SlideShare a Scribd company logo
1 of 90
Download to read offline
Dr. Cristian Díaz Vélez
Médico Epidemiólogo y Auditor Médico
Jefe de la Oficina de Inteligencia Sanitaria
Hospital Nacional Almanzor Aguinaga Asenjo
Población, muestraPoblación, muestra
criterios de selección ecriterios de selección e
instrumentosinstrumentos
Muestra y muestreoMuestra y muestreo
Expo sbs. poblacion muestra criterios selección instrumentos
Dr. Cristian Díaz VélezDr. Cristian Díaz Vélez 44
Expo sbs. poblacion muestra criterios selección instrumentos
• POBLACIONES PEQUEÑAS
• ENSAYOS DESTRUCTIVOS
• POBLACIONES MUY VARIABLES
• Estudio sobre el perfil de los estudiantes y
egresados de la Tecnología en Médica en los últimos
dos años.
• Estudio sobre el perfil socio económico de los
docentes de entidades publicas de Perú
• Estudio para identificar la demanda de servicios
de salud en Chiclayo.
Para los siguientes casos diga si es preferible Censo o
muestreo.
Margen de confianza en laMargen de confianza en la
estimaciónestimación
 Expresa el grado de probabilidad que elExpresa el grado de probabilidad que el
investigador tiene en que su estimacióninvestigador tiene en que su estimación
se ajuste a la realidad.se ajuste a la realidad.
 Los valores comúnmente utilizados sonLos valores comúnmente utilizados son
95, 99, 99,9%95, 99, 99,9%
NIVEL DE CONFIANZA
Errores, Errores, ERRORESErrores, Errores, ERRORES
AleatorioAleatorio
MuestralMuestral
SistemáticoSistemático
V =v±e
Valor
Verdadero
en la
población
Valor
Medido en
la muestra
ERRORERROR
Error AleatorioError Aleatorio
El error aleatorio no se suele ajustar aEl error aleatorio no se suele ajustar a
ninguna regla o norma , varían en cadaninguna regla o norma , varían en cada
caso , en su sentido y magnitud, y por ellocaso , en su sentido y magnitud, y por ello
tiende a anularse cuando se trata de untiende a anularse cuando se trata de un
número elevado de casos.número elevado de casos.
Los errores aleatorios se comenten, porLos errores aleatorios se comenten, por
ejemplo, cuandoejemplo, cuando un encuestado eligeun encuestado elige
erróneamente una casilla queriendo hacerloerróneamente una casilla queriendo hacerlo
en otra, cuando un encuestador marcaen otra, cuando un encuestador marca
erróneamente un datoerróneamente un dato, etc., etc.
Errores SistemáticosErrores Sistemáticos
 Un error sistemático es aquel que se produce de igualUn error sistemático es aquel que se produce de igual
modo (sentido y proporción) en todas las medicionesmodo (sentido y proporción) en todas las mediciones
que se realizan sobre un parámetro de la muestraque se realizan sobre un parámetro de la muestra
 Contrario al error aleatorio, NO se anula en muestrasContrario al error aleatorio, NO se anula en muestras
grandes.grandes.
Ejemplos
Las tendencias subjetivas conscientes o inconscientes del investigador.
Sustituciones, según criterio propio del investigador, de unidades de la
muestra que habían sido elegidas al azar.
Insuficiente observación del conjunto de la población que influye en una
deficiente definición de sus características.
Error MuestralError Muestral
 Cuando se extrae una muestra de unaCuando se extrae una muestra de una
población es frecuente que los resultadospoblación es frecuente que los resultados
obtenidos de la muestra no seanobtenidos de la muestra no sean
exactamente los valores reales de laexactamente los valores reales de la
población.población.
 El error de muestreo ocurre al estudiarEl error de muestreo ocurre al estudiar
una muestra en lugar de la población total.una muestra en lugar de la población total.
 La diferencia entre el valor del parámetroLa diferencia entre el valor del parámetro
de una población y el obtenido de unade una población y el obtenido de una
muestra recibe el nombre de errormuestra recibe el nombre de error
muestralmuestral. (y que no puede ser asociado a otro tipo de explicación,
es decir no es error aleatorio o sistemático)
Error MuestralError Muestral
Por muy perfecta que sea la muestraPor muy perfecta que sea la muestra
siempre habrá grado de divergencia entresiempre habrá grado de divergencia entre
los parámetros estimados usándola y loslos parámetros estimados usándola y los
de la verdadera población.de la verdadera población.
En el cálculo del error intervienen:En el cálculo del error intervienen:
Tamaño de la muestraTamaño de la muestra
Varianza poblacionalVarianza poblacional
Nivel de confianzaNivel de confianza
Tipo de muestreoTipo de muestreo
Circulo vicioso del cálculoCirculo vicioso del cálculo
Cálculo muestral
Frecuencia del
Problema en estudio
La frecuencia se
obtendrá en el estudio
x
p
r
OR
El error muestralEl error muestral es mayores mayor en laen la
medida que:medida que:
 Crece el grado de confianza que elCrece el grado de confianza que el
investigador quiere dar a su estimacióninvestigador quiere dar a su estimación
del parámetro medido mediante ladel parámetro medido mediante la
muestramuestra
 Es más elevada la variabilidad de laEs más elevada la variabilidad de la
variable estudiada.variable estudiada.
 Es menor el tamaño de la muestra.Es menor el tamaño de la muestra.
Tamaño de la muestra vs. ErrorTamaño de la muestra vs. Error
muestralmuestral
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Correcciones para poblacionesCorrecciones para poblaciones
finitasfinitas
 Cuando el tamaño de la muestra esCuando el tamaño de la muestra es
mayor del 5 % del tamaño de lamayor del 5 % del tamaño de la
población se debe utilizar el factor depoblación se debe utilizar el factor de
corrección.corrección.
Margen de errorMargen de error admisibleadmisible
Los incrementos en el tamaño de laLos incrementos en el tamaño de la
muestra repercuten en una mayormuestra repercuten en una mayor
precisión y por consiguiente en menorprecisión y por consiguiente en menor
error muestral.error muestral.
El error muestral interviene en el cálculoEl error muestral interviene en el cálculo
del tamaño de la muestra solodel tamaño de la muestra solo si el diseñosi el diseño
es probabilístico.es probabilístico.
En el muestreo probabilístico elEn el muestreo probabilístico el
investigador fija el error máximo admisibleinvestigador fija el error máximo admisible
a priori y sobre esa base realiza el cálculoa priori y sobre esa base realiza el cálculo
del tamaño de la muestra.del tamaño de la muestra.
Por lo tanto el tamaño de laPor lo tanto el tamaño de la
muestramuestra
► Ejemplo:Ejemplo:
Si por ejemplo estudiamos la prevalencia deSi por ejemplo estudiamos la prevalencia de
asma bronquial en un estudio donde se cálculoasma bronquial en un estudio donde se cálculo
la muestra con tolerancia de error del 5% yla muestra con tolerancia de error del 5% y
nivel de confianza del 95% y se encontró que lanivel de confianza del 95% y se encontró que la
prevalencia es de 20%.prevalencia es de 20%.
Interpretación:Interpretación: hay un 95% de probabilidadhay un 95% de probabilidad
que la prevalencia real este entre 15 y 25%.que la prevalencia real este entre 15 y 25%.
Que ocurre si las prevalencias son muy bajas, por ejemplo 2%??
Factores que influyenFactores que influyen
► Tipo de diseño de etudio.Tipo de diseño de etudio.
► Tipo de muestreo utilizado.Tipo de muestreo utilizado.
► Comparación de muestras independientesComparación de muestras independientes
o pareadas.o pareadas.
1. Identificación de la población
2. Indicadores a estimar
 Proporciones
 Promedios
 Métodos multivariados
3. Análisis de subgrupos
4. Precisión deseada en los estimadores
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Muestreo de elemento VS muestreo de grupo
Igual probabilidad VS diferente probabilidad
Estratificado VS no estratificado
Aleatoria VS sistemática
Una sola etapa VS multietápico 32
Material preparado por:
Profesor León Darío Bello Parias
Ventajas del Azar
Elimina la subjetividad de los investigadores
en la selección de unidades de análisis
Permite medir la precisión de las
estimaciones.
El azar no garantiza representatividad.
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
 Ejemplo:Ejemplo:
N = 3500N = 3500
n = 40n = 40
 55035503
 48124812
 17901790
 56485648
 19431943
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Tabla de contingencia Nivel *
Convenio 04
27 8 35
56.3
%
16.7
%
72.9
%7 5 12
14.6
%
10.4
%
25.0
%1 0 1
2.1
%
.0% 2.1
%35 13 48
72.9
%
27.1
%
100.0
%
Recuent
o% del
totalRecuent
o% del
totalRecuent
o% del
totalRecuent
o% del
total
1
2
3
Nive
l
Tota
l
N
O
SI
Convenio
04 Tota
l
Tabla de contingencia Nivel * Convenio 04
184 36 220
61.1% 12.0% 73.1%
46 26 72
15.3% 8.6% 23.9%
5 4 9
1.7% 1.3% 3.0%
235 66 301
78.1% 21.9% 100.0%
Recuento
% del total
Recuento
% del total
Recuento
% del total
Recuento
% del total
1
2
3
Nivel
Total
NO SI
Convenio 04
Total
Población
Sistemático
Nivel de conocimientos según
existencia de convenio
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
ESTRATOSESTRATOS Homogéneos en su interior;
diferentes entre sí en propiedades y
tamaño
Comuna AComuna A
Comuna BComuna B
Comuna CComuna C
Comuna DComuna D
Los estratos más grandes
Tienen mayor probabilidad de ser representados
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Expo sbs. poblacion muestra criterios selección instrumentos
Plan de muestreoPlan de muestreo
Sesgos, criterios deSesgos, criterios de
selecciónselección
 Un objetivo en todo estudio epidemiológico debe
ser el de medir y calcular con la mayor
validez y precisión posible sus
determinaciones.
 En otras palabras, la validez del
conocimiento derivado de cualquier estudio
epidemiológico dependerá, en gran medida,
de la ausencia de error y de la
capacidad de estimar o predecir el
parámetro verdadero en la población blanco.
 Las mediciones que se realicen deben
ser:
lo más exactas posible: que la medición
esté próxima al valor verdadero.
 Precisas: que mediciones repetidas
caigan dentro de un intervalo reducido.
 En epidemiología, la VALIDEZ (el grado de valor que
se confiere al dato) se refiere a la ausencia de sesgo
o error:
a) Validez interna. Capacidad para atribuir el
efecto detectado por el estudio a la hipótesis
que se investiga. Resulta indispensable que el
estudio esté libre de errores (durante el proceso de
selección de la población de estudio, las mediciones que
se realizan en dicha población o por la falta de
comparabilidad de los grupos estudiados), y
b) Validez externa. Capacidad para extrapolar
los resultados de un estudio a una población
más extensa que aquella en que se ha realizado.
1. Confiabilidad :1. Confiabilidad : Precisión, reproducibilidadPrecisión, reproducibilidad
Error aleatorioError aleatorio
2. Validez : seguridad, conformidad2. Validez : seguridad, conformidad
Error sistemáticoError sistemático
SesgoSesgo
AA no ha sido ni exacto ni preciso.no ha sido ni exacto ni preciso.
BB Exacto y preciso.Exacto y preciso.
CC bastante exacto pero no preciso.bastante exacto pero no preciso.
DD muy preciso pero poco exacto.muy preciso pero poco exacto.
6363
Expo sbs. poblacion muestra criterios selección instrumentos
 Existen más de 300 pruebas estadísticasExisten más de 300 pruebas estadísticas
básicas.básicas.
 Hay dos clases de pruebas estadísticas:Hay dos clases de pruebas estadísticas:
Las paramétricas y las no paramétricas.Las paramétricas y las no paramétricas.
Cristian Díaz Vélez 65
 Los valores de la variable dependiente sigan laLos valores de la variable dependiente sigan la
distribución de la curva normal. La muestra en la que sedistribución de la curva normal. La muestra en la que se
hizo la investigación.hizo la investigación.
 Las varianzas de los grupos que se comparan en unaLas varianzas de los grupos que se comparan en una
variable dependiente sean aproximadamente igualesvariable dependiente sean aproximadamente iguales
(homogeneidad de las varianzas).(homogeneidad de las varianzas).
 La variable dependiente esté medida en una escala queLa variable dependiente esté medida en una escala que
sea por lo menos de intervalo, aunque este últimosea por lo menos de intervalo, aunque este último
requisito no es compartido por todos los estadísticos.requisito no es compartido por todos los estadísticos.
Cuando los datos cumplen con los requisitos indicados,Cuando los datos cumplen con los requisitos indicados,
especialmente con los dos primeros, las pruebasespecialmente con los dos primeros, las pruebas
estadísticas paramétricas exhiben su máximo poder.estadísticas paramétricas exhiben su máximo poder.
Cristian Díaz Vélez 66
 Las pruebas estadísticas no paramétricas, enLas pruebas estadísticas no paramétricas, en
cambio, no hacen a los datos ninguna de lascambio, no hacen a los datos ninguna de las
exigencias que les hacen las pruebas estadísticasexigencias que les hacen las pruebas estadísticas
