¿Cómo se obtendrá
la información?
¿Cómo se analizará?:
univariado, bivariado,
multivariado
Pruebas estadísticas
¿Hay diferencias?
Pruebas paramétricas:
cuantitativas con
distribución normal
T- student: 2 variables
Anoba: +2 variables
No paramétricas
cualitativas, cuantitativas
con distribución anormal
U- de Mann Whitney: 2 variables
Wilcoxon: +2 variables
Dicotómicas:
cualitativas
X2: mayores de 30
¿Se relacionan?
Pearson: Cuantitativas con
distribución normal Spearman:
Cualitativas o cuantitativas
con distribución normal
¿Se asocian?
RR: asociación causal
Razón de momios: posible
asociación causal
¿Concuerdan?
Prueba de kappa
Tau de Kendall
alfa de Cranbach
K = Co - Ce/
1 - Ce
Resumen de datos (Medidas de
tendencia central y dispersión)
Aspectos éticos,
recursos económicos,
humanos, técnicos y
físicos; cronograma de
actividades; referencias
y anexos.
Diseños de investigación
Experimentales: investigador
manipula variables
Cuasiexperimental: no
aleatorización De
intervención; Básico: en
tejidos
Ensayo Clínico
Aleatorizado: Experimental,
longitudinal, prospectivo,
prolectivo y analítico
Observacionales:
Descriptivos
Serie de casos
Reporte de casos
Analíticos
Cohorte: Observacional,
longitudinal, prospectivo,
prolectivo, analítico y
anterógrado. Establece
asociación causal (razón de
riesgos)
RR: RE/ RNE >1: riesgo
=1 no hay asociación
<1 protección
Transversal:
Observacional, transversal,
retrospectivo, prolectivo,
descriptivo/analítico,
generar conocimiento,
hipotetizar, prevalencia. no
hay temporalidad.
Casos y controles: Observacional,
longitudinal, retrospectivo, ambilectivo,
analítico, posibles asociaciones, fuerza
de asociación (razón de momios),
aproximación de temporalidad.
Mayores errores.
RM= ad/cb
Observaciones y
mediciones
Medir: asignar números o
valores a las observaciones
Calidad de medición: validez
medir lo que se quiere medir;
interna: los resultados reflejan
la situación verdadera de la
población en estudio;
confiabilidad: igual medición en
diferentes ocasiones pero en
condiciones similares.
Validez interna: los resultados
reflejan la situación verdadera
de la población en estudio.
Validez externa: extrapolar
resultados a poblaciones
Tipos de
error
Aleatorio: falta de precisión,
debido al azar, las caracteristicas
de una persona son diferentes a
las otras en la poblacion de la
que fueron tomadas.
Se reduce incrementando el
tamaño muestral
Sistemático: medición
fuera del valor real.
Se reduce elaborando
correctamente el diseño
de investigación.
Selección: criterios de inclusión y
exclusión Información: capacitando a
observadores, uniformando técnica y
criterios de medición Confusión:
pareamiento, restricción, estratificación,
ajuste estadístico.
Datos blandos: subjetivos (HC)
Datos semiduros: EF Duros:
Objetivos (Laboratorio)
Interrogatorio: validez de
contenido, constructo y criterio
Normalidad
Normal: uso
rutinario en la
práctica e
investigación
clínica
Teoría estadística:
distribución normal o
Gaussiana, es simétrica y
en forma de campana, el
promedio se encuentra en la
punto de la campana, es
asintótica. Dentro de dos DE
se encontrarán el 95% de los
individuos de la población.
Normalidad según
la enfermedad
Normalidad según
el riesgo de
enfermar
Normalidad por
terapéutica
Estadística Inferencial/ Errores en
las pruebas de hipótesis
IC: rango dentro del cual se
pretende se encuentre el
parámetro de interés con un
cierto grado de confianza (90, 95,
99%)
Error tipo 1 (alfa): cuando se
rechaza una hipótesis nula
verdadera. Valor de p.
Error tipo 2 (beta) aceptación de la
hipótesis nula cuando es falsa (se
puede solucionar incrementando el
tamaño de la muestra)
Poder estadístico de la
prueba (1-β) identificar
diferencias cuando las hay
(Potencia)
Nivel de significancia estadístico (1- α).
probabilidad de aceptar la hipótesis
nula cuando es verdadera, (95%).
Representa el nivel de confianza de la
muestra.
Significancia estadística
P menor a α (< a 0.05):
rechazar la hipótesis nula.
P mayor a α (> a 0.05):
aceptar la hipótesis nula.
Si se acepta la hipótesis alterna:
hay heterogenicidad Si se acepta
la hipótesis nula: no hay
heterogenicidad, hay homogenidad
Revisiones Sistemáticas
con Metaanálisis
Diseño de investigación particular: parte de una base
de información secundaria, necesarias para subsanar
las diferencias en estudios observacionales o
experimentales
Metaanálisis: análisis
estadístico, sintetizar datos
de una colección de estudios
Resumen de resultados
Pruebas de heterogeneidad y
tamaño del efecto (seguridad y
eficacia)
Presentación de resultados
Gráfico de Forest y
Gráfico de embudo
Revisión narrativa: revisión de la
literatura científica, narrada por
un experto, el cual decide lo que es
relevante y lo que no.
