seminv - libro de texto.pdf

Seminarios de Investigación Científica SeminariosDeinvestigacion.com

SEMINARIOS DE

INVESTIGACIÓN

CIENTÍFICA

www.SeminariosDeInvestigacion.com

2012


INDICE

1. Tipos de investigación…………………………………………………………………………………….. 01

2. Niveles en Investigación………………………………………………………………………………….. 02

3. Diseños en Investigación………………………………………………………………………………….. 03

4. Las variables según su medición……………………………………………………………………….. 04

5. Escalas de Medición de las variables……………………………………………………………….. 05

6. Las variables según su relación……………………………………………………………………….. 06

7. Unidades de estudio………………………………………………………………………………….…….. 07

8. Formulación del estudio………………………………………………………………………………….. 08

9. Delimitación del estudio………………………………………………………………………………….. 09

10. Objetivos estadísticos……………………………………………………………………………………….. 10

11. Objetivos estadísticos bivariados……………………………………………………………………….. 11

12. Objetivo estadístico comparar………………………………………………………………………….. 12

13. Formulación de hipótesis…………………………………………………………………………..…….. 13

14. Nivel de significancia……………………………………………………………………………………….. 14

15. Prueba de hipótesis……………………………………………………………………………….……….. 15

16. Población y muestra……………………………………………………………………………………….. 16

17. Unidades de muestreo…………………………………………………………………………………….. 17

18. Técnicas de muestreo……………………………………………………………………………………….. 18

19. Instrumentos de medición……………………………………………………………………………….. 19

20. Validez cualitativa de un instrumento……………………………………………………………….. 20

21. Validez cuantitativa de un instrumento…………………………………………………………….. 21

22. Técnicas de recolección de Datos…………………………………………………………………….. 22

23. Tipos de preguntas en un cuestionario…………………………………………………………….. 23

24. Escala de tipo Likert……………………………………………………………………………..………….. 24

25. Validez de un estudio……………………………………………………………..……………………….. 25

26. Sesgos de selección………………………………………………………………………..……………….. 26

27. Sesgos de medición…………………………………………………………………………..…………….. 27

28. Calidad de la información…………………………………………………………………..….……….. 28

29. Discusión de resultados…………………………………………………………….…………………….. 29

30. Criterios de Causalidad………………………………….……………………………………………….. 30


1

Tipos de investigación

1. Según la intervención del Investigador:

OBSERVACIONAL: No existe intervención del investigador; los datos reflejan la evolución natural de los

eventos, ajena a la voluntad del investigador.

EXPERIMENTAL: Siempre son prospectivos, longitudinales, analíticos y de nivel investigativo “explicativo”

(causa – efecto); además de ser “controlados”.

2. Según la planificación de la toma de datos

PROSPECTIVO: Los datos necesarios para el estudio son recogidos a propósito de la investigación

(primarios). Por lo que, posee control del sesgo de medición.

RETROSPECTIVO: Los datos se recogen de registros donde el investigador no tuvo participación (secundarios). No

podemos dar fe de la exactitud de las mediciones.

3. Según el número de ocasiones en que mide la variable de estudio

TRANSVERSAL: Todas las variables son medidas en una sola ocasión; por ello de realizar comparaciones,

se trata de muestras independientes.

LONGITUDINAL: La variable de estudio es medida en dos o más ocasiones; por ello, de realizar

comparaciones (antes – después) son entre muestras relacionadas.

4. Según el número de variables de interés

DESCRIPTIVO: El análisis estadístico, es univariado porque solo describe o estima parámetros en la

población de estudio a partir de una muestra.

ANALÍTICO: El análisis estadístico por lo menos es bivariado; porque plantea y pone a prueba hipótesis, su

nivel más básico establece la asociación entre factores.

IMPORTANTE: “Descriptivo no es sinónimo de observacional”. Un estudio observacional puede ser analítico.

Ejm: El estudio de los casos y controles.


2

Niveles de investigación

1. Exploratorio: Se plantean cuando no existe un cuerpo teórico que ilumine el fenómeno observado; su

función es el reconocimiento e identificación de problemas.

No hay preguntas que conduzcan a problemas precisos, se exploran áreas problemáticas. Se trata de

investigación cualitativa; por lo que no se requiere de manejo estadístico.

2. Descriptivo: Describe fenómenos sociales o clínicos en una circunstancia temporal y geográfica

determinada. Su finalidad es describir y/o estimar parámetros.

Se describen frecuencias y/o promedios; y se estiman parámetros con intervalos de confianza. Ejm. los

estudios de frecuencia de la enfermedad: Incidencia y Prevalencia.

3. Relacional: No son estudios de causa y efecto; la estadística solo demuestra dependencia entre eventos;

Ejm. los estudios de asociación sin relación de dependencia.

La estadística es bivariada nos permite hacer asociaciones (Chi Cuadrado) y medidas de asociación;

correlaciones y medidas de correlación (Correlación de Pearson).

4. Explicativo: Explica el comportamiento de una variable en función de otra(s); por ser estudios de causa-

efecto requieren control y debe cumplir otros criterios de causalidad.

El control estadístico es multivariado a fin de descartar asociaciones aleatorias, casuales o espurias entre

la variable independiente y dependiente. Ejm. Chi2 de Mantel-Haenszel.

5. Predictivo: Se encarga de la estimación probabilística de eventos generalmente adversos, como puede

ser las complicaciones de la enfermedad, la mortalidad, etc.

Se aplican un conjunto de técnicas estadísticas. Ejm. La validación de una prueba diagnóstica requiere:

Alfa de Cronbach, Índice Kappa, ANOVA, Curvas ROC.

6. Aplicativo: Plantea resolver problemas o intervenir en la historia natural de la enfermedad. Enmarca a la

innovación técnica, artesanal e industrial como la científica.

Las técnicas estadísticas apuntan a evaluar el éxito de la intervención, como medidas de impacto sobre

los principales indicadores de salud: tasas, coberturas, rendimiento, etc.


3

Diseños en investigación

1. Epidemiológicos: Estudian la morbi-mortalidad y eventos la salud en poblaciones humanas.

Descriptivos: Pueden ser transversal (Ej. Estudio de prevalencia) y longitudinal (Ej. Estudio de

incidencia).

Analítico: Aquí se encuentran los estudios de factores de riesgo, los que terminan planteando la relación

de causalidad. Ej. Casos y controles; Cohortes.

De intervención: No son experimentos verdaderos, porque se ven limitados por las normas éticas. Ej.

Ensayos clínicos y ensayos de población.

2. Experimentales: Requiere dos condiciones: intervención y asignación aleatoria (grupo control).

Pre-experimento: La intervención no es apropósito de la investigación; sino que obedece a las

necesidades terapéuticas del sujeto.

Cuasi-experimento: Cuando no hay grupo control, no es posible realizar la asignación aleatoria, se

realiza dos mediciones en el mismo grupo.

Experimento verdadero: Cumple con la asignación aleatoria (grupo control) e intervención a propósito

de la investigación.

3. Comunitarios: La unidad de estudio es la población y la fuente de datos de tipo secundario.

Exploratorios: El único propósito es buscar patrones espaciales o temporales que podrían sugerir temas

de investigación.

Comparaciones múltiples: Verifican hipótesis sobre la diferencia de parámetros correspondientes a

situaciones diferentes en una población.

Series temporales: Analiza las variaciones temporales de los niveles de exposición a través del tiempo.

Ej. La semana epidemiológica.

4. Validación de instrumentos: Se orientan a la identificación, definición y medición de un constructo.

Creación: Cuando no existe la forma de evaluar un constructo (variable subjetiva) se tiene que definir el

concepto antes de pensar en medirlo.

Validación: Referida a las propiedades métricas del instrumento, su principal objetivo es poder detectar

y descartar el concepto estudiado.

Optimización: La finalidad de usar un instrumento es que sea una herramienta a la hora de tomar

decisiones las cuales siempre son dicotómicas.


4

Las variables según su medición

1. Variables objetivas

Son propiedades, características o atributos que se dan en las unidades de estudio (personas, grupos,

etc.) o por derivación de ellas; siempre deben ser medibles.

Las variables individuales corresponden a las unidades de estudio individuales, ejm. el nivel de

instrucción de las personas.

Las variables colectivas son propiedades de grupos y su medición se basa en las propiedades

individuales que poseen sus miembros, por ejemplo el índice de analfabetismo.

Unidimensionales

Cuando las variables no presentan ninguna dificultad para su identificación se dice que tienen

indicadores directos (la misma variable es su propio indicador) o unidimensionales.

El análisis estadístico de las variables individuales y las variables colectivas; incluso dentro de un mismo

objetivo, no siempre es el mismo.

