Metodología de la Investigación: Diseños y análisis

1
Diseños de Investigación

2
3
4
La replicabilidad en el método científico puede conseguirse a
través de diferentes estrategias:

5
Las etapas o pasos necesarios para la aplicación del método científico se corresponden
con los siguientes niveles:

 Nivel teórico conceptual: se encarga de seleccionar el problema, los

criterios para seleccionarlo, cómo plantearlo, cómo realizar la revisión
bibliográfica del mismo o qué dice la literatura sobre este problema y cómo se
formulan las hipótesis.

 Nivel técnico metodológico: se encarga de seleccionar el diseño de

investigación adecuado a los datos (establecimiento de estrategias de recogida
de datos), cómo seleccionar la muestra y los instrumentos necesarios para la
recogida de datos.

 Nivel estadístico-analítico: análisis de los datos describiéndolos,

relacionándolos, comprobando hipótesis… En función del nivel de medida de
los datos se seleccionarán las herramientas estadísticas adecuadas. Los datos
obtenidos se interpretan y se relacionan con la teoría, sugiriendo nuevas vías de
investigación, de ahí la característica de circularidad del proceso.

6
7
 Criterios para elegir el problema:

 Debe incrementar el cuerpo de conocimientos

de la disciplina (relevancia)

 Debe conducir a nuevos interrogantes e

investigaciones posteriores

 Que se pueda investigar (podrían ser círculos

viciosos sin respuesta)

 Debe ser viable para el investigador (conocimientos

suficientes, medios…)
8
 Desde un punto de vista metodológico las variables se
clasifican en:

 Variable independiente, factor o variable predictora:

es aquella que se manipula (tratamiento)
 Variable dependiente, criterio o variable pronóstico:
es aquella que se mide (sintomatología, funcionamiento, CI…)
 Variable extraña: aquellas variables procedentes del sujeto,
del evaluador o del entorno que no se quieren ni manipular ni
medir pero están incidiendo en la relación entre la variable
independiente y la variable dependiente
9
10
11
Estudios Observacionales

12
 Estudio Observacional

• El diseño observacional se caracteriza por la ausencia de

manipulación. Las variables de interés son variables que o
bien vienen dadas (como el género o la personalidad) o no
pueden ser manipuladas por cuestiones éticas (factores de
riesgo).
• El investigador en vez de manipular selecciona una muestra
de participantes que poseen características de interés para su
investigación midiendo en ellos una serie de variables.
• La principal consecuencia de la imposibilidad de manipular
variables es que las conclusiones de los estudios
observacionales solo van a ser conclusiones relacionales, no
pudiendo inferir de forma clara causalidad.
13
 Estudio Observacional Descriptivo

• El diseño observacional más sencillo (Análisis estadísticos

descriptivos).
• Objetivo es la descripción de determinadas características
de la muestra en un momento dado (transversalmente) o
a lo largo del tiempo (longitudinalmente).
• En psicología clínica o de la salud se utilizan para estimar
la prevalencia o la incidencia de las patologías
principalmente (Estudios epidemiológicos)

14
 Estudio Observacional Descriptivo

• Prevalencia: proporción de personas con la patología.

Prevalencia de período: proporción de personas con la patología en un
período de tiempo.
Lifetime prevalence: proporción de la población que ha tenido la
patología en algún momento de su vida (o hasta el momento de la
evaluación).

• Incidencia: número de casos nuevos de la patología por unidad de

tiempo. (normalmente un año)

15
 Estudio Observacional Analítico
• Son estudios observacionales porque no existe manipulación
intencional de la VI. (una o ambas variables estudiadas ya han ocurrido
cuando el investigador va a analizarlas)
• El investigador posee una hipótesis sobre la relación entre determinadas
variables que quiere analizar (por eso se llaman analíticos).
• el uso de estudios ex post facto no permite establecer relaciones
causales (no existe manipulacion de la VI), sino establecer relaciones de
covariación entre las variables.
• Los estudios ex-postfacto son un tipo de estudios mucho más frecuentes
(y mucho más interesantes) que los estudios descriptivos.

16
 Estudio Observacional Analítico

• Las técnicas de muestreo empleadas son un proceso muy

importante en estos estudios. (las conclusiones dependen de
las características de los sujetos)
• Este tipo de estudios se utilizan habitualmente para conocer
aquellos factores que se relacionan con los trastornos:
• De manera positiva (relación de las variables), factores de
riesgo, (consumo de cannabis factor de riesgo de desarrollar
psicosis)
• De manera negativa, (relación de las variables) factores
protectores (estilos de personalidad positiva factor protector
de la enfermedad)
17
 Estudio Observacional Analítico

La dificultad general de este tipo de diseños es el control

de variables extrañas.

