Mtodos cuantitativos avanzados

1
Métodos cuantitativos avanzados

• William L. Holzemer, RN, Ph.D., FAAN
• Profesor, Escuela de Enfermería
• Universidad de California, San Francisco
• bill.holzemer_at_nursing.ucsf.edu

2
Objetivos

• Desarrollar la definición de ciencia de
  enfermería
• Uso del Modelo de Resultados para pensar acerca
  de su área de interés
• Revisar los métodos cuantitativos
• Pensar en cómo generar conocimiento para mejorar
  la salud y la práctica de la enfermería.

3
Asignaciones

• Estudiantes de doctorado en SP asignaciones
  individuales
• Estudiantes de Maestría asignaciones grupales
• Mini-revisión de la literatura
• Modelo de resultados
• Substruction
• Tablas de síntesis
• Resumen

4
Enfermería Ciencia de enfermería?

• Definición de enfermería
• Asociación Americana de Enfermería
• Enfermería es la evaluación, diagnóstico y
  tratamiento de las respuestas humanas

5
Definición de enfermería

• Asociación Japonesa de Enfermería
• Enfermería es definida como la asistencia al
  individuo y al grupo, sano o enfermo, para
  mantener, promover y restaurar la salud.

6
Definición de EnfermeríaConsejo Internacional de
Enfermería

• Enfermería comprende atención autónoma y
  colaboradora de individuos de todas las edades,
  familias, grupos y comunidades, sanos o enfermos
  en todos los lugares. Enfermería incluye la
  promoción de la salud, prevención de enfermedad y
  la atención del enfermo, discapacitado y el
  moribundo. Consejo, promoción de un ambiente
  seguro, investigación, participación en
  modelación de políticas en salud y manejo de
  sistemas de salud y del paciente hospitalizado y
  educación, son también roles claves de
  enfermería.

7
Elementos comunesDefiniciones de Enfermería

• Persona (individual, familia, comunidad)
• Salud (Bienestar y enfermedad)
• Ambiente
• Enfermería (atención, intervenciones,
  tratamientos)

8
Ciencia de Enfermería

• El cuerpo de conocimiento que apoya la práctica
  basada en evidencias

9
Ciencia de Enfermería usa varias metodologías de
investigación

• Cualitativa
• Entendimiento
• Entrevista/observación
• Descubriendo esquemas
• Textual (palabras)
• Generación de teorías
• Calidad del informante más importante que el
  tamaño de muestra
• Rigor
• Subjetiva
• Intuitiva
• Conocimiento encajado

• Cuantitativa
• Predicción
• Encuesta/cuestionarios
• Esquemas existentes
• Numérica
• Prueba de teorías (ECA)
• Tamaño de muestra, esencial en el tema de
  confiabilidad de los datos
• Rigor
• Objetiva
• Pública

10
Tipos de métodos de investigación (todos
tienen reglas de evidencia!)

• Cuantitativa
• No experimental o descriptiva
• Experimental o estudios aleatorizados controlados
• Etnografía
• Análisis de contenido
• Modelos de análisis Paramétrico vs no
  paramétrico

• Cualitativa
• Teoría aterrizada
• Etnografía
• Teoría feminista crítica
• Fenomenología

Modelos de análisis fidelidad al texto o
palabras de entrevistas
11
Modelo de resultados para investigación en
atención en salud(Holzemer, 1994)
12
Modelo de resultados

• Heurístico
• Modelo de sistemas (ingresos son egresos, egresos
  se convierten en ingresos)
• Relacionado al trabajo de Donabedian sobre la
  calidad de la atención (estructura, proceso, y
  resultado estándar)

13
Modelo de resultados proceso de enfermería
14
Modelo de resultados para investigación en
atención en salud
15
Modelo de resultados Tu tarea(Piense acerca de
un proyecto o un programa de investigación)
16
Dónde encontramos guías de la práctica basada en
evidencias?

• Guías prácticas clínicas
• Estándares de enfermería/ Manuales de
  procedimientos
• Gran demanda, bajo nivel de entrega (Gran
  demanda, creciente nivel de entrega)
• Conocimiento base de revisión de literatura

17
Tipos de evidencia Cómo sabemos que sabemos?

• Experiencia clínica
• Intuición
• Historias
• Preferencias, valores, creencias y derechos
• Estudios descriptivos/ cuasiexperimentales
• Estudios aleatorizados clínicos
  (controlados)(ECA) el estándar dorado

18
Resumen introducción a la investigación

• Piense acerca de la investigación en enfermería
  ciencia de enfermería
• Modelo de resultados diseñado para poner límites
  alrededor de tu área de estudio y experiencia
  (reto muy difícil en enfermería!)
• Identificación de variables
• Entendimiento del rigor métodos correctos para
  cualquier tipo de diseño de investigación.
• Fomentar la diversión al leer artículos de
  investigación
• Entender el reto de que las palabras sean
  fácilmente usadas, práctica basada en
  evidencias.

19
Algunos retos

• Pensar en desarrollar su definición de ciencia de
  enfermería.
• Uso del Modelo de Resultados para ayudar a pensar
  en su programa de investigación.
• Fomentar tu entendimiento de rigor en todos los
  diseños de investigación.
• Aumento de diversión al leer artículos de
  investigación.
• Entender las complejidades de la práctica basada
  en evidencias.

