Mostrando entradas con la etiqueta SESIONES TEÓRICAS ESTADÍSTICA Y TIC. Mostrar todas las entradas
Mostrando entradas con la etiqueta SESIONES TEÓRICAS ESTADÍSTICA Y TIC. Mostrar todas las entradas

jueves, 10 de junio de 2021

TEMAS 14-17. TICS Y SALUD

 Las TICs son instrumentos técnicos que pueden crear, transformar, almacenar, gestionar, recuperar y difundir información de forma rápida en una realidad virtual. Nos permite comunicarnos haciendo que desaparezcan las distancias geográficas y el tiempo.

El uso de los TICs en sanidad ha supuesto un gran avance ya que tiene muchas ventajas.

El paso de la historia clínica en formato de papel a programas informáticos ha sido beneficioso ya que se ahorra tiempo, se evitan pérdidas de historias clínicas. También reduce el riesgo de errores en los datos del paciente. Además, el acceso a los registros de salud digitalizados es  instantáneo y puede hacerse a través de dispositivos portátiles, aumentando la eficiencia y la productividad.

Permiten un acceso más eficiente a los servicios, mejorando la oportunidad de la atención y la costo-efectividad de los tratamientos.

Favorecen el desarrollo de herramientas dirigidas a dar respuesta en áreas como la planificación, la información, la investigación, la gestión, prevención, promoción o en el diagnostico o tratamiento. 

También ha sido un gran avance debido al desarrollo de recetas electrónicas, la telemedicina  y programas que se encargan del almacenamiento digital de los exámenes de diagnóstico de los pacientes que les permiten ser anexados a la historia clínica electrónica.


lunes, 7 de junio de 2021

TEMA 13: PRUEBAS PARAMÉTRICAS MÁS UTILIZADAS EN ENFERMERÍA

 La prueba de t de student. La prueba de t de student para datos apareados. Anova

Test a aplicar en análisis bivariado variable cualitativa y cuantitativa:

 •Paramétricos:

 –T de student para 1 o dos muestras (o categorías) (apareadas o independientes).

 –ANOVA (para más de dos muestras o categorías independientes).

 •No paramétricos 

–Prueba U de Mann-Whitney (muestras independientes).

 –Test Wilconxon (muestras apareadas).

 –Test Kruskal-Wallis (más de dos muestras o categorías).


T DE STUDENT COMO TEST PARAMÉTRICO 

 •Criterios de parametricidad 

- Distribución Normalidad (Test K-S o Shapiro) 

-Homocedasticidad o igualdad de varianzas 

-Test Levene. 

 F> 0,05: Se asume igualdad de varianzas 

 F< 0,05: No hay igualdad de varianzas 

 N muestral > 30

 •Permite contrastar :

-Sí dos muestras proceden o no de la misma población. 

-Si hay diferencia entre las dos medias.

 •Muestras independientes dependientes


Con la t de Student comprobamos si existe una diferencia estadísticamente significativa entre las medias de dos muestras o grupos.

1.Planteamiento de hipótesis

2.Elegir el test a aplicar( T de Student)

3.Calculamos el grado de libertad

GL: n1+ n2 -2

4.Calculamos sp

5.Calcular t



6.Se compara el valor de T calculado con el valor que debería adquirir t para una p=0,05

Si la t obtenida es < que la t teórica se acepta H0 y se rechaza H1
Si la t obtenida es > que la t teórica se rechaza H0 y se acepta H1

ANOVA
Anova, es un método que permite comparar varias medias en diversas situaciones.
Con el análisis de varianza comprobamos si existen diferencias estadísticamente significativas entre más de dos grupos.
Permite estudiar la asociación entre una variable cuantitativa y una variable cualitativa de más de dos categorías, siempre que la cuantitativa siga una distribución normal.
Se basa en el cálculo del estadístico F de Fisher Schnedecor.



 

TEMA 12: CONCORDANCIA Y CORRELACIÓN

Relaciones entre variables y regresión

El término regresión fue introducido por Galton.

Su trabajo se centraba en la descripción de los rasgos físicos de los descendientes a partir del de sus padres.

ESTUDIO CONJUNTO DE DOS VARIABLES

El objetivo es reconocer a partir de este estudio si hay relación entre dos variables, de que tipo y si es posible predecir el valor de una de ellas en función de la otra.

RELACIÓN INDIRECTA E INVERSA 


REGRESIÓN LINEAL SIMPLE: CORRELACIÓN Y DETERMINACIÓN
Se trata de estudiar la asociación lineal entre dos variables cuantitativas
La variable independiente determina el valor de la variable dependiente.
La recta no es un modelo lineal determinista , es probabilístico.

