¿ÚLTIMA ENTRADA?: REFLEXIÓN!!!

Buenas a todos, como bien pone en el título, la asignatura llega a su fin y con ello el blogg. Sinceramente, los primeros días que nos dijeron que subir los temas a un blogg creado por nosotros formaba parte de los criterios de la asignatura me pareció dificultoso y no lo veía necesario. A medida que los iba subiendo mi percepción ha cambiado un poco. 

ETIC'S es una asignatura muy didáctica, en la que además de la teoría, los problemas son fundamentales para entenderla. Es por eso, que el hecho de ir subiendo poco a poco los temas y algunos ejercicios te hace ir repasando conceptos y poner en orden tus conocimientos, aunque eso no quita que te lo tengas que preparar mejor para el examen. Como somos muchos compañeros cada uno sube una entrada a su manera, por lo que encontrarte el mismo tema explicado de muchas formas es otra ventaja. En definitiva, la idea de la creación de un blogg me ha parecido original y en la medida de lo que cabe, de gran utilidad. 

Como dicen muchos, no se si esto será un adiós o hasta pronto. Lo que sí se es que el curso está prácticamente acabado y el verano a la vuelta de la esquina, por lo que ahora nos espera el último empujón para llegar a ser en un futuro maravillosos enfermeros. Con esto me despido por hoy. Gracias por seguir mi blogg y......

Almu❤

SEMINARIO 5: ÚLTIMO SEMINARIO

¡¡Buenas a todos!! Hoy día 24 de mayo el grupo 1º de Seminarios ha expuesto el famoso trabajo de investigación. Nosotras somos cuatro, por lo que al quedar dos por exponer, salimos Belén y yo a defenderlo. En general, todos los trabajos estaban muy interesantes, los demás grupos han realizado una investigación sobre La personalidad y el Bullying y el otro sobre La adicción a las nuevas tecnologías en adolescentes de Camas, pero ya ellos contarán un poquito más sobre sus resultados. 

Nuestro trabajo investiga sobre Las creencias y actitudes de la población joven y adolescentes frente al consumo de Narguile (Cachimba) y cigarrillo electrónico. Sinceramente los resultados son alarmantes, pues existe una falsa creencia sobre el consumo de estas sustancias, ya que la población piensa que son menos dañinas que los cigarrillos convencionales y esto es totalmente falso. Si tenéis curiosidad, aquí os dejo el power point que nos sirvió de apoyo para exponer nuestro trabajo. Con esto me despido de los seminarios, hasta pronto!!! 👋❤

TEMA 12: CONCORDANCIA Y CORRELACIÓN Correlación paramétrica: Pearson. Correlación no paramétrica: Spearman.

Hoy en día el sentido de regresión es el sentido de predicción de una medida basándonos en el conocimiento de otra. Nuestro objetivo sera reconocer a partir del mismo, si hay relación entre las variables, de qué tipo, y si es posible predecir el valor de una de ellas en función de la otra.

RELACIÓN DIRECTA E INVERSA

MODELO DE ANÁLISIS DE REGRESIÓN

Regresión lineal simple: correlación y determinación

Se trata de estudiar la asociación lineal entre dos variables cuantitativas. En la regresión lineal simple se trata una sola variable independiente, en la regresión lineal múltiple más de una variable independiente. Nosotros estudiaremos la lineal simple. 

La ecuación de la recta es:  y = ax + b            (ej: TAS=a· edad +b) 

• Pendiente de la recta a = β1.
• Punto de intersección con el eje de coordenadas b=β0. 
• Media de la variabble independiente = x
• Media de la variable dependientes = y

La ecuación de la recta sería:  y = β1x + β0. 

• Β1 expresa la cantidad de cambio que se produce en la variable dependiente por unidad de cambio de la variable independiente. 
• Β0 expresa cuál es el valor de la variable dependiente cuando la independiente vale cero.
• Modelos lineales deterministas: la variable independiente determine el valor de la variable dependiente. Entonces para cada valor de la variable independiente sólo habría un valor de la dependiente 
• Modelos lineales probabilísticos: Para cada valor de la variable independiente existe una distribución de probabilidad de valores de la dependiente, con una probabilidad entre 0 y 1. 
• La recta a determinar es aquélla con la menor distancia de cada punto a ella.