2. Variables subjetivas

El constructo es una propiedad que se supone posee una persona (unidad de estudio individual), es un

concepto teórico. Ejm. la inteligencia, la motivación, la creatividad, las actitudes, etc.

Los constructos se definen como propiedades subyacentes, que no pueden medirse de manera directa,

sino mediante indicadores que corresponden a sus dimensiones.

Los instrumentos utilizados para medir variables subyacentes, deben tener una validez de constructo

que corresponde su definición operacional.

Multidimensionales

Siendo que las variables subyacentes no se pueden medir directamente se requieren de indicadores; de

manera que cada uno de los indicadores se convierte en una dimensión.

Las variables subyacentes (constructos) que no pueden medirse de manera directa, requieren de tantas

dimensiones como indicadores que permitan su medición.


5

Escalas de medición de las variables

Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS

Naturaleza CUALITATIVAS CUANTITATIVAS

Escala (0) NOMINAL

Ningún atributo

(1) ORDINAL

Un atributo

(2) INTERVALO

Dos atributos

(3) RAZÓN

Tres atributos

Atributos de la

escala Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen

Característica

Posee categorías a las que se

asigna un nombre sin que exista

ningún orden implícito entre ellas.

Posee las categorías ordenadas, pero

no permite cuantificar la distancia

entre una categoría y otra.

Tiene intervalos iguales y medibles. No

tiene un origen real, por lo que puede

asumir valores negativos.

Tiene intervalos constantes entre

valores; además de un origen real. El

cero significa la ausencia del

individuo.

Ejemplos Género Estado Civil Instrucción Intensidad Temperatura Hora del día Peso Hijos

Valor Final Masculino

Femenino

Soltero

Casado

Conviviente

Primaria

Secundaria

Superior

Leve

Moderado

Severo

-10C

0C

20C

00 Horas

10 Horas

20 Horas

00.00Kg

10.24Kg

20.00Kg

Uno

Dos

Tres

Observaciones

Dicotómicas: Tienen solamente dos categorías

Ejemplos de Ordinal Dicotómica:

Nuevo - Continuador

Vivo – Fallecido

Sano – Enfermo

Politómicas: Tienen más de dos categorías.

Continuas: Provienen de medir

Se pueden representar con números enteros o fraccionarios

Entre dos valores siempre existe un valor intermedio

Discretas: Provienen de contar

Solamente pueden ser representados con números enteros


6

Las variables según su relación

Esta clasificación de las variables se fundamenta en la búsqueda de obtener explicación causal

fundamentalmente en un estudio observacional y auxiliarmente en un experimento y correspondiente al nivel

investigativo explicativo.

Su estructura responde a la necesidad de realizar el control fundamentalmente estadístico y auxiliarmente

metodológico de la relación causa-efecto.

1. Variable independiente

Es aquella cuya existencia es autónoma, no depende de otra, más bien de ella dependen otras, representa los

factores que constituirían la causa, siendo que previamente ha demostrado ser factor de riesgo para el

problema que se estudia. En este sistema de variables se plantea solamente una variable independiente.

2. Variable dependiente

En este sistema de variables representa a la variable de interés o variable de estudio, es la que para su

existencia y desenvolvimiento depende de otra independiente, su modo de ser, está condicionada por otros

aspectos de la realidad. Es la que mide o describe el problema que se estudia.

3. Variables intervinientes

3.1. Variable de confusión

Su participación puede intensificar o antagonizar la relación aparente entre el problema y una posible causa,

creando confusión en el investigador. Su influencia se da tanto sobre la variable independiente como en la

dependiente. Su control se debe realizar mediante análisis estratificado.

3.2. Variable intermedia

Esta variable aparece de manera incalculada durante el proceso de una observación o inesperada dentro de un

experimento, entre el factor causal y el efecto. Ocurre cuando no ha habido una buena elección de los factores

de riesgo. El procedimiento más idóneo para su neutralizar su participación es el análisis multivariado.

3.3. Variable control

Es una variable con una fuerte influencia sobre la variable dependiente, pero ningún efecto reconocido sobre la

variable independiente. Habitualmente se reconoce su participación en el momento de la planeación. Su

control se realiza metodológicamente mediante los criterios de exclusión.


7

Unidades de estudio

1. Unidad de estudio: Es la unidad sobre la cual se necesita información, es el individuo (conjunto de

individuos) de donde se obtiene el dato; la unidad de estudio corresponde a la entidad que va a ser

objeto de medición y se refiere al qué o quién es sujeto de interés en una investigación. La información se

obtiene a partir de la unidad que haya sido definida como tal, incluso si para acceder a ella se deba

recurrir pasos intermedios; en un trabajo de investigación existe solamente una unidad de estudio.

2. Unidad de información: La información que requerimos de una unidad de estudio, no siempre se obtiene

de ella misma, cuando la unidad de estudio es la población el individuo se convierte en unida de

información, en un estudio retrospectivo las unidades de información son las historias clínicas. Cuando

evaluamos el trastorno por déficit de atención en los niños se le encuesta a sus padres y/o a sus

profesores. En los meta-análisis son los propios estudios los que brindan la información.

3. Unidad de muestreo: Está constituida por una o varias unidades de estudio. Son las unidades que

ingresan al sorteo en el muestro aleatorio simple; en un muestreo polietápico son los conglomerados o

clústers quienes ingresan al sorteo, mientras que las unidades de estudio son los pacientes. En una

encuesta de preferencias políticas, las unidades muestreo son los hogares pero la unidad de estudio es el

votante. En el muestreo polietápico hay tantas unidades de muestreo como etapas tenga el remuestreo.

4. Unidad de análisis: Si queremos conocer el nivel de glucosa en plasma 5cc de sangre serán suficientes, a

esta cantidad de sustancia se le conoce como unidad de análisis, y basta con una para realizar inferencia

estadística, la unidad de análisis es el elemento objeto de estudio, cada unidad de estudio puede tener

una o más unidades de análisis, si el estudio es sobre piezas dentarias, un individuo tendrá más de una

unidad de análisis. Desde el punto de vista investigativo la unidad de análisis es indivisible.

5. Unidad de observación: Corresponde al indicador de la variable multidimensional; en un estudio sobre el

nivel socioeconómico las unidades de observación son las condiciones físicas de su vivienda, pero

también es el estado de cuenta de sus movimientos financieros. En un centro hospitalario los atendidos

son las unidades de estudio, pero las atenciones son las unidades de observación; un paciente asmático

puede tener tantas observaciones como ingresos hospitalarios registre debido a su enfermedad.

6. Unidades de experimentación: Cada una de las reacciones de un individuo sometido a las variaciones de

un mismo estímulo es una unidad de experimentación, donde cada medida refleja el efecto de la

intervención; así por ejemplo en una audiometría se somete a un mismo individuo a estímulos acústicos

de diferente intensidad y frecuencia; la unidad de experimentación es única si la unidad de estudio se

descarta luego de la investigación, como ocurre con los animales de experimentación.


8

Formulación del problema

La expresión, FORMULACIÓN DEL PROBLEMA, viene de la palabra fórmula, que significa arreglo de términos de

acuerdo a la relación observada entre ellos. Se trata de sintetizar la cuestión proyectada a investigar en

términos concretos, explícitos, claros y precisos, puede adoptar la forma declarativa o interrogativa. No todos

los estudios representan un problema, por ello Los problemas de Investigación se formulan con los 5

componentes a continuación:

Propósito del estudio: Conocido también como especificidad del estudio, porque es el aspecto preciso,

concreto y claro que se busca investigar, es la finalidad cognoscitiva del estudio porque refleja el tipo de

conocimiento que el investigador sesea adquirir, es el propósito estadístico porque implica lo que el

investigador desea indagar en la o las variables de interés, o etc. En un solo término o frase hace alusión al

diseño de la investigación, al nivel investigativo, al tipo de estudio u objetivo estadístico, etc.

Variables de interés: Es el aspecto observable en las unidades de estudio; son cada una de las variables que

participarán en el análisis estadístico con un papel único, así por ejemplo en un estudio de factores de riesgo,

todos los factores planteados en conjunto representan solamente una variable de interés. Un tipo especial de

variable de interés es la variable de estudio la cual aparece explícitamente en el enunciado y que puede ser fija

o aleatoria dependiendo del nivel investigativo en el que nos encontremos.

Unidades de estudio: La unidad de estudio es única en un trabajo de investigación y caracteriza a toda la línea

de investigación; es la entidad que va a ser objeto de medición y se refiere al sujeto o grupo de sujetos de

interés en una investigación, toda la a información se obtiene a partir de la unidad que haya sido definida como

tal, incluso si para acceder a ella se deba recorrer pasos intermedios. Debe mencionarse a las unidades de

estudio de la cual se necesita la información, aunque a veces su presencia en el enunciado resulta implícita.

