UNIVERSIDAD NACIONAL DE SAN ANTONIO ABAD DEL CUSCO FACULTAD DE MEDICINA HUMANA LA INVESTIGACION CIENTIFICA MODULO PARA LOS ALUMNOS PROFESOR : Dr. OSCAR VALIENTE CASTILLO. AÑO 2009
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
UNIVERSIDAD NACIONAL DE
SAN ANTONIO ABAD DEL CUSCO
FACULTAD DE MEDICINA HUMANA
LA INVESTIGACION CIENTIFICA
MODULO PARA LOS ALUMNOS
PROFESOR : Dr. OSCAR VALIENTE CASTILLO.
AÑO 2009
LA INVESTIGACION CIENTÍFICA
1.- LAS ETAPAS DEL PROCESO DE LA INVESTIGACIÓN CIENTÍFICA SON :
1.1.- La elección de los objetivos de la investigación: ¿Qué problema científico o
tecnológico queremos resolver?
1.2.- Planificación de la investigación: el proyecto de lnvestigación científico.
1.3.- Organización y Ejecución de la investigación: el informe escrito de la
investigación.
- Evaluación de la investigación: el Análisis crítico de los resultados.
- Publicación de la investigación.
Cuando tenemos que elaborar un proyecto de investigación se debe tener en cuenta que el éxito
del mismo depende en gran medida de lo bien planificado que esté y de cómo se han
identificado a priori los problemas que pueden surgir a lo largo del mismo.
Todo proyecto de investigación se compone de una serie de etapas básicas que podemos resumir
en cinco puntos1(modificado):
La definición del problema de investigación y los objetivos
El diseño de la investigación
Su realización
El análisis
La interpretación de los resultados.
2.- ESTRUCTURA DEL PROYECTO DE INVESTIGACIÓN CIENTÍFICA.-
2.1 INFORMACIÓN GENERAL:
2.1.1 Título del proyecto
2.1.2 Autor o autores.
2.1.3 Investigador responsable del proyecto.
2.1.4 Institución donde se realiza el proyecto.
2.2 CONTENIDO DEL PROYECTO :
2.2.1 Planteamiento ó Caracterización del problema:
2.2.2 Formulación del problema.
2.2.3 Objetivos:
Objetivos Generales
Objetivos específicos
2.2.4 Marco Teórico :
Estudios previos o antecedentes del problema.
Base Teórica
Base conceptual o definición de términos
Bases Históricas (opcional).
2.2.5 Hipótesis :
Hipótesis General o Científica
Hipótesis Específicas u operacionales
Hipótesis Estadísticas
2.2.6 Identificación y Operacionalización de las variables, definición operacional.
2.2.7 Limitaciones del estudio
2.2.8 Justificación
2.2.9 Aspectos éticos
2.2.10 Material y Método ó Diseño Metodológico.
2.2.10.1.1 Tipo de estudio
2.2.10.1.2 Diseño de investigación
2.2.10.1.3 Población Objeto de estudio, unidad de análisis.
2.2.10.1.4 Muestra : tamaño, unidad muestral, tipo de muestreo
2.2.10.1.5 Selección de los instrumentos y de los equipos
2.2.10.1.6 Diseño del procedimiento de recolección de datos
2.2.10.1.7 Recolección de datos.
2.2.10.1.8 Plan de análisis de los datos
2.2.10.1.9 Presentación de resultados
2.2.11 Cronograma de actividades.
2.2.12 Recursos necesarios y Presupuesto.
2.2.13 Bibliografía
2.2.14 Anexos.
3.- DESCRIPCIÓN DEL PROYECTO DE INVESTIGACION.-
3.1.- EL PLANTEAMIENTO DEL PROBLEMA TIENE LOS SIGUIENTES COMPONENTES:
o Descripción breve de las características de la situación marco
pertinente al tema de investigación o problema general.
o Descripción concisa de la naturaleza del problema, de su magnitud, distribución y gravedad en relación a las variables : quién , dónde, cuándo, cómo, consecuencias.
o Análisis de los factores o causas principales y otros factores
contribuyentes o agravantes subyacentes que pueden influir en el
problema, agrupándolas en categorías y subcategorías hasta que sean medibles.
o Plantear un argumento convincente de que los conocimientos
disponibles son insuficientes para resolver los factores o causas del problema.
o Descripción breve de las soluciones intentadas en el pasado, hasta qué
punto fueron eficaces y porqué se necesita una nueva investigación.
o Describir la clase de información que se espera obtener con el proyecto de investigación y la forma como usará dicha información para solucionar el problema.
3.2.-LA FORMULACIÓN DEL PROBLEMA OBJETO DE LA
INVESTIGACIÓN:
El problema de investigación es la pregunta que necesita una respuesta respecto
a un fenómeno o situación, la cual debe resolverse o investigarse a través de la
aplicación del método científico.
Es recomendable formular el problema de investigación en interrogación,
también puede hacerse en forma declarativa o proposicional.
Es específico o concreto.
Señala la población objeto de estudio.
Establece relación entre dos o más variables.
Las variables son medibles y demostrables empíricamente.
Debe tener delimitación temporal y geográfica.
CRITERIOS PARA ELEGIR UN PROBLEMA:
Interés del investigador
Importancia o relevancia
Susceptibilidad de investigar
Factibilidad: tiempo, disponibilidad de recursos financieros, capacidad
tecnológica, capacidad académica, autorización de terceros.
Aspectos éticos.
3.3.- OBJETIVOS DE LA INVESTIGACIÓN:
Los objetivos deben ser:
Enunciados con verbos que denotan acción en modo infinitivo.
concretos,
medibles y observables,
factibles,
congruentes
relevantes científicamente o socio sanitaria.
En orden lógico y de importancia.
En general, el número de objetivos de un proyecto debe ser limitado,
aunque proyectos complejos (multidisciplinarios o multicéntricos) pueden
presentar objetivos más ambiciosos.
Los objetivos deben distinguirse como mínimo entre objetivo(s) primario(s)
o generales (que responden a la pregunta principal de investigación) y
secundarios ó específicos (aspectos parciales de la investigación o
respuestas derivadas de los objetivos principales).
Los objetivos se derivan del problema de investigación y no deben
rebasarlo, deben estar dirigidos a los elementos básicos del problema.
La estructura de un objetivo es:
3.4 MARCO TEÓRICO.-
Funciones del Marco Teórico:
1. Consigue una comprensión más amplia del problema de
investigación.
2. Compendia conocimientos existentes en el área que se va a
investigar.
3. Define con precisión las variables y la hipótesis.
4. Establece las pautas específicas hacia donde irá la investigación.
5. Fundamenta y sustenta la investigación y delimita el area de
investigación
6. Provee de una marco de referencia para interpretar los resultados del
estudio.
7. Ordena las observaciones para explicar de qué manera están
relacionados los fenómenos.
8. Expresa proposiciones teóricas generales, postulados, marcos de
referencia que conducen al establecimiento de hipótesis o
afirmaciones que más tarde habrán de someterse a prueba en la
realidad.
Componentes del Marco Teórico:
1. Estudios Previos o antecedentes del Problema de Investigación.
2. Bases Teóricas.
3. Bases Conceptuales o Definición de Términos.
4. Bases Históricas (condicional al tema que se esta investigando).
OBJETIVO
Sentido de
acción Variable o
indicador
Unidad de
estudio
El Marco Teórico amplía la descripción del problema, es un marco referencial
o de respaldo que se pone al problema. Al desarrollar el marco teórico el
problema puede resultar cuestionado, reformulado e incluso cambiado. (Tamayo,
97) Según Anderegg (1992), Todo marco teórico se elabora a partir de un cuerpo
teórico más amplio, o directamente a partir de una teoría. Para esta tarea, se
supone que se ha realizado la revisión de la literatura existente sobre el tema de
investigación. Pero con la sola consulta de las referencias existentes no se
elabora un marco teórico: éste podría llegar a ser una mezcla ecléctica de
diferentes perspectivas teóricas; en algunos casos, hasta contrapuestas....Se ha de
tener en cuenta que, si bien la elección del marco teórico es una decisión
apriorística respecto de la investigación, no es una cuestión indiferente: si el
marco teórico es inadecuado o insuficiente, la respuesta al problema aún cuando
éste haya sido bien planteado será inadecuada, insuficiente o falsa .
El proceso de construcción del Marco teórico:
De acuerdo con Neupert y de Pineda y col. el proceso de construcción del marco
teórico implica el desarrollo de los siguientes pasos:
Identificar los elementos teóricos para fundamentar el problema.
Seleccionar las variables principales o elementos más importantes para el
estudio del problema.
Identificar las relaciones entre variables.
Esquematizar las relaciones entre variables.
Enunciar la hipótesis.
La Revisión de Literatura
Consiste en detectar, obtener y consultar la bibliografía y otros materiales que
pueden ser útiles para los propósitos del estudio, así como en extraer y recopilar
la información relevante y necesaria que atañe al problema de investigación y
los objetivos del proyecto. Esta información relevante implica las proposiciones
teóricas generales, las teorías específicas, los postulados, los supuestos,
categorías y conceptos que puedan servir de referencia para ordenar la masa de
los hechos concernientes al problema.
La revisión de la literatura es selectiva dada la enorme cantidad de material que
se produce cada año. Es indispensable seleccionar lo más importante y lo más
reciente después de una búsqueda exhaustiva. Esta revisión consiste en la
aplicación del más riguroso procedimiento de investigación documental o
bibliográfico, a partir de la identificación de fuentes primarias y secundarias. Se
consulta con expertos, centros de información y bases de datos, bibliotecas,
filmotecas, hemerotecas, videotecas, etc.
Fuentes primarias u originales: proporcionan datos directos de primera mano,
ej. Libros, revistas de publicaciones periódicas, monografías, tesis, etc.
Fuentes secundarias: son compilaciones, resúmenes y listados de referencias
publicadas en el área respectiva. Ej. Index Médicus, excerpta médica, etc.
Fuentes Terciarias: son documentos que compendian nombres y títulos de
revistas, publicaciones periódicas, boletines, conferencias, empresas, catálogos
de referencias y datos bibliográficos, etc.
Existen diversas formas de recopilar la información que se extrae de las
referencias, sea en fichas, hojas sueltas, libretas, casetes grabados; lo importante
es que se logren los datos necesarios para elaborar el marco teórico. Es
indispensable anotar la referencia completa de donde se extrajo la información,
según el tipo de fuente de que se trate. Al hacer uso de materiales producidos en
otros contextos culturales, debe tomarse el cuidado de reflexionar respecto a la
forma apropiada de usarlo. Esta literatura puede ofrecer un buen punto de
partida, guiar en el enfoque y tratamiento del problema aunque pueda diferir en
los resultados o no. Queda al investigador la tarea de hacer uso sabio de este
material al aplicarlo a una situación particular.
Citas y Referencias Bibliográficas en el Marco Teórico:
La cita es toda trascripción directa o indirecta de palabras o frases de otro autor,
las cuales insertamos a nuestro trabajo para reafirmar o contradecir lo expuesto;
también es como una sustentación de lo que se esta tratando, es la confirmación
o negación de una idea.
Existen varios tipos de citas:
Directas o textuales: es tal como se encuentra en la fuente y puede
ser simple sino excede de cinco líneas, extensa si sobrepasa en
contenido las cinco líneas y debe ser redactado con una sangría de
12 espacios desde el margen y el espacio interlineal es de medio
centímetro; las citas de citas es cuando el autor que estamos
citando ha tomado a otro autor para fundamentar su idea.
Indirectas : es la trascripción que se hace del contenido no literal
de un autor y con propias palabras de investigador transcribe las
ideas del autor, también se les llama citas ideológicas.
Las citas generalmente se escriben en letras cursivas y si se quiere destacar
alguna palabra se escribe en letra derecha o invertirse la figura, escribir la cita en
letra derecha y el relieve en letra cursiva. Se puede agregar a la cita
observaciones entre corchetes y a esto se llama interpolaciones y no deben
realizarse entre paréntesis, ej. “En ese año [1879] Chile nos declaró la guerra” ,
se entiende que en el original no estaba el año. Si alguna palabra o frase de la
cita se prestara a duda en su corrección o exactitud se pone como interpolación
[sic] en cursiva (significa “así”). Pueden usarse Elipsis que son omisiones o
textos eliminados en una cita y se les señala con tres puntos suspensivos entre
corchetes [...] ej. “las bases púricas [...] empalman con las pirimídicas”
Todas las citas tienen Referencias que son indicaciones de donde hemos
obtenido las citas, toda referencia debe tener un número indicativo que coincide
con el de la cita;
Las notas, tienen como finalidad referir el autor, la obra y lugar de las citas y
referencias hechas en el texto; también sirven para hacer consideraciones
suplementarias o marginales que no cabrían en el texto sin romper la secuencia
lógica (aclaraciones, comentarios, críticas) y para remitir al lector a otras partes
del trabajo, a otros trabajos o a las propias fuentes. Existen varios estilos de
notas:
Las notas se consignan entre paréntesis en el propio texto en el lugar
donde se da la referencia; no es aconsejable porque interrumpe la
secuencia lógica del pensamiento y la lectura.
Asignar un número de orden a cada obra bibliográfica colocada
alfabéticamente al final del trabajo y luego hacer la referencia en el texto
colocando entre paréntesis el número de orden que le corresponde a la
obra citada.
Consignar en el medio del texto en el lugar de referencia el apellido del
autor seguido del año de publicación de la obra entre paréntesis.
El sistema tradicional a pié de página, en que se consigna una llamada
de nota mediante un pequeño número volado a manera de exponente
inmediatamente después de la última letra de la palabra a la que se refiere
la nota, en el punto del texto en que se hace referencia, la que va referida
al pié de página, donde va la nota propiamente dicha.
La Bibliografía:
Nos referimos a todas las fuentes que hemos consultado para desarrollar muestro
marco teórico, así como las fuentes que nos han ayudado a la recolección de
datos. Según las normas de Vancouver las referencias bibliográficas se deberán
numerar en forma correlativa según el orden en que aparecen por primera vez en
el texto , las que se indican en números arábicos entre paréntesis dentro del
texto; otros prefieren consignar los datos bibliográficos en estricto orden
alfabético , si son muchos y de diferentes tipos las fuentes se agruparán de
acuerdo a si son libros, revistas, entrevistas; pero dentro de estos subgrupos
también se debe respetar el orden alfabético. Existen dos tipos de bibliografías:
la bibliografía citada, es la que consignamos en el planteamiento del problema,
marco teórico o en la discusión del informe científico. La bibliografía consultada
incluye todas las fuentes que se han consultado para el desarrollo del trabajo de
investigación, incluyendo desde libros hasta una conversación si es que resulta
importante para la investigación.
Toda bibliografía de libros debe contener:
o Filiación del autor ( persona, Organización o Institución)
o Título de la fuente ( en cursiva)
o Número de la edición
o Nombre de la editorial
o Año de edición (se puede colocar después de la filiación del autor
entre paréntesis )
o Número de página o páginas donde se encuentra la información.
Ejemplos:
Polit,D. Hungler, H. ( 2000 ). Investigación Científica en Ciencias de la Salud.
Sexta edición , McGraw-Hill Interamericana.. México.
Morse,J.M. ( 1991). Strategies for sampling. In J.M.Morse (ed.), Qualitative
nursing research : A contemporary dialogue. Newbury Park,CA : Sage.
Mari Mut , J.A. 1998. Papel vs. Internet. El futuro de la revista científica.
Bol .SEA ., No. 23 : 59-62
Polit, D. Sherman, R. (1990) .Statistical power analysis in nursing research.
Nursing Research, 39, 365-369
ISO. (1998). International Standard ISO 690-2.Information and documentation
– Bibliographic references – Part 2: Electronic documents or parts thereof ..
International Organization for Standardization. Ottawa. Canada. Disponible
desde internet en < http://www.nlc-bnc.ca/iso/tc46sc9/satndard/690-22e.htm>
[cc acceso el 1/11999]
OCÉANO (1986): ENCICLOPEDIA MULTIDISCIPLINARIA. Vol I, El
papayal editores, segunda edición, 2938 págs.
Las Citas de documentos y base de datos en formatos electrónicos: deberá
tener la siguiente estructura:
Autor/responsable. Fecha de edición en papel; fecha de publicación en Internet;
actualizado (fecha de actualización). El Título. Edición. Lugar de publicación.
Editor [tipo de medio].Disponibilidad y acceso. Formato del medio y
notas.[fecha de acceso].
Ejemplos:
Watanabe,H. ; Noda, H. ; Tokuda,G. ; Lo,N. .1998. A cellulase gene of termite
origin. Nature(394) : 330 – 331.[ publicación en línea].Disponible desde Internet
en : <http://www.anture.com/serverjava/Propub/nature/394330AO. frameset? context=toc>
[con acceso el 2-1-1999]
ejemplo con autor desconocido , se pone la organización:
Yahoo.1998. Biología: Zoología :Animales, insectos y mascotas: Insectos.
España. [Web en línea]. Disponible desde Internet en :
<http://www.yahoo.es/Ciencia_y_tecnología/Biología/Zoología/Animales_insectos_y_mas
cotas/ Insectos/ [con acceso el 2 de Enero de 1991].
Ejemplo con autor o responsable desconocido, se coloca todo entre < >:
<http://www.netcall.com.mx/abejas/alianza.html>. Fecha desconocida. La apicultura en México
México. [Web en línea]. [ con acceso el 2 de enero de 1999 ].
Muchas de las referencias contienen abreviaturas que van a denotar algo,
algunas de las más comunes son:
Ibid. ó Ibidem : en el mismo lugar, se usa cuando queremos citar
nuevamente al autor y a su obra diferenciándose sólo del número de
página de donde se encuentra la información. Ejemplo.
-------------------------------------
(1) Santisteban, Jorge: la menopausia, Pág.35
(2) Ibid, Pág.59
Id. Se usará siempre y cuando la información que estamos consignando
pertenezca al mismo autor, al mismo libro, y esté en la misma página de
la cita anterior.
-------------------------------------------
(3) Frisancho, Tulio , op.cit, pag.234
(4) Id.
Op.cit. Opus citatum, se usa cuando ya hayamos citado a la obra en otra
página y el contenido de la información que estamos colocando está en
otra distinta.
-------------------------------------------
(6) Molina Alonso, op.cit., pag. 86
El uso de fichas para el Marco Teórico:
Para hacer eficiente la lectura se requiere de elementos auxiliares que
posibiliten tener las nociones y conceptos ,así como las teorías más importantes,
para ello se utilizan fichas que se usan para registrar por medios manuales,
mecánicos o electrónicos ,los contenidos más importantes de los que se lee
.Tenemos varios tipos de fichas :
Ficha bibliográfica: se consignan las referencias y características
generales del libro únicamente, son semejantes a los ficheros de las
bibliotecas.
Fichas hemerográficas: se anota la referencia de artículos de revistas,
periódicos, folletos, manuscritos, etc.