1. Coeficiente de correlación (Pearson y Spearman)

 Número adimensional (entre -1 y 1) que mide la fuerza y el sentido de la relación lineal entre dos variables. Para calcularlo utilizamos el valor de β1 que lo sustituimos en:

 

r= β1 • sx /sy 

Es un coeficiente que mide el grado de la relación de dependencia que existe entre las variables (x,y), cuyos valores van desde –1, correspondiente a una correlación negativa perfecta, hasta 1, correspondiente a una correlación positiva perfecta. Se utiliza para Variables cuantitativas Normales. La magnitud del Coeficiente de Correlación (r) indica cuan cerca están los puntos de la recta, tomando valores entre 1 y -1

2. Coeficiente de determinación

Número adimensional (entre 0 y 1) que dá idea de la relación entre las variables relacionadas linealmente. Por lo que se calcula elevando al cuadrado el coficiente de correlación de Pearson:

R^2

3. Coeficiente de Correlación por Rango de o rho de Spearman

 Es una medida de asociación que requiere que ambas variables en estudio sean medidas por lo menos en una escala ordinal. Para Variables ordinales (requieren transformación) y cuantitativas no normales. Procedimiento:

• Se ordenan los valores de una de las variables y lo acompañamos de su correspondiente valor ordenado en la otra variable 
• Para cada par de observaciones (rangos) calculamos su diferencia di= rango de ui – rango de vi
• Se eleva al cuadrado cada di y se suman todos los valores encontrados 
•  Se calcula para determinar la discrepancia entre los rangos la siguiente fórmula:

Por último:

Y con esto terminamos el tema 12 de esta asignatura. Probablemente  este es el último que subo por lo que espero que todos los anteriores hayan sido de ayuda para aquel que quiera aprender un poco más sobre ETIC'S. 

TEMA 11: PRUEBAS NO PARAMÉTRICAS MÁS UTILIZADAS EN ENFERMERÍA: La prueba de Chi Cuadrado. Corrección de Yates. Prueba exacta de Fisher. Prueba de McNemar

Pruebas no paramétricas: Análisis bivariado de variables cualitativas: Test de hipótesis Chi-cuadrado.
Para comparar dos variables cualitativas (dependiente e independiente) seguimos un razonamiento: suponemos la hipótesis cierta y estudiamos cómo es de probable que siendo iguales los dos grupos a comparar se obtengan resultados como los obtenidos o haber encontrado diferencias más grandes por grupos. 

Las tablas de contingencia-Frecuencias absolutas: se emplean para registrar y analizar la asociación entre dos o más variables, de naturaleza cualitativa (nominales u ordinales), por ejemplo:  ¿Existen diferencias en el consumo de tabaco en función del sexo?,  esto lo vemos mejor comparando los porcentajes. 

 Establecemos una Hipótesis: 

– Ho=No existe asociación entre el sexo y el consumo de tabaco

– H1=Existe asociación entre el sexo y el consumo de tabaco

Una vez que sabemos esto, explicaremos la prueba de CHI CUADRADO

La prueba o estadístico Chi cuadrado se utiliza para comprobar si la diferencia en los datos que observamos es debida al azar (la Ho establece que no hay diferencia, que hay igualdad. Aceptamos la Ho) o es debida a algo más, por ejemplo una asociación entre las variables que estudiamos (rechazamos la H0 y ceptamos la H1). 

Para aplicar CHI CUADRADO las observaciones deben ser independientes y las variables cualitativas, más de 50 casos, las frecuencias teóricas o esperadas no deben de ser inferiores a 5. Si estos requisitos no se cumplen podemos utilizar otras pruebas paramétricas como el estadístico de Fisher o corrección de continuidad de Yates: Actualmente discutido por bastantes autores y se puede no tener en cuenta. Conviene mencionarla porque responde a una práctica muy generalizada y figura en muchos textos.

EJERCICIO!! Una vez que sabemos esto, vamos a realizar un ejercicio a medida que explicamos la teoría:

 En un centro de salud se realiza un estudio de la población escolar para ver si un programa de hábitos alimenticios logra que los escolares de preescolar tomen un desayuno saludable. Se someten 258 escolares para medir en los meses siguientes mediante un cuestionario si toman o no un desayuno equilibrado. A otro grupo de 268 escolares que no participaron también se le midió el seguimiento. En el primer grupo se halló 156 escolares que seguían el programa y en el segundo grupo se encontraron que 87 escolares lo seguían. ¿A qué conclusión podemos llegar?

