SEMINARIO MTODOS

INTERDISCIPLINARIOS
DOCTORADO INTER-INSTITUCIONAL
EN CIENCIAS AMBIENTALES
Coordinadores:
Carlos E. Lpez, UTP
Elkin Salcedo, Univalle
Silvio Carvajal, Unicauca
2012
1

MTODOS DE INVESTIGACIN CUANTITATIVA

CONCEPTOS BSICOS
SILVIO M. CARVAJAL V.
PROFESOR

UNIVERSIDAD DEL CAUCA

FACULTAD DE CIENCIAS NATURALES EXACTAS Y DE LA EDUCACIN
GRUPO DE INVESTIGACIN EN TOXICOLOGA GENTICA Y
CITOGENTICA
2012
2

1. CONCEPTOS BSICOS
1.1 Investigacin Cuantitativa (Origen)
Empirismo inductivo o Positivismo
Empirismo Lgico o positivismo Lgico
1.2 Caractersticas de la Investigacin Cuantitativa.
1.3 Tipos de Investigacin Cuantitativa:
Segn Objetivo: Descriptiva, Explicativa
Segn tiempo de estudio: Transversal, Longitudinal (Cohorte, Casos y controles)
Segn el grado de control de la variable Independiente: Experimental,
Cuasiexperimental, No experimental (Investigacin analtica).

1.1 investigacin cuantitativa (Origen):

La metodologa cuantitativa se fundamenta en el POSITIVISMO
O EMPIRISMO INDUCTIVO, que surge en el primer tercio del
siglo XIX.
Radica la validez del
conocimiento en los datos
obtenidos por los sentidos y la
experiencia. Reaccionando
contra el pensamiento
anrquico o especulativo y
propugnando el conocimiento
riguroso, sometido a reglas de
validacin fundadas en la
experiencia constatable
(Padrn 1992).

En este siglo se aceleraron los descubrimientos generadores de

tecnologa.
El trmino positivismo fue utilizado por primera vez por el filsofo y matemtico francs del siglo XIX Auguste Comte (1798-1857),
pero algunos de los conceptos positivistas se remontan al filsofo britnico David Hume (1711-1775), al filsofo francs SaintSimon (1760-1825), y al filsofo alemn Immanuel Kant (17244
1804).

POSITIVISMO LGICO O EMPIRISMO LGICO DEL SIGLO XX (CRCULO

DE VIENA): (Deductivo), tiene sus races en el positivismo o empirismo inductivo de
D. Hume y A. Comte.

La clave del
positivismo lgico
consiste en contrastar
hiptesis
probabilsticamente y
en caso de ser
aceptadas y
demostradas en
.
circunstancias
distintas, a partir de
ellas elaborar teoras
generales, aplicables a
casos particulares.

El mtodo cuantitativo se origina en el positivismo lgico

INDUCCIN

DEDUCCIN

H0: CON = SIN

H1: CON > SIN

H0: CONSUME = NO CONSUME

H1: CONSUME > NO CONSUME

SI SE RECHAZA LA H0 Y SE ACEPTA LA H1, ENTONCES:

Como consume alimento rico en sustancia X, debe tener
elevada la frecuencia de dao cromosmico y est en riesgo
de cncer.

1.2 CARACTERSTICAS DEL MTODO CUANTITATIVO:

1-Plantear un problema de estudio delimitado y concreto: PREGUNTA DE
INVESTIGACIN.
2-Sobre la base de la revisin de la literatura construir un marco terico, y derivar
hiptesis de trabajo (Enunciado general que responde al problema). Esta se
puede traducir en hiptesis estadsticas: Nula (H0) y Alternativa (H1). Las hiptesis
se generan antes de recolectar y analizar los datos.
3-Someter a prueba las hiptesis mediante el empleo de los diseos de
investigacin apropiados. Si los resultados corroboran las hiptesis o son congruentes
con estas, se aporta evidencia en su favor.
La hiptesis que se somete a prueba es la H0: No diferencia entre grupos, No asociacin entre
variables, No relaciones explicativas o de dependencia entre variables.
Si se RECHAZA entonces se concluye que hay: diferencia entre grupos, asociacin entre
variables, relaciones explicativas o de dependencia entre variables.
El rechazo generalmente se hace con un NIVEL DE CONFIANZA DEL 95% o PROBABILIDAD
DE ERROR DEL 5% (NIVEL DE SIGNIFICANCIA: = 0,05).
Si se incrementa la CONFINAZA se reduce el ERROR. Si se reduce la confianza se
7
incrementa el error. Con una CONFINAZA DEL 80 ( 0 Probabilidad de error del 20%), no se
rechazara la H0.

CARACTERSTICAS:
4-Obtener resultados: el investigador recolecta datos numricos de las variables de
inters, en los sujetos o participantes, y analiza mediante procedimientos
estadsticos. La recoleccin de los datos se fundamentan en la medicin (se miden
variables o conceptos contenidos en las hiptesis).
5.-La investigacin cuantitativa debe ser lo ms objetiva posibles, y posee
estndares de validez y confiabilidad y las conclusiones derivadas
contribuirn a la generacin de conocimiento.
Existen dos realidades, una subjetiva que radica en las experiencias y creencias de
las personas, la otra es objetiva e independiente de las creencias que tengamos
hacia ella. Resulta posible conocer una realidad externa e independiente del sujeto,
tener mayor informacin sobre ella. Cuando las investigaciones establecen que la
realidad objetiva es distinta a nuestras creencias, stas deben adaptarse a la
primera.
6.-Este enfoque utiliza la lgica o razonamiento deductivo, que comienza con
la teora y expresiones lgicas denominadas hiptesis, que el investigador
somete a prueba probabilsticamente, mediante diseos experimentales y
anlisis estadstico de datos y obtiene conclusiones (Teoras, Layes).
8

El cuantitativo utiliza la recoleccin y el anlisis de

datos para contestar preguntas de investigacin y
probar hiptesis establecidas previamente y confa
en la medicin numrica, el conteo y frecuentemente
en el uso de la estadstica para establecer con
exactitud patrones de comportamiento de una
poblacin (Hernndez etal, 2003; p.5)
Hurtado y Toro (1998). La clave del positivismo lgico consiste en contrastar
hiptesis probabilsticamente y en caso de ser aceptadas y demostradas en
circunstancias distintas, a partir de ellas elaborar teoras generales. La
estadstica dispone de instrumentos cuantitativos para contrastar estas
hiptesis. Por tanto el mtodo cientfico, tras una observacin, genera una
hiptesis que contrasta y emite posteriormente unas conclusiones
derivadas de dicho contraste de hiptesis. En general los mtodos
cuantitativos son muy potentes en trminos de validez externa.
9

1.3 TIPOS DE ESTUDIOS CUANTITATIVOS

1. ESTUDIO EXPLORATORIOS: se efectan, normalmente, cuando el objetivo es
examinar un tema o problema de investigacin poco estudiado o que no ha sido
abordado antes.
El objetivo primordial de este tipo de estudios es la familiarizacin con un tpico
desconocido o poco estudiado o novedoso (Hernndez Sampieri Roberto2003 pg.
115).
2. ESTUDIO DESCRIPTIVO: buscan especificar las propiedades o caractersticas o
perfiles importantes de personas, grupos, comunidades o cualquier otro fenmeno que
sea sometido a anlisis (Danhke G.L. 1989).
Este tipo de estudio sirve para analizar cmo es y se manifiesta un fenmeno y sus
componentes (Hernndez Sampieri Roberto 2003 pg. 117). , los descriptivos se
centran en medir con la mayor precisin posible (MUESTRAS REPRESENTATIVAS).