Fichas documentales: sirven para anotar información recogida de fuentes
primarias, libros, citas textuales, juicios personales. Dentro de estas
tenemos:
o Fichas textuales: contienen el título o tema y la trascripción
literal de algún texto y va todo entre comillas., debajo va la
referencia bibliográfica.
o Ficha de resumen: se inicia con el título o tema y al lado se
coloca la palabra „Resumen‟ entre paréntesis, no se usan
comillas, al pie de la ficha va la referencia bibliográfica de la
obra.
o Ficha de Paráfrasis: es una explicación o interpretación aplicativa
de un texto, un refrán etc. a fin de ilustrarlo o hacerlo más
tangible. Las fichas se elaboran igual que la anterior pero
anotando „Paráfrasis‟ entre paréntesis después del título.
o Ficha de Comentario: se confecciona en forma similar a la
anterior, con la diferencia que la palabra „Comentario‟ va entre
paréntesis; en este caso se consigna la opinión personal sobre
algún texto leído o escuchado.
o Ficha Combinada: se asocia en la misma ficha una definición al
inicio y luego resumen, una cita textual y un comentario etc.
La Construcción de las bases Teóricas
Identificados los elementos teóricos en base al problema de investigación y
objetivos, se procede a identificar las variables central y secundarias
relacionadas con el tema, se establecen las relaciones entre las variables
seleccionadas y se construye el esquema -diagrama de las relaciones de las
variables que ayuda al investigador a tener una visión de conjunto y facilita la
descripción del marco teórico( Espina de Ishikawa o el árbol de problemas ). Se
puede Iniciar con la descripción general del problema y los elementos relativos
al mismo. En los casos cuando al revisar la literatura, no se encuentra una teoría
o un modelo teórico en el cual enmarcar el estudio, algunas personas prefieren
no hablar de un marco teórico sino de un marco conceptual o de referencia.
Existen diversas concepciones de lo que es una teoría, una de ellas la considera
un conjunto de conceptos relacionados que pretenden representar la naturaleza
de una realidad en algunos casos por medio de un esquema, para otros es el
pensamiento de uno o varios autores que constituyen una escuela de
pensamiento. En estos casos, la teoría no presenta una explicación final al
fenómeno, aunque hay que reconocer que hay trabajos de investigación que han
sido aceptados en diversas universidades, bajo este concepto de teoría.
Para Kerlinger "Una teoría es un conjunto de constructos (conceptos)
interrelacionados, definiciones y proposiciones que presentan un punto de vista
sistemático de los fenómenos mediante la especificación de relaciones entre
variables, con el propósito de explicar y predecir los fenómenos" (1988).
Es importante señalar que en una teoría, es tan importante el poder predictivo y
el control que ésta tenga, como su capacidad para explicar y ayudar a
comprender el fenómeno. La investigación puede ser dirigida a encontrar
relaciones simples, pero las relaciones finalmente más útiles son las que están
ligadas a otras relaciones en una teoría. Las teorías, al ser generales, se aplican a
muchos fenómenos y persona, en numerosos lugares. Las metas de investigación
modestas, limitadas y específicas son buenas. Las metas de investigación teórica
son mejores porque, entre otras razones, son más generales y tienen una
aplicación más amplia (Kerlinger, 1988).
El valor de una teoría está en su capacidad para describir, explicar y predecir un
fenómeno, las proposiciones que la conforman deben estar interrelacionadas y
no caer en contradicciones internas; debe procurar explicar el mayor número de
fenómenos y admitir el mayor número de aplicaciones; debe producir nuevas
interrogantes que induzcan a nuevos conocimientos y debe ser sencilla.
La construcción de un marco teórico depende de lo que encontremos en la
revisión de la literatura a saber que:
Existe una teoría completamente desarrollada que se aplica al problema de
investigación. En este caso se puede usar como la estructura misma del
marco teórico pero debe tenerse cuidado de darle un nuevo enfoque en
nuestro estudio con el fin de no caer en el error de estudiar algo que ya ha
sido estudiado a fondo. Si acaso ocurre que la teoría no ha sido probada o
aplicada a otro contexto, procede someterla a prueba. Se puede tratar el
asunto en el marco teórico ya sea proposición por proposición o según la
evolución de la misma.
Hay varias teorías que se aplican al problema de investigación. En este caso
podemos usar la teoría que mejor cumple los requisitos de una buena teoría.
También se puede tomar de cada teoría aquello que se relaciona con el
problema en estudio, siempre y cuando no se caiga en contradicciones
lógicas. Elegir una como base y añadir elementos útiles procedentes de las
otras es muy práctico en los casos cuando se estudian fenómenos complejos.
Para iniciar el trabajo se deberá elaborar un bosquejo que determine la forma
de armar los diversos elementos que se integrarán en el marco teórico.
No existe una teoría sino generalizaciones empíricas que se aplican al
problema y lo que se hace es construir una perspectiva teórica. "Cuando se
descubre una única proposición o se piensa limitar la investigación a una
generalización empírica, el marco teórico se construye incluyendo los
resultados o conclusiones a que han llegado los estudios antecedentes, de
acuerdo a un esquema lógico" (Hernández, 1991) En el caso de que existan
varias proposiciones derivadas de diversos estudios, se hace un análisis de
los estudios y se van relacionando según un criterio coherente. También es
frecuente enfrentar las generalizaciones empíricas con un marco teórico que
considera cada una de las variables en estudio, definiéndolas, señalando las
generalizaciones o proposiciones empíricas respecto a la relación de las
variables.
Hay pocos o ningún estudio en el campo que se investiga. En este caso es
necesario buscar literatura que, aunque no se refiera al problema específico
de la investigación, pueda ayudar a entender y orientar la investigación. El
investigador debe ser creativo para encontrar las áreas de investigación y los
conceptos teóricos que aunque no se refieran directamente al asunto, tengan
una relación y equivalencia que permita orientar la investigación.
Respecto a la extensión del marco teórico, éste debe ser lo más breve y sencillo
posible sin sacrificar profundidad y contenido valioso para atender los aspectos
que se relacionan con el problema. No es asunto de recopilar información, sino
que ésta debe estar interconectada por medio de una transición suave y lógica
entre las diversas proposiciones y declaraciones. Debe evitarse el tratar asuntos
que aunque tienen relación con lo estudiado, no hacen sino aumentar el número
de páginas sin contribuir de manera sustancial. La extensión del mismo estará
determinada por el problema y el trasfondo teórico que lo sustenta. Aunque en el
caso de contar con literatura abundante sobre el tema, la relación de una página
de marco teórico por cada una de las fuentes citadas es un criterio académico
sano y razonable.
Debe evitarse el elaborar un marco teórico a partir de una o dos fuentes de no ser
que se trate del estudio específico de cierta escuela de pensamiento, aunque aún
así, sería apropiado considerar la conveniencia de presentar otros puntos de
vista.
Una forma de resumir gran cantidad de información y al mismo tiempo
evidenciar capacidad cognitiva superior, es la elaboración de esquemas y
resúmenes gráficos que contribuyan a una visualización integradora de la teoría.
3.5 FORMULACION DE LA HIPÓTESIS
Las hipótesis proponen tentativamente las respuestas al problema de la investigación,
por ello las hipótesis comúnmente surgen de los objetivos y las preguntas de la
investigación una vez que éstas han sido reevaluadas a raíz del Marco Teórico. Con el
fin de establecer guías precisas hacia el problema de investigación, se proponen
hipótesis que indican lo que estamos buscando o tratando de probar. Constituyen un
puente entre la teoría y la investigación empírica. Es a través de la comprobación de los
cuerpos hipotéticos que la ciencia busca la sistematización, generalización e
interpretación. Constituye una grave falla formular hipótesis sin haber revisado con
cuidado la literatura, ya que cometeríamos errores tales como hipotetizar algo bastante
comprobado o algo que ha sido contundentemente rechazado.
Las hipótesis son consideradas como explicaciones tentativas respecto al problema
planteado, presentadas a manera de proposiciones. Pero no toda conjetura o suposición
es una hipótesis científica. Cumple su función sólo si está relacionada con el
conocimiento existente; si reúne lo ya conocido con lo que se busca.
Las hipótesis son afirmaciones a manera de conjeturas respecto a las relaciones entre
dos o más variables expresada por medio de oraciones declarativas, sujetas a
comprobación empírica.
Para que una hipótesis sea considerada como correcta:
Debe formularse en forma afirmativa.
Debe referirse a dos o más variables potencialmente medibles y especificar al
mismo tiempo de qué manera se relacionan dichas variables (Kerlinger, 1988).
ACTIVIDAD:
Describa los diferentes tipos de citas de bibliografía y los diferentes tipos
de notaciones de citas de autores DE LA BIBLIOGRAFÍA QUE
REVISÓ PARA ELABORAR EL MARCO TEÓRICO.
ACTIVIDAD
Utilizando el modelo del Árbol de Problemas o de la Espina de Ishikawa realice un
esquema o mapa conceptual de las bases teóricas de su problema de investigación.
Deben referirse a una situación real (empírica).
Los términos tienen que ser comprensibles, precisos y lo más concretos posible;
La relación entre variables propuesta debe ser clara y verosímil (lógica) y deben
estar relacionadas con técnicas disponibles para probarlas (Hernández, 1993; Rojas,
1981).
Debe hallarse en conexión con las teorías precedentes.
Debe ofrecer una respuesta probable al problema objeto de investigación.
Algunas hipótesis involucran una variable y señalan la presencia de cierto hecho o
fenómeno, otras relacionan dos o más variables en forma de asociación o covarianza,
hay un tercer grupo que las relaciona en términos de dependencia o causalidad y
permiten predecir con cierto margen de error.
TIPOS DE HIPÓTESIS DE INVESTIGACIÓN:
Son las que plantea el investigador de acuerdo a su marco teórico respecto a posibles
relaciones entre las variables en estudio. También se les denomina hipótesis de trabajo o
alternas y se simbolizan como Hi ó H1, H2 ,H3, si son varias.
Estas hipótesis pueden ser:
Hipótesis General o Principal o Básica o Central: plantea la relación entre variables
principales de la investigación en su dimensión conceptual. Guarda consistencia con
el problema general y el objetivo general del estudio.
Hipótesis específicas: son aquellas que se desagregan de las hipótesis generales,
plantean las relaciones entre variables intermedias en su dimensión conceptual ,que
para poder ser medibles deberán operacional izarse utilizando indicadores e índices
propuestos. Guardan consistencia con los problemas y objetivos específicos.
Hipótesis Descriptivas del valor de una o varias variables que se van a observar en
un contexto. Señalan la presencia de cierto hecho o fenómeno. Ej. Las personas
marginadas son apolíticas. (Variable:. participación política).
Hipótesis Correlaciónales: el cambio o alteración de una o varias variables va
acompañado con un cambio en otra u otras correspondientes. Puede ser una
correlación bivariable o una correlación múltiple. El orden en que se coloquen las
variables no es importante, no hay una relación de causa efecto por lo que no se
habla de variables dependientes e independientes, esto únicamente se puede hacer
con las hipótesis causales. Cuando se procura correlacionar varias variables se deben
establecer diversas hipótesis según los pares de variables que se estudian.
Hipótesis de Diferencias entre Grupos: están dirigidas a comparar grupos y puede
ser simple si no determina a cuál grupo favorece la diferencia o direccional en el
caso contrario. Pueden ser parte de estudios correlaciónales si se limitan a establecer
la diferencia, pero si además pretenden explicar el por qué de la diferencia, son
hipótesis de estudios explicativos o analíticos.
Hipótesis que Establecen Relaciones de Causalidad: señalan la relación entre dos o
más variables y cómo se dan esas relaciones; la existencia de una correlación no
necesariamente establece una relación de causalidad. No todas las correlaciones
tienen sentido y mucho menos se puede encontrar sentido en una relación de
causalidad si no se ha demostrado la correlación. Cuando se determina cuál o cuáles
variables son la supuesta causa, éstas variables son conocidas como variables
independientes y la variable o variables que resultan ser el efecto o afectada se
denominan variables dependientes. La causa debe ocurrir antes que el efecto y
producir cambios en el mismo. Las hipótesis causales bivariadas se refieren a dos
variables y las multivariadas a tres o más variables sean dependientes o
independientes. También pueden darse hipótesis con variables intervinientes que
son aquellas que sin ser causa, intervienen modificando la relación.
El uso del término dependiente e independiente al referirse a variables es propio a
estudios experimentales en los cuales la relación de causalidad es bien definida. Cuando
se trata de estudios no experimentales, se prefiere utilizar los términos variable criterio
y variable predictora.
Hipótesis Nulas (Ho):
Son proposiciones acerca de la relación entre variables planteadas de manera que niegan
o refutan lo que afirman las hipótesis de investigación. De este modo, existen tantas
hipótesis nulas como hipótesis de investigación que niegan a hipótesis: descriptivas, de
una variable, de correlación, de diferencia entre grupos, y de causalidad. Las hipótesis
nulas se simbolizan como Ho. Nos dicen que no existen diferencias significativas entre
las variables o grupos, es decir: si esta diferencia es significativa, y si no se debió al
azar. Es una hipótesis para la inferencia estadística y se formula con el propósito de ser
rechazada.
Hipótesis Alternativas (Ha):
Solo se formulan cuando existen otras posibles explicaciones del fenómeno, adicionales
a las propuestas en las hipótesis de investigación y nula. Es la que intenta explicar el
fenómeno cuando rechazamos la hipótesis de trabajo (investigación) y cuando por
alguna razón no podemos aceptar la nula. Estas se simbolizan con Ha.
Hipótesis estadísticas:
Solo se formulan en estudios con enfoque cuantitativo. Son transformaciones de las
hipótesis de investigación, nulas y las alternas en símbolos estadísticos. Estas pueden
ser hipótesis estadísticas de estimación, de correlación y de diferencia de medias.
Para transformar una hipótesis de investigación en hipótesis estadística se debe hacer:
Analizar cuál es la estadística a que su hipótesis hace referencia ej. promedio.
Encontrar como se simboliza esa estadística ej. promedio x
Traducir la hipótesis de investigación a una forma estadística.
Ejemplos:
A. Estimación: se usan en hipótesis descriptivas de una variable que se observan en un
contexto. Ej. Hi: X > 90 Para una hipótesis de investigación descriptiva
B. de una variable que dice el promedio de la clase es mayor de 90. Se le antepone una
hipótesis nula que estadísticamente sería Ho: X = 90 y la hipótesis alternativa podría
representarse estadísticamente como: Ha: X < 90. Algunos investigadores
consideran las hipótesis de estimación como de diferencia dado que se evalúa la
diferencia entre un valor hipotético y uno observado en una sola muestra.
C. Correlación: El símbolo de correlación es "r" para dos variables y "R" para más de
dos variables. Hi: rxy 0 Significa que las variables X y Y están correlacionadas
dado que, de no ser asi, la correlación sería 0. Esta hipótesis de correlación tiene su
contraparte en la siguiente hipótesis estadística nula, la cual niega la correlación:
Ho: rxy =0 Significa que la correlación entre X y Y es cero es decir, no existe. Otro
ejemplo: Hi : Rxyz 0 ,significa que las variables X,Y Z están correlacionadas, Ho :
R xyz = 0 , significa que no hay correlación entre las variables X,Y,Z.
D. Diferencia: (entre grupos o sujetos a partir de una misma medida o estadígrafo:
media, mediana, rango, porcentajes). Supóngase la hipótesis de investigación que
dice que los porcentajes de individuos que prefieren una loción en particular difieren
según el nivel académico (3 niveles). Hi: %1 %2 %3, significa que los
porcentajes son diferentes y la hipótesis estadística nula sería: Ho: %1 = %2 = %3
es decir, no hay diferencia entre los porcentajes de los grupos constituidos por los
niveles académicos. Siendo que en ocasiones es difícil determinar el valor que
puede manifestar una variable, los estudios descriptivos no suelen contener
hipótesis, así como no deben usarse en estudio exploratorios siendo que no se puede
presuponer algo que apenas se comienza a conocer. En estos casos lo que procede es
trabajar con objetivos debidamente declarados.
Estructura de las Hipótesis
Las hipótesis contienen tres elementos estructurales que son:
Las unidades de análisis o de observación. A saber, individuos, instituciones,
conglomerados.
Las variables. Son los atributos, características, o propiedades cualitativas o
cuantitativas que manifiestan en las unidades de observación.
El enlace lógico o término de relación. Que describe la relación existente entre las
unidades de análisis con las variables y de éstas entre sí.
En la hipótesis: "a mayor satisfacción entre la pareja, menor la frecuencia de infidelidad
conyugal", las unidades de observación son las parejas, las variables: satisfacción e
infidelidad conyugal, el término de relación: a mayor...menor frecuencia.
La Operacionalización de las Variables y las Hipótesis
La selección o elaboración del instrumento para la recolección de datos u observación
es otro aspecto crítico en el planeamiento de una investigación. Una vez más se destaca
la importancia del material contenido en la revisión de literatura, del cual procederán los
criterios que conducen a la adopción de un instrumento o a la elaboración del mismo.
Es oportuno recordar que el instrumento tiene sentido en la medida como permita
recoger información relevante para dar respuesta a las preguntas contenidas en el
problema y por consecuencia para probar las hipótesis propuestas. Esto significa que
debe existir una estrecha relación entre las preguntas que definen el problema, las
hipótesis y las preguntas que constituyen el instrumento para recoger la información.
El proceso por medio del cual se transfiere el problema desde su nivel abstracto hasta el
terreno de los hechos implica la operacionalización de las hipótesis las cuales son el
puente que une la teoría con la realidad estudiada. Esta actividad no solo conduce a la
elaboración del instrumento sino que permite las condiciones para determinar el nivel de
medición de las variables y las técnicas estadísticas apropiadas para el análisis de los
datos y la prueba de las hipótesis, aspectos que no deben quedar fuera de la planeación
de la investigación.
Es muy común encontrar investigadores que después haber aplicado sus instrumentos es
que recurren a una asesoría estadística para improvisar los procesos de análisis de datos.
Conviene señalar que para un profesional de la estadística, no es de ninguna manera
complicada hacer uso de los datos que se le proveen. Pero eso no garantiza que el
estudio que se realiza corresponde al problema que se estudia o que los datos que han
sido analizados son los que se requieren para dar respuesta a las preguntas planteadas.
Como tampoco garantiza que se puedan hacer las pruebas y los análisis que mejor
convienen dado que estos dependerán de factores tales como las características de las
variables, el nivel de medición, la forma como se seleccionó la muestra, los procesos
que se siguieron en la aplicación de los instrumentos, etc. Lo que se quiere resaltar es
que el diseño estadístico de la investigación no debe improvisarse al final del proceso
sino que debe ser considerado desde el momento en que se plantea el problema.
Respecto a esta actividad tan importante en la investigación, Rojas (1981) se expresa en
los siguientes términos: Para tener éxito en probar una hipótesis, se requiere trabajar con
datos extraídos directamente de la realidad social objeto de estudio; hay que
operacionalizar las hipótesis conceptuales con el fin de descender el nivel de abstracción
de las variables y poder manejar sus referentes empíricos. Cada una de las variables se
desglosará, a través de un proceso de deducción lógica, en indicadores que representan
ámbitos específicos de las variables y se encuentran en un nivel de abstracción
intermedio. Los indicadores pueden medirse mediante operaciones (índices) o
investigarse por medio de ítems o preguntas que se incluirán en los instrumentos para
recopilar la información ( cuestionarios, cédula de entrevista, guía de investigación). De
esta forma se podrá recoger datos útiles y suficientes para probar las hipótesis
establecidas. A este proceso de operacionalización se le conoce también como
deducción de consecuencias verificables, ya que serán las relaciones entre los
indicadores, las que se sometan a verificación empírica. En este proceso el investigador
debe tener cuidado en la selección de los indicadores, aceptando sólo aquellos que,
después de una análisis crítico, midan efectivamente las variables en cuestión.
