REFLEXIÓN FINAL

Y sí, llegó, como todo en la vida llegó el fin del blog, de la asignatura y casi del segundo cuatrimestre de Primero de enfermería. Me parece increíble lo rápido que ha pasado todo, cuando hace tres días estaba entrando por la puerta de Cruz Roja, lo cual es bastante positivo, no? "dicen que lo bueno dura poco", aunque a veces da un poco de miedo que pasen los años tan tremendamente rápido.

Con respecto a la idea que tenía sobre la asignatura de ETICs no ha cambiado mucho, sigo pensando que es una asignatura complicada, aunque se entiende bien yendo a clase y asistiendo a los seminarios.  Pero aún así, pienso que hay partes como por ejemplo la distribución normal, que es algo difícil de entender a lo que se le dedicó menos de una clase y en general no está muy bien asimilada.

En cuanto a la utilidad, no es algo que vaya a usar en mi día a día pero si considero importante tener una buena base de estadística. Considero que lo que más me ha servido de esta asignatura es la realización del proyecto final porque es la mejor forma de demostrar todo lo aprendido, que posiblemente dentro de tres años necesitemos en el TFG.

Y así, para terminar, darle las gracias a los dos profesores titulares de la asignatura por todo lo aprendido, y a mi clase por este año tan bueno juntos. Mucha suerte con los exámenes!!!

TEMA 10

TEST DE  HIPÓTESIS

En este tema veremos otro tipo de herramientas para para controlar los errores aleatorios, que son los test de hipótesis. Veremos cada tipo con un ejemplo:

CHI CUADRADO

Es útil para comparar dos hipótesis cualitativas por ejemplo, fumar o no fumar en relación con tener cáncer o no.

EJERCIO PROPUESTO EN EL CAMPUS

A partir de ciertos estudios se tiene la idea de que, operando inmediatamente a enfermos que ingresan en estado de shock en un determinado servicio de un hospital, existe mayor posibilidad de que el enfermo reaccione favorablemente. Para comprobar esta hipótesis, se toman dos grupos de pacientes, a uno de los cuales se le opera inmediatamente y al otro se espera a que se recupere del shock, obteniéndose los  siguientes resultados:

	Recuperación completa	Mejoría	Muerte
Operado inmediatamente	10	7	3
Operado después de recuperación	5	3	2

A la vista del experimento ¿Qué se puede decir respecto a la hipótesis inicial? Identifica para ello la hipótesis, las variables en estudio, el test adecuado y su resultado y conclusión final.

Después de realizar nuestro ejercicio, para saber si nuestro resultado tiene o no diferencia significativa, en este caso el CHI de la tabla (se mira buscando en la fila de lo g.l=2, el numero que coincide con la columna 0.05 que es el error que asumen las ciencias de la salud) es mayor que el de la fórmula por lo que se acepta la hipótesis nula "Es lo mismo operar inminentemente después de un schock o esperar un tiempo para".

T.STUDENT

Sirve para comprobar diferencias entre dos grupos (dos muestras independientes o relacionadas del mismo sujeto).Las condiciones de uso son:

La variable dependiente tiene que ser cuantitativa.

Las muestras deben ser grandes N>30 o comprobar la normalidad. Hay dos test para comprobar la normalidad, si la muestra es mayor de 50 usamos el de Kolmogorov-Smirnov y si es menos el de Shapiro-Wilks. También se comprueba mirando el histograma, ya que en una distribución normal, la media, l a mediana y la moda coinciden.

EJERCICIO PROPUESTO EN EL CAMPUS

ANOVA=ANÁLISIS DE VARIANZA

Lo usamos para comparar una variable de respuesta continua y al menos un factor categórico con dos o más niveles. Por ejemplo, el tratamiento A,B y C y la evolución de la enfermedad en cada uno de ellos. Hay dos métodos:

1. Haciendo los histogramas o gráficos de caja de los 3 grupos para ver si las diferencias entre ellos son significativas.