1º Describir la Hipótesis nula y las variables:

H0: No hay relación entre el programa y los desayunos

VI: Programa de hábitos saludables

VD: Desayunos saludables

3º Frecuencia observados: aquí se se recogen los datos.

4º Grados de libertad: Número de valores o datos que pueden variar libremente dado un determinado resultado.

 Grados de libertad = (filas -1)*(columnas -1) (número de filas menos una) por (número de columnas menos una). En nuestro caso: 

GL= (2-1)*(2-1)= 1.

5º Frecuencia de datos esperados: aquellas que deberían haberse observado si la Ho fuese cierta, y si ambas variables fueran independientes. Los datos esperados  se calculan a través del producto de los valores totales marginales dividido por el número total de casos (n). Para el caso más sencillo de una tabla 2x2, como es nuestro caso. Se calcula mediante esta fórmula:

Si lo hacemos en nuestra tabla:

6º Calculamos CHI CUADRADO: para ello tenemos en cuenta esta fórmula:

Cuanto mayor sea la diferencia (y, por tanto, el valor del estadístico), mayor es la asociación/dependencia entre ambas variables. Por otra parte, como las diferencias entre las frecuencias observadas y esperadas están elevadas al cuadrado, esto hace que el valor de 𝑋 2 siempre sea positivo.

7º Decisión: ¿Existen asociación entre el programa y el consumo de tun desayuno equilibrado? 

• A un nivel de significación de 0,05 Chi cuadrado en la tabla (teórica): 3,8415(el modelo teórico). Chi cuadrado en los datos (observada): 50,45 obtenido mediante la fórmula. Como el resultado de nuestro Chi cuadrado es mayor, rechazo la hipótesis nula (H0), o lo que es lo mismo, ACEPTO HIPÓTESIS ALTERNATIVA (hay relación entre el programa y el consumo de desayuno saludable). 
• También de otra forma; p= 0,05 è  P> x² è RECHAZO H₀

Si nos hubiese salido al revés, ya hubiésemos terminado, pero al aceptar una H1, todavía podemos ver con cual H1 me quedo y para ello hablaremos de.....:

Odds ratio: permite cuantificar la importancia/fuerza de la asociación entre dos variables • Puede acompañar al resultado de la prueba chi-cuadrado (en variables dicotómicas). ¿Recordamos la odds? Frecuencia expuestos/frecuencia no expuestos (casos y controles), la Odds ratio sería el cociente entre la odds del grupo de individuos de la categoría 1 de la variable supuestamente dependiente (variable 2) (a/c), frente a la odds del otro grupo formado por los individuos de la categoría 2 de esa misma variable (b/d).

8º cálculo de OR y RR: .

OR=1 indica que no hay asociación (independencia) 

OR>1 la presencia del factor de exposición (V1.1) se asocia a mayor ocurrencia del evento (V2.1) 

OR<1 la presencia del factor de exposición 

(V1.1) se asocia a menor ocurrencia del evento (V2.1)

como OR> 1; El grupo 1 que sigue el programa, se asocia a el seguimiento de desayunos saludables. Como en el grupo 2 OR<1; los que no siguen el programa, tienen menor seguimiento de desayunos saludables

También podemos realiazar el riesgo relativo para saber cuánto más veces tiende a desarollar el evento en el grupo de sujetos expuestos al factor de exposición o factor de riesgo en relación con el grupo no expuesto. Realizamos los porcentajes:

AP= 156/ 258= 0`6= 60%         (Incidencia acumulada)

BP= 87/288= 0'3= 30%

  Hay dos veces más de desayunos saludables en los niños que realizan el programa. 

Hasta aquí CHI CUADRADO, espero a ver sido de ayuda a todo aquel que no sepa como hacer este tipo de ejercicios y por supuesto que se haya entendido. Hasta la próxima!!!

Almu❤

Seminario 4: Repaso de los temas!!

