EL MANUAL - Introduccin A La Metodologa de La Investigacin

SeminariosDeInvestigacion.
com Sinopsis del Vídeolibro
INDICE
1. Tipos de investigación……………………………………………………………………………………… 02
2. Niveles en Investigación………………………………………………………………………………… 03
3. Diseños en Investigación………………………………………………………………………………… 04
4. Las variables según su medición……………………………………………………………………… 05

5. Escalas de Medición de las variables……………………………………………………………… 06
6. Las variables según su relación……………………………………………………………………… 07
7. Criterios de Causalidad…………………………………………………………………………………… 08
8. Formulación del problema……………………………………………………………………………… 09
9. Formulación de Hipótesis………………………………………………………………………………… 10
10. Objetivo estadístico…………………………………………………………………………………………… 11

11. Nivel de Significancia………………………………………………………………………………………… 12
12. Ritual de la Significancia Estadística……………………………………………………………… 13
13. Objetivos estadísticos para variables categóricas………………………………………… 14

14. Objetivos estadísticos para variables numéricas…………………………………………… 15
15. Objetivo estadístico comparar………………………………………………………………………… 16
16. Técnicas de Recolección de Datos…………………………………………………………………… 17

17. Instrumentos de Medición………………………………………………………………………………… 18
18. Validez de un estudio………………………………………………………………………………………… 19
19. Unidades de estudio…………………………………………………………………………………………… 20

20. Población y muestra…………………………………………………………………………………………… 21
21. Muestreo probabilístico……………………………………………………………………………………… 22
22. Control de un estudio………………………………………………………………………………………… 23

23. Sesgos de selección…………………………………………………………………………………………… 24
24. Sesgos de medición……………………………………………………………………………………………… 25
25. Validación de instrumentos……………………………………………………………………………… 26

26. Validación Cualitativa………………………………………………………………………………………… 27
27. Medidas de TC y Dispersión……………………………………………………………………………… 28
28. Medidas de Posición y de Forma………………………………………………………………………… 29

29. Gráficas univariables…………………………………………………………………………………………… 30
30. Discusión de resultados……………………………………………………………………………………… 31
1
SeminariosDeInvestigacion.com Sinopsis del Vídeolibro
TIPOS DE INVESTIGACIÓN
1. Según la intervención del Investigador:
OBSERVACIONAL: No existe intervención del investigador; los datos reflejan la

evolución natural de los eventos, ajena a la voluntad del investigador.
EXPERIMENTAL: Siempre son prospectivos, longitudinales, analíticos y de nivel

investigativo “explicativo” (causa – efecto); además de ser “controlados”.
2. Según la planificación de la toma de datos
PROSPECTIVO: Los datos necesarios para el estudio son recogidos a propósito de la

investigación (primarios). Por lo que, posee control del sesgo de medición.
RETROSPECTIVO: Los datos se recogen de registros donde el investigador no tuvo

participación (secundarios). No podemos dar fe de la exactitud de las mediciones.
3. Según el número de ocasiones en que mide la variable de estudio
TRANSVERSAL: Todas las variables son medidas en una sola ocasión; por ello de
realizar comparaciones, se trata de muestras independientes.
LONGITUDINAL: La variable de estudio es medida en dos o más ocasiones; por ello,

de realizar comparaciones (antes – después) son entre muestras relacionadas.
4. Según el número de variables de interés
DESCRIPTIVO: El análisis estadístico, es univariado porque solo describe o estima

parámetros en la población de estudio a partir de una muestra.
ANALÍTICO: El análisis estadístico por lo menos es bivariado; porque plantea y pone

a prueba hipótesis, su nivel más básico establece la asociación entre factores.
IMPORTANTE: “Descriptivo no es sinónimo de observacional”. Un estudio observacional

puede ser analítico. Ejm: El estudio de los casos y controles.
2
NIVELES DE INVESTIGACIÓN
1. EXPLORATORIO: Se plantean cuando no existe un cuerpo teórico que ilumine el

fenómeno observado; su función es el reconocimiento e identificación de
problemas.
No hay preguntas que conduzcan a problemas precisos, se exploran áreas

problemáticas. Se trata de investigación cualitativa; por lo que no se requiere de
manejo estadístico.
2. DESCRIPTIVO: Describe fenómenos sociales o clínicos en una circunstancia

temporal y geográfica determinada. Su finalidad es describir y/o estimar
parámetros.
Se describen frecuencias y/o promedios; y se estiman parámetros con intervalos de

confianza. Ejm. los estudios de frecuencia de la enfermedad: Incidencia y
Prevalencia.
3. RELACIONAL: No son estudios de causa y efecto; la estadística solo demuestra

dependencia entre eventos; Ejm. los estudios de asociación sin relación de
dependencia.
La estadística es bivariada nos permite hacer asociaciones (Chi Cuadrado) y

medidas de asociación; correlaciones y medidas de correlación (Correlación de
Pearson).
4. EXPLICATIVO: Explica el comportamiento de una variable en función de otra(s);

por ser estudios de causa-efecto requieren control y debe cumplir otros criterios de
causalidad.
El control estadístico es multivariado a fin de descartar asociaciones aleatorias,

casuales o espurias entre la variable independiente y dependiente. Ejm. Chi2 de
Mantel-Haenszel.
5. PREDICTIVO: Se encarga de la estimación probabilística de eventos generalmente

adversos, como puede ser las complicaciones de la enfermedad, la mortalidad, etc.
Se aplican un conjunto de técnicas estadísticas. Ejm. La validación de una prueba

diagnóstica requiere: Alfa de Cronbach, Índice Kappa, ANOVA, Curvas ROC.
6. APLICATIVO: Plantea resolver problemas o intervenir en la historia natural de la

enfermedad. Enmarca a la innovación técnica, artesanal e industrial como la
científica.
Las técnicas estadísticas apuntan a evaluar el éxito de la intervención, como

medidas de impacto sobre los principales indicadores de salud: tasas, coberturas,
rendimiento, etc.
3
DISEÑOS EN INVESTIGACIÓN
7. EPIDEMIOLÓGICOS: Estudian la morbi-mortalidad y eventos la salud en

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

(Ej. Estudio de incidencia).
Analítico: Aquí se encuentran los estudios de factores de riesgo, los que terminan
planteando la relación de causalidad. Ej. Casos y controles; Cohortes.
De intervención: No son experimentos verdaderos, porque se ven limitados por

las normas éticas. Ej. Ensayos clínicos y ensayos de población.
8. EXPERIMENTALES: Requiere dos condiciones: intervención y asignación aleatoria

(grupo control).
Pre-experimento: La intervención no es apropósito de la investigación; sino que

obedece a las necesidades terapéuticas del sujeto.
Cuasi-experimento: Cuando no hay grupo control, no es posible realizar la

asignación aleatoria, se realiza dos mediciones en el mismo grupo.
Experimento verdadero: Cumple con la asignación aleatoria (grupo control) e

intervención a propósito de la investigación.
9. COMUNITARIOS: La unidad de estudio es la población y la fuente de datos de tipo

secundario.
Exploratorios: El único propósito es buscar patrones espaciales o temporales que

podrían sugerir temas de investigación.
Comparaciones múltiples: Verifican hipótesis sobre la diferencia de parámetros

correspondientes a situaciones diferentes en una población.
Series temporales: Analiza las variaciones temporales de los niveles de

exposición a través del tiempo. Ej. La semana epidemiológica.
10. ENSAYOS CLÍNICOS: Evalúan métodos de prevención, diagnóstico, tratamiento y

rehabilitación.
Prevención: Suelen ser comunitarios; su propósito es determinar la eficacia de un

agente o medida. Ej. Vacunación para la prevención de la Hepatitis B.
Terapéuticos: Su propósito es modificar el curso natural de la enfermedad. Ej.