2. El test de hipótesis P value.

EJEMPLO: para ver el ejercicio completo pulsa aquí

Una lista de palabras sin sentido se presenta en la pantalla del ordenador con cuatro procedimientos diferentes, asignados al azar a un grupo de sujetos. Posteriormente se les realiza una prueba de recuerdo de dichas palabras, obteniéndose los siguientes resultados:
Procdmt. I Procdmt. II Procdmt. III Procdmt. IV 5 9 8 1 7 11 6 3 6 8 9 4 3 7 5 5 9 7 7 1 7 4 4 4 4 2
¿Qué conclusiones pueden sacarse acerca de las cuatro formas de presentación, con un nivel de significación del 5%?

Solución: 7,03El valor de la tabla con 3 y 22 grados de libertad, a un nivel de confianza del 95% es 3,05. Por consiguiente se rechaza la hipótesis nula y se concluye que los cuatro procedimientos de presentación producen diferencias significativas.

REGRESIÓN LINEAL

Se trata de estudiar una asociación lineal entre dos variables cuantitativas. Además de usando las fórmulas, se puede tener una idea de la relación directa o indirecta haciendo la recta uniendo la nube de puntos y viendo si es ascendente (directa) o descendente (inversa).

EJEMPLO PROPUESTO EN EL CAMPUS

En una unidad de hematología se pretende saber  si la carencia de hierro en sangre ejerce alguna influencia en el desarrollo de anemias. Para ello, en un grupo de 18 personas con anemia, se midieron los niveles de hierro en sangre (mg/dl) y se calculó su hematocrito, obteniéndose los siguientes resultados:
 
 
Se aplicaron los test no paramétricos de normalidad a las dos variables del estudio y se obtuvieron los siguientes resultados:
 Pruebas de normalidad 
 

Kolmogorov-Smirnov

Shapiro-Wilk
  Estadístico gl Significación Estadístico gl Significación Hierro mg/dl 3,24 18 0,03 0,936 18 0,309 Hematocrito % 0,127 18 0,2 0,368 18 0,806

Con esta información, analiza los datos, realiza un estudio gráfico de los mismos y, si es posible, llega a una conclusión acerca de las posibles relaciones entre las dos variables.

EXPOSICIÓN GRUPAL TRABAJO FINAL ETICS

Para poner punto y final a la asignatura, se realizó la exposición de los trabajos de investigación que tanto esfuerzo nos ha costado hacer, cada uno de ellos se realizó con una temática distinta, y en los tres casos llegamos a conclusiones que nos hicieron ver la cantidad de errores o tabús que tiene la población, incluidos el personal sanitario.
A continuación os hago un breve resumen de cada exposición y de lo que más me llamó la atención.


VISIÓN DE LA POBLACIÓN ANTE LA FIGURA DE LA ENFERMERÍA
Este trabajo desde mis humilde opinión es el que más me gustó, por la exposición y el PowerPoint que estuvieron muy bien realizados y también por el contenido. Me ha parecido muy interesante como han demostrado que aunque cada vez menos la profesión de enfermería es considerada de menor nivel que por ejemplo ser maestro o médico y que todavía no se conozca a nivel general la diferencia entre DUE, ATS (engloba matrona, enfermero y practicante) y el grado de enfermería  (4 años con derecho a doctorado).

VALORACIÓN DE LAS ACTITUEDES Y CONOCIMIENTOS DE LOS ADOLESCENTES RESPECTO AL CONSUMO DE ALCOHOL
Del segundo trabajo, aunque la exposición me resultó más monótona, quiero descartar que contaban con una muestra bastante amplia, que tuvieron que pedir autorización a los padres y sobretodo los resultados, me llamó muchísimo la atención como el alcohol estaba tan bien visto por los adolescentes que algunos casos los padres se lo permitían.
TERAPIAS PARA EL CONTROL DEL DOLOR MENSTRUAL
Este es el trabajo que realicé con mi equipo, se trato de un estudio descriptivo para comparar los conocimientos que tenían personal sanitario y no sanitario en cuanto a las terapias, y la conclusión más relevante a la que llegamos es que se desvaloriza el uso de terapias naturales y se abusa de los AINEs en muchos casos. 

TEMA 8

MEDIDAS DE TENDENCIA CENTRAL, POSICION Y DISPERSIÓN.

