cruz roja

cruz roja

martes, 2 de junio de 2015

REFLEXIÓN FINAL DE LA ASIGNATURA.

En los primeros días de clase de esta asignatura, apenas le veía sentido. Creía que la estadística era para otro tipo de carreras y que no valía para nada. Pero conforme ha ido avanzando el temario y sobre todo al aplicar la interminable teoría a la práctica, he visto la cantidad de cosas útiles que se puede hacer con ella.

Para empezar, el trabajo que hemos tenido que entregar al final de la asignatura, aunque al principio me parecía que no había por donde cogerlo ya que yo no he dado nunca estadística y no sabia ni lo que era una media. Cuando poco a poco empezamos a darle forma al trabajo con la teoría que estábamos dando en clase, empecé a ver luz al final del túnel.
La verdad que ha sido algo recíproco, ya que tanto la teoría explicada en clase, me ha ayudado a realizar el trabajo, como el trabajo me ha ayudado a entender los concepto, porque al aplicarlos, es mucho mas fácil de entender y además esto me ayuda a recordarlo para el examen.

Otras de las cosas mas útiles que creo que hemos dado ha sido aprender a hacer búsquedas bibliográficas y aprender el estilo Vancouver. También hacer cuestionarios en Epi Info y crear tablas y gráficos a partir de los resultados. Ya que esto va a ser muy necesario a lo largo de nuestra carrera y sobre todo para el trabajo de fin de grado. Para mi es lo mejor que se me ha podido enseñar en esta asignatura ya que aunque parezca algo aburrido y pesado, si no se me hubiese enseñado aquí, no se como lo hubiera podido entender sola en un futuro.

Quiero agradecérselo a mis compañeros por ayudarme en todo momento y a mi grupo de trabajo por haber hecho mas amena la realización del trabajo final.

Finalmente quiero darle las gracias a los dos profesores de esta asignatura. A José Antonio Ponce por enseñarnos en las clases comunes y a Manuel Pabón por su total y absoluta disposición ante cualquier duda que tuviéramos. Gracias por implicarse tanto, por buscar vídeos, apuntes, esquemas...para hacer que lo comprendiéramos todo, por respondernos a todos los correos que enviábamos (aunque a veces fuéramos muy pesados). Gracias por hacernos ver esta asignatura como algo ameno y sobre todo útil para un futuro muy cercano. Es un gusto encontrarme con profesores como usted, con tanta ilusión y ganas de enseñar. 
Gracias de nuevo y ¡Hasta pronto!

Lucía

ÚLTIMO SEMINARIO

En este seminario expusimos nuestros trabajos de investigación mediante un Power Point. El profesor nos elegía al azar: A dos de nosotros nos tocaba exponer y el restante tenia que defender el trabajo de las preguntas que nos hicieran los compañeros y el profesor al final del trabajo.

A mi me toco exponer el marco teórico, la metodología y los objetivos.

Nuestro trabajo de investigación ha tratado sobre el grado de satisfacción del personal sanitario con el turno antiestrés.


Creo que expusimos bastante bien, teniendo en cuenta que estamos al final del curso y ya estamos muy cansados y con los exámenes encima.
El trabajo nos ha costado mucho y nos ha llevado mucho tiempo pero nos ayudo mucho a encaminarnos para el TFG y ademas hemos aplicado las cosas que ibamos aprendiendo en clase con lo que a la hora de estudiar nos ha sido mucho mas sencillo.

Aun así nos queda mucho que mejorar en la exposición y defensa del trabajo pero creo que desde la última exposición hemos mejorados bastante, así que....¡Poco a poco!

SEMINARIO 4: EXPLORACIÓN INFERENCIAL DE BASE DE DATOS.

Este fue el penúltimo seminario en el que el profesor nos dijo que debíamos llevar todos nuestros cuestionarios rellenados ya metidos en Epi Info para que el nos explicara como hacer gráficas, tablas de frecuencia, etc.

Mi grupo de trabajo estaba compuesto por Jose Angel Monteseirín, María Suárez y yo. Y entre los tres, aunque hasta que no lo hacías unas cuantas veces, era lentísimo, conseguimos meter todos los datos de los 50 cuestionarios que teníamos para luego poder hacer las tablas de frecuencias y gráficas de las preguntas claves que iban a resolver los objetivos de nuestro estudio para poder exponerlo luego.



