San Diego, 28 de mayo del 2023

Bioestadística
Sección: 1M
Juliette Arroyo 31.309.935

Investigación

1- Bioestadística: La bioestadística es una disciplina científica que emplea los diferentes

métodos de análisis de la estadística para abordar los objetos de estudio o los problemas de la
biología y de la salud para así obtener datos importantes y poder representarlos e
interpretarlos.

Al ser una rama de la estadística, la bioestadística se encarga de cuestiones que tienen que ver
con la recogida de datos y con su correcto almacenamiento; con el análisis de la información
a través de diversos métodos y herramientas; con la representación gráfica de los resultados
obtenidos; con los mecanismos para la interpretación de dichos resultados; con el diseño y
desarrollo de experimentos; etc.

Reseña histórica: Para entender los primeros pasos de la bioestadística debemos hablar de
Pierre Charles Alexandre Louis (1787 – 1872), un médico francés que estudió medicina en
Reims y en París. Este médico destacó por sus investigaciones sobre la tuberculosis y la
fiebre tifoidea. Además, defendía que el uso de la sangría para tratar la neumonía y otros
problemas de salud era del todo ineficaz. Pierre Charles Alexandre Louis fue el primero en
utilizar ciertos métodos matemáticos para cuantificar variables de pacientes y de sus
enfermedades. Empleó el “método numérico” para evaluar la eficacia de las terapias e inspiró
a sus discípulos con este innovador sistema.

Aplicaciones de la Bioestadística:
● Industria biotecnológica.
● Industria farmacéutica.
● Salud: epidemiología, nutrición, salud ambiental .
● Genómica.
● Ecología.
● Sector agrícola.
● Sector de la alimentación.
● Análisis de datos sanitarios.
● Investigación y desarrollo.

2- Usos en el campo de la salud a nivel de comunidades, centros médicos, laboratorios,

hospitales etc:
 ● Comunidades: puede ayudar a identificar cuantas personas habitan , cuantas personas
murieron y así sucesivamente

● Centros Médicos: en la simple información de los resultados, como puede ser un

hemograma, agrupando datos por poblaciones celulares, calculando volúmenes
medios, porcentajes, gráficos poblacionales, etc, también en la sección de gestión de
la calidad, con todos los indicadores de calidad se pueden analizar los datos de
laboratorio viendo por ejemplo qué plantas remiten muestras más hemolizadas, o
desde donde se piden más cantidad de cierto análisis.

● Hospitales: Esto puede ayudar a identificar disparidades de la salud. Si un tratamiento

es seguro y efectivo, cuántas personas nacieron y murieron, las que se conocen como
estadísticas vitales, cuántas personas tienen acceso y usan la atención médica.

3- Importancia de la Bioestadística en la administración sanitaria: La bioestadística ha

contribuido significativamente al desarrollo de las ciencias biomédicas en muchas áreas:
medicina de laboratorio (valores de referencia y control de calidad), ensayos clínicos
aleatorizados (ECA), toma de decisiones clínicas, desarrollo de nuevos fármacos. Sin
embargo, la explosión de la investigación científica en las últimas décadas ha llevado al mal
uso y al abuso de los métodos estadísticos. Por lo tanto, siempre debe prevalecer el sentido
común. Esta revisión tiene como objetivo conocer la importancia clínica de la bioestadística
aplicada a las investigaciones en ciencia de la salud y su correcto uso.

4- Estadística: La estadística consiste en métodos, procedimientos y fórmulas que permiten

recolectar información para luego analizarla y extraer de ella conclusiones relevantes. Se
puede decir que es la Ciencia de los Datos y que su principal objetivo es mejorar la
comprensión de los hechos a partir de la información disponible.

Tipos de estadística:

● Estadística descriptiva: es la que se encarga de describir, resumir y presentar los datos

recogidos para el estudio. El principal objetivo de este tipo de estadística es facilitar la
descripción y la aplicación de los datos organizándolo en tablas, en gráficas o en
medidas numéricas. También se conoce como estadística deductiva.

● Estadística inferencial: este tipo de estadística emplea métodos concretos para obtener
generalizaciones o para poder tomar decisiones en base a información (parcial o
completa) que se ha recogido con técnicas descriptivas. El principal objetivo es emitir
conclusiones útiles según los datos. También se conoce como estadística inductiva.
 ● Estadística aplicada: es la que se utiliza en cualquier otro campo de estudio para
extraer resultados y emitir conclusiones.

