1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de...
-
Upload
salvador-farfan -
Category
Documents
-
view
8 -
download
5
Transcript of 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de...
![Page 1: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/1.jpg)
Métodos cuantitativos avanzados
William L. Holzemer, RN, Ph.D., FAANProfesor, Escuela de EnfermeríaUniversidad de California, San [email protected]
![Page 2: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/2.jpg)
2
Objetivos
• Desarrollar la definición de ciencia de enfermería
• Uso del Modelo de Resultados para pensar acerca de su área de interés
• Revisar los métodos cuantitativos
• Pensar en cómo generar conocimiento para mejorar la salud y la práctica de la enfermería.
![Page 3: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/3.jpg)
3
Asignaciones
• Estudiantes de doctorado en SP asignaciones individuales
• Estudiantes de Maestría – asignaciones grupales– Mini-revisión de la literatura
• Modelo de resultados• Substruction• Tablas de síntesis• Resumen
![Page 4: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/4.jpg)
4
¿Enfermería = Ciencia de enfermería?
Definición de enfermería
Asociación Americana de Enfermería:
“Enfermería es la evaluación, diagnóstico y tratamiento de las respuestas humanas”
![Page 5: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/5.jpg)
5
Definición de enfermería
Asociación Japonesa de Enfermería
“Enfermería es definida como la asistencia al individuo y al grupo, sano o enfermo, para mantener, promover y restaurar la salud.”
![Page 6: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/6.jpg)
6
Definición de EnfermeríaConsejo Internacional de Enfermería
“Enfermería comprende atención autónoma y colaboradora de individuos de todas las edades, familias, grupos y comunidades, sanos o enfermos en todos los lugares. Enfermería incluye la promoción de la salud, prevención de enfermedad y la atención del enfermo, discapacitado y el moribundo. Consejo, promoción de un ambiente seguro, investigación, participación en modelación de políticas en salud y manejo de sistemas de salud y del paciente hospitalizado y educación, son también roles claves de enfermería.”
![Page 7: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/7.jpg)
7
Elementos comunes:Definiciones de Enfermería
• Persona (individual, familia, comunidad)
• Salud (Bienestar y enfermedad)
• Ambiente
• Enfermería (atención, intervenciones, tratamientos)
![Page 8: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/8.jpg)
8
Ciencia de Enfermería
El cuerpo de conocimiento que apoya la práctica basada en evidencias
![Page 9: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/9.jpg)
9
Ciencia de Enfermería usa varias metodologías de investigación
CualitativaEntendimientoEntrevista/observaciónDescubriendo esquemasTextual (palabras)Generación de teoríasCalidad del informante más
importante que el tamaño de muestra
RigorSubjetivaIntuitivaConocimiento encajado
CuantitativaPredicciónEncuesta/cuestionariosEsquemas existentesNuméricaPrueba de teorías (ECA)Tamaño de muestra, esencial en
el tema de confiabilidad de los datos
RigorObjetivaPública
![Page 10: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/10.jpg)
10
Tipos de métodos de investigación: (¡todos tienen reglas de evidencia!)
CuantitativaNo experimental o
descriptiva Experimental o estudios
aleatorizados controladosEtnografíaAnálisis de contenido
Modelos de análisis: Paramétrico vs no paramétrico
CualitativaTeoría aterrizadaEtnografíaTeoría feminista críticaFenomenología
Modelos de análisis: fidelidad al texto o palabras de entrevistas
![Page 11: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/11.jpg)
11
Modelo de resultados para investigación en atención en salud(Holzemer, 1994)
Ingresos1970’s
Procesos 1980’s
Resultados
1990’s
Cliente
Proveedor
Sitio
![Page 12: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/12.jpg)
12
Modelo de resultados
• Heurístico
• Modelo de sistemas (ingresos son egresos, egresos se convierten en ingresos)
• Relacionado al trabajo de Donabedian sobre la calidad de la atención (estructura, proceso, y resultado estándar)
![Page 13: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/13.jpg)
13
Modelo de resultados: proceso de enfermería
Ingresos Procesos Resultados
Cliente Problema Resultado
Proveedor Intervención
Sitio
![Page 14: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/14.jpg)
14
Modelo de resultados para investigación en atención en salud
Ingresos (Covariados, confusoras)
Procesos (Variable
independiente)
Resultados(Variable resultado)
Cliente Edad, género. Nivel socioeconómico, etnicidad, severidad de enfermedad
Auto cuidado
Adherencia
Atención familiar
Calidad de vida, control de dolor, satisfacción del paciente, caídas del paciente
Proveedor Edad, género, Nivel socioeconómico, educación, experiencia, certificación, autonomía percibida
Intervenciones
Atención
Hablar, toque, tiempo
Vigilancia, comunicación
Calidad de vida de trabajo
Errores
Satisfacción
Sitio Recursos
Filosofía
Niveles del personal
Razones actuales de personal
Mortalidad
Morbilidad
Costo
![Page 15: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/15.jpg)
15
Modelo de resultados: Tu tarea(Piense acerca de un proyecto o un programa de
investigación)
Ingresos Z
Procesos x
Resultados y
Cliente
Proveedor
Sitio
![Page 16: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/16.jpg)
16
¿Dónde encontramos guías de la práctica basada en evidencias?
• Guías prácticas clínicas• Estándares de enfermería/ Manuales de
procedimientos• Gran demanda, bajo nivel de entrega
(Gran demanda, creciente nivel de entrega)
• Conocimiento base de revisión de literatura
![Page 17: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/17.jpg)
17
Tipos de evidencia: ¿Cómo sabemos que sabemos?
• Experiencia clínica• Intuición• Historias • Preferencias, valores, creencias y
derechos• Estudios descriptivos/
cuasiexperimentales• Estudios aleatorizados clínicos
(controlados)(ECA) – el estándar dorado
![Page 18: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/18.jpg)
18
Resumen: introducción a la investigación
• Piense acerca de la investigación en enfermería – ciencia de enfermería
• Modelo de resultados diseñado para poner límites alrededor de tu área de estudio y experiencia (¡reto muy difícil en enfermería!)
• Identificación de variables• Entendimiento del rigor – métodos correctos para
cualquier tipo de diseño de investigación.• Fomentar la diversión al leer artículos de
investigación• Entender el reto de que las palabras sean
fácilmente usadas, “práctica basada en evidencias”.
![Page 19: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/19.jpg)
19
Algunos retos:
• Pensar en desarrollar su definición de ciencia de enfermería.
• Uso del Modelo de Resultados para ayudar a pensar en su programa de investigación.
• Fomentar tu entendimiento de rigor en todos los diseños de investigación.
• Aumento de diversión al leer artículos de investigación.
• Entender las complejidades de “la práctica basada en evidencias”.
![Page 20: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/20.jpg)
20
Cuando piense en su problema de investigación:
• ¿Es significante?
