Trabajo Prctico de Bioestadstica

Aplicacin de lo aprendido
13/12/2011 USAL Ibama Agudelo, Angelica Larios, Edna Rueda Abrahams

Tabla de Contenido I. II. III. IV. V. VI. Introduccin Justificacin Hiptesis Objetivos Marco Teorico Resultados: Desarrollo de los Objetivos

VII. Base de Datos VIII. Conclusiones

I. INTRODUCCIN Como dijera Huntsberger: "La palabra estadstica a menudo nos trae a la mente imgenes de nmeros apilados en grandes arreglos y tablas, de volmenes de cifras relativas a nacimientos, muertes, impuestos, poblaciones, ingresos, deudas, crditos y as sucesivamente". Huntsberger tiene razn pues al instante de escuchar esta palabra estas son las imgenes que llegan a nuestra cabeza. 1 El trmino "estadstica" se deriva originalmente del vocablo "estado", porque ha sido funcin tradicional de los gobiernos centrales llevar registros de poblacin, nacimientos, defunciones, profesiones, cosecha y muchas otras clases de cosas y actividades. El proceso de contar y medir, genera datos numricos. Su historia se remonta al siglo XVII con la aparicin de la teora de la probabilidad y se ha desarrollado mediante las contribuciones de muchos fsicos y matemticos. En el presente siglo es cuando se han diseado la mayora de los mtodos estadsticos que se usan en la actualidad. 2 La Estadstica es mucho ms que slo nmeros apilados y grficas bonitas. Es una ciencia con tanta antigedad como la escritura, y es por s misma auxiliar de todas las dems ciencias. Los mercados, la medicina, la ingeniera, los gobiernos, etc. Se nombran entre los ms destacados clientes de sta. La ausencia de sta conllevara a un caos generalizado, dejando a los administradores y ejecutivos sin informacin vital a la hora de tomar decisiones en tiempos de incertidumbre. 3 La Estadstica que conocemos hoy en da debe gran parte de su realizacin a los trabajos matemticos de aquellos hombres que desarrollaron la teora de las probabilidades, con la cual se adhiri a la Estadstica a las ciencias formales. La bioestadstica una rama de la estadstica que se ocupa de problemas plantados dentro de las ciencias de la vida, como la biologa, la medicina, etc. Debido a que las cuestiones a investigar en biologa son de naturaleza muy variada, por ejemplo, la medicina, ciencias agropecuarias y forestales, la bioestadstica ha expandido sus dominios para incluir cualquier modelo cuantitativo, no slo estadstico, que pueda ser usado para responder a estas necesidades.4 De una sociedad en la que los roles y el desempeo de la profesin estaban ajustados a la mera aplicacin de los conocimientos adquiridos, hemos evolucionado a una Sociedad Cientfica donde la investigacin ha pasado a formar parte esencial de su labor diaria. El inters por descubrir nuevos procedimientos a travs de la experiencia acumulada, ha sido determinante en la necesidad de que todos estos profesionales se vean inmersos en la formacin y aprendizaje de tcnicas bsicas de metodologa de la investigacin y de

. RUIZ, D. Manual de Estadstica. Universidad Pablo de Olavide. Sevilla, Espaa. Editado por eumed.net. 2004. Pag 3 Universidad Autnoma de Nuevo Len. Bioestadstica. Faculta de Ciencias Biolgicas. Nuevo Len, Mxico. 2006. Pag 1 Opcit. Ruiz. Pag 3

Colaboradores de Wikipedia, "Bioestadstica," Wikipedia, La enciclopedia libre, 5 junio 2010, 01:39 UTC.

Pag 1

algunas ms concretas como el anlisis de datos. 5 La necesidad de un enfoque estadstico esta actualmente bien reconocido en la investigacin y en la prctica de las disciplinas que constituyen la salud pblica. Ya que estas estudian comunidades o poblaciones en las que claramente se aplican las leyes de los grandes nmeros y de las fluctuaciones aleatorias. La estadstica permite analizar situaciones en las que los componentes aleatorios contribuyen de forma importante en la variabilidad de los datos obtenidos Este trabajo busca con el supuesto de una base de datos acerca de pacientes con enfermedad mental, determinar si existe relacin entre aspectos perifricos al enfermo, pero que influyen frecuentemente en su adhesin al tratamiento, su pronstico y adaptacin al contexto social. Justificacin: La presentacin de este trabajo se justifica desde varios puntos de vista. El primero consiste bsicamente en la aplicacin de la teora aprendida en el curso de Bioestadstica, durante el segundo cuatrimestre del ao lectivo en el posgrado de Psiquiatra de La universidad del Salvador. La segunda razn se esgrime alrededor de la necesidad de que la bioestadstica sea parte del conocer del profesional, tanto para la aplicacin optima de nuevos protocolos como para la generacin de estudios que optimicen el diagnostico, el tratamiento y el pronstico de los pacientes. Una motivacin extra se desprende de la base de datos per s y de los resultados que aqu encontramos, y de la aplicacin a la vida cotidiana de estos.

