SEMINARIOS ESTADÍSTICA Y TIC. "SEMINARIO 3"

En el tercer seminario de la asignatura avanzamos en la utilización de EpiInfo. En este caso pasamos al análisis de datos mediante este programa. Con ello repasamos lo dado en las clases teóricas: cálculos de medidas de tendencia central y dispersión variables cuantitativas, cálculos de distribuciones de frecuencia y de intervalos de confianza, cálculos y elaboración de gráficas de sectores, diagramas de barras e histogramas.

Para analizar los datos utilizamos el modo visual, añadimos gadget de analisis, y medias. Dentro de medias elegimos cual queremos analizar, en este caso "age".

• Observaciones. Número de valores observables por el investigador (n).
• Media. Suma de todos los valores de la variable (x) entre el total de observaciones (n).

$$\overline { x } =\frac { \sum { x }  }{ n } $$

• Mediana. Es el valor de la observación que deja el 50% de las observaciones menores y el otro 50% mayores. Se sitúa en medio del porcentaje.
• Moda. Es el valor que se expresa con mayor frecuencia.
• Mín. Es el mínimo valor registrado.
• Max. Es el máximo valor registrado.
• 25%. Se trata de un cuartil. Marca el valor que deja por debajo al 25% de las obsevaciones.
• 75%. Se trata de un cuartil. Marca el valor que deja por debajo al 75% de las obsevaciones.
• Desviación típica (σ). Se trata de la desviación respecto la media. La desviación típica más utilizada es +2σ y -2σ.

$$S=\sqrt { \frac { \sum { \left( { x }_{ i }-\overline { x }  \right) ^{ 2 } }  }{ n-1 }  } $$

• Varianza. Es la misma que la anterior en valores cuadráticos.

$$S^{ 2 }=\frac { \sum { \left( { x }_{ i }-\overline { x }  \right) ^{ 2 } }  }{ n-1 } $$

Según la grafica si es simétrica o asimétrica (hacia la derecha o hacia la izquierda).

Repasamos los percentiles, las medidas de centralización, las medidas de dispersión. Además añadimos conocimientos que veremos posteriormente en clase como es la medida de apuntamiento o curtosis.

Curtosis

Con EpiInfo realizamos tablas de frecuencia. Las tablas de frecuencia nos muestra el porcentaje de cada una de las variables. Para añadir la tabla de frecuencia añadimos gadget de analisis, frecuencia. Ya elegimos sobre cual queremos la frecuencia.

También podemos añadir variables por intervalos, y ver de esta la frecuencia.

A través de la tabla de 2x2 podemos ver como actúan dos variables, la variable dependiente y la variable independiente. Para saber cuál es el alimento que han tomado los enfermos asistentes a la boda, lo realizamos con las variables enfermo o no enfermo y tomó vainilla o no tomó vainilla. Para saber si hay relacción o no observamos la Chi cuadrado, si esta es menor de 0,05 rechazamos la hipótesis nula, como es nuestro caso. El helado de vainilla es el causante de los enfermos en la boda.

Aprendemos como poner en EpiInfo gráficas de sectores (pie chart) o diagrama de barras (column chart). Además de como cambiar los colores de ambas gráficas.

Gráfica de sectores

Diagrama de barras

Este seminario me ha sido de gran utilidad ya que me ha ayudado a repasar y tener más claro los términos dados en las clases teóricas. La utilización de EpiInfo no me resulta tan difícil como creía al principio, poco a poco es fácil de utilizar.

TEMA 7: "Introducción a la bioestadística. Organización de datos."

En este tema entramos en mayor profundidad en la estadística, definida como la ciencia que estudia la variabilidad.

Para las variables se utilizan escalas diferentes:

• Escala nominal: Consiste en clasificar objetos o fenómenos en variables sin que implique ninguna relación de orden. Ej: Cuando un producto se marca de acuerdo al cumplimiento de las especificaciones de diseño como "conforme y no conforme" o "crítico, grave, y menor". No se obtienen valores numéricos y no se puede realizar un orden de las observaciones con sentido.
• Escala ordinal: Se les da una relación de orden a las variables, relación de igualdad, desigualdad y orden. Esta escala llamada también escala de orden jerárquico. Ej: valoración de la calidad del servicio: 1 (excelente), 2 (bueno), 3 (regular), 3 (malo) 4 (pésimo). Estos datos son ordinales. Note que una valoración de 1 no indica que el servicio es dos veces mejor que cuando se da una valoración de 2. Sin embargo podemos decir que la valoración de 1 es preferiblemente mejor que 2, y así en los demás casos.
• Escala de intervalo: Presenta las características de las dos escalas anteriores, identidad y orden. Representando un nivel de medición más preciso, matemáticamente. En una escala de intervalo, el punto cero y la unidad de medida son arbitrarios. Por lo que no se pueden sacar proporciones. Ej: la temperatura.

