"El fracaso es la oportunidad para empezar otra vez con más inteligencia"

lunes, 13 de junio de 2016

Se acabó la estadística. Reflexión final.


Si tengo que dar mi opinión sobre la realización de este blog sí, me parece útil (aunque al final me haya cogido el toro). Escribir sobre algo te hace reflexionar, y al ser un temario del que nos vamos a tener que examinar prácticamente estas estudiando mientras lo escribes. 

Nunca me había planteado abrirme un blog y quizás a partir de ahora puede que lo utilice (este u otro) para uso personal. Se acabó la estadística.

En cuanto a la asignatura, a pesar de no llamarme la atención al principio, tengo que decir que no ha sido para nada como pensaba, y que me ha encantado. No sabía nada de estadística, no conocía la investigación y creo que es el complemento perfecto para mi curiosidad (sobre cualquier cosa en general, porque normalmente casi todo me produce curiosidad).
¿Lo más útil? Aprender a buscar en bases de datos; mejor dicho, conocer su existencia, saber dónde encontrar información contrastada sobre cualquier tema, poder pararme a leer tantísimos estudios sobre los temas que me gustan y que antes sólo sabía buscar a través de Google. En definitiva, un gran descubrimiento personal.

Quiero agradecer a Marina, Sorne y Andrea porque hemos hecho un gran equipo, ¡vosotras también habéis sido un descubrimiento!

Para terminar, como no, una frase célebre... ésta es de mis favoritas.




Seminario 5. Nuestro proyecto de investigación


Resumen:

Objetivo: determinar el nivel de conocimientos, actitudes y prácticas sobre autocuidado durante la gestación de mujeres que han sido o van a ser madres y pertenecientes a las provincias de Huelva y Sevilla, con el principal objetivo de poner de manifiesto diferencias significativas entre ambas poblaciones.
Método: Diseño descriptivo y experimental mediante test. Población de estudio: mujeres de entre 18 y 45 años que son o van a ser madres pertenecientes  a Huelva y Sevilla.
Para recoger los datos se utilizó un cuestionario basado en los conocimientos y las falsas creencias acerca del embarazo. Se realizó la media de aciertos de cada provincia dividiendo los conocimientos por secciones, y se compararon ambas sección a sección. Los datos fueron recogidos en la aplicación Epi Info, versión 7. 1. 3. 10, realizándose un análisis comparativo de todas las hipótesis formuladas.
Resultados: Total: 120 mujeres. Media de edad: 36, 6 años (+/ - 5,6 SD). Estaban embarazadas en el momento del estudio: 10% (58,33% de Huelva y el 41,66% de Sevilla) de las que el 83,33% tenía hijos anteriores y el 16,57% eran madres primerizas. La media de aciertos por secciones fue: Huelva: 44,53/Sevilla: 48,65 respecto a cuidados generales durante el embarazo, Huelva: 49,5/Sevilla: 51,5 en relación al Ejercicio físico; en la sección de nutrición, Huelva obtuvo una media de 47,46 puntos y Sevilla de 49,15; respecto a los signos de alarma durante el embarazo, la media de aciertos fue de 39,25 y 45,13 puntos para Huelva y Sevilla respectivamente. Un 8,33% de las sevillanas y un 16,67% de las onubenses no está satisfecha con la información recibida por parte del personal sanitario. De la misma manera, la mayoría de las mujeres de ambas provincias afirman haber obtenido la mayor información por parte de su matrona.

Conclusiones: Se encontraron diferencias significativas en determinadas secciones entre ambas provincias, y, en términos generales, una falta de conocimiento en relación a determinados aspectos.


Nuestro cuestionario:








Estos son algunos de los datos más interesantes que obtuvimos:



















¿Estás satisfecha con la información recibida sobre tu embarazo por parte del personal sanitario?



