Reflexión final

Aunque parezca mentira, estamos casi a punto de acabar el primer año de esta maravillosa carrera, es increíble como vuela el tiempo. 

Para acabar con el blog os cuento lo aprendido y lo que me llevo de la asignatura. Tras estos meses de clase me he dado cuenta lo importante que es la estadística a la hora de investigar, cosa que es esencial para nuestra profesión, para que pueda seguir creciendo y enriqueciéndose. La verdad que yo no me llevo muy bien con los números, y los problemas algunos me están resultando más complicados que otros, pero no tanto como me esperaba. Los temas de teoría pura son algo aburridos, pero esenciales para poder entender todo lo demás. Por otra parte, el trabajo de investigación, a pesar de que ha sido complicado y, tanto mis compañeras como yo le hemos tenido que dedicar muchas horas, creo que es lo más interesante que hemos hecho en la asignatura y útil a la vez, porque pienso que nos va a ayudar muchísimo para enfrentarnos a otros trabajos de la carrera y al futuro TFG. Además, hemos aprendido a usar Epi Info, y a profundizar mucho más en la búsquedas de datos bibliográficas.  

 "Antes de rendirte, recuerda la razón por la cual empezaste"

Y recordad siempre que enfermería es algo más ♡

Seminario 5 (22 de Mayo)

Hola a todos, estoy de nuevo por aquí porque ayer tuvimos el último seminario de la asignatura. En este, expusimos los distintos trabajos de investigación que hemos ido realizando de forma grupal. Había tres grupos de investigación, y los estudios que se han realizado han sido los siguientes: 

1. Estudio sobre la relación entre estrés y la ansiedad de los estudiantes
2. Estudio sobre las distintas lesiones en el cuerpo de bomberos según el cargo desempeñado 
3. Estudio sobre el conocimiento de la vacuna del Virus del Papiloma Humano (VPH) en jóvenes

Este último es el que hemos realizado mis compañeras, Carmen Ruiz, Carmen Pérez, Esther Pinto, María Velázquez y yo. A las conclusiones que hemos llegado tras realizar nuestro estudio es que, las chicas en general tienen más conocimiento sobre el virus y la vacuna, nos ha sorprendido que los chicos tienen mas conocimiento sobre la afectación a ambos sexos del virus, pero que hay muchas lagunas en muchos aspectos y por tanto, vemos un papel clave de los sanitarios para educar sobre este tema, además vemos que al igual que la vacuna es obligatoria para las chicas, debería ser igual para los chicos, ya que es un virus que afecta y causa patología en este también, y no se le debería quitar importancia. 

Tema 10 "Hipótesis estadísticas. Test de hipótesis"

¡Hola a todos! Hoy os traigo por fin el último tema del temario de la asignatura. ¡¡¡Allá vamos!!! 

"La enfermería es un arte, y si se pretende que sea un arte, requiere de una devoción tan exclusiva, una preparación tan dura, como el trabajo de un pintor o un escultor" Florence Nightingale

Test o contraste de hipótesis: sirven para controlar los errores aleatorios, son una herramienta en el proceso de inferencia estadística, además del cálculo de intervalo de confianza. La estrategia es la siguiente:

⇝ Establecemos a priori una hipótesis cerca del valor del parámetro

⇝ Realizamos la recogida de datos

⇝ Analizamos la coherencia de la hipótesis previa y los datos obtenidos

Y el test de hipótesis siempre va a contrastar la hipótesis nula, la que establece igualdad entre los grupos a comparar o la que no establece relación entre las variables de estudio.

Tipos de análisis estadísticos según el tipo de variables implicadas en el estudio

Errores de hipótesis 

• El test de hipótesis ,mide la probabilidad de error que cometo si rechazo la hipótesis nula, todo depende de un error llamado ∝
• El error ∝ es la probabilidad de equivocarnos al rechazar la hipótesis nula 
• El error ∝ más pequeño al que podemos rechazar H₀ es el error p
• Habitualmente rechazamos H₀ para un nivel ∝ máximo del 5% (p<0,05)
• Por encima del 5% de error aceptamos la hipótesis nula, a esto lo llamamos significación estadística 

Test de hipótesis "Chi-Cuadrado"