En este seminario hemos hecho  una especie de repaso de la asignatura donde hemos tratado la estadística descriptiva e inferencial resaltado los conceptos más importantes a la hora de estudiar ETIC'S. Como ya he mencionado, era una especie de repaso, así que todo esto lo podéis encontrar mejor explicado en los temas anteriores. Este seminario ha sido muy útil ya que hemos podido aclarar dudas y adelantar un poco de teoría de los temas más complejos que aún están por venir. Dicho esto, cuelgo un par de fotos que seguro que os será de gran ayuda:

Para ternianr vimos:

• CHI CUADRADO
• T-STUDENT
• ANOVA
• REGRESIONES LINEALES

 Poco a poco iré subiendo ejercicios de cada uno de ellos, conforme vayamos viendo los temas que lo explican. Esto fue todo lo que dimos en el seminario, hasta el último!!!! 

TEMA 10: ESTIMACIÓN Y/O SIGNIFICACIÓN ESTADÍSTICA

La significación estadística es una de las dos formas que tenemos de hacer inferencia, la otra es la estimación puntual y/o por intervalos. Permite contrastar hipótesis y relacionarlo con el método científico. Se parte de la hipótesis nula, frente a la hipótesis alternativa. Permiten calcular un parámetro muy importante que es el parámetro de significación. Nos permite tomar decisiones, cuantificando el error.

Hipótesis estadística 

Consiste en una creencia sobre los parámetros de una o más poblaciones, siempre son proposiciones sobre la POBLACIÓN, NO sobre la MUESTRA, aunque lo vamos a comprobar en una muestra empíricamente. Por lo que al hacer la inferencia tengo riesgo de error. Son conjetura que se hacen antes de empezar el muestreo y pretenden comprobar si la diferencia encontrada en la muestra del estudio se puede generalizar a la población. Para ello se construye un modelo teórico en el que se formula una hipótesis. Con los contrastes (tests) de hipótesis la estrategia es la siguiente:

• HIPÓTESIS NULA (H0): contempla la no existencia de diferencias entre los parámetros que se comprara (las dos proporciones iguales).

• HIPÓTESIS ALTERNATIVA (H1):contemplan la existencia de diferencias entre los parámetros que se compraran. (las dos proporciones diferentes)

Contrastes de hipótesis

Para contrastar la hipótesis debemos:

1. establecer a priori una hipótesis a cerca del valor del parámetro
2. Realizar la recogida de datos
3. Analizar la coherencia de entre la hipótesis previa y los datos obtenidos

Con herramientas estadísticas para responder a preguntas de investigación  permite cuantificar la compatibilidad entre una hipótesis previamente establecida y los resultados obtenidos,  siempre va contrastar la hipótesis nula. Se utiliza la prueba correspondiente y se mide la prueba de error al rechazar la hipótesis nula, asociada al valor de p. Según el nivel de significación que hayamos preestablecido (habitualmente un 95%) las solucione pueden ser:

• p> 0,05: en este caso no podemos rechazar la hipótesis nula (no podemos decir que sea cierta, sino que no podemos rechazarla)  
• p<0,05: en este caso rechazamos la hipótesis nula, por lo que debemos aceptar la hipótesis alternativa

El error α es un número muy pequeño que se determina cuando se diseña el estudio. Conociendo α, se conoce la región del rechazo; error que se comete al rechazar la hipótesis nula. P se conoce después de realizar el estudio. Conociendo p, se sabe el resultado del estudio. Valor estadístico de la muestra, si p es menor que alfa rechazo la H_0. 

Método DE CONTRASTE de hipótesis

• Paso 1: Expresar el interrogante de la investigación como una hipótesis estadística. H0: “no hay diferencia". H1: “hay diferencia"

• Paso 2: Decidir sobre la prueba estadística adecuada  dependiendo de las características de la población y de las variables que entra en la hipótesis. Los paramétricos se utilizan si las variables cualitativa. Sigue la normal (Fisher que compara dos cualitativas para un inferior a 50). Si no paramétrico; cuantitativa que no sigue una normal.

• Paso 3: Seleccionar grado de significación para la prueba estadística. Grado de significación = alfa= probabilidad de rechazar de manera incorrecta H0 cuando sea cierta (normalmente 0.05, 0.01, 0.001).

• Paso 4: Realizar cálculos y exponer conclusiones.

Hasta aquí el tema 10. Espero que sea haya entendido y sirva de ayuda. 

¡¡Hasta la próxima!!