RUS. F. et al. Bioestadstica: Mtodos y Aplicaciones. Mlaga, Espaa. Facultad de Ciencias. Universidad de Mlaga. 2004. Pag 2

II. JUSTIFICACIN: La presentacin de este trabajo se justifica desde varios puntos de vista. El primero consiste bsicamente en la aplicacin de la teora aprendida en el curso de Bioestadstica, durante el segundo cuatrimestre del ao lectivo en el posgrado de Psiquiatra de La universidad del Salvador. La segunda razn se esgrime alrededor de la necesidad de que la bioestadstica sea parte del conocer del profesional, tanto para la aplicacin optima de nuevos protocolos como para la generacin de estudios que optimicen el diagnostico, el tratamiento y el pronstico de los pacientes. Una motivacin extra se desprende de la base de datos per s y de los resultados que aqu encontramos, y de la aplicacin a la vida cotidiana de estos.

III.

HIPOTESIS

Existen en el medio psiquitrico un sinnmero de mitos sobre la relacin entre el genero del paciente y diferentes aspectos vinculados al pronostico del paciente. Se supone por ejemplo que las mujeres con enfermedad mental tienden a mantener mejores tratamientos farmacolgicos continuados que los hombres. En este trabajo vinculamos diferentes variables relevantes para el pronstico del paciente psiquitrico y el sexo del paciente. A continuacin planteamos las hiptesis que nos proponemos probar. 1. Los hombres presentan mas internaciones por ao que las mujeres. 2. Hay diferencias en las tendencias de las causas de alta entre hombres y mujeres 3. Los hombres tienen a reingresar mas veces que las mujeres

4. Las mujeres presentan con mayor frecuencia antecedentes familiares de enfermedad mental. 5. Los hombres presentan mejor integracin laboral que las mujeres.

6. Las mujeres mantienen tratamientos farmacolgicos prolongados con mayor frecuencia que los hombres.

IV.

OBJETIVOS. A. GENERAL

Desarrollar las habilidades aprendidas en clase sobre la bioestadstica, y su aplicacin como ciencia coadyudante en el desarrollo de conceptos aplicables a la practica clnica

B.

ESPECIFICOS

Determinar si se distribuyen normalmente los valores de edad Establecer si existe una posible relacin entre el gnero de los pacientes y la cantidad de internaciones anteriores. Encontrar la concordancia entre el sexo del paciente la prevalencia en la causa de egreso Hallar la dependencia entre el sexo y el reingreso de los pacientes Buscar una relacin entre el gnero de los paciente y los antecedentes de enfermedad mental Determinar Quin mantiene una integracin laboral ms frecuentemente, hombres o mujeres. Evaluar la continuidad del tratamiento discriminada por gnero.

V.

Marco Terico

DATOS AGRUPADOS Cuando un conjunto de datos estadsticos corresponde a muchas observaciones de los valores de una variable, el manejo de todos ellos puede resultar engorroso; por eso se recurre a menudo a agrupar los datos en clases o categoras, cada una de ellas correspondiente a un grupo de valores de la variable; se determina entonces la frecuencia con la que se presentan datos incluidos en cada una de las clases y se habla de frecuencia de clase. Pasos para agrupar datos. Determinar el rango o recorrido de los datos. Rango = Valor mayor Valor menor Establecer el nmero de clases (k)en que se van a agrupar los datos. Determinar la amplitud de clase para agrupar (C). Formar clases y agrupar datos. Para formar la primera clase, se pone como lmite inferior de la primera clase un valor un poco menor que el dato menor encontrado en la muestra y posteriormente se suma a este valor C, obteniendo de esta manera el lmite superior de la primera clase, luego se procede a obtener los lmites de la clase siguiente y as sucesivamente. Tablas Estadsticas Cuando se realiza un estudio y se recoge un conjunto de datos, como normalmente ese conjunto de datos es muy grande, es necesario disponer de alguna herramienta mediante la cual podamos visualizar esos datos. Para ello, una vez ordenados, hacemos un recuento de dichos datos y realizamos tablas estadsticas. En estas tablas, debern figurar los valores de la variable de estudio, y sus frecuencias correspondientes. La principal dificultad para la obtencin de una distribucin de frecuencias, la principal dificultad para la obtencin de una distribucin de frecuencias, reside en la construccin de las modalidades, ya que sta variar de acuerdo con el tipo de variable que se pretende describir: si la variable es cualitativa, se tomarn como modalidades las distintas respuestas observadas de la muestra; si la variable es discreta (que tome pocos valores distintos), las modalidades coincidirn con los distintos valores medidos en la muestra; si la variable es continua (o bien discreta, pero toma muchos valores distintos), se tomarn como modalidades los intervalos de clase. Intervalos de clase. Son los intervalos donde se encuentran los datos agrupados cuando se estudian variables estadsticas continuas, se denotan por [Li-1, Li). El nmero de clases o intervalos y la longitud que debemos considerar, depende de cada problema y de la utilizacin que se quiera dar a las tablas estadsticas. Lo normal es que todos los intervalos sean de la misma amplitud (Li- Li-1), aunque pueden existir mltiples razones donde se aconsejen tomar intervalos de amplitud variable, como puede ser el caso en el que existan uno o dos intervalos donde se concentren la mayora de los datos.

