Traducido del inglés al español - www.onlinedoctranslator.

com

Vea discusiones, estadísticas y perfiles de autores para esta publicación en: https://www.researchgate.net/publication/327496870

Estadísticas descriptivas

Artículo en Revista Internacional de Medicina Académica · Abril de 2018

DOI: 10.4103 / IJAM.IJAM_7_18

CITACIONES LEE
13 37,503

1 autor:

Vikas Yellapu
Red de salud de la Universidad de St. Luke

29 PUBLICACIONES 227 CITACIONES

VER EL PERFIL

Algunos de los autores de esta publicación también están trabajando en estos proyectos relacionados:

Avances en la gestión de COVID-19 (AC19M) Ver Proyecto

Todo el contenido que sigue a esta página fue subido por Vikas Yellapu el 05 de septiembre de 2019.

El usuario ha solicitado una mejora del archivo descargado.

BIOSESTADISTICAS
Año : 2018 | Volumen : 4 | Asunto : 1 | Página : 60-63

Estadísticas descriptivas

Parampreet Kaur1, Jill Stoltzfus2, Vikas Yellapu1,

1 Departamento de Investigación e Innovación, The Research Institute, St. Luke's University Health Network, Bethlehem, PA 18015, EE. UU.

2 Departamento de Investigación e Innovación, Instituto de Investigación, Red de Salud de la Universidad de St. Luke; Escuela de Medicina de la Universidad de Temple,
Bethlehem, PA 18015, EE. UU.

Dirección de Correspondencia:
Dr. Parampreet Kaur
St. Luke's University Health Network, 801 Ostrum Street, Bethlehem, PA 18015 EE. UU.

Abstracto

Las estadísticas descriptivas se utilizan para resumir los datos de manera organizada al describir la relación entre las variables en una muestra o
población. El cálculo de estadísticas descriptivas representa un primer paso vital al realizar una investigación y siempre debe ocurrir antes de realizar
comparaciones estadísticas inferenciales. Las estadísticas descriptivas incluyen tipos de variables (nominal, ordinal, intervalo y razón), así como
medidas de frecuencia, tendencia central, dispersión / variación y posición. Dado que las estadísticas descriptivas condensan los datos en un resumen
más simple, permiten a los responsables de la toma de decisiones en el cuidado de la salud evaluar poblaciones específicas de una forma más
manejable.En este artículo se abordan las siguientes competencias básicas: Aprendizaje y mejora basados en la práctica, Conocimientos médicos.

Cómo citar este artículo:

Kaur P, Stoltzfus J, Yellapu V. Estadística descriptiva. Int J Acad Med 2018; 4: 60-63

Cómo citar esta URL:

Kaur P, Stoltzfus J, Yellapu V. Estadística descriptiva. Int J Acad Med [serie en línea] 2018 [consultado el 5 de septiembre del 2019]; 4: 60-63
Disponible de: http://www.ijam-web.org/text.asp?2018/4/1/60/230853

Texto completo

Introducción

La investigación cuantitativa proporciona información estadística importante a los responsables de la toma de decisiones en el cuidado de la salud que les permite realizar
tareas como la justificación del presupuesto, las evaluaciones de las necesidades de los departamentos y la red y la asignación de recursos médicos. Además, las estadísticas
sanitarias son fundamentales tanto para la mejora de la calidad como para el desarrollo de productos. Varios hospitales miden sus resultados de desempeño utilizando los
resultados del análisis estadístico, así como implementan programas de mejora de la calidad para mejorar su eficiencia. Las estadísticas de atención de la salud también son
útiles para que las empresas farmacéuticas y de tecnología desarrollen nuevos productos y realicen análisis de investigación de mercado de sus productos. [1]
Dentro del contexto de la atención de la salud, como en otros sectores, hay dos enfoques principales de la metodología estadística: (1) análisis
descriptivo, que resume los datos brutos de una muestra o población, y (2) análisis inferencial, que extrae datos causales, asociativos o otras
conclusiones de los datos. El análisis descriptivo es un requisito previo y proporciona la base de la estadística inferencial. [2]

Tipo de variable

Antes de analizar cualquier conjunto de datos, uno debe estar familiarizado con diferentes tipos de variables.