Delimitación espacial: Es ineludible cuando se tratan de estudios de nivel exploratorio y descriptivo; es preciso

delimitar un estudio exploratorio o descriptivo porque los fenómenos varían de un lugar a otro; lo cual no

ocurre en los estudios relacionales, explicativos y predictivos; en el enunciado se debe especificar sobre qué

población se realizará la inferencia estadística. La delimitación espacial se encuentra relacionado con el tamaño

de la muestra, porque su identificación nos permite conocer el marco muestral.

Delimitación temporal: Su identificación es aún más trascendente que la ubicación espacial en los estudios de

nivel exploratorio y descriptivo, porque circunscribe e identifica una población a estudiar solucionando así el

problema de las poblaciones infinitas o desconocidas por lo que se encuentra relacionado con el muestreo

accidental. En las enfermedades o situaciones problemáticas que varían excesivamente en relación al tiempo es

preciso ubicar un espacio lo suficientemente representativo de la población.


9

Delimitación del estudio

Delimitar el tema de estudio quiere decir construir una valla a la investigación y especificar el alcance de sus

conclusiones. En los niveles de investigación más básicos es prioritario delimitar el estudio; siendo que una

línea de investigación se delimita de manera automática mientras más avanza a través de los niveles de la

investigación. El primer criterio para delimitar el problema es su formulación o enunciado a los cuales debemos

añadir los siguientes criterios de delimitación:

1. Área del conocimiento: Toda vez que hayamos enunciado el estudio debemos delimitar el área del

conocimiento en términos de área general, área específica, especialidad y línea de investigación. Es

posible que un estudio pertenezca a más de una área del conocimiento denominándosele

multidisciplinario; el cual se caracteriza por poseer por lo menos dos variables de interés cada una de

ellas en distintas áreas del conocimiento.

2. Operacionalización de variables: Todos los problemas o enfermedades son multifactoriales donde el

número de variables es infinito; por lo que es preciso delimitarlas mediante un cuadro de

operacionalización de variables, el cual tiene por finalidad identificar las variables que ingresaran al

proceso de estudio agrupándolas por variables de interés y de acuerdo a la relación que guardan entre

ellas, además se consignarán sus indicadores y el valor final que pueden asumir luego de su medición

reconociendo su escala de medición.

3. Marco Conceptual: Se delimita por la información disponible en el momento en que se ejecuta el

estudio, de tal modo que podamos situarnos en un determinado nivel investigativo; cuando la variable

de estudio es subjetiva delimitamos los conceptos mediante la elección del instrumento y la teoría que

lo sustenta; cuando no hay un instrumento el autor del estudio propone uno y cuando existen múltiples

instrumentos se deberá elegir el más idóneo.

4. Marco Muestral: Los recursos delimitan la cantidad de unidades de estudio, de manera que no

podemos evaluar a toda la población principalmente por razones de tiempo y economía; de tal modo

que tendremos que recurrir a una muestra, la cual tiene un nivel de confianza y también un grado de

error, es preciso reconocer que nivel de confianza tendrá nuestro estudio en relación a la cantidad de

unidades de estudio que hayamos incluido en el mismo.

5. Selección de instrumentos: Los instrumentos de medición delimitan el estudio por su capacidad de

detectar y descartar el problema en estudio; cuando no podemos acceder a la prueba patrón, gold

estándar o diagnóstico definitivo, tendremos que echar mano de la prueba de screening, tamizaje o de

despistaje. Es preciso que delimitemos el estudio reconociendo que instrumentos estamos utilizando, si

trata de uno documental mencionar al autor y si se trata de uno mecánico mencionar la marca.


10

Objetivos estadísticos

Uno de los criterios más importantes a la hora de escoger el estadístico de prueba, se encuentra

intrínsecamente relacionado al nivel investigativo; Exploratorio - Descriptivo - Relacional - Explicativo -

Predictivo - Aplicativo. En esta pastilla se ha omitido intencionalmente el objetivo estadístico comparar por ser

el más usado y encontrarse en todos los niveles merece una mención aparte.

1. A nivel descriptivo

Determinar. Cuando buscamos en obtener el resultado de una variable subyacente o constructo

y utilizamos un instrumento documental.

Estimar: Usado frecuentemente para la estimación puntual de un parámetro y los intervalos de

confianza del mismo.

Describir: Para las variables que no son de estudio y que no involucra la utilización de

instrumentos pues se tratan de variables unidimensionales o directas.

2. A nivel relacional

Asociar: Plantea que dos sucesos ocurren de manera simultánea en repetidas ocasiones y que tal

concurrencia no puede atribuirse al azar.

Correlacionar: Plantea que en un mismo individuo las unidades de una de sus variables se

correlaciona con otra diferente.

Concordar: Sucesos concurrentes que corresponden a diferentes observadores o al mismo

observador pero con diferentes instrumentos.

3. A nivel explicativo

Evidenciar: Propio de los estudios observacionales donde el análisis estratificado busca descartar

asociaciones aleatorias, casuales o espurias.

Demostrar: Cuando el origen de los datos corresponde a un experimento, pretendemos

demostrar algo que previamente se ha evidenciado.

Probar: Luego de haber demostrado mediante un estudio experimental se tiene que repetir para

probar consistencia o coherencia (Bradford Hill 1965)

4. A nivel predictivo

Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie de eventos, por

consecuencia la variable a predecir es dicotómica.

Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en función al tiempo por

consecuencia la variable pronosticada es numérica.

Preveer: Calcular la probabilidad de necesitar, disponer o preparar medios contra futuras

contingencias.


11

Objetivos estadísticos bivariados

1. Comparar (grupos): Es el objetivo estadístico más básico del análisis bivariado, el modelo comparativo

cuenta con la participación de una variable fija y una variable aleatoria. Su finalidad es identificar las

diferencias entre los grupos participantes; se puede comparar dos o más grupos los cuales se

construyen en la etapa de la planificación del estudio. La comparación inicial es a dos colas; pero debe

complementarse con un test de una sola cola.

La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Homogeneidad cuando la variable

aleatoria es categórica y t de Student para muestras independientes si la variable aleatoria es numérica.

Ho: NO Existen diferencias entre los grupos evaluados.

H1: Existen diferencias entre los grupos evaluados.

2. Comparar (antes-después): Es la comparación de un mismo grupo antes y después de un periodo de

seguimiento (observacional) o de una intervención (experimental); la idea de hacer dos medidas sobre

el mismo grupo, es verificar los cambios producidos entre una medida y otra; por ello corresponden a

estudios longitudinales. Estas comparaciones siempre son de individuo a individuo. La hipótesis

habitualmente es de una sola cola.

La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de McNemar cuando la variable

aleatoria es categórica y t de Student para muestras relacionadas si la variable aleatoria es numérica.

Ho: No existe variación entre las medidas antes y después.

H1: Existe variación entre las medidas antes y después.

3. Asociar (categorías) o Correlacionar (unidades): Constituyen una misma proposición porque involucras

la participación de dos eventos aleatorios. La correlación puede significar el primer paso para la

asociación, muy útil cuando se realiza minería de datos. Para correlacionar hay que definir las unidades

de estudio en ambas variables y para asociar hay que definir los factores de interés en ambas variables.

Podemos correlacionar los valores de IMC con la glucosa y luego asociar la obesidad con la diabetes.

La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Independencia cuando las dos

variables aleatorias son categóricas y la correlación de Pearson si las variables aleatorias son numéricas.

Ho: Existe independencia entre los dos resultados.

H1: Existe dependencia entre los dos resultados.

4. Concordar o correlacionar (Como valor predictivo) Una vez demostrada a la asociación es preciso

realizar la medida de asociación; la concordancia es una media de asociación y el coeficiente r de

Pearson es una medida de correlación. La concordancia puede correspondes a diferentes observadores

o a diferentes instrumentos. Desde el punto de vista de la evaluación de pruebas diagnósticas se utiliza

la concordancia o correlación para evaluar el valor predictivo de una variable sobre otra.

El estadístico es un índice de concordancia: Índice Kappa de Cohen cuando las dos variables aleatorias son

categóricas y el Índice de Correlación R de Pearson si las variables aleatorias son numéricas.