10

TIPOS DE ESTUDIOS CUANTITATIVOS

3. ESTUDIO CORRELACIONAL: Tiene como propsito medir el grado de relacin que
existe entre dos o ms conceptos o variables (en un contexto en particular).
La utilidad y el propsito predictivo principal de los estudios correlacinales, es: saber
cmo se puede comportar un concepto o variable conociendo el comportamiento de
otras variables relacionadas (Hernndez Sampieri Roberto 2003 pg. 121).
La correlacin puede ser positiva o negativa. Si es positiva, significa que sujetos con
altos valores en una variable tendern a mostrar altos valores en la otra variable.
Si es negativa, significa que sujetos con altos valores en una variable tendern a
mostrar bajos valores en la otra variable.
4. ESTUDIO EXPLICATIVO: van ms all de la descripcin de conceptos o fenmenos
o del establecimiento de relaciones entre conceptos; estn dirigidos a responder a las
causas de los eventos fsicos o sociales. Como su nombre lo indica, su inters se centra
en explicar por qu ocurre un fenmeno. (Sampieri Roberto 2003 pag. 126).

11

Preguntas: relacionadas con Investigacin

descriptiva:
OBJETIVO: Describir las Variables de una poblacin e identificar sus
posibles asociaciones.
Cul es la concentracin de un pesticida en las aguas de un ro?.
Obj.: Identificar (describir) la concentracin del pesticida en el agua del
ro.
Es la concentracin del pesticida, diferente al la concentracin ideal de
las aguas potables?
H0 : [Pest.] = Con. Ideal.

H1 : [Pest.] Con. Ideal. (Hip. Descriptivas)

La concentracin del pesticida se asocia o correlaciona con la

concentracin de oxgeno del agua?.
A mayor concentracin del pesticida, menor concentracin de oxgeno.
H0 : R = 0

H 1: R 0

12

Preguntas relacionadas con Investigacin Explicativa, de

dependencia (Causa efecto) o comparativa:
Cul de tres tipos de abonos (A, B, C), es mejor para la produccin de
tomates?.
La eficacia de los tipos de abono en la produccin de tomates es diferente,
puesto que tienen distinta composicin.
H0 : A = B = C

H1 : Al menos un de produccin es diferente.

Es la exposicin a drogas psicoactivas ilcitas un factor que incrementa la

frecuencia de dao cromosmico (Alteraciones cromosmicas) de los linfocitos
humanos cultivados in vitro?.
Las drogas psicoactivas interactan con la molcula de ADN, ocasionando
daos que incrementan la frecuencia de AC, respecto de los linfocitos no
tratrados
H0 : Exp. = No Exp.
H1 : Exp. > No Exp.
Es el consumo de cigarrillo un factor que incrementa la frecuencia de dao
cromosmico en las personas, respecto de las personas no consumidoras?.
El cigarrillo, por poseer sustancias mutagnicas, incrementa la frecuencia de
dao cromosmico de las personas fumadoras.
H0 : Con = No Con.

H1 : Con > No Con

13

Para contestar las preguntas y someter a prueba las hiptesis se

deben disear INVESTIGACIONES con base en experimentos:
INVESTIGACIN EXPERIMENTAL: Experimento Real
Cuasi experimento.
Las MUESTRAS para el registro de datos se GENERAN
mediante la aplicacin de los tratamientos a las UNIDADES
EXPERIMENTALES.
INVESTIGACIN NO EXPERIMENTAL: Experimento
Observacional o falso experimento.
Investigacin analtica: comparacin de variables entre grupos
de estudio y de control sin aplicar o manipular las variables,
estudiando stas segn se dan naturalmente en los grupos.
Las MUESTRAS para el registro de datos se TOMAN (Al azar) de
14
POBLACIONES REALES.

1.3 Tipos de Investigacin Cuantitativa Segn Experimento.

1.3.1 Investigacin Experimental: El investigador aplica

los tratamientos a las Unidades Experimentales (UE), en
forma aleatoria.
Muestras independientes y equivalentes al inicio del Experimento

Cul de tres tipos de abonos (A, B, C), es mejor para la

produccin de tomates?.
TRATAMIENTOS
A

C
UE: Cada Parcela
(Parcelas Homogneas)

15

1.3.2 Investigacin Cuasi-experimental: Los

Ttos. se aplican a grupos pre-existentes de UE.
Se pierde la equivalencia de las muestras al inicio del Experimento.

Cul de dos mtodos de enseanza aprendizage (Tradicional

Participativo), permite que los estudiantes apliquen mejor los
conceptos de la gentica?.
TRATAMIENTOS:
Met. Trad. - Met. Part.
ESTUDIANTES
Registrar
datos Antes y
Despus de
Ttos.
Grupo A

Grupo B
16

1.3.3 Investigacin Observacional o No experimental :

El investigador No aplica Traramientos. El fenmeno de inters ocurre
libremente en la Naturaleza. (Experimento post-facto o Falso Experimento)

Se planea o disea el Muestreo (Toma de la muestra).

Es la concentracin de smog (ppm) mayor a los mnimos permitidos
para una ciudad?
La incidencia de enfermedades en el colon (Alta, media, baja), se asocia
o depende del grado de ingesta de alcohol (Nada, poco, mucho)?
Es el consumo de drogas psicoactivas ilcitas, un factor que incremente
la frecuencia de dao cromosmico de las personas?
Es el incremento en la concentracin de pesticidas, un factor que
influye en la disminucin del nmero de peces (o de especies) de un ro?.
17

Tipos de Investigacin Observacional o No

experimental:
1. TRANSVERSAL O TRANSECCIONAL.
Se estudian las variables de inters, de una determinada poblacin, en un
MOMENTO o PERODO PUNTUAL.
Describir

caractersticas Poblacionales.
Identificar relaciones o asociaciones entre variables ALEATORIAS.
Ej. Hay diferencia en el rendimiento acadmico
entre los gneros (F,M) de los estudiantes de la
U. en el presente ao?.

