DISEÑO DE INVESTIGACION EXPERIMENTAL
La investigación experimental en las ciencias sociales difiere notablemente de
la investigación experimental en las ciencias naturales debido a las características de
las unidades de análisis en el área social. Un experimento tiene como propósito
evaluar o examinar los efectos que se manifiestan en la variable dependiente cuando
se introduce la variable independiente, es decir, se trata de probar una relación causal.
La investigación experimental es un proceso que consiste en someter a un
objeto o grupo de individuos a determinadas condiciones, estímulos o tratamiento
(variables independientes), para observar los efectos o reacciones que se producen
(variables dependientes)
En cuanto al nivel la investigación experimental es netamente explicativa, por
cuanto su propósito es demostrar que los cambios en la variable dependiente fueron
causados por la variable independiente. Es decir se pretende establecer con precisión
una relación causa-efecto.
La investigación experimental esta integrada por un conjunto de actividades
metódicas y técnicas que se realizan para recabar la información y datos necesarios
sobre el tema a investigar y el problema a resolver.
Experimentos que pretenden lograr explicaciones causales de los fenómenos.
Aquí lo fundamental es controlar el fenómeno. Se utilizan muestras representativas de
sujetos, control de variables, análisis cuantitativo de datos
PROPOSITO DE UN DISEÑO EXPERIMENTAL
El propósito de un diseño experimental es proporcionar métodos que permitan
obtener la mayor cantidad de información válida acerca de una investigación,
teniendo en cuenta el factor costo y el uso adecuado del material disponible mediante
métodos que permitan disminuir el error experimental.
CARACTERISTICAS
La investigación experimental se presenta mediante la manipulación de una
variable experimental no comprobada, en condiciones rigurosamente controladas, con
el fin de describir de que modo o por qué causa se produce una situación o
acontecimiento particular.
Su diferencia con los otros tipos de investigación es que
el objetivo de estudio y su tratamiento dependen completamente del investigador, de
las decisiones que tome para manejar su experimento.
El experimento es una situación provocada por el investigador para introducir
determinadas variables de estudio manipuladas por él para controlar el aumento o
disminución de esas variables y su efecto en las conductas observadas.
En el experimento, el investigador maneja de manera deliberada la variable
experimental y luego observa lo que ocurre en condiciones controladas. La
experimentación es la repetición voluntaria de los fenómenos para verificar
su hipótesis.
ETAPAS DE LA INVESTIGACION EXPERIMENTAL
1. Delimitar y definir el objeto de la investigación o problema. Consiste en
determinar claramente los objetivos del experimento y las preguntas que haya
que responder. Después se señalan las variables independientes, las dependientes,
los parámetros constantes y la precisión necesaria en la medición de las variables.
Se toma en cuenta la bibliografía existente, la región en que interesan los
resultados, el equipo disponible y su precisión, y el tiempo y dinero disponibles.
2. Plantear una hipótesis de trabajo. Para hacerlo se debe tener la certeza de qué
tipo de trabajo se va a realizar: si se trata de verificar una hipótesis, una ley o un
modelo, no hace falta plantear una hipótesis de trabajo; si el trabajo es
complemento o extensión de otro, es posible que se pueda usar la hipótesis del
trabajo original o hacer alguna pequeña modificación; si el problema por
investigar es nuevo, entonces sí es necesario plantear una hipótesis de trabajo.
Toda investigación comienza con una suposición, un presentimiento o idea de
cómo puede ocurrir el fenómeno. Estas ideas deben estar suficientemente claras
para adelantar un resultado tentativo de cómo puede ocurrir dicho fenómeno: éste
resultado tentativo es la hipótesis.
3. Elaborar el diseño experimental. Ya conocida la naturaleza del problema (si es
de investigación, ampliación o confirmación), la precisión deseada, el equipo
adecuado y planteada la hipótesis de trabajo, se debe analizar si la respuesta a
nuestro problema va a ser la interpretación de una gráfica, un valor o una relación
empírica; esto nos señalará el procedimiento experimental, es decir cómo medir,
en qué orden, y qué precauciones tomar al hacerlo. Una vez determinadas estas
etapas se procede a diseñar el experimento mediante los siguientes pasos:
Determinar todos y cada uno de los componentes del equipo, acoplar los
componentes, realizar un experimento de prueba e interpretar tentativamente los
resultados y comprobar la precisión, modificando, si es necesario, el
procedimiento y/o equipo utilizado.
