Elaboracion del protocolo de investigacion u

11,514 views
11,244 views

Published on

Mg. Wilfredo Mormontoy Laurel

Published in: Education
2 Comments
6 Likes
Statistics
Notes
No Downloads
Views
Total views
11,514
On SlideShare
0
From Embeds
0
Number of Embeds
14
Actions
Shares
0
Downloads
426
Comments
2
Likes
6
Embeds 0
No embeds

No notes for slide

Elaboracion del protocolo de investigacion u

  1. 1. ELABORACION DEL PROTOCOLO DE INVESTIGACION En Ciencias de la Salud, de la Conducta y Áreas Afines Wilfredo Mormontoy Laurel MPH
  2. 2. INVESTIGACION CIENTIFICA <ul><li>BUSQUEDA SISTEMATIZADA Y OBJETIVA DE NUEVOS CONOCIMIENTOS </li></ul>
  3. 3. ETAPAS DE LA INVESTIGACION CIENTIFICA <ul><li>PLANIFICACION </li></ul><ul><li>Se considera la investigación en su totalidad </li></ul><ul><li>Se elabora el protocolo de investigación </li></ul><ul><li>EJECUCION </li></ul><ul><li>Se lleva a efecto todo lo planificado </li></ul><ul><li>Se elabora el informe de investigación </li></ul><ul><li>EVALUACION </li></ul><ul><li>Contrastar la inversión global con los hallazgos y resultados obtenidos </li></ul>
  4. 4. FORMATOS DE PROYECTOS DE INVESTIGACIÓN
  5. 5. FORMATO 1   T ítulo   Presentación Tabla de contenido I Aspectos conceptuales 1 .1  Antecedentes 1.2 Planteamiento del problema 1.3 Justificación del estudio 1.4  Objetivos: a. General b. Específicos 1.5  Hipótesis (si corresponde)  
  6. 6. II Aspectos metodológicos 2.1 Tipo de estudio 2.2 Definición de la (s) población (es) de estudio a. Características generales . Criterios de inclusión . Criterios de exclusión . Criterios de eliminación b. Ubicación en el espacio y tiempo  
  7. 7. 2.3 Diseño estadístico del muestreo.   a. Unidad de análisis. b. Unidad de muestreo. c. Marco de muestreo. d. Tamaño de muestra. e. Método de muestreo.   2 .4 Definición de variables  
  8. 8. 2.5 Proceso de obtención de datos.   2 .6 Procesamiento, análisis estadístico e interpretación de la información.  
  9. 9. III Aspectos administrativos 3.1 Recursos necesarios.   3 .2 Cronograma de actividades.   3 .3 Ética de la investigación.   3 .4 Referencias bibliográficas
  10. 10. FORMATO 2 <ul><li>Título </li></ul><ul><li>Nombre del graduando </li></ul><ul><li>Lugar donde se desarrollará la tesis </li></ul><ul><li>Descripción del proyecto </li></ul><ul><li>4.1 Antecedentes bibliográficos </li></ul><ul><li>4.2 Planteamiento del problema </li></ul><ul><li>4.3 Marco teórico </li></ul><ul><li>4.4 Justificación del estudio </li></ul>
  11. 11. <ul><li>Objetivos </li></ul><ul><li>5.1 Objetivo(s) General(es) </li></ul><ul><li>5.2 Objetivos Específicos </li></ul><ul><li>Metodología </li></ul><ul><li>Cronograma </li></ul><ul><li>Bibliografía </li></ul>
  12. 12. FORMATO 3 <ul><li>PORTADA </li></ul><ul><li>ÍNDICE </li></ul><ul><li>CAPITULO I </li></ul><ul><li>PLANTEAMIENTO DEL PROBLEMA </li></ul><ul><li>1.1 Descripción de la realidad problemática </li></ul><ul><li>1.2 Formulación del problema </li></ul><ul><li>1.3 Objetivos de la investigación </li></ul><ul><li>1.4 Justificación de la investigación </li></ul>
  13. 13. <ul><li>1.5 Limitaciones del estudio </li></ul><ul><li>1.6 Viabilidad del estudio </li></ul><ul><li>CAPITULO II </li></ul><ul><li>MARCO TEÓRICO </li></ul><ul><li>2.1 Antecedentes de la investigación </li></ul><ul><li>2.2 Bases teóricas </li></ul><ul><li>2.3 Definiciones conceptuales </li></ul><ul><li>2.4 Formulación de hipótesis (si es pertinente) </li></ul>
  14. 14. <ul><li>CAPITULO III </li></ul><ul><li>METODOLOGÍA </li></ul><ul><li>3.1 Diseño Metodológico; tipo de investigación, estrategias o procedimientos de contrastación de hipótesis (si hay hipótesis) o cumplimiento de objetivos (en caso de no haber hipótesis) </li></ul><ul><li>3.2 Población y muestra (si es aplicable) </li></ul><ul><li>3.3 Operacionalización de variables </li></ul>
  15. 15. <ul><li>3.4 Técnicas de recolección de datos. Descripción de los instrumentos. Procedimientos de comprobación de la validez y confiabilidad de los instrumentos </li></ul><ul><li>3.5 Técnicas para el procesamiento de la información </li></ul><ul><li>3.6 Aspectos éticos </li></ul>
  16. 16. <ul><li>CAPITULO IV </li></ul><ul><li>RECURSOS Y CRONOGRAMA </li></ul><ul><li>CAPITULO V </li></ul><ul><li>FUENTES DE INFORMACIÓN </li></ul><ul><li>CAPÍTULO VI </li></ul><ul><li>ANEXOS </li></ul>
  17. 17. TÍTULO DEL ESTUDIO <ul><li>Enunciado breve e informativo sobre el contenido esencial del tema. </li></ul><ul><li>Debe estar relacionado con el objetivo general y el planteamiento del problema. </li></ul><ul><li>No debe incluir caracteres desconocidos en el área. </li></ul><ul><li>Puede contener el tipo de estudio así como el lugar y año. </li></ul><ul><li>Veamos algunos ejemplos: </li></ul>
  18. 18. “ Asociación entre la incidencia de leishmaniosis cutánea y el índice de desarrollo humano y sus componentes en cuatro estados endémicos de Venezuela ” <ul><li>“ Calidad de vida y condición de salud oral en embarazadas chilenas e inmigrantes peruanas”. </li></ul>“ Factores de riesgo de preeclampsia en pacientes del Instituto Materno Perinatal: Estudio de casos y controles”
  19. 19. <ul><li>I Aspectos conceptuales </li></ul>
  20. 20. ANTECEDENTES DEL ESTUDIO <ul><li>Presentación resumida de un análisis bibliográfico actualizado. </li></ul><ul><li>Permite mostrar: </li></ul><ul><ul><li>Sustento teórico </li></ul></ul><ul><ul><li>Resultados y hallazgos de estudios similares </li></ul></ul><ul><li>Incluir las citas bibliográficas en el texto. </li></ul><ul><li>La presentación de la revisión bibliográfica debe ser cronológica y de lo general a lo particular. </li></ul>
  21. 21. PLANTEAMIENTO DEL PROBLEMA <ul><li>Problema de investigación: Falta de conocimiento </li></ul><ul><li>Brecha entre una situación real y una ideal </li></ul><ul><li>Cuando se ha delimitado el problema y considerado las variables que estarían relacionadas con la ocurrencia del mismo, se dice que el problema está definido. </li></ul>
  22. 22. PROBLEMA DE INVESTIGACION Es una pregunta, con cierta dosis de dificultad, que se origina de la observación científica de la realidad y que, al revisar la bibliografía especializada y actualizada, no se encuentra una respuesta satisfactoria .