Tratamiento de la diabetes para prevenir nefropatía diabética.
Rehabilitación: Suelen ser estudios individuales; su propósito es curar, aliviar y/o

prolongar la vida del paciente. Ej. Excéresis de un tumor localizado.
4
LAS VARIABLES SEGÚN SU MEDICIÓN
1. VARIABLES OBJETIVAS
Son propiedades, características o atributos que se dan en las unidades de estudio
(personas, grupos, etc.) o por derivación de ellas; siempre deben ser medibles.
Las variables individuales corresponden a las unidades de estudio individuales, ejm.

el nivel de instrucción de las personas.
Las variables colectivas son propiedades de grupos y su medición se basa en las

propiedades individuales que poseen sus miembros, por ejemplo el índice de
analfabetismo.
UNIDIMENSIONALES
Cuando las variables no presentan ninguna dificultad para su identificación se dice

que tienen indicadores directos (la misma variable es su propio indicador) o
unidimensionales.
El análisis estadístico de las variables individuales y las variables colectivas; incluso

dentro de un mismo objetivo, no siempre es el mismo.
2. VARIABLES SUBJETIVAS
El constructo es una propiedad que se supone posee una persona (unidad de

estudio individual), es un concepto teórico. Ejm. la inteligencia, la motivación, la
creatividad, las actitudes, etc.
Los constructos se definen como propiedades subyacentes, que no pueden medirse

de manera directa, sino mediante indicadores que corresponden a sus dimensiones.
Los instrumentos utilizados para medir variables subyacentes, deben tener una
validez de constructo que corresponde su definición operacional.
MULTIDIMENSIONALES
Siendo que las variables subyacentes no se pueden medir directamente se

requieren de indicadores; de manera que cada uno de los indicadores se convierte
en una dimensión.
Las variables subyacentes (constructos) que no pueden medirse de manera directa,

requieren de tantas dimensiones como indicadores que permitan su medición.
5
ESCALAS DE MEDICIÓN
Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS

Naturaleza CUALITATIVAS CUANTITATIVAS
(0) NOMINAL (1) ORDINAL (2) INTERVALO (3) RAZÓN
Escala
Ningún atributo Un atributo Dos atributos Tres atributos
Atributos de la
Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen Orden Distancia Origen
escala
Posee categorías a las Posee las categorías Tiene intervalos iguales y Tiene intervalos constantes
que se asigna un nombre ordenadas, pero no permite medibles. No tiene un origen entre valores; además de un
Característica
sin que exista ningún cuantificar la distancia entre real, por lo que puede asumir origen real. El cero significa
orden implícito entre ellas. una categoría y otra. valores negativos. la ausencia del individuo.
Ejemplos Género Estado Civil Instrucción Intensidad Temperatura Hora del día Peso Hijos
Soltero Primaria Leve -10°C 00 Horas 00.00Kg Uno

Masculino
Valor Final Casado Secundaria Moderado 0°C 10 Horas 10.24Kg Dos
Femenino
Conviviente Superior Severo 20°C 20 Horas 20.00Kg Tres
Dicotómicas: Tienen solamente dos categorías Continuas: Provienen de medir

Ejemplos de Ordinal Dicotómica: Se pueden representar con números enteros o fraccionarios
Nuevo - Continuador Entre dos valores siempre existe un valor intermedio
Observaciones
Vivo – Fallecido
Sano – Enfermo Discretas: Provienen de contar
Politómicas: Tienen más de dos categorías. Solamente pueden ser representados con números enteros
CLASIFICACIÓN DE LAS VARIABLES
CRITERIOS DE CAUSALIDAD
Criterios de Bradford Hill (1965)
1. Asociación estadística: Se trata de averiguar si existe relación entre el supuesto factor causal y
el efecto estudiado. Para esto hay que buscar estudios epidemiológicos (Cohortes o Caso -
Control) que indiquen el riesgo significativo (Riesgo Relativo o Razón de Momios).
2. Constancia o Consistencia: Consiste en conocer si la relación entre las dos variables, a las que
investigamos una posible relación causa-efecto, ha sido confirmada por más de un estudio, en
poblaciones y circunstancias distintas por autores diferentes.
3. Especificidad: Es más fácil aceptar una relación causa-efecto cuando para un efecto sólo se
plantea una sola etiología, que cuando para un determinado efecto se han propuesto múltiples
causas. En este caso lo apropiado sería hablar de Especificidad de la causa.
4. Temporalidad: Se trata de asegurar que el factor de riesgo ha aparecido antes que el supuesto
efecto. Puede ser difícil de demostrar cuando no se puede asegurar si la presunta causa apareció
con anterioridad al presunto efecto. (Equivale a la cronología de Simonin)
5. Relación dosis-respuesta: Denominada “gradiente biológico”, La frecuencia de la enfermedad

aumenta con la dosis o el nivel de exposición. (Equivale a la Intensidad de Simonin). Sin embargo,
hay casos en que el gradiente biológico no se cumple (en una reacción alérgica).
6. Plausibilidad biológica: El contexto biológico existente debe explicar lógicamente la etiología por
la cual una causa produce un efecto a la salud. Esta característica viene limitada por los
conocimientos científicos que se tengan al respecto en el momento del estudio.
7. Coherencia: la interpretación de causas y efectos no puede entrar en contradicción con el

comportamiento propio de la enfermedad o lesión. Este criterio combina aspectos de consistencia
y plausibilidad biológica (Corresponde a la evolución de Simonin)
8. Experimentación: Es un criterio deseable de alta validez. Se trata de reproducir

experimentalmente la asociación causa-efecto, o incidir en la causa para alterar el efecto cuando
no sea posible o no se considere ética otra modalidad de experimentación.
9. Analogía: Se fundamenta en relaciones de causa-efecto establecidas, con base a las cuales si un

factor de riesgo produce un efecto a la salud, otro con características similares debiera producir el
mismo impacto a la salud.
8
FORMULACIÓN DEL PROBLEMA
Se trata de sintetizar la cuestión proyectada a investigar, generalmente a través de un

interrogante. Los problemas de Investigación se formulan con los 5 componentes a
continuación:
VARIABLES: Debe mencionarse al menos la variable de estudio; pueden también

mencionarse todas las variables involucradas; o cuando las variables son muy numerosas
suele usarse términos que resuman de manera lógica un grupo de variables.
UNIDADES DE ESTUDIO:
Unidades de observación, unidades experimentales, unidades de análisis. Reciben
distintos nombres según el diseño de la investigación; y deben mencionarse, aunque a
veces su presencia en el enunciado resulta implícita.
DISEÑO DEL ESTUDIO:

Propósito estadístico, Especificidad, etc. Es muy variable de acuerdo a la investigación;
es importante utilizar términos que den por aludido el diseño de la investigación, el nivel
investigativo, el tipo de estudio, etc.
UBICACIÓN ESPACIAL:
Es ineludible cuando se tratan de estudios descriptivos y se encuentra relacionado con el
tamaño de la muestra; siendo que los fenómenos varían de un lugar a otro; se debe
especificar sobre que población se realizará la inferencia estadística.
UBICACIÓN TEMPORAL:
Al igual que en el criterio espacial, se requiere especificarlo cuando el fenómeno varía
según el tiempo. En los estudios descriptivos sobre poblaciones infinitas o desconocidas
habitualmente se encuentra relacionado con el muestreo accidental.
9
FORMULACIÓN DE HIPÓTESIS
Definición:
Son conjeturas que plantea el investigador; afirmaciones aun no demostradas y que

nacen de la experiencia (David Hume: empirismo) o de la deducción luego del análisis de
los antecedentes investigativos (René Descartes: racionalismo). Deben referirse a una
situación real, en términos comprensibles, precisos, concretos y deben estar
relacionadas con técnicas disponibles para probarlas.
Estructura:
Fundamento: Es lo que nos lleva a sostener la hipótesis planteada. Las hipótesis