4. Realizar el experimento. Una vez realizado el experimento de prueba y la
interpretación tentativa de resultados, realizar el experimento final casi se reduce
a llenar columnas, preparadas de antemano, con lecturas de las mediciones, a
detectar cualquier anomalía que se presente durante el desarrollo del experimento
y a trazar las gráficas pertinentes o calcular el o los valores que darán respuesta al
problema.
5. Analizar los resultados. El análisis o interpretación de resultados, ya sean
valores, gráficas, tabulaciones, etc., debe contestar lo más claramente posible la o
las preguntas planteadas por el problema. En términos generales el análisis
comprende los siguientes aspectos: 1) Si el experimento busca confirmar una
hipótesis, ley o modelo, los resultados deben poner de manifiesto si hay acuerdo
o no entre teoría (la hipótesis, ley o modelo) y los resultados del experimento.
Puede suceder que el acuerdo sea parcial; de ser así también se debe presentar en
qué partes lo hay, y en cuáles no; 2) Si es un experimento que discrimine entre
dos modelos, los resultados deben permitir hacer la discriminación en forma
tajante y proporcionar los motivos para aceptar uno y rechazar otro; 3) Si lo que
se busca es una relación empírica, ésta debe encontrarse al menos en forma
gráfica; lo ideal es encontrar una expresión analítica para la gráfica, es decir
encontrar la ecuación. A esta ecuación se le llama empírica porque se obtuvo a
través de un experimento y como expresión analítica de una gráfica. Se debe
tomar en cuenta que en una gráfica cada punto experimental tiene un margen de
error y que en caso de duda —cuando la curva no esté bien determinada—, debe
hacerse un mejor ajuste por medio de mínimos cuadrados. Se debe hacer notar
que la curva más simple de analizar es la recta y que si no la obtuvimos al
graficar nuestros puntos, debemos intentar obtenerla, ya sea cambiando variables
o graficando en papel semilogarítmico o log-log.
6. Obtener conclusiones. Ya logrados los resultados del experimento el
investigador debe aplicar su criterio científico para aceptar o rechazar una
hipótesis o una ley; también es posible que haga alguna conjetura acerca de un
modelo, o proponga la creación de otro nuevo, lo que conduciría a un nuevo
problema. Generalmente se aplican los siguientes criterios: 1) Rechaza una
hipótesis, ley o modelo, cuando comprueba experimentalmente que no se
cumple. Basta que exista un solo fenómeno que no pueda explicar para
desecharla; 2) Acepta como cierta —pero no como absolutamente cierta— una
hipótesis, ley, teoría o modelo, mientras no se tenga la prueba de falla en la
explicación de algún fenómeno; 3) Puede suceder que la hipótesis o modelo
concuerden sólo parcialmente con el experimento, entonces es necesario
especular acerca de las posibles razones de la diferencia entre la teoría y el
experimento, y tratar de hacer nuevas hipótesis o modificaciones a la ya
existente, lo que conduce a un nuevo problema. En las conclusiones se responden
con claridad las preguntas planteadas en el experimento, comprobar si es o no
válida nuestra hipótesis de trabajo o el modelo propuesto. Si hay preguntas sin
respuesta, establecer el porqué o si amerita, conjeturar acerca de la hipótesis o
modelo que describa el fenómeno estudiado.
7. Elaborar un informe por escrito. Sus partes serán:
1) la definición del problema
2) el procedimiento experimental
3) resultados
4) conclusiones.
La elaboración del escrito bajo las convenciones de un informe de investigación.
TIPOS DE DISEÑOS EXPERIMENTALES.
Preexperimentales:
Estudio de caso con una sola medición.
Diseño pretest-postest de un solo grupo.
Comparaciones con un grupo estático.
Experimentales:
Diseño de grupo de control pretest-postest.