  23. 23. <ul><li>Una vez concebida la idea de investigación y profundizado en el tema, se está en condiciones de plantear el problema de investigación. </li></ul><ul><li>Plantear el problema es afinar y estructurar más formalmente la idea de investigación. </li></ul><ul><li>El paso de la idea al planteamiento del problema puede ser en ocasiones inmediato o bien llevar tiempo; ello depende de: </li></ul>
  24. 24. <ul><li>Familiaridad del investigador con el tema. </li></ul><ul><li>La complejidad misma de la idea. </li></ul><ul><li>Existencia de estudios anteriores. </li></ul><ul><li>Empeño del investigador y sus habilidades personales. </li></ul><ul><li>Con la selección del tema no se está en condiciones aún de definir los aspectos metodológicos, antes se debe formular el problema específico en términos concretos y explícitos, de modo que pueda ser investigado con procedimientos científicos. </li></ul>
  25. 25. <ul><li>Se sostiene que un problema correctamente planteado está parcialmente resuelto, a mayor exactitud corresponden más posibilidades de obtener una solución satisfactoria. El investigador debe ser capaz no sólo de conceptuar el problema sino también de verbalizarlo en forma clara, precisa y accesible. </li></ul><ul><li>Según Kerlinger, los criterios para plantear adecuadamente el problema de investigación son: </li></ul>
  26. 26. <ul><li>El problema debe expresar una relación entre dos o más variables. </li></ul><ul><li>El problema debe estar formulado claramente y sin ambigüedad como pregunta (por ejemplo, ¿qué efecto...?,¿en qué condiciones…?,¿cuál es la probabilidad de ...?, ¿cómo se relaciona…con...?. </li></ul><ul><li>El planteamiento debe implicar la posibilidad de realizar una prueba empírica. Es decir, de poder observarse en la realidad. </li></ul>
  27. 27. JUSTIFICACIÓN DEL ESTUDIO <ul><li>Se justifica la realización de un estudio cuando satisface, al menos, los criterios siguientes: </li></ul><ul><li>La significación del estudio: una investigación es significante si reúne los criterios de importancia y pertinencia . La importancia se relaciona con los valores sociales; la pertinencia se refiere al tema que debe corresponder al campo de la experiencia del investigador. </li></ul>
  28. 28. <ul><li>La trascendencia : un estudio será trascendente si sus resultados pueden extenderse a otras áreas de interés, a diversos grupos sociales o a efectos económicos; y en relación con el corto, mediano o largo plazo que sus beneficios puedan propagarse. </li></ul>
  29. 29. <ul><li>La viabilidad : se refiere a la factibilidad, que es la capacidad técnica para realizar el estudio, y también a la aceptación social que permitirá la subsistencia del proyecto. </li></ul><ul><li>Además se suele considerar: </li></ul><ul><li>Conveniencia: Es decir,¿Para qué sirve? </li></ul><ul><li>Implicancias prácticas: ¿qué problemas prácticos ayudará a resolver? </li></ul><ul><li>Valor teórico: ¿llenará algún vacío del conocimiento? </li></ul><ul><li>Utilidad metodológica, ¿ayudará a crear un nuevo instrumento? </li></ul>
  30. 30. OBJETIVOS DE INVESTIGACION <ul><ul><li>Enunciado de un logro alcanzable y evaluable </li></ul></ul><ul><ul><li>Plantear el objetivo general y varios específicos </li></ul></ul><ul><ul><li>Considerar las técnicas y métodos necesarios para alcanzar dichos objetivos. </li></ul></ul><ul><ul><li>Verbos recomendados: Determinar, identificar, comparar, conocer, validar, evaluar, etc. </li></ul></ul>
  31. 31. <ul><li>Una hipótesis es un supuesto, una proposición, conjetura, una explicación probable, un argumento, una anticipación que trata de explicar ciertos hechos; y como tal debe ser contrastada. Para poder contrastar o verificar la hipótesis es necesario estar en posibilidades de medir las variables y las condiciones de contrastación deben conseguirse con los medios disponibles. </li></ul>HIPOTESIS DE INVESTIGACION
  32. 32. <ul><li>La hipótesis es una explicación tentativa sobre la relación entre dos o más variables. A partir de ella la hipótesis se plantea usualmente de esta forma: “Si esto ocurre, entonces los resultados serán...”. </li></ul><ul><li>Es importante señalar que no se verifica la hipótesis en su totalidad, con frecuencia lo que se verifica son ciertas deducciones de la misma. </li></ul><ul><li>Hay que distinguir entre la hipótesis de investigación y la hipótesis estadística. </li></ul>
  33. 33. <ul><li>Una hipótesis de investigación es una sugerencia de solución a un problema y constituye un tanteo inteligente, basado en una amplia información y una educación estructurada subyacente; generalmente se enuncia como “una proposición y es empírica en el sentido que puede verificarse por experiencia, la cual es pertinente, caso de que la hipótesis sea cierta o falsa”. La formulación de una buena hipótesis es un acto realmente creativo. </li></ul>
  34. 34. <ul><li>Por otro lado, la hipótesis estadística es un enunciado respecto a uno o más parámetros poblacionales. (medidas estadísticas poblacionales desconocidas). </li></ul><ul><li>Los investigadores deberían saber que una buena hipótesis de investigación es el resultado de un pensamiento creativo y si a caso “inspirado”, mientras que la hipótesis estadística no es, en general, sino la expresión tipificada de una fase de la comprobación empírica de una hipótesis científica. </li></ul>
  35. 35. <ul><li>La construcción de una hipótesis de investigación parte del conocimiento de los fenómenos de la naturaleza y de la sociedad y del conocimiento ordenado en forma de leyes y teorías, cuyas explicaciones son comprobadas y los resultados de esa comprobación se emplean para formular y completar nuevas leyes o teorías. </li></ul>
  36. 36. <ul><li>Todas las teorías existentes han pasado por fases más o menos largas de hipótesis y, de hecho, la causa de la existencia de las teorías se explica por la existencia de hipótesis. Si los científicos no formularan hipótesis ni se dedicaran a verificarlas no existirían nuevas leyes ni teoría; inclusive, no aparecerían nuevas hipótesis. </li></ul>
  37. 37. <ul><li>Una hipótesis que ha sido contrastada, ya sea que se rechace o no, genera nuevos conocimientos que permiten explicar fenómenos que no eran cabalmente comprendidos y solucionar problemas no superados. </li></ul>
  38. 38. <ul><li>Este nuevo conocimiento determina cambios en la concepción que el hombre tiene del universo; lo cual, a su vez, acarrea cambios en las relaciones sociales que terminarán por volver a plantear nuevos problemas que habrán de requerir otras hipótesis; continuándose así, permanentemente, la conquista de conocimientos a través del método científico. </li></ul>
  39. 39. <ul><li>¿QUÈ CARACTERISTICAS DEBE TENER UNA HIPOTESIS? </li></ul><ul><li>Deben referirse a una situación social real. </li></ul><ul><li>Los términos (variables) de la hipótesis deben ser comprensibles, precisos, medibles y lo más concretos posible. </li></ul><ul><li>La relación entre variables propuesta por una hipótesis debe ser clara y verosímil (lógica). </li></ul><ul><li>Los términos de la hipótesis y la relación planteada entre ellos, deben ser observables y medibles, o sea tener referentes en la realidad. </li></ul><ul><li>Las hipótesis deben estar relacionadas con técnicas disponibles para probarlas. </li></ul>
  40. 40. <ul><li>FORMULACION DE HIPOTESIS </li></ul><ul><li>Al igual que sucede con la definición del problema, las fuentes más fértiles como base para la formulación de hipótesis son: </li></ul><ul><li>a. Sistemas teóricos </li></ul><ul><li>b. La experiencia y las observaciones personales. </li></ul><ul><li>c. La revisión de literatura relacionada con el tema, y la </li></ul><ul><li>d. Discusión con compañeros y asesores. </li></ul>
  41. 41. <ul><li>Existen dos procesos básicos- inducción y deducción - que constituyen el mecanismo intelectual del planteamiento de una hipótesis. </li></ul><ul><li>Una hipótesis inductiva representa una generalización que se funda en la observación de relaciones entre fenómenos. El investigador observa ciertos patrones, tendencias o asociaciones entre los fenómenos y se vale de ello como base para plantear una explicación provisional o una predicción. </li></ul>