relacionales carecen de fundamento porque nacen de la subjetividad de una observación;
mientras que las hipótesis explicativas se fundamentan en los antecedentes
investigativos.
Deducción: Es la hipótesis misma, denominada hipótesis del investigador;

estadísticamente es la hipótesis alterna y se debe someter a contraste. Cuando se la
plantea en forma de interrogante es la que da respuesta al enunciado.
Hipótesis según el nivel Investigativo:
Descriptiva: Los estudios descriptivos no suelen contener hipótesis, así como tampoco
los estudios exploratorios; porque no se puede presuponer sobre algo que apenas se
comienza a conocer. En estos casos lo que si procede, es trabajar con objetivos
descriptivos debidamente declarados. Su función es precisamente generar hipótesis.
Relacional: Las hipótesis relacionales o empíricas son afirmaciones respecto a las

relaciones entre dos o más variables sin fundamento, porque nacen de la observación y
la experiencia, siempre deben estar sujetas a comprobación empírica. Solamente buscan
concordancia entre hechos y generan la necesidad de plantear hipótesis explicativas.
Explicativa: Las hipótesis explicativas o racionales son consideradas como explicaciones

tentativas respecto al problema planteado. Cumple su función sólo si está relacionada
con el conocimiento existente; nacen del razonamiento por analogía (Bradford Hill). Sin
antecedentes investigativos no es posible plantear hipótesis explicativas.
10
OBJETIVO ESTADÍSTICO
Uno de los criterios más importantes a la hora de escoger el estadístico de prueba, se

encuentra intrínsecamente relacionado al nivel investigativo; Exploratorio - Descriptivo -
Relacional - Explicativo - Predictivo - Aplicativo. En esta pastilla se ha omitido
intencionalmente el objetivo estadístico comparar por ser el mas usado y encontrarse en
todos los niveles merece una mención aparte.
11. A nivel descriptivo

Estimar: Usado frecuentemente para la estimación puntual de un parámetro y
los intervalos de confianza del mismo.
Determinar. Cuando buscamos en obtener el resultado de una variable
subyacente o constructo y utilizamos un instrumento documental.
Describir: Para las variables que no son de estudio y que no involucra la
utilización de instrumentos pues se tratan de variables unidimensionales o
directas.
12. A nivel relacional
Asociar: Plantea que dos sucesos ocurren de manera simultánea en repetidas
ocasiones y que tal concurrencia no puede atribuirse al azar.
Concordar: Sucesos concurrentes que corresponden a diferentes observadores
o al mismo observador pero con diferentes instrumentos.
Correlacionar: Plantea que en un mismo individuo las unidades de una de sus
variables se correlaciona con otra diferente.
13. A nivel explicativo
Evidenciar: Propio de los estudios observacionales donde el análisis
estratificado busca descartar asociaciones aleatorias, casuales o espurias.
Demostrar: Cuando el origen de los datos corresponde a un experimento,
pretendemos demostrar algo que hemos evidenciado observacionalmente.
Probar: Luego de haber demostrado mediante un estudio experimental se
tiene que repetir para probar consistencia o coherencia (Bradford Hill 1965)
14. A nivel predictivo
Predecir: Calcular la probabilidad de ocurrencia de un suceso en una serie de
eventos por consecuencia la variable a predecir es dicotómica.
Pronosticar: Calcular la probabilidad de ocurrencia de un suceso en función al
tiempo por consecuencia la variable pronosticada es numérica.
Preveer: Calcular la probabilidad de necesitar, disponer o preparar medios
contra futuras contingencias.
11
NIVEL DE SIGNIFICANCIA
Al plantear un estudio sobre una población, idealmente debemos estudiar a todos los
individuos que la conforman; pero no siempre podemos acceder a todos, entonces
tenemos que escoger una muestra; sin embargo los resultados obtenidos de esta manera
nunca serán exactamente iguales, a los que se obtendrían de estudiar a toda la
población; es decir, siempre va a haber un margen de error.
Nivel de Significancia. Antes de realizar el estudio debemos plantearnos; que

proporción de error estamos dispuestos a aceptar para dar por válido nuestro resultado.
El error es el objetivo principal del estudio. El análisis estadístico consiste en calcular la
probabilidad de cometer este error y esperamos que sea menor al planteado
preliminarmente como nivel significancia.
Nivel de confianza. Es la confianza que debemos alcanzar para generalizar el resultado

de una muestra hacia toda la población. Es el complemento del nivel de significancia; es
la confianza que tenemos, de que la conclusión a la que hemos llegado es cierta. Una
probabilidad elevada nos da la tranquilidad de que lo que hemos calculado es cercano a
lo real y no debida al azar
Niveles convenidos:
a) α = 5%. Existe 5% (0.05) de probabilidad de equivocarse y 95% (0.95) de confianza.

b) α = 1%. Existe 1% (0.01) de probabilidad de equivocarse y 99% (0.99) de confianza.
Definición de términos.
El error tipo I: Ocurre cuando afirmamos la hipótesis del investigador, siendo que es
falsa. Por lo tanto, es un juicio de valor equivocado.
El p-valor: Es la probabilidad de equivocarse al aceptar nuestra hipótesis del

investigador como verdadera; es decir la probabilidad de cometer un error tipo I.
El nivel de significancia: Es la máxima probabilidad de error que estamos dispuestos

aceptar para dar como válida nuestra hipótesis del investigador.
12
RITUAL DE LA SIGNIFICANCIA ESTADÍSTICA
1. Formulación de Hipótesis
Consiste en traducir la hipótesis metodológica en una hipótesis estadística de acuerdo al

siguiente sistema:
Ho: Hipótesis nula ó hipótesis de trabajo
H1: Hipótesis alterna ó hipótesis del investigador
El primer paso es colocar la hipótesis del investigador como Hipótesis Alterna (H1) y
formular la Hipótesis Nula (Ho) que viene a ser la negación de la alterna. Se precisa este
artificio porque es a la Hipótesis Nula a la que se le somete a contraste.
2. Establecer el nivel de significancia.
El nivel de significancia denotado por la letra griega alfa es la probabilidad de rechazar la

hipótesis nula cuando es verdadera a lo cual se le denomina error de tipo I, Según
Fisher, el nivel de significación estadística equivale a la magnitud del error que se está
dispuesto a correr de rechazar una hipótesis nula verdadera. Para la mayoría de los
propósitos, el nivel de significación previamente establecido suele ser de 0.05.
3. Elección de la prueba estadística.
El estadístico de prueba elegido está intrínsecamente relacionado con el objetivo

estadístico correspondiente para su nivel investigativo; para esto debemos considerar la
naturaleza de las variables y el comportamiento de los datos que corresponde a su
distribución para los de naturaleza cuantitativa y las frecuencias esperadas para los de
naturaleza cualitativa.
4. Toma de la decisión
Luego de desarrollar la prueba estadística elegida se toma una decisión en función a la

regla previamente establecida según las que se acepta o se rechaza la hipótesis nula
para lo cual es imprescindible determinar el Valor critico, que es un número que divide la
región de aceptación y la región de rechazo, según el valor de la probabilidad que se
haya adoptado como nivel de significación estadística.
5. Interpretación del p-valor.
Este último paso en el ritual de la significancia estadística no fue planteado originalmente

por Fisher, pero cobra vital importancia con la aparición de los software estadísticos que
nos calculan directamente el p-valor, el cual cuantifica el error tipo I y nos ayuda a tomar
una decisión de rechazo a la hipótesis nula (Ho) cuando es menor al nivel de significancia
y de no rechazo cuando su valor es mayor al alfa planteado.
13
NIVEL INVESTIGATIVO RELACIONAL: VAR CATEGÓRICA
3. COMPARAR (Grupos): Es el objetivo estadístico más básico del análisis bivariado; aunque
algunos autores piensan que es univariado, porque habitualmente involucra un solo evento
aleatorio (diseños ecológicos), donde los grupos se construyen previamente a la ejecución del
estudio; Sin embargo, su análisis involucra a dos variables y por ello corresponde al nivel
investigativo relacional. Su finalidad es identificar las diferencias entre los grupos participantes.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Homogeneidad.
Ho: Las proporciones de los grupos no son diferentes.