Variables y Constructos
Según Kerlinger (1988) los términos concepto y constructo tienen significados similares
aunque existe una diferencia importante. El concepto expresa una abstracción formada
por generalizaciones sustraídas de casos particulares (peso expresa numerosas
observaciones y cosas que son más o menos pesadas) sin embargo aunque un constructo
es una concepto, tiene un sentido adicional, el de haber sido inventado o adoptado de
manera deliberada y consciente para un propósito científico especial. Inteligencia es un
concepto resultante de la observación de conductas consideradas como inteligentes o no
inteligentes pero como constructo científico que pretende expresar una variedad de
conductas, puede significar más y menos de lo que puede significar como concepto.
Los científicos llaman vagamente variables a los constructos o propiedades que
estudian, y es una propiedad que adquiere distintos valores, es un símbolo con valores
numerales asignados. Las variables pueden asumir cualquier conjunto de valores
justificables, continuas, o pueden tener solamente dos valores: son dicótomas y se
caracterizan por la presencia o ausencia de una propiedad: maestro-no maestro,
femenino-masculino, vivo-muerto. Algunas son politomías como es la nacionalidad.
Existen diversas formas de clasificar las variables entre las que se mencionan:
De acuerdo al lugar que ocupa dentro de una relación entre variables: Dependiente o
efecto o condicionada (criterio), independiente o causal o experimental
(predictora). Una es consecuente y la otra antecedente; interviniente o extraña o
intercurrente o interferente es aquella que coparticipa con la variable independiente
condicionando a la variable dependiente.
Variables independientes Activas las que puede manipular el investigador y
variables independientes atributivas, no son manipulables, ej. edad, sexo, talla.
Continuas y categóricas. Una puede asumir un conjunto ordenado de valores dentro
de cierto rango, la otra ubica los sujetos dentro de subconjuntos: dicótomas o
polítomas.
Por su naturaleza: variables cualitativas y cuantitativas, las cualitativas son
categóricas y las cuantitativas son continuas y discontinuas o discretas.
Implicadas y No implicadas intervinientes: las primeras están formuladas
expresamente dentro de la hipótesis científica y las segundas no están expresadas
dentro de la hipótesis pero es necesario tenerlas en cuenta para explicar mejor el
problema de investigación.
Según su función en la investigación ( Tuckman ,1978) considera 5 tipos de
variables :
o Moderadora: es una variable independiente secundaria seleccionada para
determinar si afecta la relación entre la variable independiente principal y
las variables dependientes.
o De Control: son aquellas cuyos efectos deben ser controlados o
neutralizados por el experimentador.
o Interviniente: es aquel factor que teóricamente afecta el fenómeno
observado pero que no puede ser visto, medido o manipulado: sus efectos
deben ser inferidos a partir de los efectos de las variables independientes
y moderadora sobre el fenómeno observado.
o Independiente: puede ser manipulada en sus valores en un estudio
experimental.
o Dependiente: es la variable que resulta afectada por la variable
independiente, suele ser aquella que el investigador está interesado en
comprender, explicar o predecir.
o Según su grado de abstracción: variables generales, intermedias y
empíricas o indicadores.
Escalas de medición de las Variables:
o Escala Nominal: comprende la distinción de diversas categorías como
elementos sin simplificar ningún orden entre ellas.
o Escala ordinal: implica orden entre sus categorías, pero no grados de
distancia iguales entre ellas
o Escala de Intervalo: suponen a la vez orden y grados de distancia iguales
entre las diversas categorías, pero no tienen origen natural sino
convencional.
o Escala de razón: comprende los aspectos de distinción, orden, distancia y
origen único natural.
Esta clasificación es importante a efectos del análisis estadístico de los
resultados obtenidos en la investigación.
OPERACIONALIZACIÓN DE VARIABLES:
La operacionalización de variables es el procedimiento que tiende a pasar de las
variables generales a las intermedias y de éstas a los indicadores, con el objeto de
transformar las variables primeras de generales en directamente observables e
inmediatamente operativas. Esta transformación permite estudiar las variables generales
referentes a hechos no medibles directamente y llevar a cabo la investigación propuesta
sobre ellas.
La operacionalización de las variables permitirá diseñar los instrumentos para recopilar
la información que se utilizará en la prueba de hipótesis. Para esto, es necesario cruzar o
relacionar las preguntas de los indicadores independientes con aquellas de los
indicadores dependientes; al quedar probada esta relación se estará probando
automáticamente la hipótesis conceptual.
El procedimiento de Operacionalización de la variable ha sido desarrollado por Paúl F.
Lazarsfed, que distingue las siguientes fases:
1.- Representación del concepto de la variable, de modo que resulten
expresados en una noción teórica los rasgos principales que presenta en
la realidad.
2.- Especificación del concepto hallado o sea análisis de los aspectos y
dimensiones de interés práctico, implicados en la representación del
concepto de la variable o derivados empíricamente de la estructura de sus
interrelaciones.
3.- Elección de Indicadores o de circunstancias empíricas concretas que sean
signos de la mayor o menor extensión que alcanza la dimensión en
cuestión en las unidades de observación investigadas.
4.- Construcción de índices: que agrupe en una medida común todos los
indicadores referentes a una dimensión mediante la asignación de un
peso o valor a cada uno de ellos de acuerdo con su importancia.
En síntesis para operacionalizar una variable:
A continuación un ejemplo de la operacionalización de una variable. Se trata de cuatro
columnas la primera identifica la variable por su nombre, la segunda nos dice ¿qué es?
cómo se define conceptualmente, la tercera columna nos da la respuesta a la pregunta
¿cómo se observa esta variable? y contiene los indicadores de la misma. Un indicador es
una subvariable que se desprende con el propósito de medirla. La cuarta columna nos
responde la pregunta ¿cómo se mide? (suponiendo que se trata de una variable medible).
Existen dos tipos de definiciones operacionales: de medida la cual describe la forma
como una variable será medida y la experimental que explica los detalles operacionales
de las manipulaciones de un experimentador con una variable (ej. el reforzamiento
puede ser definido dando los detalles de cómo los sujetos deben ser o no reforzados por
un comportamiento específico).
Se define la variable
Se deducen dimen-
siones o variables
Intermedias Se buscan indica-
dores de cada di-
mención Se forma un índice
La definición operacional permite conocer con claridad el nivel de medición de la
variable (Nominal, ordinal, escalar o de razón). La definición operacional de un
concepto es la especificación de operaciones que el investigador deberá realizar a
fin de obtener la información requerida.
Nombre de la variable Definición conceptual Definición instrumental Definición Operacional
GRADO DE
SATISFACCIÓN
MATRIMONIAL
Nivel de contenta-miento
dentro de la relación
marital según lo expresa
la persona Respecto a
roles igualitarios,
Sexualidad, evitación de
conflictos, expresión de
afecto, decisiones
financieras.
Se pregunta a cada
persona por su grado de
acuerdo o Desacuerdo
respecto a siete
declaraciones en el
contexto de su relación de
pareja.
La persona indicará una
de las siguientes
respuestas:
4. Totalmente de acuerdo
3. Parcialmente de
acuerdo
2. Ni de acuerdo ni en
desacuerdo
1. Parcialmente en
desacuerdo.
0. Totalmente en
desacuerdo
A. Me agradan los
hábitos de mi cónyuge.
B. Me satisface la forma
como cada uno asume su
rol como padre.
C. Me siento satisfecho
(a) con la forma como
resolvemos Nuestras
diferencias.
D. Me agrada la forma
como participamos en las
decisiones financieras.
E. Las expresiones de
cariño entre nosotros son
satisfactorias.
F. Mantenemos muy
buena comunicación.
Para determinar el grado
de satisfacción se
sumarán los valores que
corresponden a la
respuesta que la persona
seleccionó para cada
declaración presentada.
Esto significa que si la
persona contestó en todas
las preguntas un total
descuerdo, la suma de sus
respuesta sería cero y en
el caso de la persona que
contesta total acuerdo
ante todas las
declaraciones obtendría
un total de 24 puntos.
Resultando así una escala
de 0 hasta 24 puntos
como grado de
satisfacción matrimonial.
Se supone que es una
escala de intervalos
exactos.
Los indicadores son instrumentos, no operan por sí mismos; ellos indican o sirven para
indicar, y no más y esta indicación la hacen desde el campo ideológico y desde la escala
de valores del científico que elabora los indicadores.
Otra forma de operacionalizar las variables en forma práctica es la siguiente:
1.- Definición conceptual de la variable, se debe citar al autor de la definición si no es
propia..
2.- Naturaleza de la variable o tipo de variable: cualitativa o categórica y cuantitativa.
3.- Escala de medición: nominal, ordinal, de intervalo, de razón.
4.- Forma de medición: directa o indirecta (se usan indicadores si es indirecta).
5.- Indicadores de medición (si es indirecta).
6.- Instrumentos y Procedimiento de medición
7.- Expresión final de la variable o valores finales de la variable
La Definición Operacional se realizará tomando como criterio: la expresión final de la
variable, los indicadores , y procedimiento e instrumento de medición.
variabl
e
Definición
conceptua
l
Naturalez
a
de la
variable
Escala
de
medició
n
Forma
de
medició
n
indicadore
s
Instrumento y
Procedimient
o
de medición
Expresió
n
Final de
variable
Definición
operacional
desnutri
ción
Estado ca-
rencial de
nutrientes
necesarios
para la
conserva-
ción de la
salud
Cualitativa
ó
categórica
ordinal
indirecta
- Peso
- Talla
- Circunfe-
rencia
braquial
- índice de
masa
corporal
-Balanza con
tallímetro
-cinta métrica
se ha´ran las
mediciones en
ayunas y
desnudo
-desnutri-
ción leve
de 20-60%
de la
norma
-desnutri-
ción mo-
derada de
60-80% de
la norma
-desnutri-
ción gra-
ve ≤ 60%
de la
norma
La variable
desnutrición
se expresará
como leve,
moderada y
grave uti-
lizando como
indicadores el
peso, la talla,
circunferenci
a braquial y
el índice de
masa corpo-
ral mediante
la medición
en ayunas
utilizando el
tallímetro, la
balanza y una
cinta métrica
flexible.
La Prueba de Hipótesis
No se puede probar que una hipótesis es verdadera o falsa, sino argumentar que fue
apoyada o no de acuerdo con ciertos datos obtenidos en la investigación. Cuantas más
investigaciones apoyen una hipótesis, tendrá más credibilidad y será válida para el
contexto ( lugar, tiempo sujeto u objeto) en que se comprobó. Las hipótesis en el
enfoque cuantitativo se someten a prueba en la realidad aplicando un diseño de
investigación, recolectando datos a través de uno o varios instrumentos de medición y
analizando e interpretando los datos. No siempre los datos apoyan la hipótesis, lo
importante es analizar porqué no se aportó evidencia a favor de la hipótesis y contribuir
al fenómeno que se esta investigando, la prueba de " hipótesis falsas"(que no recibieron
evidencia empírica) resulta útil si dirige la atención del investigador o de otros
científicos a factores o relaciones insospechadas que de alguna manera ayudarían a
resolver el problema.
DISEÑO METODOLOGICO ó MATERIAL Y METODO
Plantea cómo se va a realizar la investigación, depende del problema de investigación formulado, sus objetivos y de la hipótesis científica a contrastar.
TIPOS DE ESTUDIO:
1.- Según el periodo en que se capta la información:
1.1 Retrospectivos cuando la información se captó anterior a la planeación. 1.2 Prospectivos: cuando la información se capta después de la planeación.
2.- Según la evolución del fenómeno estudiado:
2.1 Estudios longitudinales: cuando las variables se miden en dos o más ocasiones, corresponde a los estudios experimentales y observacionales analíticos tipo cohorte o estudios de tendencias, cuando las características se describen a lo largo de un tiempo prolongado.
2.2 Estudios Transversales o de corte transversal: cuando las variables se miden en una sola oportunidad y en un solo momento.
3. Según los objetivos de la Investigación:
3.1 ESTUDIOS EXPLORATORIOS: cuando examinan y estudian un problema o situación poco conocida.
3.1.1 E. Descriptivos: cuando miden, describen como se manifiesta un fenómeno y sus componentes, inicia la recopilación y presentación sistemática de datos para dar una idea clara de una determinada situación. Variantes de este tipo son los survey research que recolecta información específica de acuerdo a objetivos específicos previamente definidos o solución de diferentes problemas que se basan en las opiniones de la comunidad , de prevalencia simple , los de exploración diagnóstica, los de evaluación de un servicio, de un programa de salud, la investigación descriptiva comparativa que parte de la consideración de dos
o más investigaciones descriptivas simples con respecto a un mismo fenómeno y luego caracterizar este fenómeno en base a la comparación de los datos recogidos. Se esquematizan con el siguiente diagrama:
Estudio de conjunto o survey research :
M __ X1 __ X 2 __Xn ___ O
ACTIVIDAD:
Elabore y redacte las hipótesis correspondientes a su problema de investigación. (De
investigación, nulas, alternativas y estadísticas, según proceda en su caso).
Identifique las variables de su problema o hipótesis de investigación, operacionalice
cada variable. Defina operacionalmente cada variable de estudio.
Descriptivo simple : M O
Descriptivo comparativo: M1 O1
M2 O2
M3 O3
M4 O4
O1 ≌ O2 ≌ O3 ≌ O4
3. 1.2 E. Correlaciónales: se orienta a la determinación del grado de relación o
asociación existente entre dos o más variables de interés en una misma muestra de
sujetos o el grado de relación existente entre dos fenómenos o eventos observados.
Este tipo de estudio nos permite establecer en qué medida las variaciones de una
variable o evento están asociados con las variaciones en la otra variable u otras
variables o eventos. Un diagrama del estudio sería el siguiente:
Ox
r
M Oy
r
Oz
3.1.3 E. Explicativos o Analíticos: se intentan establecer las probables causas o
los factores de riesgo de determinados problemas. Esto se hace comparando dos o
más grupos, algunos de los cuales experimentan o están a punto de experimentar
el problema y otros a los que no afecta. Con este tipo de estudio se permite
establecer relación entre variables observadas pero nunca se llega a determinar la
causa con base en los resultados obtenidos.
3.1.3.1 Estudios de casos controles o de casos y testigos: el investigador
compara un grupo en el que esta presente el problema con otro grupo
denominado control o grupo de comparación en el que no se presenta el
problema para descubrir los factores que contribuyen al problema, es un
estudio retrospectivo.
El diagrama sería:
Casos M1 O1 XYZ
Controles M2 O2 XYZ
Este diseño permite estudiar enfermedades raras, tomando muestras menores a
los estudios de cohortes y con menores costos, evalúa factores de riesgo y
aunque no prueba causalidad, sí proporciona evidencias de asociación causal
que garantiza intervenciones de salud para reducir la exposición al factor de
riesgo. El investigador selecciona entre las personas que han desarrollado la
enfermedad de interés – los casos incidentes - y los controles entre las
personas que no la tienen, luego mide la frecuencia de los posibles factores de
riesgo entre los casos y entre los controles; se debe definir la población fuente
de los casos incidentes, de donde también se seleccionan los controles para
obtener muestras representativas que sirve para controlar sesgos y obtener datos
válidos que permitan establecer inferencias y obtener conclusiones correctas y
cada factor de riesgo se estudia independientemente. El tamaño muestral se
determina de acuerdo con las necesidades del estudio y la incidencia o
prevalencia de la enfermedad en cuestión. Los estudios de casos y controles
pueden ser apareados en que se fuerza al grupo control a ser igual al grupo de
los casos con respecto a factores de riesgo, disminuyendo la posibilidad de
afectar la comparación de los resultados y se requiere establecer igualdad entre
cada caso y su control en las variables conocidas como variables de confusión,
las cuales si no se controlan pueden influir aumentando o disminuyendo al
fuerza de asociación entre las variables independientes y dependientes. Estas
variables confusoras pueden representar otro factor de riesgo o estar asociados
al factor de riesgo del estudio, pero no ser consecuencia de la exposición a éste
e independientemente estar asociado a la enfermedad. Cuando existen variables
de confusión o factores de riesgo no comprobados es recomendable establecer
pareamiento por subgrupos, de acuerdo con cada una de las variables de
confusión o posibles factores de riesgo; cada subgrupo presenta la misma
proporción de casos y controles. El apareamiento entre el caso y el control se
puede hacer de 1:1, 1:2, raramente excede 1:4. Las entrevistas y los
cuestionarios son los instrumentos más utilizados para determinar la exposición
al riesgo, y se debe realizar por el mismo medio en los casos y en los controles.
Los resultados se presentan resumidos aplicando las proporciones, porcentajes y
otras medidas de estadística descriptiva de acuerdo al tipo de dato; en segunda
instancia se calcula un estimativo del riesgo relativo para muestras pareadas o
no pareadas denominado Odds ratio o razón de desigualdades o productos de
momios y se establecen los intervalos de confianza que permiten determinar la
asociación entre cada factor de riesgo y la enfermedad estudiada, el valor del X2
, y el valor de p; generalmente se trabaja con un error α≤ 0.05. e intervalo de
confianza de 95%.
El análisis estadístico depende si el diseño fue apareado o no apareado. El
diseño sin pareamiento utilizan la tabla tetracórica de cuatro casillas:
Casos controles Total
Riesgo
Expuesto
No
expuesto
a b
c d
Total: A + C B + D = A+B+C+D
La probabilidad de casos expuestos = a / (a + c)
a / ( a + c) a
La exposición no esperada de casos = -------------- = --------
c / ( a + c) c
La exposición no esperada de los casos representa la probabilidad de un caso
expuesto dividida por la probabilidad de un caso no expuesto.
b / ( b + d) b
La exposición no esperada de los controles = ------------------- = ---------
d / ( b + d) d
La exposición no esperada de los casos dividida por la exposición no esperada
de los controles representa la RD (razón de desigualdades) ú ODDS RATIO
(OR) o riesgo relativo indirecto :
a . d
OR = --------
b . c
Cuando los casos incidentes y los controles se seleccionan independientemente
de la misma población, el OR representa un estimativo válido del Riesgo
Relativo (RR). Un estudio bien diseñado de casos y controles ofrece una
medida no sesgada de asociación entre la exposición al riesgo y la incidencia de
la enfermedad. Un OR de 1 significa que no hay asociación, si es superior a 1
decimos que existe asociación positiva entre la exposición y la enfermedad, se
dice que es significativo cuando el valor de OR es de 2 ó más. Si el OR es
menor que 1 decimos que hay asociación negativa.
Cuando el Diseño del caso control es Pareado el análisis debe explicar y por
cada caso se usa un control (1: 1) el resumen de los casos se muestra en el
formato siguiente: cada entrada del cuadro no representa a un solo sujeto sino a
dos (par caso control igualado), cada par puede clasificarse en una de cuatro
combinaciones básicas del grado de exposición:
A ----. Tanto caso como control se han expuesto.
B ----- El caso se ha expuesto pero no el control
C ----- El caso sin exponer, pero el control expuesto.
D ----- tanto caso como control sin exponer.