  42. 42. <ul><li>Se debe revisar la literatura, pero una fuente importante de ideas para la formulación de hipótesis inductivas son las propias experiencias del investigador, aunadas a la intuición y al análisis crítico. </li></ul><ul><li>Ejemplo: Los pacientes que experimentan estrés por temor al dolor tendrán más dificultad para respirar hondo y toser después de la cirugía que los pacientes que no experimentan tensión. </li></ul>
  43. 43. <ul><li>El otro mecanismo para la formulación de hipótesis es la deducción . </li></ul><ul><li>Mediante el razonamiento deductivo, el investigador puede desarrollar expectativas científicas o hipótesis basadas en los principios teóricos generales. </li></ul><ul><li>Las hipótesis inductivas tienen su origen en la observación particular y avanzan hacia la generalización; por su lado, las hipótesis deductivas tienen como punto de partida la teoría que se aplica en situaciones particulares. </li></ul>
  44. 44. <ul><li>El siguiente silogismo ilustra el proceso de razonamiento deductivo: </li></ul><ul><li>Todos los seres humanos tienen glóbulos rojos y blancos. Juan es un ser humano. Por consiguiente, Juan tiene glóbulos rojos y blancos. </li></ul><ul><li>En este sencillo ejemplo, la hipótesis es que, en efecto, Juan tiene glóbulos rojos y blancos, deducción que puede verificarse. </li></ul>
  45. 45. <ul><li>VERIFICACIÓN DE LA HIPOTESIS </li></ul><ul><li>Las hipótesis de investigación deben ser sometidas a prueba o escrutinio empírico para determinar si son apoyadas o refutadas de acuerdo con lo que el investigador observa. </li></ul><ul><li>En realidad no podemos probar que una hipótesis sea verdadera o falsa, sino argumentar que fue apoyada o no de acuerdo con ciertos datos obtenidos en una investigación particular. </li></ul><ul><li>Desde un punto de vista técnico, no se acepta una hipótesis a través de un estudio, sino que se aporta evidencia en su favor o en su contra. </li></ul>
  46. 46. <ul><li>Cuantas más investigaciones apoyen una hipótesis, más credibilidad tendrá; y por su puesto es válida para el contexto (lugar, tiempo y sujetos u objetos) en el cual se comprobó. Al menos lo es probabilísticamente. </li></ul><ul><li>Las hipótesis se verifican en la realidad aplicando un diseño de investigación, recolectando datos a través de uno o varios instrumentos de medición y analizando e interpretando dichos datos. </li></ul>
  47. 47. <ul><li>El proceso de verificación de una hipótesis, implica: </li></ul><ul><li>1. Identificar las consecuencias lógicas y empíricas de la hipótesis en base al análisis de los referentes de sus variables. </li></ul><ul><li>2. Formular hipótesis empíricas o estadísticas accesorias y encontrar el soporte teórico suplementario que les corresponda, y de ser posible, someterlas a una contrastación empírica independiente. </li></ul>
  48. 48. <ul><li>3. Recolectar datos que sean comparables con los referentes de las variables, y en base a estos, contrastar las hipótesis empíricas o estadísticas. </li></ul><ul><li>4. Determinar el grado en que los datos concuerdan con las hipótesis subsidiarias o que los coeficientes de los datos contrastados constituyen evidencia de la relación entre variables; y, </li></ul><ul><li>5. Estimar si la evidencia, en caso de ser favorable, concuerda con la teoría que sustenta la hipótesis, y, formular las conclusiones correspondientes. </li></ul>
  49. 49. <ul><li>EJEMPLOS DE HIPÓTESIS: </li></ul><ul><li>Hipótesis descriptiva: </li></ul><ul><li>La ansiedad en los jóvenes alcohólicos será elevada. </li></ul><ul><li>Hipótesis correlacional. </li></ul><ul><li>Quienes tienen más altas puntuaciones en el examen de bioestadística, tienden a tener las puntuaciones más elevadas en el examen de epidemiología. </li></ul>
  50. 50. <ul><li>3. Hipótesis de la diferencia entre grupos. </li></ul><ul><li>El tiempo en que tarda en desarrollar el SIDA en personas contagiadas por transfusión sanguínea es menor que en las que adquieren el VIH por transmisión sexual.(Las primeras lo adquieren más rápidamente) </li></ul><ul><li>4. Hipótesis que establecen relaciones de causalidad. </li></ul><ul><li>La remuneración, condiciones de trabajo y facilidades para la capacitación aumentan la satisfacción laboral. </li></ul>
  51. 51. <ul><li>II Aspectos metodológicos </li></ul>
  52. 52. TIPOS DE ESTUDIOS I (Méndez I. et al) <ul><li>EPOCA DE OBTENCION DE DATOS </li></ul><ul><ul><ul><li>Retrospectivo </li></ul></ul></ul><ul><ul><ul><li>Prospectivo </li></ul></ul></ul><ul><li>EVOLUCION DEL FENOMENO EN ESTUDIO </li></ul><ul><ul><ul><li>Transversal </li></ul></ul></ul><ul><ul><ul><li>Longitudinal </li></ul></ul></ul><ul><li>COMPARACION DE POBLACIONES </li></ul><ul><ul><ul><li>Descriptivo </li></ul></ul></ul><ul><ul><ul><li>Comparativo </li></ul></ul></ul><ul><li>MANEJO DE LAS VARIABLES </li></ul><ul><ul><ul><li>De observación </li></ul></ul></ul><ul><ul><ul><li>Experimental </li></ul></ul></ul>
  53. 53. TIPOS DE ESTUDIOS CARACTERISTICAS DEL ESTUDIO NOMBRE DEL ESTUDIO (*) Retrospectivo -Transversal-Descriptivo -De observación Descriptivo retrospectivo. Prospectivo -Transversal-Descriptivo -De observación. Descriptivo prospectivo Retrospectivo -Transversal-Comparativo -De observación Comparativo retrospectivo.
  54. 54. CARACTERISTICAS DEL ESTUDIO NOMBRE DEL ESTUDIO (*) Prospectivo - Transversal-Comparativo - De observación. Comparativo prospectivo Retrospectivo - Longitudinal-Descriptivo - De observación. De casos Retrospectivo - Longitudinal- Comparativo de efecto a causa - De observación De casos y controles.
  55. 55. (*)Algunos nombres se han elaborado en función de las características principales del estudio y no están muy difundidos. CARACTERISTICAS DEL ESTUDIO NOMBRE DEL ESTUDIO (*) Retrospectivo - Longitudinal-Comparativo de causa a efecto - De observación. De cohorte retrospectivo. Prospectivo - Longitudinal-Descriptivo - De observación. De una cohorte. Prospectivo - Longitudinal-Comparativo de causa a efecto - De observación De cohortes. Prospectivo - Longitudinal-Comparativo - Experimental. Experimento.
  56. 56. <ul><li>PASADO PRESENTE FUTURO </li></ul><ul><li>FACTOR CAUSAL EFECTO </li></ul><ul><ul><ul><ul><ul><li>EXPUESTOS </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>NO EXPUESTOS </li></ul></ul></ul></ul></ul><ul><li>INICIO DEL ESTUDIO </li></ul>ESQUEMA DEL ESTUDIO PROSPECTIVO DE CAUSA A EFECTO
  57. 57. <ul><li>PASADO PRESENTE FUTURO </li></ul><ul><li>FACTOR CAUSAL EFECTO </li></ul><ul><ul><li>EXPUESTOS </li></ul></ul><ul><ul><li>NO EXPUESTOS </li></ul></ul><ul><li>INICIO DEL ESTUDIO </li></ul>ESQUEMA DEL ESTUDIO RETROSPECTIVO DE CAUSA A EFECTO
  58. 58. <ul><li>PASADO PRESENTE FUTURO </li></ul><ul><li>FACTOR CAUSAL EFECTO </li></ul><ul><ul><ul><ul><ul><li>• PRESENTE (casos) </li></ul></ul></ul></ul></ul><ul><ul><ul><ul><ul><li>• AUSENTE (controles) </li></ul></ul></ul></ul></ul><ul><li> INICIO DEL ESTUDIO </li></ul>ESQUEMA DEL ESTUDIO DE EFECTO A CAUSA
  59. 59. RR=(a/n 1 ) /(c/n 2 ) PRIMERO ELIJA LUEGO SIGA PARA VER SI c/ n 2 n 2 d c No expuestos a/ n 1 n 1 b a Expuestos Incidencia o riesgo Total No desarrolló enfermedad (-) Desarrolló enfermedad (+) ESTUDIO COMPARATIVO DE CAUSA A EFECTO
  60. 60. LUEGO MIDA EXPOSICION PREVIA PRIMERO SELECCIONE n 2 n 1 TOTAL d c No expuestos b a Expuestos CONTROLES CASOS OR= ad / bc ESTUDIO COMPARATIVO DE EFECTO A CAUSA
  61. 61. TIPOS DE ESTUDIOS II ( <ul><li>EJE 1. FINALIDAD DEL ESTUDIO </li></ul><ul><ul><ul><li>Descriptivo </li></ul></ul></ul><ul><ul><ul><li>Analítico </li></ul></ul></ul><ul><li>EJE 2. SECUENCIA TEMPORAL </li></ul><ul><ul><ul><li>Transversal </li></ul></ul></ul><ul><ul><ul><li>Longitudinal </li></ul></ul></ul><ul><li>EJE 3. INICIO DEL ESTUDIO EN RELACIÓN </li></ul><ul><li>A LA CRONOLOGÍA DE LOS HECHOS </li></ul><ul><ul><ul><li>Retrospectivo </li></ul></ul></ul><ul><ul><ul><li>Prospectivo </li></ul></ul></ul><ul><li>EJE 4. CONTROL DE LA ASIGNACIÓN DE LOS </li></ul><ul><li>FACTORES DE ESTUDIO </li></ul><ul><ul><ul><li>De observación </li></ul></ul></ul><ul><ul><ul><li>Experimental </li></ul></ul></ul>