H1: Las proporciones de los grupos son diferentes.
4. COMPARAR (Antes-Después): Es la comparación de un mismo grupo antes y después de una

intervención o de un acontecimiento; la idea de hacer dos medidas sobre el mismo grupo, es
verificar los cambios producidos entre una medida y otra; donde las variaciones pueden
adjudicarse a la intervención o al periodo de seguimiento; por ello corresponden a estudios
longitudinales. Estas comparaciones siempre son de individuo a individuo.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Mc Nemar.
Ho: No existe diferencia entre las dos medidas.

H1: Existe diferencia entre las dos medidas.
5. ASOCIAR (Categorías): Solamente la comparación de una variable dicotómica en dos grupos

nos puede llevar a la asociación; y aunque se puede identificar en las tablas 2 x 2, debemos
hacer una medida asociación. Para asociar hay que definir los factores de interés en ambas
variables; y es que habitualmente la asociación involucra dos eventos aleatorios. Desde el punto
de vista epidemiológico tenemos dos medidas de asociación relevantes: Riesgo Relativo y el
Odds Ratio.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de Independencia.
Ho: Existe independencia entre los dos eventos (variables).

H1: Existe dependencia entre los dos eventos (variables).
6. CONCORDAR: Es una medida de acuerdo entre dos observaciones donde el requisito

fundamental es que se trata de un solo grupo y los resultados de la observación tienen las
mismas opciones. Tenemos dos casos frecuentes: Cuando las observaciones corresponde a
diferentes observadores y cuando las observaciones corresponden a diferentes instrumentos. En
este caso el estadístico, es también un índice de concordancia.
La prueba de hipótesis se realiza con el estadístico: Índice Kappa de Cohen.

Ho: No existe concordancia entre las dos observaciones.
H1: Existe concordancia entre las dos observaciones.
14
NIVEL INVESTIGATIVO RELACIONAL: VAR NUMÉRICA
7. COMPARAR (Grupos): Su finalidad es identificar las diferencias entre los grupos participantes;
se puede comparar dos o más grupos y habitualmente estos grupos se construyen en la etapa
de planificación del estudio. La comparación inicial es a dos colas; pero debe complementarse
con un test de una sola cola. Cuando se comparan más de dos grupos, debe realizarse una
prueba post Hoc, con la finalidad de detectarse diferencias entre cada uno de los grupos.
La prueba de hipótesis se realiza con el estadístico: t de Student para muestras independientes.

Ho: Los promedios de los grupos no son diferentes.
H1: Los promedios de los grupos son diferentes.
8. COMPARAR (Antes-Después): Siempre corresponde a estudios individuales, es la

comparación de un mismo grupo antes y después de una intervención o de un acontecimiento; la
idea de hacer dos medidas sobre el mismo grupo, es detectar cambios entre una medida y otra;
donde las variaciones pueden adjudicarse a la intervención o al periodo de seguimiento; por ello
corresponden a estudios longitudinales. La hipótesis habitualmente es de una sola cola.
La prueba de hipótesis se realiza con el estadístico: t de Student para muestras relacionadas.

Ho: No existe variación entre las medidas antes y después de la intervención.
H1: Existe variación entre las medidas antes y después de la intervención.
9. CORRELACIONAR (Unidades): Se puede correlacionar las unidades de dos variables, incluso

de diferente dimensión, para ello hay que definir las unidades en ambas variables; que
habitualmente esta involucra dos eventos aleatorios. La correlación puede significar el primer
paso para la asociación, muy útil cuando se realiza minería de datos. Ejm.: Correlacionar los
niveles séricos de sodio con los valores de presión arterial en un grupo de pacientes
hospitalizados.
La prueba de hipótesis se realiza con el estadístico: Correlación R de Pearson.

Ho: Existe independencia entre las dos variables.
H1: Existe dependencia entre las dos variables.
10. CORRELACIONAR (Como valor predictivo): Aquí se tiene por descontado la presencia de
correlación; por lo que su fin es medir el grado de correlación. Desde el punto de vista de la
evaluación de pruebas diagnósticas se utiliza la correlación para evaluar el valor predictivo de
una variable sobre la otra. Ejm. Hallar el valor predictivo del ponderado fetal recién nacidos a
término. En general para la validación de instrumentos se puede utilizar para calcular el Alfa de
Cronbach: Correlación Ítem-Total
2
La prueba estadística es el Índice Correlación R de Pearson ó el R
Ho: No existe correlación entre las dos medidas.
H1: Existe correlación entre las dos medidas.
15
OBJETIVO COMPARATIVO
15. EXPLORATORIO.
Aquí agrupamos a las comparaciones sin métodos estadísticos, siendo que la
investigación cualitativa no hace uso de las herramientas estadísticas, el principal
diseño encontrado aquí son las comparaciones múltiples enmarcadas en los diseños
comunitarios o ecológicos. Como ejemplo podemos mencionar la comparación de
las costumbres a la hora del parto en la Región Quechua y Aymara. Comparación
por juicio de expertos en la validación cualitativa de un instrumento. La
comparación cualitativa es una opinión.
16. DESCRIPTIVO.
Las comparaciones descriptivas ocurren cuando evaluamos dos poblaciones en los
estudios comunitarios o ecológicos, en este caso no se requiere aplicar pruebas
estadísticas puesto que precisamente estamos estudiando a la población y no hay
inferencia estadística. La comparación del rendimiento académico de dos
estudiantes al momento de la graduación tampoco requiere de pruebas de hipótesis
sino solamente de ver quién es el que tiene el mayor promedio. El objetivo
estadístico describir según las variables epidemiológicas es el primer punto de
partida para la verdadera comparación.
17. RELACIONAL.
Recordemos que el contraste de independencia entre dos variables responde a tres
modelos matemáticos: modelo con los totales marginales de ambos factores fijos
(modelo I), modelo con los totales marginales de uno de los factores fijos (modelo
II), y el modelo con el total muestral fijo (modelo III); pues bien el objetivo
comparativo a nivel bivariado (nivel relacional) corresponde al modelo II con un
factor fijo y uno aleatorio. Dependiendo de la naturaleza de la variable se elegirá un
determinado estadístico. La comparación puede ser de grupos independientes o de
muestras relacionadas.
18. EXPLICATIVO.
La finalidad de este nivel es descartar asociaciones aleatorias, casuales o espurias
sobre todo cuando hacemos análisis comparativo estratificado cuando queremos
realizar el control estadístico en un estudio observacional, ésta es la función del test
de Mantel-Haenszel. A nivel experimental podemos plantear objetivos comparativos
de grupo aleatorizados; como por ejemplo comparar el efecto sobre la variable
efecto en el grupo experimental y el grupo blanco, hablando de estudios
epidemiológicos. Dentro de los experimentos verdaderos la factorización de las
causas también corresponde al objetivo comparativo
19. PREDICTIVO:
Podemos comparar el valor predictivo de dos procedimientos diagnósticos o de dos
formas de evaluar una variable predictiva; por ejemplo podemos comparar la
eficiencia diagnóstica de dos métodos de detección de una enfermedad. En otro
momento podemos comparar el pronóstico de la enfermedad o del tiempo de
supervivencia de dos tratamientos en pacientes con cáncer. Incluso hay técnicas
comparativas para el análisis de supervivencia de Kaplan-Meier.
16
TÉCNICAS DE RECOLECCIÓN DE DATOS
No es lo mismo que registro de datos
5. Documentación
Constituye la técnica de recolección de datos más básica y a la vez la más inexacta;
sin embargo en ocasiones es la única disponible para recopilar la información;
Habitualmente la información fue recolectada con fines distintos al estudio en curso;
por ello los estudios realizados con esta técnica siempre son retrospectivos. Ejm.
Análisis de contenido
6. Observación:
La observación científica se caracteriza por ser sistemática, controlada y con