Por último el profesor dedicó una parte del seminario para resolver las dudas que tuviésemos sobre la asignatura ya que el examen estaba muy cerca ya. Estos ratos que nos dejo para dudas al final de los seminarios nos ha servido mucho para sacar la estadística.



TEMA 10: HIPOTESIS ESTADÍSTICAS. TEST DE HIPOTESIS

Para controlar los errores aleatorios, contamos con los test de hipótesis que nos sirve para ver si hay relaciones entre las distintas variables, de manera que aceptemos o rechacemos la hipótesis nula (Ho).
Los tipos de análisis estadísticos que hay según el tipo de variable son:



Errores de hipótesis: El test de hipótesis mide la probabilidad de error que cometo si rechazo la hipótesis nula. Con una misma muestra podemos aceptar o rechazar la Ho. Todo depende de un error alfa que es la probabilidad de equivocarnos al rechazar la hipótesis nula.

Test de Chi Cuadrado


Compara variables cualitativas 


TEMA 9: INFERENCIA. MUESTREO Y ESTIMACIÓN


Cuando hacemos una investigación en el ámbito sanitario para establecer relaciones entre variables, nuestro interés no solo está en los pacientes que hemos tenido acceso, sino también queremos saber si esos resultados se corresponden con el resto de la población. A esto le llamamos inferencia. Siempre que inferimos, hay error aleatorio. Tenemos que tener en cuenta:

-          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.
-          Inferencia estadística: conjunto de procedimientos estadísticos que permiten pasar de lo particular, la muestra, a lo general, la población.
-          Técnicas de muestreo: conjunto de procedimientos que permiten elegir muestras de tal forma que éstas reflejen las características de la población, esto se hace para evitar sesgos.
-          Muestreo probabilístico o aleatorio: si la muestra se elige por un procedimiento al azar, se puede evaluar el error asociado a esa muestra, el cual se denomina error aleatorio. En los muestreos no probabilísticos, no es posible evaluar este error.
Hay que tener en cuenta que cuanto mayor sea el tamaño de la muestra, menor será el error aleatorio.

Proceso de la inferencia estadística:

Tenemos una población de estudio y mediante una selección aleatoria, obtenemos una muestra, gracias a ésta, vamos a sacar una serie de datos (estimador: datos muestra) y una vez obtenido estos datos y mediante la inferencia vamos a obtener un parámetro (datos de la población) y la medida que queremos obtener se llama parámetro.

El error estándar es la medida que trata de captar la variabilidad de los valores del estimador. Cuanto mas pequeño es el error estándar, mas nos podemos fiar del valor de una muestra concreta.
Intervalos de confianza. Son un par de números entre los que podemos asegurar, con un nivel de confianza determinado, que se encuentra el parámetro, considerando que sigue una distribución normal.

Tipos de muestreo:

- Esta el probabilístico: En estos podemos calcular la probabilidad que tiene cada sujeto de ser elegido.
Puede ser:
  • Aleatorio simple
  • Aleatorio sistemático
  • Estratificado
  • Conglomerado.

- No probabilístico: No podemos conocer la probabilidad de los sujetos para ser elegidos

Para que nuestro estudio sea fiable necesitamos conocer el tamaño de la muestra que depende del error estándar, la varianza poblacional y de la minima diferencia entre los grupos de comparación .

TEMA 8: MEDIDAS DESCRIPTIVAS.

1.       Medidas de tendencia central

Solo se utilizan para variables cuantitativas menos la moda que también puede medirse en variables cualitativas. Las medidas de tendencia central son:

-          Media: Solo se puede utilizar en variables cuantitativas. El calculo es el sumatorio de todas las variables entre el número de observaciones totales (n). La media es la medida mas falseable.
-          Moda: Se hace para cualquier tipo de variable. Es el valor de la observación que mas veces se repite, es el valor con mayor frecuencia (fi). Si hay mas de una moda la llamamos bimodal. La fórmula la solemos utilizar para cuando la amplitud de los intervalos de datos agrupados son distintos.
-          Mediana: Es el dato que deja al 50% de los individuos por debajo suya y al 50% por encima. La mediana en una tabla de frecuencia se hace mediante la marca de clase. Cuando el número de intervalos es par en una tabla de frecuencia, cogemos las dos marcas de clase centrales y hacemos su media.

