17 / 52
C o n t e n i d o d i s p o n i b l e e n h t t p : / / www. n e umo l o g i a - p e d i a t r i c a . cl
1 3
Neumol Pediatr 2015; 10 (1): 10 - 14
El proceso de investigación y su aplicación en rehabilitación respiratoria. Segunda Parte.
Mediana:
Equivale al valor del individuo por debajo del cual
se encuentra el 50% de las unidades; se recomienda su uso
cuando las variables se encuentran en escala ordinal, es decir,
cuando es posible utilizar aquellas medidas que se basan en
la posibilidad de ordenar las observaciones. Sin embargo,
también puede ser utilizada con datos continuos o discretos
cuando no poseen una distribución normal, así como también,
cuando la cantidad de casos observado es pequeña y existe
una gran dispersión en los datos. Una de las fortalezas de esta
MTC es que no es influenciado por valores extremos.
Por otra parte, las
medidas de dispersión
representan el grado
de variabilidad de los datos obtenidos. Entre ellas existen:
Rango:
Equivale a la diferencia entre la observación más alta
y más pequeña. Considera solo los valores extremos de los
datos. En este contexto, su utilidad es limitada puesto que es
altamente sensible a valores excepcionalmente pequeños o
amplios y no a la variabilidad de todos los datos obtenidos.
Rango intercuartílico:
Se obtiene a partir de la diferencia entre
el percentil 75 y 25. Es un estadístico más robusto y no se
encuentra influenciado por valores extremos.
Desviación estándar (DE):
Es el más ampliamente utilizado y
equivale al promedio de las diferencias entre de las
observaciones individuales con la media aritmética de la
variable. Considerando que la sumatoria de las desviaciones que
quedan por encima de la media es idéntica a la que queda por
debajo de esta, para el cálculo de la DE, debe emplearse el valor
absoluto de las diferencias, de lo contrario la DE sería cero.
Para un adecuado análisis descriptivo de los datos, las variables
deben ser presentadas en función de una medida de tendencia
central y dispersión. Por otra parte, la elección de una u otra
depende del tipo de dato, naturaleza de la variable, cantidad de
sujetos evaluados, presencia de valores extremos, tipo de
distribución, etc (8).
Análisis inferencial de los datos:
Permite determinar las
propiedades de una población a partir de la muestra de estudio.
Para su realización es necesario haber desarrollado
acabadamente cada una de las fases previas del proceso de
investigación.
En términos generales, el proceso de análisis inferencial se
enfoca en determinar el nivel de confianza con el que es
posible extrapolar los resultados de la muestra a una
población determinada, para lo cual es necesario realizar un
contraste de hipótesis (o contraste de significancia). El nivel de
confianza mínimo para confirmar las hipótesis es 95%, es
decir, debe existir menos de un 5% de probabilidad de que
los resultados obtenidos se den por efecto del azar y no
representen la realidad de la población de estudio (6).
La selección del test estadístico para la realización del
contraste de hipótesis depende de la pregunta de investigación,
diseño de estudio, naturaleza y distribución de las variables
empleadas. En la Tabla 2 se muestran los test estadísticos
más utilizados en investigación clínica (9).
CONCLUSIÓN
Como ha sido revisado precedentemente, investigar es un
proceso dinámico que contempla etapas cada una de las
cuales debe ser totalmente completada antes de avanzar
a la siguiente. Acelerar la marcha sin controlar los sesgos
o saltarse alguna de las fases del proceso, incrementa
significativamente el riesgo de cometer errores de manera
sistemática, lo que ineludiblemente producirá resultados
erróneos afectando la validez del estudio realizado.
Generar conocimiento significativo que finalmente contribuya
a la salud de nuestros pacientes, es probablemente la
motivación de aquellos kinesiólogos que invierten tiempo y
recursos en desarrollar investigación clínica. Por este motivo,
se espera que este material contribuya al conocimiento en el
área de la metodología de la investigación, con el propósito
de incentivar la ejecución de estudios con estándares de
calidad cada vez más altos, que permitan elevar el desarrollo
científico de esta valiosa área disciplinar.
El autor declara no presentar conflicto de intereses
Tabla Nº2
Principales pruebas estadísticas para contraste de hipótesis según
tipo de variable
Asociación de variables
Test estadístico
Variable continua/variable
dicotómica.
Paramétrico:
• t-student
No paramétrico*:
• U de Mann-Whitney (muestras
independientes)
• Wilconxon (muestras pareadas)
Variable continua/variable
categórica (más de dos)
Paramétrico:
• ANOVA
Post hoc**:
• Turkey
• Shieffé
• Bonferroni
No paramétrico*:
• Kruskal Wallis
Dos variables continuas
Paramétrico:
• r de Pearson
No paramétrico*:
• Rho de Spearman
Dos variables dicotómicas
(tabla de contingencia)
• Chi cuadrado de Pearson
• Test exacto de Fisher
*Se debe emplear cuando las variables no poseen distribución normal
**se deben emplear una vez que se ha conocido la presencia de diferencias significativas
entre las medias de las categorías contrastadas, con el objetivo de conocer que parejas de
variables son significativamente distintas y que parejas de variables no lo son.