MUESTRA ALEATORIA

Es el tipo de enfermedad (Infecciosa, crnica),

un factor que se asocia con la frecuencia de
dao cromosmico (No.AC/100 clulas), en los
pacientes que consultan el Hospital, durante el
ltimo mes?
18

2. ESTUDIO LONGITUDINAL: COHORTE (Estudio prospectivo)

EL ESTUDIO INICIA A PARTIR DEL FACTOR DE EXPOSICION O DE RISEGO (VAR.
INDEPENDIENTE)
SELECCIONAR:
UN GRUPO EXPUESTO

GRUPO NO EXPUESTO

OBSERVARLOS DURANTE
UN TIEMPO DETERMINADO

ENFERMEDAD:
SI
NO
COMPARARLOS EN TRMINOS DE LA OCURRENCIA DEL EVENTO DE
INTERS
(Ej. ENFERMEDAD Variable Dependiente).
19

ESTUDIO LONGITUDINAL: DE CASOS Y CONTROLES.

ESTUDIO RETROSPECTIVO: Se inicia el estudio a partir de la Variable
dependiente (Ej. ENFERMEDAD)

CASOS: Enfermos o con

determinado atributo.

CONTROLES: Sanos o sin el

atributo

El investigador FIJA EL NMERO DE CASOS y el NMERO DE

SUJETOS CONTROLES
SE INVESTIGA SI ESTUVIERON EXPUESTOS O NO, A UNA
CARACTERSTICA DE INTERS (FACTOR DE RIESGO: Ej. Exposicin a
una sustancia por hbito, por trabajo o por accidente).

POSTERIORMENTE LOS GRUPOS SE COMPARAN EN

20
TRMINOS DE LA EXPOSICIN

Una vez realizado el EXPERIMENTO (Real u Observacional), y registrados los datos en

las MUESTRAS, se procede a realizar el ANLISIS ESTADSTICO:
ANLSIS ESTADSTICO DESCRIPTIVO:
PRESENTAR: Tablas de frecuencias
Figuras
RESUMIR: Medidas de tendencia central
Medidas de variabilidad
Medidas de posicin
Frecuencias
ANLSIS ESTADSTICO INFERENCIAL: Adquirir o probar informacin relacionada con
las POBLACIONES OBJETO DE ESTUDIO a partir de los DATOS registrados en
MUESTRAS REPRESENTATIVAS
ESTIMACIN ESTADSTICA: Puntual
Por Intervalo
PRUEBA DE HIPTESIS: Aplicacin de pruebas de significancia estadstica Para
21
mtricas y no Para mtricas.

METODOS DE INVESTIGACION CUANTITATIVA

ANALISIS DESCRIPTIVO DE DATOS

ANLSIS DE ASOCIACIN ENTRE VARIABLES
PROYECTO DE INVESTIGACIN
SILVIO M. CARVAJAL V.
PROFESOR

UNIVERSIDAD DEL CAUCA

FACULTAD DE CIENCIAS NATURALES EXACTAS Y DE LA
EDUCACIN
GRUPO DE INVESTIGACIN EN TOXICOLOGA GENTICA Y
CITOGENTICA
2012

1. ANALISIS DESCRIPTIVO DE DATOS :

1.1 Medidas de tendencia central
Media
Mediana
Moda
Frecuencias
1.2 Medidas de variabilidad
Desviacin media
Varianza
Desviacin Tpica o Estndar
Coeficiente de Variabilidad
Error Tpico o Estndar
1.3 Medidas de Forma
Asimetra
Curtosis
23

1.1 MEDIDAS DE TENDENCIA CENTRAL:

Centralizacin: valores respecto a los cuales, los datos parecen agruparse.

Media, mediana y moda
1.1.1 MEDIA ARITMETICA: Promedio aritmtico de los datos. Es la principal medida
de tendencia central, representativa de todos los datos.
Media aritmtica de la muestra:

L a media aritmtica poblacional se simboliza con la letra :

Serie de datos: n = 7 :

1, 4, 5, 6, 7, 8, 11

Al ser una medida representativa de todos los datos, es la principal y ms utilizada.

24

El principal inconveniente de la MEDIA ARITMETICA es que es muy sensible a datos

extremos y, cuando hay datos anmalos (muy extremos), se suele remplazar por la
media recortada al 5% (Datos sin los cinco percentiles ms bajos y los cinco ms altos).

25

1.1.2 MEDIANA: Medida de tendencia central de fcil calculo. Es el valor que ocupa
el lugar central de la serie de datos ordenados y, por lo tanto, no es influenciable
por datos extremos.
CLCULO: Ubicar el lugar central de la serie de datos:
Ej. Con n Impar:

Serie de datos: n = 7 :

1, 4, 5, 6, 7, 8, 11

Si el nmero (n) de datos es impar, la mediana es el nmero de la mitad.

VALOR: 6
Con n Par: Si el nmero (n) de datos es par, la mediana es el promedio de los dos
nmeros de la mitad
Serie de datos: n = 8 :

1, 3, 4, 5, 6, 7, 8, 10
VALOR: (5 + 6) / 2 = 5,5

El 50% de los datos se hallan por encima y por debajo de la mediana.

26

La Mediana corresponde al CUANTIL de orden 0.5 (C0.5), es decir que debajo de la

mediana estn el 0.5 (o 50%) de los datos.
Cuantil de orden (C ): Se define el cuantil de orden como un valor de la variable
por debajo del cual se encuentra una frecuencia acumulada
Otros CUANTILES de inters, se muestran en el siguiente grfico:

Cul es el Q1 (C0,25) de la serie de datos: 1, 2, 6, 7, 7, 8, 8, 8, 9, 9?.

n = 10.

LUGAR: 0.25 (10 + 1) = 0.25 (11) = 2,75

VALOR: Es el dato que ocupa el segundo lugar ms el 0.75 de su diferencia con el dato
siguiente.
Q1 = 2 + 0.75 (6 - 2 ) = 2 + 3 =

27

1.1.3 MODA. Es el dato (o datos) ms frecuentes.

Tambin se puede calcular para variables ordinales y nominales.
Identificar la MODA de las siguientes series de datos:
A: 1, 2, 3, 4, 4, 5, 6, 8, 9

MODA: 4

B: 1, 2, 2, 3, 4, 4, 5, 6, 8, 9

MODAS: 2 y 4

C: 1, 2, 2, 3, 4, 4, 4, 5, 6, 8, 9

MODA: 4

D: 1, 2, , 3, 4, 5, 6, 7, 8, 9

MODA: No tiene (?). No hay una moda aparente,

puesto que no hay un dato que se repita mas
que el resto.