En este tema, se aplican únicamente medidas cuantitativas para calcular diferentes tipos de medidas, que expondré con ejercicios resueltos.

A continuación, podremos ver los tipos de medidas que hay:

MEDIDAS DE TENDENCIA CENTRAL

Media aritmética o media (x): se usa para variables cuantitativas. Es la suma de todos los valores de la variable observada entre el total de observaciones.

Media aritmética ponderada: mc=marca de clase, fi=la frecuencia absoluta y n=número de datos. Se emplea cuando los datos están agrupados.

Mediana: medida de posición y central y representa al valor de la observación tal que deja a un 50% de los datos  menor y otro 50% de los datos mayor. Coincide con el decil 5, es percentil 0 y el cuartil

Moda: el valor con mayor frecuencia. Si hay más de una se dice que la muestra es bimodal o multimodal.  Se puede calcular para cualquier tipo de variable tanto la cualitativa como la cuantitativa.

MEDIDAS DE POSICIÓN O CUANTILES.

Se calculan para variables cuantitativas, sólo se tiene en cuenta la posición ordenado de los valores la muestra de mayor a menor. Podemos diferenciar entre:

·        Percentiles: la muestra ordenada se divide en 100 partes.

·        Deciles: se divide la muestra ordenada en 10 partes

·        Cuartil: se divide la muestra en 4 partes.

MEDIDAS DE DISPERSION. 

Rango: diferencia entre el mayor y el menor valor de la muestra. El dato que  nos da nos indica como de dispersa está la muestra, a mayor número, mayor dispersión.

Desviación media: Media aritmética de las distancias de cada observación con respecto a la media de la muestra:

Desviación típica o estándar: Cuantifica el error que cometemos si representamos una muestra únicamente por su media.

Varianza: Expresa la misma información en valores cuadráticos:

Coeficiente de variación: Nos sirve para comparar la heterogeneidad de dos series numéricas con independencia de las unidades de medidas. Si es muy próximo a 0 casi todos los calores coinciden con la media.

Recorrido intercuartílico: diferencia entre el tercer y el primer cuartil.

EJERCICIOS PARA PRACTICAR: http://www.vadenumeros.es/sociales/moda-mediana-variable-continua.htm

DISTRIBUCIONES NORMALES=distribución de Gauss

Representa una campana y posee una distribución simétrica, estas nos ayudan a tipificar valores. la gráfica es simétrica respecto de los valores posición central (media, moda y mediana, que coinciden con estas distribuciones). Es simétrica dejando la mitad de los valores por debajo del punto máximo y la mitad por encima.

ASIMETRÍA (lado contrario al que vemos el pico)

CURTOSIS Coeficiente de apuntamiento

Sirve para medir el grado de concentración de los valores que toma en torno su media.

EJEMPLO DE EJERCICIOS REALIZADOS EN CLASE

TEMA 7

INTRODUCION A LA BIOESTADÍSTICA.

La bioestadística es la ciencia que estudia la realidad a partir dela cuantificación de variables. Las características estudiadas y que van cambiando son las variables.

ESCALAS DE MEDIDA

·        Escala nominal: es una escala que únicamente mide si una variable o característica es igual o diferente. Las categorías deben se exhaustivas y mutuamente excluyentes, es decir, un sujeto no puede estar en dos categoría a la vez. Por ejemplo; el género, la raza...

·        Escala ordinaria: es una medición ordinal de dos o más modalidades de una variable. Se puede establecer si son iguales o diferentes, e incluso cuál de ellas es mayor. No se pueden hacer operaciones aritméticas. Por ejemplo; las escalas liker.

·        Escala de intervalo: es un escala cuantitativa que también mide la identidad y orden. En dicha escala el valor 0 o las unidades de medidas son arbitrarios, además no se pueden sacar proporciones ni razones.  Por ejemplo: temperatura. No es muy frecuente.

·        Escala de razón: posee las mismas características que las tres anteriores pero en este caso si posee el 0  valor absoluto, las distancias entre los intervalos son equivalente. Podemos realizar operaciones aritméticas.  Por ejemplo; edad, peso, talla…

TIPOS DE VARIABLES

·        Cualitativas: son las que no pueden ser medidas. Las categorías deben construirse con exhaustividad y exclusividad. Se diferencian en varios tipos:

-        Nominales: porque se miden con escalas nominales. Pueden ser dicotómicas (dos categorías) y policotómicas (más de dos categorías)

-        Ordinales: establecen una jerarquía.