1. ¿Existe relación entre las horas de estudio y el

rendimiento académico? ( Controlar por variables que
puedan influir: edad, sexo, CI…)
2. ¿Existe relación entre el trauma y el TLP? (Controlar por
variables que puedan influir: edad, sexo, CI…)
3. ¿Existe relación entre el tipo de trauma y el TLP?

18
19
 Observacional Analítico se puede diferenciar entre:

1. Estudios prospectivos o estudios de cohortes: estudios en

los que los participantes son seleccionados por poseer un
determinado factor interesante para el estudio.

2. Estudios retrospectivos de casos y controles: estudios en

los que los participantes son seleccionados por poseer un
determinado trastorno interesante para el estudio.

20
Estudios Experimentales y cuasi-experimentales

21
 Diseños experimentales

• Conforman una parcela importante dentro del

método científico y su objetivo principal consiste en
identificar causas y evaluar sus efectos

• Explorar el efecto que ejerce la manipulación de una

variable independiente (VI) sobre la variable que
medimos, variable dependiente (VD).

22
 Diseños experimentales

• En la práctica clínica una de las decisiones más habituales es tener que

elegir entre distintos tratamientos o evaluar si un nuevo tratamiento o
complemento al tratamiento mejora el tratamiento habitual.

• ¿Es efectivo un tratamiento psicoeducativo para adolescentes con psicosis?

• ¿Es mejor la terapia cognitivo analítica para el tratamiento de los TLP que
la terapia cognitivo-conductual?

• ¿Los adolescentes que practican Mindfulness en el aula tienen mejor

rendimiento?

23
 Diseños experimentales
• En los diseños experimentales el investigador manipula (variable independiente, para
conocer su efecto sobre la variable de interés (variable dependiente) mientras se
ejerce control sobre el efecto de posibles variables confundidoras (variables extrañas).
• Las variables independientes son aquellas cuyo efecto queremos conocer, en el
contexto clínico suelen ser terapias, tratamientos o fármacos.
• Las variables dependientes (queremos estudiar su “dependencia” con la VI) son
aquellas variables que queremos modificar y se conocen habitualmente como
variables de resultados ya que son las variables en las que queremos observar
resultados. Ejemplos seria: el diagnostico, la sintomatología, el funcionamiento,
rendimiento académico, la calidad de vida… ¿cambian con el tratamiento?
• Las variables extrañas son todas aquellas variables que queremos controlar porque
pueden afectar al resultado de nuestro estudio. (terapeuta, evaluador, variables de los
propios sujetos “edad”…)

24
 Diseños experimentales
• Los diseños experimentales se caracterizan
principalmente por
1)  La manipulación de la VI
2)  El control de variables extrañas
• La manipulación de variables: implica decidir la
ocurrencia, intensidad y momento de la variable
independiente (supuesta causa)
• El control de variables: implica poder descartar
explicaciones alternativas, es decir, controlar terceras
variables que pueden afectar a la variable dependiente
(efecto).

25
Diseños Experimentales: ECA

26
 La medida pre-tratamiento
• La medida pre-tratamiento es una o varias mediciones de la
variable o variables dependientes realizadas antes de iniciar el
tratamiento. Las medias pre permiten:
• Asegurar la equivalencia entre grupos ( O controlar las variables
diferentes en los análisis estadísticos)
• Emparejar a los participantes por alguna variable relevante
• Evaluar la magnitud del cambio
• Evaluar factores moduladores de la efectividad del tratamiento
• Evaluar la adherencia al tratamiento

27
 El grupo control
• Permite evaluar el efecto de la intervención frente al
efecto de otras variables que pueden estar
interfiriendo y afectar a la variable dependiente (el
paso del tiempo, el efecto de las pruebas o las rutinas,
las expectativas sobre la terapia, o el contacto con el
terapeuta).
• Para que un grupo control sea comparable es necesario
que sea EQUIVALENTE al grupo experimental o de
estudio, (misma edad, género, diagnóstico etc)

28
 El grupo control
El grupo control puede ser:

• Grupo no tratado: evalúa si el estar en tratamiento es efectivo.