• ¿Estás realmente interesado?
• ¿Es novedoso?
• ¿Es un área importante?– ¿Alto costo, alto riesgo?
• ¿Puede estudiarse?
• ¿Es relevante para la práctica clínica?
![Page 21: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/21.jpg)
21
¿De dónde vienen las ideas?
• Revisiones de literatura• Historias en periódicos• Siendo un asistente de investigador• Mentor/profesor• Estudiantes compañeros• Pacientes• Experiencia clínica• Expertos en el campo
Construya su área de experiencia de múltiples fuentes.
![Page 22: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/22.jpg)
22
Usos de Substruction
• Critique un estudio publicado
• Planee un estudio nuevo
![Page 23: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/23.jpg)
23
Substruction• Una estrategia para ayudar a entender la
teoría y métodos (sistema operacional) en un estudio de investigación
• Aplica a estudios de investigación cuantitativos, empíricos.
• No hay la palabra, Substruction, en el diccionario. Tiene un significado inductivo y un significado deductivo, deconstruyendo
• Huerístico
![Page 24: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/24.jpg)
24
Substruction
Teoría
(sistema teorético)
Constructo
Concepto
Deductiva
(cualitativa)
Métodos
(sistema operacional)
Mediciones
Escalas/
análisis de datos
(cuantitativa)
Inductiva
![Page 25: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/25.jpg)
25
Substruction: Construyendo bloques o señalamientos de relaciones
Constructo
Dolor
axioma Constructo
Calidad de vida
Concepto
Intensidad
proposición Concepto
Status funcional
Medición
Escala de 10 cm
hipótesis Medición
Escala de movilidad
![Page 26: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/26.jpg)
26
Señalamientos de relaciones
Constructo:
Postulado:Señalamiento de relación entre un constructo y conceptos
Dolor consiste en tres conceptos
Conceptos:
Intensidad
Localización
Duración
![Page 27: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/27.jpg)
27
Substruction: Perspectiva de diseño de investigación
Enfoque del estudio (¿ECCA?)
Co-variables ZSeveridad de enfermedad
para ajuste de riesgos(análisis de covarianza)
Tratamiento de la variable independiente
¿Cómo medirla?Variable dependiente Y
![Page 28: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/28.jpg)
28
Substruction: sistema teórico, un ejemplo
Estudio intervencional sobre dolor
Paciente post quirúrgicoSeveridad de enfermedad
EnfermedadEdad
Género
Intervención de manejo del dolor
Comunicación con el pacienteStanding PRN orders
No tratamiento farmacológico
Control del dolor
Longitud de la estancia
Satisfacción del paciente
![Page 29: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/29.jpg)
29
Substruction: sistema operacional
Intensidad del dolor
Instrumento:
Escala VAS 10 cm
(dolor bajo a alto)
Status funcional:
Instrumento: escala de Likert 1-5, 1=baja y 5=alta función
Escala: ¿continua o discreta?
Escala: ¿continua o discreta?
![Page 30: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/30.jpg)
30
Escalas
Discreta: no-paramétrica (X2)• Nominal género• Ordinal ingreso bajo, medio, alto
Continua: paramétrica (Pruebas t o F)• Intervalo Escala de Likert, 1-5
funcionalidad• Razón dinero, edad, tensión
arterial
![Page 31: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/31.jpg)
31
Temas• ¿Cuáles son las bases conceptuales del estudio?• ¿Cuáles son los principales conceptos y sus relaciones?• ¿Las relaciones propuestas entre los constructos y los
conceptos lógicos y defendibles?• ¿Cómo se miden los conceptos? ¿Válidas?
¿Confiables?• ¿Cuáles son los niveles de escalas y se relacionan al
plan estadístico apropiado o de análisis de datos?• ¿Hay consistencia lógica entre el sistema teórico y el
sistema operativo?
![Page 32: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/32.jpg)
32
¿Hay una relación entre el toque y control del dolor , contando el dolor inicial post-
operatorio? rx,y.z
IngresoZ
Proceso X
Resultado
Y
Cliente Dolor post-operatorio
Control de dolor
Proveedor Toque terapeútico vs atención NL
Lugar
![Page 33: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/33.jpg)
33
Revisión de la literatura
• Revisamos la literatura para entender los sistemas teóricos y operativos relevantes a nuestra área de interés.
• ¿Qué se sabe acerca de los constructos y conceptos en nuestra área de interés?
• ¿Qué teorías son propuestas que liguen a nuestras variables de interés?
![Page 34: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/34.jpg)
34
Revisión de la literatura
• ¿Qué se conoce?
• ¿Qué no se conoce?
• Recursos– La biblioteca Cochran – Biblioteca de bases de datos
• PubMed• CINYL
![Page 35: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/35.jpg)
35
Revisión de la literatura:¿Cómo combinar, sintetizar y demostrar la dirección?
S tud y 1 S tud y 2 S tud y 3
T o p icTópico
Estudio 1 Estudio 2 Estudio 3
![Page 36: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/36.jpg)
36
Revisión de la literatura
S tud y 1 S tud y 2 S tud y 3
T o p icTópico
Estudio 1 Estudio 2 Estudio 3
![Page 37: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/37.jpg)
37
Tabla 1. Borrador de variables de estudio relacionados a tu tema
Estudios
Covariables
Z
Intervenciones
Variable independiente
X
Resultados
Variable dependiente
Y
Smith (1999)
Jones (2003)
Etc.
![Page 38: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/38.jpg)
38
Tabla 2. Amenazas a la validez de estudios de investigación relacionados al tópico
Autor (año) Tipo de diseño
Diagrama Conclusión estadística
Validez
Constructo Validez de causa y efecto
Validez interna
Validez externa
Smith (1999)
RCT O X1 O
O X2 O
O O
n/a
Jones (2003)
![Page 39: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/39.jpg)
39
Tabla 3. Instrumentos
Estudios
Instrumento # items
Validez Confiabili- dad
Utilidad
Smith (1999) Cuestionario McGill de dolor
Jones (2003)
![Page 40: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/40.jpg)
40
Tabla 4. Poder del análisis para revisión de la literatura sobre un tema.
Estudios
Tamaño de
muestra
Alfa Poder Tamaño de efecto
Smith (1999) 32 -expuestos
40 – controles
0.05 0.60 Est. al medio
Jones (2003)
![Page 41: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/41.jpg)
41
Síntesis de la literatura
• Síntesis - ¿qué sabemos y que no sabemos?
• Fortalezas – ¿rigor, tipos de diseño, instrumento?
• Debilidades – ¿ausencia de rigor, no ECA, pobre desarrollo de instrumentos?
• Necesidades futuras – ¿cuál es el siguiente paso?