2.       Medidas de posición

Hay tres tipos:

-          Percentiles: Son para posicionarse en una variable. Son 99 valores que se dividen en cien partes.
-          Cuartiles: Dividen la muestra ordenada en cuatro partes (Q). El quartil 3 correspondería al percentil 75
-          Deciles : Dividen la muestra en 10 partes. Así el decil 5 sería el percentil 50% y correspondería con la mediana.

3.       Medidas de dispersión

Es lo que me alejo de la media, de las medidas centrales. Las formas de dispersión son:

-          Varianza: Es el promedio del cuadrado de las distancias entre cada observación y la media aritmética del conjunto de observaciones
-          Desviacion típica: Expresa el error que cometemos al representar con la media una serie estadística.
-          Recorrido: Diferencia entre el valor mas alto y el mas bajo. Cuanto mayor es el rango, mayor será la dispersión.
-          Desviacion media: Es la media aritmética de las diferencias de cada observación con respecto a la media de la muestra.
-          Coeficiente de variación . Es el coeficiente entre la desviación típica y la media. Adopta valores entre 0 y 1. Es un porcentaje

4.       Medidas de forma

-          Asimetría: Se mide según el coeficiente de asimetría o de Fisher. La simetría se da cuando el coeficiente de Fisher es = 0. Y es asimétrica cuando el coeficiente de Fisher es distinto a 0. La asimetría puede ser hacia la derecha o hacia la izquierda.

-          Curtosis: Puede ser leptocúrtica, mesocúrtica o Platicúrtica.

5.       Distribución normal

Es la campana de Gauss. Es simétrica. Los valores de medida de tendencia central coinciden (media, mediana y moda). Las distribuciones normales nos permiten calcular valores de posición.



-          Tipificación de valores: Una distribución normal sigue estos principios básicos: Si al valor de la media le restamos y le sumamos la desviación típica, so la serie numérica sigue una distribución normal, dice que el 68,25% de las observaciones se va a sumar entre los valores de la suma y la resta de la media a una desviación típica. Estos datos varían si sumamos una, dos o tres desviaciones típicas.

TEMA 7: INTRODUCCIÓN A LA BIOESTADÍSTICA

En este tema por fin empezamos a ver estadística.. La estadística es la ciencia que estudia la variabilidad.
Para poder medir las variables se utilizan diferentes escalas:

La escala nominal, que es la de menor medida, aquí solo podemos saber si las características son iguales o diferentes.
La escala ordinaria, aquí podemos saber si son iguales o diferentes y ademas saber cual de ellas es mejor. Pero aquí no tenemos suficiente información como para saber cuanto hay entre un nivel y otro, ni decir que todos los niveles están separados según una misma amplitud.

Otro aspecto de la estadística muy importante son los tipos de variables:

Podemos dividirlas en dos:
- Variables cualitativas: Son las que miden cualidades.  No se pueden hacer operaciones aritméticas con ellas. A su vez estas se dividen en:
  • Nominales: Las distintas categorías de la variable no tienen relación entre si. Las nominales pueden ser dicotómicas o policotómicas.
  • Ordinales: Las distintas categorías si tienen una relación entre si, es decir, están jerarquizadas. Por ejemplo: Grado de dolor, grado de disnea, etc.


- Variables cuantitativas: son las que se pueden medir, son números. Pueden ser de dos tipos
  • Continuas: Se aceptan números decimales. (por ejemplo: Talla, peso…)
  • Discretas: Tienen que ser números enteros: (Ejemplo: Número de hijos



Representaciones gráficas

Nos comunican información numérica en una imagen.

1. Diagrama de barras: Para variables cualitativas, nominales. Sobre todo policotómicas. Aquí estaría el pictograma que es igual pero en vez de barras pones imágenes (por ejemplo jeringuillas )

2. Histograma: Para variables continuas. El polígono de frecuencia se hace sobre este.


3. Graficas de tronco: Para variable continua

4. Grafica de sectores: Para variable cualitativas preferentemente dicotómicas.

5. Gráficas para datos bidimensionales: Para variables cualitativas.