paramétricas; por eso se les denomina "pruebasparamétricas; por eso se les denomina "pruebas
estadísticas libres de distribución".estadísticas libres de distribución".
 Todas estas pruebas poseen menos poder que lasTodas estas pruebas poseen menos poder que las
pruebas paramétricas correspondientes, pero hanpruebas paramétricas correspondientes, pero han
demostrado ser muy útiles como alternativas cuandodemostrado ser muy útiles como alternativas cuando
no se considera apropiado el uso de pruebasno se considera apropiado el uso de pruebas
paramétricas.paramétricas.
Cristian Díaz Vélez 67
 Tipo:Tipo:
Categórica/cualitativaCategórica/cualitativa
Numérica/cuantitativaNumérica/cuantitativa
 Escala:Escala:
Categórica/cualitativaCategórica/cualitativa
Numérica/cuantitativaNumérica/cuantitativa
Cristian Díaz Vélez 68
Nominal
Ordinal
Razón
Intervalo
 Categóricas nominalesCategóricas nominales
 Categóricas ordinalesCategóricas ordinales
 Numéricas proporciónNuméricas proporción
 Numéricas intervaloNuméricas intervalo
Cristian Díaz Vélez 69
Dicotómicas
Nominales ppd
Cuantitativas
Ordinales
Variable DependienteVariable Dependiente Variable IndependienteVariable Independiente PruebaPrueba
DicotómicaDicotómica DicotómicaDicotómica z, Chi-2, Fisherz, Chi-2, Fisher
DicotómicaDicotómica NominalNominal z, Chi-2, Metha-Patelz, Chi-2, Metha-Patel
DicotómicaDicotómica OrdinalOrdinal Mann-Whitney / WilcoxonMann-Whitney / Wilcoxon
DicotómicaDicotómica CuantitativaCuantitativa Regresión LogísticaRegresión Logística
NominalNominal DicotómicaDicotómica z, Chi-2, Metha-Patelz, Chi-2, Metha-Patel
NominalNominal CuantitativaCuantitativa Regresión DiscriminanteRegresión Discriminante
OrdinalOrdinal NominalNominal Kruskal-WallisKruskal-Wallis
OrdinalOrdinal CuantitativaCuantitativa Regresión OddsRegresión Odds
ProporcionalProporcional
CuantitativaCuantitativa DicotómicaDicotómica t de Studentt de Student
CuantitativaCuantitativa NominalNominal ANOVAANOVA
CuantitativaCuantitativa CuantitativaCuantitativa Regresión Lineal,Regresión Lineal,
correlacionescorrelacionesCristian Díaz Vélez 70
Cristian Díaz Vélez 71
Expo sbs. poblacion muestra criterios selección instrumentos
Medición yMedición y
recolección de datosrecolección de datos
¿Qué es medición?¿Qué es medición?
Una manera sistemática de obtener datos de alta calidadUna manera sistemática de obtener datos de alta calidad
 Puede ser cuantitativa o cualitativa, con diferencias:Puede ser cuantitativa o cualitativa, con diferencias:
 Diferencia 1: Los datos en síDiferencia 1: Los datos en sí
 Cuantitativo: representación numérica de ideas abstractasCuantitativo: representación numérica de ideas abstractas
 Cualitativo: los datos toman muchas formasCualitativo: los datos toman muchas formas
 Diferencia 2: Los tiemposDiferencia 2: Los tiempos
 Cuantitativo: hay reflexión para desarrollar las hipótesis y losCuantitativo: hay reflexión para desarrollar las hipótesis y los
variables antes de la recolección de datosvariables antes de la recolección de datos
 Cualitativo: hay reflexión PERO no hay hipótesis y la mediciónCualitativo: hay reflexión PERO no hay hipótesis y la medición
es parte dela recolección de datos.es parte dela recolección de datos.
 Fuente: Neuman, W. Lawrence.Fuente: Neuman, W. Lawrence. Social Research Methods: Qualitative andSocial Research Methods: Qualitative and
Quantitative Approaches. 4thedition.Quantitative Approaches. 4thedition. Boston: Allyn and Bacon, 2000.Boston: Allyn and Bacon, 2000.
MEDICIÓN: Unos ejemplosMEDICIÓN: Unos ejemplos
Expo sbs. poblacion muestra criterios selección instrumentos
Escala de GuttmanEscala de Guttman
EscalaEscala
ThurstoneThurstone
 Un ejemplo cualitativoUn ejemplo cualitativo
 Vamos a hablar de lo que pasa cuando unVamos a hablar de lo que pasa cuando un
niño en esta comunidad tiene diarrea.niño en esta comunidad tiene diarrea.
 Qué es la primera cosa que haría una madreQué es la primera cosa que haría una madre
o un padre cuando su hijo se enferma cono un padre cuando su hijo se enferma con
diarrea?diarrea?
 Qué sería la próxima cosa?Qué sería la próxima cosa?
MEDICIÓN: Unos ejemplos(2)MEDICIÓN: Unos ejemplos(2)
 Variables principales siempre definidas.Variables principales siempre definidas.
 Importante cuando: Variables de estudio no tienen unaImportante cuando: Variables de estudio no tienen una
definición o medición estándar.definición o medición estándar.
 Cuando hay varias definiciones o actualizaciones.Cuando hay varias definiciones o actualizaciones.
 Debe incluir: Valores finales.Debe incluir: Valores finales.
 Criterios para asignar los valores.Criterios para asignar los valores.
 Instrumentos / técnicas de medición.Instrumentos / técnicas de medición.
 Debe estar siempre referenciado en caso se use unaDebe estar siempre referenciado en caso se use una
definición conocida.definición conocida.
MEDICIÓN DE VARIABLESMEDICIÓN DE VARIABLES
ProcedimientosProcedimientos
 En caso de experimentales, detallar laEn caso de experimentales, detallar la
intervención y manejo de grupos.intervención y manejo de grupos.
 Describir el proceso de la medición de laDescribir el proceso de la medición de la
variable.variable.
 Especificar la validez de los métodosEspecificar la validez de los métodos
empleados.empleados.
 Si son métodos nuevos o adaptados,Si son métodos nuevos o adaptados,
describir el proceso de validación.describir el proceso de validación.
¿Qué se necesita para una buena¿Qué se necesita para una buena
medición?medición?
 Que no representa una demanda demasiado altaQue no representa una demanda demasiado alta
para:para:
 El/la encuestador/a o entrevistador/aEl/la encuestador/a o entrevistador/a
 El/la entrevistado/aEl/la entrevistado/a
 Aplicación prácticaAplicación práctica
 Reglas clarasReglas claras
 Que no depende de la administraciónQue no depende de la administración
 Fuente: Netemeyer, Richard G., William O. Bearden & Subhash Sharma.Fuente: Netemeyer, Richard G., William O. Bearden & Subhash Sharma. ScalingScaling
Procedures: Issue and Applications.Procedures: Issue and Applications. Thousand Oaks, CA: Sage Publications, Inc., 2003.Thousand Oaks, CA: Sage Publications, Inc., 2003.
InstrumentosInstrumentos
 Encuestas:Encuestas:
 Con preguntas “independientes”Con preguntas “independientes”
 Con preguntas que se convierten en índices oCon preguntas que se convierten en índices o
escalasescalas
 Índice: los ítemsÍndice: los ítems formanforman el concepto (constructoel concepto (constructo
latente)latente)
 Se suman para sacar un puntaje simple del conceptoSe suman para sacar un puntaje simple del concepto
a medira medir
 Escala: los ítemsEscala: los ítems son reflejadosson reflejados por el conceptopor el concepto
(constructo latente)(constructo latente)
Desarrollo de una encuestaDesarrollo de una encuesta
 Paso 1. Definir los objetivos de la pregunta y el tipo dePaso 1. Definir los objetivos de la pregunta y el tipo de
respuestas que se necesita pararespuestas que se necesita para satisfacer lossatisfacer los
objetivos.objetivos.
 Paso 2. Asegurar que los participantes tengan unaPaso 2. Asegurar que los participantes tengan una
comprensión compartida y comúncomprensión compartida y común del significadodel significado
de la pregunta.de la pregunta.
 Paso 3. Asegurar que los participantes recibanPaso 3. Asegurar que los participantes reciban
preguntas a las cualespreguntas a las cuales saben las respuestas.saben las respuestas.
 Paso 4. Hacer preguntas de manera en que losPaso 4. Hacer preguntas de manera en que los
participantesparticipantes las puedan contestar.las puedan contestar.
 Paso 5. Hacer preguntas que los participantesPaso 5. Hacer preguntas que los participantes esténestén
dispuestos a contestardispuestos a contestar de manera precisa.de manera precisa.
Los sís y nosLos sís y nos
 LOS “SI”sLOS “SI”s
 Deben tener lenguaje simple (nivel de lectura de 5to-Deben tener lenguaje simple (nivel de lectura de 5to-
6to grado de primaria)6to grado de primaria)
 Deben ser claras, simples y precisasDeben ser claras, simples y precisas
 Deben tener vocabulario libre de jerga técnicaDeben tener vocabulario libre de jerga técnica
 Deben ser presentadas de una manera neutralDeben ser presentadas de una manera neutral
 Nada en la pregunta o en las opciones de respuestaNada en la pregunta o en las opciones de respuesta
debe sugerir una respuesta correctadebe sugerir una respuesta correcta
 Deben ser específicas las referencias a tiemposDeben ser específicas las referencias a tiempos
 Debe especificar el periodo al cual se refiereDebe especificar el periodo al cual se refiere
Los sís y nos (2)Los sís y nos (2)
 LOS “NO”sLOS “NO”s
 Deben evitarse preguntas que sugieren una respuesta correctaDeben evitarse preguntas que sugieren una respuesta correcta
 NO: Prefiere ser atendido por un médico de su mismo sexo?NO: Prefiere ser atendido por un médico de su mismo sexo?
 SI:SI:
 Deben evitarse preguntas con sesgos o valoresDeben evitarse preguntas con sesgos o valores
 NO: Piensa que ir al centro de salud es una pérdida de tiempo?NO: Piensa que ir al centro de salud es una pérdida de tiempo?
 SI:SI:
 Deben evitarse preguntas que amenazanDeben evitarse preguntas que amenazan
 NO: Piensa que sabe suficiente acerca de la tuberculosis?NO: Piensa que sabe suficiente acerca de la tuberculosis?
 SI:SI:
Los sís y nos (3)Los sís y nos (3)
 LOS “NO”sLOS “NO”s
 Deben evitarse preguntas que tienen 2 conceptos en 1 preguntaDeben evitarse preguntas que tienen 2 conceptos en 1 pregunta
 NO: Ha tenido dolor de cuello y dolor de espalda desde su últimaNO: Ha tenido dolor de cuello y dolor de espalda desde su última
visita?visita?
 SI:SI:
 Deben evitarse preguntas con conceptos que podrían entenderse deDeben evitarse preguntas con conceptos que podrían entenderse de
diferentes formasdiferentes formas
 NO: Cómo calificaría su salud –muy buena, buena, regular, mala,NO: Cómo calificaría su salud –muy buena, buena, regular, mala,
muy mala?muy mala?
 SI:SI:
 Deben evitarse preguntas con palabras negativasDeben evitarse preguntas con palabras negativas
 NO: No merezco que otras personas me tratan bien.De acuerdo…NO: No merezco que otras personas me tratan bien.De acuerdo…
En desacuerdoEn desacuerdo
 SI:SI:
TIPOS DE ENCUESTATIPOS DE ENCUESTA
 Aplicada en forma de entrevista cara-a-caraAplicada en forma de entrevista cara-a-cara
 Tradicional, donde el/la entrevistador/a hace lasTradicional, donde el/la entrevistador/a hace las
preguntas y llena con lapiz (paper-and-pencil)preguntas y llena con lapiz (paper-and-pencil)
 CAPI: Entrevista personal asistida por computadoraCAPI: Entrevista personal asistida por computadora (Computer-(Computer-
assisted personal interviewing)assisted personal interviewing)
 CATI: Entrevista telefónica asistida por computadoraCATI: Entrevista telefónica asistida por computadora (Computer-(Computer-
assisted telephone interviewing)assisted telephone interviewing)
 Con dispositivos moviles tipo PalmCon dispositivos moviles tipo Palm
 Auto-aplicadas:Auto-aplicadas:
 Tradicional, hoja con lapizTradicional, hoja con lapiz
 Basada en InternetBasada en Internet
 CASI: Entrevista autoadministrada asistida por computadoraCASI: Entrevista autoadministrada asistida por computadora
(Computer-assisted self-interviewing)(Computer-assisted self-interviewing)
SESGOS A CONSIDERARSESGOS A CONSIDERAR
 1. Norma de justicia o equidad.1. Norma de justicia o equidad.
 La persona trata de ser justa en cómo contesta la pregunta,La persona trata de ser justa en cómo contesta la pregunta,
basado en cómo contestó una/s previa/s pregunta/sbasado en cómo contestó una/s previa/s pregunta/s
 2. Estrategia de “ancla”.2. Estrategia de “ancla”.
 La persona utiliza información de una/s pregunta/s previa/s paraLa persona utiliza información de una/s pregunta/s previa/s para
contestar la pregunta actualcontestar la pregunta actual
 3. Efecto de sumar o restar.3. Efecto de sumar o restar.
 La persona asume que parte de su respuesta a que unaLa persona asume que parte de su respuesta a que una
pregunta previa aplica a la próxima pregunta (sumar) o quepregunta previa aplica a la próxima pregunta (sumar) o que
parte de la próxima pregunta ya se contestó en una previaparte de la próxima pregunta ya se contestó en una previa
pregunta (restar)pregunta (restar)
 4. Mayor positivismo en los ítems de resumen…4. Mayor positivismo en los ítems de resumen…
 * Después de contestar preguntas específicas* Después de contestar preguntas específicas
 La persona da una respuesta diferente/contradictoria porqueLa persona da una respuesta diferente/contradictoria porque
siente que ya dio los detalles en las otras preguntassiente que ya dio los detalles en las otras preguntas
GRACIASGRACIAS
cristiandiazv@hotmail.com