28

Se considera que la MODA es una medida de tendencia central poco rigurosa (La
mas FRIVOLA) y no tiene utilidad practica para describir datos continuos.
Sin embargo, es muy til para describir algunas variables cuantitativas discretas
(Recuentos o enumeraciones).
EJEMPLO: Para identificar el Numero Cromosmico caracterstico de un organismo,
se suelen contar los cromosomas de n clulas (Ej. n = 100), y reportar el numero
cromosmico identificado en el mayor numero de clulas (La Moda).

Individuo Normal: 2n = 46.

Individuo Anormal: 2n = 47 (Trisomia)

29

FRECUENCIAS: Absoluta y Relativa (Proporcin y Porcentaje).

Medida de resumen para las variables CUALITATIVAS O CATEGRICAS
Frec. Absoluta: Es el recuento real correspondiente a cada categora de la variable.
Frec. Relativa: Frecuencia correspondiente a una categora de la variables, relativa a
UNO (PROPORCIN) o a CIEN (PORCENTAJE).

Frecuencia Relativa = No / Total (x 100).

VARIABLE CUALITATIVA o CATEGRICA
RBOLES
(Especies)

Frecuencia
Absoluta

Proporcin

10

0,20

20

0,10

10

15

0,30

30

0,12

12

0,16

16

0,12

12

TOTAL

50

1,00

100

30

VARIABLE CUANTITATIVA CATEGORIZADA

PESO

F.
Absoluta

Proporcin

Bajo

15

0,30

30

Medio

30

0,60

60

Sobrepeso

0,10

10

TOTAL

50

1,00

100

Peso (Kg)

F.
Absoluta

Proporcin

40 40,9

0,10

10

50 50,9

0,16

16

60 60,9

15

0,30

30

70 70,9

12

0,24

24

80 80,9

0,12

12

90 90,9

0,08

TOTAL

50

1,00

100
31

1.2 MEDIDAS DE VARIABILIDAD:

1.2.1 Dispersin. Indican la mayor o menor concentracin de los datos con
respecto a las medidas de centralizacin.
Al comparar las series de datos (A y B), aparentemente son iguales, puesto que
tienen el mismo nmero de datos (n = 7) y la misma media aritmtica (Media = 6).
SERIES DE DATOS:
A: 1, 5, 6, 7, 8, 9, 13

n= 7,

Media = 7

B: 1, 2 ,3, 7, 11, 12, 13 n= 7,

Media = 7

Sin embargo, al GRFICARLAS en forma de puntos en una recta, se observa que en

una de las series los datos se dispersan ms, respecto de la media.
A:
B:
En consecuencia, se concluye que las series de datos solo quedan bien descritas,32
si se utilizan medidas de variabilidad, a dems de las medidas de tendencia central.

Cmo medir la variabilidad de una serie de datos?.

Calculando la VARIABILIDAD PROMEDIO:
1. Se calcula la desviacin o diferencia de cada dato respecto de la media
aritmtica: d = Xi - Media
2. Se promedian las diferencias o desviaciones: (xi Media) / (n-1)
Si se suman las diferencias, se anulan.
Cmo evitar que se anulen?.
PRIMERA ESTRATEGIA: Promediar las desviaciones en valor absoluto:
DM =

= 18 / 6 = 3. En PROMEDIO, los datos se desvan

de la media en 3 UNIDADES.

A la variabilidad promedio que se obtiene se le llama DESVIACION MEDIA ABSOLUTA

y no se utiliza en los anlisis estadsticos.
33

SEGUNDA ESTRATEGIA: Promediar las desviaciones elevadas al cuadrado:

S2 =

= (36 + 4 + 1 + 1 + 4 + 36) / 6 = 13,66

Los datos se desvan de la media, en 13,66 Unidades al cuadrado.

Pueden ser: cm2, Kg2, (mg/dl)2, etc.

Esta medida de variabilidad se llama VARIANZA (Desviacin cuadrtica promedio).

Cmo evitar la incomodidad del manejo de algunas unidades cuadrticas?

En promedio, los datos
se desvian de la media
en 3,7 unidades

DESVIACIN TPICA O ESTNDAR (S). Desviacin promedio de los datos,

respecto de la media aritmtica.
La Varianza y la Desviacin Estndar, son las medidas de variabilidad ms
34
utilizadas en anlisis estadstico.

Un

1.2.2. COEFICIENTE DE VARIABILIDAD:

CV

Es la RAZN entre la desviacin tpica y la media aritmtica:

Expresa a la S, como una proporcin de la media.

La mayor aplicacin del coeficiente

de Variabilidad, es comparar el
grado de dispersin de variables
diferentes.

Incremento de la Variabilidad

35

ESTATURA:
Media = 162 cm
S = 8,88 cm
CV = 8,88 / 162 = 0.055
La S equivale al 5,5% de la media.
PESO:
Media = 62.50 Kg
S = 11.41 Kg
CV = 11.41 / 62.50 = 0.18
La S equivale al 18% de la media.
La dispersin de los datos, es aproximadamente 3 veces mayor en el peso,
que en la estatura.

36

1.2.3 ERROR TPICO O ESTNDAR

Cuntas muestras de tamao n, se pueden obtener de una poblacin de tamao N, si
el muestreo es sin remplazo (No repetir) y no importa el orden?
EJEMPLO: Poblacin: N = CINCO NMEROS (1, 2, 3, 4 ,5 )
Muestra: n = Dos nmeros

37

DISTRIBUCIN MUESTRAL DE MEDIAS Y DE PROPORCIONES:

Variable Cuantitativa

Variable cualitativa

DISTRIBUCIN
MUESTRAL DE
PROPORCIONES
38

DISTRIBUCIN MUESTRAL DE MEDIAS Y DE PROPORCIONES:

DISTRIBUCIN
MUESTRAL DE
PROPORCIONES
39

DISTRIBUCIN MUESTRAL DE MEDIAS:

Las MEDIAS ARTIMTICAS, correspondientes a las MUESTRAS obtenidas de una

misma POBLACIN, no sern iguales: MUESTRAN VARIABILIDAD

Las MEDIAS MAS FRECUENTES coinciden con la media poblacional o estn cerca.
Las MEDIAS que se alejan del la media poblacional, son cada vez MENOS
FRECUENTES.

40

DISTRIBUCIN MUESTRAL DE PROPORCIONES:

Nmero de Muestras: 5

20

30

20

En la mayora de las muestras la proporcin de hombres

coincide con la proporcin poblacional.
A medida que la proporcin de hombres cambia respecto
de la poblacional, el nmero de muestras se hace menor
41

DISTRIBUCIN MUESTRAL DE MEDIAS Y DE PROPORCIONES:

42

Tanto la distribucin muetral de medias como la de proporciones, se

ajustan a la CN (Teorema del Lmite Central).