• Grupo de lista de espera: corrige parte de las expectativas de
cambio.
• Grupo de comparación placebo: corrige parte de las
expectativas de cambio y los efectos inespecíficos del tratamiento.
• Grupo de tratamiento alternativo: permite evaluar la
superioridad de una terapia sobre otra

29
 Técnicas de control de variables

• Aleatorización: La asignación aleatoria de los participantes en los grupos de estudio

garantiza que estos sean equivalente en todas aquellas variables que
desconocemos y que potencialmente pueden oscurecer el resultado (variables
extrañas).
• Ciego: Los procedimientos de cegado garantizan que ni las expectativas del
participante (simple ciego), ni del investigador-evaluador (doble ciego), ni del
análista de los datos (triple ciego) contaminen el resultado.
• Bloqueo de variables: permite controlar el efecto de variables extrañas conocidas
de antemano asegurando su distribución homogénea en los grupos de estudio.
• Emparejamiento: permite bloquear varias variables extrañas realizando parejas
de sujetos similares y asignando aleatoriamente un miembro de cada pareja a cada
grupo (al experimental o al control).
• Evaluación de las pérdidas: Si hay sujetos que abandonan el estudio debe
averiguarse por qué lo han hecho y valorar si dicha pérdida puede afectar al
resultado.

30
 Amenazas a la validez
• Validez interna: Se refiere al grado en que un experimento excluye
las explicaciones alternativas de los resultados, es decir, al grado
en que ciertamente la manipulación de la V.I. es responsable de
los cambios en la V.D.

• Cualquier factor o fuente que no sea la V.I. y que pudiera explicar

los resultados es una amenaza para la validez interna. De esta
forma, la validez interna es un mínimo básico sin el cual un
experimento está abierto a múltiples explicaciones alternativas.

31
32
33
 FORTALEZAS

Aleatorización

Validez metodológica

Evaluadores ciegos Mismos terapeutas

34
Limitaciones

35
36
Diseños cuasi-experimentales
• En muchos ámbitos de investigación es difícil garantizar los
supuestos del modelo experimental (grupo control y
experimental y aleatorización), en esos casos los diseños
cuasi-experimentales proporcionan una aproximación con
reservas a las explicaciones causales.

37
 Cuasi-experimentales

• Los diseños cuasi- experimentales se caracterizan

principalmente por
1)  La manipulación de la VI
2)No se garantiza el control de las variables extrañas

• En estos diseños priman la validez externa sacrificando parte

de la rigurosidad y el control de variables extrañas que
caracteriza a los diseños experimentales.
• (ej: tratamiento de TLP con riesgo suicida… sin grupo control)

38
En este tipo de diseños se trabaja con un
grupo ya formado (la regla de
asignación NO es conocida)

Es parecido al diseño experimental de dos grupos

pero no es aleatorio.

Se recogen dos medidas pretest en ambos

grupos, a continuación se aplica el tratamiento
en uno de los grupos mientras que el grupo
control no recibe el tratamiento (o recibe un
tratamiento placebo, u otro tratamiento). Por
último, se recoge una medida postest en ambos
grupos para estudiar las variaciones y comparar
los resultados entre ambos.

39
 El principal inconveniente de estos
diseños consiste en la presencia de
amenazas a la validez interna (como
por ejemplo la historia, efectos de la
maduración…) que no permiten asegurar
una interpretación causal de los resultados
(entre el pretest y el postest pueden ocurrir
más sucesos que la mera aplicación del
tratamiento que pueden mediar la relación
VI-VD).

¿el cambio se debe al tratamiento o al mero

paso del tiempo?

40
La principal desventaja de estos diseños
es la dificultad en la interpretación
de los datos, puesto que, al no existir
grupo control equivalente, estos no son
contrastables.

Con la ausencia de la medida pre-test, no

podemos saber si las diferencias
post-test se deben al tratamiento o a
que los grupos eran diferentes

41
Evidencias de los estudios experimentales

Los estudios experimentales permiten

conocer si un tratamiento/programa es
efectivo pero además pueden
proporcionar información sobre el
mecanismos por el que éste actúa o
sobre los factores moduladores del
cambio.

42
 Evidencias de los estudios experimentales

¿Es el tratamiento/programa efectivo?

Es la pregunta principal que responden los estudios de experimentales
mediante la comparación del cambio en los grupos experimental y control
¿Cuál es el mecanismo del cambio?
Análisis detallado de que componentes del tratamiento son efectivos y de
cuales no (Tratamiento grupal, incluir familiares…)
¿Qué factores afectan al cambio?
Mediante la inclusión de alguna variable independiente en el estudio (género,
la gravedad del problema, la edad, la presencia de otras patologías) podemos
evaluar si la efectividad del tratamiento se modulada por dichas variables

43
 Evidencias de los estudios experimentales

• Tras un estudio experimental debe valorarse si las variables de resultados

(VD) estudiadas han cambiado para lo que es recomendable tener una
medida previa del valor de la variable de resultado antes de intervenir.