La utilizamos para comparar variables cualitativas, tanto dependiente como independiente. A continuación un ejemplo:

TIPO DE TTO	POSITIVA	NEGATIVA	TOTAL
Silvederma	11	15	26
Blastoestimulina	16	10	26
Total	27	25	52

H₀= Silvederma y Blastoestimulina son igual de eficaces

H₁= Silvederma es más eficaz que Blastoestimulina

H₂= Blastoestimulina es más eficaz que Silvederma

Variable independiente: Tratamiento (Blastoestimulina y Silvederma)

Variable dependiente: Eficacia (Positiva o Negativa)

Son variables cualitativas dicotómicas

A simple vista la Blastoestimulina parece más eficaz, pero no sabemos si ha sido cosa del azar. Tenemos que calcular los valores esperados:

	+	-
S	(27x26/52) =13.5	(25x26/52)= 12.5	26
B	(27x26/52)= 13.5	(25x26/52)= 12.5	26
	27	25	52

•  Grupo Silvederma: 42.3% de respuestas
•  Grupo Blastoestimulina: 61.5% de respuestas positivas
• Riesgo relativo: 1,46

Calculamos la chi cuadrado:   

X²= (11-13,5)²/13,5 + (15-12,5)²/12,5 + (16-13,5)²/13,5 + (110-12,5)²/12,5 = 1,92

El valor de chi cuadrado corresponde a un valor de p, primero hay que comprobar los grados de libertad que tiene el estudio:

Grado de libertad (Gl) = (Nº de filas-1) x (Nº de columnas-1); Gl= 1

Consultamos la tabla, como el grado de libertad es igual a 1, la p va a estar entre 0,3 y 0,1. Aceptamos la hipótesis nula.
Diseño de experimentos:

• Estadística descriptiva: tipos de variables, tablas y gráficas, medidas de posición central y de dispersión
• Inferencia estadística: estimación (puntual y por intervalos) y contraste de hipótesis (métodos paramétricos y no paramétricos) 

Test "T de student" 

Una de las variables que se quiere comparar deber ser cuantitativa, y debe distribuirse normalmente. Las varianzas deben ser iguales y las muestras deben ver grandes (N>30). Para ver si la variable se distribuye normalmente, existen dos tests:

• Test de Kolmogorov-Smirnov: si el tamaño muestral es superior a 50
• Test de Shapiro-Wilks: si el tamaño muestral es inferior a 50

Si p>0,05 = normal (se usa paramétrico)

     Si p<0,05 = no normal (se usa no paramétrico)

Test de ANOVA

Es un test paramétrico, una de variables es cuantitativa, numérica y sigue una distribución normal. También llamado análisis de la varianza. La usamos cuando tenemos dos o más variables. Hay diferentes maneras para comparar la diferencia entre los distintos grupos, con histogramas, gráficos de cajas. Pero, esto no es significativo así que hacemos el test de hipótesis. P<0,05 (se rechaza la hipótesis nula) P>0,05 (aceptamos la hipótesis nula)

Relación entre variables y regresión

El término de regresión fue introducido por Galton en su libro “Natural inheritance” (1889) refiriéndose a “las de la regresión universal”.Su trabajo se centraba en la descripción de los rasgos físicos de los descendientes (una variable) a partir de los de sus padres (otra variable). Hoy en día el sentido de la regresión es de predicción de una medida basándonos en el conocimiento de otra.

Relación directa e indirecta

• Para los valores de X por encima de la media tenemos valores de Y por encima y por debajo en proporciones similares (Incorrelación)
• Para los valores de X mayores que la media le corresponden valores de Y mayores también.
• Para los valores de X menores de la media le corresponden valores de Y menores también. Esto se llama relación directa (fuerte relación directa)
• Para los valores de X mayores que la media le corresponden valore de Y menores. Esto es relación inversa o decreciente (cierta relación inversa)

Modelos de análisis de regresión

⇑ 1 variable explicativa (simple): lineal o no lineal
⇑ 2 variables explicativas (múltiple): lineal o no lineal

Regresión lineal simple: correlación y determinación

Se trata de estudiar la asociación lineal entre dos variables cuantitativas.Ejemplo: influencia de la edad en las cifras de tensión arterial sistólica.