Diseño de cuatro grupos de Solomon.
Diseño de grupo postest.
Diseños factoriales.
Cuasiexperimentales:
Experimento de series cronológicas.
Diseño de muestras cronológicas equivalentes.
Diseño de materiales equivalentes.
Diseño de grupo de control no equivalente.
Diseños compensados. (Aleatorizados, con tratamientos
independientes).
Diseños de muestra separada pretest-postest.
Diseño de muestra separada pretest-postest, con grupo control.
Diseño de series cronológicas múltiples.
Diseño de ciclo institucional secuente.
Análisis de discontinuidad en la regresión.
Algunos diseños experimentales clásicos.
Un diseño experimental es una regla que determina la asignación de las unidades experimentales a los tratamientos. Aunque los experimentos difieren unos de otros en muchos aspectos, existen diseños estándar que se utilizan con mucha frecuencia. Algunos de los más utilizados son los siguientes:
2.6.1 Diseño completamente aleatorizado.
El experimentador asigna las unidades experimentales a los tratamientos al azar. La única restricción es el número de observaciones que se toman en cada tratamiento. De hecho si ni es el número de observaciones en el i-ésimo tratamiento, i = 1,...,I, entonces, los valores n1,n2,...,nI determinan por completo las propiedades estadísticas del diseño. Naturalmente, este tipo de diseño se utiliza en experimentos que no incluyen factores bloque.
El modelo matemático de este diseño tiene la forma:
2.6.2 Diseño en bloques o con un factor bloque.
En este diseño el experimentador agrupa las unidades experimentales en bloques, a continuación determina la distribución de los tratamientos en cada bloque y, por último, asigna al azar las unidades experimentales a los tratamientos dentro de cada bloque.
En el análisis estadístico de un diseño en bloques, éstos se tratan como los niveles de un único factor de bloqueo, aunque en realidad puedan venir definidos por la combinación de niveles de más de un factor nuisance.
El modelo matemático de este diseño es:
El diseño en bloques más simple es el denominado diseño en bloques completos, en el que cada tratamiento se observa el mismo número de veces en cada bloque.
El diseño en bloques completos con una única observación por cada tratamiento se denomina diseño en bloques completamente aleatorizado o, simplemente, diseño en bloques aleatorizado.
Cuando el tamaño del bloque es inferior al número de tratamientos no es posible observar la totalidad de tratamientos en cada bloque y se habla entonces de diseño en bloques incompletos.
2.6.3 Diseños con dos o más factores bloque.
En ocasiones hay dos (o más) fuentes de variación lo suficientemente importantes como para ser designadas factores de bloqueo. En tal caso, ambos factores bloque pueden ser cruzados o anidados.
Los factores bloque están cruzados cuando existen unidades experimentales en todas las combinaciones posibles de los niveles de los factores bloques.
Diseño con factores bloque cruzados. También denominado diseño fila-columna, se caracteriza porque existen unidades experimentales en todas las celdas (intersecciones de fila y columna).
El modelo matemático de este diseño es:
Los factores bloque están anidados si cada nivel particular de uno de los factores bloque ocurre en un único nivel del otro factor bloque.
Diseño con factores bloque anidados o jerarquizados. Dos factores bloque se dicen anidados cuando observaciones pertenecientes a dos niveles distintos de un factor bloque están automáticamente en dos niveles distintos del segundo factor bloque.
En la siguiente tabla puede observarse la diferencia entre ambos tipos de bloqueo.
Bloques Cruzados Bloques Anidados
Bloque 1 Bloque 11 2 3 1 2 3
1 * * * 1 *
Bloque 2
2 * * * 2 *
3 * * * 3 * Blo
que 2
4 *
5 * 6 * 7 * 8 * 9 *
Tabla 2.1:
Plan esquemático de experimentos con dos factores bloque
2.6.4 Diseños con dos o más factores.
En algunas ocasiones se está interesado en estudiar la influencia de dos (o más) factores tratamiento, para ello se hace un diseño de filas por columnas. En este modelo es importante estudiar la posible interacción entre los dos factores. Si en cada casilla se tiene una única observación no es posible estudiar la interacción entre los dos factores, para hacerlo hay que replicar el modelo, esto es, obtener k observaciones en cada casilla, donde k es el número de réplicas.
