CURSO DE METODOLOGÍA DE LA INVESTIGACIÓN DEL DR.

JOSÉ SUPO

Tomado de sus videos en YouTube y sus cursos en metodología de la investigación.

Resumido por: Jorge Llerena

1. TIPOS DE INVESTIGACIÓN
La taxonomía que se use debe ser exhaustiva y excluyente.

a. Según la intervención del investigador

i. Observacional
 No existe intervención, los datos reflejan la evolución natural de
los eventos, ajena a la voluntad del investigador.
ii. Experimental
 Siempre son prospectivos, longitudinales, analíticos y de nivel
investigativo “explicativo” (causa-efecto); además de ser
“controlados”.
b. Según la planificación de la toma de datos
i. Retrospectivo
 Los datos se recogen de registros donde el investigador no tuvo
participación (secundarios). No podemos dar fe de la exactitud de
las mediciones.
ii. Prospectivo
 Los datos necesarios para el estudio son recogidos a propósito de
la investigación (primarios). Por lo que, posee control de sesgo de
medición.
c. Según el número de ocasiones en que mide la variable de estudio
i. Transversal
 Todas las variables son medidas en una sola ocasión; por ello si se
realizan comparaciones, se trata de muestras independientes o
grupos paralelos.
ii. Longitudinal
 La variable de estudio es medida en dos o más ocasiones; por ello,
si se realizan comparaciones (antes-después) son entre muestras
relacionadas.
d. Según el número de variables de interés
i. Descriptivo
 El análisis estadístico, es univariado porque solo describe o estima
parámetros en la población de estudio a partir de una muestra.
ii. Analítico
 El análisis estadístico por lo menos es bivariado; porque plantea y
pone a prueba hipótesis, su nivel más básico establece la
asociación entre factores.
2. NIVELES DE INVESTIGACIÓN
Las investigaciones no se pueden realizar de forma aislada, cada uno forma parte de una
“línea de investigación”. Existen seis niveles de investigación que se debe seguir en una
línea de investigación.
a. Exploratorio
i. Se plantea cuando se observa un fenómeno que debe ser analizado, por lo
tanto, es fenomenológico; su función es el reconocimiento e identificación
de problemas.
ii. Desestima la estadística y los modelos matemáticos, se opone al estudio
cuantitativo de los hechos, por tanto, es considerado hermenéutico. Se
trata de investigación cualitativa (traducir, esclarecer, anunciar, declarar,
interpretar, etc.)
b. Descriptivo
i. Describe fenómenos sociales o clínicos en una circunstancia temporal y
geográfica determinada. Su finalidad es describir (si trabajamos con toda la
población) y/o estimar parámetros (si trabajamos con muestras).
ii. Se describen frecuencias (para variables categóricas) y/o promedios (para
variables numéricas); y se estiman parámetros con intervalos de confianza.
(incidencia, prevalencia, etc.)
c. Relacional
i. No son estudios de causa y efecto; la estadística no demuestra
dependencia entre eventos, por ejemplo, estudios de asociación sin
relación de dependencia.
ii. La estadística es bivariada, nos permite hacer asociaciones y medidas de
asociación (Chi cuadrado); correlaciones y medidas de correlación
(Correlación de Pearson).
d. Explicativo
i. Explica el comportamiento de una variable en función de otra(s); por ser
estudios de causa-efecto requieren control y debe cumplir otros criterios
de causalidad.
ii. El control estadístico es multivariado a fin de descartar asociaciones
aleatorias, causales o espurias entre la variable independiente y
dependiente (Chi cuadrado de Mantel-Haenszel).
e. Predictivo
i. Se encarga de la estimación de eventos generalmente adversos, de
ocurrencia como la enfermedad o en función al tiempo como el tiempo de
vida media.
ii. Se aplican técnicas específicas, por ejemplo, la regresión de COX, las series
de tiempo, el análisis de supervivencia de Kaplan Meier y los riesgos de
Hazard.
f. Aplicativo
i. Plantea resolver problemas o intervenir en la historia natural de los
hechos. Enmarca a la innovación técnica, artesanal e industrial como la
científica.
ii. Las técnicas estadísticas apuntan a evaluar el éxito de la intervención en
cuanto a: proceso, resultados e impacto. Para ello debemos identificar los
indicadores apropiados para saber si hemos logrado una mejora en
función a estos indicadores.
3. DISEÑOS DE INVESTIGACIÓN
Un diseño es una estrategia metodológica y estadística desarrollada para alcanzar el
objetivo de la investigación, esto quiere decir que habrá tantos diseños como ideas de
investigación se nos ocurran, sin embargo, podemos agruparlos según el campo del
conocimiento en que se agruparon, así que tenemos:
a. Epidemiológicos
i. Se originaron en las ciencias de la salud.
ii. Sus dos condiciones originales son:
 Estudian los eventos adversos a la salud.
 Estudian a poblaciones humanas.
iii. Ejemplos:
 Estudios Descriptivos: Transversal (estudios de prevalencia) y
longitudinal (estudios de incidencia).
 Estudios Analíticos: Aquí se encuentran estudios de factores de
riesgo, lo que terminan planteando la relación de causalidad
(estudios de casos y controles, estudios de cohortes, etc.)
 Estudios De intervención: No son experimentos verdaderos,
porque se ven limitados por las normas éticas (ensayos clínicos,
ensayos de población, etc.)
b. Experimentales
i. Se originaron en las ciencias naturales
ii. Sus dos condiciones originales son:
 Intervención.
 Asignación aleatoria (grupo de control).
iii. Pueden ser:
 Pre-experimento: La intervención no es apropósito de la
investigación; sino que obedece a las necesidades terapéuticas del
sujeto.
 Cuasi-experimento: Cuando no hay grupo de control, no es posible
realizar la asignación aleatoria, se realiza dos mediciones en el
mismo grupo (estudio autocontrolado sin control externo).
 Experimento verdadero: Cumple con la asignación aleatoria (grupo
de control) e intervención a propósito de la investigación.
c. Comunitarios o ecológicos
i. Se originaron en las ciencias sociales
ii. Sus dos condiciones originales son:
 La unidad de estudio es la población.
 La fuente de datos es de tipo secundario.
iii. Pueden ser:
 Exploratorios: El único propósito es buscar patrones espaciales o
temporales que podrían sugerir temas de investigación (es
investigación cualitativa).
 Comparaciones múltiples: Verifican hipótesis sobre la diferencia
de parámetros correspondientes a situaciones diferentes en una
población (no se usan muestras).
 Series temporales: Analiza las variaciones temporales de los
niveles de exposición a través del tiempo.
d. Validación de instrumentos
i. Se originaron en las ciencias del comportamiento
ii. Se orientan a la identificación, definición y medición de un constructo
(variable subjetiva, característica subyacente).
iii. Se divide en tres fases:
 Creación. Cuando no existe la forma de evaluar un constructo
(variable subjetiva) se tiene que definir el concepto antes de
pensar en medirlo.
 Evaluación: Referida a las propiedades métricas del instrumento,
su principal objetivo es poder detectar y descartar el concepto
estudiado.
 Optimización: La finalidad de usar un instrumento es que sea una
herramienta útil a la hora de tomar decisiones las cuales siempre
son dicotómicas y el error que podemos cometer al tomar esas
decisiones debe ser el menor posible.
4. UNIDADES DE ESTUDIO (contiene nuestra variable de estudio)
a. Unidad de estudio
i. Es la unidad de la cual se necesita información, es el individuo o conjunto
de individuos de donde se obtiene el dato; la unidad de estudio
corresponde a la entidad que va a ser objeto de medición y se refiere al
qué o quién es sujeto de interés en una investigación.
ii. Es posible que la obtención de información pueda requerir recurrir a pasos
intermedios.
iii. La unidad de estudio es única en un trabajo de investigación y caracteriza
a toda la línea de investigación.
b. Unidad de información
i. Es la unidad que nos brinda información de la unidad de estudio, cuando
la unidad de estudio es la población el individuo se convierte en unidad de
información.
ii. En un estudio retrospectivo la unidad de estudio son los registros de datos
pasados, como por ejemplo los registros de notas, las historias clínicas,
etc.
iii. En un estudio prospectivo la unidad de información es quien nos brinda el
dato de nuestra unidad de estudio. Ejemplo, cuando evaluamos la actitud
del niño en el hogar, aplicamos una encuesta a sus padres.
iv. En un estudio puede haber más de una unidad de información.
c. Unidad de observación
i. Es la unidad dimensional para evaluar la variable de estudio, por
ejemplo: en un estudio socioeconómico es la vivienda (o mejor dicho las
condiciones físicas de la vivienda), el estado de cuenta de los movimientos
financieros, etc.
ii. En un estudio hospitalario los atendidos son las unidades de estudio peros
las atenciones son las unidades de observación.
iii. Se requiere definir previamente la variable de estudio.
d. Unidad de análisis
i. Es la unidad definida por el investigador para realizar mediciones.
ii. Si queremos conocer el nivel de la glucosa en plasma, 5cc de sangre serán
suficientes.
iii. Se puede requerir más de una unidad de análisis de una misma unidad de
estudio.
iv. Una unidad de estudio puede tener una o más unidades de análisis, si el
estudio es sobre piezas dentarias, un individuo tendrá más de una unidad
de análisis (incluso, se pueden intentar tratamientos distintos).
v. La unidad de análisis es indivisible.
e. Unidad de muestreo
i. Es la unidad que se somete al proceso de aleatorización en los estudios
que requieren muestreo (no todos los estudios requieren muestreo).
ii. En un estudio médico-paciente, son los médicos las unidades de muestreo;
en una encuesta de preferencias políticas las unidades de muestreo son
los hogares.
iii. El re muestreo implica tener varias unidades de muestreo (tantas como
etapas tenga el muestreo polietápico).
f. Unidad de experimentación
 i. Es la unidad que experimenta variaciones frente a un estímulo, donde
cada medida refleja el efecto de la intervención, por ejemplo, en una
audiometría se somete a un mismo individuo a estímulos acústicos de
diferente intensidad y frecuencia.
ii. Un estímulo puede modificar irreversiblemente a la unidad de estudio
teniendo una sola oportunidad para su uso.
iii. Cada medición sobre la unidad de experimentación es distinta.