Regresión lineal simple: una sola variable independiente

Regresión lineal múltiple: más de una variable independiente

Partimos de la ecuación de la recta y=ax + b (Ejemplo: TAS = a x edad + b)

Pendiente de la recta a=β1

Punto de inserción con el eje de coordenadas  b=βo 

β1 expresa la cantidad de cambios que se produce en la variable dependiente por unidad de cambio de la variable independiente

Βo expresa cual el valor de la variable dependiente cuando la independiente vale 0

• Modelos lineales deterministas: la variable independiente determine el valor de la variable 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 aquella con la menor distancia de cada punto a ella

Y= ß₁ X + ß₀

Y_i= ß₁ X + ß₀ + e_i        

Y sería la media de la variable dependiente en un grupo con el mismo valor de la variable independiente Y_i= y + e_i. Y siempre es la variable independiente

Para construir un modelo de regresión lineal hace falta conocer: Punto de inserción con el eje de coordenadas = ß₀ y la pendiente de la recta a = ß₁

No hay modelo determinista: hay una nube de puntos y buscamos la recta que mejor explica el comportamiento de la variable dependiente en función de la variable independiente.

Enfermeros en el Siglo XXI

"Las nuevas generaciones reciben el relevo en una profesión que pide dejar de ser invisible en el Siglo XXI, quizás en los cargos, en los despachos, pero seguro que no en la otra memoria, la que borra los nombres y deja sensaciones"

Día internacional de la Enfermería ❤

Hoy día 12 de Mayo se celebra en todo el mundo el día de la bonita profesión de enfermería, esta fecha fue impulsada por el Consejo Internacional de Enfermería (International Council of Nurses), coincidiendo con el día que nació Florence Nightingale, considerada como la madre de la "Enfermería moderna"

"Lo importante no es lo que nos hace el destino, si no lo que nosotros hacemos de él" ❤

El Consejo Internacional conmemora cada año este día con la producción y la distribución de la carpeta del Día Internacional de Enfermería (DIE), esta contiene material educativo para que puedan usar las enfermeras de todo el mundo, cada año escogen un tema para transmitir un mensaje. A continuación os dejo el enlace de la página web donde podéis ver y consultar las carpetas desde el año 2002:

                                 http://www.icn.ch/es/publications/international-nurses-day/

Este año la campaña se titula "Enfermería una voz para liderar - Alcanzando los Objetivos de Desarrollo Sostenible" y estos son los carteles que se han elaborado para la misma:

Por último os dejo un vídeo precioso que ha hecho Nestlé para homenajear a las enfermeras en este día. 

¡Os deseo un feliz viernes a todos!

"Los enfermeros andaluces, una formación de élite que aprovechan en Europa"

Hola a todos, os adjunto el enlace de una noticia que he leído hoy en el diario ABC y que me ha parecido de interés.

http://sevilla.abc.es/andalucia/sevi-enfermeros-andaluces-formacion-elite-aprovechan-europa-201705060826_noticia.html

Seminario 4 (26 de Abril)

Muy buenas tardes a todos, hoy vengo a hablaros de lo que hicimos la pasada semana en el penúltimo seminario de la asignatura, repasamos brevemente conceptos claves e importantes del temario.  

Los conceptos que repasamos fueron los siguientes:

• Medidas descriptivas (posición, centralización, dispersión, forma)
• Medidas de posición (percentiles)
• Medidas de centralización (media, mediana, moda)
• Medidas de dispersión (varianza, desviación típica, recorrido)
• Medidas de forma (asímetria, curtosis)
• Tipos de errores (tipo I y tipo II) 
• Tipos de variables (cualitativas y cuantitativas) 
• Chi-Cuadrado  

Además, vimos en Epi-Info todo lo que nos es necesario para el trabajo de investigación a la hora de llevar a cabo el apartado de los resultados.

Hasta pronto a todos. ¡Que tengáis una semana estupenda!

Tema 9 "Estadística inferencial: muestreo y estimación"

Hola de nuevo a todos, hoy os traigo el penúltimo tema de la asignatura.   

Inferencia estadística

• Población de estudio: conjunto de pacientes sobre los que queremos estudiar alguna cuestión
• Muestra: conjunto de individuos concretos que participan en el estudio
• Tamaño muestral: número de individuos de la muestra

Y la inferencia estadística es el conjunto de procedimientos que permite pasar de lo particular (muestra) a lo general (población).