Controles
+ -
Expuesto no expuesto Total
Casos
Expuesto
+
NO ex Puesto
a b
c d
Total: A + C B + D = A+B+C+D= N
p ± 1.96 A + B
Proporción de casos expuestos = ----------
N
A + C
Proporción de controles expuestos = ----------
N
B - C
La diferencia de casos y controles = -----------
N
Los pares caso control que entran en la celda A y D se designan pares
concordantes debido a que tienen igual grado de exposición el caso y el control.
Los pares caso control que entran a las celdas B ,C se designan pares
discordantes dado que el estado de exposición de casos y controles en estos
pares es diferente. La discordancia entonces se da en los pares B y C, en los
que se puede realizar el análisis. El OR para un estudio de caso control con
pares igualadas se obtiene por una proporción simple: B
OR = ------ C
Se puede realizar el cálculo del X2
para N = B +C según la ecuación de Mc
Nemar :
[ ( B – C) – 1 ]2 X2 = -------------------------- =
N
El Intervalo de confianza se calcularía: OR ± 1.96 √ X2
La probabilidad de los casos expuestos en relación con los pares discordantes
expuestas es p = B / ( B + C) , lo cual en términos de la relación de opuestos :
OR
P = -----------------
( 1 + OR )
3.1.3.2 Estudios de Cohortes :
Una cohorte es un grupo de personas con una característica o grupo de
características comunes. El estudio de cohortes es la investigación prospectiva
de factores que podrían causar una alteración. Se compara un grupo de
individuos que está expuesto a un factor de riesgo ( grupo de estudio) con un
grupo de individuos que no esté expuesto al factor de riesgo ( grupo control), así
el investigador identifica una población y determina sus características
iniciales(estado de exposición) que constituirá el grupo de estudio, pero las
características básicas de las personas expuestas no deberán diferir
sistemáticamente de las personas no expuestas, excepto para la exposición de
interés y la población de los no expuestos deberá seleccionarse de la misma
población fuente u otra comparable que las del grupo expuesto. El investigador
vigila a ambos grupos en el transcurso del tiempo y compara la presencia del
problema, que espera esté relacionado con el factor de riesgo, en ambos grupos,
para determinar si en realidad está afectada con el problema una mayor
proporción de los que tienen el factor de riesgo . Tanto el grupo expuesto como
los no expuestos deben estar exentos del problema que interesa al comienzo del
estudio y tener una susceptibilidad igual al desarrollo del mismo durante el
curso del estudio. Si algunos sujetos padecen ya del problema antes de iniciar el
estudio, la relación temporal entre exposición y enfermedad no será posible
demostrarla. El grado de exposición puede diferir dependiendo de los objetivos
del estudio, en algunos estudios solo se les clasifica como expuestos y no
expuestos; otros estudios contemplan un espectro de grados de exposición, ej.
calificaciones del Apgar como un indicador de asfixia neonatal, en este caso
puede tomarse la variable de exposición graduada y transformarla como una
exposición categórica dividiendo a los sujetos en grupos a partir de un punto de
corte, y puede seleccionarse de varias maneras en función del valor del punto
de corte escogido. Cuando la exposición puede categorizarse en múltiples
niveles o gradaciones, los investigadores pueden determinar si existe una
relación entre la dosis de exposición y la respuesta. El grupo no expuesto debe
estar accesible para entrar al estudio y para el seguimiento, y deberá lograrse
una comparación uniforme con el grupo expuesto, además los grupos expuestos
y no expuestos deben escogerse en periodos similares. Si un sujeto
originalmente satisface los criterios para ser incluido en un estudio de cohortes,
sufre un cambio en el estado de exposición durante la vigilancia a lo largo del
proceso, este sujeto no deberá ser excluido del análisis subsiguiente porque
puede conducir a una conclusión sesgada. El diseño de Cohortes es un estudio
longitudinal y el diagrama sería:
T1 T2 T3 T4
Cohorte de estudio M1 O1 O2 O3 On
Cohorte de control M2 O1 O2 O3 On
Los estudios de cohortes son de dos tipos: concurrentes y no concurrentes ( o
históricos). Los estudios de cohortes concurrentes siguen la evolución de los
pacientes durante largos periodos, por lo que son caros y requieren demasiado
tiempo para su culminación. Los estudios de cohortes no concurrentes son
aquellos que utilizan datos fiables de épocas anteriores sobre la ausencia o
presencia de las características estudiadas y la asignación de los individuos a los
grupos se lleva a cabo a partir de los datos del pasado; después de la asignación
el investigador puede investigar si la enfermedad o el evento se desarrolló
posteriormente. Es un estudio retro-prospectivo
Los resultados de un estudio de cohortes pueden analizarse de varias maneras:
Enfermedad
SI NO Total
exposición
SI
a b
A + B
C + D
NO
c d
Total (A + C) (B + D) = A+B+C+D
La definición de las celdas es la siguiente:
A = número de individuos que están expuestos y tienen la enfermedad
B = número de individuos que están expuestos y no tienen la enfermedad
C = número de individuos que no están expuestos y tienen la enfermedad
D = número de individuos que no están expuestos y no tienen enfermedad
Y de las celdas marginales se obtiene:
a + b = número total de individuos expuestos
c + d = número total de individuos no expuestos
a + c número total de individuos con la enfermedad
b + d = número total de individuos sin la enfermedad.
Ie = a / ( a + b ) Incidencia de los expuestos.
I o = c / ( c + d) Incidencia de los no expuestos.
Ie a / ( a + b )
RR = ----------- = -----------------
I o c / ( c + d)
El RR ( riesgo relativo) : cuantifica la magnitud de una asociación entre
exposición y enfermedad e indica la probabilidad de desarrollar la
enfermedad en el grupo expuesto en relación al grupo no expuesto. El
cociente resultante expresa el riesgo relativo de enfermar cuando la
exposición esté presente; es decir , cuantas veces más ( o menos) tienen
chance de enfermar aquellos que están expuestos al factor de estudio en
comparación con “el riesgo estándar” que tienen aquellos que no están
expuestos. Es pues una probabilidad de presentar la enfermedad dado que
exista la exposición.
El RR = 1 indica que las tasas de incidencia de enfermedad entre los
expuestos y los no expuestos son idénticas y no existe asociación observada
entre exposición y enfermedad. Un valor mayor a 1 indica asociación
positiva, es decir un riesgo incrementado entre los expuestos a un factor
denominado “factor de riesgo “. Un riesgo relativo menor a 1 indica una
asociación negativa o inversa, un riesgo disminuido al factor, en tal caso
dicho factor se denomina “factor de protección”.
Valores de RR y su interpretación:
0.0 – 0.5 = factor de protección eficaz
0.6 – 0.8 = cierto beneficio
0.9 - 1.1 = no significativo
1.2 - 1.6 = riesgo débil
1.7 - 2.5 = riesgo moderado
de 2.5 = riesgo fuerte
El Riesgo Atribuible (RA): o Diferencia de Riesgos, es una medida de
asociación que proporciona información acerca del efecto absoluto de la
exposición o exceso de riesgo de enfermedad en los individuos expuestos al
factor de comparación con aquellos no expuesto. Si existe una asociación causal
entre exposición y enfermedad y el riesgo atribuible es mayor a cero, éste valor
indicará el número de casos de la enfermedad entre los expuestos que pudiera
ser evitado si la exposición fuese eliminada; así el riesgo atribuible puede ser
útil como medida del impacto que en salud pública tiene una exposición. Se
define por la diferencia de las tasas de incidencias de enfermedad en los
expuestos y los no expuestos, es usado para cuantificar el riesgo de enfermedad
en el grupo expuesto que puede ser considerado atribuible a la exposición,
removiendo el riesgo de enfermedad que pudo haber ocurrido de cualquier
modo debido a otras causas ( que es el riesgo de enfermar en los no
expuestos)se calcula de la siguiente manera:
RA = Ie - Io = [ a / ( a + b) ] - [ c / ( c + d) ]
El Riesgo Atribuible Porcentual ( RA %) , es llamado también Fracción
Etiológica ( FE), es el mismo riesgo atribuible expresado en porcentaje y
expresa la proporción de enfermedad entre los expuestos que es atribuible a la
exposición o la proporción de la enfermedad que puede ser prevenida en el
grupo expuesto si se elimina la exposición. El RA% es calculado por la
división del riesgo atribuible entre la tasa de incidencia de los expuestos.
Ie - Io [ a / ( a + b) ] - [ c / ( c + d ) ] RA% = ----------------- x 100 = -------------------------------------------- x 100
Ie [ a / ( a + b) ]
Proporción de Tasas: En un estudio de Cohortes el resultado medido puede ser
una tasa de incidencia (o de mortalidad) más que un riesgo. La proporción de
tasas se deriva:
Tasa de resultados entre personas expuestas A / PT ( expuestos)
Proporción de tasas = --------------------------------------------------------------- = -------------------------
-
Tasa de resultados entre personas no expuestas B / PT ( no expuestos)
La magnitud de la proporción de tasas se interpreta de la misma manera que el
RR ( o la proporción de riesgos) : <1 = efecto protector, 1 = sin efecto, >1
efecto nocivo de la exposición; entre más lejos se encuentre el valor nulo, más
fuerte será la relación entre exposición y tasa de resultado.
Formato para el resumen de datos de tasas en un estudio de cohortes
Personas expuestas
Personas no
expuestas
Total
Número de
resultados
A B A + B
Persona–tiempo
( PT)
PT ( expues-
tos) PT ( no ex-
Puestos ) PT ( total)
3.1.3.3 Estudios Analíticos Psicosociales: comprende los estudios
preexperimentales y ex post facto, son aplicables a ciencias de la salud.,
los ex post facto corresponden a los estudios epidemiológicos
denominados casos sin controles, casos y controles y de cohortes. Los
estudios ex post facto pueden ser retrospectivos y prospectivos. Los
estudios Preexperimentales se justifican cuando no es posible realizar un
verdadero experimento. El diagrama de un diseño preexperimental es así:
Grupo experimental __X1, X2, _____________ O1 ,O2
Se selecciona un solo grupo denominado experimental, al cual se aplica el
tratamiento _X1 , X2 _ y se realizan observaciones periódicas que faciliten
al observador definir operacionalmente a las variables dependientes,
determinar las variables que se deben controlar y sistematizar, la
manipulación de las variables experimentales – tratamiento- para su
aplicación posterior. No se usa grupo de control ni se seleccionan los
sujetos de estudio en forma probabilística, no permite establecer relaciones
causales, hay restricción de validez interna y externa de los diseños.
3.1.3.4 Estudio de Casos clínicos : La investigación en salud utiliza el
estudio de casos clínicos cuando en forma sistemática recolecta
información acerca de la causa del problema o enfermedad, medio
ambiente, tratamiento, evolución y pronóstico del daño en una persona o
paciente; cuando la enfermedad es poco común no existe información
previa que permita hacer predicciones o comprobar nuevas hipótesis, es
necesario desarrollar teorías que sustenten los factores causales y
tratamientos para dar una respuesta al problema planteado. El estudio de
casos clínicos se aplica a diferentes situaciones o problemas, como la
descripción de aspectos de la historia natural de la enfermedad, la
respuesta de los pacientes a un procedimiento diagnóstico o terapéutico,
los aspectos de la enfermedad que refuerzan o niegan hipótesis causales,
los primeros casos de una enfermedad en particular o de un síndrome, las
asociaciones de enfermedades no comunes en uno o varios pacientes,
entre otros. Como ejemplo, Vernaza y Gómez informaron sobre 450 casos
de laparoscopia diagnóstica en los que se analizaron las indicaciones y
contraindicaciones del procedimiento y se describieron los diagnósticos
clínicos, así como los hallazgos según el diagnóstico y la morbilidad en
los pacientes sometidos al procedimiento. El diagrama general podría ser
así:
Grupo 1 _ X1 _ X2 _ X3 _ Xn _____ O
Tafur en base a los pasos del método científico describe 7 pasos
secuenciales en los diseños de casos clínicos:
1. Revisar la literatura partiendo del propósito y objetivos del estudio.
2. Definir el caso de acuerdo con la unificación de criterios diagnósticos de
la clasificación internacional adoptada por la OMS.
3. Definir las variables de estudio con relación a la persona, tiempo y lugar
que corresponde al triángulo epidemiológico empleado para toda clase de
estos estudios. De igual modo se deben tener en cuenta las variaciones del
proceso de la historia natural de la enfermedad como la triada ecológica –
agente, huésped, y medio ambiente, los signos y síntomas, la incapacidad,
las asociaciones con otras patologías y los niveles de prevención; también
se consideran variables de estudio las técnicas y los procedimientos
diagnósticos y terapéuticos correspondientes.
4. Es necesario especificar las fuentes de donde se toman los casos para el
estudio así como el periodo de recolección de la información.
5. de acuerdo con el tamaño de la muestra de estudio, al momento de
recolectar la información se utiliza un formato para unificar las variables a
recolectar, con criterios claros y precisos de unificación, sin necesidad de
hacer modificaciones durante la revisión de estos criterios.
6. Determinar el número de casos de acuerdo con el propósito y objetivo
de la investigación. La cantidad de casos no esta en relación con la calidad
del estudio. Independientemente del número de casos, se debe tener en
cuenta que el muestreo es no probabilístico y representan a la enfermedad
en la institución donde se estudian y no representan a la población.
7. Para el análisis de los datos se debe tener en cuenta la comparación con
estudios similares de otros sitios y el manejo estadístico de los datos,
además tener en cuenta la revisión de la literatura médica previamente
realizada y resaltar las similitudes y diferencias en base al propósito y
objetivos e la investigación.
3.2 ESTUDIOS EXPERIMENTALES :
Siguiendo A Campbell y Stanley (1973) en la investigación experimental los
diseños que con más frecuencia son usados, según el grado de control que se
tengan sobre las variables extrañas, se clasifican en: diseños pre-experimentales,
cuasi- experimentales y experimentales propiamente dichos.
3.2.1 DISEÑOS PRE-EXPERIMENTALES: Son aquellos estudios que no tienen la
capacidad de controlar adecuadamente los factores que influyen contra la validez
interna y la validez externa, son de tres tipos: Diseño de un grupo sólo después;
Diseño Pre-test, post test con un solo grupo ; Diseños de comparación estática o
Comparación de Grupos sólo después.
3.2.1.1 Diseño de un Grupo sólo después :
En este diseño se trabaja con un solo grupo de sujetos, se hace una
observación o medición (O) después del tratamiento (X) con la finalidad
de evaluar los efectos del tratamiento (variable experimental o
independiente). En este diseño no se usa grupo de control y no se conoce
información previa al tratamiento, por lo tanto el investigador no tiene
sustento real para asegurar que los cambios hayan sido producidos por la
manipulación de la variable independiente. Este diseño puede ser
esquematizado de la siguiente manera:
X O
3.2.1.2 Diseño Pre- test post test con un solo grupo :
Este diseño no usa grupo control, el investigador no puede tener certeza
que el posible cambio observado entre el pre y post test haya sido
producido realmente por el tratamiento experimental aún cuando existan
diferencias entre ambas mediciones ya que siempre va a existir la
probabilidad de que estas diferencias sean debidas a la influencia de otras
variables extrañas. Implica tres pasos por parte del investigador:
o Una medición previa e la variable dependiente a ser estudiada
(Pre- test).
o Aplicación de la variable independiente o experimental (X) a los
sujetos del grupo.
o Una nueva medición de l a variable dependiente en los sujetos
(post test).
Puede diagramarse de la siguiente manera:
O1 X O2
3.2.1.3 Diseños de Comparación de Grupos solo después o de Comparación
estática.
Este diseño hace uso del grupo de control, el mismo que no va a recibir el
tratamiento experimental (X). La referencia a comparación estática o
grupos intactos, es porque el investigador no selecciona los grupos sino
que éstos ya están formados. El diseño sigue los siguientes pasos:
o Determinación de los grupos de trabajo, y solo el grupo
experimental recibirá el tratamiento (X).
o En ambos grupos, luego del tratamiento, se mide la variable
dependiente seleccionada, para poder hacer las comparaciones
necesarias y extraer conclusiones. El diagrama corresponde :
X O1
-----------------------------------------
O2
El uso del grupo de control sirve como una fuente de comparación para
el grupo que sí recibe el tratamiento, controla en alguna medida las
variables extrañas, pero dado que los sujetos de cada grupo no han sido
seleccionados ni distribuidos en forma aleatoria (la línea quebrada
indica que los grupos son intactos o preformados) , nos es prácticamente
imposible asegurar que nuestros grupos son equivalente, lo que afecta la
validez interna. Además no se conoce como eran los grupos antes del
tratamiento.
3.2.2 DISEÑOS CUASI-EXPERIMENTALES:
Son sustancialmente más adecuados que los pre-experimentales ya que
controlan algunas aunque no todas las fuentes que amenazan la validez. Se
emplean en situaciones en las cuales es difícil o imposible el control
experimental riguroso; con este diseño no es posible controlar todas las
variables extrañas que puedan afectar el trabajo y se deben tener en cuenta
cuales son estos posibles factores no controlados al momento de la
interpretación de los resultados. Se parte de selección de muestra no
probabilística que dificulta la generalización de los resultados a otras
poblaciones, lugares y tiempos o se usa un grupo control no equivalente rd
lo cual dificulta controlar todas las debilidades de la validez interna, que
afecta los resultados y las conclusiones del estudio, por ello requiere el
análisis crítico de cada debilidad en forma independiente y en conjunto.
Utilizar en la experimentación el placebo con el grupo de control y el
doble ciego evita llegar a falsas conclusiones.
3.2.2.1 Diseños de Series de Tiempo.
Se dispone solo de un grupo de estudio. El investigador realiza
mediciones periódicas de la variable dependiente antes y después de la
aplicación del tratamiento(X). El diagrama es el siguiente:
O1 O2 O3 O4 X O5 O6 O7 O8
Este DISEÑO puede ser considerado como semejante a un diseño pre-
experimental de un grupo antes y después, pero la diferencia está en que
este diseño de series de tiempo implica varias mediciones pre-test y post
test. Se puede usar un grupo de control para controlar el sesgo historia.
3.2.2.2 Diseño de muestras equivalentes de tiempo :
Es semejante al de series de tiempo, pero es superior a él porque satisface
los requerimientos de control de los factores que afectan la validez interna
y controla el posible efecto del orden de los tratamientos. Se ejecuta en
forma semejante al de series temporales, salvo que en este diseño la
variable experimental (X1 ) es aplicada varias veces al grupo y su
aplicación se alterna con periodos de no aplicación (Xo ) o aplicación de
otra experiencia. El diagrama es:
X1 O1 X0 O2 X1 O3 X0 O4
Las comparaciones del promedio O1 y O3 con el promedio de O2 y O4
nos ofrece un resultado que tiene pocas probabilidades de estar afectado
por el sesgo historia y altamente improbable que una variable extraña
ocurra simultáneamente en cada presentación de la variable experimental
X1.
3.2.2.3 Diseño de dos grupos no equivalentes o con grupo control no
equivalente.
