exámenes por fin vendrán las vacacioness!!
Para comenzar el tema de hoy vamos a hablar sobre los CONTRASTES DE HIPÓTESIS, esto no es más que otra herramienta del proceso de estadística inferencial para controlar los errores aleatorios.
La estrategia de los contrastes o test de hipótesis es la siguiente:
- Establecemos a priori una hipótesis acerca del valor del parámetro
- Realizamos la recogida de datos
- Analizamos la coherencia entre la hipótesis previa y los datos obtenidos.
Esto son herramientas estadísticas para responder a preguntas de investigación; permite cuantificar la compatibilidad entre una hipótesis previamente establecida y los resultados obtenidos.
RECORDAD EL TEST PARA COMPROBAR NORMALIDAD:
Dos pruebas:
- Test de Kolmogorov-Smirnov: si el tamaño muestral es superior a 50. Para acordarnos de este nombre el profe nos dio un pequeño truco, y es recordar el nombre "botellón" ya que ahí siempre van más de 50 personas, y esto lo dice pues hay un vodka que se llama "Smirnoff", nombre muy parecido al del test, jejeje.
- Test de Shapiro-Wilks: si el tamaño muestral es inferior a 50.
Tipos de análisis estadísticos según el tipo de variables implicadas en el estudio:
Como todo en la vida, los test de hipótesis llevan implicados unos errores.
ERRORES DE HIPÓTESIS:
- Mide la probabilidad de error que cometo si rechazo la hipótesis nula
- El aceptar o rechazar la hipótesis nula depende de un error al que llamamos error alfa
- El error alfa es la probabilidad de equivocarme al rechazar la hipótesis nula
- Habitualmente rechazamos la hipótesis nula para un nivel alfa máximo del 5% (p<0'05)
Este tipo sirve para comparar variables cualitativas.
Suponemos la hipótesis cierta y estudiamos como es de probable que siendo iguales dos grupos a comparar se obtengan resultados como los obtenidos o haber encontrado diferencias más grandes por grupos.
T DE STUDENT
Este tipo se utiliza cuando la variable independiente es dicotómica y la variable dependiente es continua (cuantitativa).
MODELOS DE ANÁLISIS DE REGRESIÓN
La verdad que este tema es un poco lioso, yo todavía no consigo entenderlo del todo, pero aún así espero que os haya servido de ayuda mi breve entrada!!
SEMINARIO 5
POOOOR FIN LLEGAMOS! 5º SEMINARIO Y, AUNQUE PAREZCA MENTIRA, UUUÚLTIMO!!
Una vez que nosotras acabamos de exponer nuestro trabajo, pasaron los demás grupos a exponer. Entre los temas escogidos por los demás grupos de mi seminario estaban 'comparar los turnos de 8h con los de 12h en los hospitales', 'conocer los conocimientos que tienen las mujeres sobre los cuidados del embarazo' y 'obesidad infantil'.
Pues bien, en el seminario 5 lo que hicimos fue que cada grupo expuso su trabajo de investigación.
El primer grupo en exponer su trabajo fue el mío, compuesto como ya sabéis por Mª Luz Flores Bermudo, Aniana González Ortega y yo.
Nuestro trabajo de investigación está enfocado a conocer el grado de sobrecarga y nivel de agotamiento de los cuidadores informales.
Nos pareció interesante hacer este trabajo porque el tema de los cuidadores informales lo hemos visto mucho a lo largo del cuatrimestre tanto en HTM I, donde hemos hablado como surgió el término de "cuidadores informales" y de las actividades que éstos hacen, como en Género y Salud, donde hemos hablado de los cuidadores informales desde la perspectiva de género, pues siempre se ha asociado el ámbito privado y de los cuidados a la mujer.
Una vez que tuvimos el objetivo claro, nos pusimos manos a la obra en el trabajo. Como ya expliqué en la entrada 'Seminario 3 y 4', nuestro trabajo está hecho a través del Cuestionario Zarit de la Junta de Andalucía.