![Page 42: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/42.jpg)
42
Diseños de investigación
![Page 43: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/43.jpg)
43
Diseño de investigación: cualitativa
• Etnografía
• Fenomenología
• Hermenéutica
• Teoría aterrizada
• Histórico
• Estudio de caso
• Narrativa
![Page 44: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/44.jpg)
44
Rigor en investigación cualitativa
• Dependiente
• Creíble
• Transferible
• Confirmable
![Page 45: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/45.jpg)
45
Tipos de diseños de investigación cuantitativa
• Nos enfocaremos en RIGOR:
– Experimental
– No experimental
![Page 46: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/46.jpg)
46
Notación X,Y, Z
• Z = covariable • Severidad de enfermedad
• X = variable independiente (intervenciones)
• Manejo propio de síntomas
• Y = variable dependiente (resultado)• Calidad de vida
![Page 47: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/47.jpg)
47
Tipos de diseños de investigación cuantitativa
– Descriptiva X? Y? Z?• ¿Qué es X, Y, y Z?
– Correlacional rxy.z
• ¿Hay una relación entre X y Y?
– Causal ΔX ΔY?• ¿Un cambio en X causa un cambio en Y?
![Page 48: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/48.jpg)
48
Rigor en investigación cuantitativa
• Teoría aterrizada: Axiomas y postulados – substruction-validez de relaciones hipotéticas
• Validez de diseño (interna y externa) del diseño de investigación; validez y confiabilidad del instrumento
• Suposiciones estadísticas satisfechas (escala, curva Normal, relación lineal, etc.)
(Nota: Polit y Beck: confiabilidad, validez, generalización, objetividad)
![Page 49: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/49.jpg)
49
Revisión de la literatura Enfoque del estudio
Enfoque del estudio Pregunta de estudio
Pregunta de estudio Hipótesis de estudio
![Page 50: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/50.jpg)
50
Enfoque, pregunta e hipótesis
• Enfoque del estudio: explorar si es posible reducir las caídas de los pacientes ancianos en casas de cuidado.
• Pregunta del estudio: ¿colocando un “sitter” en el cuarto de un paciente reduce la incidencia de caídas?
• Hipótesis del estudio:
Nula: H0: no hay diferencia entre pacientes que tienen un “sitter” y aquellos que no lo tienen, en la incidencia de caídas.
![Page 51: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/51.jpg)
51
Diseños experimentales
![Page 52: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/52.jpg)
52
Definición: diseño experimental
1. Hay una intervención que es controlada
2. Hay un grupo experimental y uno control
3. Hay un asignación aleatoria a los grupos
![Page 53: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/53.jpg)
53
Diseño experimental clásico
O1exp X O2exp
R
O1con O2con
(pretest) (posttest)
O=observación1 = pretest o tiempo uno; 2 = posttest o tiempo dosX = intervención
R = asignación aleatoria a los grupos
![Page 54: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/54.jpg)
54
Diseño experimental clásico
O1exp X O2exp
R
O1con O2con
(pretest) (posttest)
El ECA es el estándar dorado para la práctica basada en evidencias
![Page 55: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/55.jpg)
55
Aleatorización
1. Asignación aleatoria a grupos (validez interna) – iguales variables Z en ambos grupos
2. Selección aleatoria de una muestra de la población (validez interna) – variables Z iguales en la muestra que en la población
![Page 56: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/56.jpg)
56
Meta:
Señalar si hay una relación causal
![Page 57: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/57.jpg)
57
Condiciones requeridas para hacer un señalamiento de causalidad: X causa Y
1. X precede Y2. X y Y están correlacionadas3. Todo está controlado o eliminado.
Las variables Z no impactan al resultado
4. Nunca probamos algo, reunimos evidencia que apoye nuestra conclusión
![Page 58: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/58.jpg)
58
Controlando variables Z:
1. Minimiza amenazas la validez interna
2. Limita la muestra (e.g. sólo menores de 35 años) o control de variación
3. Manipulación estadística (ANCOVA)
4. Asignación a grupo aleatoria
![Page 59: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/59.jpg)
59
Dimensiones del diseño de investigación:
Grupos y tiempoO1exp X O2exp
Grupos (n=2 experimental y control)O1con O2con
-----------------------------------------------
Tiempo (n=2) (mediciones repetidas)
![Page 60: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/60.jpg)
60
Dimensiones de diseño de investigación:
grupos y tiempo
Grupos = entre factores
Tiempo = dentro de factores
![Page 61: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/61.jpg)
61
Tipos de diseños
• O - descriptivo, un tiempo
• O1 O2 O3 - descriptivo, cohorte, mediciones repetidas)
• O1 X O2 (¡diseño no experimental!) - pre-post-test
![Page 62: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/62.jpg)
62
Tipos de diseños
• O1 X O2
O1 O2
ECA estudios controlados aleatorizados
![Page 63: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/63.jpg)
63
Tipos de diseños
• O1 O2 O3 X O4 O5 O6
O1 O2 O3 O4 O5 O6
• O1 X O2 Xno O3 X O4 Xno O5
(mediciones repetidas vs diseño de series de tiempo)
![Page 64: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/64.jpg)
64
Tipos de diseño
O1 X1 O2
R O1 X2 O2
O1 O2
# de grupos? ___
# puntos en el tiempo? ___
![Page 65: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/65.jpg)
65
Tipos de diseños
Diseño de post-test sólo:
X O2
O2
¿Cuál es la mayor amenaza a este diseño de sólo post-test?
![Page 66: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/66.jpg)
66
Tipos de diseño de investigación
• Experimental (verdad)
• Cuasi-Experimental (caso)– Asignación no aleatoria a grupos
![Page 67: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/67.jpg)
67
Validez de diseño
– Conclusión estadística válida
– Validez de constructo de causa y efecto (X y Y)
– Validez interna
– Externa
![Page 68: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/68.jpg)
68
Validez del diseño
• Validez de la conclusión estadística rxy? – Error tipo I (alfa 0.05)– Error tipo II (beta) Poder = 1- beta,
inadecuado poder, i.e. pequeño tamaño de muestra
– Confiabilidad de mediciones
¿Puedes creer en los hallazgos estadísticos?
![Page 69: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/69.jpg)
69
Validez del diseño
• Validez de contructo de causa supuesta y efecto (X Y?)– Bases teóricas uniendo constructos y
conceptos (substruction)– Resultados sensibles a atención de
enfermería– Intervención ligada a resultado, teoricamente
¿Hay una razonamiento teórico de por qué X y Y deberían estar relacionadas?
![Page 70: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/70.jpg)
70
Validez de diseño
Validez interna – Amenaza de historia (evento que interviene)– Amenaza de maduración (cambio por el desarrollo)– Amenaza de la prueba (instrumento causa un efecto)– Amenaza de instrumentación (confiabilidad de medición)– Amenaza de mortalidad (sujetos eliminados)– Amenaza de sesgo de selección (pobre selección de
sujetos)
¿Cualquiera de las variables Z están causando los cambios en las variables Y?