12

Objetivo comparativo

1. Exploratorio. Aquí se encuentran las comparaciones sin métodos estadísticos, donde podemos

encontrar dos casos las comparaciones múltiples enmarcadas en los diseños comunitarios o ecológicos

donde la unidad de estudio es la población y los estudios de casos donde la población es un solo

individuo. Así por ejemplo podemos comparar de las costumbres a la hora del parto en la Región

Quechua y Aymara. También podemos comparar la opinión de un grupo de expertos en el proceso de la

validación por jueces dentro de la validez de contenido de un instrumento.

2. Descriptivo. Las comparaciones descriptivas ocurren cuando evaluamos dos poblaciones en los estudios

comunitarios o ecológicos, en este caso no se requiere aplicar pruebas estadísticas puesto que la unidad

de estudio es la población y no se requiere hacer inferencia estadística. La comparación del rendimiento

académico de dos estudiantes al momento de su graduación tampoco requiere de pruebas de hipótesis

sino solamente verificar quien tiene el mayor promedio. La comparación descriptiva es el preludio para

la comparación a nivel de prueba de hipótesis.

3. Relacional. El contraste de independencia entre dos variables presenta tres modelos matemáticos: con

los totales marginales de ambos factores fijos (modelo I), modelo con los totales marginales de uno de

los factores fijos (modelo II), y el modelo con el total muestral fijo (modelo III); pues bien el objetivo

comparativo a nivel bivariado (nivel relacional) corresponde al modelo II con un factor fijo y uno

aleatorio. La comparación puede ser de grupos independientes o de muestras relacionadas y

necesariamente involucra el planteamiento de hipótesis.

4. Explicativo. El análisis comparativo estratificado permite el control estadístico en un estudio

observacional a nivel explicativo como por ejemplo el test de Mantel-Haenszel. La finalidad esta

comparación estratificada es descartar asociaciones aleatorias, casuales o espurias. A nivel experimental

podemos plantear objetivos comparativos de grupo aleatorizados; por ejemplo comparar las

evaluaciones del grupo experimental y el grupo blanco. Dentro de los experimentos verdaderos la

factorización de las causas también corresponde al objetivo comparativo.

5. Predictivo. Podemos comparar el valor predictivo de dos procedimientos diagnósticos; por ejemplo

podemos comparar la eficiencia diagnóstica de dos métodos de detección de una enfermedad. También

podemos comparar el valor predictivo de métodos de evaluación predictiva. En otro momento podemos

comparar el pronóstico de la enfermedad o del tiempo de supervivencia de dos tratamientos en

pacientes con cáncer. Así podemos citar una técnica estadística comparativa para el análisis de

supervivencia de Kaplan-Meier.


13

Formulación de hipótesis

La hipótesis es una proposición del investigador sobre la cual hay que emitir un juicio de valor; una proposición

o enunciado es una oración que puede ser falsa o verdadera pero no ambas a la vez.

1. Estructura gramatical. La hipótesis tiene dos partes.

Fundamento: Es lo que nos lleva a sostener la hipótesis planteada. Las hipótesis relacionales carecen de

fundamento porque nacen de la subjetividad de una observación; mientras que las hipótesis explicativas

se fundamentan en los antecedentes investigativos.

Deducción: Es la hipótesis misma, denominada hipótesis del investigador; estadísticamente es la

hipótesis alterna y se debe someter a contraste. Cuando se la plantea en forma de interrogante es la

que da respuesta al enunciado.

2. Estructura lógica. La hipótesis tiene dos orígenes.

Las hipótesis empíricas (David Hume) o relacionales son afirmaciones respecto a las relaciones entre

dos o más variables sin fundamento, porque nacen de la observación y la experiencia. Solamente buscan

concordancia entre hechos y generan la necesidad de plantear hipótesis explicativas. Son inductivas.

Las hipótesis racionales (René Descartes) o explicativas son consideradas como explicaciones tentativas.

Deben estar relacionadas con el conocimiento existente; nacen del razonamiento por analogía (Bradford

Hill). Sin antecedentes investigativos no es posible plantear hipótesis explicativas. Son deductivas.

3. Estructura matemática. La hipótesis tiene dos proposiciones

Hipótesis Nula (Ho) Conocida como la hipótesis de trabajo, porque es a ésta afirmación a la que se le

somete a contraste; es decir a la que se le rechaza o no se le rechaza. La hipótesis nula niega la

afirmación que plantea la hipótesis alterna.

Hipótesis Alterna (H1) Se le conoce como la hipótesis del investigador, porque esta afirmación es la que

el investigador desea probar y se da por verdadera cuando rechazamos la hipótesis nula (Ho); como

existe la posibilidad de error tenemos que estimar la probabilidad de que eso ocurra.

4. Estructura científica. La hipótesis deben cumplir los siguientes requisitos

Deben ser lógicas: el problema que se está estudiando debe ser deducible a partir de la hipótesis

Científicamente fundadas: en la teoría disponible o por lo menos compatible con el conocimiento actual.

Empíricamente contrastables: debe ser posible hacer observaciones y/o experimentos que la confirmen.

Poder explicativo: debe poder absorber otras hipótesis y ser la que tenga mayor poder predicativo.

Simples: la hipótesis debe tener el menor número de elementos o suposiciones no confirmadas.

Las hipótesis deben ser conceptualmente claras, deben tener referentes empíricos, deben ser

específicas y debe verificarse que existen técnicas para contrastar la hipótesis.


14

Nivel de significancia

Cada decisión que tomamos cada día tiene un margen de error, así tenemos que: la cirugía tiene un margen de

error, los vuelos aéreos tienen un margen de error, rendir un examen tiene un margen de error, etc. Conocer la

magnitud del error es la tarea principal del investigador, el cual debe estimar la probabilidad de ocurrencia de

este error y esperando que sea de la menor magnitud posible. Por esta razón es indispensable plantear en cada

caso, la magnitud del error que estamos dispuestos a aceptar para tomar cualquiera de nuestras decisiones.

1. Nivel de significancia.

Es un concepto integrado a la prueba de hipótesis, donde el investigador plantea una proposición la cual

pretende considerarla como verdadera, al tomar tal decisión existe la probabilidad de equivocarse, de

cometer un error, al cual denominamos error tipo I, entonces decide estimar la probabilidad de cometer

ese error. El p-valor definida como la probabilidad de que la proposición aceptada sea falsa no debe ser

mayor al valor del error establecido convencionalmente en la fase de planificación como el límite de

error que estamos dispuestos a aceptar.

2. Definiendo conceptos.

El error tipo I: Ocurre cuando aceptamos la hipótesis del investigador, cuando tal proposición era falsa.

Por lo tanto, es un juicio de valor equivocado.

El p-valor: Es la probabilidad de equivocarse al aceptar la hipótesis del investigador como verdadera; es

decir la probabilidad de cometer un error tipo I.

El nivel de significancia: Es la máxima cantidad de error que estamos dispuestos aceptar para dar como

válida la hipótesis del investigador.

3. Planteamiento de hipótesis.

Desde el punto de vista matemático tenemos dos hipótesis: La hipótesis nula (Ho) o hipótesis de trabajo

y la hipótesis alterna (H1) o hipótesis del investigador. El investigador plantea rechazar la hipótesis nula

(Ho); para quedarse con la alterna (H1), la cual corresponde a su proposición preliminar. Si el p-valor es

menor al nivel de significancia; rechazamos la hipótesis nula (Ho) y concluimos en que hipótesis alterna

es verdadera. Si el p-valor no es menor al nivel de significancia no podemos rechazar la hipótesis nula; lo

cual no significa que debamos aceptarla; significa que, no podemos rechazarla.

4. Nivel de confianza.

Complementariamente al nivel de significancia, el nivel confianza se refiere a la confianza que debemos

alcanzar para generalizar nuestro resultado o nuestra conclusión, independientemente de la hipótesis

que hayamos planteado. Una probabilidad elevada nos dará la tranquilidad de que lo que hemos

encontrado o concluido es cercano a lo real y no debido al azar. El nivel de confianza se expresa

convencionalmente en porcentaje; así un nivel confianza del 95% se corresponde con un nivel de

significancia del 5%.


15

Prueba de hipótesis

1. Formulación de Hipótesis

Consiste en trasladar la estructura gramatical, lógica y científica hacia la estructura matemática el cual se

conoce como sistema de hipótesis o hipótesis estadística; así por ejemplo:

Ho: Hipótesis nula ó hipótesis de trabajo

H1: Hipótesis alterna ó hipótesis del investigador

El primer paso es colocar la hipótesis del investigador como Hipótesis Alterna (H1) y formular la Hipótesis Nula

(Ho) que viene a ser la negación de la alterna. Se precisa este artificio porque es a la Hipótesis Nula a la que se

le somete a contraste.