Consiste en que una vez que se dispone de los dos grupos (intactos no
aleatorizados) se debe evaluar en ambos la variable dependiente, luego a
uno de ellos se le aplica el tratamiento experimental y el otro sigue con las
tareas o actividades rutinarias. El diagrama es:
Grupo experimental O1 X O2
--------------------------------------------------
Grupo control O3 O4
Este diseño es similar al diseño experimental con grupo control pre y post
test , con la excepción de que los sujetos no han sido asignados
aleatoriamente a los grupos de trabajo, esto crea un sesgo de selección,
para superar este problema se procede a comparar los puntajes del pre test
de ambos grupos (O1 y O3) y los puntajes en las variables de control que
se consideren importantes : sexo, edad etc. si por este procedimiento se
verifica la equivalencia de los grupos, se estará también controlando los
posibles efectos que pudieran tener la maduración, historia,
instrumentación y medición.
3.2.2.4 Diseño Contrabalanceado :
Este diseño se usa con grupos intactos o no equivalentes o preformados
como por ej. sujetos pertenecientes a determinada clase social, a
determinado grupo de enfermedad etc. La característica de este diseño es
que todos los sujetos individualmente o grupos de sujetos pasan por las
diversas condiciones experimentales e decir por los diversos tratamientos
aleatorizados, estas condiciones experimentales representan diferentes
grados o valores de una variable independiente.
El diagrama es:
Replicaciones X1 X2 X3 X4
1 grupo A B C D
2 grupo C A D B
3 grupo B D A C
4 grupo D C B A
x x x x
Otra forma de diagrama del mismo diseño:
1ª sesión 2ª sesión 3ª sesión 4ª sesión
GRUPO A X1O X2O X3O X4O
GRUPO B X2O X4O X1O X3O
GRUPO C X3O X1O X4O X2O
GRUPO D X4O X3O X2O X1O
Los resultados se logran realizando mediciones para cada grupo y por cada
tratamiento, obteniéndose finalmente un promedio para todos los grupos
en un mismo tratamiento, el que luego se compara con los promedios en
los otros tratamientos para concluir cuál es el que nos ofrece los mejores
resultados de acuerdo a los objetivos del estudio. Este diseño supera las
debilidades de los diseños anteriores y no requiere grupo control, la
desventaja es que puede presentarse el efecto de transfeencia de un
tratamiento al siguiente y el posible aburrimiento o fatiga de los sujetos.
3.2.3 DISEÑOS EXPERIMENTALES PROPIAMENTE DICHOS.
Todo diseño experimental se basa en el conocimiento profundo del problema
o fenómeno de estudio, esto permite formular hipótesis alternas y determinar
presuntas causas, establecen relación de causa -efecto; si se establece la
relación de causalidad con dos o más variables independientes se denomina
multicausalidad , cuando hay más de una variable dependiente se llama de
efecto múltiple. El experimento se realiza en condiciones altamente
controladas, como sucede con las investigaciones de laboratorio o en el
medio circundante, denominada investigación de campo. La investigación
experimental permite el estudio y la medición de las variables independientes
y sus interacciones, como sucede en el estudio de problemas de mayor
complejidad. En la experimentación se puede manipular una o más variables
que se controlan según las condiciones específicas de la investigación.
Cuanto más reales sean las condiciones ambientales, las variables serán más
fuertes y contribuirán a aumentar la validez externa, lo que permitirá alcanzar
un mayor precisión con respecto a la generalización de resultados en
situaciones similares. El análisis de los factores de validez interna y externa
constituye parte esencial de todo diseño experimental, en el que dichos
factores determinan la rigurosidad del experimento, especialmente los
llamados factores de validez interna. Todo estudio experimental se somete al
análisis lógico de la ciencia, cuyo proceso esta constituido por cinco pasos
importantes:
Se examina la presencia de covariación o concomitancia de la
relación causal establecida entre la variable experimental y
dependiente, paso esencial para poder inferir causalidad y hacer
predicciones científicas. El investigador debe preguntarse si
realmente existe una relación causal entre las variables y cuál es la
dirección.
La validez de construcción causa – efecto se considera punto de
partida antes de analizar los factores de validez externa. La validez
externa se refiere a la capacidad de extrapolar los resultados a otras
poblaciones, lugares y tiempo.
Se habla de validez interna para referirse a la validez sobre una
predicción de relación causal entre una y otra variable en la que se
manipula la variable experimental y se miden los dos variables:
experimental y dependiente, por parte del investigador. La validez
interna se refiere al control riguroso de los ocho factores o
debilidades –threads - que representa la aproximación validad con la
cual se infiere la relación causal entre las dos variables causa efecto.
Estas debilidades se controlan con los diseños experimentales
verdaderos y no con los cuasi experimentales. Estos factores o
debilidades según Campbell y Stanley son:
o Historia: cuando el efecto observado por la manipulación de
la variable independiente puede deberse a un evento ocurrido
entre las mediciones del pre-test y post test.
o Maduración : cuando entre el pretest y post test los
respondientes incrementan otras características relacionadas
como talla, edad fuerza, información, conocimiento,
experiencia y dicha maduración es diferente de la alcanzada
por el tratamiento experimental.
o Pruebas: se debe a la familiaridad alcanzada por más de una
respuesta al test. Esto aumenta el rendimiento o ejecución
porque las respuestas erradas en el pretest se recuerdan
fácilmente en el post test.
o Instrumentación: se debe a las variaciones con sucesivas
aplicaciones de la prueba entre el pretest y varios post tests y
no por efecto del tratamiento en cada intervalo. Los
investigadores se vuelven más expertos en la aplicación de la
prueba y las aplicaciones posteriores pueden demanda menor
tiempo.
o Regresión estadística: se presenta en el grupo experimental
en términos de la correlación de los puntajes del pretest y
post test. En el post test los puntajes iniciales altos tienden a
bajar y los bajos a subir. la diferencia del cambio se debe a
la regresión y no al tratamiento. A mayor confiabilidad de la
prueba menor será el error de regresión. Para minimizar el
problema antes de la selección al azar se realiza pareamiento
de las personas según las variables relacionadas con el
problema.
o Selección: se debe a las diferencias entre los respondientes
del grupo experimental y grupo control. La debilidad se da
en los diseños cuasi experiméntales y no en los diseños
experimentales con grupos equivalentes de sujetos elegidos
al azar.
o Mortalidad: se presenta cuando hay retiros o desertores
durante el tratamiento entre los sujetos del grupo
experimental. Esto da como resultado una selección artificial
puesto que los respondientes son diferentes entre el pretest y
el post test.
o Interacción con selección : muchas debilidades de la
validez interna pueden interactuar con el procedimiento de
selección y producir efectos espurios al tratamiento, como
selección–maduración (hay subgrupos que maduran a
diferentes ritmos cuando se toman pacientes de diferentes
riesgos de enfermedad o de diversas clases sociales),
selección–historia (cuando un grupo de personas ,quienes
reciben el programa de salud vienen de diferentes veredas o
ciudades cada subgrupo tiene su propia historia ) , selección
–instrumentación ( cuando el investigador conoce con
anterioridad algunos de los sujetos de la muestra e
inconscientemente tiende a favorecer sus respuestas).
o El efecto de contaminación se puede dar cuando se evalúan
dos tratamientos dentro de un mismo experimento, que se da
por intercambio de información entre los sujetos que
conforman los dos grupos.
o La ceguera en las mediciones, se utiliza para minimizar el
sesgo de registro o de medición de resultados. Así tenemos.
Estudio simple ciego , cuando solo el observador o
los pacientes ignoran el grupo del que forman parte.
Estudio doble ciego, cuando el observador y los
pacientes desconocen a qué grupo pertenecen.
Estudio triple ciego, cuando el observador, los
pacientes y el analista ignoran a qué grupo
pertenecen.
Se habla de validez externa, cuando la relación causal se puede
generalizar a posteriores mediciones de causa efecto a través de
diferentes poblaciones, lugares y tiempos... Las debilidades de la
validez externa se enuncian con relación a las interacciones
estadísticas de los efectos. Éstas constituyen la señal o dirección de
los efectos del tratamiento a través de diferentes poblaciones. Los
factores de validez externa se examinan en términos de las
interacciones entre tres factores: la selección de la muestra y el
tratamiento, el lugar y el lugar de tratamiento, la historia, tiempo y el
tratamiento.
TIPOS DE DISEÑOS EXPERIMENTALES:
De acuerdo al número de variables que se manipulan:
Diseños clásicos: se centran generalmente en la medición de una sola
variable.
Diseños factoriales. manipulan dos o más variables; sin embargo no es
conveniente tomar más de tres, especialmente cuando las muestras son
pequeñas.
El paradigma del diseño clásico con una variable experimental presenta el
Diseño con grupo de Control solo después o post tests o diseño de grupos
aleatorios solo después. Diagrama:
ELECCIÓN AL AZAR Grupo experimental____X O1__
DE LOS SUJETOS Grupo control O2
Diseño de dos grupos apareados solo después o Post test: se parece al diseño
anterior con la diferencia que en la modalidad de selección de los sujetos para
eliminar las diferencia se usa el apareamiento por sujetos o por grupos,
utilizando en cada uno de ello el criterio de variable relacionada a la variable
dependiente o al criterio de rendimiento previo.
ELECCIÓN APAREADA Grupo experimental____X O1__
DE LOS SUJETOS Grupo control O2
Diseño de Dos grupos aleatorizados pre y Post Test o Diseño con grupo
Control Pre y Post test: es otro diseño clásico modifica el anterior debido a la
introducción de un pre-test pero mantiene iguales los otros elementos. En este
diseño se quiere medir la diferencia entre le pretest y el post test. El diagrama
es:
Elección al
Azar G. experimental Pretest_O1___X___post test_O2
G. control Pretest O3 post test O4
El Diseño de Cuatro Grupos de Salomón: combina dos diseños
experimentales propiamente dichos: el diseño de Grupo Control sólo Post test y
el diseño de dos grupos aleatorios antes y después. Se aplica al campo de la
salud para medir el efecto de los programas que se realizan para alcanzar
cambios del comportamiento, confrontar el efecto de las drogas o tratamientos
por medio de las pruebas o exámenes de laboratorio. Corresponde el siguiente
diagrama:
GE1 A O1 X O2
GC1 A O3 O4
GE2 A X O5
GC2 A O6
Los Diseños de Bloques Aleatorios: consiste en formar conjuntos homogéneos
de sujetos (bloques) en base a algún criterio denominado “variable de
bloque” que guarde íntima relación con la variable dependiente. La variable de
bloque permite conseguir la homogeneidad de los sujetos en base a alguna
característica psicológica, biológica, o social dentro de un bloque, controlándose
de esta manera las diferencias individuales y con ello una fuente de error. Dada
la homogeneidad intrabloque se darán diferencias entre los bloques facilitando
el tratamiento de cada uno de ellos; luego si los individuos de cada bloque son
iguales, las diferencias que se puedan advertir después de los tratamientos deben
atribuirse a la acción de éstos.. Las condiciones de un diseño de bloques
aleatorios son: (1) las unidades experimentales dentro de un mismo bloque
habrán de ser relativamente homogéneas, (2) el número de unidades
experimentales por bloque habrá de ser igual al número de tratamientos por
investigar, ( 3) los tratamientos serán asignados al azar a cada una de las
unidades experimentales dentro de cada bloque.. El análisis estadístico esta
orientado a probar los efectos de los tratamientos. El diagrama sería:
T1 T2 T3 Tn
Bloque 1
Bloque 2
Bloque 3
Bloque n
El Diseño de cuadrado latino: se considera una ampliación del diseño de
bloques aleatorios. En este diseño las unidades experimentales son sometidas a
doble bloqueo: un bloqueo horizontal (filas) y un bloqueo vertical
(columnas).Al utilizar doble bloqueo se ejerce control sobre dos variables
extrañas y con ello el cuadrado latino ofrece más oportunidad para reducir los
errores. El diagrama sería:
Variable de bloqueo “b”
b1 b2 b3
a1
Variable de a2
Bloqueo “a”
a3
Los Ensayos Clínicos Aleatorios: son los diseños experimentales más
utilizados y suelen planificarse con el fin de evaluar la eficacia de un
determinado tratamiento, procedimiento o intervención. Por lo regular en los
ensayos clínicos se emplea el diseño pre-prueba post prueba o solo posprueba,
de modo que el término ensayo clínico no se refiere de modo específico a un
diseño, como a la aplicación de un diseño. Los ensayos clínicos siempre
implican poner a prueba un tratamiento clínico; la asignación aleatoria de los
sujetos a las condiciones experimentales y a una o más condiciones de control.
Lazarsfeld identificó tres criterios de causalidad: el temporal, una causa debe
preceder en el tiempo a su efecto; entre la presunta causa y el efecto supuesto
medie una relación empírica y el último criterio es que la relación causal no
puede explicarse como resultado de la influencia de una tercera variable.
Actualmente la investigación clínica basada en estudios experimentales con
humanos está sujeta a una serie de requisitos, tanto éticos como legales, y para
la realización de ensayos clínicos con medicamentos debemos de guiarnos por
las norma internacionales y disponer de los permisos de los comités de ética de
investigación. Clásicamente se han descrito cuatro fases necesarias en la
evaluación e investigación de un nuevo fármaco o procedimiento. En la fase I o
inicial de la prueba de un nuevo fármaco, el objetivo es determinar si existe una
dosis efectiva con mínimos efectos secundarios; en esta fase no existe grupo de
comparación y se administra generalmente en voluntarios que reciben distintas
dosis a lo largo de periodos de tiempo también distintos, si en esta fase se
demuestra la eficacia del procedimiento o fármaco, se pasa a la fase II, en la
que se determina la farmacocinética del nuevo fármaco y las relaciones
dosis/respuesta. Esta fase suele desarrollarse sobre pacientes potenciales y su
objetivo es conseguir una estimación lo más precisa posible de su efectividad.
La fase III de la evaluación de un fármaco antes de su comercialización precisa
un número suficientemente grande de ensayos clínicos randomizados, en los
cuales el nuevo fármaco se compara con alternativas ya disponibles o si esto no
es posible, con placebo. Por último la fase IV incluye todos los estudios
realizados sobre un fármaco después de su comercialización.
Esquema del ensayo clínico randomizado (aleatorizado):
Muestra
Criterios de
Inclusión y exclusión
Medición medición
Inicial final
Población
-pacientes
-sanos Randomización
Grupo experimental
Grupo control
R
E
S
U
L
T
A
D
O
A B C
B C A
C A B
En el ensayo Clínico cruzado: no existe grupo de control y cada sujeto actúa como control de sí
mismo y la secuencia en la cual se recibe los distintos tratamientos es asignada al azar, entre
cada tratamiento hay un periodo de “blanqueo” en la cual la intervención aplicada con
anterioridad deja de tener efecto. Para el análisis de los resultados se comparan los desenlaces
después de cada secuencia de tratamiento.
En los Ensayos clínicos randomizados con diseño factorial , se permite contestar a más
de una pregunta utilizando la misma muestra de sujetos. El grupo de sujetos reciben dos
sustancias activas para dos puntos finales distintos.
Los estudios de Intervención o Ensayos comunitarios se hacen en la comunidad y la
intervención no se aplica de forma separada para cada uno de los sujetos participantes. La
asignación es controlada pero no randomizada, el investigador decide qué comunidad recibe la
intervención y cual actúa de control y los sujetos están sometidos o no a la intervención por el
hecho de pertenecer a una comunidad o a otra.
Esquema del diseño de un ensayo clínico cruzado
Tratamiento A Tratamiento B
Desenlace
Tratamiento A Tratamiento B
Desenlace
Esquema de un ensayo clínico con diseño factorial
Los Diseños factoriales:
Representan la estructura de la investigación cuando dos o más variables
independientes se yuxtaponen y permiten estudiar el efecto en términos de cada
variable independiente y de la interacción de éstas. Los diseños factoriales
Pacientes
Periodo de blanqueo
Fármaco A y Fármaco B
Fármaco A y Placebo B
Placebo A y Fármaco B
Placebo A y Placebo B
R E
S
U
L
T
A
D
O
SUJETOS Randomización
pueden ser de 2 x 2 cuando manejan dos variables independientes o factores y
dos dependientes y requieren cuatro casillas; también pueden ser de 3 x 2 con
seis casillas o con más variables y subdivisión de éstas como 3 x 2 x 2 con doce
casillas o celdas. Cada factor debe comprender dos o más niveles Cada casilla
se mide independientemente y según la interacciones de las variables. Los
diseños factoriales permiten probar múltiples hipótesis de una sola vez.
Muestreos de Poblaciones La investigación en una población, puede llevarse a cabo sobre el total de la población, labor
generalmente muy compleja y costosa, o sobre una parte de esa población que se denomina
"muestra". Esta última hace el trabajo más sencillo y económico, reduciendo además su
duración en el tiempo. No obstante no resulta válida cualquier parte de la población, ya que para
que los resultados sean fiables, esa muestra debe cumplir una condición básica, ser
representativa de la población para que los resultados obtenidos sean extrapolables a la
población de la que se obtuvo.
Hacer representativa una muestra tomada en una población supone, por un lado, que posea un
tamaño adecuado y por otro, que el método de selección de la misma sea el correcto, de manera
que todas las subpoblaciones existentes en la misma estén representadas de forma adecuada.
La investigación de una variable sobre una parte de la población, muestra, hace que parte de la
información común a la población se pierda y por tanto el valor que se obtenga no será el valor
real de la población, sino una "estimación" de ese valor real.
Conceptos generales a considerar en un muestreo
Población diana: aquella población de la que se desea obtener una información.
Población a estudiar u origen: aquella población de la que realmente se obtiene la
información.
En ocasiones las dos anteriores coinciden pero en otras son diferentes de manera que
si la segunda no es representativa de la primera, los resultados obtenidos
posteriormente no serán aplicables a la población diana.
Unidad de muestreo: es el elemento básico sobre el que se plantea el procedimiento de
muestreo. En unas ocasiones es la persona, en otras el grupo de personas, en otras
animales u objetos.
Muestra: conjunto de unidades de muestreo que han sido seleccionadas a partir de la
población a estudiar y sobre las que realmente se realizará la investigación
epidemiológica.
Estrato: colección de unidades de muestreo agrupadas de acuerdo con una característica
común.
Fracción de muestreo: relación entre el tamaño de la población a estudiar y el tamaño
de la muestra. N/n
Métodos de selección de una muestra en una investigación:
Muestreo Probabilístico: Aquel en el que todos los personas o grupos de la población
tienen la misma probabilidad de formar parte de la muestra, siendo el azar el que
determina los que forman parte de la muestra y cuales no. La selección por este método
ACTIVIDAD:
Escoja el diseño que se adecua más a su problema o hipótesis de
investigación.
puede realizarse a través de sistemas de "lotería" o de "números aleatorios" (tablas de
números distribuidos en filas y columnas al azar).
En función de las características de la población investigada y de los objetivos de la
investigación pueden utilizarse diferentes tipos de muestreo probabilístico:
Simple: Precisa tener identificados todos los elementos que conforman la
población (marco muestral). Consiste en seleccionar uno a uno, mediante lotería
o tablas de números aleatorios, los elementos seleccionados forman parte de la
muestra.