20
Cuando piense en su problema de investigación

• Es significante?
• Estás realmente interesado?
• Es novedoso?
• Es un área importante?
• Alto costo, alto riesgo?
• Puede estudiarse?
• Es relevante para la práctica clínica?

21
De dónde vienen las ideas?

• Revisiones de literatura
• Historias en periódicos
• Siendo un asistente de investigador
• Mentor/profesor
• Estudiantes compañeros
• Pacientes
• Experiencia clínica
• Expertos en el campo
• Construya su área de experiencia de múltiples
  fuentes.

22
Usos de Substruction

• Critique un estudio publicado
• Planee un estudio nuevo

23
Substruction

• Una estrategia para ayudar a entender la teoría y
  métodos (sistema operacional) en un estudio de
  investigación
• Aplica a estudios de investigación cuantitativos,
  empíricos.
• No hay la palabra, Substruction, en el
  diccionario. Tiene un significado inductivo y un
  significado deductivo, deconstruyendo
• Huerístico

24
Substruction
25
Substruction Construyendo bloques o
señalamientos de relaciones
26
Señalamientos de relaciones
27
Substruction Perspectiva de diseño de
investigación
Enfoque del estudio (ECCA?)
28
Substruction sistema teórico, un ejemplo
Estudio intervencional sobre dolor
Paciente post quirúrgico Severidad de
enfermedad Enfermedad Edad Género
Intervención de manejo del dolor Comunicación con
el paciente Standing PRN orders No tratamiento
farmacológico
Control del dolor Longitud de la
estancia Satisfacción del paciente
29
Substruction sistema operacional

• Intensidad del dolor
• Instrumento
• Escala VAS 10 cm
• (dolor bajo a alto)

• Status funcional
• Instrumento escala de Likert 1-5, 1baja y
  5alta función
• Escala continua o discreta?

Escala continua o discreta?
30
Escalas

• Discreta no-paramétrica (X2)
• Nominal género
• Ordinal ingreso bajo, medio, alto
• Continua paramétrica (Pruebas t o F)
• Intervalo Escala de Likert, 1-5
  funcionalidad
• Razón dinero, edad, tensión
• arterial

31
Temas

• Cuáles son las bases conceptuales del estudio?
• Cuáles son los principales conceptos y sus
  relaciones?
• Las relaciones propuestas entre los constructos
  y los conceptos lógicos y defendibles?
• Cómo se miden los conceptos? Válidas?
  Confiables?
• Cuáles son los niveles de escalas y se
  relacionan al plan estadístico apropiado o de
  análisis de datos?
• Hay consistencia lógica entre el sistema teórico
  y el sistema operativo?

32
Hay una relación entre el toque y control del
dolor , contando el dolor inicial
post-operatorio? rx,y.z
33
Revisión de la literatura

• Revisamos la literatura para entender los
  sistemas teóricos y operativos relevantes a
  nuestra área de interés.
• Qué se sabe acerca de los constructos y
  conceptos en nuestra área de interés?
• Qué teorías son propuestas que liguen a nuestras
  variables de interés?

34
Revisión de la literatura

• Qué se conoce?
• Qué no se conoce?
• Recursos
• La biblioteca Cochran
• Biblioteca de bases de datos
• PubMed
• CINYL

35
Revisión de la literaturaCómo combinar,
sintetizar y demostrar la dirección?
Tópico
Estudio 1
Estudio 2
Estudio 3
36
Revisión de la literatura
Tópico
Estudio 1
Estudio 2
Estudio 3
37
Tabla 1. Borrador de variables de estudio
relacionados a tu tema
38
Tabla 2. Amenazas a la validez de estudios de
investigación relacionados al tópico
39
Tabla 3. Instrumentos
40
Tabla 4. Poder del análisis para revisión de la
literatura sobre un tema.
41
Síntesis de la literatura

• Síntesis - qué sabemos y que no sabemos?
• Fortalezas rigor, tipos de diseño,
  instrumento?
• Debilidades ausencia de rigor, no ECA, pobre
  desarrollo de instrumentos?
• Necesidades futuras cuál es el siguiente paso?

42
Diseños de investigación
43
Diseño de investigación cualitativa

• Etnografía
• Fenomenología
• Hermenéutica
• Teoría aterrizada
• Histórico
• Estudio de caso
• Narrativa

44
Rigor en investigación cualitativa

• Dependiente
• Creíble
• Transferible
• Confirmable

45
Tipos de diseños de investigación cuantitativa

• Nos enfocaremos en RIGOR
• Experimental
• No experimental

46
Notación X,Y, Z

• Z covariable
• Severidad de enfermedad
• X variable independiente (intervenciones)
• Manejo propio de síntomas
• Y variable dependiente (resultado)
• Calidad de vida

47
Tipos de diseños de investigación cuantitativa

• Descriptiva X? Y? Z?
• Qué es X, Y, y Z?
• Correlacional rxy.z
• Hay una relación entre X y Y?
• Causal ?X ? ?Y?
• Un cambio en X causa un cambio en Y?