More Related Content

What's hot

Diseños de investigacion hms
Diseños de investigacion hmsDiseños de investigacion hms
Diseños de investigacion hmsHermias Montes
 
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.Edison Coimbra G.
 
Tamaño de la muestra
Tamaño de la muestraTamaño de la muestra
Tamaño de la muestraALANIS
 
UNIDAD XII ESTADISTICA PARAMETRICA Y ESTADISTICA NO PARAMETRICA.
UNIDAD XII ESTADISTICA PARAMETRICA Y ESTADISTICA NO PARAMETRICA. UNIDAD XII ESTADISTICA PARAMETRICA Y ESTADISTICA NO PARAMETRICA.
UNIDAD XII ESTADISTICA PARAMETRICA Y ESTADISTICA NO PARAMETRICA. LISBETHSARAIMALDONAD1
 
Metodologia cap 8 - selección de la muestra. 2 sem 2013
Metodologia   cap 8 - selección de la muestra. 2 sem 2013Metodologia   cap 8 - selección de la muestra. 2 sem 2013
Metodologia cap 8 - selección de la muestra. 2 sem 2013udcecologia
 
Procesamiento, tratamiento y presentación estadistica de datos
Procesamiento, tratamiento y presentación estadistica de datosProcesamiento, tratamiento y presentación estadistica de datos
Procesamiento, tratamiento y presentación estadistica de datosJOSE DANIEL URVIOLA CORZO
 
Tipos y diseños de investigacion
Tipos y diseños de investigacionTipos y diseños de investigacion
Tipos y diseños de investigacionJoselyn Castañeda
 
Muestra y unidades de analisis
Muestra y unidades de analisisMuestra y unidades de analisis
Muestra y unidades de analisisRicardoMachado1950
 
Proceso de investigación y análisis de datos
Proceso de investigación y análisis de datosProceso de investigación y análisis de datos
Proceso de investigación y análisis de datosFernando Reyes Baños
 
ANÁLISIS DE LOS DATOS CUANTITATIVOS
ANÁLISIS DE LOS DATOS CUANTITATIVOSANÁLISIS DE LOS DATOS CUANTITATIVOS
ANÁLISIS DE LOS DATOS CUANTITATIVOSJulieth Muñoz
 
Exposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptxExposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptxBryanEviaPachar
 
9. diseño de la investigación
9. diseño de la investigación9. diseño de la investigación
9. diseño de la investigaciónkrislesp
 
Muestreo sistematico
Muestreo sistematicoMuestreo sistematico
Muestreo sistematicoEdwin Gomez
 
Investigacion Cientifica
Investigacion CientificaInvestigacion Cientifica
Investigacion Cientificaxelaleph
 

What's hot (20)

PoblacióN Y Muestra
PoblacióN Y MuestraPoblacióN Y Muestra
PoblacióN Y Muestra
 
Diseños de investigacion hms
Diseños de investigacion hmsDiseños de investigacion hms
Diseños de investigacion hms
 
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
7.Seleccion de la muestra. Paso 7 de la Investigacion Científica.
 
Tamaño de la muestra
Tamaño de la muestraTamaño de la muestra
Tamaño de la muestra
 
7. población y muestra
7. población y muestra 7. población y muestra
7. población y muestra
 
Muestreo probabilístico y no probabilístico
Muestreo probabilístico y  no probabilísticoMuestreo probabilístico y  no probabilístico
Muestreo probabilístico y no probabilístico
 
UNIDAD XII ESTADISTICA PARAMETRICA Y ESTADISTICA NO PARAMETRICA.
UNIDAD XII ESTADISTICA PARAMETRICA Y ESTADISTICA NO PARAMETRICA. UNIDAD XII ESTADISTICA PARAMETRICA Y ESTADISTICA NO PARAMETRICA.
UNIDAD XII ESTADISTICA PARAMETRICA Y ESTADISTICA NO PARAMETRICA.
 
