BIOINTEC - TODO

incidencia

es la cantidad de casos nuevos que se presentan durante un período de tiempo específico.

prevalencia

mide la proporción de personas que se encuentran enfermas al momento de evaluar el padecimiento en la población.

universo

es la totalidad de elementos o características que conforman el ámbito de un estudio o investigación.

población

es el conjunto finito o infinito de personas, animales o cosas que presentan características comunes. es el grupo total del cual se extraerá una muestra representativa.

muestra

subconjunto de la población, seleccionado de tal forma, que sea representativo de la misma, obteniéndose con el fin de investigar alguna de las propiedades de la población de la cual procede.

teorema central del límite

es la teoría estadística que establece que, dada una muestra aleatoria suficientemente grande de la población, la distribución de las medias muestrales seguirá una distribución normal.

muestreo

herramienta de la investigación científica, cuya función básica es **determinar** **qué parte de una población debe examinarse para que la estimación de los parámetros de la población** a partir de la muestra sea correcta.

muestreo no probabilístico

es la selección de los individuos se basa en el criterio del investigador. no se conoce la probabilidad de que cada individuo sea elegido en la muestra.

muestreo por cuotas (no aleatorio)

se basa en seleccionar la muestra después de dividir la población en grupos o estratos. los sujetos dentro de cada grupo se eligen por métodos no probabilísticos.

muestreo por conveniencia (no aleatorio)

consiste en seleccionar a los individuos por una facilidad de acceso al investigador para la muestra; ya sea por proximidad geográfica, por ser sus amigos, etc.

muestreo de bola de nieve (no aleatorio)

se realiza sobre poblaciones en las que no se conoce a sus individuos o es muy difícil acceder a ellos. cada sujeto estudiado propone a otros, produciendo un efecto acumulativo.

muestreo casual o accidental (no aleatorio)

los individuos son elegidos en base a la disponibilidad y el alcance. las personas que realizan el estudio eligen un lugar o un medio, y desde ahí realizan el estudio a los individuos de la población que accidentalmente se encuentren a su disposición.

muestreo discrecional o por juicio (no aleatorio)

los sujetos se seleccionan a base del conocimiento y criterio del investigador.

muestreo probabilístico (aleatorio)

se basa en el principio de equiprobabilidad; **aquellos en los que todos los individuos tienen la misma probabilidad de ser elegidos para formar parte de una muestra** y, todas las posibles muestras de tamaño n tienen la misma probabilidad de ser seleccionadas. sólo estos métodos de muestreo nos aseguran la representatividad de la muestra extraída, por lo tanto, los más recomendables. da validez para que los datos muestrales sean extrapolados a la población.

muestreo aleatorio simple (tombola o ruleta) (aleatorio)

es el tipo de muestreo en el que el proceso de selección de la muestra garantiza que todos los elementos de la población tengan la misma posibilidad de ser seleccionados. utilizar cuando los individuos son homogeneos; es poco recomendado cuando la población es muy grande y heterogénea.

muestreo sistemático (aleatorio)

el proceso de selección de la muestra es de **manera ordenada**, con intervalos regulares en tiempo o en espacio. cuando la poblacion esta ordenada al azar, asegura una cobertura de unidades de todos los tipos.

muestreo estratificado (aleatorio)

consiste en considerar categorías típicas diferentes entre sí que poseen gran **homogeneidad** respecto a alguna característica. se puede estratificar según la profesión, el municipio de residencia, el sexo, el estado civil, la carrera. se pretende asegurar de que todas las capas de interés estén representados adecuadamente en la muestra.

muestreo por conglomerados (aleatorio)

la población se divide en unidades o grupos (generalmente son unidades o áreas en los que se ha dividido la población), que deben ser lo más representativo posible de la población, es decir, deben representar la heterogeneidad de la población objeto del estudio y ser entre sí homogéneos.

variables

cualidades o características susceptibles de ser medidas que poseen los sujetos de una población.

variables categóricas o nominales (cualitativa)

presentan modalidad no numérica, o sea, que no admiten un criterio de orden. pueden ser dicotómicas o binarias: sí solo admiten dos características, y policotómicas: si los valores son más de dos. ej. sano/enfermo o grupo sanguíneo (A/B/AB/O).

variables ordinales (cualitativa)

estas presentan modalidades no numéricas en las qué existe un orden (rango). como existe un orden, puede ser convertida a un equivalente numérico. ej. tapificación de tumores.