El modelo matemático de este diseño es:
Generalizar los diseños completos a más de dos factores es relativamente sencillo desde un punto de vista matemático, pero en su aspecto práctico tiene el inconveniente de que al aumentar el número de factores aumenta muy rápidamente el número de observaciones necesario para estimar el modelo. En la práctica es muy raro utilizar diseños completos con más de factores.
Un camino alternativo es utilizar fracciones factoriales que son diseños en los que se supone que muchas de las interacciones son nulas, esto permite estudiar el efecto de un número elevado de factores con un número relativamente pequeño de pruebas. Por ejemplo, el diseño en cuadrado latino, en el que se supone que todas las interacciones son nulas, permite estudiar tres factores de k niveles con solo k2 observaciones. Si se utilizase el diseño equilibrado completo se necesitan k3 observaciones.
2.6.5 Diseños factoriales a dos niveles.
En el estudio sobre la mejora de procesos industriales (control de calidad) es usual trabajar en problemas en los que hay muchos factores que pueden influir en la variable de interés. La utilización de experimentos completos en estos problemas tiene el gran inconveniente de necesitar un número elevado de observaciones, además puede ser una estrategia ineficaz porque, por lo general, muchos de los factores en estudio no son influyentes y mucha información recogida no es relevante. En este caso una estrategia mejor es utilizar una técnica secuencial donde se comienza por trabajar con unos pocos factores y según los resultados que se obtienen se eligen los factores a estudiar en la segunda etapa.
Los diseños factoriales 2k son diseños en los que se trabaja con k factores, todos ellos con dos niveles (se suelen denotar + y -). Estos diseños son adecuados para tratar el tipo de problemas descritos porque permiten trabajar con un número elevado de factores y son válidos para estrategias secuenciales.
Si k es grande, el número de observaciones que necesita un diseño factorial 2k es muy grande (n = 2k). Por este motivo, las fracciones factoriales2k-p son muy utilizadas, éstas son diseños con k factores a dos niveles, que mantienen la propiedad de ortogonalidad de los factores y donde se suponen nulas las interacciones de orden alto (se confunden con los efectos simples) por lo que para su estudio solo se necesitan 2k-p observaciones (cuanto mayor sea p menor número de observaciones se necesita pero mayor confusión de efectos se supone).
En los últimos años Taguchi ha propuesto la utilización de fracciones factoriales con factores a tres niveles en problemas de control de calidad industrial.
En todos hay manipulación, luego la clasificación se llevará a cabo en relación
al grado de aleatorización. Se pueden distinguir dos grandes grupos:
1. Experimentales AUTENTICOS. Hay manipulación y aleatorización. Hay dos
tipos básicos:
* Con realización de medición “pre-test” y * Sin realización de medición “pre-
test”.
2. CUASIEXPERIMENTALES O PRE-EXPERIMENTALES. Hay manipulación
pero no hay aleatorización.
DISEÑO EXPERIMENTAL AUTENTICO.
Presenta dos características importantes:
· Manipulación: es la intervención deliberada del investigador para provocar
cambios en la variable dependiente.
· Aleatorización: mayor tamaño de los efectos frente a la equiparación.
Es aquel en el cuanto más aleatorización haya mejor.
El efecto del azar: cuando la muestra aleatoria es grande, el tamaño del efecto es alto.
Ej.: - Si tenemos 30 sujetos y queremos repartir al azar, se podría hacer sorteándolos
con una moneda, pero si tenemos 500 sujetos, habría más probabilidades de que
la muestra sea al azar.
Hay cálculos y sistemas para conocer el número de estudios que se necesitan, para
poder afirmar que es una muestra aleatoria.
CLASIFICACIÓN DE LOS DISEÑOS EXPERIMENTALES AUTENTICOS
En función de la variable independiente:
· Diseños simples.
· Diseños factoriales.
En función de la aplicación:
· Diseños experimentales con grupos de sujetos distintos.
· Diseños experimentales con los mismos sujetos.