2. Establecer el nivel de significancia.

El nivel de significancia denotado por la letra griega alfa es la probabilidad de rechazar la hipótesis nula cuando

en realidad ésta es verdadera, a lo cual se le denomina error de tipo I. Según Fisher, el nivel de significancia

estadística equivale a la magnitud del error que se está dispuesto a correr de rechazar una hipótesis nula

verdadera. Para la mayoría de los propósitos, el nivel de significación previamente establecido suele ser de 0.05

en porcentaje 5% y se considera significativo a todo p-valor que se encuentre por debajo de este nivel, se

considera altamente significativo cuando el p-valor es menor a 0.01 en porcentaje 1%.

3. Elección del estadístico de prueba.

Hay que diferencias claramente los conceptos: objetivo estadístico, estadístico de prueba aunque están

intrínsecamente relacionados; el estadístico de prueba se elige en función a 6 conceptos: tipo de estudio, nivel

investigativo, diseño de la investigación, objetivo estadístico, escalas de medición de las variables y

comportamiento de los datos, es este último punto donde debemos considerar la distribución de los datos en

las variables de naturaleza cuantitativa y las frecuencias esperadas para las variables de naturaleza cualitativa.

4. Lectura del p-valor.

Este paso en el ritual de la significancia estadística no fue planteado originalmente por Fisher, pero cobra vital

importancia con la adopción de los programas estadísticos a la hora de calcular el valor de p, el cual cuantifica

el error tipo I y nos ayuda a tomar una decisión de rechazo a la hipótesis nula (Ho) cuando es menor al nivel de

significancia y de no rechazo cuando su valor es mayor al alfa planteado. El p-valor, al ser la cuantificación de

error solo es un dato que nos ayuda a decidirnos a la hora de tomar decisiones basadas en la probabilidad.

5. Toma de la decisión

En las épocas en que no se podía estimar de manera práctica el p-valor, se solía contrastar el valor del

estadístico de prueba con el valor teórico o de tabla que correspondía a la distribución que siguen nuestras

variables; sin embargo este método no solamente ha quedado obsoleto sino que además es inexacto, puesto

que teníamos que disponer las tablas de distribución para cada tipo de variable. Hoy en día cuando se trata de

demostrar nuestra hipótesis del investigador no hay mejor forma que la estimación del p-valor.


16

Población y muestra

1. Población

Es el conjunto de todas las unidades (sujetos u objetos de estudio) cuya característica observable o

reacción que pueden expresar nos interesa estudiar. Las poblaciones deben situarse claramente. En los

estudios exploratorios y descriptivos preciso delimitar la población que va ser estudiada en torno a sus

características de contenido, lugar y tiempo. En los estudios analíticos cobra mayor importancia el

ámbito de recolección de datos, el cual representa cualitativamente a la población.

2. Muestra

Es una proporción de la población que va a ser sometida al estudio, la muestra no es más que una

estrategia metodológica y estadística aplicable cuando luego realizar nuestro análisis de factibilidad

encontramos que no podemos acceder a la población; sin embargo no debemos olvidar que nuestro

interés radica en estudiar a la población y no a la muestra. Una muestra es representativa si cumple dos

condiciones: El cálculo del tamaño de la muestra y la técnica de muestreo probabilístico.

3. Marco muestral

Es el listado de unidades o elementos de muestreo que se van a someter al sorteo, a fin de obtener una

muestra representativa, cuando no se dispone de tal listado se dice que el marco muestral es

desconocido y para efectos del cálculo del tamaño de la muestra se le considera infinito, con la finalidad

de reducir el error aleatorio. La medición completa de todos los elementos que constituyen la población

se llama censo y así como los comicios electorales no pueden ser ejecutados mediante muestreo.

4. Unidades de muestreo

Son las unidades que ingresan al sorteo en el muestro; así por ejemplo en el muestreo aleatorio simple

son las propias unidades de estudio, pero en un muestreo por conglomerados o clústers, son

precisamente estos grupos o conjuntos de unidades de estudio. Así podemos mencionar que las

unidades de muestreo no son necesariamente las unidades de estudio; y añadiremos que cada unidad

de estudio pertenece sólo a una unidad de muestreo.

5. Muestreo

Es la estrategia mediante la cual pretendemos elegir a las unidades que conformarán nuestra; y se

ejecuta únicamente después de haber definido el tamaño de la muestra. Si bien podemos elegir entre el

muestreo probabilístico y el no probabilístico; solamente el primero nos asegura la representatividad y

por tanto la posibilidad de realizar la inferencia estadística, por lo que debemos procurar utilizar

siempre el muestreo probabilístico, lo cual no siempre estará a nuestro alcance.


17

Unidades de muestreo

En el muestreo probabilístico son las unidades que ingresan al proceso de aleatorización y están constituidas

por una o varias unidades de estudio. A continuación una aproximación a su clasificación.

1. Por la relación que tienen con la unidad de estudio

a. Propias

Corresponde a la misma unidad de estudio, la cual ingresará al proceso de aleatorización que si llega a

ser seleccionada integrará la muestra, la unidad de muestreo propia es la más común y por ser

frecuente se suele pensar que es la única forma de muestrear.

b. Conjuntas

Son conglomerados de unidades de estudio y que representan mini-poblaciones, por cuanto contienen

la variabilidad de la variable de estudio que se observaría en la población; así por ejemplo en un estudio

sobre la satisfacción laboral en el MINSA, las unidades de muestreo son los centros de salud.

c. Identificadoras

Es la unidad que nos permite identificar la unidad de estudio, por lo que solamente sobre ella se realiza

el muestreo; por ejemplo en un estudio de la relación médico-paciente se evalúa a cada médico con un

conjunto de sus pacientes, pero los que ingresan al proceso de aleatorización son los médicos.

d. Contenedoras

Delimitada por la accesibilidad a las unidades de estudio; la estrategia de recolección de datos nos

señalará la unidad de muestreo, así tenemos que en una encuesta de preferencias políticas, las unidades

de muestreo son los hogares y en su interior un votante corresponde a la unidad de estudio.

2. Por el número de unidades muestreo

a. Únicas

Característico del muestreo aleatorio monoetápico donde el proceso de aleatorización se realiza en una

sola ocasión, luego del cual se procede a la fase de recolección de datos; en este caso el procedimiento

de muestreo se agota con la selección de la muestra a partir de las unidades de muestreo.

b. Múltiples

En el muestreo polietápico hay tantas unidades de muestreo como etapas tenga el remuestreo; así por

ejemplo en un estudio sobre la satisfacción laboral de los trabajadores del MINSA, se sortean primero

los centros de salud y luego en éstos a los trabajadores. En ningún caso habrá remuestreo sobre las

mismas unidades de muestreo.


18

Técnicas de muestreo

Existen dos métodos para seleccionar muestras de poblaciones: el muestreo no aleatorio o de juicio y el

muestreo aleatorio (que incorpora el azar como recurso en el proceso de selección). A continuación las

técnicas de muestreo probabilístico.

1. Muestreo aleatorio simple

Denominado también muestreo equiprobabilístico, porque si se selecciona una muestra de tamaño n de

una población de N unidades, cada elemento tiene una probabilidad de inclusión igual y conocida de

n/N.

Ventaja: Se desarrolla en software porque se basa en la teoría estadística

Desventaja: Precisa un marco muestral o listado de todas las unidades

2. Muestreo sistemático

Para determinar una muestra de tamaño n conseguimos una lista de N elementos, definimos un

intervalo de salto k=N/n y elegimos un número aleatorio entre 1 y k con el que comenzamos la selección

de la muestra.

Ventaja: No es necesario tener un marco muestral o listado de unidades.

Desventaja: La constante podría asociarse con el fenómeno de interés

3. Muestreo aleatorio estratificado

Como el azar no es una garantía de representatividad, aquí se pretende asegurar la representación de

cada grupo en la muestra. Cuanto más homogéneos sean los estratos, más precisas resultarán las

estimaciones.

Ventaja: La muestra es homogénea en función a la variable involucrada.

Desventaja: Se debe conocer la distribución en la población de la variable utilizada para la

estratificación.

4. Muestreo por conglomerados

Denominado también muestreo por clústers aprovecha se caracterizan porque la variación en cada

grupo es menor que la variación entre grupos lo cual resulta ventajoso en los estudios comunitarios o

poblacionales.

Ventaja: Muy eficiente cuando las unidades están muy dispersas

Desventaja: Requiere un manejo estadístico más complejo que el resto


19

Instrumentos de medición

Destinados a medir variables subjetivas denominadas constructos, requieren de tareas o procedimientos

estructurados que recogen las respuestas de un participante, cuya puntuación es independiente de la persona

que evalúa. Los instrumentos deben provocar una reacción a los evaluados cuya respuesta se plasme en un

documento. No confundir con materiales de verificación.