Metodologia cap 8 - selección de la muestra. 2 sem 2013
Metodologia   cap 8 - selección de la muestra. 2 sem 2013Metodologia   cap 8 - selección de la muestra. 2 sem 2013
Metodologia cap 8 - selección de la muestra. 2 sem 2013
 
Procesamiento, tratamiento y presentación estadistica de datos
Procesamiento, tratamiento y presentación estadistica de datosProcesamiento, tratamiento y presentación estadistica de datos
Procesamiento, tratamiento y presentación estadistica de datos
 
Iso 690
Iso 690Iso 690
Iso 690
 
Tipos y diseños de investigacion
Tipos y diseños de investigacionTipos y diseños de investigacion
Tipos y diseños de investigacion
 
Muestra y unidades de analisis
Muestra y unidades de analisisMuestra y unidades de analisis
Muestra y unidades de analisis
 
Proceso de investigación y análisis de datos
Proceso de investigación y análisis de datosProceso de investigación y análisis de datos
Proceso de investigación y análisis de datos
 
ANÁLISIS DE LOS DATOS CUANTITATIVOS
ANÁLISIS DE LOS DATOS CUANTITATIVOSANÁLISIS DE LOS DATOS CUANTITATIVOS
ANÁLISIS DE LOS DATOS CUANTITATIVOS
 
Investigación censal
Investigación censalInvestigación censal
Investigación censal
 
Exposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptxExposición-Muestreo Estratificado.pptx
Exposición-Muestreo Estratificado.pptx
 
9. diseño de la investigación
9. diseño de la investigación9. diseño de la investigación
9. diseño de la investigación
 
Muestreo sistematico
Muestreo sistematicoMuestreo sistematico
Muestreo sistematico
 
Cómo seleccionar una muestra
Cómo seleccionar una muestraCómo seleccionar una muestra
Cómo seleccionar una muestra
 
Investigacion Cientifica
Investigacion CientificaInvestigacion Cientifica
Investigacion Cientifica
 

Viewers also liked

Perfil epidemiologico de las enfermedade infecciosas en el fenomeno del niño ...
Perfil epidemiologico de las enfermedade infecciosas en el fenomeno del niño ...Perfil epidemiologico de las enfermedade infecciosas en el fenomeno del niño ...
Perfil epidemiologico de las enfermedade infecciosas en el fenomeno del niño ...Hospital Nacional Almanzor Aguinaga Asenjo
 

Viewers also liked (20)

Búsqueda bibliográfica USMP 2016
Búsqueda bibliográfica USMP 2016Búsqueda bibliográfica USMP 2016
Búsqueda bibliográfica USMP 2016
 
Hipotesis y objetivos
Hipotesis y objetivosHipotesis y objetivos
Hipotesis y objetivos
 
Justificación, limitaciones y viabilidad
Justificación, limitaciones y viabilidadJustificación, limitaciones y viabilidad
Justificación, limitaciones y viabilidad
 
Morbilidad y mortalidad materna ESSALUD Lambayeque
Morbilidad y mortalidad materna ESSALUD LambayequeMorbilidad y mortalidad materna ESSALUD Lambayeque
Morbilidad y mortalidad materna ESSALUD Lambayeque
 
Situación del zika en jaén
Situación del zika en jaénSituación del zika en jaén
Situación del zika en jaén
 
Pregunta de investigación, problema cientifico
Pregunta de investigación,  problema cientificoPregunta de investigación,  problema cientifico
Pregunta de investigación, problema cientifico
 
Estado actual del cáncer en el perú y lambayeque. cancer ocupacional
Estado actual del cáncer en el perú y lambayeque. cancer ocupacionalEstado actual del cáncer en el perú y lambayeque. cancer ocupacional
Estado actual del cáncer en el perú y lambayeque. cancer ocupacional
 
Areas y líneas de investigación USMP
Areas y líneas de investigación USMPAreas y líneas de investigación USMP
Areas y líneas de investigación USMP
 
Pregunta de investigación, problema cientifico
Pregunta de investigación,  problema cientificoPregunta de investigación,  problema cientifico
Pregunta de investigación, problema cientifico
 
Perfil epidemiologico de la patologia ambulatoria
Perfil epidemiologico de la patologia ambulatoriaPerfil epidemiologico de la patologia ambulatoria
Perfil epidemiologico de la patologia ambulatoria
 
Perfil epidemiologico de las enfermedade infecciosas en el fenomeno del niño ...
Perfil epidemiologico de las enfermedade infecciosas en el fenomeno del niño ...Perfil epidemiologico de las enfermedade infecciosas en el fenomeno del niño ...
Perfil epidemiologico de las enfermedade infecciosas en el fenomeno del niño ...
 
Perfil epidemiologico de las emg médicas y qx
Perfil epidemiologico de las emg médicas y qxPerfil epidemiologico de las emg médicas y qx
Perfil epidemiologico de las emg médicas y qx
 
Perfil de las infecciones intrahospitalarias en lambayeque
Perfil de las infecciones intrahospitalarias en lambayequePerfil de las infecciones intrahospitalarias en lambayeque
Perfil de las infecciones intrahospitalarias en lambayeque
 
Enfermedades ocupacionales en el perú y el mundo
Enfermedades ocupacionales en el perú y el mundoEnfermedades ocupacionales en el perú y el mundo
Enfermedades ocupacionales en el perú y el mundo
 
Consentimiento informado en cirugia
Consentimiento informado en cirugiaConsentimiento informado en cirugia
Consentimiento informado en cirugia
 
Plan de contingencia dengue chik y zika
Plan de contingencia dengue chik y zikaPlan de contingencia dengue chik y zika
Plan de contingencia dengue chik y zika
 
Etica de la función publica
Etica de la función publicaEtica de la función publica
Etica de la función publica
 
Guias de practica clinica. interpretacion niveles evidencia
Guias de practica clinica. interpretacion niveles evidenciaGuias de practica clinica. interpretacion niveles evidencia
Guias de practica clinica. interpretacion niveles evidencia
 
Población y Muestra
Población y MuestraPoblación y Muestra
Población y Muestra
 
Tema 8
Tema 8Tema 8
Tema 8
 

Similar to Expo sbs. poblacion muestra criterios selección instrumentos

Muestreo técnicas de recolección
Muestreo técnicas de recolecciónMuestreo técnicas de recolección
Muestreo técnicas de recolecciónAlejandra Camors
 
tamaño de la muestra MONTALVO
tamaño de la muestra  MONTALVOtamaño de la muestra  MONTALVO
tamaño de la muestra MONTALVOTricio Hidalgo
 
Validez clasificacion de los sesgos_ Epidemiologia2.pptx
Validez clasificacion de los sesgos_ Epidemiologia2.pptxValidez clasificacion de los sesgos_ Epidemiologia2.pptx
Validez clasificacion de los sesgos_ Epidemiologia2.pptxosmitsalazar2
 
ESTADÍSTICA INFERENCIAL I.docx
ESTADÍSTICA INFERENCIAL I.docxESTADÍSTICA INFERENCIAL I.docx
ESTADÍSTICA INFERENCIAL I.docxAndreaPacheco95
 
Estadistica parametrica y no parametrica
Estadistica parametrica y no parametricaEstadistica parametrica y no parametrica
Estadistica parametrica y no parametricajimialaponte
 
Veter. 10ma muestreo. media y proporción
Veter. 10ma muestreo. media y proporciónVeter. 10ma muestreo. media y proporción
Veter. 10ma muestreo. media y proporciónUniv Peruana Los Andes
 
Curso metodologia de la investigacion
Curso metodologia de la investigacionCurso metodologia de la investigacion
Curso metodologia de la investigacionirenashh
 

Similar to Expo sbs. poblacion muestra criterios selección instrumentos (20)

Muestreo
MuestreoMuestreo
Muestreo
 
Estadistica tema 2. muestreo parte 1
Estadistica tema 2. muestreo parte 1Estadistica tema 2. muestreo parte 1
Estadistica tema 2. muestreo parte 1
 
Muestreo técnicas de recolección
Muestreo técnicas de recolecciónMuestreo técnicas de recolección
Muestreo técnicas de recolección
 
Muestreo clase2
Muestreo clase2Muestreo clase2
Muestreo clase2
 
tema 1.pdf
tema 1.pdftema 1.pdf
tema 1.pdf
 
tamaño de la muestra MONTALVO
tamaño de la muestra  MONTALVOtamaño de la muestra  MONTALVO
tamaño de la muestra MONTALVO
 
4 población y muestreo (1).pdf
4 población y muestreo (1).pdf4 población y muestreo (1).pdf
4 población y muestreo (1).pdf
 
Muestra o analisis muestral
Muestra o analisis muestralMuestra o analisis muestral
Muestra o analisis muestral
 
Validez clasificacion de los sesgos_ Epidemiologia2.pptx
Validez clasificacion de los sesgos_ Epidemiologia2.pptxValidez clasificacion de los sesgos_ Epidemiologia2.pptx
Validez clasificacion de los sesgos_ Epidemiologia2.pptx
 
Muestra y muestreo. EPIDAT
Muestra y muestreo. EPIDATMuestra y muestreo. EPIDAT
Muestra y muestreo. EPIDAT
 
técnicas de muestreo
técnicas de muestreotécnicas de muestreo
técnicas de muestreo
 
poblacion y muestra.ppt
poblacion y muestra.pptpoblacion y muestra.ppt
poblacion y muestra.ppt
 
Estadistica Muestreo
Estadistica MuestreoEstadistica Muestreo
Estadistica Muestreo
 
Muestreo Manuel y Enrique
Muestreo Manuel y EnriqueMuestreo Manuel y Enrique
Muestreo Manuel y Enrique
 
ESTADÍSTICA INFERENCIAL I.docx
ESTADÍSTICA INFERENCIAL I.docxESTADÍSTICA INFERENCIAL I.docx
ESTADÍSTICA INFERENCIAL I.docx
 
Estadistica parametrica y no parametrica
Estadistica parametrica y no parametricaEstadistica parametrica y no parametrica
Estadistica parametrica y no parametrica
 
Estadistica ii expo
Estadistica ii expoEstadistica ii expo
Estadistica ii expo
 
Willy valverde muestreo
Willy valverde   muestreoWilly valverde   muestreo
Willy valverde muestreo
 
Veter. 10ma muestreo. media y proporción
Veter. 10ma muestreo. media y proporciónVeter. 10ma muestreo. media y proporción
Veter. 10ma muestreo. media y proporción
 
Curso metodologia de la investigacion
Curso metodologia de la investigacionCurso metodologia de la investigacion
Curso metodologia de la investigacion
 

More from Hospital Nacional Almanzor Aguinaga Asenjo

Uso de Tecnologías de información para lograr visibilidad de producción cient...
Uso de Tecnologías de información para lograr visibilidad de producción cient...Uso de Tecnologías de información para lograr visibilidad de producción cient...
Uso de Tecnologías de información para lograr visibilidad de producción cient...Hospital Nacional Almanzor Aguinaga Asenjo
 