Unidad de
observación

Unidad de Unidad de
información análisis
Unidad
de
estudio

Unidad de Unidad de
experimentación muestreo
5. ENUNCIADO DEL ESTUDIO (el origen del método).
Para elaborar el enunciado del estudio se requiere tener gran parte del método ya
desarrollado.
Un estudio se enuncia con los cinco elementos siguientes:
a. Propósito
i. Conocido también como especificidad del estudio, porque es el aspecto
preciso, concreto y claro que se busca investigar.
ii. Es la finalidad cognoscitiva del estudio porque refleja el tipo de
conocimiento que el investigador desea adquirir.
iii. El propósito del estudio puede ser: el diseño del estudio (incidencia), el
nivel de la investigación (relacionar), el objetivo estadístico (comparar), la
prueba estadística (correlacionar)la técnica estadística (análisis de casos) y
el propósito mismo (factores de riesgo).
b. Variables de interés
i. Es el aspecto observable en las unidades de estudio
ii. Son cada una de las variables que participan en el estudio estadístico con
un papel único.
iii. En un estudio de factores de riesgo, todos los factores planteados en
conjunto representan solamente una variable de interés, y es que a cada
una de las condiciones que las planteamos como riesgo, le damos el
mismo tratamiento estadístico por eso todas en su conjunto se consideran
solamente como una variable desde el punto de vista analítico.
iv. Un tipo especial de variable de interés es la variable de estudio la cual
aparece explícitamente en el enunciado. Por tanto, el enunciado debe
contener únicamente a las variables de interés y obligatoriamente a la
variable de estudio.
c. Unidad de estudio
i. La unidad de estudio es única en un trabajo de investigación y caracteriza
a toda la línea de investigación; es la entidad que va a ser objeto de
medición y se refiere al sujeto o grupo de sujetos de interés en una
investigación.
ii. Toda la información se obtiene siempre a partir de la unidad de estudio,
incluso si se requiere proceder a pasos intermedios.
iii. Debe mencionarse a las unidades de estudio de la cual se necesita la
información, aunque a veces su presencia en el enunciado resulta
implícita, y es que se puede confundir con unidad de información, unidad
de observación, unidad de análisis, unidad de muestreo o unidad
experimental.
d. Delimitación espacial (lugar)
i. Es preciso delimitar un estudio exploratorio o descriptivo porque los
fenómenos varían de un lugar a otro; lo cual no ocurre en los estudio
relacionales, explicativos y predictivos donde hablamos de ámbito de
recolección de datos.
ii. En el enunciado se debe especificar sobre qué población se realizará la
inferencia estadística.
iii. La delimitación espacial se encuentra relacionada con el tamaño de la
muestra, su identificación nos permite conocer el marco muestral.
e. Delimitación temporal
 i. Es vital en los estudios de nivel exploratorio y descriptivo, porque
circunscribe e identifica una población a estudiar solucionando así el
problema de las poblaciones infinitas o desconocidas por lo que se
encuentra relacionado con el muestreo accidental.
ii. El investigador decide a su criterio cual es el espacio temporal que se va
considerar en el estudio.
iii. En las enfermedades o situaciones problemáticas que varían
excesivamente en relación al tiempo es preciso ubicar un espacio lo
suficientemente representativo de la población.
6. DELIMITACIÓN DEL ESTUDIO
Implica reconocer cual será el alcance de sus conclusiones.
El primer punto para delimitar un estudio es el planteamiento de su enunciado.
Los elementos para delimitar un estudio son cinco:
a. Área de conocimiento
i. Toda vez que hayamos enunciado el estudio debemos delimitar el área del
conocimiento en términos de:
 Área general Ciencias de la salud
 Área específica Medicina humana
 Especialidad Endocrinología
 Línea de investigación Diabetes

ii. Y es que acerca de la diabetes podemos hacer estudios descriptivos, de

factores de riesgo, de factores causales, predictivos, de pronóstico y de
tratamiento, todos son parte de la misma línea de investigación.
iii. Es posible que un estudio pertenezca a más de un área de conocimiento
denominándose multidisciplinario; el cual se caracteriza por poseer por lo
menos dos variables de interés cada una de ellas en distintas áreas del
conocimiento.
b. Operacionalización de variables
i. Todos los problemas o enfermedades son multifactoriales donde el
número de variables es infinito; por lo que es preciso delimitarlas
mediante un “cuadro de operacionalización de variables”, donde se
identifica las variables agrupándolas en variables de interés y de acuerdo a
su probable relación que guarden entre ellas.
ii. Si tenemos varias características de un fenómeno que pueden ser objeto
de estudio, haremos un listado de todas las posibles características que
puedan ser consideradas y que puedan ser medidas con los métodos
disponibles, ahora las variables ya no son infinitas pues están delimitando.
iii. Además, en el cuadro de operacionalización de variables se consignarán
sus indicadores y el valor final que pueden asumir luego de su medición
reconociendo su escala de medición.
iv. Entonces, los elementos del cuadro de operacionalización de variables
son: Variables, indicadores, valor final y escalas de medición.
c. Marco teórico
i. Se delimita por la información disponible en el momento en que se ejecuta
el estudio en términos de: marco conceptual y antecedentes
investigativos, lo cual nos sitúa en un determinado nivel investigativo.
ii. La identificación del nivel de nuestro estudio, dentro de una línea de
investigación, dependerá de la información con la que contamos hasta ese
punto.
iii. El marco conceptual reúne la definición de cada una de las variables
identificadas en el cuadro de operacionalización de variables, mientras que
los antecedentes investigativos nos permitirán dar sustento al nivel
investigativo en el que planteamos nuestro trabajo.
d. Marco muestral
i. Cuando existe marco muestral el estudio queda plenamente delimitado
incluso si la población es inaccesible o es inalcanzable; cuando no existe
marco muestral debemos delimitar uno.
ii. Si realizamos un estudio sobre nivel de conocimientos sobre SIDA en
trabajadoras sexuales, no tenemos un listado de todas estas mujeres, pero
podemos recurrir a un hospital para por lo menos tener el listado de las
que allí se atienden con lo cual tendremos un marco muestral.
iii. Cuando la población es inalcanzable tendremos que recurrir a una
muestra, la cual tiene un nivel de confianza y también un grado de erro. Si
la población es inaccesible el autor determina la magnitud de la muestra.
e. Elección de instrumentos
i. Los instrumentos de medición delimitan el estudio por su capacidad de
detectar y descartar el problema en estudio; cuando no podemos acceder
a la prueba patrón, gold estándar o diagnóstico definitivo, tendremos que
echar mano de la prueba de screening, tamizaje o de despistaje.
ii. Cuando la variable de estudio es subjetiva delimitamos los conceptos
mediante la elección del instrumento y la teoría que los sustenta.
iii. El instrumento que elijamos para medir nuestra variable subjetiva,
determinará los conceptos que vamos a utilizar para nuestro estudio.
7. DIMENSIÓN DE LAS VARIABLES (las variables deben ser medibles)
a. Las variables son propiedades, características o atributos que se dan en las
unidades de estudio o por derivación de ellas; su condición indispensable es que
deben ser medibles, sino se pueden medir no son variables.
b. La necesidad de identificar las propiedades métricas en las unidades de estudio
requiere de la definición de una o varias de sus dimensiones.
c. Bajo esta perspectiva las dimensiones se dividen en dos:
i. Dimensiones físicas u objetivas
 No presentan ninguna dificultad para su identificación, sólo
requieren de la aplicación de instrumentos mecánicos para
conocer la magnitud física de su medición.
 Las variables individuales corresponden a las unidades de estudio
individuales, ejemplo: el nivel de instrucción de las personas.
 Las variables colectivas son propiedades de grupos y su medición
se basa en las propiedades individuales que poseen sus miembros,
por ejemplo: el índice de analfabetismo.
 Las variables objetivas pueden ser:
a. Unidimensionales, si tienen indicadores directos (la misma
variable es su propio indicador) ejemplo: peso, talla,
temperatura, etc.
b. Multidimensionales, se obtienen a partir de la
combinación de dos o más indicadores físicos, po tanto
son también objetivos, ejemplo: el índice de masa corporal
(peso/talla 2).
ii. Dimensiones lógicas o subjetivas
 Se identifican mediante instrumentos lógicos, llamados también
documentales, para lo cual se requiere definir operacionalmente
el concepto teórico.
 El constructo es una propiedad subyacente que se supone posee
una persona (unidad de estudio individual), ejemplo: la
inteligencia, la motivación, la creatividad, las actitudes, etc.
 No pueden medirse de forma directa, sino a través de sus
dimensiones lógicas para lo cual se requiere indicadores.
 Variables subjetivas pueden ser:
a. Unidimensionales, tienen un solo indicador que
corresponde a su única dimensión, ejemplo: escala visual
análoga.
b. Multidimensional, requieren varios indicadores, por
ejemplo: la variable calidad de la atención tiene las
siguientes dimensiones: elementos tangibles, fiabilidad,
capacidad de respuesta, seguridad y empatía.
 Las variables tienen indicadores para poder hallar el valor final de
su medición.
 Los instrumentos contienen dimensiones las cuales corresponden
a los indicadores de las variables que se desean medir.
 Los instrumentos mecánicos nos permiten medir variables
objetivas o dimensiones físicas.
 Los instrumentos documentales nos permiten medir variables
subjetivas o dimensiones lógicas.
 8. ESCALAS DE MEDICIÓN DE LAS VARIABLES (atributos de su medición)
a. Los valores finales que obtenemos luego de medir una variable tienen distintos
atributos, pero a nosotros nos interesan únicamente tres, los cuales nos permiten
diferenciar cuatro escalas de medición:
i. Escala Nominal (no tiene ningún atributo).
ii. Escala Ordinal (tiene un atributo: ORDEN).
iii. Escala Intervalo (tiene dos atributos: ORDEN y DISTANCIA).
iv. Escala de Razón (tiene los tres atributos: ORDEN, DISTANCIA y ORIGEN).

Tipo VARIABLES CATEGÓRICAS VARIABLES NUMÉRICAS

Naturaleza CUALITATIVAS CUANTITATIVAS
Escala NOMINAL ORDINAL INTERVALO RAZÓN
Atributo Orden Orden Distancia Orden Distancia Origen
Característica Posee características a Posee las categorías Tiene intervalos iguales y Tiene intervalos constantes entre valores;
las que se la asigna un ordenadas, pero no medibles. No tiene un origen además de un origen real. El cero significa
nombre sin que exista permite cuantificar la real, por lo que puede asumir la ausencia del individuo.
ningún orden implícito distancia entre una valores negativos.
entre ellas categoría y otra.

Ejemplos:

Escala Nominal

Variables: Género Valores finales: masculino, femenino

Estado Civil soltero, casado, divorciado

Escala Ordinal

Variables: Nivel de instrucción Valores finales: primaria, secundaria, superior

Intensidad leve, moderado, severo

Escala Intervalo

Variables: Temperatura Valores finales: -10°C, 0°C, 20°C

Saldo bancario S/.100, S/. 200, S/. -50

Escala Razón

Variables: Peso Valores finales: 0.00 kg., 10.24 kg., 20.00 kg.

Compras Uno, dos, tres.