  62. 62. TIPOS DE ESTUDIOS EPIDEMIOLÓGICOS I (Pita Fernandez S. www.fisterra.com) <ul><li>EXPERIMENTALES </li></ul><ul><li>• Ensayo clínico </li></ul><ul><li>• Ensayo de campo </li></ul><ul><li>• Ensayo comunitario </li></ul><ul><li>de intervención </li></ul><ul><li>NO EXPERIMENTALES </li></ul><ul><li>• Estudios ecológicos </li></ul><ul><li>• Estudios de </li></ul><ul><li>prevalencia </li></ul><ul><li>• Estudios de casos y </li></ul><ul><li>controles </li></ul><ul><li>• Estudios de cohortes </li></ul><ul><li>o de seguimiento </li></ul>
  63. 63. TIPOS DE ESTUDIOS EPIDEMIOLÓGICOS II (Pita Fernandez S. www.fisterra.com) <ul><li>DESCRIPTIVOS </li></ul><ul><li>□ En poblaciones </li></ul><ul><li>• Estudios ecológicos </li></ul><ul><li>□ En individuos </li></ul><ul><li>• A propósito de un </li></ul><ul><li>caso </li></ul><ul><li>• Series de casos </li></ul><ul><li>• Transversales o de </li></ul><ul><li>prevalencia </li></ul><ul><li>ANALÍTICOS </li></ul><ul><li>□ Observacionales </li></ul><ul><li>• De casos y controles </li></ul><ul><li>• De cohortes </li></ul><ul><li>(retrospectivos y </li></ul><ul><li>prospectivos) </li></ul><ul><li>□ De intervención </li></ul><ul><li>• Ensayo clínico </li></ul><ul><li>• Ensayo de campo </li></ul><ul><li>• Ensayo comunitario </li></ul>
  64. 64. DEFINICION DE LA (S) POBLACIÓN (ES) DE ESTUDIO <ul><li>Población de estudio: Conjunto de elementos al cual se atribuyen los resultados de la investigación. Deben definirse: </li></ul><ul><li>Características generales. </li></ul><ul><li>Mediante: </li></ul><ul><li>a. Criterios de inclusión.- Características que hacen que un elemento sea parte de la población de estudio. </li></ul><ul><li>Ej. edad, diagnóstico, tiempo de enfermedad, firma de consentimiento informado, etc </li></ul>
  65. 65. <ul><li>b. Criterios de exclusión.- Características que hacen que un elemento no sea parte de la población de estudio. </li></ul><ul><li>Ej. No querer participar, archivos incompletos, otras patologías, </li></ul><ul><li>c. Criterios de eliminación.(en estudios prospectivos y longitudinales).- Características que pueden aparecer durante el seguimiento y hace que un elemento, ya incluido, tenga que ser eliminado. </li></ul><ul><li>Ej. Abandono, mortalidad. </li></ul>
  66. 66. <ul><li>Ubicación en el espacio y tiempo. </li></ul><ul><li>Toda población de estudio debe estar ubicada en un espacio y tiempo determinados. </li></ul><ul><li>En algunos estudios la población tiene una ubicación espacio temporal fija. Ej. Madres de familia de una comunidad en un tiempo determinado. </li></ul><ul><li>En otros casos debe determinarse una ubicación espacial y temporal. Ej. Población de pacientes que acudirá a los consultorios externos de un servicio hospitalario entre los meses de enero y marzo del 2011. </li></ul>
  67. 67. DISEÑO ESTADISTICO DEL MUESTREO <ul><li>El muestreo se usa cuando la población de estudio, definida en el capítulo anterior, es infinita o siendo finita tiene tantos elementos que con los recursos disponibles no se puede estudiar completamente. </li></ul><ul><li>El diseño del muestreo, entre algunos aspectos comprende: la elección del método de muestreo y el cálculo del tamaño de la muestra. Además, debe señalarse claramente la unidad de análisis. </li></ul>
  68. 68. METODOS DE MUESTREO <ul><li>PROBABILISTICOS </li></ul><ul><ul><li>Posible calcular la probabilidad de selección de cada elemento poblacional. </li></ul></ul><ul><ul><li>Las muestras probabilísticas: </li></ul></ul><ul><ul><ul><li>Tienen una alta representatividad </li></ul></ul></ul><ul><ul><ul><li>Permiten calcular los errores de muestreo </li></ul></ul></ul><ul><ul><ul><li>Permiten realizar inferencias válidas </li></ul></ul></ul><ul><ul><li>Más usados: MAS, MS, ME y M de C. </li></ul></ul>
  69. 69. <ul><li>2. NO PROBABILISTICOS </li></ul><ul><ul><li>Prácticos y económicos </li></ul></ul><ul><ul><li>Las muestras no probabilísticas: </li></ul></ul><ul><ul><ul><li>No tienen representatividad </li></ul></ul></ul><ul><ul><ul><li>No permiten calcular errores de muestreo </li></ul></ul></ul><ul><ul><ul><li>No permiten realizar inferencias válidas </li></ul></ul></ul><ul><ul><li>Los principales son: de voluntarios, de casos (accidental), sin norma, intencional. </li></ul></ul>METODOS DE MUESTREO
  70. 70. TAMAÑO DE MUESTRA <ul><li>En estudios con muestras no probabilísticas no es necesario utilizar fórmulas para calcular el tamaño n . </li></ul><ul><li>En estudios con muestras probabilísticas el tamaño n se calcula con fórmula </li></ul><ul><li>Una fórmula para calcular n depende: </li></ul><ul><ul><li>Tipo de estudio </li></ul></ul><ul><ul><li>Tipo de muestreo que será usado </li></ul></ul><ul><ul><li>Objetivo de investigación, etc. </li></ul></ul>
  71. 71. <ul><li>Los términos que más influyen en el tamaño n son: </li></ul><ul><ul><li>En estudios de estimación de parámetros: </li></ul></ul><ul><ul><ul><li>Error de muestreo </li></ul></ul></ul><ul><ul><ul><li>Medida (varianza) que represente la variabilidad de los elementos poblacionales </li></ul></ul></ul><ul><ul><ul><li>Tamaño de la población </li></ul></ul></ul><ul><ul><ul><li>Nivel de confianza. </li></ul></ul></ul>TAMAÑO DE MUESTRA (n)
  72. 72. <ul><ul><li>En estudios de contrastación de hipótesis : </li></ul></ul><ul><ul><ul><li>Diferencia que se espera sea estadísticamente significativa. </li></ul></ul></ul><ul><ul><ul><li>Medida (varianza) que represente la variabilidad de los elementos poblacionales </li></ul></ul></ul><ul><ul><ul><li>Nivel de confianza </li></ul></ul></ul><ul><ul><ul><li>Potencia de prueba </li></ul></ul></ul>
  73. 73. CRITERIOS PARA LA ELECCIÓN DE UN MÉTODO DE MUESTREO <ul><li>El método de muestreo elegido, debe: </li></ul><ul><li>Proporcionar una muestra de la mayor representatividad posible. Esto se logra si en el proceso de selección, a cada elemento de la población se le da una probabilidad conocida, diferente de cero, de conformar la muestra. </li></ul><ul><li>Permitir el cálculo de la precisión de las estimaciones (error muestral). </li></ul><ul><li> = p ± precisión. </li></ul>
  74. 74. <ul><li>3 . Ser viable, económico y eficiente . Esto es, la teoría y la práctica deben estar juntas y que el método proporcione la mayor cantidad de información a un costo menor. </li></ul><ul><li>Como se aprecia, los dos primeros criterios tienen que ver con la teoría del muestreo y los otros dos tienen que ver con cuestiones administrativas y logísticas. </li></ul>
  75. 75. <ul><li>MUESTREO ALEATORIO SIMPLE (MAS) </li></ul><ul><ul><li>Definición: </li></ul></ul><ul><ul><li>Consiste en la selección de n elementos, a partir de una población de tamaño N, de modo que cada elemento de la población tiene la misma probabilidad de conformar la muestra. </li></ul></ul>
  76. 76. <ul><li>b. Tamaño de muestra : (Una población) </li></ul><ul><ul><li>1. Para estimar una media poblacional </li></ul></ul>
  77. 77. <ul><li>Donde: </li></ul><ul><li>Z = coeficiente de confianza = 1,96, para un nivel de confianza = 95% </li></ul><ul><li>S e = desviación estándar esperada en la población de estudio. Puede ser obtenida de: </li></ul><ul><ul><ul><ul><li>Revisión bibliográfica </li></ul></ul></ul></ul><ul><ul><ul><ul><li>Estudio piloto </li></ul></ul></ul></ul><ul><li>E = error absoluto de muestreo o precisión </li></ul><ul><li> = debe ser asumido por el investigador </li></ul><ul><li> = representa  -  x  </li></ul><ul><li>N = tamaño de la población </li></ul><ul><li>n f = tamaño de muestra final. </li></ul>
  78. 78. <ul><li>Ejemplo: En una población de 1200 escolares de la Oroya se desea estimar el nivel promedio de Pb en sangre con 95% de confianza. En el estudio piloto se encontró:  x = 22,3 y s = 8,6 µg/dl . El investigador asume un E =  1,5 µg/dl , calcular n. </li></ul><ul><li>Solución: </li></ul><ul><li>Datos: </li></ul>Z = 1,96 N = 1200 S e = 8,6 E =  1,5 n= (1,96) 2 (8,6) 2 = 126,3 (1,5) 2 n f = 126,3 = 114,3 1 + 126,3/1200 n f  115