Cuando tuvimos recogidos todos los cuestionarios que creímos necesarios para nuestra investigación, comenzamos con la estadística, para lo que usamos el programa informático Epi info (versión 7.1.3.)
He de decir que la investigación nos resultó complicada porque no es tan fácil acudir a las viviendas de los cuidadores y, por supuesto, que te quieran responder. Algunas de las personas encuestadas no quería hacerle saber a la persona que cuida que estaba realizando un cuestionario sobre si se siente agotado o no al cuidar de ella, por lo que teníamos que ponernos en otro sitio a hacer el cuestionario.
Os dejo aquí el Word de nuestro trabajo de investigación, espero que os guste.
Una vez que nosotras acabamos de exponer nuestro trabajo, pasaron los demás grupos a exponer. Entre los temas escogidos por los demás grupos de mi seminario estaban 'comparar los turnos de 8h con los de 12h en los hospitales', 'conocer los conocimientos que tienen las mujeres sobre los cuidados del embarazo' y 'obesidad infantil'.
TEMA 9: ESTADÍSTICA INFERENCIAL
¡¡Buenos días!!
En esta entrada os voy a hablar de la ESTADISTICA INFERENCIAL.
Para hablar de la estadística inferencial, en primer lugar debemos saber que es "inferir", esto es sacar conclusiones de una parte para un todo; es como extrapolar.
Cuando se infiere no se tiene un dato seguro, se tiene un error aleatorio, puesto que solo hemos tratado una parte de la población.
En un estudio del ámbito sanitario nuestro interés a la hora de establecer variables no suele estar exclusivamente en los pacientes concretos a los que hemos tenido acceso, sino en todos los pacientes similares a estos generalmente.
En la estadística inferencial debemos conocer bien unos cuantos términos:
Población de estudio: pacientes que queremos estudiar
Muestra: individuos concretos que participan en el estudio
Tamaño muestral: número de individuos de la muestra
Inferencia estadística: procedimientos estadísticos que permiten pasar de los particular (muestra) a lo general (población).
Técnicas de muestreo: procedimientos que permiten elegir muestras, de tal forma que éstas reflejen las características de la población
PROCESO DE INFERENCIA ESTADÍSTICA
ERROR ESTÁNDAR
Es la medida que trata de captar la variabilidad de los valores del estimador. Cuanto más pequeño sea el error estándar, más podemos fiarnos del valor de una muestra concreta.
Para estimadores que pueden ser expresados como suma de valores muestrales, la distribución de sus valores sigue una distribución normal, con media de población y desviación típica igual al error estándar.
INTERVALOS DE CONFIANZA
Medio para conocer el parámetro de una población midiendo el error que tiene que ver con el azar (error aleatorio). Se trata de un par de números tales que, con un nivel de confianza determinados, podamos asegurar que el valor del parámetro es mayor o menos que ambos números.
PROCEDIMIENTO MUESTRAL
Un muestreo es un método tal que al escoger un grupo pequeño de una población, podamos tener un grado de probabilidad de que ese pequeño grupo posea las características que estamos estudiando.
Hay diferentes tipos de muestreo:
- Probabilístico: todos los sujetos de la población tienen una probabilidad distinta de cero en la selección de la muestra. Puede ser: aleatorio simple, aleatorio sistemático, estratificado, conglomerados.
- No probabilístico o de conveniencia del investigador: puede haber personas en la población que no tengan probabilidad o que se desconozca. Puede ser: accidental o por cuotas.
TAMAÑO DE LA MUESTRA
El tamaño de la muestra que vamos a tomar para nuestro estudio depende de varios factores, entre ellos depende de:
- El error estándar
- La mínima diferencia entre los grupos de comparación
- La variabilidad de la variable a estudiar (varianza poblacional)
- El tamaño de la población de estudio
Z= nivel de confianza
S = varianza poblacional
e = error máximo aceptado por los investigadores
Si tras realizar esta operación se cumple que: N > n(n-1), el cálculo del tamaño muestral aquí. Por el contrario, si esto no se cumple, debemos realizar esta operación:
Muestro a continuación un ejemplo de clase para que sea más fácil entenderlo.