 Las variables categóricas pueden ser:

o Dicotómicas, tienen sólo dos categorías.
o Politómicas, tienen más de dos categorías.
 Las variables numéricas pueden ser:
o Continuas, “Miden” con números enteros o fraccionarios.
o Discretas, “Cuentan” sólo con números enteros.
 Finalmente, una variable con una escala puede convertirse a otra escala, simplemente
quitándole el atributo correspondiente. Es decir, podemos convertir una variable
numérica en categórica (categorización de la variable).
 9. RELACIÓN ENTRE VARIABLES (para estudios analíticos)

Niveles de la investigación

Ap
lic
ati
vo

Predictivo
Experimenta
l  Sirven
Más de 2 variables Explicativo
Observacion
al  Sirven
2 variables Relacional

1 variable Descriptivo

Exploratorio

En el nivel explicativo se realiza el análisis multivariado (más de dos variables) es aquí donde
surge la necesidad de clasificar a las variables según su relación.

La estadística cumplirá el papel de realizar el control estadístico agregándole al control

metodológico los criterios de causalidad.

Las variables según su relación son:

a. Variable independiente
i. Representa los factores que constituirían la causa, siendo que previamente
han demostrado ser factores de riesgo para el problema que se estudia en
el nivel investigativo relacional.
ii. En los estudios observacionales se plantea solamente una variable
independiente.
b. Variable dependiente
i. Representa a la variable de estudio, mide o describe el problema que se
estudia, para su existencia y desenvolvimiento depende de otra u otras
independientes.
ii. Pero su variabilidad está condicionada no solamente por la variable
independiente sino por otras variables intervinientes.
iii. Es la variable más importante en este sistema porque determina nuestra
línea de investigación.
c. Variable de confusión
 i. Es propio de los estudios observacionales, su aparición puede intensificar
o antagonizar la relación aparente entre el problema y una posible causa.
Es decir, entre la variable independiente e independiente.
ii. Su influencia se da tanto sobre la variable independiente como en la
dependiente.
iii. Su control se debe realizar mediante análisis estadístico estratificado.
d. Variable intermedia
i. Aparece de manera inesperada y por tanto es metodológicamente
incontrolable, entre el factor causal y el efecto; su naturaleza es aleatoria.
Es imposible conocer su distribución probabilística antes de ejecutar la
recolección de datos.
ii. En los estudios observacionales se neutraliza su participación mediante
análisis multivariado y en los experimentales en el análisis de la
covarianza.
iii. En la mayoría de los casos suele ser numérica.
e. Variable de control
i. Posee fuerte influencia sobre la variable dependiente y ningún efecto
reconocido sobre la variable independiente. Se la identifica en el momento
de la planeación.
ii. En los estudios observacionales su control se realiza mediante los criterios
de inclusión y exclusión (criterios de elegibilidad) y en los experimentales
mediante los bloques, es decir, se le integra al análisis estadístico.
iii. Pero en ningún caso se busca su interacción con la variable manipulada o
independiente y aunque tienen influencia sobre la variable dependiente
no se le estudia como factor causal.
10. OBJETIVOS ESTADÍSTICOS (métodos estadísticos disponibles)
a. En los niveles descriptivo, relacional, explicativo y predictivo los objetivos son
estadísticos.

Ap
lic
ati
vo

Predictivo

El nivel de la
Explicativo
investigació
n es uno de
Relacional
los

Descriptivo

Exploratorio

b. Podemos resumir la intencionalidad de los niveles de investigación con las

palabras:
i. Nivel exploratorio EXCLARACER
ii. Niveles descriptivo, relacional, explicativo y predictivo CONOCER
iii. Nivel aplicativo MEJORAR
c. En esta presentación se ha omitido intencionalmente el objetivo estadístico
“COMPARAR” por ser el más usado y encontrarse en todos los niveles merece una
mención aparte.
d. Nivel descriptivo
i. Podemos usar los verbos; determinar, describir y estimar.
ii. Determinar. Cuando buscamos obtener el resultado de una variable
subyacente o constructo y utilizamos un instrumento documental.
iii. Describir. Para las variables que no son de estudio y que no involucra la
utilización de instrumentos pues de tratan de variables unidimensionales o
directas.
iv. Estimar. Usado frecuentemente para la estimación puntual de un
parámetro y los intervalos de confianza del mismo (cuando utilizamos una
muestra para el estudio de una población).
e. Nivel relacional
i. Podemos usar los verbos: asociar, correlacionar y concordar.
ii. Asociar. Plantea que dos sucesos ocurren de manera simultánea en
repetidas ocasiones, tal concurrencia puede ser causal o puede atribuirse
al azar.
 iii. Correlacionar. Plantea que en un mismo individuo las unidades de una de
sus variables se correlaciona con otra diferente, para ello se requiere que
sus dos variables sean numéricas.
iv. Concordar. Sucesos concurrentes que corresponden a diferentes
observadores o al mismo observador, pero con diferentes instrumentos,
las coincidencias son evaluadas por este objetivo estadístico.
f. Nivel explicativo
i. Podemos usar los verbos: evidenciar, demostrar y probar.
ii. Evidenciar. Propio de los estudios observacionales donde el análisis
estratificado busca descartar asociaciones aleatorias, casuales o espurias.
iii. Demostrar. Cuando el origen de los datos corresponde a un experimento,
pretendemos demostrar algo que previamente se ha evidenciado.
iv. Probar. Luego de haber demostrado mediante un estudio experimental se
tiene que repetir para probar consistencia o coherencia, esto es la réplica
de los métodos aplicados previamente (Bradford Hill, 1965).
g. Nivel predictivo
i. Podemos usar los verbos: predecir, pronosticar y prever.
ii. Predecir. Calcular la probabilidad de ocurrencia de un suceso en una serie
de eventos, por consecuencia la variable a predecir es dicotómica, es decir
si ocurrirá o no ocurrirá un evento).
iii. Pronosticar. Calcular la probabilidad de ocurrencia de un suceso en
función al tiempo por consecuencia la variable pronosticada es numérica
(utilizada para eventos que siempre van a ocurrir, lo que se calcula cuando
podría ocurrir).
iv. Prever. Calcular la probabilidad de necesitar, disponer o preparar medias
contra futuras contingencias, para ello se requiere haber realizado los
objetivos estadísticos anteriores y podremos conocer lo que se va a
necesitar).
11. OBJETIVOS ESTADÍSTICOS BIVARIADOS (nivel de investigación relacional)
a. Se pueden hacer tres pasos intermedios: comparar, asociar o correlacionar y
medida de asociación.

Concordancia o
correlación
Medida de
asociación

Nivel Relacional Asociar o

correlacionar
Asociar o
correlacionar

Comprar
(antes-después)
Comparar

Comprar
(grupos)