Agradecimientos

Este proyecto pone fin a nuestro primer año de enfermería, el cual nos ha servido para ampliar nuestros conocimientos y conocer más acerca de nuestra futura profesión. Demostramos con este trabajo y con todo este año que con constancia y esfuerzo se consiguen las cosas y añadimos que sin la ayuda y el apoyo de nuestros profesores esto no habría sido posible.

Agradecemos, por supuesto, a todas las mujeres tanto de Huelva como de Sevilla que nos han dedicado su tiempo para que este proyecto salga adelante.
Queremos mostrar nuestro más sincero agradecimiento hacia M.A.Sánchez, vecina de Huelva, cuya ayuda ha sido fundamental para la recogida de datos.

Agradecer también a nuestros compañeros, que han colaborado con nosotras dándonos consejos y sirviendo de guías los unos a los otros, apoyándonos siempre en todo.

Por último, damos las gracias a nuestros profesores de estadística Manuel Pabón y J. Antonio Ponce por acompañarnos en este recorrido, por enseñarnos todo lo necesario para poder realizar este estudio, y por su paciencia y disposición en todo momento.






T.10: Hipótesis estadística. Test de Hipótesis


Los test de hipótesis nos sirven también para controlar los errores aleatorios, y con los resultados obtenidos aceptaremos o rechazaremos nuestra hipótesis nula. El objetivo es el siguiente:


Los test de hipótesis te van a permitir aceptar o rechazar con seguridad tu hipótesis nula (la que establece que tus variables no tienen relación entre sí) en cualquier caso; excepto si te inventas los datos, claro.
El tipo de Test que tienes que hacer te lo van a decir tus variables, por lo que en primer lugar debes identificar de qué tipo son.



Ademas, el test de hipótesis mide el error que puedes cometer si rechazas tu hipótesis nula. Con una misma muestra puedes aceptarla o rechazarla, depende de un error denominado error alfa:

El error alfa es la probabilidad de equivocarnos al rechazar la hipótesis nula, y el más pequeño al que podemos rechazar la hipótesis nula es el error p.





TIPOS DE ERRORES



Vamos a ver ahora en vídeo cómo se calculan los Test:

CHI CUADRADO


T-STUDENT









T.9: Estadística inferencial



Si queremos establecer relaciones entre variables, nuestro interés no suele estar exclusivamente en los pacientes concretos a los que hemos tenido acceso, sino más bien en todos los pacientes similares a éstos.

Conceptos:



Siempre que trabajemos con muestras hay que asumir un cierto error, y esto es importante saberlo.
Si la muestra se elige por un procedimiento de azar, se puede evaluar ese error. La técnica de muestreo en ese caso se denomina muestreo probabilistico o aleatorio.


Sin embargo, en los estudios probabilísticos no podemos evaluar el error aleatorio, pero sí podemos hacerlo gracias a las leyes de probabilidad.



PROCESO DE LA INFERENCIA ESTADÍSTICA

La medida que queremos obtener de nuestra población de estudio es un parámetro, un número que resume la gran cantidad de datos que pueden derivarse del estudio de una variable estadística.


Realizamos una selección aleatoria, y obtenemos una muestra, y la medida de la variable de estudio obtenida en la muestra se denomina estimador.




Es decir, la inferencia es el proceso por el cual a partir del estimador me aproximo al parámetro.

ERROR ESTÁNDAR

El error estándar es la medida que trata de captar la variabilidad de los valores del estimador. Cuanto más pequeño es el error estándar de un estimador, más fiabilidad tendrá el valor de una muestra concreta.

¿Cómo calculamos el error estándar?

Depende de cada estimador: 


Se deduce por tanto que cuanto mayor sea el tamaño de una muestra menor será el error estándar.

TEOREMA CENTRAL DEL LÍMITE

Se usa para estimadores que pueden ser expresados como suma de valores muestrales. Si en vez de una muestra seleccionara 100 muestras, calculara las medias y las pusiera en un histograma tendría una distribución normal, en la cual el error estándar coincide con la desviación estándar del histograma. Por lo tanto, si le sumo y le resto la media una vez a la desviación estándar (error estándar), tendré el 68,26% de las observaciones.