Ejemplo: Se desea hacer una estimación sobre la edad media de una determinada población. Calcula el tamaño de la muestra necesario para poder realizar dicha estimación con unan error menor de medio año a un nivel de confianza del 99%. Se conoce de estudios previos que la edad media de dicha población tiene una desviación típica igual a 3. (35.000 habitantes).
No quedaría aquí el cálculo al ser el valor mayor que N.
n´= 239.4/1+(239.4/35000)=238
Este resultado será el mínimo de muestra a tomar, por debajo de estar valor no nos garantizar el 99% de confianza, si cogemos menos, el intervalo de confianza puede descender.
- El error estándar
- La mínima diferencia entre los grupos de comparación
- La variabilidad de la variable a estudiar (varianza poblacional)
- El tamaño de la población de estudio
S = varianza poblacional
e = error máximo aceptado por los investigadores
Si tras realizar esta operación se cumple que: N > n(n-1), el cálculo del tamaño muestral aquí. Por el contrario, si esto no se cumple, debemos realizar esta operación:
Ejemplo: Se desea hacer una estimación sobre la edad media de una determinada población. Calcula el tamaño de la muestra necesario para poder realizar dicha estimación con unan error menor de medio año a un nivel de confianza del 99%. Se conoce de estudios previos que la edad media de dicha población tiene una desviación típica igual a 3. (35.000 habitantes).
n= Z2x
S2/e2
Z=
2.582= 6.65
S2
= 32=9
e=
0.52= 0.25
n=
6.65x9/0.25=239.4
N > n(n-1) : 35000 > 239.4
(239.4-1)
No quedaría aquí el cálculo al ser el valor mayor que N.
n´= 239.4/1+(239.4/35000)=238
Este resultado será el mínimo de muestra a tomar, por debajo de estar valor no nos garantizar el 99% de confianza, si cogemos menos, el intervalo de confianza puede descender.
Espero que os sirva de mucha ayuda esta entrada sobre la estadística inferencial!!
TEMA 8. MEDIDAS DE TENDENCIA CENTRAL, POSICIÓN Y DISPERSIÓN
¡Hoooola a todos!
Ya le voy viendo el final a esto del bloooggg!!!
Cuando los datos son agrupados, para calcular la media utilizamos como valor de referencia de cada intervalo su marca de clase:
Mediana: es el valor de la observación tal que deja un 50% de los datos por debajo y otro 50% por encima.
Si el número de observaciones es impar, por ejemplo:
x1= 30
x2= 37
x3= 41 La mediana es 41
x4= 48
x5= 52
Si el número de observaciones es par, por ejemplo:
10, 50, 52, 55, 56, 100. La mediana es 52+55/2 = 53'5
Moda: es el valor con mayor frecuencia, es decir, que más veces se repite.
MEDIDAS DE POSICIÓN
Indican posición una vez que están ordenados los datos de menor a mayor.
Cuantiles: solo tienen en cuenta la posición de los valores en la muestra. Dentro de los cuantiles encontramos:
MEDIDAS DE DISPERSIÓN
Rango o recorrido: diferencia entre el mayor y el menor valor de la muestra |Xn-X1|
Desviación media: media aritmética de las distancias de cada observación con respecto a la media de la muestra:
Desviación típica: cuantifica el error que cometemos si representamos una muestra únicamente por su media.
Varianza: expresa la misma información en valores cuadráticos. No es más que el cuadrado de la desviación típica:
Coeficiente de variación: es una medida de dispersión relativa (adimensional)
CV= S/x
DISTRIBUCIONES NORMALES
Llamamos así a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales. La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de los valores de posición central.
