BIOINTEC - DOC

titulo

titulo

percepciones, actitudes y barreras sobre el trasplante hepático

incidencia

es la cantidad de casos nuevos que se presenta 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. delimitado en espacio y según las variables a estudiar

poblacion

conjunto finito o infinito de personas, animales o cosas que presentan características comunes. delimitada en espacio, tiempo, según las variables a estudiar, y el número de sujetos que la componen (totalidad).

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. delimitada en espacio, tiempo y número de sujetos que la componen (subtotalidad).

teorema central del limite

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

es una 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 (no aleatorio)

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

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

consiste en seleccionar a los individuos por una facilidad de acceso al investigador para la muestra. Esta conveniencia se produce porque al investigador le resulta más fácil examinar a estos sujetos, ya sea por proximidad geográfica, por ser sus amigos, etc.

muestreo de bola de nieve (por referidos)

se realiza sobre poblaciones en las que no se conoce a sus individuos o es muy difícil acceder a ellos. se llama muestreo de bola de nieve porque cada sujeto estudiado propone a otros, produciendo un efecto acumulativo parecido a una bola de nieve.

muestreo casual o accidental

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 (por juicio)

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

muestreo probabilístico (aleatorio)

los métodos de muestreo probabilístico son aquellos que se basan 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, consiguientemente, 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 y son, por tanto, los más recomendables.

muestreo aleatorio simple (tómbola o ruleta)

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 para formar parte de la muestra. solo utilizar cuando la población es homogenea, y es poco recomendado cuando es muy grande y heterogenea.

muestreo sistemático

una muestra sistemática es obtenida cuando los elementos son seleccionados de una manera ordenada. la manera de la selección depende del número de elementos incluidos en la población y el tamaño de la muestra.

muestreo estratificado

consiste en considerar categorías típicas diferentes entre sí (estratos) que poseen gran homogeneidad respecto a alguna característica (internamente), y heterogeneidad entre varios estratos (externamente). lo que se pretende con este tipo de muestreo es asegurarse de que todos los estratos de interés estén representados adecuadamente en la muestra. Se puede estratificar, por ejemplo, según la profesión, el municipio de residencia, el sexo, el estado civil, la carrera.

muestreo por conglomerados

la población se divide en unidades o grupos, llamados conglomerados (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 (internamente) y ser entre entre varios conglomerados deben ser homogéneos (externamente).

variables

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

variables categoricas o nominales

presenta modalidad no numérica, o sea, que no admiten un criterio de orden.

• dicotómicas o binarias sí solo admiten dos características: sano/enfermo, expuesto/no expuesto, hombre/mujeres, etc.

• olicotómicas los valores son más de dos. Por ejemplo, estado civil: casado, soltero, divorciado, viudo. Otro ejemplo con varias categorías: grupo sanguíneo (A/B/AB/O).

variables ordinales

es lo contrario de la nominal, esta presenta modalidades no numéricas en las qué existe un orden. como existe un orden, puede ser convertida a un equivalente numérico. ej. etapificación de tumores.

variables continuas

es aquella que puede tomar valores comprendidos entre dos números (decimales). ej. tensión arterial, peso, edad, talla.

variables discretas

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 clinico aleatorizado controlado (ECAC)

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

estudio longitudinal

similar a los estudios de cohorte, los estudios longitudinales siguen 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 fases de desarrollo para evaluar la seguridad, eficacia y efectividad de nuevos tratamientos.

• la Fase I se centra en la seguridad en un pequeño grupo.

• la Fase II en la eficacia en un grupo más grande.

• la Fase III en la eficacia y efectividad en una población más grande y diversa.

• la Fase IV sigue monitoreando el tratamiento después de su aprobación.

estudio experimental

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

estudio epidemiologico

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

estudio de caso clinico

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

criterios de inclusion

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 exclusion

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.

sesgo de seleccion

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.  selección incorrecta de los participantes a investigación y afecta los resultados correctos. para evitar el sesgo de selección se recomienda realizar una asignación aleatoria con una ocultación adecuada, para que de esta manera se garantice la comparación veraz de ambos grupos.

sesgo de informacion

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 el sesgo de la información 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.

sesgos de verificacion

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.

performance bias (desempeño)

este sesgo 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 de rendimiento puede mitigarse utilizando resultados objetivos.

collider bias

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 tanto por la exposición como por el resultado, creando una relación falsa. para evitar, 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.

confounding bias

ocurre cuando una variable extraña (un factor de confusión) se asocia tanto con la exposición como con el resultado, lo que lleva a una asociación falsa o enmascara una verdadera asociación. la aleatorización es la mejor manera de reducir el riesgo de confusión. además, la estratificación y el ajuste estadístico pueden reducir el riesgo de confusión.

attrition bias (desercion o abandono)

ocurre cuando los participantes se marchan o se pierden de un estudio, y las razones de la deserción 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, lo que afecta las conclusiones generales. para evitar este tipo de sesgo se debe garantizar una buena comunicación entre el personal del estudio y los participantes, canales de comunicación eficaces, incentivos para continuar y garantizar que el estudio sea relevante para los participantes.

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.

fuentes de sesgos

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

PICOT

es un marco especializado para formar la pregunta, que ayuda a construir el marco del estudio y, posteriormente, a desarrollar el protocolo aludiendo a los criterios de inclusión y exclusión e identificando los grupos de pacientes que se incluirán.