En función de las variables dependientes:
· Diseños de medidas repetidas.
DISEÑO EXPERIMENTAL AUTENTICO CON GRUPOS DE SUJETOS
DISTINTOS.
1.- Diseños de grupos aleatorios o independientes.
1.1 Diseño de dos grupos elegidos al azar con medidas en el post-test.
1.2 Diseño de dos grupos elegidos al azar con medidas en el pre-test y en el post-
test.
Sólo interfiere la variable independiente.
En el ensayo clínico la variable independiente (X) suele ser un fármaco.
Hay una variable contaminante que hay que controlar.
2.- Diseños de grupos aleatorios por bloques.
Intenta controlar una variable contaminadora, esto lo hace incluyéndola en todos los
grupos y convirtiendo la variable contaminadora en una constante.
Modalidades:
2.1. Varios sujetos por nivel y bloque.
2.2. Un sujeto por nivel y bloque.
2.3. Diseños con “camadas”.
2.4. Diseño con gemelos.
3. - Diseños especiales:
3.1. Control con placebo (ciego). El sujeto sabe si es control.
3.2. Estudio del doble ciego. Ni el sujeto ni el investigado saben quién forma parte
del control.
Ej.: Al grupo control se le da la educación de siempre, al grupo experimental la nueva
educación sanitaria.
Se realiza un pre-test para evaluar el conocimiento previo.
DISEÑO EXPERIMENTAL AUTENTICO CON LOS MISMOS SUJETOS.
Son llamados también “Diseños Infrasujeto o de medidas repetidas”.
El grupo control y experimental están formados por los mismos sujetos. Los mismos
sujetos son control e investigados.
“Todos los sujetos pasan por todas las condiciones experimentales”.
Presentan principalmente dos ventajas:
· Economía de sujetos.
· Pequeño número de sujetos en el grupo.
Amenazas a la validez interna:
· Efectos de la práctica sobre la variable dependiente.
· Efecto de orden en la presentación de tratamientos y medición de
resultados.
· Efectos de la fatiga.
· Efectos de la motivación.
Procedimientos de control:
1. Aleatorización simple y por bloques.
2. Equilibrado o reequilibrado. Ej.: V.I con dos niveles A y B.
· Equilibrado: ABBA (A afecta a B, B afecta A).
· Alternativa (Dos grupos): grupo 1: orden: AB y grupo 2: orden: BA.
3. Cuadrado latino: sustituye al equilibrado cuando la variable independiente tiene
más de dos niveles.
Ej. 3 niveles: ABC, ACB, BAC, BCA, CAB, CBA (Permutaciones de 3 elementos: 3
X 2 X 1 = 6)
Definición: Elección de permutaciones al azar sin que se repita posición del nivel de
la VI.
1. – ABC 10 sujetos al azar ( con n = 30)
2. - ACB
3. – BAC 10 sujetos al azar.
4. - BCA
5. – CAB 10 sujetos al azar.
6. - CBA
No exclusivamente intrasujeto, sino también Inter.-grupo.
Es un diseño idóneo para el estudio de enfermedades crónicas y enfermedades que
afectan a grandes grupos de población. Muy utilizado en los ensayos clínicos.
DISEÑOS COMPLEJOS O DISEÑOS FACTORIALES.
Es un tipo de diseño experimental en el que hay más de una variable independiente.
Cada variable recibe el nombre de factor. Su principal acción es que sirven para
valorar el efecto de la interacción, es decir, saber el efecto combinado de las
distintas variables. Cada variable recibe el nombre de factor y el número indica
los niveles de cada variable.
Ejemplo: 2X2 (dos variables independientes con dos niveles cada una)
2X2X3 (tres variables independientes, dos de ellas con dos niveles y
una con tres)
Ejemplo de un diseño complejo o factorial:
Hipótesis: Las personas que son distraídas, frente a las que no lo son, aguantan más el
dolor. (Meter la mano en agua helada).
Tenemos 2 v. independientes que tienen dos niveles:
· Distracción (se consigue mediante la lectura de un cuento).- Con cuento
(distracción) y - Sin cuento ( sin distracción).
· Sexo del investigador:- Hombre.- Mujer.
