OBSERVACIONES: Etapas• Clasificación de los objetos

de acuerdo a la presencia o ausencia de algún atributo específico.

• Cuantificación de las características de interes.

Es indispensable en el proceso de medición definir claramente el objeto de estudio. No solamente identificar la aparición del evento (ejemplo: una enfermedad), sino también definir en que momento del proceso se hace la observación.

Exactitud:

Un dato debe ser exacto en el sentido de registrar la variable tal como es.

Un dato representa la valoración de la variable con el agregado del error que se comente al registrarlo.

Este error puede surgir del propio instrumento de medición (falta de calibración del instrumento) o de el uso del instrumento (mala medición por parte del usuario).

Sensibilidad:

Los datos deben tener cierta

sensibilidad, lo que significa

que pueden diferenciar los

hechos que resulta de interés

diferenciar.

Por ejemplo, si para evaluar la

masa corporal de los

integrantes de un grupo de

personas se utiliza la balanza

que se emplea para pesar

camiones, es probable que , no

se puedan establecer las

diferencias entre esas

personas, ya que el

instrumento es sensible para

pesos cercanos a las

toneladas.

De la misma manera, la

balanza con que es posible

pesar a las personas no es de

sensibilidad suficiente como

para registrar el peso de

fármacos presentes en una

capsula.

Notese que los datos

cuantitativos permiten

obtener mayor sensibilidad

que los que se registran al

agrupar a una variable en

categorías. Esto es asi porque

en una misma categoría

pueden estar incluidas

situaciones que en realidad

son distintas.

Precisión:

La precisión es el grado en que se

puede repetir el proceso de medición.

Una buena precisión significa que se

reducen al mínimo los errores aleatorios

en el procedimiento de medición.

Por lo general los errores aleatorios se

asocian con la participación humana en

el proceso de medición.

Ejemplos: la lectura imprecisa de la

escala, las aproximaciones

redondeadas, etc.

Entre los elementos no humanos que

contribuyen al error aleatorio están los

cambios de temperatura, el desgaste

gradual y el desajuste en los elementos

funcionales de un artículo.

EXACTITUD, SESIBILIDAD, CONFIABILIDAD Y VALIDEZ DE LOS

DATOS

ERROR ALEATORIO Y SESGO

Toda medición puede producir valores diferentes al valor verdadero. Cuando las desviaciones del valor real ocurren en forma desorganizada, no sistemática, se dice que se esta produciendo un error aleatorio.

Si las desviaciones tienen una tendencia sistemática decimos que hay sesgo. Definimos sesgo como cualquier proceso, en cualquier etapa de la inferencia, que tienda a producir resultados o conclusiones que difieran sistemáticamente de la verdadera.

El ideal es obtener mediciones con poco error aleatorio (precisas) y sin sesgo. En la práctica esto es dificultoso.

CARACTERISTICAS DE UNA MEDICION

Origenes de la variabilidad de los

resultados o mediciones en salud

Cuando se mide una variable esta puede tomar valores diferentes al valor verdadero.

Variablilidad Aleatoria:

Cuando las desviaciones al valor verdadero se producen en forma desorganizada o asistemática. Se denomina Error aleatorio.

Variabilidad Sistemática:

Cuando las desviaciones al valor verdadero se producen en forma organizada. Denominamos a este Error, Sistemático o Sesgo.

Validez de una Medición:Se refiere a que la medición mida lo que se pretende medir. El concepto de validez se relaciona con el grado en el que una medición o estudio alcanza un conclusión correcta. Exactitud

Repetibilidad de una Medición: ConfiabilidadEs la tendencia de la medición de generar resultados idénticos al medir en mismo objeto en las mismas condiciones.

Para ser repetibles una medición deberá producir resultados similares cuando distintas personas la realizan. Precisión.

Caracteristicas de las

Mediciones

Validez = Exactitud

Sesgo

Repetibilidad = Precisión

Error aleatorio

TIPOS DE VARIABLES

• Variables Cuantitativas

Se denomina a cualquier variable susceptible de ser medida en términos numéricos.

Ejemplos:

• Tensión arterial.

• Peso.

• Edad.

• Temperatura.

• Número de hijos.

• Discretas: Es aquella variable que solo puede

tomar un número finitos de valores dentro de un intervalo.

Ejemplos:• Número de pacientes.

• Número de consultas.

• Cantidad de médicos por paciente.

• Número de camas.

• Continuas: Es aquella variable que puede

tomar infinitos valores dentro de un intervalo.

Ejemplos:• Temperatura corporal.

• Concentración de Glucosa en sangre.

• Variables Cualitativas

Se denomina a cualquier

variable no susceptible de ser

cuantificada. Siendo un

atributo o factor.

Ejemplos:

• Estado Civil.

• Sexo.

• Profesión.

• Calidad de un producto.

• Evaluación en el nivel primario.