variables continuas (cuantitativa)

es aquella que puede tomar valores comprendidos entre dos números (decimales). ej. edad.

variables discretas (cuantitativa)

aquella que toma valores aislados, es decir no admite valores intermedios (decimales) entre dos valores específicos. ej. número de hijos.

variable independiente

tiene la capacidad de **influir**, incidir o afectar a otras variables. se le conoce como variable explicatoria o predictora, **ya que explica o predice el valor de la variable a la cual influye**; por lo tanto, afecta al valor que toma otra variable.

variable dependiente

es aquella variable objeto de investigación que **varía según las modificaciones de la variable independiente**. el comportamiento de la misma puede que no se conozca al inicio de la investigación.

ensayo clínico aleatorizado controlado (ECAC)

en este estudio, los participantes se asignan aleatoriamente a grupos de tratamiento y control. uno o más grupos reciben el tratamiento experimental, mientras que el grupo control recibe un placebo o tratamiento estándar. esto permite evaluar la eficacia del tratamiento en un entorno controlado.

estudio observacional

en este estudio, los investigadores observan a los participantes en su entorno natural o clínico sin intervenir activamente. esto puede incluir estudios de cohorte y estudios de casos y controles.

estudio transversal

este estudio recopila datos en un solo punto en el tiempo para evaluar la prevalencia o distribución de una característica o enfermedad en una población.

estudio de cohorte

en este estudio,  un grupo de individuos se sigue a lo largo del tiempo para identificar asociaciones entre factores de riesgo y el desarrollo de una enfermedad. se miden las variables varias veces.

estudio de casos y controles

en este estudio, los individuos con una enfermedad se comparan con individuos sin la enfermedad para identificar factores de riesgo asociados con la enfermedad.

estudio longitudinal

este estudio sigue a los participantes a lo largo de un período prolongado, recopilando datos en múltiples puntos en el tiempo.

ensayo clínico de fase I, II, III y IV

los ensayos clínicos pasan por diferentes etapas de desarrollo para evaluar la seguridad, eficacia y efectividad de nuevos tratamientos.

* fase 1: en la seguridad del tratamiento en un pequeño grupo.
* fase 2: en la eficacia del tratamiento en un grupo más grande.
* fase 3: en la eficacia y efectividad del tratamiento en una población más grande y diversa.
* fase 4: en el monitoreo del tratamiento después de su aprobación.

estudio experimental

en este estudio, los investigadores manipulan una variable o tratamiento para observar su efecto en los participantes. pueden ser ensayos clínicos o estudios de laboratorio.

estudio epidemiológico

este estudio busca determinar patrones de enfermedades en poblaciones y examinar factores de riesgo y protección que pueden influir en la salud.

estudio de caso clínico

en este estudio, se presenta detalladamente la historia clínica y el tratamiento de uno o varios pacientes con afecciones médicas raras o interesantes.

criterios de inclusión

son características o condiciones que deben cumplir los participantes potenciales para ser elegibles para el estudio. pueden incluir factores como la edad, el género, el estado de salud, el diagnóstico médico específico, la historia médica y otros atributos relevantes para el estudio en cuestión.

criterios de exclusión

son características o condiciones que, si están presentes en un individuo, lo descalifican para participar en el estudio. pueden incluir ciertas afecciones médicas, medicamentos que está tomando, alergias, antecedentes médicos o factores de riesgo que podrían interferir con los resultados del estudio o poner en riesgo la seguridad del participante.

que es un sesgo?

cualquier error sistematico en el diseño, la conducta, y el análisis de un estudio que interfiera con el sentido de la investigación y la realidad del problema.

fuentes de sesgos

investigadores, participantes, estadística, literatura, herramientas, y variables externas.

sesgo de selección

ocurre cuando la forma en que se seleccionan los participantes o los elementos de estudio introduce sistemáticamente un tipo de individuo o característica que afecta los resultados. para evitar este sesgo se recomienda realizar una asignación aleatoria con una ocultación adecuada, para que de esta manera se garantice la comparación veraz de ambos grupos.

sesgos de información

ocurre cuando los datos recopilados para el estudio son incorrectos, incompletos o sesgados de alguna manera, lo que puede conducir a conclusiones incorrectas. las estrategias para evitar este sesgo incluyen el seguimiento de protocolos bien diseñados para la recogida y el manejo de datos, y la definición adecuada de exposiciones y resultados. además, siempre que sea posible, la información debe recopilarse de forma prospectiva, utilizando métodos y dispositivos estandarizados.