Hay dos tipos de coeficientes:
-Pearson: Es paramétrica, requiere que se siga una distribución normal
-Spearman: No paramétrica, requiere que no siga una distribución normal

•Ecuación de la recta: y = a + bx 
•Pendiente de la recta → b 
La pendiente de la recta cuanto más negativa sea más decreciente es la recta.
• “b” expresa la cantidad de cambio que se produce en la variable dependiente por unidad de cambio de la variable independiente (velocidad de ascenso). “Coeficiente de regresión” 
•Punto de intersección con el eje de coordenadas → a 
• “a” expresa cuál es el valor de la variable dependiente (eje y) cuando la independiente vale cero (eje x). Si x=0 → y= a

1. Calcular a y b 

2. Calcular la desviación típica de x, y

3.Calcular el coeficiente de correlación y determinación
Coeficiente de correlación (Pearson y Spearman): Número adimensional (entre -1 y 1) que mide la fuerza y el sentido de la relación lineal entre dos variables
Coeficiente de determinación: número adimensional (entre 0 y 1) que dá idea de la relación entre las variables relacionadas linealmente. Es r2

Decimos que hay una relación inversa cuando el coeficiente de correlación se acerca a -1 y directa cuando se acerca a 1.
Hay una relación fuerte cuando el coeficiente de determinación está cerca de 1 y débil si está cerca de 0

4.Realizar el diagrama de puntos

5.Calcular la recta

















jueves, 13 de mayo de 2021

TEMA 11.LA PRUEBA DE CHI-CUADRADO

El chi-cuadrado permite determinar si dos variables cualitativas están o no asociadas. Es decir si son dependientes (H1 ) o independientes (H0 ).
Para poder aplicarlo:
-Las observaciones deben ser independientes.
-Utilizarlo para comparar dos variables cualitativas.
-Más de 50 casos
-Las frecuencias teóricas o esperadas no deben ser menores de 5.

Para poder aplicar la formula debemos conocer:
-Frecuencia observada: la que recogen los datos.
-Frecuencia esperada: la que observaríamos si no hubiera relación. 
-Grados de libertad (gl): Número de valores o datos que pueden variar libremente dado un determinado resultado.

Grados de libertad (gl) = (filas -1)*(columnas -1)

Pasos a seguir:
1.Establecer la hipótesis nula (H0 ). 
2.Realizar una tabla con los datos observados o frecuencias observadas (fo). 
3.Calcular los grados de libertad (gl). 
4.Calcular las frecuencias esperadas o teóricas (fe o ft).
5.Utilizar el estadístico:
6.Compararlo con las tablas al nivel de significación fijado. 
7.Aceptar o rechazar la H0.

Si chi-cuadrado teórica es mayor que la observada se acepta la hipótesis nula(H0).
Si chi-cuadrado teórica es menos que la observada se rechaza la hipótesis nula(H0) y por consiguiente se acepta la hipótesis alternativa(H1).


miércoles, 5 de mayo de 2021

TEMA 10.ESTIMACIÓN Y/O SIGNIFICACIÓN ESTADÍSTICA

 


TEMA 9: INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. INTERVALOS DE CONFIANZA Y CONTRASTE DE HIPÓTESIS

INFERENCIA ESTADÍSTICA

La inferencia estadística es el conjunto de métodos y técnicas que permiten inducir, a partir de la información empírica proporcionada por una muestra, cual es el comportamiento de una determinada población con un riesgo de error medible en términos de probabilidad.

En la inferencia estadística se estima los parámetros poblacionales, se evalúa la variabilidad aleatoria y controla los factores de confusión.

Formas de inferencia estadística

Estimación del valor en la población (parámetro) a partir de un valor de la muestra (estimador).

- Parámetro: cada uno de los estadísticos que tras inferirse, nos proporciona información sobre la población.

- Estimador: índice que representa una información de la muestra estudiada.
La estimación sirve para conocer el valor de los parámetros poblacionales a partir de los datos obtenidos en la muestra. El mejor estimador de la media de la población es la media muestral. 
Puede ser puntual o por intervalos.

.Puntual: consiste en dar un único valor.

.Por intervalos: Se establece cuando para estimar un parámetro se proporciona un intervalo de valores probables. Se debe construir un intervalo de confianza (IC), alrededor del estadístico de la muestra, que establece un rango de posibles valores del parámetro en la población e indica la probabilidad de estar dentro de estos límites. Los límites superior e inferior del rango de valores se denomina límites de confianza.