48
Rigor en investigación cuantitativa

• Teoría aterrizada Axiomas y postulados
  substruction-validez de relaciones hipotéticas
• Validez de diseño (interna y externa) del diseño
  de investigación validez y confiabilidad del
  instrumento
• Suposiciones estadísticas satisfechas (escala,
  curva Normal, relación lineal, etc.)
• (Nota Polit y Beck confiabilidad, validez,
  generalización, objetividad)

49

• Revisión de la literatura Enfoque del estudio
• Enfoque del estudio Pregunta de
  estudio
• Pregunta de estudio Hipótesis de
  estudio

50
Enfoque, pregunta e hipótesis

• Enfoque del estudio explorar si es posible
  reducir las caídas de los pacientes ancianos en
  casas de cuidado.
• Pregunta del estudio colocando un sitter en
  el cuarto de un paciente reduce la incidencia de
  caídas?
• Hipótesis del estudio
• Nula H0 no hay diferencia entre pacientes que
  tienen un sitter y aquellos que no lo tienen,
  en la incidencia de caídas.

51
Diseños experimentales
52
Definición diseño experimental

• Hay una intervención que es controlada
• Hay un grupo experimental y uno control
• Hay un asignación aleatoria a los grupos

53
Diseño experimental clásico

• O1exp X O2exp
• ?
• R
• ?
• O1con O2con
• (pretest) (posttest)
• Oobservación
• 1 pretest o tiempo uno 2 posttest o tiempo
  dos
• X intervención
• R asignación aleatoria a los grupos

54
Diseño experimental clásico

• O1exp X O2exp
• ?
• R
• ?
• O1con O2con
• (pretest) (posttest)
• El ECA es el estándar dorado para la práctica
  basada en evidencias

55
Aleatorización

• Asignación aleatoria a grupos (validez interna)
  iguales variables Z en ambos grupos
• Selección aleatoria de una muestra de la
  población (validez interna) variables Z iguales
  en la muestra que en la población

56
Meta

• Señalar si hay una relación causal

57
Condiciones requeridas para hacer un señalamiento
de causalidad X causa Y

• X precede Y
• X y Y están correlacionadas
• Todo está controlado o eliminado. Las variables
  Z no impactan al resultado
• Nunca probamos algo, reunimos evidencia que apoye
  nuestra conclusión

58
Controlando variables Z

• Minimiza amenazas la validez interna
• Limita la muestra (e.g. sólo menores de 35 años)
  o control de variación
• Manipulación estadística (ANCOVA)
• Asignación a grupo aleatoria

59
Dimensiones del diseño de investigación Grupos
y tiempo

• O1exp X O2exp
• ?
• Grupos (n2 experimental y control)
• ?
• O1con O2con
• --------------------------
  ---------------------
• ? Tiempo (n2) ?
• (mediciones repetidas)

60
Dimensiones de diseño de investigación grupos y
tiempo

• Grupos entre factores
• Tiempo dentro de factores

61
Tipos de diseños

• O - descriptivo, un tiempo
• O1 O2 O3 - descriptivo, cohorte, mediciones
  repetidas)
• O1 X O2 (diseño no experimental!) -
  pre-post-test

62
Tipos de diseños

• O1 X O2
• O1 O2
• ECA estudios controlados aleatorizados

63
Tipos de diseños

• O1 O2 O3 X O4 O5 O6
• O1 O2 O3 O4 O5 O6
• O1 X O2 Xno O3 X O4 Xno O5
• (mediciones repetidas vs diseño de series de
  tiempo)

64
Tipos de diseño

• O1 X1 O2
• R O1 X2 O2
• O1 O2
• de grupos? ___
• puntos en el tiempo? ___

65
Tipos de diseños

• Diseño de post-test sólo
• X O2
• O2
• Cuál es la mayor amenaza a este diseño de sólo
  post-test?

66
Tipos de diseño de investigación

• Experimental (verdad)
• Cuasi-Experimental (caso)
• Asignación no aleatoria a grupos

67
Validez de diseño

• Conclusión estadística válida
• Validez de constructo de causa y efecto (X y Y)
• Validez interna
• Externa

68
Validez del diseño

• Validez de la conclusión estadística rxy?
• Error tipo I (alfa 0.05)
• Error tipo II (beta) Poder 1- beta, inadecuado
  poder, i.e. pequeño tamaño de muestra
• Confiabilidad de mediciones
• Puedes creer en los hallazgos estadísticos?

69
Validez del diseño

• Validez de contructo de causa supuesta y efecto
  (?X ? ?Y?)
• Bases teóricas uniendo constructos y conceptos
  (substruction)
• Resultados sensibles a atención de enfermería
• Intervención ligada a resultado, teoricamente
• Hay una razonamiento teórico de por qué X y Y
  deberían estar relacionadas?

70
Validez de diseño

• Validez interna
• Amenaza de historia (evento que interviene)
• Amenaza de maduración (cambio por el desarrollo)
• Amenaza de la prueba (instrumento causa un
  efecto)
• Amenaza de instrumentación (confiabilidad de
  medición)
• Amenaza de mortalidad (sujetos eliminados)
• Amenaza de sesgo de selección (pobre selección de
  sujetos)
• Cualquiera de las variables Z están causando
  los cambios en las variables Y?