efecto hawthorne

hace referencia a la tendencia de algunas personas a cambiar su comportamiento debido a la atención que están recibiendo por los investigadores. es decir, cambian su comportamiento porque saben que están siendo observados. la observación oculta puede ayudar a evitarlo.

collider bias (sesgo del colisionador)

ocurre cuando la **asociación entre dos variables se distorsiona** o parece más fuerte debido al condicionamiento de **un efecto común**. surge en situaciones en las que **el investigador condiciona o estratifica erróneamente los datos en función de una variable que está influenciada por la exposición y por el resultado, creando una relación falsa**. para evitar este sesgo, los investigadores deben tener cuidado al seleccionar variables para la estratificación y el análisis, asegurándose de que no se vean afectadas tanto por la exposición como por el resultado.

sesgo de verificación

ocurre durante las investigaciones sobre la precisión de las pruebas de diagnóstico cuando hay una diferencia en la estrategia de las pruebas entre grupos de individuos, lo que da lugar a formas distintas de verificar la enfermedad de interés. para evitarlo todos los pacientes deben recibir la misma prueba de referencia. si esto no es posible, se puede minimizar el sesgo al realizar la prueba de referencia en una muestra aleatoria de participantes en el estudio.

attrition bias (sesgo de deserción)

ocurre cuando los participantes se marchan o se pierden de un estudio, y las razones de esto están relacionadas tanto con la exposición como con el resultado. esto puede dar lugar a resultados sesgados, ya que las diferencias sistemáticas de los que abandonan pueden diferir de las de los que permanecen en el estudio. para evitar este tipo de sesgo se debe garantizar una buena comunicación entre el personal del estudio y los participantes, incentivos para continuar y garantizar que el estudio sea relevante para los participantes.

confounding bias (sesgo de confusión)

ocurre cuando un nuevo factor que modifica la relación establecida entre la exposición y el resultado, lo que **lleva a una asociación falsa o enmascara una verdadera asociación**. la aleatorización es la mejor manera de reducir este sesgo. además, la estratificación y el ajuste estadístico pueden reducir el riesgo.

performance bias (sesgo de desempeño)

ocurre cuando las diferencias en la atención médica, la intervención o el tratamiento entre los grupos de estudio y control pueden afectar los resultados. si los participantes en un ensayo clínico en el grupo de tratamiento reciben más atención médica general, esto podría influir en los resultados independientemente del tratamiento en sí. lo ideal sería que los participantes y los investigadores no conocieran las intervenciones. si el cegamiento no es factible, el efecto del sesgo puede mitigarse utilizando resultados objetivos.

¿que representan las siglas de FINER?

factible, interesante, novedoso, ético, y relevancia.

¿que significa que una investigación sea factible?

se debe tener el número adecuado de sujetos, los conocimientos técnicos adecuados, debe ser asequible en tiempo y dinero, y manejable en cuanto a su alcance.

¿que significa que una investigación sea interesante?

obtener la respuesta intriga al investigador, a sus compañeros y a la comunidad

¿que significa que una investigación sea novedoso?

confirma, refuta o amplía hallazgos anteriores.

¿que significa que una investigación sea ético?

los fines y objetivos de la investigación nunca pueden prevalecer sobre los derechos e intereses de la población de estudio. se debe minimizar los riesgos y las cargas.

¿que significa que una investigación sea relevante?

debe aportar algo al conocimiento científico, pero sobre todo si los resultados son de aplicación en la vida diaria, si puede ser utilizada para modificar políticas sanitarias, si presenta las bases para futuras investigaciones o si se utiliza como fundamento en la elaboración de guías de práctica clínica.

¿para que se utiliza FINER?

para formular preguntas de investigación. esta permite a los investigadores reflexionar sobre las implicaciones filosóficas, lógicas y científicas de redactar preguntas de investigación.

¿que representan las siglas de PICOT?

paciente, población, problema; intervención, exposición; comparación, control; outcome, resultado; tiempo y tipo de estudio.

¿para que se utiliza PICOT?

es un marco especializado para formar la pregunta, que ayuda a construir el marco del estudio y, posteriormente, a desarrollar el protocolo.

objetivos específicos

presentan el "cómo" se alcanzará el objetivo general. son fines o metas que se pretenden alcanzar.

objetivos generales

representa el logro que hay que alcanzar para dar respuesta a la pregunta de investigación.