Sistemático: Si se tiene una lista completa de N elementos de una población, se
puede emplear este tipo de muestreo, para lo cual se calcula la fracción de
muestreo o intervalo de muestreo N/n; por lo tanto la unidad de muestreo inicial
se elige aletoriamente de entre las primeras k unidades de la lista, donde k es
igual a N/n (tamaño de población / tamaño muestral). Si N/n no es un entero, su
valor se redondea al entero más próximo. Después conforme descendemos en la
lista, elegimos cada k-ésima unidad consecutiva. Por ejemplo para elegir una
muestra de n individuos de 15 a 17 años de edad residentes en Cusco, primero
elegimos un número entre 1 y k = N/n .Supongamos que escogimos el 4,
enseguida obtendremos información referente a la cuarta persona de la lista (del
marco muestral), así como de las demás personas 4+ k, 4+2k, 4+3k y así
sucesivamente hasta obtener el tamaño muestral requerido. Si el tamaño de la
población N no se conoce, debe estimarse necesariamente y en este caso la
unidad de estudio inicial se escoge aleatoriamente de entre las primeras k
unidades disponibles y luego se elige de entre las primeras k-ésima unidad
consecutiva. Por lo tanto el marco muestral se compila conforme progresa el
estudio.
Estratificado: En ocasiones, interesa analizar la población en función de la
existencia de diferencias en un determinado carácter, por ejemplo el sexo. En
ese caso, se divide la población total en grupos en función de ese carácter y de
cada grupo se toma una muestra por métodos simples o sistemáticos. El número
de sujetos a muestrear en cada grupo será proporcional al tamaño de ese grupo
respecto al total de la población (si un sexo supone en la población el 75% , en
la muestra ese sexo debe estar representado en un 75%).
Cluster o de Grupo o Conglomerados: En otras ocasiones la situación inicial
consiste en que conocemos el número de grupos que hay dentro de la población
pero no el número de unidades de cada uno de esos grupos. En ese caso, se
realiza un muestreo, simple o sistemático de los grupos y se incluyen en la
muestra la totalidad de las unidades de cada grupo seleccionado. Por ejemplo es
el caso en que se conoce el número de colegios de una ciudad, pero no el
número de alumnos de cada un de estos colegios, en ese caso se selecciona una
parte de los colegios y se investiga la totalidad de los alumnos de cada uno de
estos colegios.
Multiestadio o Multietápico: Consiste en un sistema mixto de los métodos
cluster y estratificado. Se trata de realizar el muestreo a dos niveles: un primer
nivel entre grupos y un segundo nivel entre unidades dentro de los grupos
seleccionados previamente. Supone por tanto seleccionar por ejemplo parte de
los colegios de entre la totalidad de éstos, y posteriormente en cada uno de
ellos se seleccionan parte de los alumnos, en ambos casos mediante los métodos
simple o sistemático.
Muestreo no probabilístico: Aquel método en que no todos los elementos de la
población tienen la misma probabilidad de formar parte de la muestra, siendo el
investigador el que decide cuales forman parte de la muestra y cuales no. En estos
casos, corremos el riesgo de que la muestra no sea representativa de la población. En
función de quien es el que decide los sujetos de la muestra, los tipos de muestreo no
probabilístico serán:
Con voluntarios o accidental: El investigador decide voluntariamente qué
sujetos forman parte de la muestra y cuales no según a él le interese conocer o
que estén disponibles.
De conveniencia o intencional: El investigador decide qué sujetos forman
parte de la muestra, en función de que posean o no algún carácter que desea
analizar.
Tamaño de la muestra
Utilizar un método adecuado para la selección de una muestra no es suficiente para hacer ésta
representativa de la población, puesto que la muestra también debe cumplir una segunda
condición, que el tamaño sea adecuado para el tipo de investigación que se desea realizar. Esto
supone que el tamaño de la muestra dependerá en gran medida de los objetivos de la
investigación, ya que no será necesario el mismo número de sujetos para detectar la presencia de
una enfermedad en una población (se trata de detectar al menos un sujeto positivo), que para
determinar la prevalencia (debemos detectar una proporción de enfermos en la muestra igual a
la que existe en el total de la población) o para evaluar el impacto de un determinante en la
presentación de una enfermedad (factor de riesgo).
Para estimar el tamaño de la muestra a seleccionar en una población es necesario partir siempre
de un valor medio o de una proporción esperados (media de la medida de un valor continuo (Ej.:
peso), prevalencia de enfermedad esperada o de proporción de exposición a un factor), o bien de
su desviación estándar.
TAMAÑO DE LA MUESTRA PARA ESTIMAR LA MEDIA DE UNA POBLACIÓN:
Si interesa conocer la media de una medida continua en una población como es el caso del peso
o de la temperatura corporal, el tamaño de la muestra a seleccionar dependerá del error
aceptado (L), del nivel de confianza deseado (NC) o probabilidad de obtener una respuesta
correcta, y de la media esperada de esa medición (M) o de su desviación estándar (SD).
En este caso, la fórmula a utilizar es:
Donde:
n :tamaño de la muestra.
t: valor de la distribución normal (t de Student) para un nivel de confianza deseado.
Generalmente se utiliza un nivel de confianza del 95%, en ese caso el valor de t es
1.96.
L: error aceptado o precisión, desplazamiento admitido a ambos lados de la media
esperada.
SD: desviación estándar correspondiente a la "media esperada (M)" de enfermedad.
Este valor suele ser desconocido por lo que debe utilizarse un valor esperado o
aproximado. El cálculo de ese valor aproximado se realiza definiendo inicialmente los
valores máximo y mínimo que se espera encontrar, entre esos dos valores límites se
encuentra un rango que con un 95% de probabilidad incluye todos los valores de X 2
SD, lo que significa que dividiendo ese rango estimado por 4 obtendremos un valor
aproximado de la SD (si se trabaja con un 99% de nivel de confianza, el intervalo
definido será X 3 SD, lo que supone que en ese caso el rango deberá dividirse por 6
para obtener una aproximación de la SD).
El error aceptado (L) y el nivel de confianza (NC) son establecidos arbitrariamente por
el investigador, mientras que la media esperada de la medida se obtiene a través de la
literatura.
TAMAÑO DE LA MUESTRA PARA ESTIMAR PROPORCIONES (PREVALENCIA DE ENFERMEDAD O PROPORCIÓN DE EXPOSICIÓN A UN FACTOR) EN UNA POBLACIÓN
Cuando interesa determinar la cantidad de enfermedad presente en una población, es decir,
estimar la prevalencia de la enfermedad, el tamaño de la muestra a tomar depende, como en
el caso anterior, del error aceptado (L), del nivel de confianza deseado (NC) o probabilidad
de obtener una respuesta correcta, y de la prevalencia esperada (P) o su desviación
estándar (SD).
La fórmula de la desviación estándar (SD) para variables dicotómicas (presencia o ausencia de
enfermedad) es la siguiente: SD = v; v = P· (1-P).
SD = P ( 1 – P )
El error aceptado y el Nivel de Confianza son establecidos arbitrariamente por el
investigador. La literatura sobre el tema y otras fuentes pueden dar una idea acerca de la
Prevalencia esperada (aquella que probablemente se obtendrá o se espera obtener), o en el
peor de los casos se puede escoger la situación que nos obligue a seleccionar un tamaño mayor
de muestra (P=50%)
En este caso se utiliza la fórmula:
( tα . SD )2
n = ----------------
( L )2
Donde:
n: tamaño de la muestra.
t: valor de la distribución normal (t de Student) para un nivel de confianza
(NC) deseado. Generalmente se utiliza un nivel de confianza del 95%, en ese
caso el valor de t es 1.96. Se usa también la Z
L: error aceptado o precisión, generalmente se utiliza el 5% (Puede utilizarse
como valor absoluto o como valor relativo, es decir, el 5% total si es valor
absoluto o el 5% de la prevalencia esperada si es el valor relativo).
SD: desviación estándar correspondiente a la "Prevalencia esperada (P)" de
enfermedad.
Así, trabajar con una prevalencia esperada del 50%, un error aceptado del 5% y un nivel de
confianza del 95%, indica que esperamos que, de cada 100 mediciones que se realicen, en 95 la
prevalencia tenga un valor comprendido en el intervalo 50% ± 5% (45% - 55%).
Tanto en el caso de la muestra para estimar medias como en el caso de la muestra para estimar
proporciones, el tamaño de la muestra obtenido mediante esa fórmula es válido cuando esa
muestra representa menos del 10% del tamaño total de la población, lo que generalmente ocurre
con poblaciones mayores de 1000 unidades de muestreo. Sin embargo, cuando el tamaño de la
muestra a tomar es mayor del 10% del total de la población, poblaciones de menos de 1000
unidades, es necesario realizar una corrección de la desviación estándar que permitirá estimar el
tamaño real de la muestra que se debe tomar, de forma que el tamaño final de la muestra (n' o
muestra ajustada), será el tamaño de la muestra obtenido por la fórmula anterior (n), dividido
por (1 + (n/N)); donde N es el tamaño total de la población:
A veces el investigador está limitado a un cierto número de muestras, por ejemplo porque la
capacidad del laboratorio es limitada. Entonces el tamaño de la muestra (n) está definido
inicialmente y lo que interesa calcular es el error aceptado (L).
En este caso las fórmulas son:
L = t – SE = t . SD∕√n ó L = t . SD N – n ∕ N - n
La primera de ellas para poblaciones infinitas (mayores de 1000 unidades) y la segunda para
poblaciones finitas (menores de 1000 unidades).
Si L es demasiado grande en opinión del investigador, es inútil continuar con el control.
En el caso de que en lugar de estimar la prevalencia de enfermedad se trate de estimar la
proporción de exposición a un factor, los cálculos son los mismos pero el valor de P
corresponde a la proporción de población que esperamos este expuesta al factor.
TAMAÑO DE LA MUESTRA PARA ESTIMAR LA DIFERENCIA ENTRE PROPORCIONES (PREVALENCIAS O PROPORCIONES DE EXPOSICIÓN A UN FACTOR) EN DOS GRUPOS DE UNA POBLACIÓN
Cuando se desea determinar la diferencia entre dos proporciones es necesario conocer, además
del nivel de confianza, el poder o potencia de la prueba. Estos determinarán los valores t y t
( ó Z y Z ) para un nivel de confianza del 95% y un poder (potencia) del 80%, que son los
más frecuentemente utilizados, equivalen a t= 1.64 y t = 0.84).
En la planificación del estudio para estimar esas diferencias entre proporciones la
determinación del tamaño de muestra "de cada grupo" precisa que previamente se definan:
1. Un valor "p1" que equivale a la proporción esperada del parámetro de interés en el
grupo 1.
2. Un valor "p2" que equivale a la proporción esperada del parámetro de interés en el
grupo 2.
3. La diferencia "d" entre ambas (p1 - p2).
4. El valor del "error de tipo I ó error de rechazo ó " (que define el nivel de
confianza): probabilidad de afirmar que la diferencia d es significativa cuando
realmente no existe esa diferencia en la población ( rechazar una Hipótesis nula que es
verdadera)
5. El valor del "error de tipo II ó error de aceptación ó "(que define la potencia o
poder): probabilidad de afirmar que la diferencia d no es significativa, cuando
realmente existe esa diferencia en la población( aceptar una hipótesis nula que es falsa )
Donde:
t y t: valores de la distribución normal (t de Student) para un nivel de confianza y un
poder o potencia definidos (95% y 80% respectivamente)
p1 y p2: proporciones esperadas de cada grupo.
q1 y q2: corresponden a los valores (1 - p1) y (1 - p2).
Los tamaños de las muestras se pueden calcular para tests de una vía o de dos vías:
Los tests de Una Vía o Una cola (one-tailed) se utilizan cuando interesa saber si la
proporción del grupo 2 es superior o no a la del grupo 1 en comparación con éste(se
espera que las diferencias se produzcan en un único sentido). El valor t corresponde a
la t de Student para una probabilidad o error tipo I de
Los tests de Dos Vías o Dos colas (two-tailed) se usan cuando interesa saber si hay o
no diferencia entre ambas proporciones (se espera que las diferencias puedan producirse
en cualquier sentido). El valor t corresponde a la t de Student para una probabilidad o
error tipo I de /2
TAMAÑO DE LA MUESTRA PARA ESTIMAR LA DIFERENCIA ENTRE MEDIAS EN DOS GRUPOS DE UNA POBLACIÓN
En la planificación de un estudio con valores continuos en el que interesa comparar las medias
de un parámetro en 2 grupos, la selección del tamaño de muestra de cada grupo se realiza a
partir de la misma fórmula del caso anterior, si bien cambia la configuración de algunos
parámetros, ya que pasamos de trabajar con variables discretas (presencia o no de enfermedad) a
variables continuas. En este caso, el cálculo del tamaño de la muestra "para cada grupo "
precisa:
1. Un valor "m1" que equivale a la media esperada del parámetro de interés en el grupo 1.
2. Un valor "m2" que equivale a la media esperada del parámetro de interés en el grupo 2.
3. La diferencia entre ambas medias "d" (d = m1 - m2).
4. Un valor esperado para la desviación estándar del parámetro
5. El valor del error de tipo I (que define el nivel de confianza): probabilidad de afirmar
que la diferencia d (d =m1-m2) es significativa cuando realmente no existe esa
diferencia en la población.
6. El valor del error de tipo II (que define la potencia o poder): probabilidad de afirmar
que la diferencia d no es significativa, cuando realmente existe esa diferencia en la
población.
Un valor común para el nivel de confianza es el 95%, mientras que generalmente se usan
valores del 80 o 90% para la potencia.
La fórmula para calcular el tamaño de muestra necesaria es:
2 . ( tα + t β)2 . SD
2
n = ------------------------
d2
Donde:
t(): valor de la t de Student para el nivel de confianza especificado
t(): valor de la t de Student para el poder o potencia especificada
SD: desviación estándar esperada
m1: media esperada del grupo 1
m2: media esperada del grupo 2
m1 - m2: diferencia entre las dos medias esperadas = d²
La fórmula que acabamos de presentar proporciona un valor aproximado del tamaño de la
muestra requerida, el tamaño exacto se obtiene al sumar tres unidades más al tamaño calculado
por la fórmula.
Los tamaños de las muestras se calculan para estudios de una vía o de dos vías
Los tests de una vía (one-tailed) se usan cuando interesa saber si la media del grupo 2
es superior o no a la del grupo 1 en comparación con este (se esperan diferencias en un
único sentido). El valor t corresponde a la t de Student para una probabilidad o error
tipo I de
Los tests de Dos Vías (two-tailed) se usan cuando interesa saber si hay o no
diferencia entre ambas medias (se esperan diferencias en cualquier sentido). El
valor t corresponde a la t de Student para una probabilidad o error tipo I de /2
TAMAÑO DE LA MUESTRA PARA DETECTAR LA PRESENCIA DE UNA ENFERMEDAD EN UNA POBLACIÓN
En ocasiones resulta necesario determinar si una población está enferma (infectada) o no. Una
población está considerada como positiva cuando al menos "d" personas están enfermas. El
parámetro d está fijado por el investigador como el número de personas que espera encontrar
enfermas. En enfermedades graves o cuando interesa obtener una máxima seguridad en el
resultado, d se lleva al mínimo valor posible, es decir, se establece en 1.
El tamaño de muestra necesario para determinar si una población está enferma o no, depende
del nivel de confianza (NC) deseado, generalmente el 95%, del tamaño de la población (N) y
del número de enfermos que esperamos que exista (d) en la población. El cálculo se realiza
mediante la siguiente fórmula:
Donde:
n : tamaño de la muestra requerido
N: tamaño de la población
d : número de enfermos que esperamos que existan en la población
NC : Nivel de confianza expresado en tanto por uno ( 0.95)
A partir de esta fórmula y conocido un tamaño de muestra determinado (n) con el que se desea
trabajar, es posible estimar otros parámetros:
1. Estimar el máximo número de personas positivas (D) que pueden aparecer en una
población donde TODAS las "n" muestras recogidas han resultado negativas.
donde:
D : máximo número de enfermos que pueden quedar en la población de la que se
ha tomado la muestra "n".
¡Se asume que la prueba diagnóstica posee una validez del 100%!
2. Estimar el Nivel de Confianza (NC) conociendo los valores de N, n y d.
TAMAÑO DE LA MUESTRA PARA DETERMINAR LA RELACIÓN ENTRE EXPOSICIÓN A UN FACTOR Y LA ENFERMEDAD (ESTUDIOS DE CASO-CONTROL NO PAREADOS)
Cuando estamos interesados en determinar la asociación entre factor y enfermedad en
condiciones de campo, la medida de esa asociación se realiza utilizando estudios
observacionales (de caso - control o de cohorte), que implican comparar grupos de personas
expuestas y no expuestas al factor con la presencia o ausencia de la enfermedad (también
pueden utilizarse estudios observacionales de tipo transversal en los que el tamaño de la muestra
se determina mediante la fórmula para el cálculo de la muestra para estimar proporciones, vista
anteriormente).
En la planificación de los estudios de Caso-Control no pareados deben realizarse dos grupos
diferentes de personas, uno de enfermos y otro de sanos. El tamaño de la muestra de cada grupo
se determina definiendo los siguientes parámetros:
1. Número de controles por caso
2. Valor p1 que represente el nivel de exposición (proporción de expuestos a un factor
entre los sanos )
3. Valor del Riesgo (R) que tendrá suficiente importancia para garantizar su detección, es
decir, mínimo Odds Ratio admitido (por lo general se considera superior a 2).
4. Valor del error de tipo o tipo I ( que determina el nivel de confianza y que
corresponde a 1- NC): probabilidad de afirmar que el OR (Odds Ratio) es
significativamente distinto de 1.0 cuando realmente no lo es, o bien probabilidad de
aceptar que la exposición al factor está relacionada con la enfermedad cuando realmente
no lo esta.
5. Valor del error de tipo o tipo II (que determina la potencia o poder y que es 1 -
Poder): probabilidad de afirmar que el OR no es estadísticamente significativo cuando
realmente lo es, o aceptar que la exposición al factor no está relacionada con la
enfermedad cuando realmente sí lo está.
Un valor común para el nivel de confianza es el 95%, mientras que generalmente se usan
valores del 80 o 90% para la potencia o poder.
En ese caso, el tamaño de cada uno de los grupos se determina por la fórmula:
P0 . R
P1 = ------------------ =
1+ p0 . (R – 1)
p1 + c . p0
P‟ = ----------------- =
1 + c
2 tα ( 1+ 1/ c ) . p‟ . q‟ + tβ ( p1 . q1) + ( p0 . q0 / c ) n = ---------------------------------------------------------------------------------- = ( p1 – p2 )
2
donde:
p0: proporción esperada de exposición al factor entre los no enfermos
c: relación entre los casos y los controles (1:1, 1:2...)
R: mínimo riesgo esperado que tiene interés para nosotros.
t y t: son los valores de la t de Student para un nivel de confianza y un poder
dados.
P1: proporción esperada de exposición al factor entre los enfermos
P´: proporción esperada de exposición en la población total
q', q1 y q0: son (1 - p'), (1 - p1) y (1 - p0), respectivamente
Los tamaños de la muestra son calculados para tests de una vía y de dos vías:
Los test de una vía (one-tailed) se usan cuando interesa saber si la exposición a un
factor es o no un factor protector (OR<1) o un factor de riesgo (OR>1).
Los test de dos vías (two-tailed) se usan cuando interesa saber si la exposición a un
factor tiene algún efecto sobre la aparición de la enfermedad.
La diferencia radica en que el valor t corresponde a la t de Student para una probabilidad en
las de una vía y para una probabilidad /2 en las de dos vías.