1. Instrumentos Documentales

El Cuestionario.

Es un plan formalizado para recolectar datos de encuestados y/o entrevistados. Es el método más

conocido para la recolección de datos y el más familiarizado. Un cuestionario supone un conjunto de

preguntas que el sujeto tiene que responder a fin de evaluar alguna capacidad, generalmente cognitiva,

lo cual debe ser calificado por el evaluador

Como ejemplo podemos citar a los exámenes para evaluar rendimiento académico.

La Escala.

Los evaluados indican su acuerdo o desacuerdo con una serie de afirmaciones sobre la variable que se

desea medir. Arrojan una calificación total que indica la dirección e intensidad de la actitud del individuo

hacia el constructo medido, por lo que requieren de una respuesta ordinal. Su construcción debe

perseguir: la homogeneidad de los reactivos, la igualdad de las distancias entre las unidades de la escala y

la comparabilidad del resultado final.

El ejemplo más básico es la escala visual análoga.

El Inventario.

Conjunto de frases o palabras a las que el sujeto tiene que responder eligiendo o marcando su posición

ante ellas (por ejemplo, al ítem “Me gustan las revistas de mecánica, decoración o computadoras”,

notemos que ninguna respuesta es calificada como correcta e incorrecta. Los inventarios pueden estar

conformados por cuestionarios y/o escalas.

Por ejemplo el test de inteligencias múltiples puede indicarnos inteligencia: Lingüística, Lógicomatemática,

Musical, Naturalista, etc.

2. Instrumentos Mecánicos

Los instrumentos mecánicos utilizados para medir variables subjetivas son por ejemplo instrumentos para

realizar mediciones fisiológicas.

Un ejemplo práctico es la medición de la capacidad auditiva donde el instrumento mecánico es el

audiómetro donde el evaluador no puede influenciar sobre los resultados y se limita a realizar las

anotaciones del momento en el que el evaluado logra percibir el estímulo acústico que se incrementa

progresivamente.


20

Validez cualitativa de un instrumento

La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el alcance del

constructo. Podemos dividirlo en tres fases según el estado actual del conocimiento.

1. Aproximación a la población (Validez de respuesta)

Implica la ausencia del conocimiento del concepto que se desea medir; la información se obtiene mediante

técnicas introspectivas de los evaluados.

Se puede utilizar una entrevista con preguntas abiertas donde las unidades de estudio nos revelarán de manera

espontánea las posibles respuestas al instrumento que pretendemos crear.

Ejemplo: ¿Cuál es el uso que le dan los docentes universitarios a las tecnologías de la información en el proceso

de enseñanza aprendizaje?

2. Juicio de expertos (Validación por jueces)

Los jueces o expertos deben evaluar, de manera independiente: la relevancia, coherencia, suficiencia y

claridad; con la que están redactadas los ítems o reactivos con el concepto medido.

El autor debe considerar la pertinencia a la hora de elegir los jueces, siendo que en el momento actual no se

cuenta con bibliografía disponible

Es importante que el autor del instrumento sea considerado el más experto de todos, para que pueda hacer

una elección interdisciplinaria de evaluadores.

3. Revisión del conocimiento disponible (Validez racional)

Este es el momento de la validez en que se asegura la mejor representatividad de los ítems, respecto a la

totalidad del campo o rasgo objeto de evaluación.

El autor del instrumento debe considerar: Objetividad, Alcance, Exactitud, Autoridad, Cobertura, Vigencia y

Relevancia; de la información con la que pretende construir un instrumento.

Así los constructos aquí están mejor definidos porque se dispone de literatura; de manera que los conceptos a

medir ya no son provisionales ni vagos.

No existe un índice validez de contenido

La validez de contenido está avalado por la forma o procedimiento utilizado para construir el test y por las

personas que lo construyen, por su grado de conocimiento del área o rasgo evaluado


21

Validez cuantitativa de un instrumento

1. Validez de contenido (Validez Cualitativa)

La validez de contenido intenta evaluar la capacidad del instrumento para recoger el contenido y el

alcance del constructo. Podemos dividirlo en tres fases según el estado actual del conocimiento

a. Aproximación a la población (Validez de respuesta)

b. Juicio de expertos (Validación por jueces)

c. Revisión del conocimiento disponible (Validez racional)

2. Consistencia interna (Alfa de Cronbach)

Es la capacidad de obtener resultados independientes de las circunstancias accidentales de la medición.

Se fundamenta en la varianza de la variable medida, existen varios índices que miden confiabilidad,

entre ellos el Alfa de Cronbach y el Kuder-Richardson (KR-20). Es afectado por la heterogeneidad de los

individuos evaluados; cuanto más heterogéneo es el grupo, mayor es el coeficiente de fiabilidad.

3. Validez de constructo (Rotación de Varimax)

Debemos establecer probabilísticamente grupos de ítems que deberán ser definidos como dimensiones.

Estas dimensiones deben ser conceptualizadas de manera consensuada para otorgarles el carácter de

útiles y científicamente válidos, por cuanto no existe una prueba patrón. Si los dominios se han

construido teóricamente, la estadística corrobora la idoneidad de estas agrupaciones.

4. Criterio (Índice Kappa)

Cuando la variable medida cuenta con un Gold Standard, entonces se puede verificar los resultados

hallados, mediante un procedimiento. Si el criterio se fija en el presente, se habla de validez concurrente

(los resultados del instrumento se correlacionan con el criterio en el mismo momento o punto del

tiempo). Si el criterio se fija en el futuro, se habla de validez predicativa.

5. Estabilidad (ANOVA)

La medición debe arrojar valores constantes siempre que sean tomadas en condiciones similares entre

una medición y otra (test-retest). Se trata de ver, hasta qué punto un conjunto de medidas son

reproducibles en el tiempo, el grado en que las puntuaciones son estables sería el grado de fiabilidad,

propiedad que solo puede ser evaluada si un constructo está plenamente definido.

6. Rendimiento (Curvas ROC).

El objetivo es optimizar el instrumento para reducir el error a la hora de emitir juicios de valor para

tomar decisiones. Se construye una curva en base a los pares ordenados de sensibilidad y 1-

especificidad en distintos puntos de corte del instrumento. Debemos elegir el puto de corte que nos

ofrezca los mayores valores de sensibilidad y especificidad a través de las Curvas de ROC.


22

Técnicas de recolección de datos

1. Documentación

Constituye la técnica de recolección de datos más básica y a la vez la más inexacta; corresponden a los

estudios retrospectivos donde es la única forma disponible de recopilar la información. Habitualmente la

información fue recolectada con fines distintos al estudio en curso. Los estudios basados en la

documentación no cuentan con instrumentos de medición, únicamente con una ficha de recolección de

datos donde debemos copiar o trasladar la información previamente registrada.

2. Observación

La observación es científica cuando es sistemática, controlada y cuenta con mecanismos destinados a

evitar errores de subjetividad, confusiones, etc. La observación es no participante cuando no perturba la

acción o situación que se está investigando. La observación participante puede ser natural cuando el

observador pertenece al conjunto humano que investiga, y artificial cuando la integración del observador

al grupo se hace con el objeto de desarrollar un trabajo de investigación.

3. Entrevista

La evaluación que se realiza al individuo evaluado no puede pasar inadvertido de su participación, por lo

que se requiere del consentimiento informado para su participación. Es la evaluación uno a uno, porque

la reacción la provoca directamente el evaluador, el investigador plantea interrogantes al investigado

donde el individuo evaluado proporciona la información solicitada. La entrevista puede ser estructurada

si cuenta con un instrumento y no estructurada cuando busca explorar características en el evaluado.

4. Encuesta

Requiere necesariamente de un instrumento el cual puede ser autoadministrado si el individuo completa

los reactivos (asincrónico) y heteroadministrado cuando hay un encuestador (sincrónico), que no

necesariamente pertenece a la línea de investigación, busca conocer la reacción o la respuesta de un

grupo de individuos que pueden corresponder a una muestra o a una población. Esta técnica implica gran

economía de tiempo y personal, ya que los cuestionarios pueden enviarse por correo.

5. Psicometría

Esta es una técnica desarrollada por los investigadores de las ciencias del comportamiento, pero no por

ello aplicable solo por estos especialistas, su principal ventaja es que no requiere de que el investigador

pertenezca a la línea de investigación que se está ejecutando; primero porque los instrumentos son

autoadministrables y luego porque incluso el evaluado se puede autocalificar. Muy utilizado para evaluar

variables distintas a la línea de investigación que no corresponde a su área del conocimiento.