¿que representan las siglas de STROBE?

strengthening the reporting of observational studies in epidemiology

¿que es la guía STROBE?

es un conjunto de recomendaciones y pautas diseñadas para **mejorar la calidad de la presentación y el informe de estudios** observacionales en epidemiología.

¿cuáles estudios se clasifican dentro de STROBE?

de cohortes, de casos y controles, y transversales.

¿qué es la tabla 1?

se utiliza para calcular probabilidades relacionadas con la distribución normal estándar, que es una distribución con una media de 0 y una desviación estándar de 1. sirve para presentar datos resumidos, valores críticos, distribuciones de probabilidad y otros resultados estadísticos de manera organizada y fácil de entender. es la primera tabla de un informe de investigación, **muestra todas las variables qué pertenecen al estudio y presenta datos resumidos, valores críticos, distribuciones de probabilidad y otros resultados estadísticos de manera organizada y fácil de entender.**

¿con que la tabla 1 nos puede ayudar?

cálculos de probabilidades, cálculos de percentiles, intervalos de confianza, y pruebas de hipótesis.

valor z

estan en la primera columna de la tabla. representan las desviaciones estándar por encima o por debajo de la media en la distribución normal estándar. típicamente redondeados a 2 decimales.

área acumulada

estan en la segunda columna de la tabla. **representan las probabilidades de obtener un valor menor o igual a Z en una distribución normal estándar.**

valor z negativo

estan en la tercera columna de la tabla. es útil para cálculos de probabilidad en la distribución normal estándar.

cálculos de probabilidades

ofrece la posibilidad de que una variable aleatoria normal estándar sea menor que un valor específico Z.

cálculos de percentiles

proporciona el valor Z correspondiente a un percentil dado, identificando el valor superado por cierto porcentaje de observaciones.

intervalos de confianza

ayuda en el cálculo de intervalos de confianza para estimaciones de datos poblacionales.

pruebas de hipótesis

permite encontrar valores críticos para realizar las pruebas.

análisis estadístico

es el proceso de recolección, organización, presentación, análisis e interpretación de datos para obtener conclusiones significativas.

estadística descriptiva

**se enfoca en la recolección, organización, resumen y presentación de datos de manera significativa y comprensible.** su objetivo es describir las características esenciales de un conjunto de datos sin inferir ni generalizar más allá de los datos observados.

medidas de tendencia central

**proporcionan información sobre el valor central o típico de un conjunto de datos.** las más comunes son la media (total de suma de observaciones dividido entre la cantidad de observaciones), la mediana (valor central cuando los datos se ordenan), y la moda (valor qué más se repite).

medidas de dispersión

es una estadistica que describe la separación promedio de los datos con respecto a la centralidad. por ejemplo varianza, desviación estándar, rango, y rango intercuartílico.

estadística inferencial

se ocupa de **hacer predicciones, tomar decisiones y sacar conclusiones sobre una población más amplia basándose en una muestra de datos observados**, se utilizan técnicas como la estimación de parámetros y las pruebas de hipótesis para tomar decisiones informadas. se hacen **relaciones, asociaciones y comparaciones.**

validez interna

un estudio establece una relación de causa y efecto confiable entre un tratamiento y un resultado. se centra en la precisión y confiabilidad de las conclusiones dentro del estudio.

validez externa

qué tan generalizado son los hallazgos del estudio. tiene que tener valor en forma general para ver como afecta más allá del estudio.

fiabilidad

se refiere a **la consistencia y estabilidad de las mediciones, pruebas o resultados de investigación**. se busca minimizar la variabilidad aleatoria y los errores para obtener mediciones y resultados más **confiables y válidos** en contextos estadísticos y de investigación.

fiabilidad de la medición

en estadísticas, la fiabilidad se relaciona con la **consistencia de las evaluaciones repetidas de la misma variable**. si es confiable, debería dar resultados similares cada vez que se realice la medición en las mismas condiciones.

fiabilidad de las pruebas y cuestionarios

se destaca la importancia de que las preguntas o ítems en pruebas y cuestionarios sean claros y consistentes para garantizar que los resultados sean fiables.