71
Validez de diseño

• Validez externa
• Amenaza de baja generalización para personas,
  lugares y tiempo
• Puede generalizarse a otros?

72
Construyendo el conocimiento

• La meta es tener confianza en nuestros datos
  descriptivos, correlacionales y causales.
• Rigor significa seguir las técnicas requeridas y
  estrategias para incrementar nuestra confianza en
  los hallazgos de la investigación.

73
Muestreo

• Selección de la muestra, no asignación

74
Términos

• Población
• Muestra
• Elemento

• - Todos los sujetos posibles
• - Un subgrupo de sujetos
• - Un sujeto

75
Qué muestreamos?

• Personas (e.g. sujetos)
• Sitios (e.g. hospitales, unidades, ciudades)
• Tiempo (e.g. temporada, cambio am vs pm)

76
Muestreo Qué hacemos?

• Asignación aleatoria
• - Es diseñada para equilibrar las variables Z
  en los grupos experimental y control

• Selección aleatoria
• - Es diseñada para equilibrar la distribución de
  las variables Z que existen en la población, en
  una muestra

77
Tipos de muestreo de probabilidad

• Probabilidad
• Muestreo simple aleatorio usa una tabla de
  números aleatorios
• Muestreo aleatorio estratificado divide o
  estratifica por género y muestrea dentro del
  grupo
• Muestreo aleatorio sistemático toma cada 10
  nombre
• Muestreo agrupado selecciona unidades (grupos)
  para acceder a pacientes o enfermeras

78
Tipos de muestreo no probabilístico

• Conveniencia primeros pacientes que crucen la
  puerta
• Intención pacientes viviendo con una enfermedad
• Cuota igual número de hombres y mujeres
• (voluntarios)
• (conveniencia)

79
Tipos de muestras

• Homogéneas sujetos son similares, todos
  femeninos, todos entre edad de 21-35
• Heterogéneas sujetos son diferentes, amplio
  rango de edad, pacientes con todo tipo de cáncer

80
Error de muestreo
81
Cómo controlar el error de muestreo?

• Use selección aleatoria de los participantes
• Use asignación aleatoria de sujetos a los grupos
• Estime el tamaño de muestra requerido usando
  análisis de poder para asegurar adecuado poder
• Sobreestime el tamaño de muestra requerido para
  muestra de mortalidad

82
Tamaño de muestra y error de muestreo
83
Cálculo de tamaño de muestra

• Tipo de diseño
• Accesibilidad de participantes
• Planeación de pruebas estadísticas
• Revisión de la literatura
• Costo (tiempo y dinero)

84
Estrategias para estimar tamaño de muestra

• Razón de sujetos a variables en análisis
  correlacional. 31 hasta 301 sujetos por
  variables. Cuestionarios de 30 items requieren 90
  a 900 sujetos.
• Chi cuadrada no puede trabajar si hay menos de
  5 sujetos por celda

85
Poder

• Poder comúnmente situado en 0.80
• Alfa comúnmente situado en 0.05 ó 0.01
• Tamaño de efecto basado en estudios piloto o
  revisión de literatura pequeño, medio, grande
• Tamaño de muestra - sujetos requeridos para
  asegurar poder adecuado
• Poder es una función de alfa, tamaño de efecto y
  tamaño de muestra.

86
Programas de análisis de poder

• Paquete SPSS
• nQuery Adviser Release 4.0 (más reciente?)
• http//www.statsolusa.com

87
Poder

• Poder es la capacidad de detectar una diferencia
  entre las medias de los puntajes o la magnitud
  de una correlación.
• Si no hay suficiente poder en el estudio, no
  importa el tamaño del efecto detectado, i.e. sin
  importar lo exitoso de la intervención no se
  puede detectar estadísticamente el efecto.
• Muchos estudios tienen bajo poder.

88
Tamaño del efecto

• El tamaño del efecto, se piensa como qué tan
  grande diferencia hizo la intervención.
• Significancia estadística y significancia
  clínica, con frecuencia no significan lo mismo.

89
Tamaño del efecto

• Pequeño (correlaciones alrededor de 0.20)
• Requiere gran tamaño de muestra
• Medio (correlaciones alrededor de 0.40)
• Requiere tamaño de muestra medio
• Grande (correlaciones alrededor de 0.6)
• Requiere tamaño de muestra pequeño

90
Tamaño de efecto

• Mediaexp Mediacon
• Tamaño de efecto -------------------------------
  
• DS e y c

91
Eta cuadrada (?2)

• En ANOVA, es la proporción de la variable
  dependiente (Y) explicada.
• Estima el tamaño del efecto
• Similar a R2 en análisis de regresión múltiple.