mecanismos destinados a evitar errores de subjetividad, confusiones, etc. Es una
observación simple cuando no perturba la acción o situación que se está
investigando. Por otro lado la observación participante puede ser natural cuando el
observador pertenece al conjunto humano que investiga y artificial, cuando la
integración del observador al grupo se hace con el objeto de desarrollar un trabajo
de investigación. La experimentación es una observación participante artificial.
7. Entrevista
Consiste en una interacción entre dos personas, una de las cuales -el investigador-
formula determinadas preguntas relativas al tema en investigación, mientras la otra
-el investigado- proporciona la información que le es solicitada. La entrevista puede
ser estructuradas y no estructurada; en la investigación cuantitativa se apoya en un
cuestionario al cual se le denomina heteroadministrado.
8. Encuesta
La palabra "encuesta" se usa más frecuentemente para describir un método de
obtener información de una muestra de individuos. Esta "muestra" es usualmente
sólo una fracción de la población bajo estudio. Cuando se aplica al total de la
población se llama censo y siempre es parametrada. Se apoya en un cuestionario
que casi siempre es autoadministrado. La ventaja principal de tal procedimiento
radica en la gran economía de tiempo y personal que implica, ya que los
cuestionarios pueden enviarse por correo, dejarse en algún lugar apropiado, o
pueden administrarse a grupos reunidos al efecto.
9. Psicometría
Los test psicológicos emplean una gran variedad de técnicas específicas, que se
combinan según los objetivos deseados. Una gran proporción de ellos acude a la
formulación de preguntas ya anotadas en algún cuestionario apropiado, que es el
test mismo, y que se autoadministra.
17
INSTRUMENTOS DE MEDICIÓN
No confundir con materiales de verificación
Destinados a medir variables subjetivas denominadas constructos, requieren de tareas o

procedimientos estructurados que recogen las respuestas de un participante, cuya
puntuación es independiente de la persona que evalúa. Los instrumentos deben provocar
una reacción a los evaluados cuya respuesta se plasme en un documento.
10. Instrumentos Documentales
El Cuestionario. Es un plan formalizado para recolectar datos de encuestados y/o

entrevistados. Es el método más conocido para la recolección de datos y el más
familiarizado. Un cuestionario supone un conjunto de preguntas que el sujeto tiene
que responder a fin de evaluar alguna capacidad, generalmente cognitiva, lo cual
debe ser calificado por el evaluador
Como ejemplo podemos citar a los exámenes para evaluar rendimiento académico.
Las Escalas. Los evaluados indican su acuerdo o desacuerdo con una serie de
afirmaciones sobre la variable que se desea medir. Arrojan una calificación total que
indica la dirección e intensidad de la actitud del individuo hacia el constructo medido,
por lo que requieren de una respuesta ordinal. Su construcción debe perseguir: la
homogeneidad de los reactivos, la igualdad de las distancias entre las unidades de la
escala y la comparabilidad del resultado final.
El ejemplo más básico es la escala visual análoga.
Los Inventarios. Conjunto de frases o palabras a las que el sujeto tiene que
responder eligiendo o marcando su posición ante ellas (por ejemplo, al ítem “Me
gustan las revistas de mecánica, decoración o computadoras”, notemos que ninguna
respuesta es calificada como correcta e incorrecta. Los inventarios pueden estar
conformados por cuestionarios y/o escalas.
Por ejemplo el test de inteligencias múltiples puede indicarnos inteligencia: Lingüística,
Lógicomatemática, Musical, Naturalista, etc.
11. Instrumentos Mecánicos
Los instrumentos mecánicos utilizados para medir variables subjetivas son por
ejemplo instrumentos para realizar mediciones fisiológicas.
Un ejemplo práctico es la medición de la capacidad auditiva donde el instrumento
mecánico es el audiómetro donde el evaluador no puede influenciar sobre los
resultados y se limita a realizar las anotaciones del momento en el que el evaluado
logra percibir el estímulo acústico que se incrementa progresivamente.
18
VALIDEZ DE UN ESTUDIO
Un estudio es válido si sus resultados corresponden a la verdad.
Independientemente del tema y los objetivos de un estudio, lo que siempre se debe

perseguir es que el estudio sea válido.
La meta fundamental que todo estudio debe perseguir es la calidad de los datos; por ello,
todo lo que amenace una correcta medición debe ser identificado y corregido. Los
elementos que amenazan esta calidad son: El Error Aleatorio y el Error Sistemático.
1. Error Aleatorio
La carencia de error aleatorio se conoce como precisión y se corresponde con la

reducción del error debido al azar. Para reducir este error el elemento más importante
del que disponemos es incrementar el tamaño de la muestra y con ello aumentamos la
precisión. Los intervalos de confianza y el error estándar se reducen al aumentar el
tamaño muestral.
2. Error sistemático
Exactitud. Se ha generalizado al término validez como la carencia del error sistemático.

Esta validez tiene dos componentes: La validez interna, que es la validez de las
inferencias a los sujetos reales del estudio y la validez externa o generalización en tanto
se aplica a individuos que están fuera de la población del estudio.
2.1. La validez interna
La validez interna implica la validez de la inferencia para los propios sujetos de estudio.
Es máxima cuando el estudio minimiza los sesgos. Se ve amenazada cuando no podemos
controlar los dos tipos de sesgos: de Selección y de Medición. En un estudio comparativo
los sesgos que afectan la validez interna surgen siempre que los grupos estudiados
difieren en más características que la exposición. La validez interna es un prerrequisito
para que pueda darse la extrema.
2.2. La validez externa
Es la generalización de los resultados de un estudio más allá de los límites de la

población considerada en el mismo. Cuando el universo e incluso el marco muestral es
demasiado grande como para ser estudiado e incluso muestreado; se estudia una porción
deliberada de la población; asumiendo que el conglomerado seleccionado es lo
suficientemente homogéneo con otras poblaciones como para que los resultados
encontrados puedan ser extrapolados.
Eliminar el error sistemático es utópico y el error aleatorio solo puede ser anulado
estudiando a toda la población.
19
UNIDADES DE ESTUDIO
Hablando de estudios epidemiológicos, la unidad de estudio es la persona sobre la cual

queremos conocer la distribución de la variable de estudio o variable de interés.
12. Unidad de estudio: Es el individuo de donde se obtiene la información, en un

estudio de investigación existe solamente una unidad de estudio y su reconocimiento
es crucial para el diseño de la estrategia metodológica y estadística.
13. Unidad de información: Cuando los estudios utilizan la técnica documental, por
ejemplo en una auditoría médica las unidades de información son las historias
clínicas.
14. Unidad de muestreo: Son las unidades que ingresan al sorteo en el muestro
aleatorio simple; en un muestro polietápico son los conglomerados o clusters los que
ingresan al sorteo, mientras que las unidades de estudio son los pacientes.
15. Unidad de análisis: Si queremos conocer el nivel de glucosa en plasma entonces