● Estadística matemática: este tipo de estadística se vale de otras ramas de las

matemáticas, tales como la teoría de la probabilidad, el álgebra lineal o el análisis
matemático.

Diferencias entre ellas con Ejemplos:

(Descriptiva e inferencial): La estadística descriptiva resume la información contenida en los

datos recogidos y la estadística inferencial demuestra asociaciones y permite hacer
comparaciones entre características observadas.

Ejemplos : Descriptiva
Inferencial:

5- Concepto de datos , tipos de datos estadísticos. Con su respectiva clasificación y ejemplos:

 ● Datos: son los valores que representan, de manera numérica o cualitativa, una
característica específica de un elemento o un conjunto. En general, estos pueden ser
cifras, letras, símbolos o cadenas de texto.

Tipos de datos estadísticos:

Datos categóricos: Los datos categóricos también conocidos como datos cualitativos,
representan características como el género, el idioma, etc. de una persona. También pueden
tomar valores numéricos, por ejemplo: 1 para mujeres y 0 para hombres. Ten en cuenta que
esos números no tienen significado matemático.

Los tipos de datos estadísticos categóricos se clasifican en:

● Datos nominales: Otros de los tipos de datos estadísticos son los que tienen valores
nominales que representan unidades discretas y se usan para etiquetar variables que
no tienen un valor cuantitativo. .

● Datos ordinales: Los datos ordinales representan unidades discretas y ordenadas. Por
lo tanto, es casi lo mismo que los datos nominales, excepto que su orden es
importante.

Datos numéricos: Estos tipos de datos estadísticos también se conocen como datos
cuantitativos, y se refieren a una medida o recuento.

Se clasifican de la siguiente manera:

● Datos discretos: Los datos estadísticos son discretos cuando sus valores son distintos
y separados. Es decir, cuando los datos sólo pueden tomar ciertos valores.

● Datos continuos: Los datos continuos representan mediciones y, por lo tanto, sus
valores. no se pueden contar pero se pueden medir. A su vez, estos se clasifican de la
siguiente manera:

● Datos de intervalo: Los datos de intervalo representan unidades ordenadas que tienen
la misma diferencia . Por lo tanto, hablamos de datos de intervalo cuando tenemos una
variable que contiene valores numéricos que están ordenados y donde conocemos las
diferencias exactas entre los valores.El problema con los datos de valores de intervalo
es que podemos sumar y restar, pero no podemos multiplicar, dividir o calcular
razones. Debido a que no existe un cero verdadero, no se pueden aplicar muchas
estadísticas descriptivas e inferenciales.
 ● Datos de relación: También son unidades ordenadas que tienen la misma diferencia.
Los datos de relación son los mismos que los valores de intervalo, con la diferencia de
que tienen un cero absoluto.

Ejemplos:

● Cualitativos: Color de pelo, nota de un examen, material del que está hecho un marco
de fotos o el sabor de una bebida.

● Nominales: Nacionalidad, color de piel o religión.

● Ordinales: Nota de un examen, número de estrellas en una reseña de Google o

posición en un concurso de pintura.

● Cuantitativos: Hora, velocidad, salario o el número de veces que una persona acude al
médico al año.

● Discretos: El número de cartas que puede salir al elegir una carta de una baraja, la
edad de una persona en años o cuántos viajes hace una persona al año.

● Continuos: Velocidad de un coche, tiempo que se tarda en estudiar para un examen o

la cantidad de agua que se puede acumular en un recipiente.

6- Concepto de variable estadística, tipos de variable estadística con ejemplos: cualitativa,

nominal y ordinal, cuantitativa discreta y continua, aleatoria, independiente, dependiente,
intervino ente y moderadora:

Variable estadística: Una variable estadística es una característica que puede fluctuar y cuya
variación es susceptible de adoptar diferentes valores, los cuales pueden medirse u
observarse. Las variables adquieren valor cuando se relacionan con otras variables, es decir,
si forman parte de una hipótesis o de una teoría.

Tipos de variable estadística con ejemplos:

● Variable cualitativa nominal: Es aquella que presenta valores no numéricos, pero

existe un orden.