  79. 79. <ul><li>Interpretación: </li></ul><ul><li>El número mínimo de escolares para realizar el estudio es de 115, si se desea estimar el nivel promedio de Pb en sangre en la población estudiantil, con una precisión de  1,5 µg/dl y un nivel de confianza de 95% . </li></ul>
  80. 80. <ul><ul><li>2. Para estimar una proporción poblacional </li></ul></ul>
  81. 81. <ul><li>Donde: </li></ul><ul><li>p e = proporción esperada de elementos con la característica de interés en la población de estudio. Se puede obtener de: </li></ul><ul><ul><li>Revisión bibliográfica </li></ul></ul><ul><ul><li>Estudio piloto </li></ul></ul><ul><ul><li>p e = q e = 50% = 0,5 </li></ul></ul><ul><li>q e = 1 - p e </li></ul><ul><li>E = error absoluto de muestreo o precisión </li></ul><ul><li>= representa  -p  , debe ser asumido por el investigador y, tratándose de proporciones debe asignarse más o menos 5% ó 0,05. </li></ul>
  82. 82. <ul><li>Ejemplo: </li></ul><ul><li>Se desea estimar la proporción de pacientes no satisfechos de la atención recibida en el servicio de emergencia de un hospital. En la bibliografía se encontró una p =80%, si se asume E =  5%, calcular n. </li></ul><ul><li>Solución: </li></ul><ul><li>Datos: </li></ul><ul><li>Z = 1,96 </li></ul><ul><li>p e =0,8 </li></ul><ul><li>q e =0,2 </li></ul><ul><li>E =  0,05 </li></ul>n= (1,96) 2 (0,8)(0,2) = 245,9 (0,05) 2 n  246 Interpretación: Para estimar en la población, la proporción de pacientes no satisfechos de la atención recibida, con 95% de confianza y un error de  5%, se debe evaluar 246.
  83. 83. <ul><li>c. Procedimiento de selección </li></ul><ul><ul><li>Siendo la población homogénea </li></ul></ul><ul><ul><li>Teniendo el marco muestral. </li></ul></ul><ul><ul><li>Para identificar el número de cada elemento poblacional que será parte de la muestra, puede utilizarse la tabla de números aleatorios, una calculadora científica o una computadora. </li></ul></ul>
  84. 84. <ul><li>Ejemplo : </li></ul><ul><li>A partir de la población de 150 sujetos aparentemente normales. </li></ul><ul><ul><li>Seleccionar una MAS de tamaño 10 </li></ul></ul><ul><ul><li>Calcular los estimadores media y desviación estándar </li></ul></ul><ul><li>Solución : </li></ul><ul><li>Se tiene: N =150 y n =10 </li></ul><ul><li>De la tabla de números aleatorios, sabiendo que el tamaño de la población tiene tres dígitos, se escogen tres columnas cualesquiera para seleccionar 10 números comprendidos entre 1 y 150 inclusive. Por esta vez utilizaremos las tres primeras columnas de la tabla. Entonces los 10 números son: </li></ul>
  85. 85. <ul><li>28, 126, 72, 102, 148, 150, 35, 31, 46, 91. </li></ul><ul><li>(los tres últimos números se tomaron de las columnas 4,5 y 6) </li></ul><ul><li>Las concentraciones correspondientes de azúcar a estos números de sujetos son: </li></ul><ul><li>108, 106, 94, 91, 103, 90, 80, 107, 90, 91 </li></ul><ul><li>b. Utilizando estos valores de la variable se </li></ul><ul><li>obtienen los estimadores: </li></ul><ul><li> x = 96,0 </li></ul><ul><li>s = 9,4 </li></ul><ul><li>Estos resultados muestrales serán utilizados </li></ul><ul><li>para estimar la concentración promedio de </li></ul><ul><li>azúcar en la población de 150 sujetos. </li></ul>
  86. 86. <ul><li>MUESTREO SISTEMATICO (MS) </li></ul><ul><ul><li>a. DEFINICION: </li></ul></ul><ul><ul><li>Consiste en la selección de n elementos a partir de una población de tamaño N de modo que de cada cierto número (I) de elementos, uno será parte de la muestra. </li></ul></ul><ul><ul><li>Es decir: </li></ul></ul>1 N n
  87. 87. <ul><li>B. TAMAÑO DE MUESTRA </li></ul><ul><li>Se utilizan las mismas fórmulas que para el MAS. </li></ul><ul><li>C. PROCEDIMIENTO DE SELECCIÓN </li></ul><ul><ul><li>Los elementos poblacionales deben estar dispuestos en forma aleatoria e independiente. </li></ul></ul><ul><ul><li>Debe disponerse de un marco muestral (aunque no es imprescindible) </li></ul></ul><ul><ul><li>Se siguen los siguientes pasos: </li></ul></ul><ul><ul><ul><li>I = N /n intervalo de muestreo (de cada I elementos uno será parte de la muestra) </li></ul></ul></ul>
  88. 88. <ul><li>De la tabla de números aleatorios se elige el número aleatorio de inicio, k, que debe estar entre: </li></ul><ul><ul><ul><li>1  k  I. </li></ul></ul></ul><ul><li>Luego, se generan los números de la </li></ul><ul><li>siguiente manera: </li></ul><ul><li>N° </li></ul><ul><li>k (número aleatorio de inicio </li></ul><ul><li>k+I </li></ul><ul><li>k+2I </li></ul><ul><li>. </li></ul><ul><li>. </li></ul>
  89. 89. <ul><li>Ejemplo: </li></ul><ul><li>De la población de 500 escolares. </li></ul><ul><li>a. Seleccionar una muestra sistemática de tamaño 20. </li></ul><ul><li>b. Calcular el estimador p correspondiente </li></ul><ul><li>Solución: </li></ul><ul><li>a . I =500/ 20 = 25 ( de cada 25 elementos uno será parte de la muestra) </li></ul><ul><ul><li>1  k  25 ( de la tabla se eligen 2 columnas así, de las dos ultimas: k =12). </li></ul></ul><ul><ul><li>Luego: </li></ul></ul>
  90. 90. <ul><li>Nº Xi b . Sabiendo que: </li></ul><ul><li>12 - a = número de escolares con parásito </li></ul><ul><li>37 - en la muestra = 4 </li></ul><ul><li>62 - n = 20. Entonces: </li></ul><ul><li>87 P p = proporción de parasitados en la muestra, </li></ul><ul><li>112 p (estimador de la prevalencia poblacional) </li></ul><ul><li>137 - = a/ n </li></ul><ul><li>162 - = 4 /20 </li></ul><ul><li>187 - = 0,2 </li></ul><ul><li>212 - = 20 % </li></ul><ul><li>237 - </li></ul><ul><li>262 - </li></ul><ul><li>287 - </li></ul><ul><li>312 - </li></ul><ul><li>337 - </li></ul><ul><li>362 - </li></ul><ul><li>387 - </li></ul><ul><li>412 p </li></ul><ul><li>437 - </li></ul><ul><li>462 p </li></ul><ul><li>487 - </li></ul>
  91. 91. <ul><li>MUESTREO ESTRATIFICADO (ME) </li></ul><ul><ul><li>Se utiliza cuando la población es marcadamente heterogénea. </li></ul></ul><ul><ul><li>Se debe disponer del marco muestral. </li></ul></ul><ul><ul><li>La población se divide en L estratos y de cada uno se selecciona una muestra. Así por ejemplo si se quisiera estimar la PA promedio de una población de varones adultos , la población se deberá estratificar en grupos de edad y de cada uno se seleccionará una muestra, usando el MAS o el MS. </li></ul></ul>
  92. 92. DEFINICION DE VARIABLES <ul><li>Variable : Característica de la unidad de análisis que toma diferentes valores.(En los experimentos, los tratamientos aplicados se consideran también como variable) </li></ul><ul><li>Tipos de variables: </li></ul><ul><ul><li>Según como se expresa el resultado: </li></ul></ul><ul><ul><ul><li>Cualitativa: dicotómica o politómica </li></ul></ul></ul><ul><ul><ul><li>Cuantitativa: discreta o continua </li></ul></ul></ul><ul><ul><li>De acuerdo al manejo de la variable: </li></ul></ul><ul><ul><ul><li>Independiente: sus valores se manejan (causa). </li></ul></ul></ul><ul><ul><ul><li>Dependiente: sus valores reflejan el efecto del manejo (efecto). </li></ul></ul></ul>
  93. 93. <ul><li>Escalas de medición: Toda variable se mide en alguna de las siguientes escalas: </li></ul><ul><ul><li>Nominal: para variables cualitativas </li></ul></ul><ul><ul><li>Ordinal: para variables cualitativas (cuantitativas ?) </li></ul></ul><ul><ul><li>De intervalo: para variables cuantitativas </li></ul></ul><ul><ul><li>De razón: para variables cuantitativas </li></ul></ul><ul><li>La operacionalización de variables debe efectuarse especialmente para aquellas que son complejas en su definición y medición. </li></ul>
  94. 94. OPERACIONALIZACION DE VARIABLES El proceso de operacionalización de una variable consiste en llevar una variable de un nivel abstracto, a un nivel concreto, es decir, que permita medirla o calificarla. Su función es precisar al máximo el significado que se le otorga a una variable en un determinado estudio. (Pineda, et al). Hermida plantea que “operacionalizar” las variables significa explicar cómo se miden. A este proceso algunos le llaman construcción de variables, justificando que se da una elaboración de conceptos, definiciones e indicadores.