Una vez construidos los intervalos de clase, se elige un representante en cada uno de ellos. Este representante es el valor medio de cada intervalo de clase, y se llama marca de clase. Los Intervalos de clase: para las variables cuantitativas, la agrupacin de frecuencias se hace dividiendo el rango de la variable en intervalos consecutivos que se acostumbran tomar de la misma amplitud. Aunque no existe una regla general para usar, es evidente que el nmero de intervalos debe ser mayor al aumentar el tamao muestral, por lo que se recomienda construir tantos intervalos como el nmero entero (entre 5 y 20) ms prximo a n. Se toma como -valor mnimo- un valor un poco menor que el mnimo de la muestra (o el mnimo). Distribuciones de Frecuencias La forma de la distribucin de los datos (de una variable) se denomina distribucin de frecuencias. El estudio de las distribuciones de frecuencias tiene por objeto la construccin de tablas de frecuencias que podrn utilizarse para una mejor presentacin e interpretacin de la informacin contenida en los datos observados en la muestra. Partes de la tabla estadstica Frecuencia absoluta de la clase xi: Es el nmero fi de observaciones que existen en dicha clase. Dicho de otra forma, es el nmero de veces que se repite dicho valor. Se denota mediante fi Frecuencia absoluta acumulada de la clase xi: Es el nmero de elementos de la poblacin cuya modalidad es inferior o equivalente a las de la clase xi. Se denota por Fi Frecuencia relativa de la clase xi: Es el cociente entre las frecuencias absolutas de dicha clase y el nmero total de observaciones o datos que denotamos por N. Si estamos interesados en trabajar con porcentajes, slo tenemos que multiplicar la frecuencia relativa por 100 y as representamos el porcentaje (%) de la poblacin que comprende a esa clase. Frecuencia relativa acumulada de la clase xi: es el nmero de elementos de la poblacin que estn en alguna de las clases inferior o igual a la case xi. Se denota por Hi Diagrama de barras Recibe el nombre de diagrama de barras el grfico que asocia a cada valor de la variable una barra, generalmente vertical, proporcional a la frecuencia (o a la cantidad) con que se presenta. Sectores: En los grficos de diagramas de sectores cada suceso viene representado por un sector circular de una amplitud proporcional a su frecuencia. La amplitud de cada sector circular se obtiene mediante una simple regla de tres.

4Cuando estos diagramas se utilizan para comparar magnitudes en distintos perodos o para diferentes lugares(por ejemplo pases), a cada circulo hay que asignarle una superficie proporcional a la magnitud que representa. Observacin: Los diagramas circulares son tiles para representar las distintas partes de un todo, los distintos componentes de un carcter. Histograma: un histograma, o histograma de frecuencias, esta formado por una serie de rectngulos que tienen sus bases sobre un eje horizontal ( eje x), siendo cada una de ellas igual a un segmento de longitud correspondiente a la amplitud de la clase que representa. El principio de representacin que rige la construccin del histograma es que la superficie de cada rectngulo sea proporcional a la frecuencia de la clase que representa, segn una constante de proporcionalidad fija e igual para todas las clases; cuando, como es habitual, las clases son todas ellas de la misma amplitud, este principio se traduce en que la altura de cada rectngulo representa directamente la frecuencia de la clase correspondiente. Aunque podamos ver la forma general de una distribucin en una tabla de frecuencias, la mejor forma es mediante un histograma de frecuencias (que es una representacin visual de los datos en la que pueden observarse tres propiedades esenciales de una distribucin: forma, tendencia central o acumulacin y dispersin o variabilidad).