i. Comparar (grupos)
 Representa el análisis bivariado más básico, cuenta con una
variable fija y una variable aleatoria, que es la que vamos a medir
en la recolección de datos. Su finalidad es identificar las
diferencias entre los grupos participantes de alguna característica
en estudio; se puede comparar dos o más grupos.
 La comparación inicial es a dos colas, para ver si hay diferencia o
no; si hay varios grupos la variable de agrupación al final debe
dicotomizarse y complementarse con un test de una sola cola.
 El sistema de hipótesis implica plantear una hipótesis alterna que
nos indica la diferencia y una hipótesis nula que niega la
diferencia.
 La prueba estadística que utilizamos es Chi cuadrado de
homogeneidad si la variable aleatoria es categórica o t de Student
para grupos independientes si la variable aleatoria es numérica.
ii. Comparar (antes y después).
 Es la comparación de un mismo grupo antes y después de un
período de seguimiento (observacional) o de una intervención
(experimental); a fin de verificar los cambios producidos en la
variable de estudio; corresponden a estudios longitudinales
porque implica realizar medidas repetidas.
 Estas comparaciones pueden ser de individuo a individuo o
poblacionales.
 Nuestra hipótesis es que existe variación entre la medida antes y
después, la hipótesis nula será que no existe variación entre estas
dos medidas.
  Las pruebas estadísticas serán Chi cuadrado de McNemar cuando
la variable aleatoria es categórica y t de Student para muestras
relacionadas si la variable aleatoria es numérica.
iii. Asociar o Correlacionar
 Implica conocer si hay dependencia entre dos variables ya sean
categóricas (asociación) o numéricas (correlación).
 Ambas variables son aleatorias. La correlación puede significar el
primer paso para la asociación, esto es muy útil cuando se realiza
minería de datos.
 Para correlacionar hay que definir las unidades de medición en
ambas variables y para asociar hay que definir los factores de
interés en ambas variables.
 La hipótesis alterna es que existe dependencia entre los dos
resultados y la hipótesis nula es que existe independencia entre
los resultados.
 El estadístico de prueba es el Chi cuadrado de independencia
cuando las dos variables aleatorias son categóricas (asociación) y
la correlación de Pearson si las dos variables aleatorias son
numéricas (correlación).
iv. Concordancia o Correlación
 Implica cuantificar asociación o correlación y esto se realiza luego
de demostrar asociación; la concordancia es una medida de
asociación y el coeficiente r de Pearson es una medida de
correlación.
 La concordancia puede corresponder a diferentes observadores o
a diferentes instrumentos. La concordancia puede ser concurrente
si es que los sucesos se dan en simultánea o puede ser predictiva
si uno de ellos ocurre antes que el otro y permite predecir su
ocurrencia.
 El estadístico es un índice de concordancia para variables aleaorias
categóricas y el índice de correlación r de Pearson si las variables
aleatorias son numéricas (0 a 1, a mayor sea, mayor será la
concordancia o correlación detectada).
12. OBJETIVO ESTADÍSTICO COMPARAR (está en todos los niveles investigativos)
a. Es el más versátil de la investigación, habitualmente pensamos en dos grupos con
una característica que los diferencie.
b. A nivel exploratorio
i. Son comparaciones sin métodos estadísticos y podemos diferenciar dos
casos: las comparaciones múltiples (diseños comunitarios o ecológicos)
donde la unidad de estudio es la población, así por ejemplo podemos
comparar las costumbres a la hora del parto en la Región Quechua y
Aymara.
ii. En los estudios de casos la población es un solo individuo y podemos
comparar la opinión de dos especialistas en el diagnóstico de un paciente
en el marco de la presentación de un caso clínico.
c. A nivel descriptivo
i. Cuando evaluamos a dos poblaciones en su totalidad y no a partir de
muestras, no se requiere de aplicar pruebas estadísticas por cuanto no se
precisa hacer inferencia estadística.
ii. Así tenemos que la comparación del rendimiento académico de dos
estudiantes al momento de su graduación no requiere de pruebas de
hipótesis y solo se verifica quien tiene el mayor promedio porque estamos
comparando dos poblaciones.
iii. Las diferencias numéricas encontradas en este nivel pueden sugerir más
adelante la comparación a nivel de prueba de hipótesis.
d. A nivel relacional
i. El contraste de independencia entre dos variables presenta tres modelos
matemáticos: con totales marginales de ambos factores fijos (modelo I),
con los totales marginales de uno de los factores fijos (modelo II: aquí hay
una variable fija que es la variable criterio de conformación de grupo y una
variable aleatoria que es la que estamos evaluando), y con el total
muestral fijo (modelo III).
ii. El objetivo comparativo a nivel bivariado corresponde al modelo II con un
factor fijo y uno aleatorio. La comparación puede ser de grupos
independientes o de muestras relacionadas y necesariamente involucra el
planteamiento de hipótesis.
e. A nivel explicativo
i. EL análisis estadístico estratificado permite el control estadístico en un
estudio observacional a nivel explicativo como por ejemplo el test de
Mantel-Haenszel.
ii. La finalidad de esta comparación estratificada es descartar asociaciones
aleatorias, casuales o espurias. A nivel experimental comparamos los
grupos aleatorizados como grupo experimental y grupo blanco.
iii. Dentro de los diseños experimentales la factorización de los variables
independientes también corresponde al objetivo comparativo.
f. A nivel predictivo
i. Podemos comparar el pronóstico de la enfermedad o del tiempo de
supervivencia de dos tratamientos en pacientes con cáncer.
ii. Así podemos citar una técnica estadística comparativa para el análisis e
supervivencia de Kaplan-Meier.
 iii. Podemos comparar el valor predictivo de dos procedimientos
diagnósticos; por ejemplo, podemos comparar el valor predictivo de dos
métodos para estimar el peso fetal previo al nacimiento.
g. A nivel aplicativo
i. Podemos comprar dos indicadores del proceso o dos indicadores del
resultado de una intervención a fin de detectar cuál de estos predice
mejor el impacto de una intervención, a fin de re direccionar nuestros
esfuerzos de intervención.
ii. Pero también podemos comparar dos intervenciones mediante un mismo
indicador, en ese caso se están poniendo a prueba la efectividad de una
intervención esto es muy utilizado en el marketing (dos campañas
publicitarias).
13. FORMULACIÓN DE HIPÓTESIS (las hipótesis son proposiciones)
a. Definición
i. La hipótesis es una proposición del investigador sobre la cual hay que
emitir un juicio de valor; una proposición o enunciado es una oración que
puede ser falsa o verdadera pero no ambas a la vez.
ii. Existe un mito muy extendido en investigación: Los estudios descriptivos
no llevan hipótesis, esto no es cierto, la presencia o ausencia de la
hipótesis en un estudio no está relacionado al tipo de estudio, sino al
enunciado, si el enunciado es una proposición lleva hipótesis sino no lo
lleva.
b. Existen cuatro tipos de análisis para la hipótesis.
i. Análisis gramatical de la hipótesis
 Tiene dos partes:
a. Fundamento. Es lo que nos lleva a sostener la hipótesis
planteada. Las hipótesis relacionales carecen de
fundamento porque nacen de la subjetividad de una
observación; mientras que las hipótesis explicativas se
fundamentan en los antecedentes investigativos.
b. Deducción. Es la hipótesis misma, denominada hipótesis
del investigador; estadísticamente es la hipótesis alterna y
se debe someter a contraste. Cuando se la plantea nuestro
enunciado en forma de interrogante y puede ser
respondido como verdadero o falso entonces estamos
frente a un estudio que cuenta con hipótesis.
ii. Análisis lógico de la hipótesis
 Tiene dos orígenes
a. Hipótesis empíricas (David Hume). También llamadas
relacionales son afirmaciones respecto a las relaciones
entre dos o más variables sin fundamento, nacen de la
observación y la experiencia. Buscan concordancia entre
hechos y generan la necesidad de plantear hipótesis
explicativas. Son inductivas.
b. Hipótesis Racionales (René Descartes), También llamadas
explicativas, son consideradas como explicaciones
tentativas. Deben estar relacionadas con el conocimiento
existente; nacen del razonamiento por analogía (Bradford
Hill). Requieren de antecedentes investigativos para
sustentarlas. Son deductivas.
iii. Análisis matemático de la hipótesis
 Tienen dos proposiciones
a. Hipótesis nula (Ho), conocida también como hipótesis de
trabajo, porque es a esta afirmación a la que se le somete
a contraste; es decir a la que se le rechaza o no se le
rechaza. La hipótesis nula niega la afirmación que plantea
la hipótesis alterna.
b. Hipótesis alterna (H1), también llamada hipótesis del
investigador, porque esta afirmación es la que el
investigador desea probar y se da por verdadera cuando
 rechazamos la hipótesis nula (Ho); como existe la
posibilidad de error tenemos que estimar la probabilidad
de que eso ocurra.
iv. Análisis científico de la hipótesis
 Debe cumplir los siguientes requisitos:
a. Deben ser lógicas. El problema que se está estudiando
debe ser deducible a partir de la hipótesis.
b. Deben ser científicamente fundadas. Fundadas en la teoría
disponible o por lo menos compatible con el conocimiento
actual.
c. Deben ser contrastables. Debe ser posible hacer
observaciones y/o experimentos que la confirmen.
d. Deben tener poder explicativo. Debe poder absorber otras
hipótesis y plantear la que tenga mayor poder predicativo.
e. Deben ser simples. La hipótesis debe tener el menor
número de elementos o suposiciones no confirmadas.
14. NIVEL DE SIGNIFICANCIA (límite máximo de error)
a. Introducción
i. Cada decisión que tomamos cada día tiene un margen de error, así
tenemos que: la cirugía tiene un margen de error, los vuelos aéreos tienen
un margen de error, rendir un examen tiene un margen de error, etc.
ii. Conocer la magnitud del error es la tarea principal del investigador, el cual
debe estimar la probabilidad de ocurrencia de este error y esperar que sea
de la menor magnitud posible.
iii. Por esta razón es indispensable plantear en cada caso, la magnitud del
error que estamos dispuestos a aceptar para tomar cualquiera de nuestras
decisiones.
b. Nivel de significancia
i. El investigador plantea una proposición y le asigna el valor de verdad (o
sea verdadero), al tomar tal decisión existe la probabilidad de equivocarse,
es decir, de comete un error, la cual denominamos error Tipo I, entonces
decide estimar la probabilidad de cometer dicho error.
ii. El p-valor definido como la probabilidad de que la proposición aceptada
sea falsa no debe ser mayor al calor del error establecido
convencionalmente en la dase de planificación del estudio como el límite
de error que estamos dispuestos a aceptar.
iii. No confundir estos tres términos:
 Error tipo I. Ocurre cuando aceptamos la hipótesis del
investigador, siendo que la proposición era falsa. Por lo tanto, es
un juicio de calor equivocado.
 P-valor. Es la probabilidad de equivocarse al aceptar la hipótesis
del investigador como verdadera; es decir la probabilidad de
cometer el error Tipo I (el hecho de que ocurra un problema en la
cirugía, que no se esperaba, equivale al error tipo I y la frecuencia
con la que sucede este tipo de problema en las cirugías es el P-
valor).
