Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigación
+ Explicación de un hecho
+ Conocimiento acumulado del investigador; hace que se identifique con claridad lo que se
quiere investigar.
+ la motivación; es esencial xq es lo que nos hace preguntarnos que falta por conocer, como
lo puedo hacer mejor, etc.
Analisis de problemas:
1. Hay que identificar el problema, todos los componentes que afectan al probelma:
variables, dimensiones aspectos del problema.
1
lunes, 29 de octubre de 2018
2. Establece las posibles relaciones entre esos aspectos (variables) con el fin de reconstruir
4. Definir las unidades de estudio es decir precisar en que expresión de la realidad puede
encontrarse evidencia empírica. ( En quien se va a investigar?)
- El problema u la formulación del mismo deben ser tales que impliquen las posibilidades de
comprobación empírica.
Enunciados de problemas:
Forma descriptiva:
Forma interrogativa: Más común. después de entender el problema se hace una pregunta
especifica
Evaluación de problemas
2
lunes, 29 de octubre de 2018
debe estra dentro de las normas vigentes del metodo cientifico
tiene que ser solucionable a traves del metodo cientifico, que la hipotesis pueda ser
verificable o comprobable.
5. eficacia, efectividad y eficiencia. (Eficiencia: costo/ beneficio) eficiencia tiene que ver
con plata. alcanzar resultados con menor costo.
3
lunes, 29 de octubre de 2018
Protocolo:
TRABAJO DE INVESTIGACIÓN:
1. tema de investigación
4
lunes, 29 de octubre de 2018
3. selección de 1 población (justificación)
Métodos: debe describirse la estructura general de la logistica del estudio. con todos los
detalles implicados en el diseño. señala la secuencia de pasoso:
varios componentes:
1. estructura general del estudio: definir el diseño de inve. y justificarlo: especificar: entrada
al estudio, asignación…
4. recoleccion de datos. como se van a hacer las mediciones. definir los procesos que
generan info, los instrumentos y escalas, pocrsos de validacion guias de aolicacion y
entrenamiento de los recolectores de info. cuando sea necesario describir los procesos de
enmascaramiento (experimentos para saber en que grupo estan para evitar efecto placebo)
y estrategias para contencion. hay especificar todo, coo cuando con que donde por que..
todo! siempre es importante entrenar a los entrevistadores, etc.
5. plan de analisis. que se va a hacer con los datos, proceso de garantia de calidad, que tipo
de supervicion se va a hacer. indicar tecnicas que se proponen para analisis. la estrategia
de analisis debe ser estabblecida antes y no segun los resultados. se determina de acuerdo
a los obj. y diseño de estudio. se debe sepcificar el tipo de variables que seran medidas y
la manera que se presentaran. el valor alfa es la probabilidad asginada al azar. 0.05
estadisticamente significativo debe ser menor a eso.
7- documentos anexos:
cronograma de actividades
presupuesto
aspectos organizativos
5
lunes, 29 de octubre de 2018
objetivos claros precisos no muy ambiciosos
experiencia señalarla.
buena redaccion
cartas de consentimiento.
Hipotesis:
Es lo que nos mantiene enfocados en lo que tenemos que hacer a lo largo de la investigación.
se utilizan diseños de causalidad. para causalidad siempre es necesario que la causa este
antes. Demostrar esto con evidencia cientifica.
1. variables
3.
caracterisitcas:
6
lunes, 29 de octubre de 2018
1. hipotesis debe referirse a una situacion real
la prueba de hipotsis es contratar datos obtnidos emperiencia empirica con lo datos obtenidos.
mientras mas investigaciones soportan que los datos soportan la misma hipotesis es mas
valido
Se quiere estudiar el efecto del ruido sobre la salud mental de trabajadores de una empresa
metal-mecánica de la ciudad del Quito.
hipotesis:
variable independiente
variable dependiente
Medición:
tiene que tener concordancia con el objetivo, hipotesis, diseño del estudio.
7
lunes, 29 de octubre de 2018
Definicion operacional hay que tratar de prevernir la ocurrencia de errores.
