Despedida temporal 😉

Bueno, llegó el fin de este curso y con él, la última entrada de este blog, pero solo momentáneamente, porque como sabéis, próximamente comienza una temporada muy "divertida" para los estudiantes universitarios y sí, me refiero a la época de exámenes, en mi caso el 6 de Junio, con nada mas y nada menos que con Farmacología.

En relación, a esta asignatura he de decir, que me ha sorprendido gratamente, ya que ha despertado en mi, la curiosidad sobre una parte de la enfermería que aunque la conocía de "teoría", nunca me había planteado en llevarla a cabo.

En cuanto, a la asignatura en sí, he de reconocer que las clases teóricas han sido muy intensas, ya que al ser tanta teoría y sin un descanso entre una hora y otra, tu cabeza acababa por colapsar. 💥

Sin embargo cuando hacíamos problemas, las clases resultaban bastantes entretenidas, ya que te dabas cuenta como en tan solo media hora, comprendías toda esa cantidad de información que no eras capaz de asimilar en cuatro horas semanales.

Para finalizar esta entrada, darles las gracias a los profesores D. Manuel Pabón y D. José Antonio Ponce.

Espero poder escribir pronto una nueva entrada donde os comenté la nueva temática del Blog "Survival Nurse"de cara al próximo curso. 😃

Actividades del Tema 12

Primer Problema

En un estudio sobre exposición a riesgos biológicos en personal de Enfermería de una unidad quirúrgica de un hospital comarcal, se realiza una encuesta a 15 enfermeros de la unidad en la que se indagaba acerca del cumplimiento de las normas de bioseguridad y los factores que pudieran relacionarse con el mismo. Para ello en el cuestionario se incluyeron preguntas sobre cumplimiento de las normas de bioseguridad que puntuaban en su totalidad de 0 a 50 puntos y preguntas para conocer el nivel de estrés al que está sometido el personal que también puntuaban de 0 a 50 puntos. Obtenidos los resultados que figuran en la tabla adjunta, los investigadores pretenden saber si existe relación entre el nivel de estrés y el cumplimiento de las normas de bioseguridad:

Hipótesis nula: No hay relación entre el nivel de estrés y el cumplimiento de las normas

Variable Independiente ( x ): Estrés

Variable Dependiente ( y ) : Cumplimiento de normas

Continuación del problema y solución

Segundo Problema

Un grupo de investigadores se plantea una investigación para saber si, en un grupo de pacientes de una unidad médica de hospitalización, las cifras de urea plasmática tienen algún tipo de relación con los valores de la hemoglobina. Para ello, se estudiaron ambos parámetros en una muestra de 8 pacientes de esta unidad, obteniéndose los siguientes valores:

Plantear la hipótesis adecuada y realizar el modelo que mejor explique el tipo de relación existente entre ambos variables, realizando el test de hipótesis más pertinente.

Tema 12

TEMA 12: Concordancia y Correlación. Correlación paramétrica: Pearson. Correlación no paramétrica: Spearman

El sentido de regresión es la predicción de una medida basándonos en el conocimiento de otra.

Regresión lineal simple: correlación y determinación 

- Se trata de estudiar la asociación lineal entre dos variables cuantitativas 

- Regresión lineal simple: una sola variable independiente 

- Regresión lineal múltiple: más de una variable independiente

- Ecuación de la recta:    y = ax + b    (ej: TAS=a· edad +b) 

- Pendiente  de la recta   alfa = β1 

- Punto de intersección con el eje de coordenadas   Beta =β0 

- Β1 expresa la cantidad de cambio que se produce en la variable dependiente por unidad de cambio de la variable independiente 

- Β0 expresa cuál es el valor de la variable dependiente cuando la independiente vale cero

- Modelos lineales deterministas: la variable independiente determine el valor de la variable dependiente. Entonces para cada valor de la variable independiente sólo habría un valor de la dependiente 

- Modelos lineales probabilísticos: Para cada valor de la variable independiente existe una distribución de probabilidad de valores de la dependiente, con una probabilidad entre 0 y 1. 

- La recta a determinar es aquélla con la menor distancia de cada punto a ella.

Coeficientes de relación

 - Coeficientes de correlación de Pearson: Es paramétrica, por lo que requiere que la distribución siga la Normalidad

 -  Rho de Spearman: Es no paramétrica por lo que requiere que se emplea cuando la distribución no sigue la Normalidad

Análisis de Correlación

El análisis de correlación se utiliza con el propósito de de disponer de un indicador cuantitativo que permite sintetizar el grado de la asociación entre variables.