 Nivel de significancia. Es la máxima cantidad de error que estamos
dispuestos aceptar para dar como válida la hipótesis del
investigador (¿conocemos la probabilidad de que la cirugía se
complique?, ¿estamos dispuestos someternos a dicha cirugía?,
esto dependerá de cuánto error estamos dispuestos a aceptar, hay
que ponerle un límite y este se conoce como el nivel de
significancia).
iv. Planteamiento de la hipótesis
 Desde el punto de vista matemático tenemos dos hipótesis: la
hipótesis nula (Ho) o hipótesis de trabajo y la hipótesis alterna
(H1) o hipótesis del investigador. El investigador plantea rechazar
la hipótesis nula (Ho); para quedarse con la alterna (H1), la cual
corresponde a su proposición preliminar.
 Si el p-valor es menor al nivel de significancia, rechazamos la
hipótesis nula (Ho) y concluimos en que la hipótesis alterna es
verdadera.
 Si el p-valor es mayor al nivel de significancia no podemos
rechazar la hipótesis nula, lo cual no significa que debamos
aceptarla; significa que, no podemos rechazarla.
 Si nosotros queremos someternos a una cirugía y aceptamos un
límite de error nos someteremos al procedimiento en la medida
de que la probabilidad de que suceda este error sea menor al
límite que se había establecido preliminarmente, esta
probabilidad es el p-valor y tiene que estar por debajo del nivel de
significancia que es el máximo valor (de error) que estamos
dispuestos a aceptar.
15. PRUEBA DE HIPÓTESIS (ritual de la significancia estadística)
a. Se realizan cinco procedimientos:
i. Formulación de hipótesis
 Consiste en trasladar la estructura gramatical, lógica y científica
hacia la estructura matemática el cual se conoce como sistema de
hipótesis o hipótesis estadística; así tenemos (dos tipos de
hipótesis):
a. Ho: Hipótesis nula o hipótesis de trabajo.
b. H1: Hipótesis alterna o hipótesis del investigador.
 El primer paso es colocar la hipótesis del investigador como
Hipótesis Alterna (H1) y formular la Hipótesis Nula (Ho) que viene
a ser la negación de al alterna.
ii. Establecer el nivel de significancia
 Según Fisher, el nivel de significancia estadística equivale a la
magnitud del error que se está dispuesto a correr, en el caso de
que se rechace una hipótesis nula que en realidad era verdadera.
 Se denota por la letra griega alfa y para la mayoría de los
propósitos, se suele establecer en 0.05 o sea 5% en porcentaje y
se considera significativo a todo p-valor que se encuentre por
debajo de este nivel, se considera altamente significativo cuando
el p-valor es menor a 0.01 o sea 1% en porcentaje.
iii. Elección del estadístico de prueba
 Hay dos clases de pruebas estadísticas: las paramétricas u las no
paramétricas.
 El estadístico de prueba se elige en función a 6 conceptos: tipo de
estudio, nivel investigativo, diseño de la investigación, objetivo
estadístico, escalas de medición de las variables y el
comportamiento de los datos.
 Este último punto donde debemos considerar la distribución de los
datos en las variables numéricas y las frecuencias esperadas para
las variables categóricas.
iv. Lectura del p-valor
 Este paso no fue planteado originalmente por Fisher, porque
entonces nos e disponían de programas informáticos a la hora de
calcular el valor de p, el cual cuantifica el error tipo I y nos ayuda a
tomar una decisión de rechazo a la hipótesis nula (Ho) cuando el
p-valor es menor al nivel de significancia y de no rechazo cuando
su valor es mayor al alfa planteado.
 El p-valor, al ser la cuantificación del error tipo I solo es un dato
que nos ayuda a decidirnos a la hora de tomar decisiones basadas
en la probabilidad.
v. Toma de la decisión
 En las épocas en que no se podía estimar de manera práctica e p-
valor, se solía contrastar el valor del estadístico de prueba con el
valor teórico o de tabla que correspondía a la distribución que
siguen nuestras variables.
 Sin embargo, este método no solamente ha quedado obsoleto,
sino que además es inexacto. Hoy día cuando se trata de
 demostrar nuestra hipótesis del investigador no hay mejor forma
que la estimación del p-valor.
 La decisión se toma en función a la magnitud del p-valor en
relación con el nivel de significancia que se planteó
preliminarmente.
16. POBLACIÓN Y MUESTRA (inferencia estadística)
a. El interés de todo investigador es siempre investigar a toda la población y no a la
muestra, pero a veces la población es inalcanzable, por ello se toma la muestra y
esa actividad de conseguir la muestra se llama muestreo y esperamos que los
resultados de la muestra sean extrapolables a toda la población, y a esto ese le
denomina inferencia.
b. Población
i. Es el conjunto de todas las unidades de estudio (sujetos u objetos) cuya
característica observable o reacción que pueden expresar nos interesa
estudiar.
ii. Las poblaciones deben situarse claramente en torno a sus características
de contenido, lugar y tiempo a lo cual se le denomina marco muestral,
indispensable en los estudios exploratorios y descriptivos.
iii. En los estudios analíticos (clásicamente cuantitativos) cobra mayor
importancia el ámbito de datos (porque se sobre entiende que sus
conclusiones son extrapolables hacia toda la población), el cual representa
cualitativamente a la población.
iv. La medición completa de todos los elementos que constituyen a la
población se llama censo y no puede ser ejecutado mediante muestreo; no
hay que olvidar que nuestro interés radica en estudiar a la población y no
a la muestra.
c. Muestra
i. Es una estrategia metodológica y estadística que utilizamos cuando luego
de realizar nuestro análisis de factibilidad encontramos que no podemos
acceder a la población, existen tres casos:
 La población es desconocida, o se carece de un marco muestral, lo
que no permite definir su magnitud (no existe un listado de todos
los elementos que conforman a la población), así tenemos el
conjunto de mujeres “trabajadores sexuales”.
 La población es inaccesible al investigador, así tenemos que una
persona tiene 5 litros de sangre, pero bastarán 5 cc para conocer
el valor de la hemoglobina.
 La población es inalcanzable por su magnitud, como en los
estudios de prevalencia donde debemos estudiar a todos los
elementos de la población (para conocer la prevalencia de una
enfermedad en una población de un millón de personas se debe
tomar una muestra).
 Una muestra es representativa de la población si cumple dos
condiciones: el cálculo del tamaño de la muestra y la técnica de
muestreo.
d. Cálculo del tamaño muestral
i. El tamaño de la muestra se calcula en función al objetivo estadístico y a la
naturaleza de la variable aleatoria.
ii. El tamaño de la muestra está en relación del marco muestral y, la
probabilidad de ser incluido en la muestra debe calcularse.
iii. Así tenemos que en el muestreo aleatorio simple esta probabilidad es la
misma para todas las unidades muestrales y en el muestreo aleatorio
 estratificado encontramos tres condiciones: afijación proporcional,
afijación de Neyman y afijación óptima.
iv. Luego de definir el tamaño de la muestra se procede a elegir a las
unidades muestrales a lo cual se le denomina técnicas de muestreo.
v. Se puede seleccionar una muestra mediante métodos probabilísticos y no
probabilísticos; solamente el primero nos asegura la representatividad y
por tanto la posibilidad de realizar la inferencia estadística, por lo que
debemos procurar utilizar siempre el muestreo probabilístico.
vi. El muestreo probabilístico, es un muestreo con y sin reposición de los
elementos: muestreo aleatorio simple, muestreo sistemático, muestreo
estratificado y muestreo por conglomerados.
vii. El muestreo no probabilístico, puede ser muestreo por conveniencia,
muestreo de juicio (criterio), muestreo por cuotas (accidental o de
voluntariado) y muestreo de bola de nieve (entrevistamos a un elemento y
este nos puede presentar a sus pares hasta llegar al punto de saturación).
17. UNIDADES DE MUESTREO (no es sinónimo de unidad de estudio)
a. En la mayoría de los casos la misma unidad de estudio es la que se muestrea,
convirtiéndose de esta manera en la unidad de muestreo, este es el caso más
frecuente y también el más exacto (corresponde al muestreo aleatorio simple),
pero no siempre factible desde el punto de vista de los costos.
b. Ejemplo: Si queremos conocer la prevalencia de ansiedad precio al examen de
admisión en una academia de preparación preuniversitaria que cuenta con mil
alumnos, los alumnos son las unidades de estudio y también son las unidades de
muestreo (siempre que los sometamos a aleatorización para conformar la
muestra).
c. Unidades de muestreo conjuntas, se trata de un conjunto de unidades de estudio
donde las características del grupo representan proporcionalmente a las
características de la población, por lo tanto, pueden considerarse como “mini-
poblaciones” en este caso se muestrean estos conjuntos.
d. Ejemplo: En un estudio sobre la satisfacción laboral de los trabajadores del MINSA
a nivel de la atención primaria, las unidades de estudio son los trabajadores, pero
las unidades de muestreo son los centros y puestos de salud, que son conjuntos de
unidades de estudio que tienen la variabilidad que se expresa en la población, esto
corresponde al muestreo por conglomerados o clústers.
e. Unidades de muestreo identificadoras, si la unidad de estudio es un conjunto de
individuos y la característica en estudio pertenece al grupo y no individualmente a
sus elementos, es preciso ubicar a uno de sus elementos que nos permita
identificar la unidad de estudio a fin de ejecutar el muestreo
f. Ejemplo: En un estudio para conocer la relación médico-paciente se evalúa a cada
médico con un conjunto de sus pacientes (accidental), las unidades de estudio son
el binomio médico-paciente, pero las unidades de muestreo son los médicos (que
son los que se someten a la aleatorización), esto es coincidente con el muestreo
por cuotas.
g. Unidades de muestreo contenedoras, son secciones censales (áreas geográficas)
que contienen a la unidad de estudio propio del muestreo bietápico estratificado
por conglomerados, las unidades muestrales de primera línea son las viviendas
familiares. A través de ellas se investiga a las unidades de estudio.
h. Ejemplo: En un estudio de preferencias políticas las unidades de estudio son los
votantes, pero se muestrean las viviendas en cuyo interior se ubica la unidad de
estudio, la unidad de muestreo son las viviendas, esto se corresponde con el
muestreo polietápico.
18. TÉCNICAS DE MUESTREO (métodos de aleatorización)
a. Introducción
i. Existen dos métodos para seleccionar muestras a partir de poblaciones: el
muestreo no aleatorio y el muestreo aleatorio que incorpora el azar como
recurso en el proceso de selección.
ii. Existen cuatro técnicas de muestreo aleatorio o probabilístico que pueden
utilizarse de manera aislada o combinada incluso con las técnicas no
probabilísticas.
b. Muestreo aleatorio simple
i. Denominado también equiprobabilístico, porque si se selecciona una
muestra de tamaño “n” de una población de “N” unidades, cada elemento
tiene una probabilidad de inclusión igual y conocida de n/N.
ii. El tamaño “N” se delimita espacialmente.
iii. Ventaja: Es el más simple y rápido de realizar además de exacto, y existe
software para realizarlo.
iv. Requisito: Precisa un marco muestral o listado de todas las unidades
muestrales (que no siempre tenemos a la mano).
c. Muestreo sistemático
