Reflexión final

Tras cuatro meses de intenso estudio se termina la asignatura y ha llegado la hora de sacar conclusiones. A lo largo de ella hemos aprendido a confiar en una forma de enfermería que no era la clínica ni su función fundamental era estar con los pacientes, sino que realizaba la enfermería de un modo científico, basándose en observaciones anteriores para, de este modo, buscar el máximo beneficio a ésta vocación como es enfermería.

Muchos de los conceptos aprendidos han sido gracias a las clases teóricas y, por supuesto, a los seminarios, sin los cuáles no podría haber realizado mi proyecto de investigación pues no tendría el conocimiento necesario para recoger y analizar datos en una plataforma electrónica como es EpiInfo ni tampoco saber ordenar la bibliografía en formato  "Vancouver".

Al principio ésta asignatura parecía fácil pues no era una asignatura por llamarla de alguna manera, troncal, que fuese necesaria para la práctica enfermera. Tras el tiempo me di cuenta que sin investigaciones que manifiesten los avances en salud es imposible ejercer esta profesión de un modo correcto. Es por ello, por lo que otorgue a estadística gran parte de mi tiempo, tanto para entender la teoría como para la realización de los problemas matemáticos.

En conclusión espero tener buenos resultados en esta asignatura pues como se dice popularmente: "Un buen trabajo tiene su recompensa" y no hay mayor recompensa que conseguir lo que has soñado.

SEMINARIO 5 ESTADÍSTICA Y TICS

En este último seminario hemos expuesto nuestros trabajos de investigación, en mi caso el consumo de AINEs en las alumnas del centro de enfermería Cruz Roja de la Universidad de Sevilla. Las encargadas de la presentación fuimos mi compañera Sara  y yo quienes estábamos muy nerviosas en ese momento. Igualmente expusieron nuestros compañeros de seminario los cuales hicieron sus estudios sobre el alcoholismo en adolescentes.

Es muy satisfactorio conocer que nuestra investigación fue del agrado del profesor y que realizamos muy buen trabajo aunque quede por saber la nota final del proyecto. 

He de decir que estoy muy contenta con la realización de este proyecto, tanto por parte del tema tratado, como con mi grupo, un grupo que ha funcionado al 100% desde el primer momento y que siempre nos hemos apoyado si ocurría alguna dificultad que nos impedía seguir hacía delante.

Por esto, tengo que dar las gracias a Sandra Cáliz Priego, Sara Bermúdez García y Cristina de la Rosa Garrido componentes de dicho grupo.

¡Gracias!

SESIÓN TEÓRICA ESTADÍSTICA Y TICS: semana 10

Al ser el último tema nos hemos centrado en las hipótesis estadísticas, concretamente en Chi cuadrado. Ésta nos sirve para comparar variables cualitativas (dependiente e independiente).

Las hipótesis llevan consigo los errores que se cometen en ésta. Del modo que 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. Rechazamos la hipótesis nula a partir de un error menos a 0,05.

Tipos de errores en test de hipótesis

1. Si en la realidad la hipótesis nula es cierta pero nuestro resultado la rechaza estaremos cometiendo un error tipo I (error α).
2. Si en la realidad la hipótesis nula es falsa pero nuestra resultado la acepta estaremos cometiendo un error tipo II (error beta).

Test de hipótesis Chi cuadrado

Construimos dos tablas, la primera con los datos observados que nos da el problema y la segunda con los datos esperados que nosotros calcularemos. Con los datos de ambas aplicaremos la siguiente fórmula:

x2=∑(O−E)2E

E: valores esperados.

O: valores observados.

El resultado que nos de esta ecuación lo miraremos en la siguiente tabla:

Para obtener un resultado significativo en el ámbito sanitario tendremos que mirar la columna de 0,05. Tras ello, miraremos el grado de libertad:

• Grado de libertad: = (nº filas - 1)·(nº columnas - 1).

Si nuestro valor obtenido en la ecuación es mayor que el valor que aparece en la tabla rechazamos la hipótesis nula. En cambio, si éste es menor aceptamos la hipótesis nula.

¡Fin de las clases teóricas!

SESIÓN TEÓRICA ESTADÍSTICA Y TICS: semana 9

Empezamos la clase definiendo una serie de conceptos:

• Población de estudio: conjunto de pacientes sobre los que queremos estudiar alguna cuestión.
• Muestra: conjunto de individuos concretos que participan en el estudio. Al número de individuos de la muestra le denominamos tamaño muestral.
• Técnicas de muestreo: conjunto de procedimientos que permiten elegir muestras de tal forma que éstas reflejen las características de la población.
• Muestreo probabilístico o aleatorio: técnica de muestreo al azar. El error asociado a esa muestra elegida al azar se llama error aleatorio.
• Inferencia estadística: conjunto de procedimientos estadísticos que permiten pasar de lo particular a lo general, es decir, de la muestra a la población.

En la inferencia estadística tenemos una población de la cual queremos conocer una variable (parámetro). Seleccionamos al azar una muestra aleatoria e intentamos medir esa variable a la que llamamos en este caso estimador. Cuando la tengamos podemos extrapolarla a la población y obtener el parámetro.

                                      

• Error estándar: es la medida que trata de captar la variabilidad de los valores del estimador. Si el error es para una media podemos calcularla dividiendo la desviación típica entre la raíz del tamaño de la muestra; si es para una proporción se calcula la raíz de p(1-p)/n. Cuanto más pequeño sea el error estándar de un estimador más nos podemos fiar del valor de la muestra concreta. De ambas fórmulas se deduce que mientras mayor sea el tamaño de una muestra, menor será el error estándar.