INTERVALO DE CONFIANZA

Nos sirven para conocer el parámetro en una población midiendo el error aleatorio. Se calcula considerando que el estimador muestral sigue una distribución normal (como establece la teoría central del límite).







Seminarios 3 y 4


En estos seminario, además de explicarse algunos conceptos sobre estadística y realizarse problemas en los que pudiésemos tener dudas, dimos las últimas pinceladas a nuestro proyecto de investigación.

Nos dieron algunos consejos sobre cómo hacerlo y qué puntos eran los más importantes.

Nuestro proyecto fue un estudio comparativo entre las madres de las ciudades de Huelva y Sevilla en relación a la información que tenían sobre el autocuidado en el embarazo (se explicará en el Seminario 5).



T.8: Medidas de tendencia central, posición y dispersión


Hay tres grandes tipos de medidas estadísticas, que se aplican exclusivamente a variables cuantitativas.

  • Medidas de tendencia central.
  • Medidas de posición.
  • Medidas de dispersión o variabilidad.




Para calcular la mediana, debes tener en cuenta si tu muestra es par o impar, ya que no se va a hacer de la misma manera. En el caso de que fuese impar, el valor será justo la observación que ocupa el lugar (n+1/2). 

Ejemplo:


Si el número de observaciones es par, el valor de la mediana corresponde a la media entre los dos valores centrales, es decir, n/2 y (n/2+1).



  • Percentiles: Divide la muestra ordenada en 100 partes. Es importante saber que el p50 corresponde al valor de la mediana.
  • Deciles: Dividen la muestra ordenada en 10 partes.
  • Cuartil: Dividen la muestra ordenada en 4 partes.


El primer cuartil Q1 = Indica el valor que ocupa una posición en la serie numérica de forma que el 25% de las observaciones son menores y que el 75% son mayores.
El segundo cuartil Q2 = indica el valor que ocupa una posición en la serie numérica de forma que el 50% de las observaciones son menores y que el 50% son mayores.
El tercer cuartil Q3 = indica el valor que ocupa una posición en la serie numérica de forma que el 75% de los observaciones son menores y que el 25% son mayores.
El cuarto cuartil Q4 = indica el valor mayor que se alcanza en la serie numérica.








sábado, 11 de junio de 2016

T.7: Introducción a la bioestadística


La bioestadística es la ciencia que estudia la variabilidad, la medición de signos y síntomas, y parte del supuesto de que las características clínicas que se observan cambian de un paciente a otro; esto son las variables. Tienes que saber que hay varios tipos de variables, cada uno con su método de medición. Empecemos primero con estos últimos:


La escala de intervalo presenta características comunes a la nominal y la ordinaria, mientras que la escala de razón engloba las de las tres anteriores.
El nivel inferior de medida es la escala nominal, ya que es una característica para la que solo podremos saber si son iguales o no. El nivel más alto lógicamente es la escala de razón al englobar las características de todas las demás.
Pero, ¿cuáles son los tipos de variables? Aquí tienes un esquema que las resume, y después pondré un ejemplo de cada una para que las sepas diferenciar.



Las variables cualitativas son aquellas que no pueden medirse, y pueden no seguir ningún orden lógico (Nominales) o estar ordenadas (Ordinales):

  • Variable cualitativa nominal dicotómica: tiene únicamente dos niveles o categorías (Hombre/Mujer, Sí/No).
  • Variable cualitativa nominal policotómica: tiene más de dos categorías (soltero/viudo/casado).
Las variables cuantitativas son aquellas que pueden medirse en términos numéricos.