• Se clasifican en:

• Variables Nominales

• Variables Ordinales

ESCALAS DE MEDICION

• La escala de medida de una característica o variable, tiene consecuencias en la forma de presentación de la información y resumen.

• La escala de medición, el grado de exactitud y precisión en la medición de las variables, también determina los métodos estadísticos que se usan para analizar los datos.

• Por tanto, es importante definir las características que se van a medir antes de comenzar cualquier trabajo estadístico.

Las cuatro escalas o nivel de medición que se presentan con mayor frecuencia en las ciencias de la salud son:

• Escala Nominal o

clasificatoria.

• Escala Ordinal o de rango.

• Escala de intervalo.

• Escala de proporción.

ESCALAS NOMINALES

Se usan para la forma más simple de medición cuando los valores de los datos se clasifican en categorías.

Por ejemplo:• Para describir a varones que han

tenido un paro cardíaco primario: si estaban llevando a cabo una actividad física al momento del paro cardiaco y si estaban acostumbrados al ejercicio vigoroso. Los datos puede evaluarse en dos: si o no, es decir son variables dicotómicas.

Muchas clasificaciones en salud se valoran con una escala nominal. A menudo los resultados de un tratamiento médico o un procedimiento quirúrgico se evalúan por su pesencia o ausencia.

EjemploLas anemias pueden clasificarse en:

1) anemias microcíticas, que comprenden 1a deficiencia de hierro.

2) Macrocítica o megaloblástica, por deficiencia de vitamina B12.

3) Normocíticas, que a menudo acompañan a la enfermedad crónica.

Cáncer pulmonar y que podría clasificarlo en varias categorías:

1- de células pequeñas, 2- grandes, 3-aveniformes 4- escamosas.

La forma más sencilla de determinar si las observaciones se miden con una escala nominal es peguntar si se clasifican o se colocan en categorías equivalentes.

Podemos decir que es el nivel de

medición mas primitivo. Consiste

en aplicar números o símbolos

para clasificar a los objetos,

personas y características.

Las propiedades formales de la

Escala Nominal, es decir, las

condiciones que requiere, son que

los miembros observaciones o

elementos de una clase o categoría

deben se equivalentes, idénticos

respecto a la propiedad que

tenemos en cuenta.

Con este tipo de escalas se pueden

hacer algunas operaciones

estadísticas; por ejemplo contar

cuantos elementos hay en cada

uno de los grupos formados y asi

tenemos las frecuencias.

Las podemos expresar en términos

de porcentajes del total y observar

cuál es el grupo que tiene mayor

frecuencia. A esta categoria o

grupo de mayor frecuencia se

denomina “modo” que es una

medida de tendencia central.

ESCALAS ORDINALES

Si hay un orden inherente entre las categorías, se dice que las observaciones se miden en una escala ordinal.

Estas observaciones aun se clasifican como en las escalas nominales, pero algunas tienen “más” o son “más grandes que” otras.

Las categorías en las escalas

ordinales están relacionadas

entre si.

Relaciones típicas entre clases o

categorías son las que

comparan altura, preferencias,

dificultad, perturbación,

madurez, etc.

Tales relaciones pueden formu-

larse con el signo > que

significa “mayor que”.

Las diferencias con las escalas

nominales es que esta

última no sólo incorpora la

relación de equivalencia sino

también la de “es mayor

que”.

Esta relación es irreflexiva, es

decir, asimétrica, de tal

modo que si x > y, y < x

Además es transitiva, es decir,

que si x > y e y >z,

luego x > z

El estadístico mas apropiado

para describir la tendencia

central es la mediana, dado

a que no es afectada por los

valores extremos, como en

el caso de la media o

promedio.

También es común que se

utilicen las medidas de

posición como los cuartiles,

deciles y percentiles.

Los métodos estadísticos

aplicables son los no

paramétricos.

Ejemplo: Los tumores, se clasifican en estadios o etapas según su grado de desarrollo.

• La clasificación internacional para valorar la etapa de un carcinoma de cuello uterino es una escala ordinal de 0 a IV. Donde la etapa 0 representa carcinoma in situ y la etapa IV carcinoma que se extiende mas allá de la pelvis o que afecta a la mucosa de vejiga y recto.

• Desde luego, por orden inherente en esta escala ordinal, la etapa IV tiene peor pronóstico que la 0.

• Una característica importante de las escalas ordinales es que aunque existe un orden entre categorías la diferencia entre dos grupos adyacentes no es la misma en la escala.

• Para ilustrarlo, considerense las calificaciones Apgar, que describen la madurez de niños recién nacidos en una escala de 0 a 10, los valores menores indican depresión de funciones cardiorrespiratorias y neurológicas. Sin embargo, es probable que la diferencia entre una calificación de 8 y una de 10 no sea de la misma magnitud que entre 0 y 2.