ERROR ESTÁNDAR
Es la medida que capta la variabilidad de los valores del estimador. El error estándar de cualquier estimador mide el grado de variabilidad en los valores del estimador en las distintas muestras de un determinado tamaño que pudiésemos tomar de una población
Cuanto más pequeño es el error estándar de un estimador, más nos podemos fiar del valor de una muestra concreta. 

CÁLCULO DE ERROR ESTÁNDAR

-Error estándar para una media

-Error estándar para una proporción
Se aplica cuando las variables del estudio son cualitativas o atributos, en consecuencia no podemos cuantificarlos para obtener su media aritmética. P es el porcentaje.


Mientras mayor sea el tamaño de una muestra, menor será el error estándar.

INTERVALOS DE CONFIANZA

El cálculo de los límites de confianza se basa en el concepto de error estándar de la media (EEM) y en los principios relacionados con la distribución normal o de Gauss. 
Se define por un valor máximo y otro mínimo asociado a la probabilidad
Se utiliza el intervalo de confianza del 95% o 99%, es decir, se asume un nivel de error de entre 5% y 1% respectivamente.

IC de un parámetro = estimador ± z (EEM): 
• Z es un valor que depende del nivel de confianza 1-a con que se quiera dar el intervalo. 
• Para nivel de confianza 95%  z= 1.96. 
• Para nivel de confianza 99%  z= 2.58. 

El signo ± significa que cuando se elija el signo negativo se conseguirá el extremo inferior del intervalo y cuando se elija el positivo se tendrá el extremo superior.
CONTRASTE DE HIPÓTESIS
Consiste en realizar una afirmación o hipótesis sobre los parámetros desconocidos y se desarrolla un procedimiento para comprobar la verosimilitud de la hipótesis planteada, para ello se llegará a una conclusión de aceptar o rechazar dicha hipótesis. 



TEMA 8.TEORÍA DE MUESTRAS

 TIPOS DE MUESTREO. TEORÍA DE LA ESTIMACIÓN. TAMAÑO DE LA MUESTRA.


.Técnicas de muestreo: conjunto de procedimientos que permiten elegir muestras que reflejen las características de la población.

.Siempre que se trabaja con muestras hay que asumir un error, el cuál en un muestreo probabilístico se denomina error aleatorio. Mientras que en los muestreos no probabilísticos no es posible evaluar el error.



Factores de los que depende el tamaño:
  • Variabilidad del parámetro: frecuencia de lo que deseamos medir. 
  • Precisión de los datos: amplitud del intervalo de confianza. Cuanta mayor precisión, más estrecho el intervalo. 
  • Nivel de confianza: significación estadística del estudio. En ciencias de la salud como mínimo en un 95%, o lo que es lo mismo (1-∝) = 0'95, y por tanto, ∝ = 0'05.
  • Poder estadístico: capacidad que tiene el estudio para encontrar diferencias si es que realmente las hay. 
  • Efecto esperado: cuanto mayor sea el efecto esperado menor será el tamaño muestral, ya que tendremos más probabilidad de tener sujetos que lo presenten.
Determinación del tamaño muestral para estimar una proporción

 
• Zα ,: es el coeficiente que corresponde al nivel de confianza prefijado. 
 – Para un nivel de confianza del 95%, α = 0.05, el valor de Zα = 1.96
 – Para un nivel de confianza del 99%, α = 0.01, el valor de Zα = 2.57
 • p: es el valor aproximado del parámetro que se quiere medir (su variabilidad o cuán frecuente es) expresado en términos de probabilidad, es decir, en tanto por uno. Este dato lo podemos obtener de estudios previos o de un estudio piloto.
 • (1 - p): es el complementario del valor de p. 
• i: es la precisión con la que se desea estimar el parámetro (también fijado por los investigadores).

Determinación del tamaño muestral para estimar una media


•Zα ,: es el coeficiente que corresponde al nivel de confianza prefijado. 
– Para un nivel de confianza del 95%, α = 0.05, el valor de Zα = 1.96
 – Para un nivel de confianza del 99%, α = 0.01, el valor de Zα = 2.57 
•S 2 : es la varianza de la distribución de la variable cuantitativa que se supone existe en la población. Este dato lo podemos obtener de estudios previos o de un estudio piloto.
 •i: es la precisión con la que se desea estimar el parámetro (también fijado por los investigadores) 

Determinación del tamaño muestral en poblaciones finitas



•na : es el número de sujetos necesarios tras el ajuste. 
•n: es el número de sujetos calculados para poblaciones infinitas (a partir de las fórmulas anteriores). •N: es el tamaño de la población.