No sabes cuando como donde van a ocurrir en los aleatorios pero si hay forma de prevenir
vienen de cosas que los investigadores si tenemos el control y tenemos que poder prevenirlos
(sistematicos).
Hay que tener en cuenta muchos aspectos: lo que el individuo puede ver. si no se puede ver
no se puede interpretar.
ver y entender.
Medición:
Especifidad: identificar al que este sano. la probabilidad que salga negativo dado que está
sano.
Valores predictivos: que pasa con la persona en una situacion ya dada. El resultado. valor
predictivo es la posibilidad que este enfermo dado que la prueba salió positiva.
ej: negativo.. la probabilidad de que este sano dado queel resultado fue negativo.
8
lunes, 29 de octubre de 2018
variables
errores al azar son menos graves que los sist. porque el azar se vuelve a sistemar todo.
el sistematico es peor porque siempre es el mismo. el error al azar es poco probable que se
vuelva a repetir exactamente el mismo.
escala numerica se saca el promedio y vs el valor estandar para ver la diferentecia cuando
alejado
9
lunes, 29 de octubre de 2018
Unidades muestrales contienen las unidades de analisis pero a veces no son lo mismo
error significa que hay un valor de la muestra que no alcanza a captar toda la variabilidad del
universo
todas las muestras se calculan con un error que al principio el inv propone
vdeluniverso:
letalidad:
10
lunes, 29 de octubre de 2018
varianza sobre tamaño de la muestra es desv. estandar.
intervalos de confianza:
estimacion de promedio:
estimacion de proporcion
Inferencia:
inferencia de punto trasladar el valor estadistico de la muestra al valor estimado del universo
tambien hay que hacer la estimacion del intervalo para ver en que rango estaria el valor real
del universo con cierto nivel de confianza. ese nivel de confianza convencionalmente es del
95%.
elementos basicos: el tamaño dle error mas el nivel de confiaza que queremos
para el intervalo de confianza interviene el error estandar y el nivel de confianza que esta
dado por el punto z
el punto z es la distancia que se encontraria un valor a partir del punto medio pero medido en
desviaciones estandar
95% es 1.96
finita e infinita
3er progreso:
11
lunes, 29 de octubre de 2018
Medidas de asociación:
uno o mas factores considerado v. independiente y los resultados que serian la v. dependiente
NNT: que tan efectivo es un tratamiento a cuantas personas necesitamos tratar para evitar un
desenlace desfavorable, muerte, empeore o continue enfermo.
sirven para tomar la decision de si el estudio de lo que estamos analizando tiene o no sentido
con lo que se esta analizando.
estas medidas ven si el 0.90 se dio por azar o si es solo debido al error muestral o si en
realidad el factor hace que se tenga menos incidencia
12
lunes, 29 de octubre de 2018
si es en la mitad de la curva distribucionn normal: 50%
pto de corte: determina cuanto va a ser la probabilidad de que haya error o azar.
valor z: cuantas desviaciones estandar se desvia hacia cualquier lado abajo o arriba
deviacion estandar: la diferencia de todos los datos en conjunto con respecto al promedio.
cuan probable es que un resultado se haya producido al azar y que la hipotesis nula sea la
correcta.
campana de gauss si el numero cruza el limite que hemos puesto aceptamos la hipotesis nula.
pero si la distancia es grande y por tanto la probabilidad de ocurrencia de esto es muy
pequeña y no cruza el limite la hn es verdadero. por lo tanto rechazamos la hn. en las
esquinitas.
Intervalo de confianza:
depende del tamaño del error y del nivel de confianza que queremos tener.
dos potenciales errores que se pueden cometer al hacer una inferencia estadistica. sacar
resultados de los datos.
errores tipo 1: alfa : medida de probabilidad que asignamos que puede ocurrir por azar. este
error es cuando al hacer el analisis los datos llevan a una conclusión equivocada en terminos
de la hipotesis nula.
13
lunes, 29 de octubre de 2018
todo se trata de rechazar o no poder rechazar la hipo nula.
si el resultado en la campana de gauss esta en las colitas rechazamos hn porque si fue valida
la intervencion
es un error involuntario
conclusión correcta en base a los datos. Sin embargo todavia hay probabilidad de que esos
datos hayan ocurrido al azar.