More from Hospital Nacional Almanzor Aguinaga Asenjo (20)

Dengue, epidemiologica, definiciones, prevencion y control 2023
Dengue, epidemiologica, definiciones, prevencion y control 2023Dengue, epidemiologica, definiciones, prevencion y control 2023
Dengue, epidemiologica, definiciones, prevencion y control 2023
 
Informe de gestión IETSI Feb 2020-Jun 2021....pptx
Informe de gestión IETSI Feb 2020-Jun 2021....pptxInforme de gestión IETSI Feb 2020-Jun 2021....pptx
Informe de gestión IETSI Feb 2020-Jun 2021....pptx
 
Brote de infección IAAS 2019
Brote de infección IAAS 2019Brote de infección IAAS 2019
Brote de infección IAAS 2019
 
Control de un brote infeccioso
Control de un brote infecciosoControl de un brote infeccioso
Control de un brote infeccioso
 
Lineamientos clinicos mbe_vacuna_covid-19
Lineamientos clinicos mbe_vacuna_covid-19Lineamientos clinicos mbe_vacuna_covid-19
Lineamientos clinicos mbe_vacuna_covid-19
 
Importancia de vacunacion contra covid-19
Importancia de vacunacion contra covid-19Importancia de vacunacion contra covid-19
Importancia de vacunacion contra covid-19
 
Vacuna contra Covid-19
Vacuna contra Covid-19Vacuna contra Covid-19
Vacuna contra Covid-19
 
Situación del SARS COV-2 en Lambayeque
Situación del SARS COV-2 en LambayequeSituación del SARS COV-2 en Lambayeque
Situación del SARS COV-2 en Lambayeque
 
Medidas de salud publica Basado en evidencia
Medidas de salud publica Basado en evidenciaMedidas de salud publica Basado en evidencia
Medidas de salud publica Basado en evidencia
 
Experiencias aprendidas en manejo epidemiologico de covid 19
Experiencias aprendidas en manejo epidemiologico de covid 19Experiencias aprendidas en manejo epidemiologico de covid 19
Experiencias aprendidas en manejo epidemiologico de covid 19
 
Tips publicar revista indizada usmp
Tips publicar revista indizada usmpTips publicar revista indizada usmp
Tips publicar revista indizada usmp
 
cartas al editor. importancia y como redactarla 2019
cartas al editor. importancia y como redactarla 2019cartas al editor. importancia y como redactarla 2019
cartas al editor. importancia y como redactarla 2019
 
Uso de Tecnologías de información para lograr visibilidad de producción cient...
Uso de Tecnologías de información para lograr visibilidad de producción cient...Uso de Tecnologías de información para lograr visibilidad de producción cient...
Uso de Tecnologías de información para lograr visibilidad de producción cient...
 
Enfermedades inmnoprevenibles lambayeque
Enfermedades inmnoprevenibles lambayequeEnfermedades inmnoprevenibles lambayeque
Enfermedades inmnoprevenibles lambayeque
 
Criterios certificado incapacidad 2018
Criterios certificado incapacidad 2018Criterios certificado incapacidad 2018
Criterios certificado incapacidad 2018
 
Estudios piloto 2018
Estudios piloto 2018Estudios piloto 2018
Estudios piloto 2018
 
Situación Epidemiologica sarampion 2018
Situación Epidemiologica sarampion 2018Situación Epidemiologica sarampion 2018
Situación Epidemiologica sarampion 2018
 
Situación Epidemiológica de las IRAG
Situación Epidemiológica de las IRAGSituación Epidemiológica de las IRAG
Situación Epidemiológica de las IRAG
 
Ergonomia en el trabajo
Ergonomia en el trabajoErgonomia en el trabajo
Ergonomia en el trabajo
 
TICS, visibilidad investigación
TICS, visibilidad investigaciónTICS, visibilidad investigación
TICS, visibilidad investigación
 

Recently uploaded

Clase 3 (parte 1) Osteologia generalidades de craneo con frontal 2024.pdf
Clase 3 (parte 1) Osteologia generalidades de craneo con frontal  2024.pdfClase 3 (parte 1) Osteologia generalidades de craneo con frontal  2024.pdf
Clase 3 (parte 1) Osteologia generalidades de craneo con frontal 2024.pdfgarrotamara01
 
Radiografía de tórax- BALDERRAMA OLVERA.pdf
Radiografía de tórax- BALDERRAMA OLVERA.pdfRadiografía de tórax- BALDERRAMA OLVERA.pdf
Radiografía de tórax- BALDERRAMA OLVERA.pdfYenifeerOlvera
 
# 24 LA DESNUTRICION EN 10 PASOS (1).pdf
# 24  LA DESNUTRICION EN 10 PASOS (1).pdf# 24  LA DESNUTRICION EN 10 PASOS (1).pdf
# 24 LA DESNUTRICION EN 10 PASOS (1).pdfKelvinDorianSilesPer
 
Sistema Muscular Miología al 100 Complejo.pdf
Sistema Muscular Miología al 100 Complejo.pdfSistema Muscular Miología al 100 Complejo.pdf
Sistema Muscular Miología al 100 Complejo.pdfAloneUs
 
Clase 3 (Parte 2) Osteologia Huesos del Craneo Fr Et Occ Pa 2024.pdf
Clase 3 (Parte 2) Osteologia Huesos del Craneo Fr Et Occ Pa 2024.pdfClase 3 (Parte 2) Osteologia Huesos del Craneo Fr Et Occ Pa 2024.pdf
Clase 3 (Parte 2) Osteologia Huesos del Craneo Fr Et Occ Pa 2024.pdfgarrotamara01
 
generalidades de parasitologia, parasitologia de botero
generalidades de parasitologia, parasitologia de boterogeneralidades de parasitologia, parasitologia de botero
generalidades de parasitologia, parasitologia de boteroLeslieGodinez1
 
Transportes a través de membrana celular
Transportes a través de membrana celularTransportes a través de membrana celular
Transportes a través de membrana celulargharce
 
CasoClinicoAstridGarciaRodriguezseptimoB.pdf
CasoClinicoAstridGarciaRodriguezseptimoB.pdfCasoClinicoAstridGarciaRodriguezseptimoB.pdf
CasoClinicoAstridGarciaRodriguezseptimoB.pdfAstrid197751
 
Pòster "Dengue con signos de alarma: reporte de caso"
Pòster "Dengue con signos de alarma: reporte de caso"Pòster "Dengue con signos de alarma: reporte de caso"
Pòster "Dengue con signos de alarma: reporte de caso"Badalona Serveis Assistencials
 
Películas para entender las enfermedades raras
Películas para entender las enfermedades rarasPelículas para entender las enfermedades raras
Películas para entender las enfermedades rarasJavierGonzalezdeDios
 
COVID 19 y la nueva forma de diabetes.pptx
COVID 19 y la nueva forma de diabetes.pptxCOVID 19 y la nueva forma de diabetes.pptx
COVID 19 y la nueva forma de diabetes.pptxEmely Juarez
 
Unidad 1 Tarea 2 - Semiología Grupo 5.docx
Unidad 1 Tarea 2 - Semiología Grupo 5.docxUnidad 1 Tarea 2 - Semiología Grupo 5.docx
Unidad 1 Tarea 2 - Semiología Grupo 5.docxisabellajimenez33
 
Educación Sexual en la Adolescencia Taller Charla
Educación Sexual en la Adolescencia Taller CharlaEducación Sexual en la Adolescencia Taller Charla
Educación Sexual en la Adolescencia Taller CharlaIbethCalle2
 
CETOACIDOSIS DIABETICA,ESTADO HIPEROSMOLAR HIPERGLICEMICO
CETOACIDOSIS DIABETICA,ESTADO HIPEROSMOLAR HIPERGLICEMICOCETOACIDOSIS DIABETICA,ESTADO HIPEROSMOLAR HIPERGLICEMICO
CETOACIDOSIS DIABETICA,ESTADO HIPEROSMOLAR HIPERGLICEMICOEnriqueJavierFernand1
 
SESIÓN 11 - Ginecología - Útero y anexos.ppt
SESIÓN 11 - Ginecología - Útero y anexos.pptSESIÓN 11 - Ginecología - Útero y anexos.ppt
SESIÓN 11 - Ginecología - Útero y anexos.pptBrunoRuizSoto
 
Espacios 100% Libres de Humo de Tabaco_establecimientos-pleca veda.pdf
Espacios 100% Libres de Humo de Tabaco_establecimientos-pleca veda.pdfEspacios 100% Libres de Humo de Tabaco_establecimientos-pleca veda.pdf
Espacios 100% Libres de Humo de Tabaco_establecimientos-pleca veda.pdfandresmartinez109761
 
6. ANATOMÍA Y FISIOLOGÍA GLANDULA MAMARIA DRA. ALEJANDRA.pptx
6. ANATOMÍA Y FISIOLOGÍA GLANDULA MAMARIA DRA. ALEJANDRA.pptx6. ANATOMÍA Y FISIOLOGÍA GLANDULA MAMARIA DRA. ALEJANDRA.pptx
6. ANATOMÍA Y FISIOLOGÍA GLANDULA MAMARIA DRA. ALEJANDRA.pptxPamR5
 
Medicamentos de Alto Riesgo, exposición general.pdf
Medicamentos de Alto Riesgo, exposición general.pdfMedicamentos de Alto Riesgo, exposición general.pdf
Medicamentos de Alto Riesgo, exposición general.pdfqfbcarlosarias
 
Radiología convencional Tarea 2 (Semiologia Radiologica).docx
Radiología convencional Tarea 2 (Semiologia Radiologica).docxRadiología convencional Tarea 2 (Semiologia Radiologica).docx
Radiología convencional Tarea 2 (Semiologia Radiologica).docxfabian1212delta
 
Clase 2 Ejes-Planos-Cavidades ..2024.pdf
Clase 2 Ejes-Planos-Cavidades ..2024.pdfClase 2 Ejes-Planos-Cavidades ..2024.pdf
Clase 2 Ejes-Planos-Cavidades ..2024.pdfgarrotamara01
 

Recently uploaded (20)

Clase 3 (parte 1) Osteologia generalidades de craneo con frontal 2024.pdf
Clase 3 (parte 1) Osteologia generalidades de craneo con frontal  2024.pdfClase 3 (parte 1) Osteologia generalidades de craneo con frontal  2024.pdf
Clase 3 (parte 1) Osteologia generalidades de craneo con frontal 2024.pdf
 