23

Tipos de preguntas en un cuestionario

1. Variables nominales dicotómicos

a. Caso único: Las preguntas deben ser exhaustivas y excluyentes, idealmente corresponden a una

proposición a la cual debemos emitir un juicio de valor. Es ideal hacer este tipo de preguntas.

¿Cuál es tu género o sexo? ( ) Masculino ( ) Femenino

2. Variables nominales politómicas

a. Cerradas: Tienen opciones múltiples donde no hay más opción que elegir una de ellas, por lo

mismo que son excluyentes, se den consignar entre las alternativas a todas las posibilidades.

¿Cuál es el área de tu profesión? ( ) Ciencias de la Salud ( ) Ciencias Sociales ( ) Ingenierías

b. Semicerradas: Corresponden a aquellas cuyas categorías son muy numerosas pero plenamente

identificables, debemos colocar en el listado de alternativas a las más frecuentes.

¿En qué país te encuentras? ( ) Perú ( ) México ( ) Argentina ( ) España ( ) Otro……………………………….

c. Abiertas: Son preguntas exploratorias cuya finalidad es obtener por agrupación categorías que más

adelante derivarán en preguntas cerradas de opción múltiple e incluso en escalas.

¿Cuál es tu ciudad de residencia? ……………………..…..…………..…….

d. Mixtas: Es una combinación de una pregunta cerrada + una abierta; si el evaluado responde

negativamente ahí termina la pregunta, pero si responde afirmativamente se hace una repregunta.

¿Has usado alguna vez un programa estadístico? ( ) Ninguno ( ) Si ¿Cuál? ………..……

e. No excluyentes: No corresponde a una sola variable, siendo que el evaluado puede marcar más

una alternativa, se deberán construir tantas variables como alternativas tenga la pregunta.

¿Cuál servidor de email utilizas? ( ) Hotmail ( ) Yahoo ( ) Gmail ( ) AOL ( ) Otros………………………….…….

3. Variables Ordinales

a. Caso único: Las categorías de las preguntas ordinales son acumulativas, así por ejemplo quien

tiene el grado de Doctor, tiene necesariamente el grado de Magíster.

¿Cuál es tu grado académico? ( ) Pregrado ( ) Bachiller ( ) Maestría ( ) Doctorado


24

Escala tipo Likert

1. La construcción de la escala requiere de la definición del constructo para ello nos apoyamos en la validez

de contenido (validez cualitativa de un instrumento), la cual puede apoyarse en: la aproximación a la

población, Juicio de expertos y/o Revisión del conocimiento disponible).

2. Desarrollamos un cuestionario de preguntas abiertas donde se recoge el concepto relacionados con la

actitud que queremos medir. Enlistamos todas las respuestas sin ningún tipo de criterio y es

conveniente reunir unas 100 respuestas para construir una escala de 20 ítems.

3. Agrupamos conceptos a fin de resumir el número de ítems que van a conformar nuestra escala, si

hemos partido de 100 preguntas abiertas, es recomendable reunir 50 conceptos únicos acerca del tema

que estamos estudiando, a partir de los cuales formularemos los enunciados.

4. Se identifica convencionalmente un grupo de 5 expertos quienes juzgaran la idoneidad de los conceptos

reunidos en cada uno de los ítems, los expertos deben ser interdisciplinarios incluyendo especialistas en

la línea de investigación, luego del cual debemos eliminar el 20% de los ítems.

5. Los jueces evaluaran los times en términos de: relevancia, el ítem es esencial o importante; coherencia,

el ítem tiene relación lógica con la dimensión conceptual; suficiencia Los ítems bastan para obtener la

medición del concepto; y claridad, el ítem se comprende, sus sintácticas y semánticas son adecuadas.

6. Luego formularemos los 20 conceptos favorables y 20 desfavorables que serán aplicados en un estudio

piloto a un grupo de sujetos similar a aquél al que piensa aplicarse la escala, ellos responden, eligiendo

en cada ítem la alternativa que mejor describa su posición personal.

7. Las respuestas a cada ítem reciben puntuaciones más altas cuanto más favorables son a las actitudes, a

continuación se suman las puntuaciones de casa sujeto, consignando la suma total como un índice de

aprobación, luego la suma total se correlaciona con cada uno de los ítems.

8. Se seleccionan, aquellos ítems que expresan exhiben la mayor variabilidad en términos de desviación

estándar, a fin de obtener un buen índice discriminante se elimina el 25% de aquellos que muestren la

menor dispersión en sus respuestas.

9. Los 30 ítems así obtenidos se deben agrupar a fin de construir dimensiones que en conjunto definen el

concepto que deseamos medir, la agrupación también puede ser sometida a la consulta a expertos y la

revisión del conocimientos disponible a fin de estandarizar un número igual de ítems en casa dimensión.

10. Si existen instrumentos para medir el mismo constructo que deseamos medir, debemos hacer

correlaciones con los resultados de estos; si tales instrumentos no existen podemos hacer las

correlaciones entre las dimensiones del nuestro a fin de asegurar la congruencia del constructo.


25

Validez de un estudio

Un estudio es válido si sus resultados corresponden a la verdad, para lo cual debemos reducir el error aleatorio

y el error sistemático.

1. Error Aleatorio

La carencia de error aleatorio se conoce como precisión y se corresponde con la reducción del error debido al

azar. Para reducir este error el elemento más importante del que disponemos es incrementar el tamaño de la

muestra y con ello aumentamos la precisión. Los intervalos de confianza y el error estándar se reducen al

aumentar el tamaño muestral. El error aleatorio desaparece si estudiamos a toda la población.

2. Error sistemático

Se ha generalizado al término validez como la carencia del error sistemático, aunque este no se puede eliminar;

la exactitud es la reducción del error sistemático mediante el método. La validez tiene dos componentes: la

validez interna, que nos permite hacer inferencias sobre la población y la validez externa referida a que las

conclusiones del estudio se pueden extrapolar hacia poblaciones que no fueron objeto de estudio.

3. La validez interna.

La validez interna implica la validez de la inferencia para los sujetos que pertenecen a la población de donde

fue obtenida la muestra. La validez interna es un requisito indispensable para que un estudio sea válido y para

que pueda hablarse de validez externa. La validez interna se ve amenazada cuando no podemos controlar los

dos tipos de sesgos: de Selección y de Medición.

4. La validez externa.

Se refiere a que las conclusiones obtenidas para una población a partir de una muestra, son también válidas

para otras poblaciones que no fueron consideradas en el momento del muestreo. Esta extrapolación es

cualitativa y se fundamente en la carencia de hechos o evidencias que permitan dudar de su extensión; este

tipo de validez se observa con frecuencia en los estudios analíticos.

5. Control metodológico.

Los criterios de elegibilidad nos permiten delimitar nuestra población de estudio y las técnicas de muestreo

obtener una muestra representativa con ello evitaremos los sesgos de selección.

Una vez elegidas las unidades de estudios, un instrumento válido nos permitirá reducir al mínimo la diferencia

entre el valor obtenido y el valor real con lo que evitaremos el sesgo de medición.

6. Control estadístico.

Cuando nos encontramos en el nivel investigativo explicativo el análisis estratificado nos permite descartar

asociaciones aleatorias, casuales o espurias. Ejm: Chi cuadrado de Mantel-Haenszel.

Las relaciones entre variables en la naturaleza no son bivariadas, son influenciadas por múltiples factores

externos, por ello aplicamos el análisis multivariado. Ejm: Regresión logística.


26

Sesgos de selección

1. Sesgo de la autoselección (voluntario)

El grado de interés o motivación que pueda tener un individuo que participa voluntariamente en una

investigación puede diferir sensiblemente en relación con otros sujetos.

Del mismo modo, la negativa de algunos sujetos para ser incluidos en un estudio puede estar dada por

motivaciones sistemáticas experimentadas por ellos.

2. Sesgo de pertenencia (membresía)

Se produce cuando entre los sujetos evaluados se presentan subgrupos de sujetos que comparten algún

atributo en particular, relacionado positiva o negativamente con la variable en estudio.

Ejemplo: Nivel de conocimientos sobre signos de alarma en las gestantes debe excluir a las gestantes

que son profesionales de la salud.

3. Sesgo de admisión (de Berkson)

En los estudios hospitalarios de factores de riesgo donde aplicamos el diseño de casos y controles, la

probabilidad de ser hospitalizados en el grupo de casos, no es la misma que el grupo control.

Además el factor de riesgo también tiene probabilidad de ser causa de hospitalización. Se puede

subestimar la asociación entre la variable de interés y el factor de riesgo.