La efectividad del tratamiento puede valorarse como:

• La diferencia entre la puntuación del grupo experimental antes y después de
la intervención (cambio).
• La diferencia entre el grupo experimental y control tras la intervención.
• La diferencia entre el cambio del grupo experimental y el control (interacción).

La evaluación de la significación estadística de estos resultados puede realizarse

respectivamente mediante la t-Student o mediante un análisis de varianza
(ANOVA).
44
 Valoración estadística del cambio

• La significación estadística (p≤0,05) nos dice que la diferencia observada entre

dos medias no es debida al azar (o tiene poca probabilidad de que se deba al
azar) y por tanto debe haber algún factor (la intervención) que explique dichas
diferencias.
• Sin embargo no nos dice nada de si el cambio es grande o pequeño.
• La cuantificación del cambio debe hacerse a través de las medidas de tamaño
del efecto. Las dos medidas de tamaño del efecto más comunes en las
comparaciones de medias son:
• La diferencia de medias tipificada (d de Cohen o g de Hedges): nos indica como
de
separadas están las medias de las dos variables
• La proporción de varianza explicada (eta cuadrado o r2): nos indica cuanta de la
variabilidad de las puntuaciones en la variable de resultados es explicada por el
tratamiento.

45
 Valoración clínica del cambio

• En último lugar, independientemente de si un cambio es

sustantivamente pequeño o grande, en el contexto clínico un
pequeño cambio en una variable puede suponer un gran avance
para el paciente o por el contrario un cambio muy grande
puede ser algo insignificante.
• La interpretación de la relevancia clínica del cambio solo puede
ser realizada por los profesionales expertos en la patología, con
conocimiento para valorar como de difícil es conseguir
determinados avances o que consecuencias pueden tener en el
curso de la patología.

• Por ejemplo: Se habla de diferencias estadísticamente

significativas vs diferencias clínicamente relevantes
46
Análisis de datos

47
Análisis de datos

• El análisis de datos es un conjunto

de procedimientos diseñados para:

• 1.  Resumir y organizar datos

(estadística descriptiva).

• 2.  Extraer conclusiones (estadística

inferencial - contraste de hipótesis)
 Contraste de hipótesis

Un contraste de hipótesis unilateral es de

la forma (hay más formas):

Ho: θ = θo
H1: θ >θo

Un contraste de hipótesis bilateral es de la

forma:

Ho: θ = θo
H1: θ ≠θo
 Contraste de hipótesis

El valor α (α = 0,05) “nivel de significación o nivel de riesgo” y

representa a la probabilidad de que un nivel concreto del
estadístico de contraste, nivel critico valor p (p ≤ 0,05), caiga en
la zona de rechazo o crítica, es decir, es el conjunto de valores
del estadístico de contraste que nos lleva a la decisión de
rechazar la hipótesis nula.
 Análisis de datos
Las decisiones sobre la técnica de análisis de datos más adecuada se toma
en base al nivel de medida de las variables implicadas.

•  Las variables categóricas se describen mediante frecuencias

(proporciones).

•  Las variables cuantitativas se describen mediante medias y varianzas.

•  Por su parte las variables ordinales deberían describirse a través de

medianas y rangos, aunque en ocasiones se suelen tratar como categóricas
o como cuantitativas en función del número de niveles distintos que
presente la variable.
 Análisis de datos

Pruebas de Chi-cuadrado y McNemar para comparar

proporciones.

Pruebas t-Student y ANOVAS para comparar medias

Contrastes no-paramétricos para comparar medias (U

de Mann-Whitney, Wilcoxon).
Test estadísticos para el contraste de hipótesis
 Prueba Chi-cuadrado
Permite comparar proporciones no relacionadas y evaluar por tanto si dos
variables categóricas están o no relacionadas (hipótesis de independencia).

Por ejemplo:

•  ¿La proporción de fumadores es distinta entre hombres y mujeres?

•  ¿La presencia de un trastorno de alimentación se relaciona con haber

practicado gimnasia rítmica?
¿Asistir a clase se relaciona con aprobar la asignatura?
 Prueba Chi-cuadrado
Dos o más variables categóricas se describen y analizan mediante tablas de contingencia
(o tablas cruzadas).