Se forman dos grupos: uno experimental y otro de control.
Y se plantea realizar una estrategia distractiva: leer un cuento mientras se realiza la
prueba.
Diseño del experimento: 2 grupos, uno con distracción y al otro sin distracción (no
lectura del cuento), y mido el tiempo que aguanta cada uno con la mano
sumergida en agua helada.
La investigadora pensó que ella misma podía ser un elemento de distracción y
entonces añadió una variable de confusión que era el “atractivo” de la propia
investigadora, pasando el estudio a ser de dos variables y por lo tanto se
necesitaban cuatro grupos.
Las dos variables tenían efecto sobre el dolor, tanto con el entretenimiento como
con la presencia del investigador.
No hubo efecto combinado de potenciación entre las variables.
CARACTERÍSTICAS DE LOS DISEÑOS COMPLEJOS O FACTORIALES.
*1. Un diseño complejo es mejor que dos diseños simples, ya que es el único que
permite observar el comportamiento de una variable bajo todas las condiciones.
PERMITE VALORAR EL EFECTO DE INTERACCIÓN (el efecto
combinado de ambas variables), es decir, permite saber el efecto principal de A,
el de B y el efecto combinado de ambos).
Un diseño de este tipo, dentro de un estudio de enfermería, nos ayudaría a saber en
que porcentaje la mejoría del paciente es debido a:
- El médico.
- La Enfermera.
- Ambos (conjuntamente)
*2. A más niveles en variables mejor se rastrea la relación causal, pero presenta
el Inconveniente de necesitar más sujetos. Cuanto más aumenta el nivel de las
variables, más aumenta la cantidad de sujetos que se necesitan.
Para garantizar un buen resultado hay que tener por lo menos 10 sujetos por grupo,
si tengo un diseño de: 7. x 9, necesitaré 630 sujetos.
Ejemplo para el diseño: 2 x 2 x 2 (con tres variables).
Variable Independiente: Varones / Hembras.
Variable Dependiente: Con distracción / Sin distracción.
Tenemos que formar 8 grupos de sujetos, ya que tenemos:
1. Variable independiente con dos niveles: Con distracción / Sin distracción.
2. Variable, el investigador: Mujer / Hombre.
3. Sujetos, los investigados: Mujer / Hombre.
Son tres variables independientes causales
DISEÑO DE CUATRO GRUPOS DE SALOMON.
Permite ver los efectos pretest y evitar la amenaza de selección.
O1 X O2 // O3 X O4 // X O5 // X O6 ---- Amenaza la selección de control con
pre-test.
X = O2 + O5 / O4 + O6 = Efectos debidos al tratamiento.
X = O2 + O4 / O5 + O6 = Efectos pretest.
Un estudio para detectar efecto pretest, se puede hacer mediante un diseño factorial
con dos variables.
Diseño de 4 grupos: Pretest: 2 niveles: SI / NO.
Tratamiento: 2 niveles: SI / NO.
- Con pre-test y tratamiento.
- Sin pre-test y tratamiento.
- Con pre-test y sin tratamiento.
- Sin pre-test y sin tratamiento.
Permite conocer las interacciones.
Los diseños factoriales pueden ser experimentales o cuasiexperimentales.
*3.- Efecto de le interacción como punto central de estos diseños.
*4.- Efecto suelo y efecto techo: Se pueden confundir con la interacción, son debidos
a que la variable medida no varia significativamente, están causados por la
restricción en el rango de medida de la variable dependiente.
EFECTO SUELO: medida con poco rango de variabilidad, puntuaciones muy bajas.
EFECTO TECHO: Las variables no discriminan, todos los sujetos presentan
puntuaciones muy elevadas.
Ej.: Si para valorar los conocimientos de la clase en matemáticas hacemos un examen
de 8º E.G.B. y todos sacamos un 10 esto se dice que es un techo, si el examen
es del final de la carrera de matemáticas y todos sacamos y un cero, esto se dice
que es efecto suelo.
EXPERIMENTOS O ENSAYOS SECUENCIALES.