• Técnicas de muestreo: procedimientos que permiten elegir muestras de tal forma que éstas reflejen las características de la población

Cuando trabajamos con muestras, siempre hay que asumir un cierto error, si la muestra se elige al azar, se puede evaluar ese error y la técnica de muestreo se denomina muestreo probabilístico o aleatorio, y el error asociado a esa muestra elegida al azar se llama error aleatorio.

Error estándar

Medida que trata de captar la variabilidad de los valores del estimador, el error estándar de cualquier estimador mide el grado de variabilidad en los valores del estimador en las distintas muestras de un determinado tamaño que pudiésemos tomar de una población. Para calcular el error estándar:

Este dependerá de cada estimador, y mientras mayor sea el tamaño de una muestra, menor será  el error estándar:

 Error estándar para una media

Error estándar para una proporción

Teorema central del límite

Para estimadores que pueden ser expresados como suma de valores muestrales, la distribución de sus valores sigue una distribución normal con media de la de la población y desviación típica igual al error estándar del estimador de que se trate. 

Intervalos de confianza

Forma de conocer el parámetro en una población midiendo el error que tiene que ver con el azar, se calcula considerando que el estimador muestral sigue una distribución normal, como establece la teoría central del límite.  

Cálculo:

⤱ Para nivel de confianza 95%, z=1,96

⤱ Para nivel de confianza 99%, z=2,58

Mientras mayor sea la confianza que queremos otorgar al intervalo, éste será más amplio y el intervalo menos preciso. Podemos calcular intervalos de confianza para cualquier parámetro.

Tipos de muestreo

• Muestreo probabilístico (aleatorio): elementos que tienen la misma probabilidad de ver elegidos. Método que consiste en extraer una parte de una población, de manera que todas las muestras posibles de tamaño fijo tengan la misma probabilidad de ser seleccionadas. Hay diferentes tipos dentro de este grupo:

1. aleatorio simple: cada unidad tiene la probabilidad equitativa de ser incluida en la muestra. Tenemos de sorteo o rifa (no puede usarse cuando el universo es grande) y tabla de números aleatorios (económico y requiere menos tiempo)
2. sistemático: cada unidad del universo tiene la misma probabilidad de ser seleccionada
3. estratificado: subdivisión de la población en subgrupos, porque las variables principales que deben someterse a estudio presentan cierta variabilidad o distribución conocida que puede afectar los resultados
4. conglomerado: en la selección de muestra se toman los subgrupos o conjuntos de unidades "conglomerados" y en este muestreo el investigador no conoce la distribución de la variable

• Muestreo no probabilístico: no sigue el proceso aleatorio, el investigador selecciona la muestra siguiendo algunos criterios identificados para los fines del estudio que realiza. Tenemos tres tipos:

1. por conveniencia o intencional: el investigador decide que elementos integrarán la muestra
2. por cuotas: el investigador selecciona la muestra considerando algunas variables a estudiar (sexo, religión,raza...)
3. accidental: se usa para el estudio las personas disponibles en un momento dado, según lo que interesa estudiar

Tamaño de la muestra

Este tamaño dependerá de el error estándar, de la mínima diferencia entre los grupos de comparación que se considera importante en los valores de la variable a estudiar, de la variabilidad de la variable a estudiar y del tamaño de la población de estudio. 

Tema 8 "Medidas de tendencia central, posición y dispersión"

¡Buenas noches a todos! Os traigo un nuevo tema, uno de los últimos ya de la asignatura. 