i. Para determinar una muestra de tamaño “n” conseguimos una lista de “N”
elementos, definimos un intervalo de salto k=N/n y elegimos un número
aleatorio entre 1 y k con el que comenzamos la selección de la muestra.
ii. El tamaño “N” se delimita temporalmente.
iii. Ventaja: No es necesario tener un marco muestral, el investigador
propone su delimitación.
iv. Requisito: Descartar la asociación entre el intervalo de salto con la variable
de estudio.
d. Muestreo aleatorio estratificado
i. La idea es producir grupos heterogéneos entre sí, respecto de la variable
de estudio, pero homogéneos dentro de cada grupo o estrato, así
aseguramos la representación de cada estrato en la muestra.
ii. Las afijaciones son: proporcional, de Neyman y óptima.
iii. Ventaja: Asegurar la representación de cada estrato en la muestra.
iv. Requisito: Se debe conocer la distribución de la variable utilizada para la
estratificación.
e. Muestreo por conglomerados.
i. Consiste en la identificación de conglomerados o clústers donde cada
grupo presenta toda la variabilidad observada en la población, es lo
opuesto al muestreo estratificado, porque los conglomerados son
homogéneos entre sí, pero sus elementos son heterogéneos.
ii. Ventaja: Muy eficiente cuando las unidades están muy dispersas (bastará
estudiar algunos conglomerados).
iii. Requisito: Conocer la variabilidad de los elementos que conforman cada
conglomerado y estar seguros que esa variabilidad es la misma que se
encuentra en la población.
19. TÉCNICAS DE RECOLECCIÓN DE DATOS (el individuo como unidad de estudio)
a. Documentación
i. Constituye la técnica de recolección de datos más básica y a la vez la más
inexacta.
ii. Corresponden a los estudios retrospectivos donde es la única forma
disponible de recopilar la información (la información ya esta medida y
registrada y solo hay que trasladarlos hacia sus propios registros).
iii. Habitualmente la información fue recolectada con fines distintos al
estudio en curso.
iv. Lo estudios basados en la documentación no cuentan con instrumentos de
medición, únicamente con una ficha de recolección de datos donde
debemos copiar o trasladar la información previamente registrada.
b. Observación
i. La observación es científica cuando es sistemática, controlada y cuenta con
mecanismos destinados a evitar errores de subjetividad, confusiones, etc.
ii. La observación no participante es cuando el investigador no perturba la
acción o situación que se está investigando y es participante cuando existe
conciencia del evaluado de estar siendo objeto de investigación.
iii. La observación participante es natural cuando el observador pertenece al
conjunto humano que investiga, y es artificial cuando la integración del
observador es a propósito de la investigación.
c. Entrevista
i. La evaluación que se realiza al individuo evaluado no puede pasar
inadvertido de su participación, por lo que se requiere del consentimiento
informado para su participación.
ii. El instrumento es el evaluador pues él provoca directamente la reacción
hacia el evaluado.
iii. La guía de entrevista no es un instrumento, sino el evaluador (que es un
especialista).
iv. La entrevista puede ser estructurada si cuenta con una guía de entrevista y
no estructurada cuando busca explorar características en el evaluado.
v. Esta técnica es utilizada únicamente cuando la unidad de estudio es un
individuo.
d. Encuesta
i. Busca conocer la reacción o la respuesta de un grupo de individuos que
pueden corresponder a una muestra o a una población, por tanto, es
cuantitativa, requiere de un instrumento que provoque las reacciones en
el encuestado.
ii. Es autoadministrado si el individuo completa los reactivos (asincrónico)
y heteroadministrado cuando hay un encuestador (sincrónico).
iii. El encuestador no necesariamente pertenece a la línea de investigación.
Implica gran economía de tiempo y personal.
e. Psicometría
i. Desarrollada por los investigadores de las ciencias del comportamiento,
pero aplicable a diversas áreas del conocimiento.
ii. No requiere que el investigador pertenezca a la línea de investigación que
se está ejecutando; primero porque los instrumentos son
autoadministrables y luego porque incluso el evaluado se puede
 autocalificar (el instrumento cuenta con los procedimientos necesarios
para llegar a una conclusión).
iii. Utilizado para evaluar variables distintas a la línea de investigación.
iv. La evaluación es asincrónica, porque se puede realizar por distintos
medios de comunicación (no existe contacto entre la persona que
construyó el instrumento y la persona que está siendo evaluada).
20. LA OBSERVACIÓN CIENTÍFICA (la técnica de recolección de datos más usada)
a. Los elementos del proceso de observación son:
i. El sujeto u observador.
ii. El ente observado (sujeto u objeto).
iii. Los medios de observación.
iv. Las circunstancias de la observación
b. A partir estos elementos se obtiene su clasificación:
i. Según la relación entre el observador y el ente observado.
 Participante
a. El investigador se incluye en el grupo, hecho o fenómeno
observado con la finalidad de conseguir la información
“desde adentro”.
b. Puede ser natural si el observador pertenece al grupo y
artificial si la integración del observador es a propósito de
la investigación (es subjetiva).
 No participante
a. Es la observación del contexto del grupo social sin
intervenir en el hecho o fenómeno investigado.
b. El investigador no perturba la acción o situación u objeto
que se está investigando.
c. Aquí se encuentran todas las mediciones de las
magnitudes de las variables objetivas.
ii. Según los medios de observación.
 Sistemática (o estructurada)
a. Por ser selectiva, se realiza con la ayuda de elementos
técnicos tales como instrumentos de medición o
simplemente registros anecdóticos, listas de cotejo,
escalas de apreciación, etc.
b. Considera la relación entre los hechos y las teorías
científicas porque tenemos que seleccionar las
características que vamos a observar.
c. Por sus elementos permite la medición.
 Asistemática (o no estructurada)
a. No es segmentada ya que se realiza sin la ayuda de
elementos técnicos especiales por eso es simple o libre.
b. Está fundamentada en la sensación, y como los órganos no
son confiables para medir distancias, tamaños o
velocidades es subjetiva.
c. En ningún caso permite la medición, se trata de una
técnica de recolección de datos cualitativa.
iii. Según las circunstancias de la observación.
 De campo (no controlada)
a. Es el recurso principal de la observación descriptiva; se
realiza en los lugares donde ocurren los hechos o
fenómenos investigados.
b. La investigación social y la educativa recurren en gran
medida a esta modalidad.
c. No representan mediciones estables.
 De laboratorio (o controlada)
a. El ente observado no se encuentra en su ambiente
natural, requiere procedimientos para generar ambientes
controlados.
b. No son ámbitos naturales los museos, los zoológicos, la
sala de cirugía; brindan a las mediciones mayor
estabilidad.
21. LA ENTREVISTA DE INVESTIGACIÓN (una técnica de investigación cualitativa)
a. La entrevista no estructurada
i. Entrevista a profundidad
 En entrevistador estimula y conduce un discurso continuo cuyo
único marco es el de la investigación, las preguntas surgen a
medida que van emergiendo las respuestas.
 El contenido y la profundidad son adaptables y susceptibles de
aplicarse a toda clase de sujetos en situaciones diversas.
 Ejemplo: exploración de argumentos para la falta de adherencia
terapéutica.
 Es netamente cualitativa de carácter holístico, busca explorar y
descubrir características en el evaluado, no sigue reglas, es más
arte que técnica.
 El objeto de estudio son las percepciones personales de la
situación a nivel individual.
 No clasifica ni tiene interés en tabular datos, pero si orienta
posibles hipótesis.
 Ejemplo: La anamnesis que realiza un médico a su paciente en la
primera visita.
ii. Entrevista enfocada
 Se concentra sobre un punto o varios puntos, pero muy
específicos, el entrevistador conoce de antemano directa o
indirectamente esta situación que está buscando.
 Se conocer los elementos que conforman el concepto y se las
busca sistemáticamente, la libertad para formular preguntas está
limitada a una lista de conceptos previos que se construyeron en
una fase anterior.
 Ejemplo: Elaboración de preguntas para la falta de adherencia
terapéutica.
 Posee algún grado de estructuración, porque cuenta con una lista
de tópicos o de temas a abarcar a fin de no omitir aspectos
importantes, pero el investigador modifica la forma y el orden
según el sujeto y las circunstancias.
 Plantea definir el concepto en el sujeto: se permite formular
hipótesis.
 Ejemplo: La entrevista de un médico especialista a su paciente
enfocado en un diagnóstico y si al final logra concluir que tiene la
enfermedad que estaba pensando habrá completado el proceso
de la hipótesis (permite llegar a conclusiones).
b. Entrevista estructurada
 Se cuenta con una guía de entrevista y es rígidamente
estandarizada porque parte de un concepto.
 El objeto de estudio ya se encuentra caracterizado y consiste en
proporcionar un número fijo de preguntas predeterminadas en su
formulación y secuencia; resulta más fácil de administrar y analizar
por ser más objetiva.
 Ejemplo: Elaboración de un cuestionario con validez de contenido,
los conceptos ya están reunidos y estandarizados.
 El investigador solo puede formular preguntas que amplíen la
información proporcionada; se requiere poco entrenamiento del
entrevistador en el tema; es más técnica que arte.
 Permite uniformizar las respuestas, es semi cuantitativa, por lo
que permite hacer comparaciones. Pone a prueba hipótesis.
 Ejemplo: Un examen oral que in docente administra a sus alumnos
(tiene preguntas prediseñadas, abiertas o cerradas, de evaluación,
etc. y se requiere de la presencia del investigador).
22. INSTRUMENTOS DE MEDICIÓN (medir: determinar la magnitud de una dimensión)
a. Instrumentos documentales
i. Los estudios retrospectivos no requieren instrumentos.
ii. No confundir a los instrumentos con los materiales de verificación.
iii. Los instrumentos documentales son:
 El cuestionario (dicotómico)
a. Es un conjunto de preguntas que persiguen evaluar alguna
capacidad (por ejemplo, cognitiva); no tiene que ser
aplicado por el investigador, pero si calificado por él.
b. No confundir con: la guía de entrevista, una técnica de
recolección de datos o un tipo de estudio.
c. Ejemplo: un examen para evaluar el rendimiento
académico.
 La escala (ordinal)
a. Los evaluados indican su acuerdo o desacuerdo sobre una
serie de enunciados de la variable de estudio.
b. La calificación total que indica la dirección e intensidad de
la actitud del individuo hacia el constructo medido, su
valor final es una variable ordinal.
c. Ejemplo: la escala visual análoga (escala unidimensional) y
la escala de tipo Likert (escala multidimensional).
 El inventario (politómico)
a. Es un instrumento multidimensional, el sujeto responde
eligiendo su posición ante un conjunto de enunciados; por
ejemplo, al ítem “Me gustan las revistas de; a) mecánica,
b) decoración o c) computadoras”, donde ninguna
respuesta es calificada como correcta o incorrecta, se trata
de sólo de clasificar.
b. Ejemplo: Test de inteligencias múltiples: lingüística, lógico
matemática, musical, naturalista, etc.
23. VALIDACIÓN DE INSTRUMENTOS (diseño de la validación de instrumentos: creación,
validación y optimización)