  - Coeficiente de Correlación r de Pearson (r), (Rxy): 

     - Correlación positiva: r = 1 ( Las ordenaciones son todas concordantes)

     - Correlación Negativa: r = -1 (La asociación es negativa e inversa)

     - Sin correlación: r = 0 (No existe asociación)

La magnitud del Coeficiente de Correlación (r) indica cuan cerca están los puntos de la recta, tomando valores entre 1 y -1

Regresión lineal simple: correlación y determinación

- Y = β1· x  +  β0 

- Yi=    β1· x  + β0  +  ei 

-  Y sería la media de la variable dependiente en un grupo con el mismo valor de la variable independiente Yi= y + ei 

-  Para construir un modelo de regresión lineal hace falta conocer: Punto de intersección con el eje de coordenadas=β0 y la Pendiente  de la recta a = β1 

-  No hay un modelo determinista: hay una nube de puntos y buscamos la recta que mejor explica el comportamiento de la variable dependiente en función de la variable independiente

Problemas del Tema 11

ODDS

Estudio de evolución de heridas. Quiero comparar 2 productos Silverdema y Blastoestimulina.
¿Cual da un mayor porcentaje de evoluciones favorables? Para ello debemos saber que hay 52 pacientes en 2 grupos.

	Positiva	Negación	Total
Silvederma	11	15	26
Blastoestimulina	16	10	26
Total	27	25	52

	Positiva	Negación	Total
Silvederma	(27x26)/52	(25x26)/52	26
Blastoestimulina	(27x26)/52	(25x26)/52	26
Total	27	25	52

Silvederma: 42,3% de respuesta positiva
Blastoestimulina: 61,5% de respuesta positiva
Riesgo relativo de 1,46

¿Esa es diferencia significativa?

	Positiva	Negación	Total
Silvederma	13,5	12,5	26
Blastoestimulina	13,5	12,5	26
Total	27	25	52

Valores esperados: ( 2 - 1 ) x ( 2 - 1 ) = 1

Hipótesis nula: La evolución de las heridas no tienen relación con las pomadas.

Hipótesis alternativas: La evolución de la Silvederma es más rápida.

Hipótesis alternativa: La evolución de la herida con Blastoestimulina es más favorable.

Fórmula:

Para una p de 0,05 vale X^2 = 3,84

Mi X^2 = 1,92 por lo que no puedo rechazar la H0

Otros Problemas sobre este tema:

En un centro de salud se realiza un estudio entre la población escolar para conocer si un programa de educación sobre los hábitos saludables logra que los niños tomen desayunos saludables. Se sometieron 258 escolares al programa educativo para medir en los meses siguientes mediante un cuestionario, si seguían o no un desayuno saludable. A otros 288 escolares que no participaron en el programa también se les midió el seguimiento de los desayunos saludables.

En cuanto a los resultados, en el primer grupo se halló que 156 escolares, tomaban un desayuno saludable.

Mientras que en el segundo grupo, se obtuvo que tan solo 87 escolares seguían un desayuno saludable.

	Desayuno saludable	Desayuno no saludable	Total
Primer grupo	156	102	258
Segundo grupo	87	201	288
Total	243	303	546

Hipótesis nula: El programa no influye en los desayunos

Variable Independiente: Programa de Educación para la Salud

Variable Dependiente: Desayuno Saludable

	Desayuno saludable	Desayuno no saludable	Total
Primer grupo	114,82	143,18	258
Segundo grupo	128,18	159,82	288
Total	243	303	546

Grado de libertad = 1

Como 50,45 ( resultado obtenido tras el sumatorio) es mayor que 3,84, debemos rechazar la hipótesis nula.

Conclusión:

El programa de salud influye mejorando los desayunos de los escolares.

Incidencias Acumuladas:

Hay más del doble de desayunos saludables en escolares expuestos al programa.

Tema 11

TEMA 11: Pruebas No Paramétricas más utilizadas en enfermería

La prueba de Chi Cuadrado. Corrección de Yates. Prueba exacta de Fisher. Prueba de McNemar

Pruebas no paramétricas: Análisis bivariado de variables cualitativas: 

                                        

Test de hipótesis Chi-cuadrado

• Para comparar dos variables cualitativas (dependiente e independiente)

• Suponemos la hipótesis cierta y estudiamos cómo es de probable que siendo iguales los dos grupos a comparar se obtengan resultados como los obtenidos o haber encontrado diferencias más grandes por grupos

Tablas de contingencia  - Frecuencias absolutas

• Se emplean para registrar y analizar la asociación entre dos o más variables de naturaleza cualitativa (nominales u ordinales)

• Comparación de dos variables dicotómicas.