  • Variable cuantitativa discreta: debe tomar un número finito de valores. Ejemplo: 15 años, adolescentes, niños, 21 años. etc.
  • Variable cuantitativa continua: pueden valer cualquier número dentro de un rango. Ejemplo: 5-10 años, menos de 18 años, etc.
Importante: una variable continua puede ser transformada en discreta, pero no al revés, ¿por qué? Tu puedes sustituir 13-17 años (continua) por "adolescente" o "jóvenes" (discreta) pero al contrario es imposible.



jueves, 9 de junio de 2016

T.6: La etapa empírica de la investigación. Diseño, material y métodos.


Nos encontramos en la fase de análisis de los resultados que has obtenido en tu estudio. La forma en la que vas a analizar tus datos va a depender de numerosos factores, y en primer lugar deberías saber identificar ante qué tipo de estudio te encuentras. En una entrada anterior expliqué brevemente los tipos de estudios o diseños que podías encontrar, pero aquí lo tienes un poco más detallado:



Una vez sepamos qué diseño corresponde a nuestro estudio, veremos qué podemos medir:

MEDIAS DE FRECUENCIA EN ESTUDIOS DESCRIPTIVOS

Medir la prevalencia de algo (una enfermedad, en este caso) nos da información de la situación de la misma en un punto determinado en el tiempo. La prevalencia depende de dos factores:


Por ejemplo: al medir una enfermedad de corta duración en un momento determinado, habrá menos prevalencia que si mido una enfermedad de larga duración, ya que el número de individuos con la enfermedad en un tiempo específico aumentará o disminuirá en un caso o en otro. ¡No te líes! Míralo en la fórmula:

La prevalencia nunca puede ser inferior a 0 ni superior a 1 (P = 0-1)


Por otro lado, la incidencia describe la frecuencia de nuevos casos que ocurren durante un período de tiempo, es decir, es el "flujo" de sanos a enfermos:


Ésta es fácil de entender, pero también puedo calcular el riesgo que existe de que se produzca un fenómeno en concreto a través de la incidencia acumulada como puedes ver en la fórmula:


Se calcula utilizando un período de tiempo durante el cual consideramos que todos los individuos en la población están en riesgo de enfermedad y observamos la proporción de ellos que la desarrollan.


Tasa de incidencia o densidad de incidencia

A través de esta fórmula podremos calcular la velocidad con la que aparecen los nuevos casos con respecto al tamaño de la población. Se puede calcular siempre que se disponga de todos los tiempos de observación ("tiempos a riesgo") de los diferentes individuos.

Se mide en unidades de tiempo elevado a -1

Es necesario especificar la unidad de tiempo a la que se refiere la tasa (personas-año; personas-mes, etc.) Estas unidades dependen del investigador, aunque los eventos poco frecuentes suelen describirse en personas-año y los más frecuentes (como la gripe) en personas-semana o personas-día.

ESTUDIOS DE SEGUIMIENTO Y EXPERIMENTALES

Medida de asociación


A través de estos resultados podemos calcular el Riesgo Relativo, que es la razón entre el riesgo de los expuestos y los no expuestos:


  • Cuando el R.R es 1 quiere decir que las incidencias de expuestos y no expuestos es la misma, por lo que aceptamos la hipótesis nula.
  • Si el resultado es < 1 se acepta la hipótesis nula.
  • Si el resultado es > 1 se rechaza la hipótesis nula.

ESTUDIOS DE CASOS Y CONTROLES. ESTIMACIÓN DE LA MAGNITUD DE ASOCIACIÓN

En estos estudios no hay ni incidencia ni prevalencia, porque se indaga en su pasado. Se calcula la ODDS RATIO mediante: 


Y, por tanto:


  • Si es O: nula (Ho)
  • Si es > 1: los casos tienen más riesgo de exposición al factor (H1)
  • Si es < 1: los controles tienen más riesgo de exposición al factor (H2)




miércoles, 8 de junio de 2016

T.5: El marco teórico y los objetivos. Hipótesis de la investigación


Como ya hemos dicho, para encaminar tu investigación tienes que definir a donde quieres llegar con ese estudio; es decir, plantear tus objetivos. Los objetivos que estipules tienen que ser pertinentes, concretos y, sobre todo, realistas (es una tontería que tengas un objetivo que no vayas a poder medir).
Tu objetivo puedes enunciarlo a través de una hipótesis. Debes saber que los estudios descriptivos no tienen hipótesis, sólo los analíticos y experimentales, ¿por qué? únicamente vas a formular una hipótesis cuando quieras saber si dos cosas están relacionadas entre sí o si hay diferencias entre ellas. Por ejemplo: si entre las madres de Sevilla y las de Huelva hay diferencia de conocimientos sobre el embarazo o, lo que es lo mismo, si unas tienen más conocimientos que otras.
Entonces, ¿cuáles son los tipos de hipótesis que te puedes plantear? Utilizaremos este mismo ejemplo:


Como puedes ver, estas hipótesis enlazan diferentes variables entre sí de manera distinta. Nosotros sospechamos que una variable influye sobre la otra, convirtiéndose así una de ellas en nuestra variable dependiente. Según este ejemplo, queremos saber si el pertenecer a Huelva o Sevilla influye en los conocimientos de las madres. En este caso, nuestra variable independiente sería el lugar de residencia (Huelva o Sevilla), mientras que la variable dependiente sería el grado de conocimiento.

El marco teórico de la investigación

La función del marco teórico es situar nuestro estudio en un contexto, es decir, explicar a través de la teoría por qué nuestro estudio es relevante (puede llamarse también marco referencial o antecedentes). Los pasos para la realización de un buen marco teórico son los siguientes:


Como puedes ver, el paso principal como ya venimos diciendo es la formulación de una pregunta inicial que resuma el objetivo de nuestro estudio; ésta es la pregunta PICO. Es una pregunta que se realiza paso a paso y que nos facilita la formulación de nuestra hipótesis, es muy fácil de hacer, sólo tienes que rellenar el siguiente esquema:

A finalizar, la "O" será el principal objetivo al que deberás responder.




Como he dicho antes, hay diferentes tipos de estudios, y cada uno tiene unas características particulares. En un estudio descriptivo (el que no admite la formulación de una hipótesis) el investigador no experimenta nada, sino que se limita a observar. Es un estudio sencillo que mide el comportamiento de una variable en un tiempo determinado. Ejemplo: Conocer el grado de conocimientos de las madres de Huelva. El estudio analítico analiza la relación existente entre dos variables diferentes. Dentro de este grupo se pueden hacer estudios de seguimiento (estudia a grupos que tienen algo en común) o estudios de casos y controles.
En los estudios experimentales, el investigador participa activamente. Ejemplo: en un grupo de sujetos que no fuma, yo elijo quién va a empezar a fumar para luego estudiarlo.







martes, 7 de junio de 2016

Seminario 2. Resolución de casos a través de revisiones bibliográficas


En este seminario pusimos en práctica todo lo explicado en el anterior y tuvimos que resolver un caso clínico con la información que hubiéramos obtenido a través de nuestras búsquedas. Comparamos un total de seis artículos para elaborar nuestra conclusión. 

La pregunta era la siguiente: en pacientes con Diabetes Mellitus tipo 2 cuya adherencia al tratamiento es baja, ¿son más eficaces las intervenciones educativas individuales o en grupo?
En primer lugar formulamos nuestra pregunta PICO para saber qué debiamos buscar, y luego planteamos posibles estrategias de búsqueda utilizando los operadores booleanos de manera diferente.


Elaboramos las estrategias de búsqueda utilizando los descriptores DeCs y MeSh:


Seleccionamos diferentes artículos para después hacer una revisión más exhaustiva de cada uno de ellos.


Sacamos la información necesaria de cada uno de los artículos seleccionados y elaboramos nuestra conclusión:

Tras la exposición del Caso, aprendimos a usar el programa de procesamiento de datos Epi Info. Dejo abajo un vídeo sobre cómo descargarlo y un pequeño tutorial para empezar a hacer gráficos y tablas de frecuencias.