![Page 71: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/71.jpg)
71
Validez de diseño
Validez externa– Amenaza de baja generalización para
personas, lugares y tiempo
– ¿Puede generalizarse a otros?
![Page 72: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/72.jpg)
72
Construyendo el conocimiento
• La meta es tener confianza en nuestros datos descriptivos, correlacionales y causales.
• Rigor significa seguir las técnicas requeridas y estrategias para incrementar nuestra confianza en los hallazgos de la investigación.
![Page 73: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/73.jpg)
73
Muestreo[Selección de la muestra, no asignación]
![Page 74: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/74.jpg)
74
Términos
• Población
• Muestra
• Elemento
- Todos los sujetos posibles
- Un subgrupo de sujetos
- Un sujeto
![Page 75: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/75.jpg)
75
¿Qué muestreamos?
• Personas (e.g. sujetos)
• Sitios (e.g. hospitales, unidades, ciudades)
• Tiempo (e.g. temporada, cambio am vs pm)
![Page 76: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/76.jpg)
76
Muestreo: ¿Qué hacemos?
• Asignación aleatoria
- Es diseñada para equilibrar las variables “Z” en los grupos experimental y control
• Selección aleatoria
- Es diseñada para equilibrar la distribución de las variables “Z” que existen en la población, en una muestra
![Page 77: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/77.jpg)
77
Tipos de muestreo de probabilidad
ProbabilidadMuestreo simple aleatorio – usa una tabla de
números aleatoriosMuestreo aleatorio estratificado – divide o
estratifica por género y muestrea dentro del grupo
Muestreo aleatorio sistemático – toma cada 10° nombre
Muestreo agrupado – selecciona unidades (grupos) para acceder a pacientes o enfermeras
![Page 78: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/78.jpg)
78
Tipos de muestreo no probabilístico
• Conveniencia – primeros pacientes que crucen la puerta
• Intención – pacientes viviendo con una enfermedad
• Cuota – igual número de hombres y mujeres
• (voluntarios)• (conveniencia)
![Page 79: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/79.jpg)
79
Tipos de muestras
Homogéneas: sujetos son similares, todos femeninos, todos entre edad de 21-35
Heterogéneas: sujetos son diferentes, amplio rango de edad, pacientes con todo tipo de cáncer
![Page 80: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/80.jpg)
80
Error de muestreo
Población (n=1000) Media de edad: 36.5 años Muestras (n=50) Media de edad: 34.6 años 37.1 años 36.4 años.
![Page 81: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/81.jpg)
81
¿Cómo controlar el error de muestreo?
• Use selección aleatoria de los participantes
• Use asignación aleatoria de sujetos a los grupos
• Estime el tamaño de muestra requerido usando análisis de poder para asegurar adecuado poder
• Sobreestime el tamaño de muestra requerido para muestra de mortalidad
![Page 82: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/82.jpg)
82
Tamaño de muestra y error de muestreo
Pequeño Error de muestreo Grande
Pequeño Grande Tamaño de muestra
![Page 83: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/83.jpg)
83
Cálculo de tamaño de muestra
• Tipo de diseño• Accesibilidad de
participantes• Planeación de pruebas
estadísticas• Revisión de la literatura• Costo (tiempo y dinero)
![Page 84: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/84.jpg)
84
Estrategias para estimar tamaño de muestra
• Razón de sujetos a variables en análisis correlacional. 3:1 hasta 30:1 sujetos por variables. Cuestionarios de 30 items requieren 90 a 900 sujetos.
• Chi cuadrada – no puede trabajar si hay menos de 5 sujetos por celda
![Page 85: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/85.jpg)
85
Poder
Poder – comúnmente situado en 0.80
Alfa – comúnmente situado en 0.05 ó 0.01
Tamaño de efecto – basado en estudios piloto o revisión de literatura; pequeño, medio, grande
Tamaño de muestra - # sujetos requeridos para asegurar poder adecuado
Poder es una función de alfa, tamaño de efecto y tamaño de muestra.
![Page 86: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/86.jpg)
86
Programas de análisis de poder
• Paquete SPSS
• nQuery Adviser Release 4.0 (¿más reciente?)http://www.statsolusa.com
![Page 87: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/87.jpg)
87
Poder
• Poder es la capacidad de detectar una diferencia entre las medias de los puntajes o la magnitud de una correlación.
• Si no hay suficiente poder en el estudio, no importa el tamaño del efecto detectado, i.e. sin importar lo exitoso de la intervención no se puede detectar estadísticamente el efecto.
• Muchos estudios tienen bajo poder.
![Page 88: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/88.jpg)
88
Tamaño del efecto
• El tamaño del efecto, se piensa como qué tan grande diferencia hizo la intervención.
• Significancia estadística y significancia clínica, con frecuencia no significan lo mismo.
![Page 89: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/89.jpg)
89
Tamaño del efecto
• Pequeño (correlaciones alrededor de 0.20)– Requiere gran tamaño de muestra
• Medio (correlaciones alrededor de 0.40)– Requiere tamaño de muestra medio
• Grande (correlaciones alrededor de 0.6)– Requiere tamaño de muestra pequeño
![Page 90: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/90.jpg)
90
Tamaño de efecto
Mediaexp – Mediacon
Tamaño de efecto =-------------------------------
DS e y c
![Page 91: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/91.jpg)
91
Eta cuadrada (ŋ2)
• En ANOVA, es la proporción de la variable dependiente (Y) explicada.
• Estima el tamaño del efecto
• Similar a R2 en análisis de regresión múltiple.
![Page 92: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/92.jpg)
92
alfa
• Alfa relaciona para probar hipótesis y qué tan frecuente tenemos un error al extraer una conclusión
• Alfa es equivalente a error tipo 1 – o decir que la intervención fue efectiva, cuando en efecto, el tamaño del efecto observado es por el azar
• Alfa de 0.01 es más conservador que 0.05 y por lo tano, más difícil detectar diferencias
![Page 93: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/93.jpg)
93
Prueba de hipótesis: ¿Es verdad o falso?
• Hipótesis nula: H0
– Media (experimental) = Media (control)
• Hipótesis alterna: H1
– Media (experimental) ≠ Media (control)
![Page 94: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/94.jpg)
94
Prueba de hipótesis y poder
Meta:
Rechazar H0
REALIDAD REALIDAD
Nula H0 Verdad
H0: Mc=Me
Nula H0 Falsa
H0: Mc=/=Me
DECISIÓN Rechazar H0 Error tipo I Poder
(1-Beta)
DECISIÓN Aceptar H0 Decisión correcta
Error tipo II (Beta)
![Page 95: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/95.jpg)
95
Quiz:
• Si el tamaño de muestra crece, ¿qué sucede al poder?