Determinación del tamaño muestral en estudios que pretender contrastar hipótesis

-Se debe conocer la variabilidad del parámetro que se estudia, y el efecto esperado debido a la intervención realizada.
-Definir si la hipótesis a contrastar va a ser unilateral o bilateral.
-Establecer el riesgo de cometer el error tipo I (α) que se está dispuesto a asumir.
-Establecer el riesgo de cometer el error tipo II (β).
-Para estimar el tamaño muestral en estos casos, podemos recurrir al nomograma de Altman o a aplicaciones informáticas que nos proporcionan el tamaño muestral a partir de los parámetros estimados y asumidos por los investigadores.

Nomograma de Altman

Tamaño muestral ajustado a las pérdidas


•Na : es el número de sujetos ajustado a las pérdidas. 
•n: es el número de sujetos sin pérdidas (teórico). 
•R: es la proporción esperada de pérdidas expresada en tanto por uno.


















lunes, 19 de abril de 2021

TEMA 6: REPRESENTACIÓN GRÁFICA DE LA INFORMACIÓN

 TEMA 6: REPRESENTACIÓN GRÁFICA DE LA INFORMACIÓN: Representación variables cualitativas y cuantitativas discretas. Representación de variables cuantitativas continuas. Errores en las representaciones.


 

Variables cualitativas

Gráficos de sectores

dicotómicas o policotómicas con pocas categorías

 

Gráfico de barras 

Policotómicas

 

Pictogramas

Policotómicas

 

 

Variables cuantitativas

Gráfico de barras

sólo para variables discretas con bajo rango de valores

 

Histogramas

Variables continuas

 

Polígono de frecuencia

Variables continuas

 

Gráfico de tronco y hojas

Variables continuas

 

DATOS BIDIMENSIONALES Y MULTIDIMENSIONALES

Tendencias temporales

 

Nubes de puntos(scatter plot)

 

Otros gráficos multidimensionales( diagrama de estrellas)

 

Diagramas de caja, Box Plot o “Caja-bigotes

 

GRÁFICO DE SECTORES



Errores:

-Variable policotómica (muchas categorías) ü

-Variable ordinal

 

GRÁFICO DE BARRAS



Errores:

-Se comparan frecuencias absolutas y no son comparables

-Si se  trata de una variable cuantitativa es preferible un histograma (polígono de frecuencias, tronco y hojas…) y un resumen numérico (media, desviación típica)

 

PICTOGRAMAS



Este tipo de gráfico no permite buenas comparaciones. Para realizar su gráfica primero se deben escoger las figuras que sean alusivas al tema y se les asigna un valor. En caso de que una cantidad represente un valor menor, la figura aparecerá desvirtuada.

 

 

HISTOGRAMAS Y POLÍGONOS DE FRECUENCIA

 



GRÁFICO DE TRONCO Y HOJA



Tiene la ventaja de no perder información individual, identifica la distribución de los datos (posible media y mediana) y si existen clases faltantes.

 

TENDENCIAS TEMPORALES


 

NUBES DE PUNTOS O “SCATTER PLOT”

Para representar el comportamiento de dos variables continuas en un grupo de individuos.

La imagen del diagrama nos da una posible idea de la correlación entre las dos variables.



 

DIAGRAMA DE ESTRELLAS

 Para representar un conjunto de variables cuantitativas y comparar entre diferentes unidades de análisis (individuos o conglomerados). ü

Cada variable representa un vértice del diagrama de estrella . ü

Gráficamente da una idea del comportamiento conjunto de las variables estudiadas.

 

DIAGRAMAS DE CAJA, BOX PLOT O “CAJA BIGOTES”


 Son útiles parar representar variables que presentan una gran desviación en su distribución.







miércoles, 24 de marzo de 2021

TEMA 4. INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA

 

 La estadística descriptiva sirve para describir y resumir datos y es el tipo de estadística más utilizada en medios de difusión.

Para organizar los datos obtenidos es necesario realizar una tabla de frecuencia, el la cuál aparece:

-Frecuencia absoluta: Número de individuos que presentan una modalidad, o que están incluidos en un intervalo.

-Frecuencia relativa:. Es la frecuencia absoluta dividida por el número total de casos. La suma de las frecuencias relativas debe ser 1.

-Porcentaje: los porcentajes se obtienen multiplicando la frecuencia relativa por 100.

-Frecuencia absoluta acumulada: Suma de las frecuencias absolutas

-Frecuencia relativa acumulada: Suma de las frecuencias relativas


INDICADOR: Se define indicador como la medida de la frecuencia de un determinado suceso en una población. Los indicadores siempre están formados por un numerador y un denominador.