TIPO DE VARIABLES

Cualitativas. Propiedades que no pueden ser medidas.

• Nominales. Que pueden ser dicotómicas si se trata de dos variables o policotómicas si son más de dos variables. 
• Ordinales.

Cuantitativas: Medibles en términos numéricos. Utilizadas en escalas de intervalo y de razón.

• Discreta. No pueden ser números fraccionados, son nº enteros. Ej: nº de hijos:1,2,3...
• Continuas. Cualquier tipo de número dentro de un rango. Puede estar fraccionada. Ej: peso, talla, tensión arterial.

La variable discreta no la podemos convertir en continua, pero al contrario sí.

REPRESENTACIÓN DE DATOS

La realizamos mediante tablas de frecuencia. Las columnas muestran la frecuencia y las filas y las distintas variables en filas.

Frecuencia absoluta = f_i 

Frecuencia relativa = h_i 

Lo vemos con un ejemplo realizado en clase sobre el peso el kg de niños atendidos en la consulta del niño sano (N= 40):
   1.Calculamos el recorrido (dominio) Re = X_n – X₁ = 6,1 - 3,3 = 2,8
   2.Conocer el nº de intervalos 

$$\sqrt { n } $$

$$\sqrt { 40 } =\quad 6,32\xrightarrow  \quad 6\quad intervalos$$

   3. Amplitud de los intervalos (recorrido/nº de intervalos)
$$amplitud=\frac { 2,8 }{ 6 } =0,46\xrightarrow {  } 0,5$$
   4. Realizamos la tabla

INTERVALOS PESOS	fi	Ʃfi	hi	Ʃhi
[3,3 – 3,8]	3	3	0,075	0,075
(3,8 – 4,3]	11	14	0,275	0,35
(4,3 – 4,8]	12	26	0,3	0,65
(4,8 – 5,3]	7	33	0,175	0,825
(5,3 – 5,8]	4	37	0,1	0,925
(5,8 – 6,3]	3	40	0,075	1
TOTAL	40		1

REPRESENTACIÓN GRÁFICA

Es una forma rápida de transmitir la información numérica, ofreciendo orientación visual. Existen varios tipos de gráficas:

• Diagrama de barra. Para variables cualitativas

• Histograma. Para variables continuas.

En este histograma queda dibujado el polígono de frecuencia.

Polígono de frecuencia

• Gráfico de tronco y hojas. Para variables continuas.

Cada dato de la serie se divide en dos partes: El tronco (decenas) y las hojas (unidades).

• Gráficos para datos bidimensionales. Para variables cualitativas, con pocas opciones.

TEMA 6: "La etapa empírica de la investigación: el diseño y el material y métodos." (continuidad)

La medida de asociación en estudios descriptivos es la valoración la magnitud con la que dos variables se relacionan. Hay tres tipos:

• Razón de prevalencia, en estudios descriptivos.
• Riesgo relativo, en estudios de seguimiento y experimentales.
• ODDS ratio, en estudios de casos y controles.

Razón de prevalencia

Prevalencia en no expuestos =P.ne

Prevalencia en expuestos =P.e

Razón de prevalencia= R.p

Si R.p = 1, P.ne= P.e : no hay asociación.

Si R.p ≈ 0, hay más enfermos entre los no expuestos que entre los expuestos. Aceptamos la hipótesis nula.

Riesgo relativo

Incidencia en no expuestos = I.ne

Incidencia en expuestos = I.e

Riesgo relativo = R.R.

Ocurre igual que en el caso anterior con la razón de prevalencia para aceptar o rechazar la hipótesis nula.

ODDS ratio

O.R. = ODDS ratio

Ocurre igual que en los casos anteriores, para aceptar o rechazar la hipótesis nula.

A continuación dos tipos de problemas llevando a la práctica lo explicado anteriormente.