·        Cuantitativas: se pueden medir en términos numéricos. Se diferencian en:

-        Discretas: no se pueden fraccionar como por ejemplo los hijos.

-        Continuas: pueden tomar cualquier numero dentro de un rango.La edad, el peso…

Para la representación de datos de las variables se suele emplear una tabla de frecuencia, la cual nos muestra las frecuencias en las columnas (frecuencia absoluta: f_i y la frecuencia relativa: h_i) y las categorías de las variables en las filas.

Pero antes de representar los datos en la tabla primeramente hay que calcular el recorrido, el intervalo (filas que se cogen para la tabla) y la amplitud. A continuación lo observaremos en un ejemplo:

Pesos En Kg De Niños Atendidos En La Consulta De Niño Sano. N = 40

3,9         4,7         3,7         5,6         4,3         4,9         5,0         6,1         5,1         4,5

5,3         3,9         4.3         5.0         6.0         4.7         5.1         4.2         4.4         5.8

3.3         4.3         4.1         5.8         4.4         4.8         6.1         4.3         5.3         4.5

4.0         5.4         3.9         4.7         3.3         4.5         4.7         4.2         4.5         4.8

Recorrido= valor más alto – valor más bajo= 6.1 -3.3= 2.8

Intervalo= es la raíz cuadrada del número total de datos observados= raíz de 40= 6.32

Amplitud= recorrido/ intervalo= 2.8/6= 0,46

A continuación procedemos a realizar la tabla con los datos que he detallado en la imagen:

A parte de lo dicho anteriormente, también  se pueden representar las variables de manera gráfica. Podemos distinguir varios tipos de graficas:

·        Diagrama de barras: se utiliza para medir variables cualitativas, nominales y sobre todo policotómica. Si las barras tienen imágenes se llama pictograma.

·        Histograma: se emplea para representar variables continuas.

·        Gráfico de tronco: Para medir variables cuantitativas continúas.  Cada dato de la serie se divide en dos parte: Tronco a la izquierda (decenas) y la Hoja a la derecha (unidades).

·        Grafico de sectores: se utilizan para trabajar con variables cualitativas, dicotómicas o máximo 3 o 4 categorías.

·        Grafico de datos bidimensionales: mide variables cuantitativas. Ej: la cantidad de trasplantes.

·        Gráfico para datos multidimensionales. Ej diagramas de estrella representan variables númericos. No son muy recomendables.

EJERCICIO PARA CLASIFICAR LAS VARIABLES (VITUTOR)

SEMINARIO 3

El seminario 3, podría definirlo como un refuerzo de otros temas explicados, y nos ha servido mucho para afianzar conceptos y  aprender a hacer problemas que son un poco más complicados. Además nos han explicado cómo se realiza el análisis de los datos con el programa Epi info.
Entramos dentro del programa y pinchamos en tablero virtual, allí elegimos la fuente de datos en mi caso INTOXICACIONBODA, y a partir de ahí el programa  solo te crea gráfico de columnas, las frecuencias de las comidas...

MEDIDAS DESCRIPTIVAS

Se dividen a su vez:

Medidas de Posición: dividen un conjunto ordenado de grupos con la misma cantidad de individuos. Cuartiles, percentiles y deciles.

Medidas de Centralización: son aquellas que indican valores con respecto a los que los datos parecen agruparse.

·        Media: promedio aritmético de las observaciones.

·        Moda: valor de la variable que más se repite.

·        Mediana: valor que separa por la mitad las observaciones ordenadas de menor a mayor.

Medidas de dispersión: indican la mayor o menor concentración de los datos respecto de las medidas de centralización.

·        Varianza: promedio cuadrado de las distancias entre cada observación y la media del conjunto de observaciones.

·        Desviación típica: es la desviación respecto a la media.

·        Coeficiente de variación: medida de dispersión relativa.