ALGUNOS PROBLEMAS QUE RESUELVE LA ESTADSTICA Descripcin de datos Es el primer problema que aborda. Se trata de encontrar procedimientos para resumir la informacin obtenida de los datos. Anlisis de Muestras En numerosas ocasiones no es posible estudiar todos los elementos de una poblacin (ya sea por razones tcnicas o econmicas), por lo que se toma una muestra. Contrastacin de Hiptesis Un objetivo frecuente en la investigacin emprica es contrastar una hiptesis. La contrastacin de hiptesis requiere una metodologa para comparar las predicciones resultantes de la hiptesis con los datos observados y el diseo de experimentos para garantizar que las conclusiones que se extraigan de la experimentacin no estn invalidadas por factores no controlados. El test Chi-cuadrado con SPSS. La comparacin de proporciones, ya sea con muestras independientes o con muestras apareadas, y la asociacin de caracteres cualitativos son problemas estadsticos que se resuelven con el uso del estadstico chi-cuadrado; al procedimiento de SPSS dedicado a tal estadstico es al que dedicar en ste trabajo.

La prueba de independencia Chi-cuadrado, nos permite determinar si existe una relacin entre dos variables categricas. Clasificacin de variables De acuerdo a la caracterstica que se desea estudiar, a los valores que toma la variable, se tiene la siguiente clasificacin:

Las variables categricas son aquellas cuyos valores son del tipo categrico, es decir, que indican categoras o son etiquetas alfanumricas o "nombres". A su vez se clasifican en: variables categricas nominales: son las variables categricas que, adems de que sus posibles valores son mutuamente excluyentes entre s, no tienen alguna forma "natural" de ordenacin. Por ejemplo, cuando sus posibles valore son: "s" y "no". A este tipo de variable le corresponde las escalas de medicin nominal. variables categricas ordinales: son las variables categricas que tienen algn orden. Por ejemplo, cuando sus posibles valores son: "nunca sucede", "la mitad de las veces" y "siempre sucede". A este tipo de variable le corresponde las escalas de medicin ordinal. Las variables numricas toman valores numricas. A estas variables le corresponde las escalas de medicin de intervalo, y a su vez se clasifican en: variables numricas discretas: son las variables que nicamente toman valores enteros o numricamente fijos. Por ejemplo: las ocasiones en que ocurre un suceso, la cantidad de pesos que se gastan en una semana, los barriles de petrleo producidos por un determinado pas, los puntos con que cierra diariamente una bolsa de valores, etctera. variables numricas continuas: llamadas tambin variables de medicin, son aquellas que toman cualquier valor numrico, ya sea entero, fraccionario o, incluso, irracional. Este tipo de variable se obtiene principalmente, como dice su nombre alterno, a travs de mediciones y est sujeto a la precisin de los instrumentos de medicin. Por ejemplo: el tiempo en que un corredor tarda en recorrer una cierta distancia (depende de la precisin del cronmetro usado), la estatura de los alumnos de una clase (depende de la precisin del instrumento para medir longitudes), la cantidad exacta que despacha una bomba de combustible (para efectos de regulacin y fiscalizacin, y depende de la precisin del instrumento para medir volmenes), etctera. Escalas de medicin Las escalas de medicin son el conjunto de los posibles valores que una cierta variable puede tomar. Por esta razn, los tipos de escalas de medicin est ntimamente ligada con los tipos de variables. Su clasificacin es: La escala de medicin nominal: es la que incluye los valores de las variables nominales, que no tienen un orden preestablecido y son valores mutuamente excluyentes. La escala de medicin ordinal: es la que incluye los valores de las variables ordinales que pueden ser ordenadas en un determinado orden, aunque la distancia entre cada uno de los valores es muy difcil de determinar.

La escala de medicin de intervalo: a la que le corresponden las variables numricas. En esta escala de medicin se encuentra un orden muy establecido y la distancia entre cada uno de los valores puede ser determinada con exactitud. Es posible observar que cada uno de dichos intervalos miden exactamente los mismo. Es importante mencionar considerar los tipos de escalas de medicin, pues slo en algunos tipos de escalas de medicin se podrn aplicar algunas de las herramientas estadsticas. Esto es porque, mientras que para las escalas de intervalo es posible calcular proporciones, porcentajes y razones, y adems la media, la mediana, la moda, el rango y la desviacin estndar; para el caso de las escalas nominal y ordinal no se pueden aplicar stas ltimas, restringindose las opciones al clculo de proporciones, porcentajes yrazones.