Tablas de contingencia-Frecuencias absolutas

• Se emplean para registrar y analizar la asociación entre dos o más variables, de naturaleza cualitativa (nominales u ordinales)

Tablas de contingencia-porcentajes

• Se emplean para registrar y analizar la asociación entre dos o más variables, habitualmente de naturaleza cualitativa (nominales u ordinales)

Prueba Chi-Cuadrado

La prueba o estadístico Chi cuadrado se utiliza para comprobar si la diferencia en los datos que observamos:

     – Es debida al azar

         • Recordemos que la H₀ establece que no hay diferencia, que hay igualdad. Aceptamos la Hipótesis nula

    – Es debida a algo más, por ejemplo una asociación entre las variables que estudiamos.

         • Rechazamos la H₀. Aceptamos la H₁. 

Condiciones para aplicar la Chi cuadrado

1. Las observaciones deben ser independientes. 

2. Utilizar en variables cualitativas

3. Más de 50 casos

4. Las frecuencias teóricas o esperadas en cada casilla de clasificación no deben ser inferiores a 5. 

Si no se cumplen los requisitos: Se usan pruebas paramétricas

1. Utilizar el estadístico de Fisher

2. Corrección de continuidad de Yates

Recordemos en la prueba de Chi cuadrado

• Frecuencia observada: la que recogen los datos

• Frecuencia esperada: la que observaríamos si no hubiera relación

• Grados de libertad: Número de valores o datos que pueden variar libremente dado un determinado resultado

Grados de libertad = (filas -1)*(columnas -1) (número de filas menos una) x (número de columnas menos una).

Prueba chi-cuadrado

• Permite determinar si dos variables cualitativas están o no asociadas. Es decir si son dependientes (H₁) o independientes (H₀).

• Para su cómputo calculamos:

    – Frecuencias  esperadas (FE): aquellas que deberían haberse observado si la H₀ fuese cierta, ie, si ambas variables fueran independientes

   – Frecuencias observadas (FO) en nuestro estudio

Tema 10

TEMA 10: Estimación y/o Significación Estadística

Distribuciones muestrales para medias y datos continuos. Distribuciones muestrales para proporciones y datos categóricos

Significación estadística

- Una de las dos formas de inferencia estadística (la otra es la estimación puntual y/o por intervalos)

- Permite contrastar hipótesis y relacionarlo con el método científico.

- Se parte de la hipótesis nula, frente a la hipótesis alternativa.

- Permite calcular el nivel de significación y tomar decisiones, cuantificando el error.

Hipótesis estadística

- Es una proposición sobre la distribución de probabilidad de una variable.

- Siempre son proposiciones sobre la población, no sobre la muestra.

- Conjeturas que se elaboran antes de empezar el muestreo.

- Pretenden comprobar si las diferencias encontradas en la muestra del estudio se pueden generalizar a la población.

- Para ello se construye un modelo teórico en el que se formula una hipótesis:

   – Hipótesis nula: contempla la no existencia de diferencias entre los parámetros que se comparan

   – Hipótesis alternativa: contempla la existencia de diferencias entre los parámetros que se comparan

Contrastes de hipótesis

- Para controlar los errores aleatorios, además del cálculo de intervalos de confianza, contamos con una segunda herramienta en el proceso de inferencia estadística: los tests o contrastes de hipótesis

- Con los intervalos nos hacemos una idea de un parámetro de una población dando un par de números entre los que confiamos que esté el valor desconocido

- Con los contrastes (tests) de hipótesis la estrategia es la siguiente:

     – Establecemos a priori una hipótesis acerca del valor del parámetro

     – Realizamos la recogida de datos

     – Analizamos la coherencia de entre la hipótesis previa y los datos obtenidos

- Son herramientas estadísticas para responder a preguntas de investigación: permite cuantificar la compatibilidad entre una hipótesis previamente establecida y los resultados obtenidos

- Sean cuales sean los deseos de los investigadores, el test de hipótesis siempre va a contrastar la hipótesis nula.

- Se utiliza la prueba estadística correspondiente y se mide la probabilidad de error al rechazar la hipótesis nula, asociada al valor de p

- Según el nivel de significación que hayamos preestablecido (habitualmente un 95%) las soluciones pueden ser:

       – p>0,05: en este caso no podemos rechazar la hipótesis nula (no podemos decir que sea cierta, sino que no podemos rechazarla)

      – p<0,05: en este caso rechazamos la hipótesis nula, por lo que debemos aceptar la hipótesis la hipótesis alternativa.