Almu❤

TEMA 9: INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA. INTERVALOS DE CONFIANZA Y CONTRASTE DE HIPÓTESIS Estimación de parámetros. Hipótesis estadísticas. Contraste de hipótesis. Error tipo I y error tipo II. Contrastes por intervalos de confianza

INFERENCIA ESTADÍSTICA

La inferencia estadística es el conjunto de procedimientos estadísticos que permiten pasar de lo particular, la muestra, a lo general, la población. Hay dos formas de inferencia, la estimación y el contraste de hipótesis. 

1. Las estimaciones

Proceso de utilizar información de una muestra para extraer conclusiones acerca de toda la población. se utiliza la información recogida para estimar un valor. Puede realizarse dos  estimaciones: 

v  La estimación puntual: consiste en considerar al valor del estadístico muestral como una estimación del parámetro poblacional. Por ejemplo, si la TAS media de una muestra es 125 mmHg una estimación puntual es considerar este valor como una aproximación a la TAS media poblacional.

v  Estimación por intervalos: consiste en calcular dos valores entre los cuales se encuentra el parámetro poblacional que queremos estimar con una probabilidad determinada, habitualmente del 95%. Por ejemplo, a partir de los datos de una muestra hemos calculado que hay un 95% de probabilidad de la TAS media de una población esté comprendida entre 120 y 130 mmHg (120 y 130 son los límites del intervalo de confianza)

Se puede crear intervalo de confianza para cualquier parámetro de la población.

Se utiliza como indicadores de la variabilidad de las estimaciones.

Cuanto más “estrecho” sea, mejor. 

Error estándar: este mide el grado de variabilidad en los valores del estimador en las distintas muestras de un determinado tamaño que pudiésemos tomar de una población.Cuanto más pequeño es el error estándar de un estimador, más nos podemos fiar del valor de una muestra concreta. Para calcularlo depende de cada estimador: 

– Error estándar para una media: 

– Error estándar para una proporción: 

Intervalos de confianza

Son un medio de conocer el parámetro en una población midiendo el error que tiene que ver con el azar (error aleatorio). Se trata de un par de números tales que, con un nivel de confianza determinados, podamos asegurar que el valor del parámetro es mayor o menor que ambos números. Se calcula considerando que el estimador muestral sigue una distribución normal, como establece la teoría central del límite. Cálculo:

•  I.C. de un parámetro= estimador ± z(e.estándar)
•  Z es un valor que depende del nivel de confianza 1-alfa con que se quiera dar el intervalo
•  Para nivel de confianza 95%   z=1,96 – Para nivel de confianza 99%   z=2,58
•  El signo ± significa que cuando se elija el signo negativo se conseguirá el extremo inferior del intervalo y cuando se elija el positivo se tendrá el extremo superior.

Mientras mayor sea la confianza que queramos otorgar al intervalo, éste será más amplio, es decir el extremo inferior y el superior del intervalo estarás más distanciados y, por tanto, el intervalo será menos preciso.  Se puede calcular intervalos de confianzas para cualquier parámetro: medias aritméticas, proporciones, riesgos relativos, odds ratio, etc.

2. Contrastes de hipótesis

Para controlar los errores aleatorios, además del cálculo de intervalos de confianza, contamos con una segunda herramienta en el proceso de inferencia estadística: los tests o contrastes de hipótesis. Con los intervalos nos hacemos una idea de un parámetro de una población dando un par de números entre los que confiamos que esté el valor desconocido. Con los contrastes (tests) de hipótesis la estrategia es la siguiente:

• Establecemos a priori una hipótesis acerca del valor del parámetro
• Realizamos la recogida de datos
• Analizamos la coherencia de entre la hipótesis previa y los datos obtenidos

Son herramientas estadísticas para responder a preguntas de investigación: permite cuantificar la compatibilidad entre una hipótesis previamente establecida y los resultados obtenidos. Sean cuales sean los deseos de los investigadores, el test de hipótesis siempre va a contrastar la hipótesis nula (la que establece igualdad entre los grupos a comparar, o lo que es lo mismo, la no que no establece relación entre las variables de estudio).

• Con una misma muestra podemos aceptar o rechazar la hipótesis nula, todo depende de un error, al que llamamos α
• El error α es la probabilidad de equivocarnos al rechazar la hipótesis nula
• El error α más pequeño al que podemos rechazar H0 es el error p
• Habitualmente rechazamos H0 para un nivel α máximo del 5% (p<0,05)
• Es lo que llamamos “significación estadística”