Las Medias (Var, Cuantitativa) y las Proporciones (Var.

Cualitativa), aunque salgan de muestras provenientes de la
misma Poblacin, NO SERN IGUALES. Muestran variacin.

Cmo cuantificar la VARIABLIDAD de una

Distribucin de Medias y de una Distribucin de
43
Proporciones?.

ERROR TPICO O ESTNDAR

VAR. CUANTITATIVA

VAR. CUALITATIVA

El Error Tpico no se puede calcular de forma directa, puesto que:

-No se conoce la media o la proporcin POBLACIONAL.
- No es prctico obtener todas la muestra posibles de tamao n, a partir de una
poblacin de tamao N.
El Error Tpico se estima:

44

ERROR TPICO: Es la Variabilidad promedio de medias y

proporciones muestrales, respecto de la media y de la Proporcin
poblacional.

x = ERROR DE LA MEDIA ARITMTICA MUESTRAL.:

= ERROR DE LA PROPORCIN MUESTRAL.

45

Relacin entre ET y tamao de la muestra (n).

Entre ms pequeo sea el tamao de las muestra (n), un mayor nmero de muestras
de podrn obtener de una poblacin y, en consecuencia, mayor ser su variabilidad
promedio respecto de la media poblacional.

A mayor tamao de la
muestra, menor error
tpico.

En una muestra de tamao tan grande como la

poblacin (censo), Cul es el erro tpico?

46

Relacin entre ET y tamao de la muestra (n).

Entre ms pequeo sea el tamao de las muestra (n), un mayor nmero de muestras
de podrn obtener de una poblacin y, en consecuencia, mayor ser su variabilidad
promedio respecto de la media poblacional.

A mayor tamao de la
muestra, menor error
tpico.

En una muestra de tamao tan grande como la

poblacin (censo), Cul es el erro tpico?

47

APLICACIN DEL ERROR TPICO.

Se aplica en inferencia estadstica para la PRUEBA DE HIPTESIS:
Ej. Comparar una media aritmtica muestral con una media poblacional pre-establecida:
HIPTESIS: H0 : X = .

H1 : X

A cuantos errores tpicos se halla la media muestral de la media poblacional?.

Si la media NO se halla ms all de 1,96 errores, entonces la diferencia es NO
SIGNIFICATIVA , y se acepta la Ho. De lo contrario se rechaza la Ho.
48

AREAS DE SIGNIFICANCIA Y DE NO SIGNIFICANCIA EN LA CURVA NORMAL.

En muestras grandes:

Z:
En consecuencia, para declarar significancia estadstica, basta con calcular a
cuantos errores (Z), se halla le media del valor de referencia (Media poblacional) y
constatar si cae en el rea de No significancia o en el rea de significancia.

49

1.3 MEDIDAS DE FORMA:

1.3.1 Asimetra: Sesgo o desviacin respecto de la Curva normal (Simtrica).

TRANSFORMAR: Usar la escalera de transformaciones de tukey, para buscar ajuste a

la Curva Normal.
1/X2

1/X

lnX

X2

X3

eX
50

COEFICIENTE DE ASIMETRA =
IDENTIFICAR SIGNIFICANCIA DE LA ASIMETRA
Si es Negativa : A + 2 (Error). Si incluye al cero (es
decir se vuelve positivo) es no significativo.
Si es Positiva : A - 2 (Error). Si incluye al cero (es
decir se vuelve NEGATIVO) es no significativo.
SOLO SI NO INCLUYE AL CERO, LA ASIMETRA
ES SIGNIFICATIVA.
A>0
A<0
A=0

ASIMETRA POSITIVA: 1,224 - 2(0,491) = 0,242. ES SIGNIFICATIVA

ASIMETRA NEGATIVA: -1,300 + 2(0,491) = -0,318. ES SIGNIFICATIVA
SIMTRICA: 0,011 2(0,491) = -0,971. ES SIMETRICA, NO SIGNIFICATIVA

51

1.3.2 Apuntamiento o curtosis: indica el grado de apuntamiento (aplastamiento)

de una distribucin con respecto a la distribucin normal o gaussiana.

Platicrtica (aplanada): curtosis < 0
Mesocrtica (como la normal): curtosis = 0
Leptocrtica (apuntada): curtosis > 0
CURTOSIS =

Aplanada

Apuntada como la normal

Apuntada

0.4
0.2

0.5

0.1

1.0

0.2

0.6

1.5

0.3

0.8

2.0

X S = 82%

X S = 68%

X S = 57%

x s

xs

x s

68 %
0.0

82 %

0.0

0.0

57 %

0.0

0.2

0.4

0.6

0.8

1.0

-3

-2

-1

-2

-1

52 1

IDENTIFICAR SIGNIFICANCIA DEL APUNTAMIENTO O CURTOSIS

LEPTOCRTICA: 1,824 2 (0,662) = 0,5 SIGNIFICATIVA : No incluye al cero.
PLATOCRTICA: -1,144 + 2 (0,526) = -1,236 SIGNIFICATIVA: No incluye al cero.
MESOCRTICA: -0,781 + 2 (0,574) = 0,367 NO SIGNIFICATIVA: Incluye al cero.

53

2. ANLISIS DE ASOCIACIN ENTRE VARIABLES

2.1 ASOCIACIN ENTRE VARIABLES CUANTITATIVAS
Anlisis de Correlacin de Pearson (Paramtrico)

Anlisis de Correlacin de Spearman (No Paramtrico).

54

CORRELACIN SIMPLE. Grado (o fuerza) de asociacin

estadstica entre dos variables cuantitativas, sin importar
cual es la causa y cual es el efecto.
Se trata de responder la pregunta: La variabilidad
observada en una de las variables (Y) se asocia con la
variabilidad de la otra variable (X)?.
Ejemplos: EXISTE ASOCIACIN O DEPENDENCIA ENTRE:
Estatura (cm) y peso (Kg)?.
Temperatura del agua (C) y concentracin de oxgeno (ppm)?.
Estatura (cm) y coeficiente intelectual (IQ)?.
Peso de las personas (Kg) y distancia de salto (m)?.
55

GRADOS DE ASOCIACIN:
1.VARIABLES NO ASOCIADAS.
IDEAL

La variable X se incrementa en una unidad, mientras que Y permanece constante.

Es evidente que X y Y no estn asociadas.
56

GRADOS DE ASOCIACIN:
1.VARIABLES NO ASOCIADAS.
REAL

Coeficiente de Correlacin.
R
0
Mientras X se incrementa en una unidad, Y vara aumentando o disminuyendo
aparentemente en forma ALEATORIA, pero sin responder a la variacin de X.
57

GRADOS DE ASOCIACIN:
1.VARIABLES ASOCIADAS.
IDEAL

R=1
Mientras X se incrementa en UNA unidad,
Y se incrementa en DOS unidades; es decir,
en forma constante..
Es decir que, entre X y Y, hay una asociacin lineal positiva perfecta.