• Si alfa va de 0.05 a 0.01, ¿qué sucede al tamaño de muestra requerido?
• Si el poder cae de 0.80 a 0.60, ¿qué tipo de error es más probable que ocurra?
• Si el tamaño de efecto es estimado basado en la literatura, es grande, ¿qué efecto tendrá en el tamaño de muestra requerido?
![Page 96: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/96.jpg)
96
Perdida de muestra en ECA
N=243
N=91
N=105
N=118
N=89
N=110
N=122
6 meses
1 mes
Aleatorización
![Page 97: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/97.jpg)
97
Medición
“Si existe, puede ser medido”
R. Cronbach
![Page 98: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/98.jpg)
98
Qué medimos:
• Conocimiento, actitudes, conductas (CAC)
• Variables fisiológicas
• Síntomas
• Aptitudes
• Costos
![Page 99: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/99.jpg)
99
Teoría de medición clásica:Medición: Confibilidad Observación = Verdad (hecho) +/- Error Validez
![Page 100: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/100.jpg)
100
Tipos de mediciones
• Estandarizada – evidencia como sigue:1. Desarrollada sistemáticamente
2. Evidencia para validez del instrumento
3. Evidencia de confiabilidadconfiabilidad del instrumento
4. Evidencia de utilidad del instrumento – tiempo, puntaje, costos, sensible a cambios en el tiempo
• No estandarizada
![Page 101: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/101.jpg)
101
Tipos de error de medición
• Sistemático - se puede trabajar para minimizar el error sistemático debido a pobres instrucciones, confiabilidad pobre de mediciones, etc.
• Aleatorio – no podemos hacer nada, siempre presente, nunca medimos nada en forma perfecta, siempre hay algo de error.
![Page 102: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/102.jpg)
102
Validez
Pregunta: ¿el cuestionario mide los que se supone debe medir?
• Validez relacionada a la teoría– Validez de presencia– Validez de contenido– Validez de constructo
• Validez relacionada a criterios– Validez concurrente– Validez predictiva
![Page 103: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/103.jpg)
103
Teoría relacionada a la validez
• Validez de presencia – credibilidad del participante
• Validez de contenido (observable)– Blue print– Lista de herramientas
• Validez de constructo (no observable)– Diferencias de grupo– Cambios de tiempos– Análisis de correlaciones/factor
![Page 104: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/104.jpg)
104
Criterios relacionados a validez
• Concurrente– Mide dos variables y las correlaciona
para demostrar que la medida 1 está midiendo lo mismo que la medida 2 – en el mimso punto del tiempo.
• Predictivo– Medición de dos variables, una ahora y
la otra en el futuro, las correlaciona para demostrar que la medida 1 es predictiva de la medida 2, en el futuro.
![Page 105: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/105.jpg)
105
Recuerde:
• Validez de diseño
¿El diseño de la investigación permite al investigador probar su hipótesis? (amenazas de validez interna y externa)
• Validez del instrumento
¿El instrumento mide lo que se supone debe medir?
![Page 106: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/106.jpg)
106
Confiabilidad del instrumento
Pregunta: ¿Puede confiar en los datos?
• Estabilidad – cambio en el tiempo
• Consistencia – concordancia dentro de preguntas
• Calificación de confiabilidad – calificación de concordancia
![Page 107: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/107.jpg)
107
Confiabilidad del instrumento
• Confiabilidad prueba – re-prueba (estabilidad)– Correlaciones de Pearson
• Alfa de Cronbach (consistencia) – un punto en el tiempo, mediciones de correlaciones entre-ítems o concordancias.
• Calificación de confiabilidad (corregir para cambio de concordancia)– Confiabilidad inter-observador Kapa de Cohen– Confiabilidad intra-observador Pi de Scott
![Page 108: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/108.jpg)
108
Alfa de Cronbach
11
2
n
Xmn
nSD =
2
1
21
1 SD
itemsSD
n
n
n
alfa =
![Page 109: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/109.jpg)
109
Estimaciones de confiabilidad del alfa de
Cronbach:• > 0.90
– Excelente confiabilidad, requerido para toma de decisiones al nivel individual.
• 0.80– Buena confiabilidad, requerido para toma de
decisiones al nivel grupal.
• 0.70– Adecuada confiabilidad, cercana a no aceptable por
demasiados errores en los datos ¿Por qué?
![Page 110: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/110.jpg)
110
Consistencia interna: alfa de CronbachPersona A: Internamente consistente
Persona B: Internamente inconsistente
Ítem
Todas las
veces
La mayoría de las veces
Unas pocas veces
Rara vez
1 4
A
3 2 1
B
2 4
B
3
A
2 1
3 4 3
A
2
B
1
4 4
A
3
B
2 1
![Page 111: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/111.jpg)
111
Error en estimaciones de confiabilidad
“Error = 1 – (estimado de confiabilidad)2”
si alfa = 0.90,1-(0.90)2
1-0.89 = .11 error
si alfa = 0.70, 1 – (0.70)2
1-.49 = .51 error
si alfa = 0.70, es el punto 50:50 de error
vs. verdadero valor
![Page 112: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/112.jpg)
112
Valores de confiabilidad
• Rango: 0 a 1
• No signos negativos
• Kappa de Cohen y π de Scott son siempre más bajos, i.e. 0.50, 0.60
![Page 113: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/113.jpg)
113
Utilidad Cosas que debes saber acerca de tu instrumento.
• Tiempo para completar (¿fatiga del sujeto?)
• ¿Es molesto para los participantes?• Número de ítems (¿análisis de poder?)• ¿Apropiado para rasgos culturales, de
género, étnicos?• ¿Instrucciones para puntaje?• ¿Datos normativos disponibles?
![Page 114: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/114.jpg)
114
Reporte de instrumentos
• Concepto (s) siendo medidos
• Longitud del instrumento o número de ítems
• Formato de respuestas (escala de Likert, etc.)
• Evidencia de validez
• Evidencia de confiabilidad
• Evidencia de utilidad
![Page 115: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/115.jpg)
115
Pregunta:
• ¿Puede una escala ser válida y no confiable?
• ¿Puede ser una escala confiable y no válida?
![Page 116: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/116.jpg)
116
Desarrollo de escalas
• Generación de ítems de entrevistas/grupo de enfoque
• Escala de decisiones variación de captura• Validez – chequeo con expertos y participantes• Estandarizar la escala (evidencia para validez,
confiabilidad y utilidad)• Correlaciones estimadas de concepto• Explora sensibilidad para cambiar sobre el
tiempo
![Page 117: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/117.jpg)
117
Traducción• Traducción prospectiva (A a B)
• Traducción retrospectiva (B a A)
• Equivalencias conceptuales a través de culturas
• Usando jerigonza, modismos, etc.