Propiedades
métricas Rendi
mien
Cuantitativa to
Estabilidad

Constructo / Criterio

Confiabilidad

Cualitativa
Contenido

a. Validez de contenido
i. Aproximación a la población (validación de respuesta)
 Implica la ausencia de conceptualización de los que se desea
medir, por ello se aplica una entrevista a profundidad a la
población objetivo, a fin de explorar la dimensionalidad de la
variable que se desea descubrir, se procura terminar con una lista
de preguntas abiertas.
ii. Juicio de expertos (validación por jueces)
 Los expertos o jueces evalúan de manera independiente: la
relevancia, coherencia, suficiencia y claridad; con la que están
redactados los ítems o reactivos.
 El autor debe considerar la pertinencia a la hora de realizar una
elección interdisciplinaria a la hora de elegir los jueces.
iii. Revisión del conocimiento (validación racional)
 Es posible asegurar la mejor representatividad de los ítems,
respecto a la totalidad del campo objeto de la evaluación.
 Aquí los constructos están mejor definidos porque se dispone de
literatura; los conceptos a medir ya no son provisionales ni vagos y
no se requiere del juicio de expertos.
 Ejemplo: el concepto de Aritmética.
b. Confiabilidad (o consistencia interna)
i. Implica conocer qué proporción de la variabilidad (varianza) de los
resultados obtenidos en una medición se debe realmente a la variabilidad
(varianza) de la población y no a la variabilidad del instrumento, esto se
puede evaluar con distintos índices.
 ii. Tenemos el Alfa de Cronbach (para evaluar una escala) y el Kuder-
Richardson (KR-20, para evaluar un cuestionario).
c. Validez de constructo (análisis factorial)
i. Consiste en establecer grupos de ítems que se definirán como
dimensiones, aquí tenemos dos opciones: si partimos de la teoría o si
partimos de la probabilidad.
ii. Si partimos de la probabilidad para conformar los grupos se llama “análisis
factorial exploratorio” pues plantea descubrir en los datos la estructura
subyacente que éstos poseen.
iii. Pero si partimos de la teoría para conformar nuestros grupos, la
estadística tendrá que avalar esta conformación mediante el “análisis
factorial confirmatorio.
d. Validez de criterio (índice de Kappa)
i. La validez de criterio externo o validez empírica es el grado de correlación
o concordancia de los resultados con un referente Gold Standard (siempre
habrá un instrumento mejor que otro y aquel que realice las mediciones
más exactas se denomina Gold Estándar)
ii. Los instrumentos que estemos sometiendo a prueba deben coincidir con
los resultados que se encuentran con el Gold Standard.
iii. La validez concurrente fija el criterio en el presente y la validez predictiva
fija el criterio en el futuro.
e. Estabilidad (test-retest)
i. Es la capacidad de obtener resultados independientes de las circunstancias
accidentales de la medición.
ii. Siempre que las mediciones sean tomadas en condiciones similares los
resultados deben ser constantes y reproducibles en el tiempo. Para ello se
requiere hacer mediciones repetidas.
f. Rendimiento (curvas ROC)
i. Optimizar el instrumento significa reducir el error a la hora de emitir
juicios de valor para la toma de decisiones.
ii. La curva ROC se construye en base a distintos puntos de corte del
instrumento, el punto de corte que nos ofrezca los mayores valores de
sensibilidad y especificidad será el más óptimo.
24. CONSTRUCCIÓN DE UNA ESCALA TIPO LIKERT (construcción de una escala paso a paso)
a. Revisar la literatura
i. Consiste en la revisión del conocimiento disponible concerniente al
concepto a evaluar (hasta ese momento).
ii. Tenemos tres casos: el concepto está plenamente definido (existen
instrumentos), parcialmente definido (existen artículos) y no definido (no
existen publicaciones).
b. Explorar el concepto
i. Mediante una aproximación a la población se realiza una entrevista a
profundidad a fin de definir los límites del constructo.
ii. Es posible diferenciar dos niveles de exploración: a nivel de población y a
nivel de expertos no necesariamente investigadores o especialistas en
nuestra línea de investigación, pero si deben conocer el tema.
c. Enlistar los temas
i. Inicio: Enlistamos todas las respuestas, de la entrevista a profundidad, sin
ningún tipo de criterio ni orden, reuniremos 100 respuestas para una
escala de 20 ítems.
ii. Final: Agrupamos conceptos a fin de resumir el número de temas si
partimos de 100 respuestas reuniremos 50 conceptos únicos (pues suele
haber redundancia) que serán integrados en un nuevo listado.
d. Formular los ítems
i. Inicio: Con el listado anterior desarrollar un cuestionario de 50 preguntas
abiertas para realizar una entrevista enfocada (sobre todo si los temas los
hemos conseguido a través de expertos).
ii. Final: Se verifica la presencia de los temas seleccionados en la población
con ello construir un cuestionario de 50 preguntas cerradas.
e. Seleccionar los jueces
i. Inicio: Seleccionar especialistas y/o investigadores que compartan la línea
de investigación ellos evaluarán los ítems y las dimensiones en términos
de: pertinencia, suficiencia y claridad.
ii. Final: Gracias a la participación y el juicio de estos especialistas podemos
eliminar el 20% de los ítems para quedarnos con 40 de ellos.
f. Aplicar prueba piloto
i. Inicio: Formular 20 conceptos favorables y 20 desfavorables que serán
aplicados a un grupo de sujetos similar a aquél al que piensa aplicarse la
escala.
ii. Ellos responden, eligiendo en cada ítem la opción que describa su
percepción o posición personal.
g. Evaluar la consistencia
i. Considerando la dirección de los ítems se suman las puntuaciones de cada
sujeto, consignando la suma total como un índice de aprobación (más
puntaje más aprobación, menos puntaje menos aprobación).
ii. Luego para cada sujeto correlacionar cada ítem con el valor total de su
dimensión y del mismo modo correlacionar cada ítem con la suma total de
la escala.
h. Reducir los ítems
 i. Seleccionar los ítems con mayor variabilidad (en términos de desviación
estándar) a fin de obtener un buen índice discriminante, vamos a eliminar
el 25%, es decir, aquellos con menos precisión.
ii. Final: replantear los ítems y las dimensiones por la correlación observada
entre ellos.
i. Ajustar las dimensiones
i. Los 30 ítems así obtenidos se consolidan en dimensiones.
ii. Tenemos dos opciones: partir de la estadística (probabilidad) el análisis
factorial exploratorio y partir de la teoría (conocimiento disponible y/o
jueces) con el análisis factorial confirmatorio.
j. Identificar un criterio
i. Si existen instrumentos para medir el mismo constructo que deseamos
medir, hacer las correlaciones con los resultados de estos.
ii. Si tales instrumentos no existen podemos hacer las correlaciones con las
consecuencias naturales del concepto medido.
25. PRECISION Y EXACTITUD (validez del estudio)
a. Existen dos amenazas para la validez de un estudio: el error aleatorio y el erro
sistemático.
i. Error Aleatorio
 Se expresa en la diferencia entre una medición y la media de todas
las mediciones.
 Mientras más acortemos esta distancia nuestro resultado será más
preciso.
 La única forma de reducir el error aleatorio es incrementando el
tamaño de la muestra y con ello aumentamos la precisión.
 La estimación de parámetros (características de la población) a
partir de una muestra requiere identificar los límites donde se
encontraría el valor verdadero (a esto se le conoce como intervalo
de confianza), la distancia de los límites de confianza es más corto
si es que aumentamos el tamaño de la muestra, y es que esta
distancia es puntual, es decir es un valor único si es que
estudiamos a toda la población.
 La precisión es un atributo deseable tanto en la medición puntual
como en la estimación de parámetros a partir de muestras.
 El error aleatorio de la estimación desaparece si estudiamos a toda
la población.