92
alfa

• Alfa relaciona para probar hipótesis y qué tan
  frecuente tenemos un error al extraer una
  conclusión
• Alfa es equivalente a error tipo 1 o decir que
  la intervención fue efectiva, cuando en efecto,
  el tamaño del efecto observado es por el azar
• Alfa de 0.01 es más conservador que 0.05 y por lo
  tano, más difícil detectar diferencias

93
Prueba de hipótesis Es verdad o falso?

• Hipótesis nula H0
• Media (experimental) Media (control)
• Hipótesis alterna H1
• Media (experimental) ? Media (control)

94
Prueba de hipótesis y poder
95
Quiz

• Si el tamaño de muestra crece, qué sucede al
  poder?
• Si alfa va de 0.05 a 0.01, qué sucede al tamaño
  de muestra requerido?
• Si el poder cae de 0.80 a 0.60, qué tipo de
  error es más probable que ocurra?
• Si el tamaño de efecto es estimado basado en la
  literatura, es grande, qué efecto tendrá en el
  tamaño de muestra requerido?

96
Perdida de muestra en ECA
97
Medición

• Si existe, puede ser medido
• R. Cronbach

98
Qué medimos

• Conocimiento, actitudes, conductas (CAC)
• Variables fisiológicas
• Síntomas
• Aptitudes
• Costos

99
Teoría de medición clásica
100
Tipos de mediciones

• Estandarizada evidencia como sigue
• Desarrollada sistemáticamente
• Evidencia para validez del instrumento
• Evidencia de confiabilidad del instrumento
• Evidencia de utilidad del instrumento tiempo,
  puntaje, costos, sensible a cambios en el tiempo
• No estandarizada

101
Tipos de error de medición

• Sistemático - se puede trabajar para minimizar
  el error sistemático debido a pobres
  instrucciones, confiabilidad pobre de mediciones,
  etc.
• Aleatorio no podemos hacer nada, siempre
  presente, nunca medimos nada en forma perfecta,
  siempre hay algo de error.

102
Validez

• Pregunta el cuestionario mide los que se supone
  debe medir?
• Validez relacionada a la teoría
• Validez de presencia
• Validez de contenido
• Validez de constructo
• Validez relacionada a criterios
• Validez concurrente
• Validez predictiva

103
Teoría relacionada a la validez

• Validez de presencia
• credibilidad del participante
• Validez de contenido (observable)
• Blue print
• Lista de herramientas
• Validez de constructo (no observable)
• Diferencias de grupo
• Cambios de tiempos
• Análisis de correlaciones/factor

104
Criterios relacionados a validez

• Concurrente
• Mide dos variables y las correlaciona para
  demostrar que la medida 1 está midiendo lo mismo
  que la medida 2 en el mimso punto del tiempo.
• Predictivo
• Medición de dos variables, una ahora y la otra en
  el futuro, las correlaciona para demostrar que la
  medida 1 es predictiva de la medida 2, en el
  futuro.

105
Recuerde

• Validez de diseño
• El diseño de la investigación permite al
  investigador probar su hipótesis? (amenazas de
  validez interna y externa)

• Validez del instrumento
• El instrumento mide lo que se supone debe medir?

106
Confiabilidad del instrumento

• Pregunta Puede confiar en los datos?
• Estabilidad cambio en el tiempo
• Consistencia concordancia dentro de preguntas
• Calificación de confiabilidad calificación de
  concordancia

107
Confiabilidad del instrumento

• Confiabilidad prueba re-prueba (estabilidad)
• Correlaciones de Pearson
• Alfa de Cronbach (consistencia) un punto en el
  tiempo, mediciones de correlaciones entre-ítems o
  concordancias.
• Calificación de confiabilidad (corregir para
  cambio de concordancia)
• Confiabilidad inter-observador Kapa de Cohen
• Confiabilidad intra-observador Pi de Scott

108
Alfa de Cronbach
alfa
SD
109
Estimaciones de confiabilidad del alfa de
Cronbach

• gt 0.90
• Excelente confiabilidad, requerido para toma de
  decisiones al nivel individual.
• 0.80
• Buena confiabilidad, requerido para toma de
  decisiones al nivel grupal.
• 0.70
• Adecuada confiabilidad, cercana a no aceptable
  por demasiados errores en los datos Por qué?

110
Consistencia interna alfa de CronbachPersona A
Internamente consistentePersona B Internamente
inconsistente
111
Error en estimaciones de confiabilidad

• Error 1 (estimado de confiabilidad)2
• si alfa 0.90, 1-(0.90)2
• 1-0.89 .11 error
• si alfa 0.70, 1 (0.70)2
• 1-.49 .51 error
• si alfa 0.70, es el punto 5050 de error
• vs. verdadero valor

112
Valores de confiabilidad

• Rango 0 a 1
• No signos negativos
• Kappa de Cohen y p de Scott son siempre más
  bajos, i.e. 0.50, 0.60

113
Utilidad Cosas que debes saber acerca de tu
instrumento.

• Tiempo para completar (fatiga del sujeto?)
• Es molesto para los participantes?
• Número de ítems (análisis de poder?)
• Apropiado para rasgos culturales, de género,
  étnicos?
• Instrucciones para puntaje?
• Datos normativos disponibles?

114
Reporte de instrumentos

• Concepto (s) siendo medidos
• Longitud del instrumento o número de ítems
• Formato de respuestas (escala de Likert, etc.)
• Evidencia de validez
• Evidencia de confiabilidad
• Evidencia de utilidad

115
Pregunta

• Puede una escala ser válida y no confiable?
• Puede ser una escala confiable y no válida?