Ejemplos:

● Las medallas conseguidas en una competencia. Los valores serían: oro, plata y
bronce.
 ● Grado de satisfacción laboral en una compañía. Los valores serían: muy satisfecho,
satisfecho, regular, insatisfecho, muy insatisfecho.

● Variable cualitativa nominal: Es aquella que presenta valores no numéricos, y no

existe un orden.

Ejemplos:

● El estado civil. Los valores serían: soltero, casado, divorciado, viudo.

● El lugar de nacimiento de tus amigos. Los valores serían: Lima, Santiago, Buenos
Aires, Zagreb, entre otras ciudades .

● Variable cuantitativa discreta: Es aquella que puede asumir un número contable de

valores.

Ejemplos:

● El número de hijos en las familias. Puede ser 0, 1, 2, 3, 4,…

● Otro ejemplo sería el número de alumnos en un aula.

● Variable cuantitativa continua: Es aquella que puede asumir un número incontable de

valores.

Ejemplos:

● La estatura de los habitantes de una ciudad. Existen infinitos valores posibles, un

habitante puede medir 1,784596 metros, otro puede medir 1.589 metros y otro puede
medir 2.000 metros. Existen infinitos valores posibles, es decir, un número incontable
de valores.

● El ancho de las puertas producidas en una fábrica. Existen infinitos valores posibles.
Una puerta mide 95,24513 cm, otra puerta medir 96,41 cm, etc.

● Variable aleatoria: Una variable aleatoria es un valor numérico que corresponde a un

resultado de un experimento aleatorio.

Ejemplos: número de caras obtenidas al lanzar seis veces una moneda, número de llamadas
que recibe un teléfono durante una hora, tiempo de fallo de una componente eléctrica, etc.

● Variable independiente: La variable independiente es aquella que produce

modificaciones en la variable dependiente.
Ejemplos: En un estudio sobre la repercusión que el suelo tiene en los cultivos de flores, el
tipo de suelo es la variable independiente y el crecimiento de las flores es la variable
dependiente, ya que el suelo, al proporcionar nutrientes, incide en el desarrollo de las flores.

● Variable dependiente: Las variables dependientes son los efectos de los eventos que
son considerados como variables independientes

Ejemplos: Las variables dependientes se representan con una (y) como por ejemplo : La
relación que existe entre el aumento de la temperatura y el estado de los metales (y)

● Variable interviniente: es aquella variable que afecta a la relación entre una variable
dependiente y una variable independiente pero no se puede manipular. De manera que
una variable interviniente puede influir en los resultados de una investigación.

Ejemplos: al hacer un análisis entre los ingredientes de un plato preparado (variable

independiente) y la calidad de la comida (variable dependiente), una variable interviniente es
el tiempo que el cliente calienta el plato preparado en el microondas

● Variable moderadora: una variable moderadora es algo que cambia la relación causa-
efecto entre dos variables a medida que su valor aumenta y disminuye.

Ejemplos: las horas de estudio están relacionadas con las secuelas académicas; por lo tanto,
una variable moderadora podría ser el estado anímico del estudiante o el desarrollo de sus
capacidades motoras.

7- Concepto de escalas de medición, tipos de escalas de medición de los datos ejemplos y

diferencias:

Escalas de medición: se utilizan en todas las ciencias y campos de investigación, como la

física, la química, la economía, entre otros. Por esta razón, es importante conocer de qué se
tratan, lo cual te explicaremos a continuación

Tipos de escalas de medición de los datos:

● Escala nominal: Comprende los datos nominales que no tienen un orden: los datos
dicotómicos solo pueden tomar dos valores posibles (como vivo o muerto). Es el nivel
de medición más débil. Los números u otros símbolos se usan simplemente para
clasificar un objeto, persona o característica.

Ejemplos: número de ficha clínica, de teléfono, de permiso de

circulación, números en las camisetas de un equipo de fútbol. En
una escala nominal, la operación consiste en dividir una clase
determinada en un conjunto de subclases mutuamente excluyentes.
La única relación envuelta es la de equivalencia, simbolizada por
el signo =, o su ausencia, por el símbolo ≠.

● Escala ordinal: Comprende los datos ordinales con un mínimo de tres valores posibles
y con un número total limitado. Los objetos en una categoría no sólo son diferentes de
los objetos en otras categorías de esa misma escala sino que tienen alguna relación
con ellos.