Radiografía de tórax- BALDERRAMA OLVERA.pdf
Radiografía de tórax- BALDERRAMA OLVERA.pdfRadiografía de tórax- BALDERRAMA OLVERA.pdf
Radiografía de tórax- BALDERRAMA OLVERA.pdf
 
# 24 LA DESNUTRICION EN 10 PASOS (1).pdf
# 24  LA DESNUTRICION EN 10 PASOS (1).pdf# 24  LA DESNUTRICION EN 10 PASOS (1).pdf
# 24 LA DESNUTRICION EN 10 PASOS (1).pdf
 
Sistema Muscular Miología al 100 Complejo.pdf
Sistema Muscular Miología al 100 Complejo.pdfSistema Muscular Miología al 100 Complejo.pdf
Sistema Muscular Miología al 100 Complejo.pdf
 
Clase 3 (Parte 2) Osteologia Huesos del Craneo Fr Et Occ Pa 2024.pdf
Clase 3 (Parte 2) Osteologia Huesos del Craneo Fr Et Occ Pa 2024.pdfClase 3 (Parte 2) Osteologia Huesos del Craneo Fr Et Occ Pa 2024.pdf
Clase 3 (Parte 2) Osteologia Huesos del Craneo Fr Et Occ Pa 2024.pdf
 
generalidades de parasitologia, parasitologia de botero
generalidades de parasitologia, parasitologia de boterogeneralidades de parasitologia, parasitologia de botero
generalidades de parasitologia, parasitologia de botero
 
Transportes a través de membrana celular
Transportes a través de membrana celularTransportes a través de membrana celular
Transportes a través de membrana celular
 
CasoClinicoAstridGarciaRodriguezseptimoB.pdf
CasoClinicoAstridGarciaRodriguezseptimoB.pdfCasoClinicoAstridGarciaRodriguezseptimoB.pdf
CasoClinicoAstridGarciaRodriguezseptimoB.pdf
 
Pòster "Dengue con signos de alarma: reporte de caso"
Pòster "Dengue con signos de alarma: reporte de caso"Pòster "Dengue con signos de alarma: reporte de caso"
Pòster "Dengue con signos de alarma: reporte de caso"
 
Películas para entender las enfermedades raras
Películas para entender las enfermedades rarasPelículas para entender las enfermedades raras
Películas para entender las enfermedades raras
 
COVID 19 y la nueva forma de diabetes.pptx
COVID 19 y la nueva forma de diabetes.pptxCOVID 19 y la nueva forma de diabetes.pptx
COVID 19 y la nueva forma de diabetes.pptx
 
Unidad 1 Tarea 2 - Semiología Grupo 5.docx
Unidad 1 Tarea 2 - Semiología Grupo 5.docxUnidad 1 Tarea 2 - Semiología Grupo 5.docx
Unidad 1 Tarea 2 - Semiología Grupo 5.docx
 
Educación Sexual en la Adolescencia Taller Charla
Educación Sexual en la Adolescencia Taller CharlaEducación Sexual en la Adolescencia Taller Charla
Educación Sexual en la Adolescencia Taller Charla
 
CETOACIDOSIS DIABETICA,ESTADO HIPEROSMOLAR HIPERGLICEMICO
CETOACIDOSIS DIABETICA,ESTADO HIPEROSMOLAR HIPERGLICEMICOCETOACIDOSIS DIABETICA,ESTADO HIPEROSMOLAR HIPERGLICEMICO
CETOACIDOSIS DIABETICA,ESTADO HIPEROSMOLAR HIPERGLICEMICO
 
SESIÓN 11 - Ginecología - Útero y anexos.ppt
SESIÓN 11 - Ginecología - Útero y anexos.pptSESIÓN 11 - Ginecología - Útero y anexos.ppt
SESIÓN 11 - Ginecología - Útero y anexos.ppt
 
Espacios 100% Libres de Humo de Tabaco_establecimientos-pleca veda.pdf
Espacios 100% Libres de Humo de Tabaco_establecimientos-pleca veda.pdfEspacios 100% Libres de Humo de Tabaco_establecimientos-pleca veda.pdf
Espacios 100% Libres de Humo de Tabaco_establecimientos-pleca veda.pdf
 
6. ANATOMÍA Y FISIOLOGÍA GLANDULA MAMARIA DRA. ALEJANDRA.pptx
6. ANATOMÍA Y FISIOLOGÍA GLANDULA MAMARIA DRA. ALEJANDRA.pptx6. ANATOMÍA Y FISIOLOGÍA GLANDULA MAMARIA DRA. ALEJANDRA.pptx
6. ANATOMÍA Y FISIOLOGÍA GLANDULA MAMARIA DRA. ALEJANDRA.pptx
 
Medicamentos de Alto Riesgo, exposición general.pdf
Medicamentos de Alto Riesgo, exposición general.pdfMedicamentos de Alto Riesgo, exposición general.pdf
Medicamentos de Alto Riesgo, exposición general.pdf
 
Radiología convencional Tarea 2 (Semiologia Radiologica).docx
Radiología convencional Tarea 2 (Semiologia Radiologica).docxRadiología convencional Tarea 2 (Semiologia Radiologica).docx
Radiología convencional Tarea 2 (Semiologia Radiologica).docx
 
Clase 2 Ejes-Planos-Cavidades ..2024.pdf
Clase 2 Ejes-Planos-Cavidades ..2024.pdfClase 2 Ejes-Planos-Cavidades ..2024.pdf
Clase 2 Ejes-Planos-Cavidades ..2024.pdf
 