Tablas de contingencia. Una de estadsticos que ofrece el programa es Chi-cuadrado, nos calcula estadsticos del tipo chi-cuadrado (entre ellos, el chi-cuadrado de Pearson para una tabla de contingencia). Respecto a las correspondientes tablas, se dan aqu dos nuevos resultados por tratarse de una tabla 22: el test chi-cuadrado con correccin de continuidad (con la correccin de Yates) y el test exacto de Fisher. Por el momento slo haremos nfasis en el Chi-cuadrado de Pearson, la cual es la ms utilizada. INDEPENDENCIA DE VARIABLES CATEGRICAS Las tablas de contingencia se utilizan para examinar la relacin entre dos variables categricas, bien explorar la distribucin que posee una variable categrica entre diferentes muestras. Hay diferentes cuestiones que surgen al examinar una tabla de contingencia, y en ste trabajo vamos a tratar cuestiones de independencia, puesto que son los objetivos a estudiar. La independencia de dos variables consiste en que la distribucin de una de las variables es similar sea cual sea el nivel que examinenos de la otra. Esto se traduce en una tabla de contingencia en que las frecuencias de las filas y las columnas son aproximadamente proporcionales y es ms cmodo reconocerlo usando porcentajes por filas y columnas y observando si son similares. La prueba de independencia chi-cuadrado contrasta la hiptesis de que las variables son independientes, frente a la hiptesis alternativa de que una variable se distribuye de modo diferente para diversos niveles de la otra.

Esta prueba nos permite determinar si el comportamiento de las categoras de una variable presentan diferencias Estadsticamente significativas. Para establecer la diferencia a travs de SPSS, debemos partir de la teora, (Hiptesis nula) H0: No existe relacin entre las variables de la tabla de contingencia; es decir, debemos asumir que los resultados de las categoras de una variable no se ven afectados o influenciados por las categoras de la segunda variable. (Hiptesis alternativa) H1: Las dos variables dependen, una de la otra. La nota al pie de la tabla nos indica que todas las casillas de la tabla de contingencia cumplen la condicin de validez. 0%. Si no se hubiese cumplido se estudio exactas para que el clculo de significacin se realice exactamente. Los tests estadsticos se realizan con el fin de aceptar o rechazar esta Ho (si se rechaza Ho lo que se hace es aceptar la hiptesis alternativa, H1 :si hay diferencia). Los tests estadsticos pueden clasificarse en paramtricos y no paramtricos. En ste trabajo se usa el estadstico para variablesno paramtricas. Los tests estadsticos evalan el error tipo I (o error ) que se comete al rechazar Ho cuando esta es cierta (esto es, decir que hay diferencias cuando no las hay). Es el valor habitualmente designado como p (y que en SPSS se especifica bajo el epgrafe: Sig.). Habitualmente se considera que, para poder decir que se rechaza H0 , p ha de ser inferior a 0,05; esto significa que el mayor riesgo a equivocarse que se est dispuesto a asumir diciendo que hay diferencia (en este caso respecto de la gaussiana) cuando realmente no la haba es del 5 %. Se denomina error tipo II (o error ) al error que se comete al aceptar Ho cuando es falsa (esto es, que habiendo diferencias no son detectadas). Dos variables cualitativas En este caso lo que se trata de estudiar es la asociacin entre las dos variables. El nmero de categoras de cada variable puede ser cualquiera pero se va a analizar ms detalladamente el caso en que el nmero de categoras de cada variable sea dos, lo que dar lugar a la tablas de contingencia de 2 x 2. Existir asociacin si el test estadstico ji-cuadrado (2 ) es significativo. El sentido de la asociacin se podr comprobar examinando visualmente la tabla 2 x 2. Es importante sealar que en este tipo de tablas no puede emplearse el test 2 habitual sino que hay emplear la correccin por continuidad de Yates, o preferiblemente, el test exacto de Fisher. Ambos son suministrados por SPSS en Statistics (Analyze), Descriptive (Summarize), Crosstabs en donde, se ha de introducir una de las variables en Row (filas) y otra en Columns (columnas) se activa el botn Statistics que es donde se solicita el test 2 . Interpretacin Si = 0.05 queremos decir que en caso de ser verdadera Ho slo en un 5% de las veces o menos las diferencias observadas sern lo suficientemente grandes para conducirnos errneamente a la conclusin H1. A veces se toman valore ms exigente como 0.01

La probabilidad p de que las diferencias observadas sean debidas exclusivamente al azar se denomina significacin muestral de la hiptesis nula (p-valor) Si p > Aceptamos H0 Si p < Rechazamos H0 Relacin entre intervalos de confianza y contrastes de hiptesis: La regin de aceptacin de un contraste de hiptesis para un parmetro theta con tamao alpha coincide con un intervalo de confianza para theta al (1-alpha)x100%

Cuando utilicemos el SPSS nos dar el nivel de significacin, es decir la probabilidad de rechazar la hiptesis nula siendo cierta y por tanto la probabilidad de equivocarnos si rechazamos la hiptesis nula. Si esta probabilidad es muy pequea (<0,05), rechazaremos la hiptesis nula y en consecuencia diremos que los atributos son dependientes. Por el contrario, si el nivel de significacin fuera superior a 0,05, la probabilidad de equivocarnos si concluyramos que los factores son dependientes sera muy alta, y por tanto cabra esperar que nos equivocaramos en nuestra conclusin, y por tanto aceptaremos la hiptesis nula de independencia.