Ejemplos: escalas de clase socioeconómica, grados de un linfoma, grados de Mallampati,

clasificación ASA. Muchas pruebas o escalas de evaluación resultan en puntajes que tienen la
fortaleza de rangos Muchas pruebas o escalas de evaluación resultan en puntajes que tienen la
fortaleza de rangos: el puntaje del Mini Mental State, la escala de Glasgow o el puntaje
APACHE son buenos ejemplos. Aun cuando estos puntajes pueden parecer más precisos que
los rangos, generalmente no cumplen con los requisitos de escalas de mayor nivel y deben ser
consideradas como ordinales.

● Escala de intervalo: La escala de intervalo se define como una escala de medición

cuantitativa en la que se mide la diferencia entre dos variables. En otras palabras, las
variables se miden en valores reales y no de forma relativa, donde la presencia de cero
es arbitraria. Esto significa que la diferencia entre dos variables en una escala es una
distancia real o igual.

Ejemplos: la diferencia entre 40 grados centígrados y 50 grados centígrados es exactamente

la misma que la diferencia entre 50 grados centígrados y 60 grados centígrados.

● Escala de razón: Los datos de escala de razón se definen como un tipo de datos
cuantitativos que se caracterizan por un punto de cero absoluto, lo que significa que
no hay ningún valor numérico negativo. Los números se comparan en múltiplos uno.

Ejemplos: El salario se puede medir con la escala de razón, porque es una variable
cuantitativa, es decir, que se expresa con números que representan cantidades y porque se
puede establecer el cero absoluto, es decir, que el cero representa la ausencia de salario.

Diferencias entre ellas :

● Escala nominal y ordinal: La principal diferencia entre los datos nominales y

ordinales es que los ordinales tienen un orden de categorías mientras que los
nominales no.
 ● Escala de intervalo y de razón: tienen una distancia uniforme entre ellos y se puede
realizar operaciones aritméticas, pero la escala tiene un punto cero arbitrario. Y la
escala de razón tiene un punto cero absoluto, lo que significa que el valor cero
representa la ausencia completa de la variable medida.

8- Concepto de población, tipos de población estadística con ejemplos. Concepto de

parámetro de la población:

Población: Una población es un conjunto de individuos que habita en un espacio geográfico

determinado.

Tipos de población estadística :

● Población finita: Hace referencia a un número concreto, limitado y pequeño de

individuos de una población.

Ejemplo: el número de manzanas recolectadas en el año 2021.

● Población infinita: A diferencia del anterior, es un conjunto con gran cantidad de

elementos o individuos.

Ejemplo: granos de arena en una playa.

● Población hipotética: Son individuos o elementos que, de forma estimativa mediante

la formulación de una hipótesis, podrían formar parte en un asunto concreto.

● Ejemplo: el número de personas que podrían perder su empleo en 2021.

● Población real: De forma contraria a la población hipotética, esta población está

identificada y es real. Los números exactos se obtienen mediante diferentes
instrumentos de indagación.

Ejemplo: la cantidad de usuarios que visitan un sitio web durante un mes o la cantidad de
temporadas de una serie.

Parámetro de la población: Los parámetros de población son simplemente valores numéricos

que determinan la distribución de probabilidad. Y esto se puede decir en un contexto más
estadístico. De hecho, un parámetro de población es un valor numérico (fijo, no aleatorio)
que determina el comportamiento probabilístico de una población en estudio.

9- Concepto de muestra , tipos de muestra y su clasificación con ejemplos , concepto de

estadístico muestral o estadígrafo:
Muestra: se encarga de recoger datos, ordenarlos y analizarlos. Es decir, cuando queremos
estudiar un determinado fenómeno recurrimos a la estadística.

Tipos de muestra y su clasificación y ejemplos:

● Muestras estadísticas probabilísticas. Son aquellas que se escogen a través de métodos

más o menos aleatorios, para garantizar la menor intervención de los criterios del
investigador en la muestra.

Se clasifican en:

● Muestras aleatorias simples: Las más simples de todas, se eligen absolutamente al

azar entre la población. Es el caso, por ejemplo, de un sondeo de opinión pública
nacional para el cual son elegidos algunos ciudadanos por su número de documento.