Existen dos grandes tipos de medidas estadísticas:

• Medidas de posición o tendencia central (dan idea de la magnitud o tamaño de los datos)
• Medidas de dispersión o variabilidad (dan información acerca de la heterogeneidad de nuestras observaciones)

Medidas de tendencia central

1. Media: se trata del centro geométrico o de gravedad de nuestros datos. Es la suma de todos los valores de la variable observada entre el total de observaciones, se calcula para variables cuantitativas (si los datos son agrupados, se usa como valor de referencia de cada intervalo su marca de clase)
2. Mediana: es el valor de la observación tal que un 50% de los datos es menor y otro 50% es mayor, si el número de observaciones es impar el valor de la observación será justamente la observación que ocupa la posición (n/2)+1, y si el número es par, el valor de la mediana corresponde a la media entre los dos valores centrales, es decir, la media entre la observación n/2 y la observación (n/2)+1 
3. Moda: es el valor con mayor frecuencia, es decir el que más veces ve repite. La muestra puede ser bimodal (dos modas) o multimodal (más de dos), si los datos están agrupados, se habla de clase modal y corresponde al intervalo en el que el cociente entre la frecuencia relativa y la amplitud es mayor. Puede calcularse para cualquier tipo de variable

Medidas de posición

1. Cuantiles: se calculan para variables cuantitativas, y sólo tienen en cuenta la posición de los valores en la muestra. Los cuantiles más usuales son los percentiles, los deciles y los cuartiles
2. Percentiles: dividen la muestra ordenada en 100 partes, para buscar la posición de un percentil en una serie de datos agrupados, buscamos el intervalo en el que la frecuencia relativa acumulada (Hi) vea superior al valor del percentil. El valor del P50 corresponde al valor de la mediana
3. Deciles: dividen la muestra ordenada en 0 parte. El valor del D5 corresponde al valor de la mediana y por tanto, al del P50
4. Cuartiles: dividen la muestra ordenada en 4 partes. Tenemos cuatro cuartiles (Q1: primer cuartil, Q2: segundo cuartil, Q3: tercer cuartil y Q4: cuarto cuartil)

Medidas de dispersión

La información aportada por las medidas de tendencia central es limitada. Ejemplo:

• serie 1: 18,19,20,21,22
• mediana serie 1= 20 media serie 1=20
• serie 2: 9,14,20,27,30
• mediana serie 2=20 media serie 2=20

¿Qué es lo que diferencia a una serie de otra? La dispersión

1. Rango o recorrido: diferencia entre el mayor y el menor valor de la muestra
2. Desviación media: media aritmética de las distancias de las distancias de cada observación con respecto a la media de la muestra
3. Desviación típica: cuantifica el error que cometemos si representamos una muestra únicamente por su media
4. Varianza: expresa la misma información en valores cuadráticos
5. Recorrido intercuartílico: diferencia entre el tercer y el primer cuartil [Q3-Q1]
6. Coeficiente de variación: medida de dispersión relativa (adimensional), nos sirve para comparar la heterogeneidad de dos series numéricas con independencia de las unidades de medida (c.v=s/x)

Distribuciones normales: también llamada distribución de Gauss o distribución gaussiana. Es una de las distribuciones de probabilidad de variable continua que con más frecuencia aparece en fenómenos reales. La gráfica de su función de densidad tiene forma acampanada. 

Asimetrías y curtosis

Coeficiente de asimetría de una variable: grado de asimetría de la distribución de sus datos en torno a su media. Es adimensional y los resultados pueden ver los siguientes:

• g1=0 (distribución simétrica)
• g2>0 (distribución asimétrica positiva)
• g1<0 (distribución asimétrica negativa)

Coeficiente de apuntamiento o curtosis de una variable: sirve para medir el grado de concentración de los valores que toma en torno a su media. Los resultados pueden ser los siguientes:

• g2=0 (distribución mesocúrtica o normal)
• g2>0 (distribución leptocúrtica)
• g2<0 (distribución platicúrtica)

Tipificación de los valores y su relación con la campana de Gauss

Trabajamos con una variable continua que sigue una distribución normal y que tiene más de 100 unidades. La tipificación nos permite conocer si otro valor corresponde o no a esa distribución de frecuencia. La media coincide con lo más alto de la campana:8 y la desviación típica es de 2 puntos (50% puntuaciones>8 y 50% puntuaciones<8), y aproximadamente el 68% puntúa entre 6 y 10.

Durante este tema hemos realizado problemas en clase para ir afianzando la teoría. Hasta la próxima.

"Lo único imposible es aquello que no intentas" 

¡Di no a la violencia de género!

"La violencia de género no es sólo física. La vivimos desde nuestra infancia...y nos persigue hasta el final. Es AHORA o NUNCA"

Tema 7 "Introducción a la bioestadística"

La estadística es un cuerpo de conocimientos para aprender de la experiencia, frecuentemente en forma de números provenientes de medidas que muestran variaciones entre los distintos individuos.