Expo sbs. poblacion muestra criterios selección instrumentos

  • 1. Dr. Cristian Díaz Vélez Médico Epidemiólogo y Auditor Médico Jefe de la Oficina de Inteligencia Sanitaria Hospital Nacional Almanzor Aguinaga Asenjo Población, muestraPoblación, muestra criterios de selección ecriterios de selección e instrumentosinstrumentos
  • 4. Dr. Cristian Díaz VélezDr. Cristian Díaz Vélez 44
  • 6. • POBLACIONES PEQUEÑAS • ENSAYOS DESTRUCTIVOS • POBLACIONES MUY VARIABLES
  • 7. • Estudio sobre el perfil de los estudiantes y egresados de la Tecnología en Médica en los últimos dos años. • Estudio sobre el perfil socio económico de los docentes de entidades publicas de Perú • Estudio para identificar la demanda de servicios de salud en Chiclayo. Para los siguientes casos diga si es preferible Censo o muestreo.
  • 8. Margen de confianza en laMargen de confianza en la estimaciónestimación  Expresa el grado de probabilidad que elExpresa el grado de probabilidad que el investigador tiene en que su estimacióninvestigador tiene en que su estimación se ajuste a la realidad.se ajuste a la realidad.  Los valores comúnmente utilizados sonLos valores comúnmente utilizados son 95, 99, 99,9%95, 99, 99,9% NIVEL DE CONFIANZA
  • 9. Errores, Errores, ERRORESErrores, Errores, ERRORES AleatorioAleatorio MuestralMuestral SistemáticoSistemático V =v±e Valor Verdadero en la población Valor Medido en la muestra ERRORERROR
  • 10. Error AleatorioError Aleatorio El error aleatorio no se suele ajustar aEl error aleatorio no se suele ajustar a ninguna regla o norma , varían en cadaninguna regla o norma , varían en cada caso , en su sentido y magnitud, y por ellocaso , en su sentido y magnitud, y por ello tiende a anularse cuando se trata de untiende a anularse cuando se trata de un número elevado de casos.número elevado de casos. Los errores aleatorios se comenten, porLos errores aleatorios se comenten, por ejemplo, cuandoejemplo, cuando un encuestado eligeun encuestado elige erróneamente una casilla queriendo hacerloerróneamente una casilla queriendo hacerlo en otra, cuando un encuestador marcaen otra, cuando un encuestador marca erróneamente un datoerróneamente un dato, etc., etc.
  • 11. Errores SistemáticosErrores Sistemáticos  Un error sistemático es aquel que se produce de igualUn error sistemático es aquel que se produce de igual modo (sentido y proporción) en todas las medicionesmodo (sentido y proporción) en todas las mediciones que se realizan sobre un parámetro de la muestraque se realizan sobre un parámetro de la muestra  Contrario al error aleatorio, NO se anula en muestrasContrario al error aleatorio, NO se anula en muestras grandes.grandes. Ejemplos Las tendencias subjetivas conscientes o inconscientes del investigador. Sustituciones, según criterio propio del investigador, de unidades de la muestra que habían sido elegidas al azar. Insuficiente observación del conjunto de la población que influye en una deficiente definición de sus características.
  • 12. Error MuestralError Muestral  Cuando se extrae una muestra de unaCuando se extrae una muestra de una población es frecuente que los resultadospoblación es frecuente que los resultados obtenidos de la muestra no seanobtenidos de la muestra no sean exactamente los valores reales de laexactamente los valores reales de la población.población.  El error de muestreo ocurre al estudiarEl error de muestreo ocurre al estudiar una muestra en lugar de la población total.una muestra en lugar de la población total.  La diferencia entre el valor del parámetroLa diferencia entre el valor del parámetro de una población y el obtenido de unade una población y el obtenido de una muestra recibe el nombre de errormuestra recibe el nombre de error muestralmuestral. (y que no puede ser asociado a otro tipo de explicación, es decir no es error aleatorio o sistemático)
  • 13. Error MuestralError Muestral Por muy perfecta que sea la muestraPor muy perfecta que sea la muestra siempre habrá grado de divergencia entresiempre habrá grado de divergencia entre los parámetros estimados usándola y loslos parámetros estimados usándola y los de la verdadera población.de la verdadera población. En el cálculo del error intervienen:En el cálculo del error intervienen: Tamaño de la muestraTamaño de la muestra Varianza poblacionalVarianza poblacional Nivel de confianzaNivel de confianza Tipo de muestreoTipo de muestreo
  • 14. Circulo vicioso del cálculoCirculo vicioso del cálculo Cálculo muestral Frecuencia del Problema en estudio La frecuencia se obtendrá en el estudio x p r OR
  • 15. El error muestralEl error muestral es mayores mayor en laen la medida que:medida que:  Crece el grado de confianza que elCrece el grado de confianza que el investigador quiere dar a su estimacióninvestigador quiere dar a su estimación del parámetro medido mediante ladel parámetro medido mediante la muestramuestra  Es más elevada la variabilidad de laEs más elevada la variabilidad de la variable estudiada.variable estudiada.  Es menor el tamaño de la muestra.Es menor el tamaño de la muestra.
  • 16. Tamaño de la muestra vs. ErrorTamaño de la muestra vs. Error muestralmuestral
  • 19. Correcciones para poblacionesCorrecciones para poblaciones finitasfinitas  Cuando el tamaño de la muestra esCuando el tamaño de la muestra es mayor del 5 % del tamaño de lamayor del 5 % del tamaño de la población se debe utilizar el factor depoblación se debe utilizar el factor de corrección.corrección.
  • 20. Margen de errorMargen de error admisibleadmisible Los incrementos en el tamaño de laLos incrementos en el tamaño de la muestra repercuten en una mayormuestra repercuten en una mayor precisión y por consiguiente en menorprecisión y por consiguiente en menor error muestral.error muestral. El error muestral interviene en el cálculoEl error muestral interviene en el cálculo del tamaño de la muestra solodel tamaño de la muestra solo si el diseñosi el diseño es probabilístico.es probabilístico. En el muestreo probabilístico elEn el muestreo probabilístico el investigador fija el error máximo admisibleinvestigador fija el error máximo admisible a priori y sobre esa base realiza el cálculoa priori y sobre esa base realiza el cálculo del tamaño de la muestra.del tamaño de la muestra.
  • 21. Por lo tanto el tamaño de laPor lo tanto el tamaño de la muestramuestra
  • 22. ► Ejemplo:Ejemplo: Si por ejemplo estudiamos la prevalencia deSi por ejemplo estudiamos la prevalencia de asma bronquial en un estudio donde se cálculoasma bronquial en un estudio donde se cálculo la muestra con tolerancia de error del 5% yla muestra con tolerancia de error del 5% y nivel de confianza del 95% y se encontró que lanivel de confianza del 95% y se encontró que la prevalencia es de 20%.prevalencia es de 20%. Interpretación:Interpretación: hay un 95% de probabilidadhay un 95% de probabilidad que la prevalencia real este entre 15 y 25%.que la prevalencia real este entre 15 y 25%. Que ocurre si las prevalencias son muy bajas, por ejemplo 2%??
  • 23. Factores que influyenFactores que influyen ► Tipo de diseño de etudio.Tipo de diseño de etudio. ► Tipo de muestreo utilizado.Tipo de muestreo utilizado. ► Comparación de muestras independientesComparación de muestras independientes o pareadas.o pareadas.
  • 24. 1. Identificación de la población 2. Indicadores a estimar  Proporciones  Promedios  Métodos multivariados 3. Análisis de subgrupos 4. Precisión deseada en los estimadores
  • 28. Muestreo de elemento VS muestreo de grupo Igual probabilidad VS diferente probabilidad Estratificado VS no estratificado Aleatoria VS sistemática Una sola etapa VS multietápico 32 Material preparado por: Profesor León Darío Bello Parias
  • 29. Ventajas del Azar Elimina la subjetividad de los investigadores en la selección de unidades de análisis Permite medir la precisión de las estimaciones. El azar no garantiza representatividad.
  • 40.  Ejemplo:Ejemplo: N = 3500N = 3500 n = 40n = 40  55035503  48124812  17901790  56485648  19431943
  • 43. Tabla de contingencia Nivel * Convenio 04 27 8 35 56.3 % 16.7 % 72.9 %7 5 12 14.6 % 10.4 % 25.0 %1 0 1 2.1 % .0% 2.1 %35 13 48 72.9 % 27.1 % 100.0 % Recuent o% del totalRecuent o% del totalRecuent o% del totalRecuent o% del total 1 2 3 Nive l Tota l N O SI Convenio 04 Tota l Tabla de contingencia Nivel * Convenio 04 184 36 220 61.1% 12.0% 73.1% 46 26 72 15.3% 8.6% 23.9% 5 4 9 1.7% 1.3% 3.0% 235 66 301 78.1% 21.9% 100.0% Recuento % del total Recuento % del total Recuento % del total Recuento % del total 1 2 3 Nivel Total NO SI Convenio 04 Total Población Sistemático Nivel de conocimientos según existencia de convenio
  • 47. ESTRATOSESTRATOS Homogéneos en su interior; diferentes entre sí en propiedades y tamaño Comuna AComuna A Comuna BComuna B Comuna CComuna C Comuna DComuna D Los estratos más grandes Tienen mayor probabilidad de ser representados
  • 57. Plan de muestreoPlan de muestreo
  • 58. Sesgos, criterios deSesgos, criterios de selecciónselección
  • 59.  Un objetivo en todo estudio epidemiológico debe ser el de medir y calcular con la mayor validez y precisión posible sus determinaciones.  En otras palabras, la validez del conocimiento derivado de cualquier estudio epidemiológico dependerá, en gran medida, de la ausencia de error y de la capacidad de estimar o predecir el parámetro verdadero en la población blanco.
  • 60.  Las mediciones que se realicen deben ser: lo más exactas posible: que la medición esté próxima al valor verdadero.  Precisas: que mediciones repetidas caigan dentro de un intervalo reducido.
  • 61.  En epidemiología, la VALIDEZ (el grado de valor que se confiere al dato) se refiere a la ausencia de sesgo o error: a) Validez interna. Capacidad para atribuir el efecto detectado por el estudio a la hipótesis que se investiga. Resulta indispensable que el estudio esté libre de errores (durante el proceso de selección de la población de estudio, las mediciones que se realizan en dicha población o por la falta de comparabilidad de los grupos estudiados), y b) Validez externa. Capacidad para extrapolar los resultados de un estudio a una población más extensa que aquella en que se ha realizado.
  • 62. 1. Confiabilidad :1. Confiabilidad : Precisión, reproducibilidadPrecisión, reproducibilidad Error aleatorioError aleatorio 2. Validez : seguridad, conformidad2. Validez : seguridad, conformidad Error sistemáticoError sistemático SesgoSesgo
  • 63. AA no ha sido ni exacto ni preciso.no ha sido ni exacto ni preciso. BB Exacto y preciso.Exacto y preciso. CC bastante exacto pero no preciso.bastante exacto pero no preciso. DD muy preciso pero poco exacto.muy preciso pero poco exacto. 6363
  • 65.  Existen más de 300 pruebas estadísticasExisten más de 300 pruebas estadísticas básicas.básicas.  Hay dos clases de pruebas estadísticas:Hay dos clases de pruebas estadísticas: Las paramétricas y las no paramétricas.Las paramétricas y las no paramétricas. Cristian Díaz Vélez 65
  • 66.  Los valores de la variable dependiente sigan laLos valores de la variable dependiente sigan la distribución de la curva normal. La muestra en la que sedistribución de la curva normal. La muestra en la que se hizo la investigación.hizo la investigación.  Las varianzas de los grupos que se comparan en unaLas varianzas de los grupos que se comparan en una variable dependiente sean aproximadamente igualesvariable dependiente sean aproximadamente iguales (homogeneidad de las varianzas).(homogeneidad de las varianzas).  La variable dependiente esté medida en una escala queLa variable dependiente esté medida en una escala que sea por lo menos de intervalo, aunque este últimosea por lo menos de intervalo, aunque este último requisito no es compartido por todos los estadísticos.requisito no es compartido por todos los estadísticos. Cuando los datos cumplen con los requisitos indicados,Cuando los datos cumplen con los requisitos indicados, especialmente con los dos primeros, las pruebasespecialmente con los dos primeros, las pruebas estadísticas paramétricas exhiben su máximo poder.estadísticas paramétricas exhiben su máximo poder. Cristian Díaz Vélez 66