Las variables categóricas (también conocidas como cualitativas o discretas) pueden clasificarse además como nominales, ordinales o dicotómicas. Las variables
nominales, que son las más simples por naturaleza, incluyen dos o más categorías que carecen de orden intrínseco (p. Ej., Tipos de heridas; abrasión, laceración,
punción o avulsión). Las variables nominales dicotómicas tienen sólo dos categorías (por ejemplo, hombre o mujer). Las variables ordinales tienen dos o más
categorías que se pueden clasificar u ordenar, pero no hay un valor objetivo para las clasificaciones (p. Ej., Una escala de satisfacción del paciente con
"totalmente en desacuerdo", "en desacuerdo", "inseguro", "de acuerdo" y " Totalmente de acuerdo").

Las variables continuas (también conocidas como cuantitativas o numéricas) se clasifican además como intervalo o razón. Las variables de intervalo se pueden medir a lo
largo de un continuo y tienen un valor numérico, pero no un verdadero punto cero (por ejemplo, temperatura medida en grados Celsius o Fahrenheit). Las variables de
proporción tienen todas las propiedades de las variables de intervalo, así como un verdadero punto cero (por ejemplo, altura, peso, glucosa en ayunas).

Además del tipo de variable, las estadísticas descriptivas incluyen medidas de frecuencia, tendencia central, dispersión / variación y posición [Tabla 1].
{Tabla 1}

Medida de frecuencia

La frecuencia absoluta es el número de veces que ocurre un valor particular en los datos. En contraste, la frecuencia relativa es el número de veces
que ocurre un valor particular en los datos (frecuencia absoluta) en relación con el número total de valores para esa variable. La frecuencia relativa
puede expresarse en razones, tasas, proporciones y porcentajes.

Las razones comparan la frecuencia de un valor para una variable con otro valor para la misma variable. Por ejemplo, en treinta participantes, la relación entre
los efectos adversos de un fármaco experimental y ningún efecto adverso es 2:28; por el contrario, la relación entre ningún efecto adverso y efectos adversos es
de 28: 2.

La tasa es la medición de un valor para una variable en relación con la muestra completa de valores dentro de un período determinado. Por ejemplo, en un total
de treinta participantes, hay 2 que muestran efectos adversos luego de tomar un fármaco experimental; por lo tanto, la tasa de efectos adversos es de 2/30
participantes.

La proporción es la fracción de una muestra total que tiene algún valor. Por ejemplo, en un total de treinta participantes, con dos participantes que tienen
efectos adversos del fármaco, la proporción de efectos adversos es 2/30 = 0,066

El porcentaje es otra forma de expresar una proporción como fracción de 100. El porcentaje total de un conjunto de datos completo siempre debe sumar 100%.
Por ejemplo, en un total de treinta participantes, donde 2 experimentan efectos adversos del fármaco, 2/30 = 0,066 × 100 = 6,6% de los participantes
experimentan efectos adversos.

Las medidas de frecuencia anteriores a menudo se expresan visualmente en forma de tablas, histogramas (para variables cuantitativas) o gráficos de
barras (para variables cualitativas) para que la información sea más fácil de interpretar.

Medidas de tendencia central

La tendencia central es el valor que describe todo el conjunto de datos como una única medida. Las tres medidas principales de tendencia
central son la media, la mediana y la moda.
El siguiente ejemplo se utilizará para demostrar estas tres medidas.

Muestra A (edad en años) - 54, 54, 54, 55, 56, 57, 57, 58, 58, 60, 60 Muestra B (edad en años) - 52, 54, 54, 54, 55, 56, 57, 57, 58, 58, 60,
60

La media es el promedio aritmético o la suma de valores en un conjunto de datos dividido por el número total de observaciones. Usando el
ejemplo anterior, la media de la muestra A es 54 + 54 + 54 + 55 + 56 + 57 + 57 + 58 + 58 + 60 + 60 = 623, dividido por 11 (número total de
observaciones) = 56,6 años.