(Todos los vistos anteriormente pueden serlo)
Características:
Es un estudio en que los sujetos se asignan a los grupos poco a poco hasta tener todos
los efectos que esperamos.
En el mundo de la química no hay mas remedio que tener un grupo control y otro
experimental. Esto puede plantear problemas éticos.
En estos estudios de antemano no asignamos los sujetos a los grupos, cuando el
tratamiento es efectivo, se para el estudio para poder aplicar dicho tratamiento
al resto de pacientes, no hace falta acabar el estudio. Así mismo si vemos que el
tratamiento no es efectivo y está perjudicando al grupo experimental, se para no
perjudicar más al grupo.
Por lo tanto podemos afirmar que los estudios están condicionado a los resultados que
se van obteniendo.
Son un tipo de diseño particular porque lo que se estudia son fármacos. De antemano
los sujetos no se asignan. Se hace poco a poco hasta que aparecen resultados. Se
para el tratamiento cuando aparecen efectos adversos o el tratamiento resulta
eficaz.
En estos experimentos, estudios o ensayos la continuidad no está asegurada, sino que
depende y está condicionada por los resultados que van apareciendo.
2-DISEÑOS CUASIEXPERIMENTALES..
De las dos características que presentan los diseños experimentales:
1. Manipulación: es la intervención deliberada del investigador para provocar
cambios en la v. dependiente.
2. Aleatorización: mayor tamaño de los efectos para la equiparación.
Todos los diseños cuasiexperimentales presentan la primera de ellas, clasificándose
según el grado de aleatorización que presentan.
El primer diseño cuasiexperimental, el más sencillo, se lleva a cabo al estudiar una
intervención, se valora por tanto una sola intervención, es el estudio de un caso
y presenta muchas amenazas. El resultado obtenido no se compara con otro
previo, su planteamiento es endeble, la subjetividad juega un papel muy
importante, aún así la observación mejora si añadimos una observación inicial y
hacemos una comparación, si se hace pre-test y post-test. Ej. Se estudia una
población, se pone tratamiento a un problema de salud detectado y nuevamente
se le vuelve a estudiar.
Este diseño tiene nuevas y mejores aportaciones que el modelo de diseño anterior,
pues aunque sigue siendo endeble se realiza el estudio tras una selección.
El tercer diseño pre-experimental se lleva a cabo utilizando un grupo control, aunque
no hay medidas pre-test se realiza un seguimiento a un grupo al que se le ha
puesto tratamiento y a otro grupo que aún padeciendo la enfermedad no se le ha
puesto tratamiento.
Las principales amenazas en éste diseño son: la mortalidad, la selección y las
interacciones.
En los diseños cuasiexperimentales cuando para el estudio a realizar se utilizan
voluntarios y se lleva a cabo el diseño, debemos tener en cuenta que la amenaza
fundamental es la selección.
Los sesgos de selección o se controlan en la fase de diseño o ya no hay forma posible
de ser controladas.
Los diseños cuasiexperimentales
“DE SERIE CRONOLOGICA INTERRUMPIDA”, es un diseño en el que hay
diferentes medidas:
O1 X O2 ---- O1O2O3O4 X O5O6O7O8
Se aplica un tratamiento y se realizan nuevas mediciones, estas mediciones se
realizan cronológicamente a lo largo del tiempo, deben ser mediciones
constantes y regulares.
Las ventajas que presentan son la “selección” y la “maduración”. La amenaza más
importante que tiene este diseño es la “historia”, es decir, los cambios o
acontecimientos históricos que se producen, esta amenaza disminuye a medida
que las mediciones realizadas estén más cercanas y/o solapadas en el tiempo.
El análisis puede hacerse de dos formas:
· OJIMETRO: detección visual de los cambios.
· ARIMA: análisis estadístico ARIMA.
3-DISEÑOS EXPERIMENTALES DE CASO ÚNICO.
El diseño experimental de caso único trabaja con un solo sujeto y puede considerarse
una alternativa a la investigación realizada habitualmente en grupos. Los
diseños de n=1 y los planes de cuidados de enfermería guardan una estrecha
relación en el sentido de la importancia que adquiere la individualidad, ambos
significan observar e intervenir.
