TRABAJO DE INVESTIGACIÓN PRUEBA DE HIPOTESIS Y REGRESIÓN Y CORRELACIÓN LINEAL SIMPLE

...

(1) El estudio A, con P=0,000000, presenta un valor P pequeño, lo que es una fuerte evidencia contra H0.

(2) El estudio B, con P=0,04500 presenta un valor P relativamente pequeño, pero no muy pequeño, por lo que la evidencia que arroja contra H0 no es muy fuerte.

(3) El estudio C, con P=0,882301, presenta un valor P elevado (recuerde que los valores P oscilan entre 0 y 1), por lo que la evidencia contra la hipótesis nula es muy débil.

Los datos para el análisis de las situaciones siguientes se presentan en el cuadro 3.

[pic 3]

Ejemplo 2. El valor P=0,0000 indica una fuerte evidencia contra H0, lo que es confirmado por el intervalo de confianza que estima que la diferencia entre las medias de los dos tratamientos es un número entre -11,2 y -8,2. El radio del intervalo

[pic 4]

El valor obtenido, 1,5 unidades de la prueba, muestra que el nivel de error es bajo y, como una diferencia de puntajes de mínimo 8 unidades es relevante como índice de depresión, queda confirmada la relevancia de la disminución de la depresión que se logra al aplicar el tratamiento A.

Ejemplo 3. El valor P=0,0149 es un valor P relativamente pequeño, pero no muy pequeño, por lo que la evidencia que arroja contra H0 no es muy fuerte. El intervalo de confianza para estimar la diferencia de las medias entre los tratamientos (A y B) oscila entre -17,9 y -2,0, y tiene una amplitud muy grande, por lo que el nivel de imprecisión en la estimación de la diferencia de medias es elevado y, por consiguiente, el análisis que se haga acá es impreciso. Por ello, sus conclusiones deben tomarse cautelosamente y, como muestran los valores numéricos, no son evidencias fuertes a favor de que existan diferencias.

En una situación como está debe valorarse si el tamaño de muestra utilizado es adecuado y analizar todas las fases de diseño y conducción del estudio en busca de posibles sesgos.

14¿Qué se entiende por asociación de variables?

Concepto de asociación entre variables

El análisis estadístico de la asociación (relación, covarianza, correlación) entre variables representa una parte básica del análisis de datos en cuanto que muchas de las preguntas e hipótesis que se plantean en los estudios que se llevan a cabo en la práctica implican analizar la existencia de relación entre variables.

La existencia de algún tipo de asociación entre dos o más variables representa la presencia de algún tipo de tendencia o patrón de emparejamiento entre los distintos valores de esas variables.

A modo de ejemplo esquemático, si tenemos una variable X [a, b, c] y otra variable Y [m, n, p], de modo que los datos empíricos evidencian que las entidades que en X son a en Y tienden a ser n (o viceversa), que las que son b tienden a ser p, y que las que son c tienden a ser m, se pone de manifiesto que existe cierta asociación entre ambas variables.

Más formal que ésta, Solanas et al. (2005) ofrecen otra propuesta de definición general de lo que significa la asociación entre 2 variables: la existencia de asociación entre dos variables indicaría que la distribución de los valores de una de las dos variables difiere en función de los valores de la otra.

Sean el caso para nuestro ejemplo anterior, de las distribuciones de frecuencias (expresadas en

%) de la variable Y para aquellos casos que en la variable X son ‘a’, ‘b’ y ‘c’, respectivamente:

[pic 5]

Otro ejemplo de la presencia de asociación entre 2 variables, una, la puntuación en un test de aptitud lingüística [0 a 150] y, la otra, la variable sexo [A: hombre; B: mujer]. Véase a continuación, para un conjunto de datos de estas dos variables, la diferencia existente entre las distribuciones de frecuencias de la variable “Aptitud lingüística” condicionada a la variable “Sexo”:

[pic 6]

15¿Qué significa relación causa –Efecto en la estadística?

Forma parte de la mente humana el buscar relaciones entre acciones y sus consecuencias como modo de entender el mundo y adaptarse al mismo. En epidemiología, la causalidad se define como el estudio de la relación etiológica entre una exposición, por ejemplo la toma de un medicamento y la aparición de un efecto secundario.

En toda relación causal intervienen los siguientes elementos:

a) Elemento inicial (C) o causa: su definición depende del modelo. Las causas o factores que influyen en el proceso salud-enfermedad de la población requieren una investigación adecuada para prevenir la aparición de efectos no deseados y controlar su difusión. Como las causas no se definen en función de cambios, a veces en lugar de causas se habla de determinante.

Algunos factores causales de enfermedades pueden ser: factores biológicos (edad, sexo, raza, peso, talla, composición genética, estado nutricional, estado inmunológico); factores psicológicos (autoestima, patrón de conducta, respuesta al estrés, etc); factores relacionados con el medio ambiente social y cultural (cambios demográficos, actividad física, hacinamiento, drogadicción, alcoholismo, etc); factores económicos (nivel socioeconómico, categoría profesional, nivel educativo, etc); ámbito laboral (accidente laboral, acceso a la seguridad social, condiciones del ambiente de trabajo, etc); factores relacionados con el medio ambiente físico (clima, contaminación artmosférica, causas químicas, etc); servicios de salud (acceso a servicios de salud, programas de control y erradicación de enfermedades, vigilancia epidemiológica, etc).

b) Elemento final (E) o efecto: que se define en términos de cambio con respecto a una situación previa o lo que hubiera ocurrido si no hubiera ocurrido la causa.

Así, los efectos pueden ser: el desarrollo de una enfermedad, fallecimiento, complicación, curación, o bien otro tipo de resultados (uso de métodos, cambio de prácticas, erradicación de una enfermedad, participación en un programa de vacunación, etc).

Estudiar una causa es aprender sobre los mecanismos de la enfermedad. El conocimiento de los mecanismos causales sirve como base para generar nuevas hipótesis y para planear intervenciones que modifiquen sus efectos.

Ejemplo: Un ejemplo de causa-efecto

...