58

GRADOS DE ASOCIACIN:
1.VARIABLES ASOCIADAS.
REAL

Mientras X se incrementa en UNA unidad,

Y se incrementa pero NO en forma constante.
Es decir que, entre X y Y, hay una asociacin lineal positiva.
59

CORRELACIN SIMPLE.
Observando la asociacin: Diagrama de Dispersin.
Asociacin lineal positiva

Asociacin lineal negativa

No asociacin

Asociacin no lineal o curva

60

CORRELACIN LINEAL SIMPLE. EXISTE ASOCIACIN LINEAL ENTRE: Estatura (cm) y peso
(kg) de las personas?.
CUANTIFICANDO LA CORRELACIN LINEAL:

Covariacin peso - estatura de la persona A:

cm-Kg

Covariacin promedio de n personas: COVARIANZA =

COVARIANZA ESTANDARIZADA

O COEFICIENTE DE CORRELACIN: r

r=
61

COEFICIENTE DE DETERMINACION: R2
LA VARIABILIDAD OBSERVADA EN UNA DE LAS VARIABLES (Y) EN
QUE PORCENTAGE DEPENDE DE LA VARIABILIDAD DE LA OTRA
VARIABLE (X)?: Coeficiente de Determinacin: r cuadrado.

62

ESTATURA (cm)

PESO (Kg)

172

76

150

45

155

55

155

52

170

75

154

53

178

79

160

58

160

63

166

69

HIPTESIS:

H0: R = 0

H1: R 0

LA VARIABILIDAD OBSERVADA EN EL PESO, DEPENDE EN UN 79,2%,

DE LA VARIABILIDAD EN LA ESTATURA
63

EXISTE ASOCIACIN O DEPENDENCIA ENTRE: Temperatura del agua

(C) y concentracin de oxgeno (ppm)?.
CONCENTRACIN DE OXIGENO

[ O2]

T 0C

1
3
4
5
6
1
3
4
5
6

60
50
40
30
20
50
40
30
20
10

HIPTESIS:

H0: R = 0

8
7
6
5
4
3
2
1

Observada

Lineal
0

10

20

30

40

50

60

70

TEMPERATURA

H1: R 0

Existe asociacin negativa significativa estadsticamente : La variabilidad en el

oxgeno depende en un 74,8% de la variabilidad en la temperatura.
64

TIPOS DE ANLSIS DE CORRELACIN SIMPLE:

ANALSIS DE CORRELACION DE PEARSON (Paramtrica): permite identificar
asociacin lineal entre dos variables cuantitativas. El anlisis se hace con los
datos originales. Para este anlisis es requisito que las dos variables se ajusten a
la distribucin normal.

ANALSIS DE CORRELACION DE SPEARMAN (No Paramtrica): permite identificar

asociacin general o de cualquier tipo (Incluida la lineal) entre dos variables
cuantitativas. El anlisis se hace con los datos ordenados.
Cuando se identifica asociacin general entre dos variables, se debe identificar la
curva que explica mejo dicha asociacin.
Se debe hacer ESTIMACION CURVILINEA.
65

Parte de una base de datos correspondiente a una investigacin para identificar

relaciones entre componentes de tejidos vegetales y componentes del suelo.

La concentracin de grasa (%)en las hojas de una variedad de planta, se asocia

con la concentracin de Nitrgeno (%) y con la concentracin de Ca (meq/100 g) en
el suelo donde crece?.
66

Mediante anlisis de correlacin de Pearson se identifica una asociacin lineal

negativa, significativa estadsticamente , entre el contenido de grasa (%) en los tejidos
vegetales y el contenido de N (%) en el suelo (R= -0,70; p <0,001).
El coeficiente de determinacin (R2 = 0,49) permite inferir que la variabilidad de la
grasa (%) en los tejidos vegetales se explica en un 49% por la variabilidad en el
contenido de nitrgeno (%) del suelo.
Entre el contenido de grasa (%) en los tejidos vegetales y el contenido de Ca (meq/100
67
g) en el suelo, NO hay asociacin lineal.

Asociacin lineal negativa

No asociacin lineal

68

Mediante anlisis de correlacin de Spearman se identifica

asociacin positiva, significativa estadsticamente, entre el
contenido de grasa (%) en los tejidos vegetales y el contenido de
Ca (meq/100g) y nitrgeno (%) en el suelo.
Como la asociacin entre Grasa y Ca es NO ES LINEAL, qu
tipo de curva explica mejor la asociacin entre las dos variables?
69

ANLISIS DE CURVA DE MEJOR AJUSTE:

70

Mediante estimacin curvilnea, se logra establecer que la curva de mejor ajuste es

la cuadrtica. En consecuencia, la asociacin entre GRASA y CALCIO se puede
describir mediante la ecuacin:
GRASA (%) = - 4,78 + 4,2 (Ca) 0,656 (Ca)2

71

ESTIMACIN CURVILINEA
Lineal:

FRMULA CORRESPONDIENTE A LNEA RECTA

Y = B0 + B1X

Logartmica: Y = B0 + B1lnX
Potencial: Y = B0 XB1

lnY = lnB0 + B1lnX

Exponencial: Y = B0 eB1X

lnY = lnB0 + B1X

Compuesta: Y = B0 B1X
Curva-S: Y = e B0 + B1/X

lnY = lnB0 + XlnB1

lnY = B0 + B1/X

Cuadrtica o Parbola: Y = B0 + B1X + B1X2

Cbica: Y = B0 + B1X + B1X2 + B1X3
Crecimiento: Y = e (B0 + B1X)
Inversa: Y = B0 + B1/X

lnY = B0 + B1X
72

2.2 ANALISIS DE ASOCIACIN ENTRE VARIABLES CUALITATIVAS

IDENTIFICAR ASOCIACIN ENTRE DOS VARIABLES CUALITATIVAS

(O CATEGRICAS)

Aplicacin de la prueba:
Chi cuadrado de Pearson en tablas de contingencia 2 x n y
n x n.
Anlsis de Riesgo Mediante: Odds Ratio y Riesgo Relativo.

73

PROBLEMA: Se quiere estudiar la posible asociacin entre la EXPOSICIN A

SOLVENTES ORGNICOS (Expuesto Referente) y la FRECUENCIA DE
ALTERACIONES CROMOSMICAS (Alta - Baja).

La FRECUENCIA DE ALTERACIONES CROMOSMICAS (Alta - Baja),

se asocia a la EXPOSICIN A SOLVENTES ORGNICOS
Referente)?