116
Desarrollo de escalas

• Generación de ítems de entrevistas/grupo de
  enfoque
• Escala de decisiones variación de captura
• Validez chequeo con expertos y participantes
• Estandarizar la escala (evidencia para validez,
  confiabilidad y utilidad)
• Correlaciones estimadas de concepto
• Explora sensibilidad para cambiar sobre el tiempo

117
Traducción

• Traducción prospectiva (A a B)
• Traducción retrospectiva (B a A)
• Equivalencias conceptuales a través de culturas
• Usando jerigonza, modismos, etc.

118
Análisis de datos
119
Análisis de datos Por qué?

• Captura variabilidad (varianza) como los
  puntajes varían entre las personas
• Parsimonia técnica de reducción de datos, como
  describir muchos puntos de datos en números
  simples
• Descubrir significados y relaciones
• Explorar sesgos potenciales en datos (muestreo)
• Probar hipótesis

120
Donde iniciar

• Después de la colección de datos, iniciamos un
  largo proceso de entrada de datos y
  clarificación.
• La entrada de datos requiere una lista de códigos
  desarrollado para el programa de estadística que
  planeamos usar, como SPSS.
• Lista de códigos nos permite dar a las variables
  nombres, valores y etiquetas.

121
Entrada y limpieza de datos

• La entrada de datos es una GRAN fuente de error
  en los datos.
• La doble entrada de datos es una estrategia
• Limpieza de datos, buscando valores fuera de los
  rangos, e.g. edad de 154 es probablemente un
  error al escribir.
• Examinamos frecuencias, puntaje alto, puntaje
  abajo. Extremos, etc.

122
Codificando variables

• Capture datos en su forma más continua posible.
• Edad 35 años tenga el valor actual
• vs.
• Señale uno _lt25
• _ 25-35
• _ 36-45
• _ gt45

123
Variable dicotómicas

• No haga esto
• 1 Masculino
• 2 Femenino
• Haga esto!
• 1 masculino
• 0 femenino
• Por qué? Función aditiva

124
Codoficando falso

• Etnicidad
• 1 Negro 2 Blanco 3 Hispánico
• N-1 o 3-1 2 variables
• Negro 1 Negro 0 Blanco e hispánico
• Blanco 1 Blanco 0 Negro e hispánico

125
Datos desaparecidos

• SPSS asigna un punto . a datos desaparecidos
• SPSS con frecuencia te da a elegir borrar pares
  o lista para datos desaparecidos.
• Substitución de media da el promedio de la
  variable del grupo, por ejemplo, edad, no da
  variación en el grupo de datos.

126
Datos desaparecidos

• Pares una correlación en particular es
  removida, mejor elección para conservar poder
• Lista variables removidas, requerida en diseños
  de mediciones repetidas.

127
Mediciones

• Tendencia central
• Relaciones
• Efectos

128
Medidas de tendencia central

• Media promedio aritmético
• Desviación estándar (SD) como las medidas están
  agrupadas en la media
• Rango medición alta y baja.
• (Ejemplo M 36.4 años
• SD 4.2
• Rango 22-45)

129
Fórmulas
Media
130
Medidas de tendencia central

• Media promedio aritmético
• Mediana punto que divide la distribución a la
  mitad (50 por arriba y 50 por debajo)
• Modo el valor que ocurre con mayor frecuencia
• Cuando la mediamedianamodo?

131
Curva Normal muy robusta!
132
Curvas Normales
133
Curva Normal(MediaMedianaModo)
Frecuencia
Media Mediana Modo
134
Curvas no Normales
135
Escalas

• Discreta
• (cualitativa)
• Nominal
• Ordinal
• Continua (cuantitativa)
• Intervalo
• razón

• No paramétrica
• (no requiere suposiciones Chi cuadrada)
• Paramétrica
• (asume la curva Normal, por ejemplo prueba F)

136
Grados de libertad

• Corrección estadística para no sobreestimar

137
Grados de libertad para balón 1?
138
Grados de libertad para balón 2?
139
Grados de libertad para balón 3
140
Grados de libertad

• Tamaño de muestra (n-1)
• Número de grupos (k-1)
• Número de puntos en el tiempo (l-1)

141
Relaciones o asociaciones
142
Medidas de asociación Correlaciones

• Rango -1 a 1
• Dimensiones
• Fuerza (0-1)
• Dirección ( o -)
• Definición un cambio en X resulta en un cambio
  predecible en Y variación o varianza compartida.