FALSO POSITIVO
FALSO NEGATIVO xq la hn es verdadera hp dice que no pasa tal cosa y el inv dice que no.
ver video
Diseños de investigación: diseños más frecuentes y más importantes en las inv de salud.
Actitud esceptica: aquello lo que estamos haciedno e slo mejor para el paciente?
se puede replantear los que se hace con el fin de obtener un nuevo conocimiento mediante el
cual se convierte en una practica sistematica
servicios de salud, hay diversas cosas que se investigan y los sistemas de salud.
14
lunes, 29 de octubre de 2018
Segun el enfoque la inv se divide en:
feunte primaria: cuando se recoge los datos para la inv. encuesta, etc. datos que son propias
de ese estudio.
,mixtas: combina ambas fuentes. investigador completa lo que falta de los datos de la inv
secundaria.
segun el caracter: cualitativa, cuantitativa y convergente que es el mix de las dos. ej:
encuesta, entrevista se hace despues de tecnicas cualitativas.
segun profundidad:
descriptiva: queremos saber el que, como, donde, cuando, quienes. pero no buscamos
explicaciones.
explicativas: si pretenden explicarse porque pasa eso y buscar asociaciones entre variables.
15
lunes, 29 de octubre de 2018
Diseño de inv: estrategias o plan sque va a seguir
hay otros que no se expone a proposito eso pasa cuando no es etico. se llama estudio
observacional. el inv no expone al grupo a proposito.
metanalisis: siguio la metodologia de una revision sistematica para seleccionar las unidades
de observacion. pueden ser estudios para ser seleccionados. si a esos estudios se le hacen
otros estudio para comprobarlos se llama metaanalisis.
los analiticos: pretenden buscar asociaciones entre variables. buscar explicación de por que
pasa algo.
fenomeno de confusión: es cuando se introduce otra variable y produce al efecte que estamos
investigando.
1. asignación aleatoria por azar es diferente del muestreo al azar porque aquí ya tenemos la
muestra. Pretende que la distribución de otros factores sea similar y el azar logra ese
equilibrio. ventaja: se pueden controlar factores conocidos y desconocidos. el
inconveniente es que si la muestra es pequeña no va a alcanzar el equilibrio necesario.
16
lunes, 29 de octubre de 2018
2. restricción o elimacion. si sabemos que hay un factor que puede introducir confusion lo
que hacemos es eliminar. ej: si tiene antecedentes de cancer se le excluye del
experimento.
Analisis se controla al hacer el analisis estadistico de los datos y emparejarles para el analisis.
Gold Standard:
enf vs sanos
+ a b
- c d
sensibilidad es la probabilidad de que el resultado sea positivo dado que el paciente esta
enfermo, por lo tanto identifica la enfermedad.
probabilidad de que la prueba sea negativa dado que el paciente este sano especificidad.
especificidad: E= d/ b + d
vpp: probabilidad de que este enfermo dado que el resultado sea positivo a/a+b
vpn: probabilidad que este sano dado que el resultado sea negativo vpn= d/c+d
prevalencia pre prueba: antes de hacerle ninguna prueba parece que tiene una enfermedad.
tambien puede ser probabilidad pre prueba. a partir del 70% se puede llenar el cuadro.
antes de la prueba 70% este enfermo el pcte y en total tenemos 1000 individuos 700 estarian
enfermos y 300 sanos y con los totales podemos calcular lo de adentro. prevalencia e
incidencia suelen ser conocidas.
17
lunes, 29 de octubre de 2018
sensibilidad= 80% y especificidad = 90%
sensibilidad 80% de 700 serian positivo= 560 y abaho 140 se llena de arriba a abajo.
la positiva: la probabilidad de que el resultado haya sido positivo dado que esta enfermo. eso
compara con que el resultado sea positivo y el paciente esta sano.
rv+= prob. result.correcto / prob res. incorrecto. = queremos que el resultado sea mayor de
uno y mientras mas grande mejor.
0.80/1-0.90
0.8/0.1
=8.
0.2/0.9 =0.22
18
lunes, 29 de octubre de 2018
19