5cc de sangre serán suficientes, a esta cantidad de sustancia se le conoce como
unidad de análisis, y basta con una para realizar inferencia estadística.
16. Unidad de observación: Propio de los estudios experimentales, no requiere mayor

profundización en su definición puesto que es en realidad la unidad de estudio para
este tipo de investigación.
17. Unidades de experimentación: Es la unidad donde la variable de interés es

manipulada, la unidad de experimentación en ocasiones se descarta luego de la
investigación, por ejemplo cuando trabajamos con animales de experimentación.
Tipos:
1. Unidades de estudio simples
Aparecen en los estudios descriptivos donde la variable de interés es única.
Cuando la unidad de estudio la representa un individuo o la información requerida

para un estudio se puede obtener de un solo ente de información
2. Unidades de estudio complejas
Habitualmente corresponde a estudios analíticos donde el número de variables de

interés es dos o más y cada una de las variables se mide en individuos u objetos
distintos
20
POBLACIÓN Y MUESTRA
POBLACION
Conjunto de todos los casos o grupo de unidades (sujetos u objetos de estudio) con
alguna característica común. Las poblaciones deben situarse claramente en torno a sus
características de contenido, lugar y tiempo. La delimitación de la población que va ser
estudiada y sobre la cual se pretende generalizar los resultados, es un paso importante
en una investigación. Si se dispone de una lista de unidades o elementos de muestreo se
dice que es conocida; sino se dispone de tal listado se dice que es desconocida. La
medición completa de todos los elementos que constituyen la población constituye el
censo, mientras que cuando no podemos acceder a ella podemos hacer el análisis de una
parte de esta.
MUESTRA
Una muestra representativa debe tener un tamaño mínimo calculado y responder a una
selección parametrada (muestreo probabilístico). Así podemos conocer la parte de una
población que debe examinarse con la finalidad de hacer inferencias sobre dicha
población. El muestreo otorga una probabilidad conocida de integrar la muestra a cada
elemento de la población, y dicha probabilidad no es nula para ningún elemento.
Unidad de muestreo: Elementos de la población que se van a estudiar. Cada unidad de
estudio pertenece sólo una unidad de muestreo.
UNIDAD DE ESTUDIO
Conocido también como unidad de análisis, unidad de observación, unidad experimental,
o unidad de población, son cada uno de los sujetos u objetos de estudio de la población
del que hay que obtener la información
PARAMETRO
Es la medida estadística que describe un determinado aspecto de una población. Los
parámetros más usuales en una investigación son: La media poblacional (µ), la varianza
poblacional (s).
ESTADIGRAFO
Es la media estadística que describe un determinado aspecto de una muestra. Así, la
media muestral (x), la varianza muestral (S2), etc., son estadígrafos porque se calculan
para una muestra.
“Un parámetro es una constante, mientras que un estadígrafo es una variable.”
21
MUESTREO PROBABILISTICO
1. Muestreo aleatorio simple

Denominado también muestreo equiprobabilístico, porque si se selecciona una
muestra de tamaño n de una población de N unidades, cada elemento tiene una
probabilidad de inclusión igual y conocida de n/N.
Ventaja: Se desarrolla en software porque se basa en la teoría estadística

Desventaja: Precisa un marco muestral o listado de todas las unidades
2. Muestreo sistemático
Para determinar una muestra de tamaño n conseguimos una lista de N elementos,
definimos un intervalo de salto k=N/n y elegimos un número aleatorio entre 1 y k
con el que comenzamos la selección de la muestra.
Ventaja: No es necesario tener un marco muestral o listado de unidades.

Desventaja: La constante podría asociarse con el fenómeno de interés
3. Muestreo aleatorio estratificado

Como el azar no es una garantía de representatividad, aquí se pretende asegurar la
representación de cada grupo en la muestra. Cuanto más homogéneos sean los
estratos, más precisas resultarán las estimaciones.
Ventaja: La muestra es homogénea en función a la variable involucrada.

Desventaja: Se debe conocer la distribución en la población de la variable utilizada
para la estratificación.
4. Muestreo por conglomerados

Denominado también muestreo por clusters aprovecha se caracterizan porque la
variación en cada grupo es menor que la variación entre grupos lo cual resulta
ventajoso en los estudios comunitarios o poblacionales.
Ventaja: Muy eficiente cuando las unidades están muy dispersas

Desventaja: Requiere un manejo estadístico más complejo que el resto
22
CONTROL DE UN ESTUDIO
1. CONTROL METODOLÓGICO
a. Sesgo de selección
Los sesgos de selección están íntimamente relacionados con el diseño de la

investigación. En un estudio descriptivo no basta la aleatorización de la unidades de
estudio; en un estudio caso-control hay muchas variantes para elegir a las unidades
de estudio.
• Criterios de inclusión
• Criterios de exclusión
b. Sesgo de medición
Un atributo implícito de toda variable, es la susceptibilidad de ser medida mientras

exista más diferencia entre el valor obtenido al medir una variable con relación a su
valor real mayor será el sesgo de medición.
• Validación de instrumentos
• Calibración de instrumentos
2. CONTROL ESTADÍSTICO
a. Análisis estratificado
A partir del nivel investigativo explicativo, el análisis multivariado cobra importancia

a la hora de descartar asociaciones aleatorias, casuales o espurias.
• Categóricos: Chi cuadrado de Mantel-Haenszel
• Numéricas: ANOVA Factorial
b. Análisis multivariado
Si bien la minería de datos nos puede arrojar muchas relaciones entre variables
que pueden ser casuales o causales, solamente a través del análisis estadístico
multivariado podremos esclarecer la relación hallada.
• Categóricos: Regresión logística
• Numéricas: Regresión lineal múltiple
23
SESGOS DE SELECCIÓN
3. Sesgo de prevalencia o incidencia (de Neymann):
Se produce cuando la condición en estudio determina pérdida prematura de las

unidades de estudio por ejemplo por fallecimiento. La exclusión de los pacientes
que fallecen determina este tipo de sesgo. Por ejemplo la duración del tratamiento
del cáncer en nuestro medio es corto porque se diagnostican en estadios
avanzados.
4. Sesgo de admisión (de Berkson).
En un estudio relacional ocurre cuando hay una mala selección del grupo de estudio
y/o control. Ejm. cuando asociamos el hábito de fumar al cáncer broncogénico. Los
pacientes con diagnóstico de Ca ya han dejado de fumar; por lo que se observará
menor frecuencia de fumadores en pacientes con este tipo de cáncer.
5. Sesgo de no respuesta o efecto del voluntario.
El grado de interés o motivación que pueda tener un individuo que participa

voluntariamente en una investigación puede diferir sensiblemente en relación con
otros sujetos. Igualmente, la negativa de algunos sujetos para ser incluidos en un
estudio puede estar dada por motivaciones sistemáticas experimentadas por ellos.
6. Sesgo de pertenencia (membresía)
Se produce cuando entre los sujetos evaluados se presentan subgrupos de sujetos

que comparten algún atributo en particular, relacionado positiva o negativamente
con la variable en estudio. Ejemplo: Nivel de conocimientos sobre signos de alarma
en las gestantes debe excluir a las gestantes que son profesionales de la salud.
7. Sesgo del procedimiento de selección
Puede observarse en diseños de investigación experimentales (ensayos clínicos

controlados), en los cuales no se respeta el principio de aleatoriedad en la
asignación a los grupos de experimentación y de estudio. En los pre-experimentos
la administración del medicamento responde a las necesidades terapéuticas del
paciente y no a la del investigador.
24
SESGOS DE MEDICIÓN
1. Sesgo de procedimientos
Ocasionalmente el grupo que presenta la variable dependiente resulta ser más

interesante para el investigador que el grupo que participa como control. Por esta
circunstancia, en el procedimiento de observación suele ser mas detenido. En el
caso de un estudio en el que exista intervención, el sujeto del grupo experimental
puede verse beneficiado con una mayor acuciosidad en la observación.
2. Sesgo de memoria o de información
Frecuente de observar en estudios retrospectivos, en los cuales se pregunta por