![Page 118: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/118.jpg)
118
Análisis de datos
![Page 119: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/119.jpg)
119
Análisis de datos: ¿Por qué?
• Captura variabilidad (varianza) – como los puntajes varían entre las personas
• Parsimonia – técnica de reducción de datos, como describir muchos puntos de datos en números simples
• Descubrir significados y relaciones• Explorar sesgos potenciales en datos
(muestreo)• Probar hipótesis
![Page 120: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/120.jpg)
120
Donde iniciar:
• Después de la colección de datos, iniciamos un largo proceso de entrada de datos y clarificación.
• La entrada de datos requiere una lista de códigos desarrollado para el programa de estadística que planeamos usar, como SPSS.
• Lista de códigos nos permite dar a las variables nombres, valores y etiquetas.
![Page 121: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/121.jpg)
121
Entrada y limpieza de datos
• La entrada de datos es una GRAN fuente de error en los datos.
• La doble entrada de datos es una estrategia
• Limpieza de datos, buscando valores fuera de los rangos, e.g. edad de 154 es probablemente un error al escribir.
• Examinamos frecuencias, puntaje alto, puntaje abajo. Extremos, etc.
![Page 122: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/122.jpg)
122
Codificando variables
Capture datos en su forma más continua posible.
Edad: 35 años – tenga el valor actual
vs.
Señale uno: _<25
_ 25-35
_ 36-45
_ >45
![Page 123: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/123.jpg)
123
Variable dicotómicas
No haga esto:1 = Masculino2= Femenino ¡Haga esto!1 = masculino0 = femenino
¿Por qué? Función aditiva
![Page 124: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/124.jpg)
124
Codoficando falso
Etnicidad
1 = Negro; 2 = Blanco; 3 = Hispánico
N-1 o 3-1 = 2 variables
Negro: 1 = Negro; 0 = Blanco e hispánico
Blanco: 1 = Blanco; 0 = Negro e hispánico
![Page 125: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/125.jpg)
125
Datos desaparecidos
• SPSS asigna un punto “.” a datos desaparecidos
• SPSS con frecuencia te da a elegir borrar pares o lista para datos desaparecidos.
Substitución de media: da el promedio de la variable del grupo, por ejemplo, edad, no da variación en el grupo de datos.
![Page 126: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/126.jpg)
126
Datos desaparecidos
Pares: una correlación en particular es removida, mejor elección para conservar poder
Lista: variables removidas, requerida en diseños de mediciones repetidas.
![Page 127: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/127.jpg)
127
Mediciones:
• Tendencia central
• Relaciones
• Efectos
![Page 128: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/128.jpg)
128
Medidas de tendencia central
• Media – promedio aritmético• Desviación estándar (SD) – como las
medidas están agrupadas en la media• Rango – medición alta y baja.
(Ejemplo: M = 36.4 añosSD= 4.2Rango: 22-45)
![Page 129: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/129.jpg)
129
Fórmulas
N
Xn
n1
Media =
SD =
11
2
n
Xmn
n
![Page 130: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/130.jpg)
130
Medidas de tendencia central
• Media – promedio aritmético• Mediana – punto que divide la distribución
a la mitad (50% por arriba y 50% por debajo)
• Modo – el valor que ocurre con mayor frecuencia
¿Cuando la media=mediana=modo?
![Page 131: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/131.jpg)
131
Curva Normal: ¡muy robusta!
M +1 +2-1-2
34% 34%
2.5% 2.5%
![Page 132: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/132.jpg)
132
Curvas Normales
![Page 133: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/133.jpg)
133
Curva Normal(Media=Mediana=Modo)
50% 50%
MeanMedianMode
FrequencyFrecuencia
Media Mediana Modo
![Page 134: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/134.jpg)
134
Curvas no Normales
Y-A
xis
X-AxisY
-Axi
s
X-Axis
![Page 135: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/135.jpg)
135
Escalas
• Discreta (cualitativa)
– Nominal– Ordinal
• Continua (cuantitativa)– Intervalo– razón
• No paramétrica (no requiere
suposiciones; Chi cuadrada)
• Paramétrica (asume la curva
Normal, por ejemplo prueba F)
![Page 136: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/136.jpg)
136
Grados de libertad
• Corrección estadística para no sobreestimar
![Page 137: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/137.jpg)
137
¿Grados de libertad para balón 1?
![Page 138: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/138.jpg)
138
¿Grados de libertad para balón 2?
![Page 139: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/139.jpg)
139
Grados de libertad para balón 3
![Page 140: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/140.jpg)
140
Grados de libertad
• Tamaño de muestra (n-1)
• Número de grupos (k-1)
• Número de puntos en el tiempo (l-1)
![Page 141: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/141.jpg)
141
Relaciones o asociaciones
![Page 142: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/142.jpg)
142
Medidas de asociación: Correlaciones
• Rango: -1 a 1
• Dimensiones:– Fuerza (0-1)– Dirección (+ o -)
• Definición: un cambio en X resulta en un cambio predecible en Y; variación o varianza compartida.
![Page 143: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/143.jpg)
143
Correlaciones
• Específica a la muestra (cada muestra es un subgrupo de la población)
• Inestable• Depende del tamaño de muestra• Todo es estadísticamente significativo con
un tamaño de muestra los suficientemente grande; puede no ser clínicamente significantivo.
• Expresa relación no causalidad
![Page 144: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/144.jpg)
144
Tipos de correlaciones
• Producto del momento r de Pearson– Variable continua por continua
• Correlación Phi– Variable discreta por discreta (Chi
cuadrada)
• Correlación de orden de ranking Rho– Ranking por ranking discretos
• Punto biserial – Variable discreta por continua
• Eta cuadrada
![Page 145: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/145.jpg)
145
Estimado del valor de correlaciónY
-Ax
is
X-AxisY
-Ax
is
X-AxisY
-Ax
is
X-Axis
r = ?r = ?
r = ?
![Page 146: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/146.jpg)
146
Varianza
Area under the curve = SD2
Variance
Área bajo la curva = DS2
Varianza
![Page 147: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/147.jpg)
147
Varianza compartida r2
If r = 0.80, r2 = 0.64
64%
Si r = 0.80, r2 = 0.64
![Page 148: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/148.jpg)
148
Varianza compartida r2
If r = 1, 100%
If r = 0, 0%
Si r= 1,
Si r= 0,
![Page 149: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/149.jpg)
149
Tipos de análisis de datos
Descriptivo X? Y? Z?Medidas de tendencia central
Correlacional rx,y?¿Hay una relación entre x y y?