  95. 95. <ul><li>Mediante el proceso de operacionalización de las variables, las propiedades del objeto de estudio (variables) que no son cuantificables directamente, son llevadas a expresiones más concretas y directamente medibles. </li></ul><ul><li>La operacionalización de las variables, es decir el proceso de señalar cómo se tomarán las medidas empíricas, no es un procedimiento exclusivamente técnico, carente de teoría. Sin la teoría, la descripción, y por lo tanto la técnica misma, no tienen sentido . </li></ul>
  96. 96. <ul><li>En algunos casos las variables que aparecen enunciadas en los objetivos y en el marco teórico no ofrecen mayor dificultad en cuanto a su descripción, definición y medición, es decir, son variables simples cuya comprensión es más fácil. Por ejemplo, edad, ingreso, años de escolaridad, número de hijos, etc. Sin embargo, es frecuente que se incluyan variables de mayor complejidad, que tienen que ser definidas claramente para entender su significado y para llegar a su medición. </li></ul>
  97. 97. <ul><li>Las variables se miden mediante indicadores, que a su vez se definen por el valor que adquieren. Algunos indicadores son directamente observables como, la estatura, el color de ojos, mientras que otros son construidos, como: nivel socioeconómico, marginación socioeconómica, trato humanizado al paciente, satisfacción con un programa educativo, accesibilidad a los servicios de salud, calidad de la atención brindada, actitud, conocimientos, etc. </li></ul>
  98. 98. <ul><li>La definición de variables debe hacerse de dos formas: conceptual y operacionalmente. En otras palabras, la definición conceptual de las variables debe ser transformada en un concepto operativo, seleccionando los indicadores, en el nivel directamente observable, que permitan medir los conceptos. </li></ul>
  99. 99. <ul><li>Definición conceptual </li></ul><ul><li>La definición conceptual de las variables constituye una abstracción articulada de palabras para facilitar su comprensión y su adecuación a los requerimientos prácticos de la investigación. Se obtiene de una bibliografía especializada o del diccionario. Ejemplos: </li></ul><ul><li>Accesibilidad a los servicios de salud: Mayor o menor posibilidad de tomar contacto con los servicios de salud para recibir asistencia. Ocupación: Tarea o función que desempeña una persona en su puesto de trabajo y que puede estar relacionada o no con su profesión (nivel de educación) y por la cual recibe un ingreso en dinero o especie. </li></ul>
  100. 100. <ul><li>Definición operacional </li></ul><ul><li>Está constituida por una serie de procedimientos o indicaciones para realizar la medición de una variable definida conceptualmente. </li></ul><ul><li>Lo que intenta es obtener la mayor información posible de la variable seleccionada, de modo que se capte su sentido y se adecue al contexto. Ejemplos: </li></ul><ul><li>Accesibilidad a los servicios de salud: Facilidades de naturaleza geográfica, económica y cultural con las que cuenta el usuario para acceder al servicio de salud para recibir asistencia. </li></ul><ul><li>Ocupación: Actividad específica a la que el sujeto en estudio le dedica la mayor parte de su tiempo o forma económica en que obtiene el sustento diario. </li></ul>
  101. 101. <ul><li>Variables, dimensiones e indicadores </li></ul><ul><li>Cuando nos encontramos con variables complejas, donde el pasaje de la definición conceptual a su operacionalización requiere de instancias intermedias, entonces hay que hacer una distinción entre variables, dimensiones e indicadores. A modo de síntesis puede afirmarse que el pasaje de la dimensión al indicador hace un recorrido de lo general a lo particular, del plano teórico al plano empíricamente contrastable. Las dimensiones vendrían a ser subvariables o variables con un nivel más cercano al indicador . </li></ul>
  102. 102. <ul><li>Para el caso de definir la variable accesibilidad a los servicios de salud, por ejemplo, nos encontramos con diferentes subvariables que forman parte de la variable como son: accesibilidad geográfica, accesibilidad económica y accesibilidad cultural. Cada una de estas subvariables son las dimensiones de la variable accesibilidad a los servicios de salud. </li></ul>
  103. 103. <ul><li>A su vez, estas dimensiones, para poder ser contrastadas empíricamente, requieren operacionalizarse en indicadores, que no son otra cosa que parámetros que contribuyen a ubicar la situación en la que se halla la problemática a estudiar. En un sentido restringido, los indicadores son datos. Para la variable accesibilidad a los servicios de salud, por ejemplo, en la dimensión accesibilidad económica, los indicadores podrían ser: cantidad de dinero, en nuevos soles, que gasta para recibir la atención y disponibilidad económica para cubrir ese gasto. </li></ul><ul><li>El proceso de operacionalización de variables puede sintetizarse en una tabla. Veamos : </li></ul>
  104. 104. Variable Def. conceptual Def. operacional Dimen-siones Indicadores Codifi-cación Producti-vidad Capacidad de un aspecto productivo para crear bienes o servicios en determinada unidad de tiempo. Cantidad de bienes producidos por un trabajador en una jornada laboral de ocho horas. Mano de obra Maquinaria Materiales o energía Cantidad de productos envasados por un trabajador en ocho horas de trabajo 10 – 19 20 – 24  25
  105. 105. Variable Def. conceptual Def. operacional Dimen-siones Indicadores Codifi-cación Tiempo de espera para recibir atención de primer nivel Duración desde el momento que solicita atención medica al momento de recibirla. Se medirá calculando la diferencia de la hora de registro de la llegada del paciente a solicitar la consulta y el registro de la hora en que recibe la atención medica. Minutos < 10 10 – 15 ≥ 15
  106. 106. Variable Def. conceptual Def. operacional Dimen-siones Indicadores Codifi-cación Edad Tiempo que una persona ha vivido, a contar desde que nació. Número de años cumplidos por el sujeto de estudio desde el nacimiento hasta el momento de realización del estudio. Años 30 – 34 35 – 39 40 – 44 ≥ 45
  107. 107. PROCESO DE OBTENCION DE DATOS <ul><li>Los datos en la investigación pueden ser: </li></ul><ul><ul><li>Secundarios: Se obtienen de las fuentes de datos tales como historias clínicas, archivos, bases de datos, etc . </li></ul></ul><ul><ul><li>Primarios : Se obtienen utilizando uno o más de los siguientes procedimientos: </li></ul></ul><ul><ul><ul><li>Cuestionario </li></ul></ul></ul><ul><ul><ul><li>Observación </li></ul></ul></ul><ul><ul><ul><li>Entrevista (estructurada, no estructurada) </li></ul></ul></ul><ul><li>Es importante el diseño y la prueba del formulario o instrumento de medición. </li></ul>
  108. 108. INSTRUMENTO O FORMULARIO <ul><li>Los instrumentos de medición son aquellos que generan mediciones cuantitativas o cualitativas en forma precisa, objetiva, sensible para que el investigador pueda procesar la información recolectada. </li></ul><ul><li>En opinión de Pineda, Alvarado y Otros el “instrumento es el mecanismo que utiliza el investigador para recolectar y registrar la información” . Estos pueden ser pruebas psicológicas, encuestas, entrevistas y cuestionarios, escala de actitudes, listas de cotejo, guías, fichas, etc.  </li></ul>
  109. 109. <ul><li>Tanto para datos primarios como secundarios se debe diseñar el formulario de obtención de datos. El cual contiene preguntas, ítems que serán planteados o aspectos que serán estudiados. </li></ul>DISEÑO DEL FORMULARIO
  110. 110. <ul><li>Si se aplica el procedimiento del cuestionario para la obtención de datos, el formulario también lleva el nombre de cuestionario. </li></ul><ul><li>Si se usa la observación el formulario lleva el nombre de ficha o guía y si se utiliza la entrevista , el formulario puede recibir el mismo nombre. </li></ul>DISEÑO DEL FORMULARIO
  111. 111. RECOMENDACIONES PARA EL DISEÑO DEL FORMULARIO <ul><li>Formular el mínimo número de preguntas, ítems o aspectos, según objetivos planteados. </li></ul><ul><li>Preguntas, ítems o aspectos claros y precisos. </li></ul><ul><li>Instructivo claro y motivador. </li></ul><ul><li>Orden de preguntas. </li></ul><ul><li>Vocabulario de acuerdo a las características de la población de estudio. </li></ul><ul><li>Suficiente espacio para respuestas. </li></ul><ul><li>Probar el formulario realizando un estudio piloto. </li></ul>