● Muestras estratificadas: Se eligen de manera aleatoria entre los distintos estratos o

niveles de clasificación en los que previamente se ha organizado la población. Por
ejemplo, se puede escoger la muestra al azar entre los distintos rangos de edad de la
población, obteniendo así una muestra al azar, pero estratificada.

● Muestreo por conglomerado: Similares a las estratificadas, se eligen aleatoriamente

entre un conjunto previamente determinado, pero en este caso estos conjuntos no son
fruto de los criterios del investigador, sino que están dados de manera espontánea,
natural. Por ejemplo, una muestra de los vecinos de un barrio determinado, o de los
trabajadores de un determinado edificio.

● Muestras intencionales: Aquellas que son escogidas de acuerdo a los criterios del
investigador, o sea, tomando aquellas que considera darán mejores resultados, al ser
más representativas. Un ejemplo de ello es cuando un periodista pide opiniones a
ciertas personas que ha elegido de antemano.

● Muestras por conveniencia: Aquellas que son escogidas de acuerdo a lo que está más
a mano, o sea, limitadas a lo inmediato. Es lo que ocurre, por ejemplo, cuando un
representante de una empresa ofrece sus productos a quienes pasen cerca.

● Muestras consecutivas: Aquellas que forman parte de un recorrido del investigador,

que va de grupo en grupo extrayendo los datos para posteriormente constituir un todo.
Un ejemplo de esto lo constituyen los métodos de aproximación al público de ciertos
vendedores o promotores, en los que invitan a la gente a detenerse para escuchar las
virtudes del producto: algunos lo hacen y otros no, y posteriormente el vendedor
 cambia de área. Al final, se reunirán todos los datos de las distintas áreas en que
estuvo.

● Muestras por cuotas: Se trata de una combinación de las muestras estratificadas y las
muestras intencionales, ya que el investigador elige a las personas que entrevistar de
acuerdo a su pertinencia (y representatividad) de un determinado estrato o grupo
determinado de antemano.

Estadístico muestral: En estadística un estadístico (muestral) es una medida cuantitativa,

derivada de un conjunto de datos de una muestra, con el objetivo de estimar o inferir
características de una población o modelo estadístico, que sirve para estimar determinado
parámetro de la distribución de la que procede la muestra.

10- Aplicación de la inteligencia artificial , importancia , ventajas y desventajas en biomédica

o en la ciencia de la salud:

Aplicación de la inteligencia artificial e importancia : Los principios de la IA se están

aplicando a todos los aspectos del análisis estadístico, incluida la recopilación de datos, la
gestión y el mantenimiento de datos, el análisis estadístico, los sistemas de apoyo a la toma
de decisiones y la visualización.

Ventajas y desventajas:

Ventajas:
● La habilidad de analizar datos y mejorar diagnósticos

● La tecnología equipada con IA puede analizar datos de una forma mucho más rápida
que cualquier humano, incluyendo estudios clínicos, expedientes médicos e
información genética lo que facilita al médico o profesional de la salud llegar a un
diagnóstico.

● Llevar a cabo tareas rutinarias y administrativas

● La IA puede automatizar muchas de las tareas rutinarias como el manejo de los

expedientes, el ingreso de datos y el escaneo de análisis. Gastando menos tiempo en
las tareas administrativas, los profesionales en la salud pueden enfocarse aún mas en
el cuidado del paciente.

● Monitoreo de la salud y consultas digitales. Desde tecnología para la salud que se

puede usar como accesorio, como el Apple Watch y Fitbit, hasta consultas digitales a
través de tu celular, la IA le permite a la gente monitorear su propia salud mientras
provee al profesional de la salud con datos esenciales.
Desventajas:

● Complicaciones en Programas y Adaptación

● La Inteligencia Artificial necesita ser programada extensivamente a través de

plataformas de datos para que pueda funcionar como se espera. Los profesionales de
la salud necesitan conocer las nuevas herramientas tecnológicas y desarrollar las
habilidades necesarias para su manejo.

● Preocupación de Privacidad

● Al ser información delicada es difícil que los pacientes concedan el acceso a sus
expedientes médicos para el reconocimiento de patrones en la salud. Se requiere de un
sistema de intercompatibilidad entre los diferentes sistemas de salud tanto nacionales
como internacionales de modo que cuenten con información suficiente para generar
datos relevantes.