FINER

establece los criterios que te indican si tu pregunta clínica está bien escrita o no.

siglas de FINER

factible, interesante, novedoso, etico, y relevancia.

siglas de PICOT

• población, problema

• intervención, exposición

• control, comparación

• outcome, resultado

• tiempo y tipo de estudio

objetivo específico

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

objetivo general

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

STROBE

es un conjunto de recomendaciones y pautas diseñadas para mejorar la calidad de la presentación y el informe de estudios observacionales en epidemiología. estudios dentro de esto: de cohorte, estudios de casos y controles, estudios transversales

siglas de STROBE

Strengthening the reporting of observational studies in epidemiology

literatura gris

bases de datos qué tienen artículos pero no necesariamente son profundos o publicados. se permite 5-10%.

operadores booleanos

forman la base de los conjuntos matemáticos y la lógica para la búsqueda en las bases de datos. conectores: AND, OR, NOT.

tabla 1

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. esta tabla 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.

cuáles variables ustedes incluirían en su tabla 1?

sexo, edad, nivel educativo, y nivel socioeconomico.

analisis estadistico

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

estadistica 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.

estadistica 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.

medidas de tendencia central

proporcionan información sobre el valor central o típico de un conjunto de datos.

• moda: valor qué más se repite.

• media: total de suma de observaciones dividido entre la cantidad de observaciones.

• mediana: el valor qué se encuentra justo en el centro de los datos organizado en orden decreciente o creciente.

medidas de dispersion

indican cuánto se dispersan o extienden los datos alrededor de la medida de tendencia central. por ejemplo el rango, la desviación estándar y el rango intercuartílico.

distribucion normal

50% de los datos simétricamente estarán de cada lado de la media. la media, moda y mediana son iguales.

distribucion no normal

los datos no se encuentran en proporción simétrica o iguales.

medidas de frecuencia

qué tan frecuente fue un evento. hay qué decir el total para qué se vea el peso. ej: 20000 casos y 15000 fueron niños, en vez de 15000 de casos fueron niños.

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 validez 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 medicion

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

fiabilidad de 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 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 estadisitica

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 clinica

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 parametricas

se basan en ciertas suposiciones sobre la distribución subyacente de los datos, como la normalidad y la homogeneidad de las varianzas. son más poderosas (se detectan las diferencias entre las variables) cuando se cumplen estas suposiciones.

• prueba t de student

• analisis de varianza (ANOVA)

• regresion lineal

prueba t de student

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.

analisis de varianza (ANOVA)

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.

regresion lineal

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).

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. son menos sensibles a las características de los datos.

• prueba u de mann-whitney

• prueba de kruskal-wallis

• prueba de chi-cuadrado

prueba u de mann-whitney

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

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

prueba de chi-cuadrado

utilizada para confirmar si existe una relación entre la frecuencia de una variable y la frecuencia de otra. Solo para variables cualitativas o categóricas. por ejemplo, determinar si existe una relación entre el género y las preferencias de género en la elección de películas.

• Prueba de bondad de ajuste: Evalúa si sus datos categóricos se acercan a sus expectativas.

• Prueba de independencia: Se utiliza para calcular si dos variables categóricas están relacionadas entre sí.

intervalo de confianza

la estimación puntual, aproxima mediante un número el valor de una característica poblacional o parámetro desconocido pero no nos indica el error que se comete en dicha estimación. es el rango de valores en el que se espera que se encuentren los resultados si la experimentación se repite.

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. en biointec se utiliza un 95%.

prueba de correlacion spearman

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

• correlacion de spearman y kendall

• correlacion de pearson

correlacion 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.

• la correlación de kendall se basa en los concordantes y discordantes entre pares de observaciones.

correlacion 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.

• un valor de r cercano a 1 indica una correlación positiva fuerte, lo que significa que a medida que una variable aumenta, la otra también tiende a aumentar.

• un valor de r cercano a -1 indica una correlación negativa fuerte, lo que significa que a medida que una variable aumenta, la otra tiende a disminuir.

• un valor de r cercano a 0 indica una correlación débil o nula.

estadísticos

cantidad numérica sobre una muestra.

parametros

cantidad numérica sobre una población.

error porcentual

es una manera cuantificable de medir la diferencia entre un parámetro y un estadístico.

tipos de estadísticos

• de posición: divide los datos en conjuntos.

• de centralidad: indica el valor en base al cual los datos parecen agruparse.

• de dispersión o variabilidad: indica el grado de separación de los datos en base a la medida de centralidad.

• de forma: Hace referencia a la configuración que posee la distribución de una variable en la población. Son las medidas de asimetría (skewness) y apuntamiento (curtosis).

razón

es la relación de dos fenómenos independientes. bajo ninguna circunstancia incluirá en el denominador al numerador.

proporción

es el cociente del número de veces que se presenta un valor o característica con respecto al total de la muestra de la variable en estudio. el numerador está incluido en el denominador.

taza

es la relación entre el número de casos en un periodo de tiempo y el total de la población. mediante la división del número de eventos ocurridos y la población susceptible y el resultado que obtengamos se va a multiplicar por un múltiplo de 10 (10, 100, 1000). proporción con especificación de tiempo o cantidad.

encuesta

es un método de investigación en el que se recopilan y analizan los datos de un grupo de personas.

cuestionario o formulario

es una herramienta o instrumento específico para recopilar los datos.

medida de riesgo

medir la diferencia de la frecuencia entre un efecto y otro.

• riesgo relativo

• razón de chances (odds ratio)

• diferencia de riesgo

riesgo relativo

AKA incidencia acumulada. mide la fuerza de asociación entre la exposición y la enfermedad. es el riesgo de que pase un evento en los expuestos vs el riesgo de que pase el evento en los no expuestos.

razón de chances (odds ratio)

se utiliza para los estudios que no tienen un seguimiento longitudinal porque no se puede calcular una incidencia, y por lo tanto, no se puede obtener un riesgo relativo. se calcula por el cociente de dos odds:

• la probabilidad de que el grupo experimental (enfermos) estén expuestos

• la probabilidad de que el grupo control (sanos) estén expuestos.