  112. 112. Estudio piloto <ul><li>Normalmente, se pasa el borrador del cuestionario a 30 - 50 personas, siendo aconsejable que se parezcan a los individuos de la muestra. Permitirá identificar: </li></ul><ul><li>Tipos de preguntas más adecuados. </li></ul><ul><li>Si el enunciado es correcto y comprensible, y si las preguntas tienen la extensión adecuada. </li></ul><ul><li>Si es correcta la categorización de las respuestas. </li></ul><ul><li>Si existen resistencias psicológicas o rechazo hacia algunas preguntas. </li></ul><ul><li>Si el ordenamiento interno es lógico; si la duración está dentro de lo aceptable por los encuestados. </li></ul>
  113. 113. Estudio piloto <ul><li>Importancia: </li></ul><ul><li>Para validar los aspectos metodológicos de la investigación especialmente el formulario. </li></ul><ul><li>Como antecedente del estudio cuando no existen referencias bibliográficas del tema en la revisión bibliográfica. </li></ul><ul><li>Para obtener información y calcular el tamaño de la muestra del estudio definitivo. </li></ul>
  114. 114. Estudio piloto <ul><li>Criterios: </li></ul><ul><li>Muestra piloto debe ser seleccionada con criterios probabilísticos. </li></ul><ul><li>El tamaño de la muestra piloto no es necesario calcular con fórmula. Depende del costo y del tamaño de la población. Si el tamaño de la poblacion es pequeña (n < 30), buscar una poblacion parecida o paralela. </li></ul><ul><li>En estudios experimentales costosos, la muestra piloto no menos de 5. </li></ul>
  115. 115. <ul><li>Todo instrumento de medición para responder a las características mencionadas deben ser confiables y altamente válidos . Es importante detallar que el instrumento cuanto mas confiable menor será el grado de error en las mediciones obtenidas. </li></ul><ul><li>En cambio la validez representa el grado con el cual el instrumento mide lo que se desea medir. Debe responder a validez predictiva, de contenido y de constructo.  </li></ul>VALIDACIÓN DEL INSTRUMENTO
  116. 116. <ul><li>Procedimientos: (piloto) </li></ul><ul><li>Respuestas politómicas </li></ul><ul><ul><li>α de Cronbach </li></ul></ul><ul><li>Respuestas dicotómicas </li></ul><ul><ul><li>r de Kuder – Richardson </li></ul></ul><ul><ul><li>(fórmula 20) </li></ul></ul><ul><li>PREDICTIVA: Piloto (Predictividad) </li></ul><ul><li>Método: Item - test </li></ul><ul><ul><li>Respuestas politómicas: </li></ul></ul><ul><ul><ul><li>r de Pearson </li></ul></ul></ul><ul><ul><li>Respuestas dicotómicas: </li></ul></ul><ul><ul><ul><li>coeficiente de correlación biserial puntual (r b-p ) </li></ul></ul></ul><ul><li>DE CONTENIDO: Juicio de expertos </li></ul><ul><li>DE CONSTRUCTO: Marco teórico </li></ul>CONFIABILIDAD VALIDEZ VALIDO En sucesivas mediciones da resultados similares Mide lo que se quiere medir
  117. 117. CONFIABILIDAD <ul><li>Confiabilidad o Fiabilidad </li></ul><ul><li>Es el grado en que un instrumento mide con precisión, sin error. </li></ul><ul><li>Indica la condición del instrumento de ser fiable, es decir, de ser capaz de ofrecer en su empleo repetidos resultados veraces y constantes en condiciones similares de medición. </li></ul><ul><li>La fiabilidad de un instrumento de medida se valora a través de la consistencia, la estabilidad temporal y la concordancia interobservadores. </li></ul>
  118. 118. CONFIABILIDAD <ul><li>Consistencia: Se refiere al nivel en que los diferentes ítems o preguntas de una escala están relacionados entre sí. Esta homogeneidad entre los ítems nos indica el grado de acuerdo entre los mismos y, por tanto, lo que determinará que éstos se puedan acumular y dar una puntuación global. </li></ul><ul><li>El coeficiente  de Cronbach es un indicador estadístico muy utilizado. Sus valores oscilan entre 0 y 1. Se considera que existe buena consistencia interna cuando el valor  ≥ 0,70 en estudios comparativos, pero cuando el instrumento sirve para fines de selección,  ≥ 0,90 (Polit et al). Estos autores no señalan cúal debe ser el valor mínimo de  en estudios descriptivos, algunos mencionan 0,60 para estos casos. </li></ul>
  119. 119. CONFIABILIDAD <ul><li>Estabilidad temporal: Es la concordancia obtenida entre los resultados del test al ser evaluada la misma muestra por el mismo evaluador en dos situaciones distintas (fiabilidad test-retest). </li></ul><ul><li>Concordancia interobservadores. En el análisis del nivel de acuerdo obtenido al ser evaluada la misma muestra en las mismas condiciones por dos evaluadores distintos, o en diferente tiempo, se obtienen iguales resultados (fiabilidad interobservadores- ejemplo coeficiente kappa). </li></ul>
  120. 120. ∑ s 2 i = s 2 1 + s 2 2 + s 2 3 +……… + s 2 K SUJETOS ITEMS 1 2 3 4 5 6 … .. k TOTAL 1 2 n VARIANZAS s 2 1 s 2 2 s 2 3 s 2 K s 2 T
  121. 121. Confiabilidad para respuestas politómicas Mediante el coeficiente alfa de Cronbach α = Donde: ∑ s 2 i = varianza de cada ítem s 2 T = varianza de los puntajes totales k = número de ítems del instrumento α ≥ 0,60 instrumento confiable * En Excel las varianzas se hallan con la opción VAR A continuación dos ejemplos, el 1ero en Excel (n =30 y k= 18) y el segundo en SPSS
  122. 128. Confiabilidad para respuestas dicotómicas Mediante la fórmula 20 de Kuder – Richardson (Fórmula 20 K – R) r K - R = Donde: p i q i = varianza de cada ítem s 2 T = varianza de los puntajes totales k = número de ítems del instrumento r K - R ≥ 0.60 instrumento confiable *En Excel los valores de p i q i se hallan con la opción VARA
  123. 129. VALIDEZ <ul><li>Validez: </li></ul><ul><li>Indica la capacidad del instrumento para medir las cualidades para las cuales ha sido construida y no otras parecidas. &quot;Un instrumento tiene validez cuando verdaderamente mide lo que afirma medir&quot;. </li></ul>
  124. 130. VALIDEZ INTERNA: PREDICTIVIDAD SUJETOS ITEMS 1 2 3 4 5 6 … .. k TOTAL 1 2 n r de Pearson r 1 r 2 r 3 r k
  125. 131. Validez para respuestas politómicas Método Item - test Mediante el coeficiente de correlación r de Pearson Si r ≥ 0,20 el item es válido (Garrett H.) 2 y) ( )- 2 y (n 2 x) ( )- 2 x (n y) x)( ( Xy- n = r ∑ ∑ ∑ ∑ ∑ ∑ ∑
  126. 133. Validez para respuestas dicotómicas Método item - test Mediante el coeficiente de correlación biserial puntual r ≥ 0,20 el item es válido (Garrett H.) i i T 0 1 p b q p S X X = r    
  127. 134. VALIDEZ DE CONTENIDO: JUICIO DE EXPERTOS <ul><li>Experto </li></ul><ul><li>Persona que trabaja en el àrea de estudio y tiene conocimiento de las variables y características. Tiene que tener predisposición. Ejm: docentes, jefes de servicio, jefes de departamentos, etc (no necesariamente que tenga un cargo directivo sino el conocimiento) </li></ul><ul><li>Mínimo cinco, mejor más de 8 expertos. </li></ul><ul><li>Villemeur menciona que en algunas ocasiones pueden utilizarse más de ocho expertos, según la precisión que se desee </li></ul>
  128. 135. VALIDEZ DE CONTENIDO: JUICIO DE EXPERTOS <ul><li>Se aplica: </li></ul><ul><li>Validez de contenido del instrumento con preguntas cuyas respuestas se valoran con puntajes. Ejm: conocimiento, actitud, calidad de vida laboral, autoestima, satisfacción, desgaste profesional, etc (variables blandas) </li></ul>
  129. 136. VALIDEZ DE CONTENIDO: JUICIO DE EXPERTOS <ul><li>Fichas o guías cuyos aspectos o ítems no reciben puntuaciones. Ejm: fichas clínicas, instrumentos que registran aspectos objetivos, historias clínicas, etc. </li></ul>
  130. 137. <ul><li>A cada experto seleccionado se entrega un sobre, con: </li></ul><ul><li>Carta de presentación de saludo, donde esta también el título del estudio, los objetivos y la población definida para el estudio. Indicar también que después de evaluar el formulario debe responder el cuestionario de validación. </li></ul><ul><li>(Puede presentarse la matriz de consistencia o Resumen del proyecto) </li></ul><ul><li>Instrumento o formulario a validar. </li></ul><ul><li>Cuestionario de validación. </li></ul><ul><li>La carta puede ser firmado por el asesor o autoridad y debe ser firmado por el investigador. </li></ul>VALIDEZ DE CONTENIDO: JUICIO DE EXPERTOS
  131. 138. Ejemplos de preguntas para jueces
  132. 140. VALIDEZ DE CONTENIDO: JUICIO DE EXPERTOS Utilizando la prueba binomial se determina la significación estadística de la concordancia entre los evaluadores para cada pregunta, cuando el valor de p < 0,05 se dice que existe concordancia significativa entre expertos en esa pregunta. No procede obtener el promedio de valores de p. Si alguna pregunta del cuestionario de validación tiene un p ≥ 0,05 se tomará en cuenta las sugerencias y observaciones del experto para la elaboración del formulario final de estudio.
