Bioestadística. Características de los datos y de su recolección, revisión y cómputo. II.

Presentación del tema: "Bioestadística. Características de los datos y de su recolección, revisión y cómputo. II."— Transcripción de la presentación:

1 Bioestadística. Características de los datos y de su recolección, revisión y cómputo. II.

2 Definición operativa. Definición que se ha seleccionado entre varias definiciones. n Definiciones de “enfermo de sarampión” –Pacientes con presencia de manchas de Koplik en mucosa bucal; –Pacientes con exantema maculopapular de tres o más días de duración, fiebre y cualquiera de las tres siguientes: tos, coriza o conjuntivitis; o, –Pacientes con IgM específica para virus del sarampión.

3 Clasificación de variables según su escala. n Cualitativas (nominales, ordinales). n Cuantitativas (discretas, continuas).

4 Variables cualitativas. Clasifican a los individuos de acuerdo a ciertas características que les son comunes. n Variable nominal: la característica se define por un nombre, sin que pertenecer a una categoría implique ser más o menos que la categoría definida por otro nombre diferente.

5 Variables nominales: ejemplos.

6 Variables cualitativas. Clasifican a los individuos de acuerdo a ciertas características que les son comunes. n Variables ordinales: aquellas cuyas características pueden recibir algún orden subjetivo. Se puede asumir que una característica es más o menos que las otra, pero se desconoce qué tanto más o menos. n Ejemplos: magnitud del dolor, acuerdo con una afirmación, percepción del calor.

7 Variables ordinales: ejemplos.

8 Variables cuantitativas. También permiten diferenciar entre individuos pero, además, nos señalan cuán grandes son las diferencias observadas. n Variables discretas: aquellas cuyos valores están separados entre sí por una cantidad determinada, y la unidad no puede ser fraccionada. n Ejemplos: número de consultas, número de alumnos en cada aula, número de peatones que cruzan una calle.

9 Variables discretas: ejemplos.

10 Variables cuantitativas. También permiten diferenciar entre individuos pero, además, nos señalan cuán grandes son las diferencias observadas. n Variables continuas: aquellas en que la escala de medición se puede dividir en una cantidad infinita de valores entre dos puntos cualquiera. n Ejemplos: tiempo de respuesta, talla, área, volumen.

11 Variables continuas: ejemplos.

12 Variable edad.

13 Variables en estudio Una variableDos variablesTres o más variables Cualitativa Cuantitativa P ,  mediana, rango Cualitativa/Cualitativa Cualitativa/Cuantitativa Cuantitativa/Cuantitativa P-P, P  P -- , ,  Análisis Multivariado (Regresión Múltiple, Regresión Logística, Regresión de Cox)

14 Variables en estudio Una variableDos variablesTres o más variables Cualitativa Cuantitativa P ,  mediana, rango Cualitativa/Cualitativa Cualitativa/Cuantitativa Cuantitativa/Cuantitativa P-P, P  P -- , ,  Análisis Multivariado (Regresión Múltiple, Regresión Logística, Regresión de Cox)

15 Variables en estudio Una variableDos variablesTres o más variables Cualitativa Cuantitativa P ,  mediana, rango Cualitativa/Cualitativa Cualitativa/Cuantitativa Cuantitativa/Cuantitativa P-P, P  P -- , ,  Análisis Multivariado (Regresión Múltiple, Regresión Logística, Regresión de Cox)

16 Diseños con una variable. n Estudio de clasificación o prueba diagnóstica. n Estudio transversal / de prevalencia.. n Descripción de series de casos. n Descripción de series de expuestos / de pronóstico.

17 Variables en estudio Una variableDos variablesTres o más variables Cualitativa Cuantitativa P ,  mediana, rango Cualitativa/Cualitativa Cualitativa/Cuantitativa Cuantitativa/Cuantitativa P-P, P  P -- , ,  Análisis Multivariado (Regresión Múltiple, Regresión Logística, Regresión de Cox)

18 Variables en estudio Una variableDos variablesTres o más variables Cualitativa Cuantitativa P ,  mediana, rango Cualitativa/Cualitativa Cualitativa/Cuantitativa Cuantitativa/Cuantitativa P-P, P  P -- , ,  Análisis Multivariado (Regresión Múltiple, Regresión Logística, Regresión de Cox)

19 Variables en estudio Una variableDos variablesTres o más variables Cualitativa Cuantitativa P ,  mediana, rango Cualitativa/Cualitativa Cualitativa/Cuantitativa Cuantitativa/Cuantitativa P-P, P  P -- , ,  Análisis Multivariado (Regresión Múltiple, Regresión Logística, Regresión de Cox)

20 Diseños con dos variables. n Ensayo clínico. n Estudio de cohorte. n Estudio de casos y controles. n Estudio transversal analítico. n Estudio de correlación.

21 Clasificación de variables según su escala. n Cualquiera que sea la escala que se escoja debe reunir, entre otras, dos condiciones básicas: –Exhaustiva. Permitirá la clasificación de cualquier individuo que se estudia. –Excluyente. No permitirá que un mismo individuo sea contabilizado dos veces por la misma variable.

22 Clasificación exhaustiva. n Sexo: –Femenino/mujer/hembra. –Masculino/hombre/macho. n Sexo –Femenino/mujer/hembra. –Masculino/hombre/macho. –Indeterminado/hermafrodita.

23 Clasificación excluyente. VariableComentarios IncorrectoCorrecto Número de consultas 0 a 100 a 9Variable discreta. Incorrecto. Los grupos no son excluyentes. 10 a 2010 a 19 20 a 30 Talla en cm 70 a 80Variable continua. Correcto. Los novatos podrían confundirse. 80 a 90 90 a 100 Talla en cm 70.0 a 79.9Variable continua. Correcto. Asegurarse que nadie tiene valores entre 79.9 y 80.0, ni entre 89.9 y 90.0. 80.0 a 89.9 90.0 a 100

24 Recolección de datos. n Fuente primaria. Según el procedimiento de recolección: –Observación. –Interrogatorio. n Fuente secundaria. Según: –Calidad de la información. –Accesibilidad administrativa.

25 Revisión y corrección de los datos recogidos. n Los datos los anotamos en una cédula de captación de datos o formulario. n Antes de procesarlos es necesario revisar cada uno de los formularios recogidos con el fin de ver si los datos han sido registrados correctamente.

26 Cómputo de los datos. n Listas. n Palotes. n Computadoras.

27 Ejemplo de una lista.

28 Ejemplo de una hoja para tabulación con palotes.

29 Computadoras. Ventajas. Rapidez en el proceso. Disminución de los errores y facilidad de corrección.  Facilidad para manejar grandes volúmenes de datos. Recurso tecnológico relativamente económico. Disponibilidad de programas comerciales de cómputo. Desventajas. Demanda de personal capacitado. Facilidad de que los archivos se dañen. Los equipos de computo se desactualizan y deprecian rápidamente.