143
Correlaciones

• Específica a la muestra (cada muestra es un
  subgrupo de la población)
• Inestable
• Depende del tamaño de muestra
• Todo es estadísticamente significativo con un
  tamaño de muestra los suficientemente grande
  puede no ser clínicamente significantivo.
• Expresa relación no causalidad

144
Tipos de correlaciones

• Producto del momento r de Pearson
• Variable continua por continua
• Correlación Phi
• Variable discreta por discreta (Chi cuadrada)
• Correlación de orden de ranking Rho
• Ranking por ranking discretos
• Punto biserial
• Variable discreta por continua
• Eta cuadrada

145
Estimado del valor de correlación
146
Varianza
Área bajo la curva DS2
Varianza
147
Varianza compartida r2
Si r 0.80, r2 0.64
148
Varianza compartida r2
Si r 1,
Si r 0,
149
Tipos de análisis de datos

• Descriptivo X? Y? Z?
• Medidas de tendencia central
• Correlacional rx,y?
• Hay una relación entre x y y? Mediciones de
  relaciones (correlaciones)
• Causal ?X ? ?Y?
• El cambio en x causa un cambio en y?
• Probando diferencias en grupos (pruebas t o F)

150
Probando efectos de intervenciones
151
Probando diferencias en grupos

• Pruebas t
• Pruebas F (Análisis de varianza o ANOVA)
• (Pruebas t y F con dos grupos)

152
Tipos de pruebas de diferencias de grupos

• Entre grupos
• (no pareados)
• En grupos
• (pareados o mediciones repetidas si son dos
  grupos son también test-re-test)
• Requiere sujetos identificados

153
Diseño experimental clásico

• O1exp X O2exp
• ?
• R
• ?
• O1con O2con
• (pretest) (posttest)
• Grupo entre factor
• Tiempo dentro de factor

154
Pruebas de significancia
155
Probando diferencias entre grupos

• Entre varianzas
• F (o t)
• Dentro de varianzas

156
Examinando varianzas
Entre varianzas
Dentro de varianzas
157
Examinando varianzas No diferencia entre medias
158
Examinando la varianza Grandes diferencias
entre medias
159
Examinando varianzas tres grupos
160
Tipos de diseños

• O1 O2 O3
• Cambio dentro del grupo en el tiempo, diseño de
  mediciones repetidas.

161
Tipos de diseños

• O1e X O2e
• O1c O2c
• cambio dentro del grupo de O1e a O2e
• cambio entre grupos O2e y O2c

162
Cómo analizar este diseño?

• O1e O2e O3e X O4e O5e O6e
• O1c O2c O3c O4c O5c O6c
• Análisis de varianza de mediciones repetidas en
  dos grupos.
• Uno entre factor (grupo) y uno dentro factor
  (tiempo) con seis niveles.

163
Diseño sólo post-prueba

• X O2e
• O2c
• Prueba de t no pareada
• Hipótesis nula
• H0 O2e O2c
• Hipótesis alternativa direccional
• H1 O2e gt O2c

164

• Desviación estándar
• Cómo las mediciones varían alrededor de la media
• Error estándar de la media
• Cómo las mediciones de las medias varían
  alrededor de la media de la población

165
Error estándar de la media Promedio de DS de la
muestra
166
Conceptual

• MediaE MediaC
• t
• error estándar de la media

167
Suposiciones de ANOVA

• Distribución Normal
• Independencia de mediciones
• Escala continua
• Relación lineal entre variables

168
ANOVA 3 X 2

• O1exp X1 O2exp
• ?
• R O1exp X2 O2exp
• ?
• O1con O2con
• Uno entre factor grupo (3 niveles)
• Uno dentro factor tiempo (2 niveles)

169
Prueba de F Ómnibus

• O1exp X1 O2exp
• ?
• R O1exp X2 O2exp
• ?
• O1con O2con
• Prueba F de grupo hay una diferencia entre los
  tres grupos?
• Prueba F de tiempo hay una diferencia entre
  tiempo 1 y 2?
• Si es sí, dónde está la diferencia?
• Interacción Grupo por tiempo

170
Comparaciones post-hoc

• O1exp1 X1 O2exp1
• ?
• R O1exp2 X2 O2exp2
• ?
• O1con O2con
• Tipos Scheffé, Tukey control para grados de
  libertad en diferentes formas compara todas las
  comparaciones posibles en dos formas
• H0 O2exp1 O2exp2 O2con Si rechazas la
  nula. La prueba F es significativa, puedes buscar
  diferencias de dos formas.
• (O2exp1 O2exp2?) o (O2exp2 O2con?) o (O2exp1
  O2con?)

171
Pruebas de significancia
172
Alfa galopante

• Peligro en conducir múltiples pruebas t o
  haciendo análisis al nivel de ítem en encuestas
• alfa probabilidad de rechazar la hipótesis nula
• Alfa 0.05 dividido entre el número de pruebas t,
  distribuye el alfa entre las pruebas
• Si se conducen 10 pruebas t, alfa a 0.005 por
  prueba (0.05/100.005)

173
ANOVA

• ANOVA análisis de varianza
• ANCOVA análisis de co-varianza, incluye
  variable (s) Z
• MANOVA análisis multivariado de varianza (más
  de una variable dependiente)
• MANCOVA análisis multivariado de co-varianza,
  incluye variable (s) Z.

174
Análisis de regresión múltiple

• Técnica de correlación
• Valores inestables
• Muestra específica
• Confiabilidad de mediciones muy importante
• Requiere gran tamaño de muestra
• Fácil para obtener significancia con gran tamaño
  de muestra

175
Análisis de regresión múltiple

• Intentos para hacer señalamientos de relaciones
  causales
• Y X1X2X3
• Y variable dependiente (status de salud)
• X1-3 predictores o variables independientes
• Status de salud Edad Género Tabaquismo

176
Preguntas de regresión múltiple

• Cual es la contribución de edad, género y
  tabaquismo al status de salud?
• Qué tanto de la variación en status de salud es
  debido a variaciones en edad, género, tabaquismo?