La media solo debe informarse con datos de intervalo y razón que estén distribuidos normalmente (es decir, que parezcan una curva en forma de campana) ya que esta
medida de tendencia central se ve fuertemente afectada por valores atípicos y distribuciones sesgadas.

La mediana es el valor medio en la distribución cuando los datos se clasifican en orden de mayor a menor (o viceversa). Si hay un número
impar de valores, la mediana es el valor medio exacto; sin embargo, si hay un número par de valores, la mediana es el promedio de los dos
valores medios. En el ejemplo anterior, la mediana de la muestra A es 57 y la de la muestra B es 56 + 57/2 = 56,5.

Dado que la mediana se ve menos afectada por valores atípicos y distribuciones sesgadas, es la medida adecuada para informar cuando los datos no siguen una
curva en forma de campana. La mediana también debe informarse con datos ordinales.

La moda es el valor más común en un conjunto de datos. En los ejemplos anteriores, el modo para las muestras A y B es 54.

Aunque la moda se puede utilizar tanto para variables cualitativas como cuantitativas, es posible que no represente con precisión el centro de la
distribución. Usando el ejemplo anterior, la moda de la Muestra A es 54, pero el centro de distribución es 57 años.

A veces, puede que no haya una moda si todos los valores son diferentes o si hay una muestra bimodal o multimodal (lo que significa picos en dos o más lugares
en la distribución de datos). En tales casos, se puede informar la media o la mediana según corresponda.

Como se ilustró anteriormente, la forma de la distribución de datos puede influir en las medidas de tendencia central. Cuando la distribución es
simétrica (es decir, "en forma de campana"), la media, la mediana y la moda están en el medio [[Figura 1], centro]. Cuando la distribución está sesgada
hacia el extremo inferior de los valores (sesgo positivo), la moda sigue siendo el valor más común y la mediana sigue siendo el valor medio, pero la
media se desplaza hacia la cola derecha de la distribución [[Figura 1], Derecha]. Cuando la distribución está sesgada hacia el extremo superior de los
valores (sesgo negativo), la media se tira hacia la cola izquierda de la distribución [Figura 1], izquierda]. [3] {Figura 1}

Los valores atípicos, que son valores extremos o inusuales, también pueden influir en las medidas de tendencia central. La media es más sensible a los valores atípicos que la
mediana y la moda. Sin embargo, incluso si la presencia de valores atípicos, la media sigue siendo apropiada para informar para datos de intervalo o razón siempre que la
distribución general sea normal / "en forma de campana".

Medidas de dispersión / variación

Aunque las medidas de tendencia central brindan información importante al describir los datos de uno, no logran capturar la variabilidad dentro de
un conjunto de datos. [4] Las medidas de dispersión / variación describen el grado en que los valores de una variable son similares o diversos. Este
tipo de medida solo se aplica a datos ordinales, de intervalo y de razón que se pueden clasificar e incluyen el rango, la varianza y la desviación
estándar.

El rango es la diferencia entre los valores más bajos y más altos de un conjunto de datos. Por ejemplo, el rango de la muestra A anterior es 6 (60–54 =
6), mientras que el rango de la muestra B es 8 (60–52 = 8).

La varianza y la desviación estándar son medidas de dispersión que revelan qué tan cerca está cada valor observado de la media de todo el conjunto de datos. En conjuntos
de datos con una dispersión pequeña, todos los valores están cerca de la media, lo que produce una varianza y una desviación estándar más pequeñas. Por el contrario, los
conjuntos de datos con una mayor dispersión de valores fuera de la media tienen una mayor varianza y desviación estándar. Por lo tanto, si todos los valores de un conjunto
de datos son iguales, la varianza y la desviación estándar serán cero.

En un conjunto de datos distribuidos normalmente, el 68% de los valores están dentro de una desviación estándar a cada lado de la media, el 95% de los valores están dentro
de dos desviaciones estándar y el 99% de los valores están dentro de tres desviaciones estándar. [4]
 Medidas de posición

La determinación de la posición de los valores en un conjunto de datos se puede lograr de tres formas principales.