fiabilidad de las muestras

en el análisis estadístico, la fiabilidad de los resultados también está relacionada con el tamaño de la muestra. una muestra más grande tiende a producir resultados más confiables y representativos de la población en general.

relevancia estadística

se refiere a si una diferencia o asociación observada es estadísticamente significativa, esto implica evaluar si la diferencia o relación observada es lo suficientemente grande como para considerarse más allá del azar.

relevancia clínica

se refiere a si una diferencia o cambio observado tiene importancia práctica o impacto en el mundo real, especialmente en el ámbito médico y de la salud. aunque un resultado pueda ser estadísticamente significativo, es esencial evaluar si esa diferencia tiene un impacto clínico significativo en la salud o en la toma de decisiones médicas.

pruebas estadísticas

se utilizan para tomar decisiones o hacer inferencias sobre poblaciones utilizando datos de muestra.

pruebas paramétricas

se basan en ciertas suposiciones sobre la distribución subyacente de los datos, como la normalidad y la homogeneidad de las varianzas.

cuales son algunas pruebas paramétricas?

prueba t de student, análisis de varianza (ANOVA), y regresión lineal.

cuales son algunas no pruebas paramétricas?

prueba u de mann-whitney, prueba de kruskal-wallis, prueba de chi-cuadrado., y prueba de correlación de rangos.

prueba t de student (paramétrica)

utilizada para comparar las medias de dos grupos independientes o emparejados. por ejemplo, comparar las calificaciones promedio de dos grupos de estudiantes que siguieron diferentes métodos de estudio.

análisis de varianza (ANOVA) (paramétrica)

empleado para comparar las medias de tres o más grupos independientes. puede ser útil para evaluar si hay diferencias significativas en los rendimientos de diferentes métodos de tratamiento médico.

regresión lineal (paramétrica)

utilizada para modelar la relación entre una variable independiente y una variable dependiente. por ejemplo, predecir el rendimiento académico (variable dependiente) en función del tiempo dedicado al estudio (variable independiente).

prueba u de mann-whitney (no paramétrica)

utilizada para comparar las medianas de dos grupos independientes cuando los datos no cumplen los supuestos para una prueba t de student.

prueba de kruskal-wallis (no paramétrica)

similar al ANOVA, pero aplicada a datos no paramétricos. compara las medianas de tres o más grupos independientes.

prueba de chi-cuadrado (no paramétrica)

utilizada para evaluar si existe una relación significativa entre dos variables categóricas. es útil para analizar datos de tablas de contingencia. por ejemplo, determinar si existe una relación entre el género y las preferencias de género en la elección de películas.

pruebas no paramétricas

se emplean cuando las suposiciones sobre la distribución de los datos no se cumplen o cuando los datos son ordinales o categóricos en lugar de numéricos. estas pruebas son menos sensibles a las características de los datos.

valor de p

se utiliza para evaluar la significancia de los resultados de una prueba estadística, este representa la probabilidad de obtener los resultados observados, o resultados más extremos, si la hipótesis nula es verdadera. la hipótesis nula es una afirmación que se somete a prueba y que asume que no hay efecto o diferencia real en la población.

intervalo de confianza

es un rango de valores dentro del cual se espera que se encuentre un parámetro poblacional desconocido, como la media o la proporción, con cierto grado de confianza.

nivel de confianza

es el grado de certeza o probabilidad con el que se espera que el intervalo de confianza contenga el verdadero valor del parámetro poblacional. se expresa generalmente como un porcentaje y suele ser establecido de antemano por el investigador.

prueba de correlación de rangos

es una prueba no paramétrica que utiliza rangos de datos muestrales que constan de pares relacionados. se usa para probar una asociación entre dos variables.

correlación de Spearman y Kendall

estas pruebas se utilizan cuando las variables no están distribuidas de manera normal o cuando la relación no es necesariamente lineal. la correlación de Spearman utiliza rangos para evaluar la relación entre dos variables, mientras que la correlación de Kendall se basa en los concordantes y discordantes entre pares de observaciones.

correlación de Pearson

esta prueba se utiliza para evaluar la relación lineal entre dos variables continuas. el coeficiente de correlación de Pearson (r) oscila entre -1 y 1.

* r=1, correlación positiva fuerte, lo que significa que a medida que una variable aumenta, la otra también tiende a aumentar.
* r=-1, correlación negativa fuerte, lo que significa que a medida que una variable aumenta, la otra tiende a disminuir.
* r=0, correlación débil o nula.