(Expuesto

VARIABLES:

FRECUENCIA DE ALTERACIONES CROMOSMICAS (Alta Baja). Aunque es una variable cuantitativa, aqu aparece categorizada.
EXPOSICIN

A SOLVENTES ORGNICOS (Expuesto

Referente)

74

Mirando la asociacin: No Asociacin.

Hay un 25,0 % de
personas con Alta
frecuencia de AC,
tanto en Expuestos
como en Referentes.

75

Mirando la asociacin: Asociacin.

En expuestos, el 60% de las

personas tiene Alta frecuencia
de AC, mientras que en
Referentes solo el 25% tiene
Alta frecuencia de AC.

76

PROBANDO LA ASOCIACIN:
1. PRUEBA DE CHI CUADRADO:
HIPTESIS:

H0: O = E En la distribucin aleatoria (NO ASOCIACIN);

H1: O E En la distribucin aleatoria ( ASOCIACIN).

O = Frecuencia absoluta Observada.

E = Frecuencia absoluta Esperada en la distribucin aleatoria (No asociacin).
Cmo calcular el valor esperado?
Con base en la proporcin de:
-Frec. ALTA en el Total: 17/40
-Frec. BAJA en el Total: 23/40
Cul es la frecuencia ESPERADA de ALTA en EXPUESTO?: 20 X (17/40) = 8,5
Cul es la frecuencia ESPERADA de BAJA en EXPUESTO?: 20 x (23/40 = 11,5
Hacer el mismo clculo, para REFERENTE.

77

PROBANDO LA ASOCIACIN:
2. PRUEBA Odds Ratio (OR): Relacin de Ventajas
Ventaja de AC Alta a AC Baja:

HIPTESIS:
H0 :

OR = 1

H1 :

OR 1
OR > 1 (Riesgo)
OR < 1 (Proteccin)

La relacin AC ALTA a AC BAJA, en EXPUESTOS A SO es 4,5 veces mayor, que

la misma relacin en REFERENTES. Es decir : LA EXPOSICIN A SO es un factor
de riego para ALTA frecuencia de AC.
78

PROBANDO LA ASOCIACIN:
3. PRUEBA de Riesgo Relativo (RR): Relacin de Proporciones
Proporcin de AC Alta en EXPUESTOS = 12/20 = 0,60

(60%)

Proporcin de AC Alta en REFERENTES = 5/20 = 0,25

(25%)

RIESGO RELATIVO: Pro. Alta en Expuestos / Pro. Alta en Referentes

RR = 0,60 / 0.25 = 2,4

La PROPORCIN de Alta frecuencia de AC es 2,4 veces mayor en EXPUESTOS

que en REFERENTES.
79

NOTA. Para que el anlisis de las

variables cualitativas sea confiable, el

tamao de la muestra debe ser lo
suficientemente
grande,
para
asegurar que en las tablas de
contingencia hayan al menos 5 datos
esperados por celda.
80

3. PROYECTO DE INVESTIGACIN
GRUPO DE INVESTIGACIN EN TOXICOLOGA GENTICA Y
CITOGENTICA
UNIVERSIDAD DEL CAUCA
LNEA DE INVESTIGACIN:
Monitoreo Gentico de Poblaciones Expuestas.

81

TTULO:
ASOCIACIN DE LOS POLIMORFISMOS EN LOS GENES DEL
METABOLISMO Y DE LA REPARACIN
CON
LA FRECUENCIA DE ALTERACIONES CROMOSMICAS
EN TRABAJADORES EXPUESTOS A SOLVENTES
ORGNICOS

Departamento de Biologa

82

83

PROBLEMA:
Se ha demostrado que las alteraciones
cromosmicas (AC) son un evento inicial en la
promocin del cncer. En consecuencia, todo
factor que incremente la frecuencia de AC, se
constituye en un potencial riego de salud.

En la ciudad de Popayn y poblaciones

aledaas, hay varias hombres que se
dedican a la ENTONACIN de pinturas y a
PINTAR carros, exponindose por varios
aos al solvente orgnico thiner.

Se plane una investigacin observacional con

diseo transeccional, para resolver los
interrogantes:
Existe asociacin entre la frecuencia de AC y la
exposicin a solventes orgnicos, en los
trabajadores pintores de carros?
Los polimorfismos en los genes del metabolismo
y de la reparacin, influyen en la asociacin entre
la exposicin a SO y la Frecuencia de alteraciones
Cromosmicas?.

HIPTESIS
Si la exposicin a SO se asocia significativamente con alta fercuencia de AC, se
espera un mayor nmero de personas con frecuencia alta de AC entre los
trabajadores expuestos a SO que entre los no expuestos (Refrentes), de lo contrario
dicho nmero ser igual o incluso menor.
Si los polimorfismos de los genes del metabolismo y de la reparacin influyen en la
asociacin entre: exposicin a SO y alta frecuencia de AC, entonces dicha
asociacin cambiar significativamente dependiendo del tipo de genotipo de los
trabajadores; de lo contrario, la asociacin inicial permanecer inalterada.

86

OBJETIVOS
Especficos
Especficos
1. Establecer las frecuencias genotpicas y allicas de los genes del
metabolismo de xenobiticos CYP2E1, GSTM1, GSTT1 y de la
reparacin del ADN, XRCC1194 Arg/Trp, XRCC1280 Arg/His, XRCC1399
Arg/Gln y XRCC3241 Thr/Met, en el grupo expuesto y en el grupo
referente.
2. Establecer la frecuencia de ACs estructurales en el grupo expuesto
ocupacionalmente a los solventes orgnicos y en el grupo referente.
3. Determinar la influencia de los polimorfismos genticos en la
frecuencia de Acs. en el grupo expuesto y no expuesto
ocupacionalmente a los solventes orgnicos.

METODOLOGA
Tamao
Tamao de
de la
la Muestra
Muestra
Nivel de Significancia = 0.05
(Probabilidad de error Tipo I)
Nivel de Confianza (1-) de 95%

Mtodo-Ecuacin de Fleiss (1981)

Software de EpiInfo
http://www.cdc.gov/epiinfo/downloads.htm

= 0.20 (Probabilidad de error Tipo II)

Poder (1-) 0.8
P 0.05
Matriz de Tamao

METODOLOGA
SELECCIN
SELECCIN DE
DE LOS
LOS GRUPOS
GRUPOS DE
DE ESTUDIO
ESTUDIO
Cuestionario Sexo, edad, estilo de vida, historia clnica familiar,
exposicin ocupacional, ingesta de alcohol.
CRITERIOS DE INCLUSIN
Grupo Expuesto
Exposicin 5 aos
Edad 18 50 aos
Grupo Referente
No expuesto ocupacionalmente a solventes orgnicos
Vivir en la misma comunidad
Estilo de vida y nivel socioeconmico semejante
CRITERIOS DE EXCLUSIN
Fumadores, problemas de salud, exposicin a otros agentes qumicos y/
fsicos
Pareamiento de acuerdo a edad ( 2 aos) 1 expuesto :1 referente