PUNTUACION DE APGAR

LOS VALORES DE CADA UNA DE LAS CINCO

CATEGORÍAS SE SUMAN PARA GENERAR UN

RESULTADO QUE VA DE 0 A 10.

ESCALAS CUANTITATIVAS

Observaciones donde las diferencias entre cifras se traducen a una escala numérica, se designan en ocasiones como observaciones cuantitativas, debido a que miden la cantidad de algo.

Hay dos clases de escalas numéricas:

• Discretas

De intervalos

• Continuas

De cocientes o razones

La propiedad mas importante

que presentan, por encima

de las escalas cualitativas, es

que las distancias numéricas

iguales representan

distancias iguales empíricas.

Así podemos decir que a dos

objetos a los que se ha

asignado en este tipo de

escalas los números 5 y 10

están igualmente separados

que otros dos a los que se ha

asignado los números 10 y

15.

• Cuando una observación

solamente puede medirse en

valores enteros, la escala de

medición es discontinua o

discreta.

• Ejemplo de variables

discretas:

• Nº de hijos, Nº

embarazos, cantidad de

personas que se

necesitan para una taréa.

ESCALAS DISCRETAS

ESCALAS CONTINUAS

Cuando una escala tiene todas las características de una escala ordinal y se conoce la distancia entre dos números cualesquiera.

Una escala de medida esta caracterizada por una medida común y constante que asigna un número real a todos los pares de objetos en un conjunto ordenado.

ESCALAS DE INTERVALOS

En una escala de intervalos el punto cero y la unidad de medidas son arbitrarios.

Ejemplo: Temperatura.

Las Escala Celsius y Farenheit, la unidad de medida y el punto 0 son diferentes en ambas escalas. Sin embargo contienen la misma cantidad y clase de información, dado que estan relacionadas linealmente:

Escala Celsius: El “0” es el punto de

congelación del agua. El “100” esta dado por el punto de ebullición del agua.

Escala Farenheit:El “0” es a los 32 °C. El

punto de ebullición es a los “212”.

La relación lineal es:

°F= 9/5*°C+32

Propiedades:

El punto “0” de una escala

de intervalos es arbitrario.

Al ser una escala

cuantitativa, es posible

aplicar toda las

estadísticas paramétricas

comunes (promedio,

desvío standard,

correlación de Pearson,

etc.), con excepción del

coeficiente de variación.

ESCALAS DE COCIENTES O RAZONES

Cuando una escala tiene todas las características de una escala de intervalos y además tiene un punto cero verdadero en su origen, nos hallamos frente a una escala de cocientes.

La relación entre o cociente entre dos puntos de la escala es independiente de la unidad de medida.

Por ejemplo, en la escala de los kilos en el sistema métrico decimal y en la escala de las libras en el sistema inglés, cuando determinamos los pesos de dos objetos en libras y en kilos encontramos que la relación de dos pesos en libras es igual a la relación de dos pesos en kilos.

RELACIONES:• Equivalencia.

• Mayor y menor

• Relacion de igualdad entre dos intervalos cualesquiera.

• Relación igual entre dos valores cualesquiera de la escala.

Los números asociados a los valores de la escala de cocientes son números verdaderos con un cero auténtico; solo es arbitrario la unidad de medida.

Muestra y Población

• Se denomina población al conjunto de

individuos con determinadas

características seleccionadas (edad,

sexo, patología, etc.).

• Si se quieren conocer los parámetros

de una variable en la población de

interés, se debe medir en el total de

individuos de la población, siendo esto

la mayoría de las veces imposible de

realizar por factores de costos y

tiempo.

• En general se extrae un subconjunto de la población de estudio, denominado muestra, en el cual se mide la variable de interés. El objetivo fundamental del muestreo es obtener conclusiones válidas sobre la población de la cual se obtuvo la muestra.

• Para que de los valores obtenidos de una muestra se puedan inferir los valores poblacionales, la muestra debe ser representativa de la población. Para ello debe haber sido seleccionada al azar.

• Hay importantes implicancias estadísticas y éticas en la elección del tamaño de muestra para un estudio. Si la muestra es muy pequeña el estudio puede no detectar importantes efectos clínicos, por otra parte, un estudio con una muestra demasiado grande implica involucrar más pacientes que los necesarios, incrementando además los costos.

• Un aspecto importante es el tamaño de la muestra. Este está relacionado directamente con la precisión de los resultados que se obtendrán.

• Cuanto mayor sea el tamaño de la muestra mayor precisión tendrán los resultados, pues el tamaño de la muestra estará mas cerca del tamaño de la población y cuanto mas pequeña sea el tamaño de la muestra, los resultados serán menos precisos.

• Por tal motivo existen métodos para poder establecer o calcular de acuerdo a la situación cuál es el tamaño de la muestra adecuado. Esto no quiere decir que no pueda seleccionarse otro tamaño de la muestra, solo es mas recomendable.