antecedente de exposición a determinadas circunstancias en diferentes períodos de
la vida, existiendo la posibilidad de olvido. Por ejemplo, exposiciones inadvertidas a
diversos factores y que pueden afectar la medición ya sea por su omisión absoluta
o en la determinación de niveles de exposición.
3. Sesgo por falta de sensibilidad de un instrumento.
Si no se cuenta con adecuados métodos de recolección de la información, es posible

que la sensibilidad de los instrumentos empleados en tales mediciones carezca de
la sensibilidad necesaria para poder detectar la presencia de la variable en estudio.
Una consecuencia es que encontremos una frecuencia de la enfermedad inferior a la
real.
4. Sesgo de detección
Su ocurrencia se explica por la introducción de metodologías diagnósticas diferentes

a las inicialmente utilizadas al comienzo de un estudio. Es conocido que no existe
coincidencia absoluta entre dos instrumentos de medición; por ello los estudios
deben realizarse con un solo instrumento y un solo observador.
5. Sesgo de adaptación
En los estudios de intervención (experimentales), a veces los cuales individuos

asignados inicialmente a un grupo deciden migrar de grupo por preferir un tipo de
intervención por sobre otro. En un ensayo clínico controlado la ocurrencia de este
tipo de sesgo se neutraliza mediante la asignación aleatoria de los sujetos y por la
presencia del llamado "doble ciego”.
25
VALIDACIÓN DE INSTRUMENTOS
1. Validez de contenido (Validez Cualitativa)

La validez de contenido intenta evaluar la capacidad del instrumento para recoger
el contenido y el alcance del constructo. Podemos dividirlo en tres fases según el
estado actual del conocimiento
a. Aproximación a la población (Validez de respuesta)
b. Juicio de expertos (Validación por jueces)
c. Revisión del conocimiento disponible (Validez racional)
2. Consistencia interna (Alfa de Cronbach)

Es la capacidad de obtener resultados independientes de las circunstancias
accidentales de la medición. Se fundamenta en la varianza de la variable medida,
existen varios índices que miden confiabilidad, entre ellos el Alfa de Cronbach y el
Kuder-Richardson (KR-20). Es afectado por la heterogeneidad de los individuos
evaluados; cuanto más heterogéneo es el grupo, mayor es el coeficiente de
fiabilidad.
3. Validez de constructo (Rotación de Varimax)

Los procedimientos estadísticos apuntan a establecer probabilísticamente grupos de
ítems que deberán ser definidos como dimensiones. Estas dimensiones deben ser
conceptualizadas de manera consensuada para otorgarles el carácter de útiles y
científicamente válidos, por cuanto no existe una prueba patrón. Si los dominios se
han construido teóricamente, la estadística corrobora la idoneidad de estas
agrupaciones.
4. Criterio (Índice Kappa)

Cuando la variable medida cuenta con un Gold Stándard, entonces se puede
verificar los resultados hallados, mediante un procedimiento. Si el criterio se fija en
el presente, se habla de validez concurrente (los resultados del instrumento se
correlacionan con el criterio en el mismo momento o punto del tiempo). Si el
criterio se fija en el futuro, se habla de validez predicativa. Como la predicción del
peso al nacer mediante métodos ecográficos
5. Estabilidad (ANOVA)
La medición debe arrojar valores constantes siempre que sean tomadas en
condiciones similares entre una medición y otra (test-retest). Se trata de ver hasta
que punto un conjunto de medidas son reproducibles en el tiempo, el grado en que
las puntuaciones son estables sería el grado de fiabilidad. La estabilidad es una
propiedad de un instrumento, que solo puede ser evaluada si un constructo está
plenamente definido.
6. Rendimiento (Curvas ROC).

Si un instrumento es válido, debe ser optimizado para conducirnos eficazmente a
una decisión dicotómica (positivo-negativo) así en base a un diagnóstico
decidiremos tratar o no al paciente. Se construye una curva en base a los pares
ordenados de sensibilidad y 1-especificidad en distintos puntos de corte del
instrumento. Debemos elegir el puto de corte que nos ofrezca los mayores valores
de sensibilidad y especificidad a través de las Curvas de ROC.
26
VALIDACIÓN DE CONTENIDO
La validez de contenido intenta evaluar la capacidad del instrumento para recoger el

contenido y el alcance del constructo. Podemos dividirlo en tres fases según el estado
actual del conocimiento.
1. Aproximación a la población (Validez de respuesta)
Implica la ausencia del conocimiento del concepto que se desea medir; la información se
obtiene mediante técnicas introspectivas de los evaluados.
Se puede utilizar una entrevista con preguntas abiertas donde las unidades de estudio
nos revelarán de manera espontánea las posibles respuestas al instrumento que
pretendemos crear.
Ejemplo: ¿Cuál es el uso que le dan los docentes universitarios a las tecnologías de la
información en el proceso de enseñanza aprendizaje?
2. Juicio de expertos (Validación por jueces)
Los jueces o expertos deben evaluar, de manera independiente: la relevancia,

coherencia, suficiencia y claridad; con la que están redactadas los ítems o reactivos con
el concepto medido.
El autor debe considerar la pertinencia a la hora de elegir los jueces, siendo que en el
momento actual no se cuenta con bibliografía disponible
Es importante que el autor del instrumento sea considerado el más experto de todos,
para que pueda hacer una elección interdisciplinaria de evaluadores.
3. Revisión del conocimiento disponible (Validez racional)
Este es el momento de la validez en que se asegura la mejor representatividad de los

ítems, respecto a la totalidad del campo o rasgo objeto de evaluación.
El autor del instrumento debe considerar: Objetividad, Alcance, Exactitud, Autoridad,
Cobertura, Vigencia y Relevancia; de la información con la que pretende construir un
instrumento.
Así los constructos aquí están mejor definidos porque se dispone de literatura; de
manera que los conceptos a medir ya no son provisionales ni vagos.
No existe un índice validez de contenido
La validez de contenido está avalado por la forma o procedimiento utilizado para

construir el test y por las personas que lo construyen, por su grado de conocimiento del
área o rasgo evaluado
27
MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN

Medidas de resumen para variables numéricas
MEDIDAS DE TENDENCIA CENTRAL
Media: Media aritmética, es la que se obtiene sumando los datos y dividiéndolos por el
número de ellos. Se aplica por ejemplo para resumir el número de pacientes promedio
que se atiende en un turno. Otro ejemplo, es el número promedio de controles
prenatales que tiene una gestante.
Mediana: Corresponde al percentil 50%. Es decir, la mediana divide a la población

exactamente en dos. Por ejemplo el número mediana de hijos en el centro de salud “X”
es dos hijos. Otro ejemplo es el número mediana de atenciones por paciente en un
consultorio.
Moda: Valor o (valores) que aparece(n) con mayor frecuencia. Una distribución unimodal
tiene una sola moda y una distribución bimodal tiene dos. Útil como medida resumen
para las variables nominales. Por ejemplo, el color del uniforme quirúrgico en sala de
operaciones es el verde; por lo tanto es la moda en colores del uniforme quirúrgico.
MEDIDAS DE DISPERSIÓN
Desviación Estándar: Llamada también desviación típica; es una medida que informa
sobre la media de distancias que tienen los datos respecto de su media aritmética,
expresada en las mismas unidades que la variable.
La varianza: Es el valor de la desviación estándar al cuadrado; su utilidad radica en que

su valor es requerido para todos los procedimientos estadístico.
Error típico: Llamado también error estándar de la media. Se refiere a una medida de
variabilidad de la media; sirve para calcular cuan dispersa estaría la media de realizar un
nuevo cálculo.
28
MEDIDAS DE POSICIÓN Y DE FORMA
MEDIDAS DE POSICIÓN: Cuantiles
Percentiles: Son 99 valores que dividen en cien partes iguales el conjunto de datos
ordenados. Ejemplo, el percentil de orden 15 deja por debajo al 15% de las
observaciones, y por encima queda el 85%.
Cuartiles: Son los tres valores que dividen al conjunto de datos ordenados en cuatro
partes iguales, son un caso particular de los percentiles. Se denotan como: Q1 o primer
cuartil, Q2 segundo cuartil (la mediana) y Q3 tercer cuartil.
Deciles: Son los nueve valores que dividen al conjunto de datos ordenados en diez
partes iguales, son también un caso particular de los percentiles.
MEDIDAS DE FORMA
Asimetría: una distribución es simétrica cuando su mediana, su moda y su media