Las principales VENTAJAS que presentan aplicados a enfermería son:
· Suponen un instrumentos factible y aplicable en el campo clínico, en donde la
investigación experimental resulta más difícil de conseguir dado el carácter
individualizado de la atención sanitaria.
· Los diseños n=1 eliminan la dificultad que para la investigación clínica tiene la
homogeneización de la muestra objeto de estudio. El trato con pacientes supone
diferentes comportamientos y múltiples formas de expresión, sentimientos y
estados emocionales variables, elementos que están presentes y que no pueden
ser aislados del contexto del estudio.
· La ausencia de grupo control, un solo sujeto ejerce como sujeto experimental y
a la vez como sujeto control.
Las principales DIFICULTADES Y LIMITACIONES de los diseños n=1 son:
· La generalización: se apunta que esta se puede efectuar con mayor seguridad si
el número de observaciones es mayor. Este aspecto es discutido, ya que otros
autores (Castro, 1975) afirma que no importa que la generalización se obtenga a
través de una observación en múltiples sujetos o mediante múltiples
observaciones a un solo sujeto.
· La variabilidad: el ser humano al ser individualizado en sus características bio-
psicosociales-espirituales, son muchos y muy diversos los factores que influyen
en el comportamiento de cada persona, dando lugar a variaciones individuales
múltiples.
Los estudios de caso único permiten el desarrollo de múltiples diseños, de entre los
cuales se destacan los siguientes:
1. DISEÑO A-B-A: también llamado diseño de retirada y considerado el prototipo
en investigaciones con un solo sujeto. Este diseño presenta una secuencia en la
que se elabora una línea base (A), se aplica un tratamiento (B), y finalmente se
retira el tratamiento volviendo a la línea base (A). Ej. Estudio del tratamiento de
un fármaco para la T.A. Primero se observa una serie de factores (A), después
se interviene con el fármaco y se sigue observando (B), y por último se retira el
fármaco y se sigue observando (A). En este diseños las series han de ser
constantes, hay que hacer el mismo número de observaciones (mediciones) y
las condiciones han de ser estándares.
Este tipo de diseño presenta ciertas reservas en su aplicación clínica ya que representa
anular o retirar un tratamiento que puede ser beneficioso para el paciente, por
ello una alternativa sería:
2. DISEÑO A-B-A-B: donde se finaliza la investigación con la aplicación y
mantenimiento del tratamiento que se ha considerado positivo. Volviendo al
ejemplo anterior sería: observación sin tratamiento, con tratamiento, sin
tratamiento y observación con tratamiento. Si la serie continua más nos
acercamos a un plan de cuidados.
3. DISEÑO A-B: es otra alternativa, aunque más débil (débil validez interna), es
considerado como un diseño de carácter experimentador y para ver la
reactividad del sujeto, puede servir como punto inicial para posteriores
investigaciones.
4. DISEÑO B-A-B: el sujeto requiere una intervención inmediata y una vez que
queda fuera de peligro se retira el tratamiento. Es poco utilizado, es más un
planteamiento teórico.
5. DISEÑO DE LÍNEA BASE MÚLTIPLE: en ella se registran y se observan
no una sino varias variables. Es una diseño adecuado e idóneo para valorar
interacciones entre tratamientos.
ANÁLISIS DE LOS DATOS.
En los diseños experimentales de caso único, los datos pueden ser analizados
mediante técnicas visuales o de representación gráfica o bien a través de
procedimientos estadísticos. Sin embargo debe recordarse que ni los
comportamientos de las personas son uniformes y constantes, ni las
circunstancias permanecen siempre intactas, presentándose así una de las
dificultades que se señalaba con anterioridad en lo que a variabilidad de datos
se refiere. Esto da lugar a ciertas limitaciones a la hora de analizar e interpretar,
dificultades que deberán ser tenidas en cuenta a la hora de obtener
conclusiones.
BIBLIOGRAFÍA.
· Barlow, D. Hersen. “Diseños experimentales de caso único” Ed. Martínez Roca.
· Lluch M.T., Miguel M.D., Sabater P., “Diseños de caso único o N=1: su
importancia en enfermería”.