VI.

Considerando una muestra estadstica de 99 individuos, descrita segn la variable edad, cuyas modalidades han sido agrupadas en un nmero 6 de clases, amplitud es de 6 aos, con un rango de 36, dato mnimo 29, dato mximo 65. (Tabla de frecuencia de edad). Frecuencias Estadsticas Edad N Vlidos 99 Perdidos 0 Edad Frecuencia Porcentaje Porcentaje vlido Vlido 2913 13,1 13,1 s 35 3536 36,4 36,4 41 4122 22,2 22,2 47 4722 22,2 22,2 53 533 3,0 3,0 59 593 3,0 3,0 65 Total 99 100,0 100,0

RESULTADOS

Porcentaje acumulado 13,1 49,5 71,7 93,9 97,0 100,0

Edad
40

Vlidos Perdidos

Media Mediana Moda Desv. tp. Varianza Mnimo Mximo Percentiles 25 50 75

99 0 43,16 42,00 40 7,254 52,627 29 65 38,00 42,00 49,00

30

20

Frecuencia

10 Desv. tp. = 1,21 Media = 2,7 0 1,0 2,0 3,0 4,0 5,0 6,0 N = 99,00

Edad

V.EDAD Frecuencias Edad N observado N esperado 29 30 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 56 61 63 65 Total 2 1 7 1 3 3 5 6 3 10 8 3 1 3 7 3 5 3 3 5 7 3 1 2 1 1 1 1 99 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 3,5 Residual -1,5 -2,5 3,5 -2,5 -,5 -,5 1,5 2,5 -,5 6,5 4,5 -,5 -2,5 -,5 3,5 -,5 1,5 -,5 -,5 1,5 3,5 -,5 -2,5 -1,5 -2,5 -2,5 -2,5 -2,5

Discriminacion por sexo:

Sexo Sexo
M M 39,4% 39,4%

F F 60,6% 60,6%

Objetivo 1: Se distribuyen normalmente los valores de edad? Ho: Los datos se distribuyen normalmente H1: Los datos no se distribuyen normalmente si p es mayor de 0,05 la hiptesis nula se acepta Si p es menor de 0,05 la hiptesis nula se rechaza Pruebas no paramtricas Prueba de Kolmogorov-Smirnov para una muestra Edad 99 43,16 7,254 ,112

N Parmetros normales(a,b)

Media Desviacin tpica

Diferencias extremas

ms Absoluta

Positiva ,112 Negativa -,050 Z de Kolmogorov-Smirnov 1,115 Sig. asintt. (bilateral) ,166 Resultado 1: La distribucin de contraste es la Normal. b Se han calculado a partir de los datos.

El inters est en ste ltimo cuadro, pruebas de normalidad para el gnero femenino y para el gnero masculino, hay dos pruebas la de Kolmogorov-Smirnov(a) con la correccin de lillierfors (una distribucin) y la de Shapiro-Wilk, en sta prueba se debe utilizar Kolmogorov-Smirnov porque (F) es una cantidad mayor de 50 unidades de anlisis, se utiliza Shapiro-Wilk porque (M) es una cantidad menor de 50 unidades, se da cuenta en los grados de libertad (gl). Para el gnero femenino el p es 0,053 y para el gnero masculino el p es 0,081, ambas son mayores que el nivel de significancia establecida, es decir p es mayor o igual a 0,05, por lo tanto la hiptesis nula se acepta y se puede concluir de que tanto en hombre y en mujeres las edades se distribuyen en forma normal.

Objetivo 2: Existe una posible relacin entre el genero de los pacientes y la cantidad de internaciones anteriores? Figura 1. Resultados del procedimiento Tablas de contingencia. Internaciones anteriores * Sexo Tabla de contingencia Sexo F 7 11,7% 25 41,7% 14 23,3% 14 Total M 13 33,3% 15 38,5% 7 17,9% 4 20 20,2% 40 40,4% 21 21,2% 18

Internacione s anteriores

Recuento % de Sexo Recuento % de Sexo Recuento % de Sexo Recuento

2a5 mas de 5 Sin internacion previa Total Pruebas de chi-cuadrado

% de Sexo Recuento % de Sexo Valor

23,3% 60 100,0% gl

10,3% 39 100,0%

18,2% 99 100,0%

Chi-cuadrado de Pearson 8,099(a) 3 Correccin por continuidad Razn de verosimilitud 8,129 3 ,043 Asociacin lineal por lineal 6,612 1 ,010 N de casos vlidos 99 a 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 7,09. Resultado 2: El mayor porcentaje de pacientes se ubican en la casilla de Mujeres con intenaciones de 2-5 (41,7%), y en trminos generales se puede asegurar que existe una mayor posibilidad de mas internaciones para mujeres, tambin se encuentra un porcentaje importante (33,3%) de hombres con una sola internacin.