Mediciones de relaciones (correlaciones)
Causal ΔX ΔY?• ¿El cambio en x causa un cambio en y?Probando diferencias en grupos (pruebas t
o F)
![Page 150: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/150.jpg)
150
Probando efectos de intervenciones
![Page 151: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/151.jpg)
151
Probando diferencias en grupos
• Pruebas t
• Pruebas F (Análisis de varianza o ANOVA)
(Pruebas t y F con dos grupos)
![Page 152: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/152.jpg)
152
Tipos de pruebas de diferencias de grupos
• Entre grupos – (no pareados)
• En grupos – (pareados o mediciones repetidas; si son dos
grupos son también test-re-test)– Requiere sujetos identificados
![Page 153: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/153.jpg)
153
Diseño experimental clásico
O1exp X O2exp
R
O1con O2con
(pretest) (posttest)
Grupo: entre factorTiempo: dentro de factor
![Page 154: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/154.jpg)
154
Pruebas de significancia
3 4
1 O1 X O2
2 O1 O2
![Page 155: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/155.jpg)
155
Probando diferencias entre grupos
Entre varianzas
F (o t) =
Dentro de varianzas
![Page 156: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/156.jpg)
156
Examinando varianzas
Mc Me
BetweenVariance
WithinVariance
Entre
varianzasDentro de varianzas
![Page 157: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/157.jpg)
157
Examinando varianzas: No diferencia entre medias
McMe
![Page 158: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/158.jpg)
158
Examinando la varianza: Grandes diferencias entre medias
Mc Me
![Page 159: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/159.jpg)
159
Examinando varianzas: tres grupos
Mc Me2 Me1
![Page 160: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/160.jpg)
160
Tipos de diseños
O1 O2 O3
Cambio dentro del grupo en el tiempo, diseño de mediciones repetidas.
![Page 161: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/161.jpg)
161
Tipos de diseños
O1e X O2e
O1c O2c
cambio dentro del grupo de O1e a O2e
cambio entre grupos O2e y O2c
![Page 162: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/162.jpg)
162
¿Cómo analizar este diseño?
• O1e O2e O3e X O4e O5e O6e
O1c O2c O3c O4c O5c O6c
• Análisis de varianza de mediciones repetidas en dos grupos.
• Uno entre factor (grupo) y uno dentro factor (tiempo) con seis niveles.
![Page 163: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/163.jpg)
163
Diseño sólo post-prueba
• X O2e
O2c
Prueba de t no pareada
Hipótesis nula:
H0: O2e = O2c
Hipótesis alternativa direccional:
H1: O2e > O2c
![Page 164: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/164.jpg)
164
• Desviación estándar– Cómo las mediciones varían alrededor de la
media
• Error estándar de la media– Cómo las mediciones de las medias varían
alrededor de la media de la población
![Page 165: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/165.jpg)
165
Error estándar de la media: Promedio de DS de la muestra
Población (n=1000) Media de edad: 36.5 años Muestras (n=50) Media de edad: 34.6 años 37.1 años 36.4 años SD 3.4 3.8 4.1
![Page 166: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/166.jpg)
166
Conceptual:
MediaE – MediaC
t =
error estándar de la media
![Page 167: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/167.jpg)
167
Suposiciones de ANOVA
• Distribución Normal
• Independencia de mediciones
• Escala continua
• Relación lineal entre variables
![Page 168: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/168.jpg)
168
ANOVA 3 X 2
O1exp X1 O2exp
R O1exp X2 O2exp
O1con O2con
Uno entre factor: grupo (3 niveles)Uno dentro factor: tiempo (2 niveles)
![Page 169: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/169.jpg)
169
Prueba de F Ómnibus
O1exp X1 O2exp
R O1exp X2 O2exp
O1con O2con
Prueba F de grupo: ¿hay una diferencia entre los tres grupos?
Prueba F de tiempo: ¿hay una diferencia entre tiempo 1 y 2?
Si es sí, ¿dónde está la diferencia?Interacción: Grupo por tiempo
![Page 170: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/170.jpg)
170
Comparaciones post-hoc
O1exp1 X1 O2exp1
R O1exp2 X2 O2exp2
O1con O2con
Tipos: Scheffé, Tukey – control para grados de libertad en diferentes formas; compara todas las comparaciones posibles en dos formas
H0: O2exp1 = O2exp2 = O2con Si rechazas la nula. La prueba F
es significativa, puedes buscar diferencias de dos formas.
(O2exp1= O2exp2?) o (O2exp2= O2con?) o (O2exp1 = O2con?)
![Page 171: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/171.jpg)
171
Pruebas de significancia
No-paramétricas Paramétricas
Dos grupos
Pareados
No pareados
Wilcoxon Rank
Mann-Whitney U
Prueba t pareada
Prueba t no pareada
Más de dos grupos
Mediciones repetidas
Grupos independientes
Prueba Friedman
Kruskal –Wallis
ANOVA
ANOVA de mediciones repetidas
![Page 172: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/172.jpg)
172
Alfa galopante
• Peligro en conducir múltiples pruebas t o haciendo análisis al nivel de ítem en encuestas
• alfa = probabilidad de rechazar la hipótesis nula
• Alfa 0.05 dividido entre el número de pruebas t, distribuye el alfa entre las pruebas
• Si se conducen 10 pruebas t, alfa a 0.005 por prueba (0.05/10=0.005)
![Page 173: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/173.jpg)
173
ANOVA
• ANOVA – análisis de varianza
• ANCOVA – análisis de co-varianza, incluye variable (s) Z
• MANOVA – análisis multivariado de varianza (más de una variable dependiente)
• MANCOVA – análisis multivariado de co-varianza, incluye variable (s) Z.
![Page 174: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/174.jpg)
174
Análisis de regresión múltiple
Técnica de correlación – Valores inestables– Muestra específica– Confiabilidad de mediciones muy
importante– Requiere gran tamaño de muestra– Fácil para obtener significancia
con gran tamaño de muestra
![Page 175: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/175.jpg)
175
Análisis de regresión múltiple
Intentos para hacer señalamientos de relaciones causales
Y = X1+X2+X3
Y = variable dependiente (status de salud)
X1-3 = predictores o variables independientes
Status de salud = Edad + Género + Tabaquismo
![Page 176: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/176.jpg)
176
Preguntas de regresión múltiple:
• ¿Cual es la contribución de edad, género y tabaquismo al status de salud?
• ¿Qué tanto de la variación en status de salud es debido a variaciones en edad, género, tabaquismo?
![Page 177: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/177.jpg)
177
Análisis de regresión múltiple
• Crea una matriz de correlación.• Selecciona la variable independiente más
altamente correlacionada con la variable dependiente primero.
• Extrae la varianza en Y contada por la variable X.
• Repite el proceso (iterativo) hasta no más de la varianza en Y es estadísticamente explicada por la suma de otra variable X.