PROBLEMA 1

Un grupo de enfermeras pretende saber si los sistemas mediante vacío producen más lesiones (hematomas y extravasaciones) que los sistemas de extracción tradicional. En un grupo de 150 pacientes se distribuyeron al azar 80 pacientes a los que se les realizo extracción mediante vacío y 70 pacientes a los que se les realizo extracción mediante sistema tradicional. Si ras la recogida de datos se comprueba que en 16 pacientes 1.Un grupo de enfermeras pretende saber si los sistemas mediante vacío producen más lesiones (hematomas y extravasaciones) que los sistemas de extracción tradicional. En un grupo de 150 pacientes se distribuyeron al azar 80 pacientes a los que se les realizo extracción mediante vacío y 70 pacientes a los que se les realizo extracción mediante sistema tradicional. Si ras la recogida de datos se comprueba que en 16 pacientes del primer grupo se hallaron lesiones y que en el segundo grupo se hallaron lesiones en 14 pacientes, se solicita que averigüe lo siguiente:

1. Hipótesis nula
2. Hipótesis alternativa de los investigadores
3. Identificación de la variable dependiente e independiente.
4. Identificación y justificación del tipo de diseño de investigación que se está planteando.
5. Calculo de la magnitud de asociación entre las variables de estudio.
6. Conclusión respecto a la hipótesis.

SOLUCIÓN

Variable dependiente: Hematomas y extravasaciones.

Variable independiente: Sistemas de extracciones.

H0= Los sistemas de extracción no influyen en la aparición de hematomas y extravasaciones.

H1= El sistema de extracción de vacío produce más lesión. (Hipótesis del investigador).

H2= El sistema de extracción tradicional produce más lesión.

Estudio experimentales, aleatoriamente controlados.

Incidencia expuestos= 16/80= 0,2

Ya que la hipótesis elegida por el investigador es la extracción de vacío produce más lesiones que el sistema tradicional. Si se hubiera elegido la H2, se hubiera realizado al revés.

Incidencia de no expuestos= 14/70=0,2

El riesgo relativo es: I.E / I.N.E = 1 Aceptamos la hipótesis nula.

PROBLEMA 2

En un centro de salud se pretende realizar un estudio acerca de la influencia del tabaquismo sobre las enfermedades pulmonares obstructivas crónicas (EPOC). Para ello a partir de un grupo de 337 pacientes EPOC  que acude a consulta de enfermería del centro se selecciona un grupo de otros 337 pacientes que no presentaban EPOC pero que acudían a consulta de enfermería del centro en el programa del paciente diabético. Tras recoger los datos de los antecedentes de tabaquismo en todos los sujetos de estudio se comprueba que en el 1º grupo había 215 pacientes con antecedentes de tabaquismos, mientras que el 2º grupo se detectaron 122 pacientes con antecedentes de tabaquismo. Para ello se pide:

1. Hipótesis nula
2. Hipótesis alternativa de los investigadores
3. Identificación de la variable dependiente e independiente.
4. Identificación y justificación del tipo de diseño de investigación que se está planteando.
5. Calculo de la magnitud de asociación entre las variables de estudio.
6. Conclusión respecto a la hipótesis.

SOLUCIÓN

Variable dependiente: EPOC

Variable independiente: Los antecedentes del tabaquismo.

H_0: Los antecedentes de tabaquismo no influye en la aparición de EPOC.

H1: Los antecedentes de tabaquismo favorecen el EPOC. (Hipótesis de investigación

H2: Los antecedentes de tabaquismo reducen el EPOC.

Tipo de diseño de caso y controles, porque partimos de la variable dependiente. Es analítico y retrospectivo, ya que busca antecedentes de tabaquismo.

Como es un caso de casos y controles se mide mediante la OR.

OC= 215/337-215= 1,76

ONC= 122/337-122= 0,56

OR= 1,76/0,56= 3,14 

Nos quedamos con H1 ya que los antecedentes de tabaquismo influyen en la aparición de EPOC. No aceptación de H0 y el peligro se multiplica por 3,14.

(Si  menos que 1 te tienes que quedar con la H2).

TEMA 6: "La etapa empírica de la investigación: el diseño y el material y métodos."

Empezamos a ver la etapa empírica de la investigación, parte práctica que recoge todo el trabajo de campo. En primer lugar seleccionaremos a una población de estudio, pero es muy difícil reunir a toda la población de estudio, y para ello tomaremos un muestreo. La selección de este muestreo debe cumplir unos requisitos como son el tamaño de la muestra y la forma de selección aleatorio, estos requisitos los estudiaremos más adelante.

La recogida de datos se dividirá en tres partes. En el registro y procesamiento, que consiste en agrupar los datos y la distribución de la frecuencia. Ejecución de la recogida de datos donde se trasladan la una hoja de recogida de datos. Y el posterior análisis aplicando la técnica estadística, comparando los distintos grupos y definiendo la validez.

