"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.