aritmética coinciden. Existen varias medidas de la asimetría de una distribución de
frecuencias. Una de ellas es el Coeficiente de Asimetría de Pearson: Su valor es cero
cuando la distribución es simétrica, positivo cuando existe asimetría a la derecha y
negativo cuando existe asimetría a la izquierda.
Asimetría Derecha (+) Simétrica (0) Asimetría Izquierda (-)
Apuntamiento o Curtosis: la curtosis es una medida de la forma que busca cuantificar

la mayor o menor concentración de frecuencias alrededor de la media y en la zona
central de la distribución. Se mide con el coeficiente de apuntamiento o curtosis: Su valor
es cero cuando la distribución es mesocúrtica, positivo cuando es leptocúrtica y negativo
cuando es platicúrtica
Leptocúrtica (+) Mesocúrtica (0) Platicúrtica (-)

29
GRÁFICAS UNIVARIABLES
1. Para variables categóricas

a. Diagrama de sectores
Se toma un círculo y se divide en tantos sectores como
categorías tenga nuestra variable, siendo el arco del
círculo proporcional a las frecuencias absolutas (también
lo podemos hacer con las frecuencias relativas o
porcentajes)
Es ideal para variables dicotómicas o politómicas de
menos cuatro o menos categorías.
b. Gráfico de barras
Es una representación bidimensional con las categorías
dispuestas paralelamente de manera que la extensión de
cada barra es proporcional a la magnitud que se quiere
representar.
Es ideal para variables politómicas de o incluso para
variables de categorías no excluyentes.
2. Para variables numéricas

a. Histograma
Se utiliza cuando se estudia una variable continua, como
la edad o la talla y, por comodidad, sus valores se
agrupan en clases, es decir, valores continuos. En los
casos en los que los datos son cualitativos (no-
numéricos), como sexto grado de acuerdo o nivel de
estudios, es preferible un gráfico de barras.
b. Diagrama de Caja y Bigotes

Gráfico basado en cuartiles, compuesto por un
rectángulo, la "caja", y dos brazos, los "bigotes".
Es un gráfico que suministra información sobre los
valores mínimo y máximo, los cuartiles Q1, Q2 o
mediana y Q3, y sobre la existencia de valores atípicos y
la simetría de la distribución.
30
DISCUSIÓN
Como ejemplo vamos a plantear un estudio de casos y controles sobre cuyos resultados
tenemos que realizar una discusión.
1. DESCRIPCIÓN
Describir la frecuencia de ocurrencia de la enfermedad en el grupo de estudio y

describir la frecuencia de ocurrencia de la enfermedad en el grupo de control.
Luego identificar numéricamente las diferencias entre la frecuencia de la

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

estudio y el grupo control. Calcular el p-valor y mencionar si es significativo o no.
Concluir el análisis estadístico usando la terminología adecuada según su nivel

investigativo. Los resultados obtenidos de esta manera son la base de las
conclusiones del estudio.
3. INTERPRETACIÓN
Interpretar la relación demostrada probabilísticamente entre la variable

independiente y la variable dependiente o las diferencias entre el grupo de estudio
y el grupo control. Adicionalmente debemos interpretar las medidas de asociación.
Las conclusiones del estudio estarán enmarcadas en la interpretación basada en la
estadística y la relevancia clínica de los resultados.
4. COMENTARIOS
- Comparación con los antecedentes investigativos: se trata de evaluar el criterio

de consistencia o coherencia propuesto por Bradford Hill, por haber repetido el
estudio o tener estudios similares.
- Planteamiento de Hipótesis: de nuevas teorías que explicarían los hallazgos
reportados, se trata de generar nuevas hipótesis para estudios futuros y así
continuar con la línea de investigación.
- Comentarios personales: Esta parte la puede realizar única y exclusivamente el
investigador, “nadie mejor a su población que el propio investigador”. Estos
comentarios apuntan al desarrollo de las recomendaciones.
31

EL MANUAL - Introduccin A La Metodologa de La Investigacin

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

EL MANUAL - Introduccin A La Metodologa de La Investigacin

Caricato da

Copyright:

Formati disponibili

SeminariosDeInvestigacion.

com Sinopsis del Vídeolibro

4. Las variables según su medición……………………………………………………………………… 05

10. Objetivo estadístico…………………………………………………………………………………………… 11

13. Objetivos estadísticos para variables categóricas………………………………………… 14

16. Técnicas de Recolección de Datos…………………………………………………………………… 17

19. Unidades de estudio…………………………………………………………………………………………… 20

22. Control de un estudio………………………………………………………………………………………… 23

25. Validación de instrumentos……………………………………………………………………………… 26

28. Medidas de Posición y de Forma………………………………………………………………………… 29

1. Según la intervención del Investigador:

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

EXPERIMENTAL: Siempre son prospectivos, longitudinales, analíticos y de nivel

2. Según la planificación de la toma de datos

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

RETROSPECTIVO: Los datos se recogen de registros donde el investigador no tuvo

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

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

4. Según el número de variables de interés

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

ANALÍTICO: El análisis estadístico por lo menos es bivariado; porque plantea y pone

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

1. EXPLORATORIO: Se plantean cuando no existe un cuerpo teórico que ilumine el

No hay preguntas que conduzcan a problemas precisos, se exploran áreas

2. DESCRIPTIVO: Describe fenómenos sociales o clínicos en una circunstancia

Se describen frecuencias y/o promedios; y se estiman parámetros con intervalos de

3. RELACIONAL: No son estudios de causa y efecto; la estadística solo demuestra

La estadística es bivariada nos permite hacer asociaciones (Chi Cuadrado) y

4. EXPLICATIVO: Explica el comportamiento de una variable en función de otra(s);

El control estadístico es multivariado a fin de descartar asociaciones aleatorias,

5. PREDICTIVO: Se encarga de la estimación probabilística de eventos generalmente

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

6. APLICATIVO: Plantea resolver problemas o intervenir en la historia natural de la

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

7. EPIDEMIOLÓGICOS: Estudian la morbi-mortalidad y eventos la salud en

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

De intervención: No son experimentos verdaderos, porque se ven limitados por

8. EXPERIMENTALES: Requiere dos condiciones: intervención y asignación aleatoria

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

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

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

9. COMUNITARIOS: La unidad de estudio es la población y la fuente de datos de tipo

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

Comparaciones múltiples: Verifican hipótesis sobre la diferencia de parámetros

Series temporales: Analiza las variaciones temporales de los niveles de

10. ENSAYOS CLÍNICOS: Evalúan métodos de prevención, diagnóstico, tratamiento y

Prevención: Suelen ser comunitarios; su propósito es determinar la eficacia de un

Terapéuticos: Su propósito es modificar el curso natural de la enfermedad. Ej.

Rehabilitación: Suelen ser estudios individuales; su propósito es curar, aliviar y/o

LAS VARIABLES SEGÚN SU MEDICIÓN

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

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

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

El análisis estadístico de las variables individuales y las variables colectivas; incluso

El constructo es una propiedad que se supone posee una persona (unidad de

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

Siendo que las variables subyacentes no se pueden medir directamente se

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

Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS

Soltero Primaria Leve -10°C 00 Horas 00.00Kg Uno

Dicotómicas: Tienen solamente dos categorías Continuas: Provienen de medir

Criterios de Bradford Hill (1965)

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