  • 67.  Las pruebas estadísticas no paramétricas, enLas pruebas estadísticas no paramétricas, en cambio, no hacen a los datos ninguna de lascambio, no hacen a los datos ninguna de las exigencias que les hacen las pruebas estadísticasexigencias que les hacen las pruebas estadísticas paramétricas; por eso se les denomina "pruebasparamétricas; por eso se les denomina "pruebas estadísticas libres de distribución".estadísticas libres de distribución".  Todas estas pruebas poseen menos poder que lasTodas estas pruebas poseen menos poder que las pruebas paramétricas correspondientes, pero hanpruebas paramétricas correspondientes, pero han demostrado ser muy útiles como alternativas cuandodemostrado ser muy útiles como alternativas cuando no se considera apropiado el uso de pruebasno se considera apropiado el uso de pruebas paramétricas.paramétricas. Cristian Díaz Vélez 67
  • 69.  Categóricas nominalesCategóricas nominales  Categóricas ordinalesCategóricas ordinales  Numéricas proporciónNuméricas proporción  Numéricas intervaloNuméricas intervalo Cristian Díaz Vélez 69 Dicotómicas Nominales ppd Cuantitativas Ordinales
  • 70. Variable DependienteVariable Dependiente Variable IndependienteVariable Independiente PruebaPrueba DicotómicaDicotómica DicotómicaDicotómica z, Chi-2, Fisherz, Chi-2, Fisher DicotómicaDicotómica NominalNominal z, Chi-2, Metha-Patelz, Chi-2, Metha-Patel DicotómicaDicotómica OrdinalOrdinal Mann-Whitney / WilcoxonMann-Whitney / Wilcoxon DicotómicaDicotómica CuantitativaCuantitativa Regresión LogísticaRegresión Logística NominalNominal DicotómicaDicotómica z, Chi-2, Metha-Patelz, Chi-2, Metha-Patel NominalNominal CuantitativaCuantitativa Regresión DiscriminanteRegresión Discriminante OrdinalOrdinal NominalNominal Kruskal-WallisKruskal-Wallis OrdinalOrdinal CuantitativaCuantitativa Regresión OddsRegresión Odds ProporcionalProporcional CuantitativaCuantitativa DicotómicaDicotómica t de Studentt de Student CuantitativaCuantitativa NominalNominal ANOVAANOVA CuantitativaCuantitativa CuantitativaCuantitativa Regresión Lineal,Regresión Lineal, correlacionescorrelacionesCristian Díaz Vélez 70
  • 73. Medición yMedición y recolección de datosrecolección de datos
  • 74. ¿Qué es medición?¿Qué es medición? Una manera sistemática de obtener datos de alta calidadUna manera sistemática de obtener datos de alta calidad  Puede ser cuantitativa o cualitativa, con diferencias:Puede ser cuantitativa o cualitativa, con diferencias:  Diferencia 1: Los datos en síDiferencia 1: Los datos en sí  Cuantitativo: representación numérica de ideas abstractasCuantitativo: representación numérica de ideas abstractas  Cualitativo: los datos toman muchas formasCualitativo: los datos toman muchas formas  Diferencia 2: Los tiemposDiferencia 2: Los tiempos  Cuantitativo: hay reflexión para desarrollar las hipótesis y losCuantitativo: hay reflexión para desarrollar las hipótesis y los variables antes de la recolección de datosvariables antes de la recolección de datos  Cualitativo: hay reflexión PERO no hay hipótesis y la mediciónCualitativo: hay reflexión PERO no hay hipótesis y la medición es parte dela recolección de datos.es parte dela recolección de datos.  Fuente: Neuman, W. Lawrence.Fuente: Neuman, W. Lawrence. Social Research Methods: Qualitative andSocial Research Methods: Qualitative and Quantitative Approaches. 4thedition.Quantitative Approaches. 4thedition. Boston: Allyn and Bacon, 2000.Boston: Allyn and Bacon, 2000.
  • 79.  Un ejemplo cualitativoUn ejemplo cualitativo  Vamos a hablar de lo que pasa cuando unVamos a hablar de lo que pasa cuando un niño en esta comunidad tiene diarrea.niño en esta comunidad tiene diarrea.  Qué es la primera cosa que haría una madreQué es la primera cosa que haría una madre o un padre cuando su hijo se enferma cono un padre cuando su hijo se enferma con diarrea?diarrea?  Qué sería la próxima cosa?Qué sería la próxima cosa? MEDICIÓN: Unos ejemplos(2)MEDICIÓN: Unos ejemplos(2)
  • 80.  Variables principales siempre definidas.Variables principales siempre definidas.  Importante cuando: Variables de estudio no tienen unaImportante cuando: Variables de estudio no tienen una definición o medición estándar.definición o medición estándar.  Cuando hay varias definiciones o actualizaciones.Cuando hay varias definiciones o actualizaciones.  Debe incluir: Valores finales.Debe incluir: Valores finales.  Criterios para asignar los valores.Criterios para asignar los valores.  Instrumentos / técnicas de medición.Instrumentos / técnicas de medición.  Debe estar siempre referenciado en caso se use unaDebe estar siempre referenciado en caso se use una definición conocida.definición conocida. MEDICIÓN DE VARIABLESMEDICIÓN DE VARIABLES
  • 81. ProcedimientosProcedimientos  En caso de experimentales, detallar laEn caso de experimentales, detallar la intervención y manejo de grupos.intervención y manejo de grupos.  Describir el proceso de la medición de laDescribir el proceso de la medición de la variable.variable.  Especificar la validez de los métodosEspecificar la validez de los métodos empleados.empleados.  Si son métodos nuevos o adaptados,Si son métodos nuevos o adaptados, describir el proceso de validación.describir el proceso de validación.
  • 82. ¿Qué se necesita para una buena¿Qué se necesita para una buena medición?medición?  Que no representa una demanda demasiado altaQue no representa una demanda demasiado alta para:para:  El/la encuestador/a o entrevistador/aEl/la encuestador/a o entrevistador/a  El/la entrevistado/aEl/la entrevistado/a  Aplicación prácticaAplicación práctica  Reglas clarasReglas claras  Que no depende de la administraciónQue no depende de la administración  Fuente: Netemeyer, Richard G., William O. Bearden & Subhash Sharma.Fuente: Netemeyer, Richard G., William O. Bearden & Subhash Sharma. ScalingScaling Procedures: Issue and Applications.Procedures: Issue and Applications. Thousand Oaks, CA: Sage Publications, Inc., 2003.Thousand Oaks, CA: Sage Publications, Inc., 2003.
  • 83. InstrumentosInstrumentos  Encuestas:Encuestas:  Con preguntas “independientes”Con preguntas “independientes”  Con preguntas que se convierten en índices oCon preguntas que se convierten en índices o escalasescalas  Índice: los ítemsÍndice: los ítems formanforman el concepto (constructoel concepto (constructo latente)latente)  Se suman para sacar un puntaje simple del conceptoSe suman para sacar un puntaje simple del concepto a medira medir  Escala: los ítemsEscala: los ítems son reflejadosson reflejados por el conceptopor el concepto (constructo latente)(constructo latente)
  • 84. Desarrollo de una encuestaDesarrollo de una encuesta  Paso 1. Definir los objetivos de la pregunta y el tipo dePaso 1. Definir los objetivos de la pregunta y el tipo de respuestas que se necesita pararespuestas que se necesita para satisfacer lossatisfacer los objetivos.objetivos.  Paso 2. Asegurar que los participantes tengan unaPaso 2. Asegurar que los participantes tengan una comprensión compartida y comúncomprensión compartida y común del significadodel significado de la pregunta.de la pregunta.  Paso 3. Asegurar que los participantes recibanPaso 3. Asegurar que los participantes reciban preguntas a las cualespreguntas a las cuales saben las respuestas.saben las respuestas.  Paso 4. Hacer preguntas de manera en que losPaso 4. Hacer preguntas de manera en que los participantesparticipantes las puedan contestar.las puedan contestar.  Paso 5. Hacer preguntas que los participantesPaso 5. Hacer preguntas que los participantes esténestén dispuestos a contestardispuestos a contestar de manera precisa.de manera precisa.
  • 85. Los sís y nosLos sís y nos  LOS “SI”sLOS “SI”s  Deben tener lenguaje simple (nivel de lectura de 5to-Deben tener lenguaje simple (nivel de lectura de 5to- 6to grado de primaria)6to grado de primaria)  Deben ser claras, simples y precisasDeben ser claras, simples y precisas  Deben tener vocabulario libre de jerga técnicaDeben tener vocabulario libre de jerga técnica  Deben ser presentadas de una manera neutralDeben ser presentadas de una manera neutral  Nada en la pregunta o en las opciones de respuestaNada en la pregunta o en las opciones de respuesta debe sugerir una respuesta correctadebe sugerir una respuesta correcta  Deben ser específicas las referencias a tiemposDeben ser específicas las referencias a tiempos  Debe especificar el periodo al cual se refiereDebe especificar el periodo al cual se refiere
  • 86. Los sís y nos (2)Los sís y nos (2)  LOS “NO”sLOS “NO”s  Deben evitarse preguntas que sugieren una respuesta correctaDeben evitarse preguntas que sugieren una respuesta correcta  NO: Prefiere ser atendido por un médico de su mismo sexo?NO: Prefiere ser atendido por un médico de su mismo sexo?  SI:SI:  Deben evitarse preguntas con sesgos o valoresDeben evitarse preguntas con sesgos o valores  NO: Piensa que ir al centro de salud es una pérdida de tiempo?NO: Piensa que ir al centro de salud es una pérdida de tiempo?  SI:SI:  Deben evitarse preguntas que amenazanDeben evitarse preguntas que amenazan  NO: Piensa que sabe suficiente acerca de la tuberculosis?NO: Piensa que sabe suficiente acerca de la tuberculosis?  SI:SI:
  • 87. Los sís y nos (3)Los sís y nos (3)  LOS “NO”sLOS “NO”s  Deben evitarse preguntas que tienen 2 conceptos en 1 preguntaDeben evitarse preguntas que tienen 2 conceptos en 1 pregunta  NO: Ha tenido dolor de cuello y dolor de espalda desde su últimaNO: Ha tenido dolor de cuello y dolor de espalda desde su última visita?visita?  SI:SI:  Deben evitarse preguntas con conceptos que podrían entenderse deDeben evitarse preguntas con conceptos que podrían entenderse de diferentes formasdiferentes formas  NO: Cómo calificaría su salud –muy buena, buena, regular, mala,NO: Cómo calificaría su salud –muy buena, buena, regular, mala, muy mala?muy mala?  SI:SI:  Deben evitarse preguntas con palabras negativasDeben evitarse preguntas con palabras negativas  NO: No merezco que otras personas me tratan bien.De acuerdo…NO: No merezco que otras personas me tratan bien.De acuerdo… En desacuerdoEn desacuerdo  SI:SI:
  • 88. TIPOS DE ENCUESTATIPOS DE ENCUESTA  Aplicada en forma de entrevista cara-a-caraAplicada en forma de entrevista cara-a-cara  Tradicional, donde el/la entrevistador/a hace lasTradicional, donde el/la entrevistador/a hace las preguntas y llena con lapiz (paper-and-pencil)preguntas y llena con lapiz (paper-and-pencil)  CAPI: Entrevista personal asistida por computadoraCAPI: Entrevista personal asistida por computadora (Computer-(Computer- assisted personal interviewing)assisted personal interviewing)  CATI: Entrevista telefónica asistida por computadoraCATI: Entrevista telefónica asistida por computadora (Computer-(Computer- assisted telephone interviewing)assisted telephone interviewing)  Con dispositivos moviles tipo PalmCon dispositivos moviles tipo Palm  Auto-aplicadas:Auto-aplicadas:  Tradicional, hoja con lapizTradicional, hoja con lapiz  Basada en InternetBasada en Internet  CASI: Entrevista autoadministrada asistida por computadoraCASI: Entrevista autoadministrada asistida por computadora (Computer-assisted self-interviewing)(Computer-assisted self-interviewing)
  • 89. SESGOS A CONSIDERARSESGOS A CONSIDERAR  1. Norma de justicia o equidad.1. Norma de justicia o equidad.  La persona trata de ser justa en cómo contesta la pregunta,La persona trata de ser justa en cómo contesta la pregunta, basado en cómo contestó una/s previa/s pregunta/sbasado en cómo contestó una/s previa/s pregunta/s  2. Estrategia de “ancla”.2. Estrategia de “ancla”.  La persona utiliza información de una/s pregunta/s previa/s paraLa persona utiliza información de una/s pregunta/s previa/s para contestar la pregunta actualcontestar la pregunta actual  3. Efecto de sumar o restar.3. Efecto de sumar o restar.  La persona asume que parte de su respuesta a que unaLa persona asume que parte de su respuesta a que una pregunta previa aplica a la próxima pregunta (sumar) o quepregunta previa aplica a la próxima pregunta (sumar) o que parte de la próxima pregunta ya se contestó en una previaparte de la próxima pregunta ya se contestó en una previa pregunta (restar)pregunta (restar)  4. Mayor positivismo en los ítems de resumen…4. Mayor positivismo en los ítems de resumen…  * Después de contestar preguntas específicas* Después de contestar preguntas específicas  La persona da una respuesta diferente/contradictoria porqueLa persona da una respuesta diferente/contradictoria porque siente que ya dio los detalles en las otras preguntassiente que ya dio los detalles en las otras preguntas