El índice de exposición entre los sanos (p0), debe estimarse en función de la literatura sobre el
tema o de la opinión de un experto. La especificación de los valores de R, potencia y nivel de
confianza están en función de lo que se desee. Así pues, se debería considerar el tamaño de
muestra calculado como una aproximación a la hora de planificar, y no como un requerimiento
absoluto.
Tamaño de la muestra para determinar la relación entre exposición a un factor y la
enfermedad (estudios de caso-control pareados)
En la planificación de los estudios de Caso-Control pareados en los que se pretende
determinar la relación entre la exposición a un factor y la enfermedad, deben realizarse dos
grupos diferentes de sujetos, uno de enfermos y otro de sanos, el tamaño de la muestra de cada
grupo se determina en este caso definiendo los siguientes parámetros:
1. Valor p0 que represente el nivel de exposición en los sanos, proporción de expuestos a
un factor entre los sanos.
2. Valor p1 que represente el nivel de exposición en los enfermos, proporción de
expuestos a un factor entre los enfermos.
3. Valor del Riesgo (OR) que tendrá suficiente importancia para garantizar su detección,
(por lo general se considera superior a 2).
4. Valor del error de tipo o tipo I ( que determina el nivel de confianza y que
corresponde a 1- NC): probabilidad de afirmar que el OR (Odds Ratio) o el RR
(Riesgo Relativo) es significativamente distinto de 1.0 cuando realmente no lo es, o
bien probabilidad de aceptar que la exposición al factor está relacionada con la
enfermedad cuando realmente no lo esta.
5. Valor del error de tipo o tipo II (que determina la potencia o poder y que es 1 -
Poder): probabilidad de afirmar que OR o RR no es estadísticamente significativo
cuando realmente lo es, o aceptar que la exposición al factor no está relacionada con la
enfermedad cuando realmente si lo está.
Un valor común para el nivel de confianza es el 95%, mientras que generalmente se usan
valores del 80 o 90% para la potencia o poder.
En ese caso, el tamaño de cada uno de los grupos se determina por la fórmula:
Donde:
M: número de pares requeridos para detectar m pares discordantes.
m: mínimo número de pares discordantes.
p0: proporción esperada de exposición al factor entre los no enfermos
(controles)
p1: proporción esperada de exposición al factor entre los enfermos (casos)
OR: mínimo Odds Ratio esperado que tiene interés para nosotros.
t y t: son los valores de la t de Student para un nivel de confianza y un poder
dados.
La proporción de exposición entre los sanos (p0) debe estimarse en función de la literatura
sobre el tema o de la opinión de un experto. La especificación de los valores de OR, potencia y
nivel de confianza están en función de lo que se desea. Así pues, se debería considerar el
tamaño de muestra calculado como una aproximación a la hora de planificar y no como un
requerimiento absoluto.
Tamaño de la muestra para determinar la relación entre exposición a un factor y la
enfermedad (estudios de cohorte)
Cuando se planifican estudios de Cohorte en los que se pretende determinar la relación entre la
exposición a un factor y la enfermedad, deben realizarse dos grupos diferentes de animales, uno
de expuestos al factor y otro de no expuestos, el tamaño de la muestra de cada grupo se
determina en este caso definiendo los siguientes parámetros:
1. Valor p1 que represente el nivel de enfermedad en los no expuestos, proporción de
enfermos entre los no expuestos a un factor.
2. Valor p2 que representa el nivel de enfermedad entre los expuestos, proporción de
enfermedad entre los expuestos al factor.
3. Valor del Riesgo Relativo (RR) que tendrá suficiente importancia para garantizar su
detección, (por lo general se considera superior a 2).
4. Valor del error de tipo o tipo I ( que determina el nivel de confianza y que
corresponde a 1- NC): probabilidad de afirmar que el RR (Riesgo Relativo) es
significativamente distinto de 1.0 cuando realmente no lo es, o bien probabilidad de
aceptar que la exposición al factor está relacionada con la enfermedad cuando realmente
no lo esta.
5. Valor de la precisión relativa correspondiente al riesgo relativo
Un valor común para el nivel de confianza es el 95%.
En ese caso, el tamaño de cada uno de los grupos se determina por la fórmula:
donde:
E: precisión relativa del Riesgo Relativo.
p1: proporción esperada de enfermos en los no expuestos
p2: proporción esperada de enfermos en los expuestos
RR: mínimo Riesgo Relativo esperado que tiene interés para nosotros.
t: valores de la t de Student para un nivel de confianza dado.
El valor de la enfermedad entre los no expuestos (p1) debe estimarse en función de la literatura
sobre el tema o de la opinión de un experto. Los valores del RR, precisión relativa y nivel de
confianza están determinados en función de lo que se desee. Así pues, se debería considerar el
tamaño de la muestra calculado como una aproximación a la hora de planificar y no como un
requerimiento absoluto.
Tamaño de la muestra para rechazar un lote
Algunos estudios de investigación epidemiológicos tienen por objetivo determinar si un lote o
grupo que forma parte de una población (ej: explotaciones (grupo) dentro de una región
(población) cumplen una condición determinada y que es propia de la población (ej: valor de la
prevalencia para una enfermedad), o si por el contrario difiere de la normalidad de dicha
población.
Para ello será necesario determinar el valor que se considera normal de la población y el valor
por encima del cual el grupo estudiado se considera que excede significativamente de la
normalidad de la población (ej: prevalencia considerada normal en la población y prevalencia
por encima de la cual se considera que existen diferencias significativas en el grupo estudiado).
En este caso, se calcula el tamaño de la muestra que se debe tomar en cada grupo y el número
de muestras por encima del cual un resultado positivo supone considerar que dicho lote difiere
de la población estudiada.
Las fórmulas para estos cálculos dependen de los siguientes parámetros:
1. Proporción por encima de la cual se considera que el lote difiere de la población
2. Proporción que se considera normal en la población.
3. Valor del error de tipo o tipo I ( que determina el nivel de confianza y que
corresponde a 1- NC)
4. Valor del error de tipo o tipo II (que determina la potencia o poder y que es 1 -
Poder)
Un valor común para el nivel de confianza es el 95%, mientras que generalmente se usan
valores del 80 o 90% para la potencia o poder.
En ese caso, el tamaño de cada uno de los grupos se determina por la fórmula:
donde: n: tamaño de la muestra requerido. d: valor umbral por encima del cual se rechaza que el lote cumpla la normalidad de la
población a la que pertenece.
p0: proporción de rechazo del lote
pa: proporción esperada en la población
t y t: son los valores de la t de Student para un nivel de confianza y un poder
dados. Errores relacionados con los muestreos
La selección de una muestra a partir de una población que interesa estudiar y en la que se desea
obtener una determinada información puede llevar a que en el proceso del muestreo se
produzcan lo que se conoce como " errores" y que pueden suponer una importante desviación de
los resultados obtenidos respecto de la realidad que afecta a la población.
En el estudio de una población a partir de una muestra pueden cometerse dos tipos de errores:
Error sistemático Relacionado con el método de selección de la muestra por que se seleccionan
deliberadamente algunas unidades de muestreo o se sustituyen otras de forma
incorrecta.
Este tipo de errores no disminuyen al aumentar el tamaño de la muestra pero si al
utilizar un método aleatorio
Error aleatorio Error debido generalmente al azar. Esta relacionado directamente con el tamaño de la
muestra tomada.
Este error no disminuye utilizando métodos aleatorios pero si disminuye al incrementar
el tamaño de la muestra.
Error de información En ocasiones existe este error que no está relacionado directamente con la muestra, sino
que depende de la forma en que se recoge la información una vez que la muestra ya ha
sido seleccionada.
EL
PAP
EL
DE LAS TECNICAS ESTADISTICAS
ACTIVIDAD:
Describa todo el proceso del tipo de muestreo y cálculo del tamaño muestral de
su proyecto de investigación, de acuerdo con la hipótesis y el tipo de diseño de
investigación.
En la práctica clínica diaria, frecuentemente surge la pregunta de hasta qué punto la estadística
es útil si cada caso es distinto y lo que va bien a la mayoría de pacientes puede no servir a un
individuo en concreto. Sin embargo, deben señalarse dos puntos:
la variabilidad de la enfermedad es un argumento a favor de la información estadística, no en
contra de ella.
cuando tomamos una decisión terapéutica respecto a un determinado caso en realidad ya
estamos haciendo comparaciones estadísticas con casos de nuestra experiencia clínica previa.
La controversia es, entonces, si tal información debe almacenarse de un modo informal en la
mente de un médico o si debe recogerse y notificarse de manera sistemática.
La estadística constituye, pues, una parte fundamental de la investigación científica, ya que sólo
a través de ella pueden manejarse lógicamente los datos obtenidos en la observación inicial,
ayudando a recogerlos, ordenarlos y presentarlos; y es parte fundamental también en el proceso
experimental, ya que gracias al análisis estadístico puede deducirse la significación de los
resultados, descartando o reduciendo a unos limites conocidos la influencia del azar.
De todas formas hay que señalar que la estadística no tiene en todos los casos el mismo valor;
incluso puede no ser imprescindible, como en el caso de que las observaciones y
experimentaciones no presenten variabilidad. Pero, la mayoría de las veces, los hechos
observados y los datos de la experimentación presentan variabilidad.
Se pueden distinguir tres fuentes de variabilidad:
a atribuible al procedimiento de medición, que puede deberse al incorrecto funcionamiento o
manejo de los instrumentos físicos, a la influencia de los factores ambientales en la exploración
física (frío, calor, luz, ruido...) o a la relación médico-paciente en la anamnesis.
La variabilidad debida a las discrepancias entre los observadores o usuarios del procedimiento
de observación, tanto por la variación biológica de los sentidos de los diferentes observadores,
como la de los sentidos de un mismo observador en distintas situaciones (hora del día, nivel de
tensión y cansancio...) o bien por la diferente formación de los observadores, que los lleva a
utilizar distintos criterios en la valoración de los datos o a recoger datos diferentes. La
variabilidad también puede ser debida a que la mayoría de sistemas de clasificación tienen
límites arbitrarios entre categorías, con lo que pueden producirse discrepancias sobre la
categoría preestablecida a la que los datos corresponden.
La variabilidad debida al individuo observado (variación biológica al explorar determinados
signos como la tensión arterial), o desacuerdos entre distintas anamnesis a un mismo individuo,
por haber recordado éste nuevos datos en la reflexión realizada en el periodo entre ambas
entrevistas .
Todas estas fuentes de variabilidad pueden llevar a la producción de diversos errores que
mermarán la calidad de la información clínica de nuestras investigaciones.
Entre estos errores habrá que distinguir dos tipos:
El error aleatorio, debido al hecho de trabajar con muestras de la población y fruto del azar,
con lo que pueden producirse resultados que se apartan de los verdaderos pero no de forma
sistemática o en el mismo sentido. Este error tiende a minimizarse si se amplía la muestra.
el error sistemático o sesgo, referido a cualquier hecho que hace que los resultados de un
estudio se desvíen o aparten sistemáticamente de la realidad en un sentido determinado. A
diferencia del anterior no tiende a cero cuando aumentamos el número de observaciones porque
se debe al propio diseño del estudio.
En los últimos años se ha aceptado la clasificación de los sesgos en tres grandes grupos:
· Los sesgos de selección, que ocurren en fases tales como la entrada de los pacientes en el
estudio (muestreo, criterios de inclusión y de exclusión), la asignación de los tratamientos
(cómo se selecciona quién tomará cada medicamento) y la selección del grupo de control y el
seguimiento de los pacientes (cómo se forman los grupos que, tras el seguimiento, son
analizados). Un ejemplo sería aquel en que los pacientes seleccionados para un determinado
tratamiento difirieran de los del grupo control en cuanto a factores pronósticos. Este tipo de
distribución desigual se puede intentar corregir con la asignación aleatoria de los pacientes, pero
por muy correcta que sea la metodología en ocasiones no se puede evitar que se produzcan
pequeñas diferencias (1).
Los sesgos de información, debidos a cómo se obtienen los datos, cometidos en la valoración
del estado y los antecedentes clínicos de los pacientes (al inicio, durante y al término del
estudio). Por ejemplo, errores en la información que procede exclusivamente de las historias
clínicas, sin verificación alguna, o cuando, influidos por lo que esperamos de un tratamiento,
buscamos con más atención determinados efectos en los pacientes que toman dicho tratamiento
que en los pacientes que toman otro. Las técnicas de enmascaramiento ayudan precisamente a
minimizar este tipo de errores, por lo que sería recomendable utilizarlas en el mayor grado
posible. Puede realizarse un enmascaramiento a distintos niveles (en la valoración del cuadro
clínico, en la asignación de tratamientos...) y así se establecen los distintos tipos de ciego:
· Simple ciego: se refiere a que una de las partes involucradas, habitualmente los pacientes que
participan en el estudio, desconoce el grupo de tratamiento al que pertenece.
· Doble ciego: se refiere a aquella situación en la que tanto los pacientes como los
investigadores de un estudio desconocen, el tratamiento que corresponde a cada individuo.
· Triple ciego o evaluación ciega por terceros: según esta modalidad, otro médico que no está
involucrado en el seguimiento y el control de los pacientes, y que ignora la medicación
administrada, realiza la evaluación de la respuesta.
· Cuádruple ciego: cuando al triple ciego se le añade que el análisis estadístico se realiza sin
desvelar los códigos de los tratamientos estudiados.
· Doble simulación (double dummy): es un procedimiento para mantener el carácter doble ciego.
Consiste en la administración de un placebo de características externas iguales a las de uno o
varios de los tratamientos activos, en situaciones en las cuales la forma de presentación y/o
pauta posológica (dosis, vía de administración y frecuencia) sea diferente a la del grupo control.
· Finalmente, los llamados factores de confusión, un tipo especial de sesgos que cumplen tres
requisitos:
ser un factor de riesgo para la enfermedad o la variable en estudio.
estar asociado a la exposición (o a la intervención) en estudio.
no son pasos o factores intermedios en la vía etiopatogénica entre la exposición y la
enfermedad.
Por ejemplo, si una persona se levanta tras una noche de juerga, con cefalea y aún con los
zapatos puestos, puede llegar a inferir que los zapatos provocan cefalea. En este caso la
verdadera causa, el alcohol de la noche anterior, se comporta como un factor de confusión pues
se asocia al hecho de llevar los zapatos al día siguiente.
Existen además otros tipos de sesgos como el sesgo de medición (instrumentos mal calibrados,
distintos instrumentos de medición para los diferentes grupos del estudio...) o el sesgo de
publicación, por tendencia a publicar únicamente los resultados positivos.
Hemos de recordar que la inmensa mayoría de sesgos en la selección y en la información no
podrán ser corregidos después de recoger los datos. Los sesgos debidos a factores de confusión
sí pueden corregirse durante el análisis de los datos, pero para ello habrá que decidir
previamente, durante el diseño del estudio, qué factores de confusión será necesario controlar en
dicho análisis.
En relación con todo lo anterior existen tres conceptos fundamentales a la hora de realizar e
interpretar investigación clínica:
la validez interna, que es el grado de validez del resultado para los pacientes del estudio, es
decir, el grado de ausencia de errores sistemáticos o sesgos.
la precisión estadística, que es el grado de ausencia de error aleatorio, es decir, el grado de
dispersión de las estimaciones. Puede medirse mediante pruebas de significación estadística.
Cuanto mayor es la precisión, menor es el papel que el azar juega en el resultado obtenido en el
estudio.
la validez externa o generalizabilidad, que es la validez del resultado para los pacientes no
incluidos en el estudio.
Así, las preguntas que nos hacemos a la hora de valorar los resultados de un estudio son tres.
La primera y la más importante es si el resultado de aquel estudio es cierto (validez interna). En
caso afirmativo, procede preguntarse cuán precisa o estadísticamente significativa es la
respuesta que da al problema planteado, es decir, hasta qué punto los resultados obtenidos
pueden deberse al azar. Lógicamente, si el estudio no nos parece válido esta segunda pregunta
sobra. La tercera pregunta es si el resultado es aplicable a otros pacientes (validez externa) .
Para clarificar estos conceptos, algunos autores han utilizado la analogía del disparo a una
diana: la validez se referiría a la habilidad de acertar en el centro de la diana, y la precisión sería
la habilidad para realizar los disparos lo más cerca posible unos de otros, teniendo siempre en
cuenta que se intenta acertar en el centro de la diana.
La precisión de una estimación queda reflejada por la varianza de tal estimación, o por el
intervalo de confianza alrededor de ésta. Una mayor varianza, o un intervalo de confianza más
amplio, indicará una menor precisión. Para conseguir mejorar la precisión es importante, por lo
tanto, conseguir una muestra lo suficientemente grande como para permitir reducir la varianza
de la estimación.
Para poder establecer inferencias en un proceso de investigación, y una vez tenidas en cuenta
todas las posibles fuentes de error, queda por determinar si una asociación entre una
determinada exposición y un desenlace o resultado es estadísticamente significativa.
Para ello, un paso fundamental en toda investigación científica es formular una hipótesis que
trataremos de rechazar mediante el uso de una prueba estadística de significación (hipótesis
nula), y en formular una hipótesis que aceptaremos en caso de rechazar la hipótesis nula
(hipótesis alternativa). Esta prueba determinará la fuerza de la evidencia en contra de la
hipótesis nula en términos de probabilidad.
Por ejemplo, si intentamos estudiar un fármaco A comparándolo con placebo en el tratamiento
de una enfermedad X, la hipótesis nula sería "el fármaco A no difiere del placebo en su eficacia
para el tratamiento de una enfermedad X". Si rechazamos esta hipótesis, la alternativa será "el
fármaco A difiere del placebo en su eficacia para tratar la enfermedad X". La probabilidad de
obtener un desenlace por lo menos tan extremo como el esperado si la hipótesis nula fuera cierta
constituye el valor "p" o grado de significación estadística. Cuanto menor sea la "p", más fuerte
será la evidencia en contra de la hipótesis nula. Otra manera de definir el valor "p" sería "la
probabilidad de que el resultado observado se deba al azar".
Para ayudar en el proceso de decisión se establece de manera arbitraria un nivel de significación
(o nivel alfa) que determinará cuánta evidencia en contra de la hipótesis nula se aceptará como
decisiva para rechazarla. Normalmente este nivel de significación se establece en 0,05 ó 0,01.
Una "p" pequeña (inferior al nivel alfa) significa que la probabilidad de que los resultados
obtenidos se deban al azar es pequeña. Según esto, si la "p" es mayor que el nivel alfa la
hipótesis nula no será rechazada (no podemos afirmar que el fármaco A sea distinto a placebo),
y si la "p" es menor que el nivel alfa la hipótesis nula sí será rechazada, por lo que deberá
aceptarse la hipótesis alternativa (el fármaco A es distinto a placebo).
Sin embargo, al estar hablando únicamente de probabilidades, existe también una probabilidad
de que nos estemos equivocando en nuestros resultados, y que la conclusión a que llegamos en
nuestro estudio no coincida con la verdad.
Si realmente el fármaco A es superior al placebo en el tratamiento de la enfermedad X, y el
ensayo clínico concluye lo mismo, obtendremos una conclusión verdaderamente positiva. Si,
por el contrario, el fármaco A no es superior al placebo y el ensayo clínico concluye lo mismo
obtendremos una conclusión verdaderamente negativa.