1. Definición del problema
2. Formulación de los
objetivos 3.Búsqueda de
los artículos 4.Análisis
cualitativo 5.Metaanálisis
cuantitativo 6. Evaluación
(conclusiones y
recomendaciones)
Evaluación de calidad de
los estudios
ECC: Chalmers, McMaster y Criterios de Schultz (Cochrane)
New Castle (Ottawa): cohortes y casos y controles
CONSORT: ECA STROBE: estudios observacionales STARD:
pruebas diagnósticas
Causalidad
Asociación estadística en la que dos eventos tienden
a ocurrir juntos, es decir, que cuando se presenta uno
es más probable que se presente el otro
Asociación causal: si se altera la frecuencia o la
calidad de uno sigue una alteración en la
frecuencia o la calidad del otro
Estudios de Cohorte: establecen asociación
causal (RR) Estudios de casos y controles:
posible asociación causal (razon de momios)
Estudios Transversales: sugiere posible
asociación (no hay temporalidad)
Factor de riesgo: modificables (aquello que
aumenta la posibilidad de enfermar)
Marcador de riesgo: no modificables
Causa necesaria: indispensables
para el desarrollo del efecto
Causa suficiente: factores que en
conjunto culminan en un efecto
Diagnóstico
Calificación que el médico
da de una enfermedad
(interpretación de la
información recabada del
paciente)
Estrategias
Reconocimiento de patrones
Búsqueda sistemática
Arborización (logarítmica)
Hipotético-deductiva
Validez de una
prueba diagnóstica
Sensibilidad: Capacidad de
una prueba para
reconocer correctamente
a los enfermos
Una prueba muy sensible es útil
para detectar enfermedades como
VIH, tuberculosis, diabetes
Prueba de detección: detectar antes de
que se evidencie la enfermedad, NO
diagnostica la enfermedad, se necesitan
pruebas confirmatorias
Especificidad: Capacidad de
una prueba de reconocer
correctamente a los no
enfermos.
Una prueba muy específica es
útil para descartar
enfermedades
VPP: Indica la
probabilidad de que un
individuo con una
prueba posiitiva
realmente se
encuentre enfermo.
VPN: Es la probabilidad
probabilidad de que un
individuo individuo con
una prueba negativa
realmente se encuentre
libre de la enfermedad.
RP+ compara la proporción de
verdaderos positivos entre el total de
enfermos (sensibilidad), con la de
falsos positivos,
RP - compara la proporción de falsos
negativos en relación con la de la
especificidad de la prueba.
Punto de corte: Valor de una prueba a
partir del cual se considera que
cambia el resultado de negativo a
positivo
¡Es la esencia del trabajo clínico!
Pronóstico
Valoración del futuro del
paciente a partir del análisis
del comportamiento de casos
similares
Historia Natural de la
Enfermedad: diferentes etapas
por las que atravesaban las
enfermedades sin que el médico
interfiera y hasta su desenlace.
Curso clínico: evolución que
sigue la enfermedad una vez
que se establece el diagnóstico.
Factores pronósticos:
características o variables que
influyen sobre el desenlace
Estudios sobre pronóstico:
estudios de cohorte o ECA
Tratamiento
ECC: evaluación de diferentes
alternativas de acción o
maniobras terapéuticas
Aleatorización,
Cegamiento y
Estratificación
Investigación sobre
medicamentos: Fase preclínica: en
animales, teratogénesis y dosis
letal Fase Clínica I:
farmacocinética y
farmacodinamia Fase Clínica II:
eficacia y dosis Fase Clínica iii:
ECC, seguridad y eficacia Fase
Clínica IV: farmacovigilancia
Aspectos éticos: Declaración de
Helsinki, consentimiento informado,
Cómite de Ética, Reglamento para
Investigación en Seres Humanos
Análisis de decisiones y
Evaluación económica
Heurística: proceso
cognoscitivo que permite
hacer estimaciones de
probabilidad con base en los
conocimientos y experiencia
previa.
Pasos del análisis de decisiones:
1. Delimitar el problema 2.
Identificar alternativas de
acción y sus consecuencias. 3.
Asignar probabilidades. 4.
Asignar utilidad 5. Estimar la
utilidad esperada 6. Analizar
sensibilidad 7. Tomar decisiones
Evaluación económica: las
elecciones en la asistencia
medica deben realizarse de
forma que se logre el beneficio
total máximo de los recursos a
disposición de la comunidad
Costos directos (durante la
provisión de atención en
salud), indirectos (impacto que
sufre el paciente como
consecuencia de enfermar) e
intangibles (dolor, sufrimiento,
ansiedad)
Costo- beneficio: unidades monetarias
Costo-efectividad: atención médica
Costo-utilidad: calidad de vida
Minimización de costos misma
efectividad, menos costosa
Guías de Práctica
Clínica
Recomendaciones desarrolladas de
forma sistemática sobre la
atención, el diagnóstico y el
tratamiento apropiado de
determinadas enfermedades y/o
condiciones de salud en la población
Atributos: claridad,
especificidad, flexibilidad,
aplicabilidad, validez y
actualización
Etapas: desarrollo,
implementación,
evaluación y actualización
Objetivo:
estandarizar los
conocimientos
NOM: términos obligatorios legales
mínimos que debo realizar, regula la
actividad de todo el personal del
área de la salud