·        Rango muestral o recorrido: diferencia entre el mayor y el menor valor de la muestra.

Medidas de forma:

ASIMETRÍA, puede haber varios tipos.

CURTOSIS O APUNTAMIENNTO, mide la mayor o menor cantidad de datos que se agrupan con respecto a la moda. Se pueden diferenciar 3 tipos de distribuciones:

PROPIEDADES DE LA DISTRIBUCIÓN NORMAL

• Es simétrica si la media, la mediana y la moda coinciden.
• Si a la desviación típica le sumamos y restamos la media obtenemos el 68% de los sujetos comprendidos, si le sumamos y restamos 2xdesviación típica el 97.7% y por 3x el 99.9%.

ESTADÍSTICA INFERENCIAL

Es la estadística que realiza generalizaciones sobre un conjunto de datos mayor.

TIPOS DE ERROR AL TOMAR UNA DECISIÓN

Primero diferenciaré lo que es la hipótesis nula de la alternativa:

• Hipótesis nula (Ho): No existen diferencias significativas en la eficacia clínica de dos productos A y B (A=B)
• Hipótesis alternativa (Ha): Existen diferencias en la eficacia clínica de dos productos A y B (A ≠ B) A > B ó A < B

¢Error tipo I (alfa): El investigador decide que existe diferencia cuando en realidad no la hay.

¢Error tipo II (beta): El investigador concluye que ha sido incapaz de encontrar una diferencia que existe en la realidad.

¿Qué indica la P? es una medida de la influencia del AZAR en la posible asociación entre las variables analizadas, este azar debe ser siempre contemplado, evaluado y cuantificado mediante el valor de la p. No indica fuerza de la asociación.

 Ej: p<0.07 indica que en menos de 7 veces de cada 100 se repitiera el mismo estudio, nuestro resultado se debería al azar.

TIPOS DE VARIABLES

Cualitativas: el género (dicotóminas), los nombre de personas, actividades favoritas, profesión, la calidad de un producto (policotómicas).

Cuantitativas: Pueden ser a su vez discretas (el número de hijos, entre 1 y 2 no existe otra cantidad) o continuas (el peso, entre 50 y 51 hay infinitos valores).

PRUEBAS ESTADÍTICAS DE CONTRASTE DE HIPÓTESIS MÁS APLICABLES

• Chi cuadrado.

Ejemplo:

Un investigador quiere estudiar si hay asociación entre la práctica deportiva y la sensación de bienestar. Extrae una muestra aleatoria de 100 sujetos. Los datos aparecen a continuación.

Sensación de Bienestar	Práctica deportiva		Total
	Sí	no
Sí	20	25	45
No	10	45	55
Total	30	70	100

Contraste la hipótesis de independencia entre bienestar y práctica de deporte (alfa = 0,01).

Calculamos los valores esperados.

Sensación de bienestar	Práctica deportiva
	Sí	No
Sí	(45x30)/100=13,5	(45x70)/100=31,5
No	(55x30)/100=16,5	(55x70)/100=38,5

Sustituimos en  la fórmula: y obtenemos: 8.13 Calculamos los grados de libertad: número de fila-1 x número de columnas-1= (2-1)x(2-1)= 1
Miramos en la tabla y concluimos que la practica deportiva y la sensación de bienestar estás asociadas.

• T de student (cualitativa dicotómica VS cuantitativa)
  
• Test anova (cualitativa policotómica VS cuantitativa).
• Regresión (cuantitativa VS cuantitativa). Describe la relación entre dos variables, es decir, mide si los datos están agrupados.
  
  
  

EN EPI INFO

Entramos en el programa y le damos a clásico, allí dentro le damos a navegar y seleccionamos la base de datos donde hayamos recogido nuestros cuestionarios, una vez hecho eso, pinchamos a la derecha variables y realizamos la tabla de chi cuadrado, anova, t student o lo que necesitemos de una forma totalmente automática. Ha partir de ahí cuando tenemos los datos solo queda interpretarlos cogiendo las respetivas gráficas y viendo si el número de la tabla es menor se acepta la hipótesis nula.
SHI CUADRADO

T-STUDENT

ANOVA

REGRESIÓN LINEAL