La conclusión del ensayo se considerará errónea cuando discrepe de la "verdad". Si la verdad es
que el fármaco A no es superior al placebo pero el ensayo clínico concluye que sí lo es,
obtendremos una conclusión falsamente positiva. En tal caso, cometeremos un error de tipo l. Si
por el contrario el fármaco A es superior al placebo mientras que el ensayo clínico concluye lo
contrario, obtendremos una conclusión falsamente negativa, y comportará un error de tipo II.
El riesgo alfa (cuantificado como valor "p") indica la probabilidad de cometer un error de tipo I.
Se denomina riesgo beta a la probabilidad de cometer un error de tipo II.
El objetivo fundamental de todo estudio es llegar a una conclusión verdaderamente positiva o
verdaderamente negativa. La probabilidad de que la conclusión del estudio coincida con la
"verdad" será igual a uno menos beta (1 - ß) y recibe el nombre de poder estadístico
(probabilidad de evitar concluir que no existe un efecto cuando en realidad sí existe, o, lo que es
lo mismo, probabilidad de detectar un efecto si éste existe de verdad).
Así, en el diseño de toda investigación es indispensable que se determine de antemano el riesgo
que se desea correr de llegar a una conclusión errónea, es decir, de llegar a una conclusión
falsamente positiva o falsamente negativa; para ello se han de establecer los riesgos alfa y beta.
El riesgo alfa se establece por regla general en 0,05, o en otras ocasiones en 0,01, pero podrían
ser también otros valores, dependiendo de: 1) la magnitud de la evidencia que se requiera para
rechazar la hipótesis nula; por ejemplo, si investigamos la eficacia de un fármaco en una
enfermedad hasta ahora sin tratamiento, no conviene un valor demasiado pequeño para el riesgo
alfa, ya que podría llevarnos a rechazar una sustancia que en estudios posteriores podría
revelarse eficaz; y 2) de las consecuencias de tomar la decisión de rechazar la hipótesis nula; por
ejemplo, si un nuevo fármaco a ensayar es muy similar al de referencia en efectos secundarios,
características de su administración y coste, se precisará un nivel de evidencia más elevado, y
por tanto un nivel alfa más bajo.
El riesgo beta se establece a menudo en el 20% o, lo que es igual, un poder estadístico del 80%
(1-0,20). Esto quiere decir que ocho de cada diez veces podremos detectar un efecto si éste
existe en realidad, y que asumimos un riesgo beta de no detectar un efecto real en dos de cada
diez veces.
A los valores de 0,05 (para el riesgo alfa) y 0,20 (para el riesgo beta) se los ha denominado
niveles convencionales de significación estadística.
Todos estos conceptos quedan ilustrados en el siguiente cuadro:
RELACION ENTRE EL RESULTADO DE UN ESTUDIO Y LA VERDAD
LA VERDAD
EL FARMACO "A" ES
SUPERIOR A PLACEBO EL FARMACO "A" NO ES
SUPERIOR A PLACEBO
RESULTADO
ESTUDIO
EL FARMACO
"A"
ES SUPERIOR
A PLACEBO
CONCLUSION CORRECTA
Poder=1-Beta CONCLUSION
INCORRECTA
(error tipo I)
Valor p/riesgo alfa
EL FARMACO
"A"
NO ES SUPERIOR
A PLACEBO
CONCLUSION
INCORRECTA
(error tipo II)
/riesgo beta
CONCLUSION CORRECTA
LOS RESULTADOS Y SU INTERPRETACION
Hasta ahora nos hemos referidos brevemente a los términos estadísticos más importantes a la
hora de plantearse un proyecto de investigación o de leer un artículo de una revista científica.
Sin embargo, es importante recordar que nunca debe darse por supuesto que una prueba de
significación estadística implica automáticamente la existencia de significación clínica.
Por significación clínica entendemos la importancia o relevancia práctica que unos resultados
tienen para el cuidado de los enfermos.
Un error frecuente en la literatura médica es considerar que el valor de la "p" es una medida de
la magnitud del efecto, de la asociación (por ejemplo entre un factor de riesgo y una
enfermedad) o del grado de eficacia (por ejemplo de un tratamiento).
Hay que tener presente que una "p" pequeña (inferior al nivel de significación o nivel alfa)
puede reflejar dos fenómenos distintos: 1) que existe una asociación fuerte (o un efecto elevado
o una gran diferencia) lo cual es clínicamente importante, y 2) que el número de pacientes
analizado es grande. Por lo tanto, cuando el valor de la "p" "no es pequeño" puede ocurrir: 1)
que la asociación no sea fuerte, y 2) que la asociación sea notable pero que el número de
pacientes analizados no sea lo suficientemente grande.
Por ejemplo, si se hace un estudio de un fármaco frente a placebo en un grupo de hombres y
otro de mujeres, pero el grupo de mujeres es considerablemente mayor que el de hombres a la
hora de hacer el análisis estadístico puede resultar que la "p" sea menor de 0,05 en el grupo
femenino y mayor de 0,05 en el grupo masculino. Con esto no se puede concluir que este
tratamiento sea más eficaz en mujeres que en hombres, sino que el número de varones no fué lo
suficientemente grande como para descartar que la diferencia entre fármaco y placebo fuera
debida al azar. Por tanto, al leer los resultados de un estudio es importante no quedar
deslumbrados por el grado de significación estadística.
Para ello es útil describir y valorar la "magnitud de la diferencia" o del riesgo que se ha hallado,
que se puede medir mediante los llamados intervalos de confianza. Es una forma de expresar la
precisión estadística y puede calcularse para distintos niveles de significación estadística, siendo
los más frecuentes en medicina al 95%, al 90% y al 99% (alfa =0,05, 0,10 y 0,01
respectivamente). Una de sus ventajas es que no reducen un resultado a "blanco o negro", como
por desgracia ocurre a veces cuando el resultado se expresa con una "p", sino que nos
proporcionan unos valores límite entre los que puede encontrarse el parámetro. Así, los
intervalos de confianza nos dan más información y además presentan los resultados
directamente en la misma escala de medida utilizada, por lo que la significación clínica del
resultado es más evidente, sobre todo cuando la "p" no es significativa.
Cabe decir que unos resultados estadísticamente no significativos no son, por supuesto, ninguna
desgracia, a pesar de que a menudo se les etiquete como "negativos". Ante esta situación en que
la "p" no es significativa hay que preguntarse si se observa alguna asociación o diferencia:
Si no se observa lo mejor es presentar el resultado diciéndolo explícitamente ("no se observó
una asociación", o "diferencia", o "aumento de riesgo"), y a continuación preguntarse "¿cuál era
nuestro poder estadístico?"; si era bajo, entonces más vale dejarlo correr. Hubiera sido mejor
perder el tiempo en otra cosa o invertirlo convenciendo a otros colegas de que aportaran sus
pacientes, pues un mayor número de los mismos nos hubiera proporcionado el poder estadístico
suficiente. Si el poder estadístico era alto, entonces podemos escribir que "los datos van en
contra de la existencia de una asociación fuerte, o de una diferencia grande". Teóricamente es
posible que un estudio con un tamaño de la muestra enorme encuentre que una diferencia muy
pequeña es estadísticamente significativa.
Si observamos una asociación o diferencia, entonces podemos escribir que "se ha observado
una asociación de tal magnitud entre tal y cual; sin embargo, el número de pacientes analizados
ha sido insuficiente para poder descartar que la asociación se deba al azar". No debemos escribir
que "no se ha detectado una asociación", porque sí se ha hallado. Podemos escribir que sólo
teníamos x por ciento de posibilidades (el poder estadístico) de hallar como estadísticamente
significativa la asociación.
Si hasta este punto hemos comentado que una "p" "grande" puede tener su relevancia clínica,
también puede ocurrir lo contrario; aunque la "p" sea "pequeña" la diferencia hallada puede ser
demasiado pequeña para tener relevancia clínica.
Todo proyecto de investigación debe determinar de antemano las diferencias o efectos que serán
consideradas como clínicamente significativas, y en especial en los ensayos clínicos cuyos
resultados influirán sobre la decisión de cambiar de tratamiento. En el apartado de discusión de
los trabajos se debe explicitar además si las hipótesis eran "a priori" (formuladas antes del inicio
del estudio y puestas a prueba durante el mismo) o "a posteriori" (las generadas después de
haber aplicado ya algunas pruebas estadísticas).
En cualquier caso, las pruebas de significación estadística no deben suplantar jamás al juicio
clínico; éste debe incorporar toda la experiencia acumulada por la comunidad médica,
incluyendo una valoración crítica de la literatura.
LA REDACCION Y PUBLICACION DEL INFORME
En el año 1978, un grupo de editores de varias revistas biomédicas se reunieron en Vacouver
con el fin de uniformar los requisitos técnicos necesarios para presentar manuscritos a sus
revistas. Estos requisitos de uniformidad han sido aceptados posteriormente por más de 400
revistas. El grupo de Vancouver se ha convertido en el International Committee of Medical
Journal Editors, que a través de los años han ido revisando estos requisitos y en la actualidad
está vigente la cuarta edición de los mismos.
Antes de centrarnos en las normas es importante recordar que la difusión a los medios de
comunicación de información científica de un artículo aceptado, pero aún no publicado, es una
violación de las reglas de muchas revistas. Asimismo la publicación de un mismo trabajo en
más de una revista raramente está justificada.
NORMAS DE PUBLICACION SEGUN EL GRUPO DE VANCOUVER
Generalidades
El manuscrito, se ha de mecanografiar a doble espacio, en papel blanco, de 216 por 279 mm o
por ISO A4 (212 por 297 mm), con márgenes de 25 mm como mínimo y sólo por una cara del
papel.
Se deben numerar las páginas en el ángulo superior o inferior derecho de cada una de ellas.
Cada parte debe empezar en una página nueva y en el siguiente orden:
la primera página o página del título
el resumen y las palabras clave
el texto
los agradecimientos
la bibliografía
las tablas y figuras
El número de copias necesarias lo determina la propia revista; el manuscrito debe remitirse en
un sobre de papel grueso, irá acompañado de una carta de presentación y de los permisos para
reproducir materiales previamente publicados o para emplear figuras que puedan identificar
seres humanos.
Sólo se deben utilizar abreviaturas estándar, evitándolas en el título y en el resumen y que el
término completo que está representado por una abreviatura debe preceder a su primer uso en el
texto, a menos que sea una unidad estándar de medida.
Primera página o página del título
Debe incluir el título del artículo, el nombre y uno o dos apellidos de cada autor, con el grado
académico más alto y la filiación a una institución, el nombre del departamento e institución
responsables, la negación de la responsabilidad, si procede, el nombre y la dirección del autor
ACTIVIDAD
Describa un plan de análisis estadístico de las variables de su investigación, precisando el
tipo de prueba estadística en cada caso.
responsable de la correspondencia sobre el manuscrito, el nombre y la dirección del autor al que
se dirigirán las solicitudes de las separatas, o la aseveración de que el autor no facilitará
separatas; asimismo deben constar las fuentes de apoyo en forma de subvenciones, equipo,
fármacos o todos ellos, y un título abreviado o una línea al pie de no más de 40 pulsaciones
situado e identificado al pie de la primera página.
Todas las personas designadas como autores deben acreditar su autoría y el orden de los
firmantes debe ser una decisión conjunta de los coautores. Un artículo con autoría corporativa
debe especificar las personas clave responsables del mismo, los otros participantes se deben
identificar por separado.
El resumen y las palabras clave
El resumen no será superior a 150 palabras en caso de resúmenes no estructurados o 250
palabras en caso de resúmenes estructurados. El contenido expondrá la finalidad del estudio o
investigación, los procedimientos básicos, los principales hallazgos (dar datos específicos y su
significación estadística si es posible) y las conclusiones principales.
Debajo del resumen se deben citar e identificar como tales de 3 a 10 palabras o frases cortas que
ayuden a las personas que confeccionan índices a realizar referencias cruzadas y que puedan ser
publicadas con el resumen. Deben utilizarse los términos del Medical Subject Heading (MeSH)
del Index Medicus. Si los términos adecuados aún no están en el MeSH, por ser términos de
introducción reciente, se pueden utilizar términos en uso.
El texto
Habitualmente se divide en introducción, métodos, resultados y discusión.
Introducción. Debe exponer la finalidad del estudio, resumirlo y mencionar sólo las citas
bibliográficas más importantes sin revisar el tema con amplitud. No hay que incluir aquí
resultados del trabajo que se publica.
Método. Debe describir claramente la selección de la muestra, identificar los métodos, los
aparatos (incluido el fabricante) y los procedimientos, de manera que el estudio pueda ser
reproducido por otros investigadores. También se citarán las referencias de los métodos
utilizados, incluyendo los estadísticos (muestreo, aleatorización enmascaramiento, significación
estadística, abandonos...); hay que describir los métodos nuevos y los poco conocidos, dando las
razones de su utilización y sus posibles limitaciones. Finalmente, hay que dar el nombre
genérico, dosis y vía de administración de todos los fármacos y sustancias químicas que se han
utilizado.
Cuando se presentan estudios sobre seres humanos debe indicarse si se han seguido las normas
éticas del comité responsable (institucional o regional) o de la declaración de Helsinki (revisada
en 1983). Cuando se trata de experimentación en animales debe indicarse si se han seguido las
normas de la institución, las nacionales o las del National Research Council.
Resultados. los resultados se presentarán en una secuencia lógica en el texto, tablas y figuras.
Cuando los datos se resumen en este apartado, hay que especificar los métodos estadísticos
utilizados para analizarlos. No se repetirán en el texto todos los datos de las tablas o figuras.
Discusión. se resaltarán los aspectos nuevos o importantes del estudio y las conclusiones que de
ellos se derivan, sin repetir detalladamente los datos u otro material ya comentado.
Explicaremos las implicaciones de los hallazgos y sus limitaciones, relacionándolos con los de
otros estudios ya publicados y enlazando las conclusiones con los objetivos del estudio. Se
pueden incluir recomendaciones cuando sean apropiadas (futuras líneas de investigación, etc.).
Agradecimientos
En un lugar apropiado del artículo (según la revista, en primera página o en un apéndice) se
deben especificar las contribuciones que requieran un agradecimiento sin justificar la calidad de
autor, los agradecimientos por ayuda técnica (en un párrafo aparte del resto de contribuciones) y
por ayuda financiera o material.
Bibliografía
Las citas bibliográficas se deben numerar consecutivamente en el orden en que se mencionan
por primera vez en el texto, identificándolas con números arábigos entre paréntesis. Las citas
que sólo aparecen en tablas o figuras se deben numerar separadamente. El estilo a utilizar en las
citas bibliográficas se basa en los formatos utilizados por la National Library of Medicine de
Estados Unidos en el Index Medicus. Los títulos de las revistas también deben abreviarse según
las listas que publica anualmente el Index Medicus.
A continuación exponemos unos ejemplos de las citas más comunes:
Artículo estándar de revista
You CH, Lee KY, Chey RY, Menguy R. Electrogastrogastrographic study of patients with
unexplained nausea, bloating and vomiting. Gastroenterology 1980 Aug; 79 (2): 311-314.
Hay que mencionar a todos los autores cuando son menos de seis; si el número es superior, hay
que escribir los seis primeros y añadir et al. (apellido e iniciales del nombre o nombres en
mayúscula). Después se escribe el título del artículo, el nombre de la revista, el año y mes de
publicación, el número del volumen y finalmente el intervalo de páginas. No hay que olvidar
seguir la puntuación estrictamente como en el ejemplo.
Capítulo de libro
WA, eds. Pathologic phisiology: mechanisms of disease. Filadelfia: Saunders, 1974: 457-472.
Nuevamente se cita primero a los autores del capitulo, título del capitulo, a continuación del
nombre de los autores o editores del libro, título del libro, ciudad, editorial, año y páginas. En
caso de citar un libro completo, se inicia la cita directamente con el nombre de los autores o
editores del mismo.
Tablas
Tenemos que mecanografiar (no pueden ser fotografías) cada tabla a doble espacio en hoja
aparte, numeradas consecutivamente según su aparición en el texto, y redactar un breve título
para cada una. El texto explicativo se sitúa en las notas a pie de página y no en la cabecera.
Deben explicarse en las notas al pie todas las abreviaturas no estándar, y utilizar los símbolos
convencionales en esta secuencia: *, Ý, ¦, §, ¶, **, ÝÝ.
No se deben utilizar líneas divisorias internas, horizontales y verticales.
Figuras
Las figuras deberán ser fotografiadas en blanco y negro y brillante por un profesional (no se
aceptan las hechas a mano o mecanografiadas) habitualmente de 127 por 173 mm y no
superiores a 203 por 254 mm. Cada figura debe tener una etiqueta pegada al dorso indicando el
número de la misma, el nombre del autor y la parte superior de la figura. No se puede escribir
directamente al dorso, ni doblarlas, ni pegarlas sobre una cartulina. Deben numerarse según el
orden en que se citan en el texto.
Los pies de las figuras se mecanografiarán a doble espacio, empezando en una pagina separada,
con números arábigos correspondientes a las figuras .
Estilo
Hasta ahora nos hemos referido exclusivamente a los aspectos formales a tener en cuenta a la
hora de presentar un articulo, pero no es menos importante el cuidado de los aspectos estilísticos
(redacción, ortografía,...) intentando cultivar la claridad, concisión, precisión, organización,
honradez e ingenio, y evitando artificio, vacuidad, pretensión, monotonía, improvisación,
coloquialismo y ambigüedad.
BIBLIOGRAFIA 1. Bakke OM, Carné X, García F. Ensayos clínicos con medicamentos. Barcelona: Ediciones
Doyma, 1994.
2. González de Rivera JL, Rodríguez F, Sierra A. El método epidemiológico en salud mental.
Barcelona: Ed. Masson-Salvat, 1993.
3. Armitage P, Berry G. Estadítica para la investigación biomédica. Barcelona: Ediciones
Doyma, 1992.
4. Salleras L. La investigación en poblaciones humanas. Med Clin (Barc.) 1989; 92: 264-268.
5. Hernández I, Porta M, Miralles M, García F, Bolúmar F. La cuantificación de la variabilidad
en las observaciones clínicas. Med Clin (Barc) 1990; 95: 424-429.
6. Porta M, Alvarez C, Bolúmar F, Plasencia A, Velilla E. La calidad de la información clínica
(I): validez. Med Clin (Barc) 1987; 89: 741-747.
7. Galende I, Sacristán JA, Soto J. Cómo mejorar la calidad de los ensayos clínicos. Med Clin
(Barc) 1994; 102: 465-470.
8. Plasencia A, Porta M. La calidad de la información clínica (II): significación estadística. Med
Clin (Barc) 1988; 90: 122-126.
9. Porta M, Plasencia A, Sanz F. La calidad de la información clínica (y III): ¿estadísticamente
significativo o clínicamente importante?. Med Clin (Barc) 1988; 90: 463-468.
10. Comité Internacional de Editores de Revistas Biomédicas. Requisitos de uniformidad para
manuscritos presentados a revistas biomédicas. Psiquiatría Pública 1993; 5: 248-258.
11. Villarroya O et al. Manual de estilo. Barcelona: Ediciones Doyma, 1993.
Related Documents