ASIMETRÍA Y CURTOSIS
Coeficiente de asimetría de una variable: grado de asimetría de la distribución de sus datos en torno a su media. Es adimensional y se define:
Asimetrías:
¡Et voilà! Esto es todo por hoyyyy. Espero que os haya servido de graaaaan ayuda!!
Ya le voy viendo el final a esto del bloooggg!!!
Hoy voy a hablar sobre las medidas de tendencia central, posición y dispersión.
Además de las tablas y gráficos, podemos reunir una serie e observaciones mediante estadísticos: "función de los datos observador".
En general, hay tres grandes tipos de medidas estadísticas:
- medidas de posición
- tendencia central
- medidas de dispersión o variabilidad
Media aritmética (x): centro geométrico o de gravedad de nuestros datos. Es la suma de todos los valores de la variable observada entre el total de las observaciones:
Si el número de observaciones es impar, por ejemplo:
x1= 30
x2= 37
x3= 41 La mediana es 41
x4= 48
x5= 52
Si el número de observaciones es par, por ejemplo:
10, 50, 52, 55, 56, 100. La mediana es 52+55/2 = 53'5
Moda: es el valor con mayor frecuencia, es decir, que más veces se repite.
MEDIDAS DE POSICIÓN
Indican posición una vez que están ordenados los datos de menor a mayor.
Cuantiles: solo tienen en cuenta la posición de los valores en la muestra. Dentro de los cuantiles encontramos:
- Percentiles: dividen la muestra ordenada en 100 partes. Pi es aquel valor que, ordenadas las observaciones en forma creciente, el i% de ellas son menores que él, y el (100-i)% restantes son mayores.
- Deciles: dividen la muestra ordenada en 10 partes. el Di es aquel valor que, ordenadas las observaciones en forma creciente, el i/10 % de ellas son menores que él, y ek (100-i)/10 % restantes son mayores.
- Cuartil: dividen la muestra en 4 partes.
MEDIDAS DE DISPERSIÓN
Rango o recorrido: diferencia entre el mayor y el menor valor de la muestra |Xn-X1|
Desviación media: media aritmética de las distancias de cada observación con respecto a la media de la muestra:
Varianza: expresa la misma información en valores cuadráticos. No es más que el cuadrado de la desviación típica:
CV= S/x
DISTRIBUCIONES NORMALES
Llamamos así a una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales. La gráfica de su función de densidad tiene una forma acampanada y es simétrica respecto de los valores de posición central.
ASIMETRÍA Y CURTOSIS
- g1=0 distribución simétrica
- g1<0 distribución asimétrica positiva, existe mayor concentración de valores a la derecha de la media.
- g1>0, distrbución asimétrica negativa, existe mayor concentración de valores a la izquierda de la media que a su derecha.
- g2=0, distribución mesocúrtica
- g2>0, distribución leptocúrtica
- g2<0, distribución platicúrtica
¡Et voilà! Esto es todo por hoyyyy. Espero que os haya servido de graaaaan ayuda!!
TEMA 7. INTRODUCCION A LA BIOESTADISTICA
Buuuuenos días!
Hoy voy a comenzar mi entrada con la introducción a la bioestadística. Sí, sé que todos lo estabais deseando, al igual que yo.
COMENCEMOS........
Para empezar haré una breve definición de lo que es la estadística.
La estadística es un cuerpo de conocimientos para aprender de la experiencia, frecuentemente en forma de números provenientes de medidas que muestran variaciones entre los distintos individuos. Parte del supuesto de que las características clínicas que se observan cambian de un paciente a otro, son variables. Por tanto, la ESTADISTICA ES LA CIENCIA QUE ESTUDIA LA VARIABILIDAD.
MEDICIÓN DE SIGNOS Y SÍNTOMAS
Debido a la diferente naturaleza de las variables, hay diferentes métodos de medición. Esto es, por ejemplo, la presencia del dolor se puede medir como 'sí' o 'no', sin embargo la glucemia basal se tendrá que medir por mg glucosa/dl de sangre; son valores de diferente naturaleza.