4. Sesgo del procedimiento de aleatorización

Puede observarse en diseños de investigación experimentales (ensayos clínicos controlados), en los

cuales no se respeta el principio de aleatoriedad en la asignación a los grupos de experimentación y de

estudio.

En los pre-experimentos la administración del medicamento responde a las necesidades terapéuticas

del paciente y no a la del investigador.

5. Sesgo de Prevalencia (de Neymann)

La condición en estudio (variable) determina la pérdida prematura de las unidades de estudio. La

exclusión de los pacientes que fallecen determina este tipo de sesgo.

Por ejemplo un grupo de personas se someten a una rutina de dieta y ejercicios, aquellos que no les

funcionen abandonarán el estudio.


27

Sesgos de medición

1. Sesgo del observador

El observador tiene una percepción subjetiva y a veces prejuiciosa de los grupos de estudio; lo cual es

independiente del instrumento. Por lo que, el procedimiento de observación suele ser más detenido en

el grupo de estudio. La intención del investigador en querer demostrar su hipótesis, puede conducir a

obtener sesgos en el diagnóstico.

2. Sesgo de la capacidad diagnóstica

La falta de capacidad de un instrumento para detectar la enfermedad, está relacionado con su validez.

Ocurre cuando se utilizan métodos diagnósticos distintos al Gold Standard. Es conocido que no existe

coincidencia absoluta entre dos instrumentos de medición; por ello los estudios deben realizarse con un

solo instrumento y un solo observador.

3. Sesgo de rendimiento del instrumento.

Si no se ha evaluado el rendimiento diagnóstico del instrumento, es posible que la sensibilidad de los

instrumentos empleados en tales mediciones carezca de la sensibilidad necesaria para poder detectar la

presencia de la variable en estudio. La falta de optimización del instrumento puede conducirnos a

encontrar una frecuencia de la enfermedad inferior a la real.

4. Sesgo de detección

En estudios retrospectivos, cuando se pregunta por el antecedente de exposición a determinadas

circunstancias en diferentes períodos de la vida, existe la posibilidad de olvido. Muchas exposiciones

pasan inadvertidas a diversos factores y que pueden afectar la medición ya sea por su omisión absoluta

o en la determinación de niveles de exposición.

5. Sesgo de adaptación

En los estudios de intervención (experimentales), a veces los cuales individuos asignados inicialmente a

un grupo deciden migrar de grupo por preferir un tipo de intervención por sobre otro. En un ensayo

clínico controlado la ocurrencia de este tipo de sesgo se neutraliza mediante la asignación aleatoria de

los sujetos y por no advertir a los mismos sobre el tipo de exposición.


28

Calidad de la información

1. Objetividad.

Existen varios factores que impiden que la información pueda ser objetiva y estos son: las necesidades,

la forma en que perciben los hechos, los valores e intereses de los autores. Otros factores son el

contexto social que refleja las actitudes y valores de la época en que se escribe el documento.

2. Exactitud.

La exactitud se mide a base de información correcta y exacta. Usualmente se recomienda que para

validar la exactitud se compare la información con otra ya investigada y verificar la veracidad por la

concordancia con otras fuentes especializadas. Es importante considerar que la información no

actualizada tiende a no ser exacta.

3. Autoridad.

Para la remisión al juicio de autoridad es de primordial importancia la identificación de los autores

líderes de su campo, así como las revistas fuentes. Si la información no incluye el nombre del autor, se

debe evaluar la institución que auspicia la publicación y determinar si cuenta con la autoridad y el

peritaje necesario sobre el tema.

4. Cobertura.

Desde el punto de vista de su contenido, una fuente comunica información general o especializada. En

función de su distribución su cobertura será del ámbito mundial, nacional o local. Las publicaciones

científicas técnicas de los países en vías de desarrollo tienen escasa representación en las bases de datos

físicas y electrónicas.

5. Vigencia.

Entre la información actualizada están los temas científicos, negocios y mercadeo, la política, algunos

temas sociales de actualidad, la medicina y más. En otros casos se acepta la información de los últimos

tres a cinco años. En los temas de historia y literatura las fechas de publicación no es un factor

relevante.

6. Relevancia.

Es un elemento basado en el juicio. Usualmente para establecer la relevancia debes determinar qué

información necesitas, que tipo de fuentes vas a utilizar y cómo utilizarás la información (ensayo,

monografía, presentación). Es importante determinar la relevancia en torno al tema que estas

investigando.


29

Discusión de resultados

Como ejemplo vamos a plantear un estudio de casos y controles sobre cuyos resultados tenemos que realizar

una discusión.

1. Descripción

Describir la frecuencia de ocurrencia de la enfermedad en el grupo de estudio y describir la frecuencia

de ocurrencia de la enfermedad en el grupo de control.

Luego identificar numéricamente las diferencias entre la frecuencia de la enfermedad en el grupo de

estudio y el grupo control.

2. Análisis

Realizar una prueba de hipótesis para la diferencia descrita entre el grupo de estudio y el grupo control.

Calcular el p-valor y mencionar si es significativo o no.

Concluir el análisis estadístico usando la terminología adecuada según su nivel investigativo. Los

resultados obtenidos de esta manera son la base de las conclusiones del estudio.

3. Interpretación

Interpretar la relación demostrada probabilísticamente entre la variable independiente y la variable

dependiente o las diferencias entre el grupo de estudio y el grupo control. Adicionalmente debemos

interpretar las medidas de asociación. Las conclusiones del estudio estarán enmarcadas en la

interpretación basada en la estadística y la relevancia clínica de los resultados.

4. Comentarios

- Comparación con los antecedentes investigativos: se trata de evaluar el criterio de consistencia o

coherencia propuesto por Bradford Hill, por haber repetido el estudio o tener estudios similares.

- Planteamiento de Hipótesis: de nuevas teorías que explicarían los hallazgos reportados, se trata de

generar nuevas hipótesis para estudios futuros y así continuar con la línea de investigación.

- Comentarios personales: Esta parte la puede realizar única y exclusivamente el investigador, “nadie

mejor a su población que el propio investigador”. Estos comentarios apuntan al desarrollo de las

recomendaciones.


30

Criterios de causalidad

Criterios de Bradford Hill (1965)

1. Asociación estadística: Se trata de averiguar si existe relación entre el supuesto factor causal y el efecto

estudiado. Para esto hay que buscar estudios epidemiológicos (Cohortes o Caso - Control) que indiquen el

riesgo significativo (Riesgo Relativo o Razón de Momios).

2. Relación dosis-respuesta: Denominada “gradiente biológico”, La frecuencia de la enfermedad aumenta con

la dosis o el nivel de exposición. (Equivale a la Intensidad de Simonin). Sin embargo, hay casos en que el

gradiente biológico no se cumple (en una reacción alérgica).

3. Analogía: Se fundamenta en relaciones de causa-efecto establecidas, con base a las cuales si un factor de

riesgo produce un efecto a la salud, otro con características similares debiera producir el mismo impacto a

la salud.

4. Temporalidad: Se trata de asegurar que el factor de riesgo ha aparecido antes que el supuesto efecto.

Puede ser difícil de demostrar cuando no se puede asegurar si la presunta causa apareció con anterioridad

al presunto efecto. (Equivale a la cronología de Simonin).

5. Constancia o Consistencia: Consiste en conocer si la relación entre las dos variables, a las que investigamos

una posible relación causa-efecto, ha sido confirmada por más de un estudio, en poblaciones y

circunstancias distintas por autores diferentes.

6. Plausibilidad biológica: El contexto biológico existente debe explicar lógicamente la etiología por la cual

una causa produce un efecto a la salud. Esta característica viene limitada por los conocimientos científicos

que se tengan al respecto en el momento del estudio.

7. Coherencia: la interpretación de causas y efectos no puede entrar en contradicción con el comportamiento

propio de la enfermedad o lesión. Este criterio combina aspectos de consistencia y plausibilidad biológica

(Corresponde a la evolución de Simonin).

8. Especificidad: Es más fácil aceptar una relación causa-efecto cuando para un efecto sólo se plantea una sola

etiología, que cuando para un determinado efecto se han propuesto múltiples causas. En este caso lo

apropiado sería hablar de Especificidad de la causa.

9. Experimentación: Es un criterio deseable de alta validez. Se trata de reproducir experimentalmente la

asociación causa-efecto, o incidir en la causa para alterar el efecto cuando no sea posible o no se considere

ética otra modalidad de experimentación.


Para la versión extendida has click aquí:

SEMINARIOS DE INVESTIGACIÓN

CIENTÍFICA 2012

http://seminariosdeinvestigacion.com/

http://seminariosdeinvestigacion.com/

seminv - libro de texto.pdf

Documents