• Intervalos de confianza: son un medio de conocer el parámetro de una población midiendo el error que tiene que ver con el azar. Se calcula:  I. C. parámetro = p ± z (e.estándar). Mientras mayor sea la confianza que queramos otorgar al intervalo, éste será más amplio. Z = nivel de confianza. 
• Nivel de confianza 68%, z =1.
• Nivel de confianza 95%, z = 2.
• Nivel de confianza 99 %, z = 3.

Muestro probabilístico

Es el método que consiste en extraer una muestra del tal forma que todas las muestras posibles de tamaño fijo tengan la misma probabilidad de ser seleccionadas. Según se utilice el azar, usaremos uno u otro:

• Aleatorio simple: sorteo entre todos los individuos de la población de estudio.Es el método más fiable.
• Aleatorio sistemática: se realiza mediante intervalos. Saco un número al azar y empiezo a contar con los intervalos.
• Estratificado:la población se divide en subgrupos y de éstos escojo al azar.
• Conglomerado: se divide a la población en subgrupos. Éstos se seleccionan al azar.

Muestreo no probabilístico

El investigador selecciona la muestra siguiendo algunos criterios identificados para los fines del estudio.

• Conveniencia: el investigador decide la muestra.
• Por cuotas: el investigador selecciona la muestra considerando algunas variables a estudiar.
• Accidental: consiste en utilizar las personas disponibles en un momento dado. Es el más deficiente.

Tamaño de la muestra

Se trata de calcular el tamaño mínimo muestral:

 

ccc

2}}}}}

⋅

S

2

e

2

n=Z2⋅S2e2

Si tras esta operación se cumple el resultado n>n⋅(n−1), el cálculo del tamaño muestral termina aquí.

Si no se cumple, obtendremos el tamaño de la muestra con esta fórmula:

            n'  =n1+nN

Si queremos calcular el tamaño de la muestra para una proporción:

    n=N⋅Z2⋅p(1−p)(N−1)e2+Z2⋅p(1−p)

SEMINARIO 4 ESTADÍSTICA Y TICS

Al ser el último seminario antes de la exposición de nuestras investigaciones decidimos definir bien las pautas que debía seguir nuestro estudio. Para ello, añadimos los últimos contenidos al proyecto con la ayuda del profesor.

Anteriormente, mi grupo y yo decidimos tener todos los resultados de nuestro estudio para este día, de modo que, aprovecháramos este seminario para  resolver algunos problemas técnicos que nos encontramos con el programa EpiInfo y que nos impedía seguir hacia delante. Por ello, pasamos nuestros resultados en formato Excel al programa EpiInfo.

El tiempo restante de seminario nos dedicamos a realizar los agradecimientos y autores de nuestro proyecto de investigación.

SESIÓN TEÓRICA ESTADÍSTICA Y TICS: semana 8

En este tema resumimos todo lo que nos explicaron en el seminario número 3. Sin embargo, también aprendimos las distribuciones normales.

Las distribuciones normales tiene una forma acampanada, por lo que son conocidas como campanas de Gauss. Así mismo, son simétricas, en ellas coinciden las medidas de tendencia central: media, mediana y moda.
Una distribución normal sigue estos principios básicos:

• 1S corresponde a 68,26% de las observaciones.
• 2S corresponde a 95,45% de las observaciones.
• 3S corresponde a 99,73% de las observaciones.

SEMINARIO 3 ESTADÍSTICA Y TICS

En este tercer seminario seguimos utilizando el programa EpiInfo con el objetivo de analizar los datos. Para ello, fue necesario repasar lo dado en clase como eran la recodificación de variables, cálculos de medidas de tendencia central y dispersión, distribuciones de frecuencia, intervalos de confianza...

Más tarde pasamos a ver las medidas descriptivas las cuales son valores numéricos calculados a partir de la muestra y que nos resumen la información contenida en ella. 

Las medidas descriptivas se pueden clasificar en:

• Posición: dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos. Dentro de éstos encontramos a los percentiles, cuantiles, cuartiles, deciles...
• Percentiles: son 99 valores que dividen en cien partes iguales al conjunto de datos ordenados.
• Centralización: indican valores con respecto a los que los datos parecen agruparse. Encontramos a la media, la mediana y la moda.


• Media: es el cociente entre la suma de todos los datos (x) y el número de ellos (n).
• Mediana: es el valor que separa por la mitad las observaciones ordenadas de menor a mayor, de tal forma que el 50% de estas son menores que la mediana y el 50% son mayores.
• Moda: es el valor de la variable que más se repite, es decir, aquella cuya frecuencia absoluta es mayor.




• Dispersión: indican la mayor o menor concentración de los datos con respecto a las medidas de centralización. Dentro de la dispersión observamos a la varianza, desviación típica, coeficiente de variación, rango...
• Varianza: es el promedio del cuadrado de las distancias entre cada observación y la media del conjunto de observaciones.
• Desviación típica: se define como la raíz cuadrada positiva de la varianza. 
• Desviación media: media aritmética de las distancias de cada observación con respecto a la media de la muestra.
• Coeficiente de variación: nos sirve para comparar la heterogenidad de dos series numéricas con independencia de las unidades de medidas. Opta entre valores de 0-1.   C.v = desviación típica entre media aritmética.
• Recorrido intercuartílico: diferencia entre el tercer y el primer cuartil.
• Recorrido o rango muestral: es la diferencia entre el valor de las observaciones mayor y el menor. Re = xmax - xmin.
• 
  
• Forma.
• Asimetría.

• Curtosis.

                    

Así mismo, con la ayuda de EpiInfo realizamos tablas de frecuencia, gráficas y diagramas de barras los cuales son muy importantes para visualizar nuestros resultados de una forma clara y precisa. Aquí un ejemplo de los datos obtenidos en mi trabajo de investigación sobre el consumo de AINEs en alumnas del centro Cruz Roja de la Universidad de Sevilla.