Para medir las diferentes variables, vamos a utilizar diferentes escalas:
Las categorías deben construirse con exhaustividad (todos los sujetos pueden ser clasificados en algún punto de la escala) y exclusividad (solo pueden estar incluidos en una categoría).
REPRESENTACIÓN DATOS DE VARIABLES
Tabla de frecuencias:
Representaciones gráficas:
Hoy voy a comenzar mi entrada con la introducción a la bioestadística. Sí, sé que todos lo estabais deseando, al igual que yo.
COMENCEMOS........
Para empezar haré una breve definición de lo que es la estadística.
La estadística es un cuerpo de conocimientos para aprender de la experiencia, frecuentemente en forma de números provenientes de medidas que muestran variaciones entre los distintos individuos. Parte del supuesto de que las características clínicas que se observan cambian de un paciente a otro, son variables. Por tanto, la ESTADISTICA ES LA CIENCIA QUE ESTUDIA LA VARIABILIDAD.
MEDICIÓN DE SIGNOS Y SÍNTOMAS
Debido a la diferente naturaleza de las variables, hay diferentes métodos de medición. Esto es, por ejemplo, la presencia del dolor se puede medir como 'sí' o 'no', sin embargo la glucemia basal se tendrá que medir por mg glucosa/dl de sangre; son valores de diferente naturaleza.
Para medir las diferentes variables, vamos a utilizar diferentes escalas:
- Escala nominal:es el nivel inferior de medida. En una característica o variable solo se puede comprobar si son iguales o diferentes. Ejemplo: raza (blanco, negro, amarillo), profesión (médico, enfermero, abogado)
- Escala ordinaria: en la medición ordinal dadas dos o más modalidades de una variable, es posible establecer si son iguales o diferentes; si son distintas determinar cuál de ellas es mayor. Los números expresan relaciones de igualdad, desigualdad y orden. Ejemplo: grado de mejoría en un tratamiento (1 nula, 2 leve, 3 media, 4 máxima).
- Escala de intervalo: presenta las características propias de las dos escalas anteriores: identidad y orden. Ejemplo: temperatura 36 ºC, 37 ºC, 38 ºC,... el 0 no representa la ausencia de calor, sin embargo, la distancia entre cualquiera de los puntos de la escala es igual (el cambio de temperatura entre 36 y 37 ºC, es el mismo que entre 40 y 41 ºC).
- Escala de razón: nivel más alto de medición. Características propias de las tres escalas anteriores: identidad, orden y distancias equivalentes entre los intervalos. Aquí el 0 si representa la nulidad o ausencia (0 absoluto)
REPRESENTACIÓN DATOS DE VARIABLES
Tabla de frecuencias:
- diagrama de barras
- pictograma
- histograma
- gráfico de tronco y hojas
- Gráfico de sectores
- Gráfico para datos bidimensionales
TEMA 6: ETAPA EMPÍRICA
En esta etapa de la investigación es donde empieza la fase práctica de la investigación (lo más divertido, je je). Esta es una de las partes más fundamentales a la hora de hacer una buena investigación.
Pues bien, lo primero que debemos hacer en esta etapa es hacer una buena planificación de nuestro estudio. Para ello debemos:
A nuestra investigación tenemos que asignarle un diseño, y esto lo vamos a hacer en función de la pregunta de investigación:
Por otro lado, tenemos la medida de incidencia, que es aquello que está pasando durante un periodo de tiempo. Describe la frecuencia de nuevos casos, mide el número de nuevos casos de enfermedad que ocurren en un periodo de tiempo específico, en una población de riesgo a desarrollar la enfermedad (cambio de ausencia a presencia de enfermedad).
Hay dos formas de incidencia:
- seleccionar una población de estudios, es decir, hacer una selección de individuos a investigar, en búsqueda de validez interna y externa.