METODOLOGA
CONSIDERACIONES
CONSIDERACIONES TICAS
TICAS CONSENTIMIENTO
CONSENTIMIENTO INFORMADO
INFORMADO AMPLIO
AMPLIO

Participacin voluntaria

Aprobacin por el Comit de tica de la Universidad del Cauca

(Directrices Internacionales de
Helsinke II Pautas ticas Internacionales para la Investigacin Biomdica en Seres Humanos por el Consejo de
Organizaciones Internacionales de las Ciencias Mdicas CIOMS 2006)

Resolucin Nacional 8430 (Ministerio

de Salud 1993)

Principios Bsicos de la tica de la Investigacin Biomdica (Beneficencia, No

maleficencia, Justicia y Respeto)

No riesgo para la salud

Consentimiento informado Amplio (Resolucin Nmero 8430 de 1993, CIOMS

202, Decreto 1546 de 1998, Comit de tica Universidad del Cauca).

Expresa voluntariamente su disposicin de participar o no en una investigacin, despus de

recibir informacin de todos los aspectos relevantes del estudio. Objetivos, ProcedimientoPropsito, Beneficios, Riesgos, Futuros estudios.

Confidencialidad de la informacin.

Comunicacin de resultados a participantes en el estudio.

METODOLOGA
TOMA
TOMA DE
DE MUESTRAS
MUESTRAS DE
DE SANGRE
SANGRE

20 ml por persona

Heparina

EDTA

Personal capacitado y en completa

ESTERILIDAD.

15 ml
GENOTIPIFICACIN

5 ml
IDENTIFICACIN DE ACs ESTRUCUTRALES

GENOTIPIFICACIN:
1.Extraccin de ADN
EDTA

Kit

PCR

2.Amplificacin de los
Genes.

3.Identificacin de
Genotipos.
Enzimas de Restriccin
Electroforesis en gel de Agarosa.

92

IDENTIFICACIN DE ALTERACIONES CROMOSMICAS ESTRUCUTRALES

DOS
1.CULTIVO DE LINFOCITOS:
SIEMBRA: Con Rplica.
INCUBACIN: 37 C durante 72 h.
COSECHA DE LINFOCITOS
GOTEO DE CLULAS EN PLACAS

2. ANLSIS DE CLULAS EN DIVISIN (Metafases).

Se cuentan los daos
cromosmicos estructurales
en 100 clulas por persona.
DATO:

No de AC / 100 clulas

ANLISIS ESTADISTICO
SPSS 13.0

Unidad de Muestreo: El Individuo (Albertini et al 2000)

Distribucin Normal

Homogeneidad de Varianzas

Kolmogorov Smirnof

Levene

Independencia de Datos
Rachas

PRUEBAS NO PARAMTRICA
DESCRIPTIVO

Primer Objetivo

Frecuencias Genotpicas y Allicas

Desarrollo Binomial (p+q)2 = p2 + 2pq+q2
Verificar Equilibrio de Hardy-Weimberg
Bondad de Ajuste de

= (O-E)/ E

Segundo Objetivo
Frecuencias de ACs estructurales / 100
metafases
Expuestos Referentes
U de Mann Whitney: Para comparar 2 muestras
Independientes

Frecuencias de ACs / 100 metafases

Altas y Bajas
Expuestos Referentes
Tablas de Contingencia 2x2

X:

Prueba de Asociacin

Frecuencias de ACs / 100 metafases Vs

Tiempo de exposicin (aos)

Frecuencias de ACs/ 100 metafases Vs

Edad de los Individuos
Anlisis de Correlacin Spearman
(Datos Ordenados)

Tercer Objetivo

INFERENCIAL

Asociacin gen-Ambiente ACs

Alta y Baja Frecuencia de ACs / 100 metafases Vs
Genotipos de c/u de los genes
Expuestos Referentes
RR IC95% y p<0.05: Significativo si IC (95%) No incluye al 1

RESULTADOS:

95

96

ANLISIS DE ASOCIACIN ENTRE EDAD (Aos) Y LA FRECUENCIA DE AC

(No de AC /100 Cel.)

No se dientific
asociacin (p > 0,05),
entre la Edad y la Fre. de
Alteraciones
Cromosmicas

97

ANLISIS DE ASOCIACIN ENTRE EL TIEMPO DE EXPOSICIN A S.O. (Aos) Y

LA FREC. DE A.C. (No de AC/100 Cel.)
Se identific asociacin significativa
(p<0,05) entre el Tiempo de Exposicin y
la Frecuencia de A.C. (No AC / 100 Cel.)
La lnea que mejor explica la asociacin
es de naturaleza CBICA, y describe:
Un incremento da las AC al pasar de 0 a
10 aos (aproximadamente.
Un No. Estable de AC en el rango 10 30
aos de exposicin (aproximadamente).
Un incremento de la frecuencia de AC a
partir de los 30 aos de exposicin.
No obstante, el dato presenta mucha
variabilidad . La variabilidad explicada es
solo del 6% (R2 = 0,06).

98

ANLSIS DE ASOCIACIN ENTRE: EXPOSICIN A SOLVENTES ORGNICOS (Expuesto Referente) Y

ALTA FRECUENCIA ALTERACIONES CROMOSMICAS, Y EFECTO MODULADOR DE LOS GENES DEL
METABOLISMO Y REPARACIN (Genotipos: Normal Mutante). RR mediante Regresin de

Poisson.

99

100

CONCLUSIONES:
El anlisis de regresin de Poisson, indica un incremento significativo de la
frecuencia de AC en los trabajadores expuestos a SO, representando un alto
riesgo en relacin al grupo referente (No expuestos). Entre los trabajadores
expuestos a SO, hay un 30% ms de personas con Alta frecuencai de AC,
que entre los no Expuestos (Referentes).
La frecuencia de AC en los trabajadores expuestos a SO fue influenciada por el
polimorfismo gentico.

Ejemplo: El genotipo Normal (Arg/Arg), del gen XRCC1194 , disminuye el efecto de

riesgo para Alta Frecuencia de AC, en los trabajadores Expuestos a SO.
Es decir que los trabajadores con genotipo normal del gen XRCC1194 aunque se
expongan a SO, no incrementa la frecuencia de AC en sus clulas. Al parecer ese
genotipo es protector contra la exposicin.
101

DIVULGACIN.
Publicacin en Revista Cientfica internacional.
Presentacin de PONENCIA en eventos nacionales e internacionales.
Conferencias educativas para los participantes en la investigacin y sus
familiares y para los estudiantes de la Universidad.
Conocimiento de resultados por parte de los responsables de Talleres de pintura
de carros, para implementar polticas de Prevencin.

102