![Page 178: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/178.jpg)
178
Status de salud= edad + género + tabaquismo
Status de salud
Y
Edad
X1
r2
Género
X2
R2
Tabaquismo
X3
r2
Status de salud
Y
1 0.25
6%
0.04
0%
0.40
16%
Edad
X1
1 0.11
1%
.05
0%
Género
X2
1 .20
4%
Tabaquismo
X3
1
![Page 179: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/179.jpg)
179
Regresión múltiple: varianza compartida
Status de salud
Tabaquismo
Género
Edad
Género 4%
Tabaquismo 40%
Edad 25%
![Page 180: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/180.jpg)
180
Regresión múltiple
• Correlación resulta en una r
• Regresión múltiple resulta en una r2
• R al cuadrado es la cantidad total de la varianza en Y que es explicada por los predictores, removiendo la superposición entre los predictores.
![Page 181: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/181.jpg)
181
Regresión múltiple
Tipos
• Escalonada = basada en la correlación más alta, que variable entra primero (la computadora hace la decisión), construcción de teoría
• Jerárquica = elije el orden de entrada, entrada forzada, prueba de teoría.
![Page 182: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/182.jpg)
182
Regresión múltiple
• Nos permite agrupar variables en bloques.• Bloque 1: variables demográficas
– (edad, género, nivel socioeconómico)
• Bloque 2: bienestar psicológico– (depresión, apoyo social)
• Bloque 3: severidad de enfermedad– (cuenta de CD4, diagnóstico SIDA, carga viral, OI)
• Bloque 4: tratamiento o control– 1= tratamiento y 0 = control
![Page 183: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/183.jpg)
183
Análisis de regresión
• Regresión múltiple: una Y, múltiples X.• Regresión logística: Y es dicotómica, popular
en epidemiología, Y=enfermedad o no enfermedad; razón de momios – razón de riesgos (varianza no explicada)
• Análisis variado canónico: múltiples Y y múltiples variables X: Y1+Y2+Y3=X1+X2+X3
-ligando variables fisiológicas con variables psicológicas.
![Page 184: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/184.jpg)
184
Modelos de regresión multivariable:
• Ruta de análisis y ahora Ecuación estructural de modelaje
• Programa de software: AMOS• Modelo de medición está combinado con
modelo predictivo• Conserve la multicolinearidad de variables
(¡están correlacionadas!)• Permita variables moderadoras (efectos directos
e indirectos).
![Page 185: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/185.jpg)
185
Ruta de análisis de modelaje múltiple independiente y dependiente
Edad
Género
Apoyo social
Severidad de la enfermedad
Habilidad cognitivality
Adherencia a la dieta
Control diabético
Relaciones están basadas en la revisión de la literatura y luego potencialmente exploradas, descubiertas, probadas o validadas
![Page 186: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/186.jpg)
186
Modelando ecuación estructural
Inter -sección
Pendiente
Dolor muscular mes 0
Dolor muscular mes 1
Dolor muscular mes 3
Dolor muscular mes 6
Inter- sección
Pendiente
Fatiga mes 0
Fatiga mes 1
Fatiga mes 3
Fatiga mes 6
![Page 187: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/187.jpg)
187
Factor de análisis
• Exploración de la validez de constructo de un instrumento
• Técnica correlacional• Requiere sólo una administración de un
instrumento• Técnica de reducción de datos• Un procedimiento estadístico que requiere
aptitudes artísticas
![Page 188: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/188.jpg)
188
Tipos conceptuales de factor de análisis
• Exploratorio – ver que está en el grupo de datos
• Confirmatorio – ver si tu puedes replicar la estructura reportada.
![Page 189: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/189.jpg)
189
Factor de análisis
• Componentes principales –
(factor principal
o
ejes principales)
![Page 190: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/190.jpg)
190
Matriz de correlación de la escala de ítems:
¿Cuáles ítems están relacionados?
Item 1 Item 2 Item 3 Item 4
Item 1 1 0.80 0.30 0.25
Item 2 1 0.40 0.25
Item 3 1 0.70
Item 4 1
![Page 191: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/191.jpg)
191
Factor de análisis:
Un proceso interactivo
Factor de extracción
![Page 192: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/192.jpg)
192
Factor de análisis
Factor I Factor II Factor III Comunalidad
Item 1 0.80 0.20 -0.30 0.77
Item 2 0.75 0.30 0.01 0.65
Item 3 0.30 0.80 0.05 0.63
Item 4 0.25 0.75 0.20 0.67
Eigenvalue 2.10 2.05 0.56
% var 34% 30% 10%
![Page 193: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/193.jpg)
193
Definiciones:
• Comunalidad: ítem al cuadrado cargado sobre cada factor y suma sobre cada ÍTEM
• Eigenvalue: ítems al cuadrado descargado para cada factor y suma sobre cada FACTOR
• Etiqueta de factores: producto de la imaginación del autor. Ítems 1 y 2 = factor I; ítems 3 y 4 = factor II.
![Page 194: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/194.jpg)
194
Factor de rotaciónFactores son matemáticamente rotados
dependiendo de la perspectiva del autor.• Ortogonal – ángulos rectos, bajas correlaciones
interfactores, crea mayores factores de independencia, bueno para análisis de regresión múltiple, puede no reflejar los datos actuales (varimax)
• Oblicuo – diferentes tipos, deja que los factores se correlacionen entre ellos al grado de que actualmente se correlacionan y se cree que reflejan mejor los datos actuales difícil de usar en múltiple regresión debido a la multicolinearidad (oblimax)
![Page 195: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/195.jpg)
195
Resumen: Análisis de datos
• Medidas de tendencia central• Medidas de relación• Probando diferencias de grupos• Correlación• Técnica de regresión múltiple
como predicción (causal).• Factor de análisis como una
escala de desarrollo, técnica de validez de constructo.
![Page 196: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/196.jpg)
196
Guías éticas para investigación en enfermería
Vulnerabilidad – una relación de poder entre el proveedor de atención en salud y paciente, familia, cliente.
Participantes vulnerables en investigación, requieren más protección de daños.
![Page 197: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/197.jpg)
197
Principios éticos que guían la investigación
• Beneficiencia – hacer el bien
• No maleficiencia – no hacer mal
• Fidelidad – creando confianza
• Justicia – siendo justo
• Veracidad – diciendo la verdad
• Confidencialidad – protegiendo o salvaguardando la información que identifique a los participantes
![Page 198: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/198.jpg)
198
Principios éticos que guían la investigación
Confidencial– Nombres conservados en lugar seguro
vs.
Anónimo– Sin identificadores
![Page 199: 1 Métodos cuantitativos avanzados William L. Holzemer, RN, Ph.D., FAAN Profesor, Escuela de Enfermería Universidad de California, San Francisco bill.holzemer@nursing.ucsf.edu.](https://reader035.fdocumento.com/reader035/viewer/2022062511/54ff3e074a7959887e8b5033/html5/thumbnails/199.jpg)
Mejores deseos