- Muestro: esto se realiza cuando no es posible incorporar toda la población de estudios, por ejemplo, quiero investigar una población de 100 habitantes pero no puedo hacerlo a todos, por lo que hago un muestreo del 50%. Para esto se considera el tamaño (hacer inferencia con un error determinado, p<0'5) y representatividad (muestreo aleatorio simple, sistemático, estratificado)
- Recogida de datos
- Variables: búsqueda de relaciones de asociación
- Registro y procesamiento: agrupación de datos, distribuciones de frecuencia, etc.
A nuestra investigación tenemos que asignarle un diseño, y esto lo vamos a hacer en función de la pregunta de investigación:
Según nuestro estudio descriptivo, querremos medir una frecuencia u otra. Distinguimos dos tipos básicos de medida:
Por un lado tenemos la medida de prevalencia, que describe que proporción de la población tiene probabilidad de tener la enfermedad en un punto específico del tiempo. Ésta depende de la velocidad de aparición de la enfermedad y de su duración.
Hay dos formas de incidencia:
- incidencia acumulada (proporción de incidencias): riesgo de que se produzca
- Tasa de incidencia (densidad de incidencia): velocidad de aparición de nuevos casos con respecto al tamaño de la población.
MEDIDAS DE ASOCIACIÓN
La relación entre la incidencia de expuestos y la incidencia de no expuestos, la podemos expresar como riesgo relativo (r.r.):
Cuando el riesgo es 1 o menor que 1, quiere decir que las incidencias de expuestos y no expuestos es la misma, por lo que aceptamos la hipótesis nula.
ESTUDIO DE CASOS Y CONTROLES.
Aquí se comparan dos grupos controles: un grupo presenta la variable dependiente y el otro no. En estos estudios no hay incidencia ni prevalencia porque se indaga en su pasado.
Se calcula mediante:
Por lo tanto:
Otra forma más gráfica de calcular ODDS RATIO es la siguiente:
¡¡IMPORTANTE!! Como resultado de la O.R., si es 0 aceptamos la hipótesis nula, si es <1 significa que los casos tienen menos riesgo de exposición al factor, sin embargo si es >1 significa que los casos tienen más riesgo de exposición al factor.
SEMINARIO 3 y 4. ETICs
Para hablar del seminario 3 y seminario 4, me ha parecido oportuno hablar de ellos en conjunto, pues prácticamente hicimos en los dos más o menos lo mismo.
En primer lugar lo que hicimos fue dejar claro el tema que íbamos a abordar cada grupo para nuestro trabajo final de investigación, y resolver algunas dudas acerca de éste. Nuestro tema definitivo del trabajo fue 'el nivel de sobrecarga de los cuidadores informales'.
Para nuestro trabajo nos basamos en este cuestionario:
Una vez que teníamos el tema definitivo, el profe nos explicó las pautas a seguir para realizar el protocolo correspondiente de investigación.
Cuando ya teníamos todas las dudas acerca del trabajo de investigación, dedicamos el tiempo restante del seminario a resolver dudas de los problemas de estadística, puesto que los exámenes están aquí ya, y no teníamos ni idea de cómo se resolvían los problemas.
En primer lugar lo que hicimos fue dejar claro el tema que íbamos a abordar cada grupo para nuestro trabajo final de investigación, y resolver algunas dudas acerca de éste. Nuestro tema definitivo del trabajo fue 'el nivel de sobrecarga de los cuidadores informales'.
Para nuestro trabajo nos basamos en este cuestionario:
Una vez que teníamos el tema definitivo, el profe nos explicó las pautas a seguir para realizar el protocolo correspondiente de investigación.
Cuando ya teníamos todas las dudas acerca del trabajo de investigación, dedicamos el tiempo restante del seminario a resolver dudas de los problemas de estadística, puesto que los exámenes están aquí ya, y no teníamos ni idea de cómo se resolvían los problemas.
Suscribirse a:
Entradas (Atom)