ii. Error Sistemático
 Se expresa en la diferencia entre la media de todas las mediciones
y el verdadero valor, y es que no porque todas las mediciones
coincidan significa que hayamos encontrado el verdadero valor,
existe la distancia entre el valor real y la media de todas las
mediciones, esta distancia es evaluada por el error sistemático,
mientras más grande la distancia hay mayor error sistemático,
mientras menos distancia mayor exactitud.
 Para ello se requiere de antes haber contado con la precisión, no
podemos hablar de exactitud si antes no se logró precisión.
 La reducción del error sistemático se logra mediante el método
controlado de los sesgos: de selección y de medición.
 Solo es posible estimar los límites donde se encontraría el valor
verdadero a partir de una medición si se ha controlado el error
sistemático también denominado como sesgo.
 Se ha generalizado el término validez como la carencia de error
sistemático, aunque éste no se puede eliminar.
 Validez interna. Si las conclusiones obtenidas a partid de los
sujetos que conformaron la muestra se pueden trasladar hacia los
sujetos que pertenecen a la misma población; entonces el estudio
tiene validez de inferencia o validez interna.
 Para asegurar la validez interna el estudio se debe tener control
desde el punto de vista metodológico y también estadístico.
 En un primer momento el método trata de controlar el error
sistemático pero si no es posible identificar los elementos que
integran el sesgo o no es posible eliminar aquellas características
que están generando sesgo en nuestras mediciones entonces las
incluimos al análisis estadístico, para ello debemos recolectar
estas variables que interfieren en el estudio que estamos
ejecutando e incluirlas para realizar un análisis multivariado o de
acuerdo a la naturaleza de las variables a la que correspondan
nuestros datos.
26. SESGOS DE SELECCIÓN (aparecen en la selección y seguimiento)
a. Sesgo de admisión (de Berkson)
i. Se dan por una mala identificación del marco muestral (sobre todo cuando
no existe este marco muestral).
ii. En los estudios hospitalarios de factores de riesgo donde aplicamos el
diseño de casos y controles, la probabilidad de ser hospitalizados en el
grupo de casos, no es la misma que el grupo de control.
iii. Además, el factor de riesgo también tiene probabilidad de ser causa de la
hospitalización.
iv. Se puede subestimar la asociación entre la variable de interés y el factor
de riesgo.
v. Solución: representatividad (definición del marco muestral).
b. Sesgo de la autoselección (voluntario)
i. Se da por la ausencia de una técnica de muestreo.
ii. El grado de interés o motivación que pueda tener un individuo que
participa voluntariamente en una investigación puede diferir
sensiblemente en relación con otros sujetos.
iii. Del mismo modo, la negativa de algunos sujetos para ser incluidos en un
estudio puede estar dad por motivaciones sistemáticas experimentadas
por ellos.
iv. Solución: uso del muestreo probabilístico.
c. Sesgo de pertenencia (membresía)
i. Se da por falta de identificación de las variables intervinientes.
ii. Se produce cuando entre los sujetos evaluados se presentan subgrupos de
sujetos que comparten algún atributo en particular, relacionado positiva o
negativamente con la variable de estudio.
iii. Ejemplo: nivel de conocimientos sobre signos de alarma en las gestantes
debe excluir a las gestantes que son profesionales de la salud.
iv. Solución: eliminación de variables intervinientes.
d. Sesgo del procedimiento de aleatorización
i. Se da por ausencia de la aleatorización o un mal procedimiento de
aleatorización.
ii. Puede observarse en diseños de investigación experimentales (ensayos
clínicos controlados), en los cuales no se respeta el principio de
aleatoriedad en la asignación a los grupos de experimentación y de
estudio.
iii. En los pre-experimentos la administración del medicamento responde a
las necesidades terapéuticas del paciente y no a la del investigador.
iv. Solución: aleatorización – análisis estratificado.
e. Sesgo de prevalencia (de Neyman)
i. Aparece en el seguimiento del grupo en estudio por la pérdida prematura
de individuos en el estudio.
ii. La condición en estudio (variable) determina la pérdida prematura de las
unidades de estudio. La exclusión de los pacientes que fallecen determina
este tipo de sesgo.
iii. Por ejemplo, un grupo de personas se someten a una rutina de dieta y
ejercicios, aquellos que no les funcione abandonarán el estudio.
iv. Solución: realizar un análisis de supervivencia.
27. SESGOS DE MEDICIÓN (sesgos del observador, instrumento y el observado)
a. Elementos del proceso de observación:
i. El sujeto observador.
ii. El ente observado.
iii. Los medios de observación (instrumento).
b. Sesgo del observador
i. La capacidad de observación de un suceso es variable de un individuo a
otro; adicionalmente el observador tiene una percepción subjetiva y a
veces prejuiciosa, debido a su interés en querer demostrar su hipótesis.
ii. Si se trata de un estudio de casos y controles, el investigador es más
acucioso en el grupo de casos porque espera encontrar la característica
con mayor frecuencia que en el grupo comparativo, en cambio en el grupo
de los controles no tendrá el mismo detenimiento que tuvo en el grupo
primero, por ello las percepciones no serán las mismas.
iii. Es necesario contar con claras definiciones operacionales, estandarizar el
procedimiento de medición, verificar la concordancia entre los resultados
obtenidos por diferentes observadores y verificar el cumplimiento de
estos requisitos.
iv. Solución: observador distinto al investigador u observador capacitado,
único y simple ciego (observador que no reconoce a los grupos).
c. Sesgo de la capacidad diagnóstica del instrumento
i. La falta de capacidad de un instrumento para detectar lo que debe medir,
ocurre cuando se utilizan métodos diagnósticos distintos al Gold Standard;
es conocido que no existe coincidencia absoluta entre dos instrumentos de
medición.
ii. Por esta razón la capacidad de nuestro instrumento de medición que no es
el Gold Standard queda disminuida.
iii. Los instrumentos lógicos o documentales requieren de validación en
términos de contenido y propiedades métricas; los instrumentos
mecánicos carecen de este sesgo porque apuntan a medir magnitudes
físicas.
iv. Solución: Validar las propiedades métricas del instrumento a fin de
reconocer las limitaciones de las mediciones que vamos a realizar.
d. Sesgos del rendimiento del instrumento
i. Si no se ha evaluado el rendimiento diagnóstico del instrumento, es
posible que la sensibilidad de los instrumentos empleados en tales
mediciones carezca de la sensibilidad necesaria para poder detectar la
presencia de la variable en estudio.
ii. Por ejemplo, los instrumentos para evaluar el nivel socioeconómico de los
años ochenta ya no son aplicables en la segunda década del siglo XXI.
iii. Este sesgo aparece cuando existe mucho tiempo entre la creación y la
aplicación del instrumento, al igual que en las traducciones de los
instrumentos desde otro idioma.
iv. Los instrumentos lógicos requieren optimización a fin de contar con el
mejor punto de corte en el diagnóstico; y los instrumentos mecánicos
requieren calibración para evitar incrementar o reducir el valor real.
v. Solución: evaluar el rendimiento académico.
e. Sesgo de la unidad de información (o sesgo de memoria)
 i. Propio de los estudios retrospectivos, si se pregunta al paciente por el
antecedente de exposición existe la posibilidad de olvido; muchas
exposiciones pasan inadvertidas y pueden omitirse o minimizar los niveles
de exposición.
ii. Si se trata de un estudio de casos y controles de enfermos y sanos para el
grupo de los enfermos los pacientes tienden a identificar a todos los
eventos pasados como causas posibles de su enfermedad en cambio el
grupo de los sanos habrán pasado por inadvertido todas las experiencias
pasadas, esto se debe al sesgo de la unidad de información.
iii. En los estudios basados en la documentación los datos secundarios no
fueron recolectados por el investigador y por ello no se puede dar fe de la
exactitud de los mismos tanto si corresponden a variables objetivas como
subjetivas.
iv. Solución: utilizar una estrategia de recolección.
f. Sesgo de adaptación
i. En un estudio observacional el evaluado emite una respuesta interesada a
fin de obtener una ganancia secundaria, se soluciona enmascarando la
intencionalidad del instrumento, como por ejemplo una escala de mentira.
ii. Como cuando se toman los test para un trabajo o para la universidad, el
evaluado percibe la intención de las preguntas y puede sesgar las
respuestas a su favor.
iii. En un experimento los individuos pueden retirarse por no haberse
adaptado a un tipo de intervención por sobre otro. Se neutraliza mediante
la asignación aleatoria y por no advertir a los mismos sobre el tipo de
exposición.
iv. Solución: doble ciego.
28. CRITERIOS DE CAUSALIDAD (criterios de Bradford Hill – 1965)
a. Los estudios de causa y efecto se encuentran en el nivel investigativo explicativo y
sus conclusiones no pueden sustentarse únicamente en la relación estadística
encontrada, sino en los siguientes criterios de causalidad.
i. Asociación estadística
 El principio básico de la causalidad es averiguar si existe relación
entre el supuesto factor causal y el efecto estudiado.
 Basta con buscar evidencia de tal asociación incluso en estudios
observacionales (cohortes; caso – control) que indiquen el riesgo
significativo (RR; OR), entre una magnitud y la otra.
ii. Relación Dosis-Respuesta
 Se realiza luego de haber demostrado asociación.
 Denominada “gradiente biológico”, el riesgo de padecer la
enfermedad aumenta con la dosis o el nivel de exposición.
 Esta vez se estudia la intensidad de la relación; aunque no siempre
se puede dar esta relación porque puede verse modificada o
ausente por el efecto umbral o el efecto saturación.
iii. Secuencia temporal
 Es preciso evidenciar que el factor de riesgo estuvo presente antes
que el supuesto efecto, se trata de una relación cronológica.
 En los estudios retrospectivos, el sesgo de información puede
enmascarar la verdadera relación temporal que deseamos
conocer.
 Es preciso utilizar un estudio prospectivo.
iv. Razonamiento por analogía
 Utilizando teorías previas relacionadas a nuestra línea de
investigación, si un factor de riesgo produce un efecto en la salud…
 … otro factor con características similares debiera producir el
mismo resultado o por lo menos no entrar en contradicción.
 Esta es la base para el enunciado de la hipótesis racional.
v. Especificidad
 Todos los problemas o enfermedades son multifactoriales. Las
asociaciones específicas no existen “se plantean”; la búsqueda de
la evidencia causal es más práctica cuando se propone una sola
causa.
 En la lógica proposicional es más fácil aceptar una relación causa-
efecto cuando para un efecto sólo se plantea una sola etiología.
vi. Experimentación
 Es la prueba más sólida de causalidad pues reúne todos los
requisitos anteriores.
 Se trata de reproducir la causa para generar el efecto cuando esto
no es posible o ético…
 … se plantea eliminar la causa para abolir el efecto.
 El experimento demostrará muchos criterios de causalidad
enlistados.
vii. Constancia o consistencia
  Los resultados de un estudio deben mantenerse constantes y ser
reproducibles por cualquier investigador en cualquier lugar.
 El método con el que se llegó a una conclusión debe ser sometido
a prueba y debe ser factible de encontrar los mismos resultados a
partir de la intervención de cualquier investigador.
 Las estimaciones deben estar enmarcadas dentro de un intervalo
de confianza, coincidentes para todas las circunstancias. Es
inductivo.
viii. Plausibilidad biológica
 Se trata de explicar lógicamente el mecanismo de daño mediante
el cual el agente etiológico produce un efecto en la salud.
 Un mecanismo de acción que explique el desarrollo de la
enfermedad debe estar disponible al menos desde el punto de
vista teórico.
ix. Coherencia
 Es posible a partir de la teoría consignada poder deducir relaciones
de causalidad sin la ejecución de ningún estudio.
 La evolución de una enfermedad o lesión nos indicará la causa que
lo está produciendo a nivel de la atención individual de los
pacientes. Es deductivo.
 Se trata de hacer deducciones a partir de leyes generales para las
situaciones específicas y la atención de casos particulares.
29. DISCUSIÓN DE RESULTADOS (estrictamente relacionado a los datos)
a. Tenemos que diferenciar a los estudios de estimación (de parámetros de una
población) y los que tienen prueba de hipótesis; ambas condiciones no son ni
exhaustivas no excluyentes (existen estudio con ambas intencionalidades).
b. Para nuestro ejemplo vamos a plantear un estudio de casos y controles sobre
cuyos resultados tenemos que realizar una discusión.
c. La discusión está conformada por. La descripción, el análisis y la interpretación de
datos más los comentarios.
i. Descripción
 Describir la presencia del factor en el grupo de estudio en
términos de frecuencia y describir también la presencia del factor
en el grupo de control; esto es una simple lectura.
 Identificar las diferencias numéricas entre la frecuencia del factor
en el grupo de estudio y el grupo de control (se requiere de cierta
habilidad del investigador), este es un proceso visual y se puede
reemplazar por la minería de datos (se pueden integrar una serie
de variables).
ii. Análisis
 Plantear una hipótesis para la diferencia descrita entre el grupo de
estudio y el grupo de control, establecer un nivel de significancia
(5%), elegir un estadístico, calcular el p-valor y tomar una decisión
(elegimos la hipótesis con la que nos quedamos).
 Concluir el análisis estadístico usando la terminología adecuada
según el objetivo estadístico.
 Los resultados obtenidos de esta manera son la base de las
conclusiones del estudio.
iii. Interpretación
 Interpretar según el propósito del estudio o especificidad: el
diseño del estudio, el nivel de la investigación, el objetivo
estadístico, la prueba estadística, la técnica estadística y el
propósito mismo.
 La interpretación no es elegir una de las hipótesis, sino interpretar
según el propósito que aparece en el enunciado del estudio.
 Considerar la relevancia clínica y el contexto teórico de la línea de
investigación, por cuanto nunca es posible identificar y eliminar a
todas las variables intervinientes, existen elementos que
contaminan nuestros resultados, por ello no podemos basarnos
únicamente en la información obtenida a partir del análisis
estadístico.
iv. Comentarios
 Comparar con los antecedentes investigativos. Referido al criterio
de constancia o consistencia propuesto por Bradford Hill, con
otros estudios realizados bajo el mismo método o métodos
distintos (usar el mismo método u otros métodos para llegar a las
mismas conclusiones).
 Plantear nuevas hipótesis. Del siguiente nivel investigativo si la
hipótesis fue probada; y del mismo nivel investigativo so la
hipótesis no fue aprobada o se contradice con otros estudios.
 Comentarios personales. Esta parte la puede realizar única y
exclusivamente el investigador, “nadie conoce mejor a su
población que el propio investigador”.
 Es un componente netamente cualitativo y dependerá del
contexto cultural, político, científico, religioso, etc. en el cual se
desarrolla el trabajo de investigación.
30. CALIDAD DE LA INFORMACIÓN (en la sociedad de la información)
a. Criterios de calidad de la información
i. Objetividad
 La apreciación de la calidad es muy subjetiva y depende de la
audiencia; por ello se debe declarar cual es el público objetivo de
nuestra publicación, e informar sobre el patrocinio y su política
publicitaria.
 La información debe tener un objetivo claro e imparcial en cuanto
a sus contenidos, línea de la cual no debe salirse; como, por
ejemplo: informar, persuadir, opinar o entretener. La información
no objetiva es contaminante.
ii. Exactitud
 La información puede ser validada empíricamente porque está en
concordancia con lo que se observa o por lo menos no se
contradice con la experiencia cotidiana.
 La información debe estar basada en la evidencia científica, por lo
que se recomienda validar la exactitud de la información
comparándola con otras publicaciones de fuentes especializadas.
iii. Autoridad
 Exhibe la autoría de una persona o institución líder dentro de su
línea de investigación y demuestra credibilidad, responsabilidad,
periodicidad y consistencia en sus publicaciones.
 El autor del artículo conoce a su audiencia y le proporciona datos
de contacto a fin de considerar la opinión del usuario permitiendo
crear una comunidad participativa.
iv. Cobertura
 La amplitud y el nivel de profundidad o nivel de detalle de los
contenidos dependen de los propósitos declarados por el autor y
del colectivo de usuarios al que va dirigida la información (no es lo
mismo la información para profesionales que para pacientes).
 En función a su distribución geográfica la cobertura de la
información puede ser de ámbito mundial, nacional o local; por
ejemplo; el desarrollo de una epidemia o notas políticas.
v. Vigencia
 La información no actualizada puede perder vigencia sobre todo
en temas de negocios, mercadeo, política, medicina de vanguardia
y diversos temas científicos en desarrollo.
 No existe un límite para considerar oportuna la información; las
bases de la ciencia, los temas de historia y literatura mantienen
vigencia independientemente de la fecha de publicación.
vi. Relevancia
 Existe concordancia entre la finalidad de la información y el perfil
de usuario al que se dirige, en función de los objetivos y
propósitos declarados por el creador de los contenidos.
 Es una dimensión de valoración subjetiva por parte de los
usuarios, la información debe resultar pertinente por la audiencia
y satisfacer sus necesidades informativas.
vii. Estructura
  La información debe ser completa según sus propias
declaraciones, un esquema es completo cuando presenta todas las
características relevantes del dominio de aplicación.
viii. Debe contar con una estructura lógica de contenidos, jerárquica y
organizada de manera que el usuario pueda captar desde un primer
momento, los contenidos más importantes de la publicación.