  133. 142. Tabla binomial
  134. 143. Informe de la validación del instrumento
  135. 145. <ul><li>PROCESAMIENTO Y ANALISIS ESTADISTICO </li></ul><ul><li>Estadística - conjunto de técnicas utilizadas para la obtención, clasificación, presentación y resumen de datos; así como para la generalización de resultados obtenidos en la muestra a la población respectiva. </li></ul><ul><li>La Estadística en el proceso de investigación se utiliza, tanto en la elaboración del proyecto, como en la preparación del informe respectivo. </li></ul>
  136. 146. <ul><li>La Investigación Científica y la Estadística se relacionan estrechamente. </li></ul><ul><li>Para el procesamiento y análisis computarizado de los datos se suele utilizar programas y paquetes estadísticos, tales como: Excel, Epiinfo, SPSS, STATA, etc. </li></ul><ul><li>En todos los casos, el trabajo se inicia con la preparación de la base de datos (ingreso de datos) para continuar con el análisis estadístico correspondiente. </li></ul>
  137. 147. <ul><li>El uso de la Estadística en el proceso de la Investigación depende de, si se trabajará con toda la población o con muestra (probabilística o no probabilística), del tipo de estudio, de los objetivos de la Investigación, etc. </li></ul><ul><li>En algunos casos sólo se usará la Estadística Descriptiva y en otros hasta la Estadística Inferencial. </li></ul>
  138. 148. ESTADISTICA DESCRIPTIVA <ul><li>Estudios con: </li></ul><ul><ul><li>Toda la Población </li></ul></ul><ul><ul><li>Muestras no probabilísticas </li></ul></ul><ul><ul><li>Muestras probabilísticas </li></ul></ul>Se utiliza en:
  139. 149. ESTADISTICA DESCRIPTIVA PRESENTAR LA INFORMACION EN FORMA CONCISA, CLARA Y COMPRENSIBLE . TIENE COMO OBJETIVO FINAL :
  140. 150. ESTADISTICA DESCRIPTIVA <ul><li>ELABORACION DE TABLAS Y GRAFICOS </li></ul><ul><li>USO DE MEDIDAS DE RESUMEN: </li></ul><ul><ul><li>PARA VARIABLES CUALITATIVAS: </li></ul></ul><ul><ul><ul><li>TASAS, RAZONES, PROPORCIONES </li></ul></ul></ul><ul><ul><li>PARA VARIABLES CUANTITATIVAS: </li></ul></ul><ul><ul><ul><li>MEDIA ARITMETICA ± DESVIACION ESTANDAR </li></ul></ul></ul><ul><ul><ul><li>MEDIANA ± DESVIACION CUARTIL </li></ul></ul></ul><ul><ul><ul><li>OTRAS </li></ul></ul></ul><ul><li>USO DE MEDIDAS DE ASOCIACION, COMO : </li></ul><ul><ul><ul><li>r DE PEARSON </li></ul></ul></ul><ul><ul><ul><li>r DE SPEARMAN </li></ul></ul></ul><ul><ul><ul><li>RIESGO RELATIVO (RR) </li></ul></ul></ul><ul><ul><ul><li>ODDS RATIO (OR) </li></ul></ul></ul><ul><ul><ul><li>OTRAS </li></ul></ul></ul>COMPRENDE:
  141. 151. ESTADISTICA INFERENCIAL Estudios con Muestras probabilísticas Se utiliza en:
  142. 152. ESTADISTICA INFERENCIAL OBTENER CONCLUSIONES DE NATURALEZA PROBABILÍSTICA SOBRE LA POBLACIÓN EN BASE A RESULTADOS OBTENIDOS EN LA MUESTRA. TIENE COMO OBJETIVO :
  143. 153. ESTADISTICA INFERENCIAL <ul><li>ESTIMACION DE PARAMETROS , MEDIANTE EL CALCULO DE UN INTERVALO DE CONFIANZA. </li></ul><ul><li>IC 95% ( LI ; LS ) </li></ul><ul><li>CONTRASTACION DE HIPOTESIS SOBRE SITUACIONES POBLACIONALES, CON CIERTO GRADO DE ERROR, HACIENDO USO DE PRUEBAS DE SIGNIFICACION ESTADISTICA, ESTAS PUEDEN SER: </li></ul><ul><ul><li>PARAMETRICAS: “t”, “z”, ANOVA, ETC. </li></ul></ul><ul><ul><li>NO PARAMETRICAS: X 2 , WILCOXON, U DE MANN - WHITNEY, ETC </li></ul></ul><ul><li>LA CONTRASTACION DE HIPOTESIS CULMINA CON LA OBTENCION DEL VALOR DE p </li></ul>COMPRENDE
  144. 158. INTERPRETACION DE RESULTADOS ESTADÍSTICOS Ing. WILFREDO MORMONTOY LAUREL MPH
  145. 159. <ul><li>Todo resultado estadístico debe ser interpretado adecuadamente. Esto implica la interpretación tanto de los estadísticos descriptivos como de los obtenidos al usar la estadística inferencial. </li></ul><ul><li>Al aplicar esta última, se obtienen dos posibles resultados: </li></ul><ul><li>IC 95% ( LI ; LS): Obtenido al estimar un parámetro poblacional y que indica que éste se encuentra entre los límites inferior y superior del intervalo de confianza con 95% de seguridad o confianza. </li></ul>
  146. 160. <ul><li>Valor de p: valor obtenido al realizar toda prueba de hipótesis estadística mediante un test paramétrico o no paramétrico. </li></ul><ul><li>El valor de p expresa la probabilidad de tomar una decisión desacertada ( la de rechazar una hipótesis nula siendo verdadera). Así, en una comparación de dos medias poblacionales, p indicaría la probabilidad de equivocarnos al afirmar que existe diferencia entre las medias poblacionales cuando en realidad tal diferencia no existe </li></ul>
  147. 161. El valor de p se denomina nivel de significación observado o calculado. El nivel de significación esperado, referencial o máximo error tolerable, se representa con  y en investigaciones biomédicas usualmente  = 0,05. El valor de p obtenido se compara con  para determinar la significación estadística del resultado; y si: p  0,05, se considera el resultado como estadísticamente no significativo, si p < 0,05, resultado estadísticamente significativo y si, p < 0,01, resultado altamente significativo

×