Sig. asinttica (bilateral) ,044

Objetivo 3: Existe alguna relacin entre el sexo del paciente la prevalencia en la causa de egreso? Causa de altas * Sexo Tabla de contingencia Sexo F 37 61,7% 6 10,0% 14 23,3% 3 5,0% 60 100,0% Total M 22 56,4% 2 5,1% 15 38,5% 0 ,0% 39 100,0% 59 59,6% 8 8,1% 29 29,3% 3 3,0% 99 100,0%

Causa de altas

Alta Mdica

Recuento % de Sexo Recuento % de Sexo Recuento % de Sexo Recuento % de Sexo Recuento % de Sexo

Fallecimiento Por traslado Voluntaria Total

Pruebas de chi-cuadrado Valor

gl

Chi-cuadrado de Pearson 4,600(a) 3 Correccin por continuidad Razn de verosimilitud 5,654 3 ,130 Asociacin lineal por lineal ,265 1 ,607 N de casos vlidos 99 a 4 casillas (50,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 1,18. Resultado 3: Las tablas y las pruebas de Chi cuadrado, no muestran una diferencia significativa entre los generos en cuanto a la causa de alta. Lo que se demuestra por una independencia entre las variables Sexo y Causa de alta.

Sig. (bilateral) ,203

asinttica

Objetivo 4: Se puede encontrar una relacin entre el sexo y el reingreso de los pacientes? Reingreso * Sexo Tabla de contingencia Sexo Total F M Reingreso NO Recuento 49 21 70 % de Sexo 81,7% 53,8% 70,7% SI Recuento 11 18 29 % de Sexo 18,3% 46,2% 29,3% Total Recuento 60 39 99 % de Sexo 100,0% 100,0% 100,0% Pruebas de chi-cuadrado Valor gl Sig. Sig. exacta Sig. exacta asinttica (bilateral) (unilateral) (bilateral) Chi-cuadrado de 8,833(b) 1 ,003 Pearson Correccin por 7,540 1 ,006 continuidad(a) Razn de 8,737 1 ,003 verosimilitud Estadstico exacto ,006 ,003 de Fisher Asociacin lineal 8,743 1 ,003 por lineal N de casos vlidos 99 a Calculado slo para una tabla de 2x2. b 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 11,42. .
60

60
50

Resultado 4: La relacin que aparece segn las pruebas aplicadas, establece que los hombres presentan mas reingresos comparativamente a las mujeres
Recuento Recuento

50
40

49

49 40
30

30
20

20
10

21

21
11

18

18 10
0

Reingreso Reingreso
NO NO SI SI

11

Sexo Sexo

Objetivo 5: Cul es la relacin entre el genero de los paciente y los antecedentes de enfermedad mental? Ant# Familiares de enf mental * Sexo Tabla de contingencia Sexo Total F M Ant# Familiares NO Recuento 24 18 42 de enf mental % de Sexo 40,0% 46,2% 42,4% SI Recuento 36 21 57 % de Sexo 60,0% 53,8% 57,6% Total Recuento 60 39 99 % de Sexo 100,0% 100,0% 100,0% Pruebas de chi-cuadrado Valor gl Sig. Sig. Sig. exacta asinttica exacta (unilateral (bilateral) (bilateral) ) Chi-cuadrado de ,366(b) 1 ,545 Pearson Correccin por ,158 1 ,691 continuidad(a) Razn de ,366 1 ,545 verosimilitud Estadstico exacto de ,678 ,345 Fisher Asociacin lineal por ,363 1 ,547 lineal N de casos vlidos 99 a Calculado slo para una tabla de 2x2. b 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 16,55.
40 40

36 36

30 30

24 24 20 20 18 18 21 21

Resultado 5: No hay una relacin entre el antecedente familiar y el sexo, presentndose en ambos sexos indiscriminadamente.
Ant# Familiares de e Ant# Familiares de e
NO NO

Recuento Recuento

10 10 F F M M

SI SI

Sexo Sexo

Objetivo 6: Quin mantiene una integracin laboral mas frecuentemente, hombres o mujeres? Integracin laboral * Sexo Tabla de contingencia Sexo Total F M Integraci NO Recuento 37 28 65 n laboral % de Sexo 61,7% 71,8% 65,7% SI Recuento 23 11 34 % de Sexo 38,3% 28,2% 34,3% Total Recuento 60 39 99 % de Sexo 100,0% 100,0% 100,0% Pruebas de chi-cuadrado Valor gl Sig. Sig. Sig. asinttica exacta exacta (bilateral) (bilateral) (unilateral ) Chi-cuadrado de 1,075(b) 1 ,300 Pearson Correccin por ,673 1 ,412 continuidad(a) Razn de 1,090 1 ,297 verosimilitud Estadstico exacto de ,387 ,207 Fisher Asociacin lineal por 1,064 1 ,302 lineal N de casos vlidos 99 a Calculado slo para una tabla de 2x2. b 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 13,39.
40 37