Es la ciencia que estudia la variabilidad.

Existen diferentes métodos de medición, para medir variables se usan distintas escalas de medición.

Escalas de medida:

• Escala nominal: es el nivel inferior de medida. En una característica o variable sólo se puede comprobar si son iguales o diferentes (Ejemplos: Raza: 1.blanco 2. amarillo 3.negro, Género: 1.hombre, 2.mujer). Los números se utilizan como nombres, al igual que se podrían usar símbolos o letras, por tanto no gozan de ninguna de las propiedades aritméticas.
• Escala ordinal: dada dos o más modalidades de una variable, es posible: establecer si son iguales o diferentes, y si son distintas determinar cual de ellas es mayor. Los números expresan relaciones de igualdad, desigualdad y orden (Ejemplo: Grado de mejoría tras el tratamiento: 1.Nula, 2.Leve, 3.Media 4.Máxima)
• Escala de intervalo: presenta las características propias de las dos escalas anteriores: identidad y orden. Las características de esta escala son que no puede sacar razones o proporciones, u que es una escala cuantitativa, por tanto en ella se puede aplicar estadísticas como mediana, desviaciones y correlación (Ejemplo: temperatura 36º, 37º y 38º) 
• Escala de razón: nivel más alto de medición. Tiene las características propias de las escalas anteriores: igualdad, desigualdad, identidad, orden y distancias equivalentes entre los intervalos(Ejemplo: edad, peso, talla, etc.) 

Tipos de variables:

Cualitativas: se refiere a propiedades, no pueden ver medidas

• Nominales: Dicotómicas (2 niveles o categorías, ejemplo: hombre, mujer) y policotómicas (más de dos categorías, ejemplo: soltero, viudo, casado, separado)
• Ordinales: establecen un orden, ejemplo: satisfacción en el trabajo: muy satisfecho, satisfecho, poco satisfecho, nada satisfecho)

Cuantitativas: pueden medirse en términos numéricos

• Discretas: sólo pueden tomar un número finito de valores, la unidad de medición no puede ver fraccionada, son números aislados (ejemplo:número de hijos: 1,2,3,4,5,..o más)
• Continuas: pueden valer cualquier número dentro de un rango, la unidad de medida puede ser subdividida en forma finita (ejemplo: talla)

Operativización de las variables:

Proceso que transforma una variable en otras que tengan el mismo significado y que sean susceptibles de medición. Las variables principales se descomponen en otras que son más específicas llamadas dimensiones, y estas se traducen en indicadores que permitan la observación directa.

Variables (Representación de datos)

Tablas de frecuencia: son la imagen de los datos que muestran frecuencias en columnas y categorías de las variables en filas. Presentan información repetitiva de forma visible y comprensible. Requisitos:

1. autoexplicativas
2. son sencillas y de fácil comprensión
3. tienen título breve y claro
4. indican lugar, fecha y fuente de información
5. incluye las unidades de medida en cada cabecera
6. indica la base de las medidas relativas
7. hacen explícitas las abreviaturas
8. hacen llamadas a notas de pie 

Representaciones gráficas: forma rápida de comunicar información numérica, son la imagen de las ideas, aumentan la información escrita, ofrecen orientación visual y no reemplazan al texto. Normas básicas:

1. visualmente claros
2. claramente descritos en pie de figura y en texto
3. representar gráficamente las conclusiones del estudio
4. evitar gráficos confusos y no sobrecargarlos

A continuación los distintos tipos de representaciones gráficas:

Diagrama de Barras

Pictograma

Histograma (para variables continuas)

Polígono de frecuencia

Cuando la amplitud del intervalo es la misma, elevaremos columnas unidas a la altura de la frecuencia correspondiente, pero si la amplitud del intervalo es diferente, el área del rectángulo verá proporcional a la frecuencia representada

 

Gráfico de tronco y hoja (es un híbrido entre tabla e histograma. Nos muestra la forma de la distribución y los valores de la variable. Cada dato de la serie se divide en dos partes: tronco (decenas) y hoja (unidades)

Gráfico de sectores

 Diagrama de estrellas