Alfa, P y Regla de decisión

- Alfa:

Es un número muy pequeño, que se determina cuando se diseña un estudio

Conociendo alfa, se conoce la región de rechazo

- P:

Se conoce después de realizar el estudio

Conociendo P se sabe el resultado del estudio

- Regla de decisión o Criterio de rechazo:

Contraste significativo: p<alfa

Errores de hipótesis

- Con una misma muestra podemos aceptar o rechazar la hipótesis nula, todo depende de un error, al que llamamos α

- El error α es la probabilidad de equivocarnos al rechazar la hipótesis nula

- El error α más pequeño al que podemos rechazar H₀ es el error p

- Habitualmente rechazamos H₀ para un nivel α máximo del 5% (p<0,05)

- Es lo que llamamos “significación estadística”

Método de contraste de hipótesis

Paso 1:

- Expresar el interrogante de la investigación como una hipótesis estadística

   - H₀: No hay diferencias significativas

   - H₁: Hay diferencias

Paso 2:

- Decidir sobre la prueba estadística adecuada

   ¿Cómo? – Según la población y el tipo de variables

Paso 3

- Seleccionar grado de significación para la prueba estadística

- Grado de significación = alfa = probabilidad de rechazar de manera incorrecta la hipótesis nula, cuando sea cierta (normalmente 0.05 , 0.01, 0.001)

Paso 4

- Realizar cálculos y exponer conclusiones

Tema 9

Tema 9: Introducción a la inferencia estadística. Intervalos de confianza y contraste de hipótesis. Estimación de parámetros. Hipótesis estadísticas. Contraste de hipótesis. Error tipo I y error tipo II. Contrastes por intervalos de confianza.

Inferencia estadística

• Dos formas de inferencia estadística:

    • Estimación: del valor en la población (Parámetro) a partir de un valor de la muestra (Estimador)

    • Contraste De Hipótesis, a partir de valores de la muestra, se concluye si hay diferencias entre ellos en la población.

Estimaciones

• Proceso de utilizar información de una muestra para extraer conclusiones acerca de toda la población

• Se utiliza la información recogida para estimar un valor

• Puede realizarse:

   

   - Estimación Puntual: Consiste en considerar al valor del estadístico muestral como una estimación del parámetro de población

   - Estimación por Intervalos: Calcular dos valores entre los cuales se encuentra el parámetro poblacional que se quiere estimar con una probabilidad determinada, habitualmente el 95%

     - Se pueden crear para cualquier parámetro de la población

     - Se utilizan como indicadores de la variabilidad de las estimaciones

     - Cuanto más “estrecho” sea, mejor

Error estándar

  - Es la medida que trata de captar la variabilidad de los valores del estimador.

  - Es la variabilidad de la muestra

  - Contra más pequeño sea el error, más fiabilidad nos aporta.

Cálculo Del Error Estándar

- Depende de cada estimador:

   - Error estándar para una media: s/√¯n

   - Error estándar para una proporción: √¯p(1-p)/n

Contrastes de hipótesis

- Para controlar los errores aleatorios, además del cálculo de intervalos de confianza, contamos con una segunda herramienta en el proceso de inferencia estadística: los tests o contrastes de hipótesis 

- Con los contrastes (tests) de hipótesis la estrategia es la siguiente:

    – Establecemos a priori una hipótesis acerca del valor del parámetro

    – Realizamos la recogida de datos

    – Analizamos la coherencia de entre la hipótesis previa y los datos obtenidos

Errores de hipótesis

- Con una misma muestra podemos aceptar o rechazar la hipótesis nula, todo depende de un error, al que llamamos α

- El error α es la probabilidad de equivocarnos al rechazar la hipótesis nula

- El error α más pequeño al que podemos rechazar H0 es el error p

- Habitualmente rechazamos H0 para un nivel α máximo del 5% (p<0,05)

- Es lo que llamamos “significación estadística”

Ejemplo de problema:

Se estudiaron 93 pacientes en una unidad coronaria para conocer la proporción de las enfermedades coronarias que presentaban alto riesgo de IAM, tras estudiar a los pacientes s e observa que el 22 de ellos presentaban alto riesgo de IAM. ¿Cuál sería el intervalo de confianza al 95% de la proporción general de enfermedades coronarias de alto riesgo de IAM?