En la investigación encontramos diferentes diseños cuantitativos cómo vimos en el tema anterior. Para asignar un tipo de diseño el investigador se realiza una serie de preguntas.

Para medir la frecuencia hay que conocer:

• La prevalencia, situación en un punto en el tiempo. Ej: Números de individuos con en enfermedad en un tiempo específico.
•  La incidencia, lo que pasa a lo largo de un período de tiempo. Dando a conocer nuevos casos. Ej: Número de nuevos casos durante el seguimiento.

A continuación empezamos a realizar los primeros cálculos sobre la estadística. Para calcular la incidencia lo haremos mediante la siguiente formula:

Calculamos la incidencia acumulada según el siguiente ejemplo:

• La población está formada por 8.500 mujeres, de las cuales el 15% tienen entre 50 y 64 años. De éstas 15 ya han sido diagnosticadas de cáncer de mama. Después de un año de seguimiento activo (mamografía) se detectan 6 casos nuevos de cáncer de mama. ¿Cuál es la incidencia acumulada en esta población?

Solución: Tiene una incidencia acumulada del 0,476% en un año.

TEMA 5: "Los objetivos e hipótesis de una investigación".

            Objetivos

            A la hora de realizar nuestra investigación es importante plantearnos unos objetivos, a través de ellos lograremos profundizar en el conocimiento y comprobar la relación entre las variables planteadas. De esta forma definiremos un objetivo general, y de éste adquiriremos objetivos más específicos.

            Hipótesis

            La hipótesis es el enunciado donde se relacionan dos variables. Es una predicción de la relación entre dos variables, una variable independiente y una variable dependiente. La variable independiente es la predictora y la dependiente es el resultado de la anterior, La variable dependiente depende de la variable independiente.

            A partir de estas variables realizo la hipótesis nula, esta hipótesis rechaza la relación entre las dos variables. La hipótesis nula se toma como verdadera hasta que una prueba estadística indique lo contrario. (Es inocente hasta que se demuestre lo contrario). Además de la hipótesis nula, debe haber dos hipótesis alternativas (una contraria a la otra).

            Marco teórico

            Para la construcción de un marco teórico necesitaremos de unos antecedentes, estudios realizados anteriormente. Para ello, seguiremos los mismos pasos que aprendimos en el primer seminario. Formularemos una pregunta “PICO”, y seguiremos todos los pasos hasta la obtención de un artículo que recoja lo que necesitamos para llevar a cabo nuestro estudio. Evaluaremos los artículos y sacaremos unas conclusiones.

            En el enlace podemos ver los pasos que indicamos anteriormente, que fueron realizados en el seminario 1.

http://investigacionenfermeralola.blogspot.com.es/2015/03/seminarios-estadistica-y-tic-seminario-1.html

            Diseños cuantitativos

           -  Descriptivo: el investigador observa y describe un grupo de la población (Es el caso de nuestro trabajo de investigación, conocer el grado de conocimiento en donación de sangre).

     - Analítico: Analiza las relaciones entre dos fenómenos, buscando relaciones con el problema.

 * Estudio de seguimiento o de cohorte (grupo con algo en común):

Prospectivo. Clasificar a los sujetos según la variable independiente, y observar cuales desarrollan la variable dependiente.

 Retrospectivo o histórico. La investigación se plantea después de haberse producido la enfermedad, se trata de investigar sobre datos registrados. Esta es una cohorte antigua.

   * Estudios de casos y controles: A partir de la variable dependiente quiero saber cuál es la variable independiente. Por eso pregunto a los sujetos si han estado expuestos en su pasado a la variable independiente, comparándolo con sujetos parecidos (sexo, edad…) pero sin presentar la variable dependiente.

        - Experimentales: Igual que las cohortes prospectivas, pero es el investigador quien introduce la variable independiente. Con autorización previa, este tipo de estudios plantean problemas éticos. La elección de la variable se propone aleatoriamente. Son ensayos clínicos o cuasiexperimental, cuando ha sujetos de la investigación que no quieren participar o abandonan el estudio.

            Niveles de evidencia

            Según las pruebas o estudios de investigación podemos valorar la evidencia a la asociación a los resultados obtenidos, el nivel de evidencia.

Nivel de evidencia:

            El nivel de evidencia aumenta con el aumento de los sesgos y la obtención de los datos de diseños menos fiables.

            Aplicación de las conclusiones a la práctica

GRADO DE RECOMENDACIÓN	EVIDENCIA
A	Satisfactoria
B	Razonable
C	Poca