177
Análisis de regresión múltiple

• Crea una matriz de correlación.
• Selecciona la variable independiente más
  altamente correlacionada con la variable
  dependiente primero.
• Extrae la varianza en Y contada por la variable
  X.
• Repite el proceso (iterativo) hasta no más de la
  varianza en Y es estadísticamente explicada por
  la suma de otra variable X.

178
Status de salud edad género tabaquismo
179
Regresión múltiple varianza compartida
Tabaquismo 40
Edad 25
Género 4
180
Regresión múltiple

• Correlación resulta en una r
• Regresión múltiple resulta en una r2
• R al cuadrado es la cantidad total de la varianza
  en Y que es explicada por los predictores,
  removiendo la superposición entre los predictores.

181
Regresión múltiple

• Tipos
• Escalonada basada en la correlación más alta,
  que variable entra primero (la computadora hace
  la decisión), construcción de teoría
• Jerárquica elije el orden de entrada, entrada
  forzada, prueba de teoría.

182
Regresión múltiple

• Nos permite agrupar variables en bloques.
• Bloque 1 variables demográficas
• (edad, género, nivel socioeconómico)
• Bloque 2 bienestar psicológico
• (depresión, apoyo social)
• Bloque 3 severidad de enfermedad
• (cuenta de CD4, diagnóstico SIDA, carga viral,
  OI)
• Bloque 4 tratamiento o control
• 1 tratamiento y 0 control

183
Análisis de regresión

• Regresión múltiple una Y, múltiples X.
• Regresión logística Y es dicotómica, popular en
  epidemiología, Yenfermedad o no enfermedad
  razón de momios razón de riesgos (varianza no
  explicada)
• Análisis variado canónico múltiples Y y
  múltiples variables X Y1Y2Y3X1X2X3
• -ligando variables fisiológicas con variables
  psicológicas.

184
Modelos de regresión multivariable

• Ruta de análisis y ahora Ecuación estructural de
  modelaje
• Programa de software AMOS
• Modelo de medición está combinado con modelo
  predictivo
• Conserve la multicolinearidad de variables
  (están correlacionadas!)
• Permita variables moderadoras (efectos directos e
  indirectos).

185
Ruta de análisis de modelaje múltiple
independiente y dependiente
186
Modelando ecuación estructural
187
Factor de análisis

• Exploración de la validez de constructo de un
  instrumento
• Técnica correlacional
• Requiere sólo una administración de un
  instrumento
• Técnica de reducción de datos
• Un procedimiento estadístico que requiere
  aptitudes artísticas

188
Tipos conceptuales de factor de análisis

• Exploratorio ver que está en el grupo de datos
• Confirmatorio ver si tu puedes replicar la
  estructura reportada.

189
Factor de análisis

• Componentes principales
• (factor principal
• o
• ejes principales)

190
Matriz de correlación de la escala de ítems
Cuáles ítems están relacionados?
191
Factor de análisis

• Un proceso interactivo
• Factor de extracción

192
Factor de análisis
193
Definiciones

• Comunalidad ítem al cuadrado cargado sobre cada
  factor y suma sobre cada ÍTEM
• Eigenvalue ítems al cuadrado descargado para
  cada factor y suma sobre cada FACTOR
• Etiqueta de factores producto de la imaginación
  del autor. Ítems 1 y 2 factor I ítems 3 y 4
  factor II.

194
Factor de rotación

• Factores son matemáticamente rotados dependiendo
  de la perspectiva del autor.
• Ortogonal ángulos rectos, bajas correlaciones
  interfactores, crea mayores factores de
  independencia, bueno para análisis de regresión
  múltiple, puede no reflejar los datos actuales
  (varimax)
• Oblicuo diferentes tipos, deja que los factores
  se correlacionen entre ellos al grado de que
  actualmente se correlacionan y se cree que
  reflejan mejor los datos actuales difícil de
  usar en múltiple regresión debido a la
  multicolinearidad (oblimax)

195
Resumen Análisis de datos

• Medidas de tendencia central
• Medidas de relación
• Probando diferencias de grupos
• Correlación
• Técnica de regresión múltiple como predicción
  (causal).
• Factor de análisis como una escala de desarrollo,
  técnica de validez de constructo.

196
Guías éticas para investigación en enfermería

• Vulnerabilidad una relación de poder entre el
  proveedor de atención en salud y paciente,
  familia, cliente.
• Participantes vulnerables en investigación,
  requieren más protección de daños.

197
Principios éticos que guían la investigación

• Beneficiencia hacer el bien
• No maleficiencia no hacer mal
• Fidelidad creando confianza
• Justicia siendo justo
• Veracidad diciendo la verdad
• Confidencialidad protegiendo o salvaguardando
  la información que identifique a los
  participantes

198
Principios éticos que guían la investigación

• Confidencial
• Nombres conservados en lugar seguro
• vs.
• Anónimo
• Sin identificadores

199

• Mejores deseos