Aquí podemos observar que la proporción de personas con obesidad infantil que
desarrolla un TA es del 65% ((64x100)/99) mientras que los que no han tenido
obesidad infantil es del 48% ((35x100)/73)).

El test de Chi-cuadrado permite evaluar si dicha diferencia es real o es fruto del azar.
Prueba Chi-cuadrado

Conclusión del contraste

Mientras que en las personas con
obesidad infantil el 65% desarrolla
un TCA, en las personas sin
obesidad infantil este porcentaje
es del 48%, X
(1, 172) = 4,80; p = 0,028
 prueba de McNemar
Permite comparar proporciones relacionadas, es decir, los mismos sujetos en
dos momentos dados o en dos variables distintas. Por ejemplo:

• ¿La proporción de adolescentes que fuman en un colegio es igual o menor

después de una campaña de prevención del tabaquismo?

• ¿La proporción de personas que cumplen un criterio diagnóstico de depresión

mayor es igual o menor tras una terapia psicológica?

•¿En una misma muestra la proporción de personas que consumen tabaco es

igual o menor que la proporción de personas que consumen alcohol?

Todas estas preguntas implican comparar dos proporciones en el mismo grupo

de personas bien en dos momentos distintos, antes y después de una campaña
o una terapia, o bien en dos variables distintas fumar y beber
 Prueba de McNemar
Dos o más variables categóricas se describen y analizan mediante tablas de contingencia (o
tablas cruzadas).

Aquí podemos observar que la proporción de personas que tienen depresión antes
de la terapia es de un 37,5% mientras que después es de un 25,0%. La prueba de
McNemar (o de homogeneidad marginal) permite evaluar si dicha diferencia es
significativa o se debe a cambios fruto del azar.
Prueba de McNemar

P=0.041
 Prueba T-Student independiente

Permite comparar medias de dos grupos distintos y evaluar si una variable

categórica (que define los grupos) se asocia a una cuantitativa (en la que
calculamos las medias).

Por ejemplo:

¿El número de cigarrillos fumados es distinto entre hombres y mujeres?

¿La puntuación en una escala de depresión se relaciona con el tipo de depresión

(mayor y distimia)?

¿Asistir a clase se relaciona con la nota en una asignatura?

 Supuesto de normalidad

Para comprobar si se verifica la hipótesis de normalidad necesaria

para que el resultado de algunos análisis sea fiable se debe
comprobar si se cumple el supuesto de normalidad

PRUEBA DE KOLMOGOROV-SMIRNOV

PRUEBA DE SHAPIRO-WILK
Explorar variables
Explorar variables
U-Mann Withney – No paramétrico
U-Mann Withney- No paramétrico
 Prueba T- Student Relacionada

Permite comparar las medias del mismo grupo de sujetos en

dos momentos distintos y evaluar si han existido cambios.

Por ejemplo:

¿El número de cigarrillos fumados es distinto antes y después

de un curso sobre tabaquismo?

¿La puntuación en una escala de depresión cambia tras una

terapia?
Wilcoxon – no paramétrico
Wilcoxon - no paramétrico
 ANOVA de un factor
Permite comparar medias de más de dos grupos distintos y evaluar
si una variable categórica (que define los grupos) se asocia a una
cuantitativa (en la que calculamos las medias). Por ejemplo:

•¿El número de cigarrillos fumados es distinto en adolescentes,

adultos y personas mayores?

•¿La puntuación en una escala de depresión se relaciona con el tipo

de depresión (mayor, postparto y distimia)?

•¿el grado de asistencia a clase (nunca, a veces, frecuentemente,

siempre) se relaciona con la nota en una asignatura?
 Presentación de Resultados

La APA considera que en los informes estadísticos debe incluirse al menos: el valor del
estadístico de contraste, los grados de libertad y el valor de probabilidad asociado
(exacto hasta tres decimales, <0,001). Adicionalmente se recomienda incluir una
medida del tamaño del efecto encontrado (odd ratio en tablas de contingencia,
dCohen en comparaciones de medias, r en las correlaciones, eta cuadrado en los
modelos de ANOVA).

Además de la información del contraste es conveniente incluir la información

descriptiva (medias y desviaciones típicas en las variables cuantitativas y porcentajes
en la categóricas).

En general la información de los contrastes estadísticos suele incluirse en el texto

durante la redacción de los resultados. Sin embargo cuando se presentan muchos
resultados la información puede resumirse en una tabla. Adicionalmente la
información descriptiva de los resultados significativos puede presentarse en un
gráfico.
Presentación de Resultados
Presentación de Resultados
Gracias por vuestra atención