30 28

23 20

Resultado 6:En trminos generales el estudio muestra que los hombres tiende a tener una menor posibilidad de integracin laboral que las mujeres.
11

10

Integracin laboral
NO

Recuento

0 F M

SI

Sexo

Objetivo 7: Evaluar la continuidad del tratamiento discriminada por gnero. Tratamiento continuado * Sexo Tabla de contingencia Sexo Total F M Tratamiento NO Recuento 26 22 48 continuado % de Sexo 43,3% 56,4% 48,5% SI Recuento 34 17 51 % de Sexo 56,7% 43,6% 51,5% Total Recuento 60 39 99 % de Sexo 100,0% 100,0% 100,0% Pruebas de chi-cuadrado Valor gl Sig. Sig. Sig. asinttica exacta exacta (bilateral) (bilateral) (unilateral ) Chi-cuadrado de 1,618(b) 1 ,203 Pearson Correccin por 1,137 1 ,286 continuidad(a) Razn de 1,622 1 ,203 verosimilitud Estadstico exacto de ,223 ,143 Fisher Asociacin lineal por 1,602 1 ,206 lineal N de casos vlidos 99 a Calculado slo para una tabla de 2x2. b 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 18,91.
40

40

34

34
30

30
26

Resultado 7: Se observa una tendencia a que los hombres mantengan mas el tratamiento continuado que las mujeres.
22

26
20

20

22
17

Recuento Recuento

17

Tratamiento continua Tratamiento continua

NO NO SI SI

10

10 F

Sexo Sexo

Objetivo 8: Establecer una relacin entre las internaciones anteriores y el antecedente familiar de enfermedad mental. Tablas de contingencia Tabla de contingencia Internaciones anteriores * Ant# Familiares de enf mental Ant# Familiares de Total enf mental NO SI Internaciones anteriores 1 Recuento % de Ant# Familiares de enf mental Recuento % de Ant# Familiares de enf mental Recuento % de Ant# Familiares de enf mental Recuento % de Ant# Familiares de enf mental Recuento % de Ant# Familiares de enf mental Valor gl 12 28,6% 8 14,0% 20 20,2%

2a5

16 38,1%

24 42,1%

40 40,4%

mas de 5

9 21,4%

12 21,1%

21 21,2%

Sin internacion previa

5 11,9%

13 22,8%

18 18,2%

Total

42 100,0%

57 100,0%

99 100,0%

Pruebas de chi-cuadrado Sig. asinttica (bilateral) ,240

Chi-cuadrado de Pearson 4,208(a) 3 Correccin por continuidad Razn de verosimilitud 4,248 3 ,236 Asociacin lineal por lineal 3,091 1 ,079 N de casos vlidos 99 a 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada es 7,64. Resultado 8: No existe una relacin entre el numero de internaciones y la presencia de antecedentes de enfermedad mental familiar.

VII. Base de Datos

VIII.

CONCLUSIONES 1. La distribucin de contraste es la Normal. Este dato no es menor, la normalidad en la distribucin de las edades, garantiza una mayor veracidad en las conclusiones de las pruebas 2. El mayor porcentaje de pacientes se ubican en la casilla de Mujeres con intenaciones de 2-5 (41,7%), y en trminos generales se puede asegurar que existe una mayor posibilidad de mas internaciones para mujeres, tambin se encuentra un porcentaje importante (33,3%) de hombres con una sola internacin. La conclusin se puede ver afectada por varias razones, y no se puede garantizar que se deba a un mal pronostico, es probable que se pueda interpretar como un insgith mayor de la enfermedad, y una consecuente bsqueda de ayuda mas frecuente. 3. Las tablas y las pruebas de Chi cuadrado, no muestran una diferencia significativa entre los generos en cuanto a la causa de alta. Lo que se demuestra por una independencia entre las variables Sexo y Causa de alta. 4. La relacin que aparece segn las pruebas aplicadas, establece que los hombres presentan mas reingresos comparativamente a las mujeres. 5. No hay una relacin entre el antecedente familiar y el sexo, presentndose en ambos sexos indiscriminadamente. De lo que puede inferirse que si la enfermedad mental tiene un origen gentico, este podra ubicarse en un gen comn tanto para hombres como para mujeres. 6. En trminos generales el estudio muestra que los hombres tiende a tener una menor posibilidad de integracin laboral que las mujeres. 7. Se observa una tendencia a que los hombres mantengan mas el tratamiento continuado que las mujeres.