Los percentiles dividen el conjunto de datos en 100 secciones iguales, los deciles lo dividen en diez partes iguales y los cuartiles dividen un conjunto de datos ordenado en
cuatro partes iguales. Las diferencias entre percentiles y cuartiles son menores y, a menudo, desaparecen con una gran cantidad de valores en un conjunto de datos. Se
puede ver claramente cómo se asocian de la siguiente manera:

El cuartil inferior, Q1 (percentil 25), es el punto entre el 25% más bajo y el 75% más alto de los valores. El segundo cuartil, Q2 (percentil 50), es
la mediana (centro del conjunto de datos). El cuartil superior, Q3 (percentil 75), es el punto entre el 75% más bajo y el 25% más alto de los
valores. Si el cuartil se encuentra entre dos valores, el promedio de esos valores representa el valor del cuartil. Usando el ejemplo anterior,
en la Muestra B, Q1 es 54 (54 + 54/2 = 54); Q2 es 56,5 (56 + 57/2 = 56,5); y Q3 es 58 (58 + 58/2 = 58).

El rango intercuartil es la diferencia entre los cuartiles superior e inferior y describe el 50% medio de los valores cuando se ordenan de
menor a mayor. Se considera una mejor medida de dispersión que el rango, ya que no se ve afectado por valores atípicos. Por ejemplo, en la
muestra B, Q3 – Q1 es 4 (58-54).

Los diagramas de caja suelen ser útiles para interpretar datos descriptivos en forma gráfica. [4] Como se ve en la [Figura 2], los diagramas de caja se construyen
utilizando el percentil 25 (cuartil inferior), la mediana (percentil 50), el percentil 75 (cuartil superior), el valor mínimo de datos y el valor máximo de datos. Los
diagramas de caja también muestran valores atípicos. {Figura 2}

Conclusión

Las estadísticas descriptivas son una parte fundamental del análisis de datos inicial y proporcionan la base para comparar variables con pruebas estadísticas
inferenciales. [5] Por lo tanto, como parte de una buena práctica de investigación, es esencial que se informe con las estadísticas descriptivas más apropiadas
utilizando un enfoque sistemático para reducir la probabilidad de presentar resultados engañosos. [6] Dado que los resultados del análisis estadístico son
fundamentales para influir en el futuro de la salud pública y las ciencias de la salud, el uso apropiado de estadísticas descriptivas permite a los administradores y
proveedores de atención de la salud sopesar con mayor eficacia el impacto de las políticas y programas de salud. [7]

Apoyo financiero y patrocinio

Nulo.

Conflictos de interés

No existen conflictos de intereses.

Referencias
1 Rae C. ¿Por qué son importantes las estadísticas en el campo de la salud? Livtrong.com; 2017.
2 Spriestersbach A, Röhrig B, du Prel JB, Gerhold-Ay A, Blettner M. Estadística descriptiva: la especificación de medidas estadísticas y su
presentación en tablas y gráficos. Parte 7 de una serie sobre evaluación de publicaciones científicas. Dtsch Arztebl Int 2009; 106:
578-83.
3 Ali Z, Bhaskar SB. Herramientas estadísticas básicas en investigación y análisis de datos. Indian J Anaesth 2016; 60:
4 662-9. Sonnad SS. Descripción de datos: métodos estadísticos y gráficos. Radiología 2002; 225: 622-8.
5 Estadísticas de Laerd. Tipos de variables; 2018. Disponible en:https://statistics.laerd.com/statistical-guides/types-of-variable.php. [Último
acceso el 4 de abril de 2018].
6 Huebner M, Vach W, le Cessie S. Un enfoque sistemático para el análisis de datos inicial es una buena práctica de investigación. J Thorac
Cardiovasc Surg 2016; 151: 25-7.
7 Paz K, Hsu JP. La importancia de la estadística en la ciencia médica; 2018. Disponible en:https://www.researchgate.net/
publication/237518872_The_Importance_of_Statistics_in_Medical_Science. [Último acceso, 4 de abril de 2018].
 oIt aCIl Btupag
st at s norte IV
wmi

Jueves, 5 de septiembre de 2019

Mapa del sitio | Inicio | Comuníquese con nosotros | Comentarios | Copyright y descargo de responsabilidad