 MEDIDAS MÁS EMPLEADAS EN ESTADÍSTICA SANITARIA

Prevalencia : Número de individuos con la enfermedad/ Número de individuos en la población en un punto en el tiempo

 



 

Prevalencia en hombre de 16-44 años

Prevalencia :2741/5658= 0,484 = 48,4 %

Incidencia acumulada: Número de nuevos casos detectados durante el seguimiento que desarrollan la enfermedad/Nº de sujetos libres de enfermedad al comienzo del seguimiento


Densidad de incidencia: Nuevos casos durante el periodo de seguimiento /Personas-tiempo riesgo observados

 

La prevalencia= densidad de la incidencia x duración de la enfermedad

 

RIESGO RELATIVO(RR)= Incidencia en expuestos/ Incidencia en no expuestos

 -Si su valor es superior a uno (RR > 1): la exposición estudiada es un Factor de riesgo

-Si su valor es próximo a uno (RR = 1): la exposición no está asociada con la enfermedad

-Si su valor es inferior a uno (RR < 1): la exposición estudiada es un factor de protección

 

ODDS RATIO(OR)

Casos controles. Los sujetos ya presentan la enfermedad en el momento de ser seleccionados.

 


-Si su valor es superior a uno (OR > 1):hay más casos entre los expuestos y controles entre los no expuestos

-Si su valor es próximo a uno (OR = 1): la exposición no está asociada con la enfermedad

-Si su valor es inferior a uno (OR < 1): la exposición estudiada es un factor de protección










miércoles, 17 de marzo de 2021

TEMA 3. DE LOS CONCEPTOS A LAS VARIABLES

 Tipos de variables:

.Cuantitativas: pueden medirse en términos numéricos y pueden ser:

 -Discretas( sólo puede tomar un número finito de valores. Ejemplo número de cigarrillos o de hijos.)

 -Continuas( las que pueden valer cualquier número dentro de un rango. Ejemplo, el peso, la talla...)

 -De intervalo, clasifican los valores de las unidades de análisis en intervalos, la cuál no puede tomar el valor 0. Ejemplo, el azúcar en sangre

 -De razón, cuando una variable tiene todas las características de una variable de intervalo, y se le puede asignar un  valor 0. Ejemplo, número de hijos.

 -Categorizada, presenta información cuantitativa agrupada en intervalos de clase.Se puede considerar cualitativa.

 

.Cualitativas: Se refiere a propiedades, no pueden ser medidas. Pueden ser:

 -Nominales, sus valores no se pueden ordenar y pueden ser dicotómicas (dos niveles o categorías) y policotómicas (más de dos categorías)

 -Ordinales, en las que se establecen un orden

Las categorías deben construirse con exhaustividad y exclusividad.

 Existen escalas para medir las variable:

-Escalas nominales o clasificatoria: nivel más bajo de medición

-Escalas ordinales o de rango: en la medición dadas dos o más modalidad de una variable es posible establecer si son iguales o diferentes o si son distintas y cuál de ellas es mayor.

-Escala de intervalo: escala cuantitativa y en ella se puede aplicar las estadísticas como mediana, desviaciones y correlación

-Escala de proporción o racional: Nivel más alto de medición


VARIABLES

CLASIFICACIÓN

Altura física de los niños que acuden a consulta de pediatría en cm

Cuantitativa continua

Cuantitativa de intervalo

Estatus laboral((inexperto/semiexperto/experto)

Cualitativa

Ordinal

Peso físico de los pacientes que acuden a la consulta de crónicos, en Kilogramos

Cuantitativa

Continua

Variable de intervalo

Sexo

Cualitativa

Nominal dicotómica

Calidad percibida del cuidado proporcionado

(excelente/bueno/suficiente/pobre)

Cualitativa

Ordinal

¿Se puede bañar sólo?

Cualitativa

Nominal dicotómica

Temperatura corporal

Cuantitativa

Continua

Variable de intervalo

 

Estado civil (soltero, divorciado, viudo, etc.)

 

Cualitativa

Nominal

Policotómica

¿Tiene alguna preferencia religiosa?

(católica/protestante/judía/islámica/protestante/otra)

Cualitativa

Nominal

Policotómica

¿Cuántos hijos tienes?

Cuantitativa

Discreta

Variable de razón

Edad de los participantes (de 14-16; de 17-19; más de 20 años)

Cuantitativa

Discreta

Variable de intervalo

INTRODUCCIÓN

INTRODUCCIÓN

  Cristina Rodríguez Moscosio, estudiante de Enfermería Cruz Roja.  ETIC es una asignatura totalmente nueva para mí ya que nunca he cursado ...