3 VARIABLES EN INVESTIGACIÓN. METODOLODIA
- 1. VARIABLES EN INVESTIGACIÓN Dr. Gustavo A. Vásquez Tirado MEDICINA INTERNA – MEDICINA INTENSIVA UCI – HRDT INVESTIGADOR RENACYT – III MAESTRO EN CIENCIAS EN INVESTIGACIÓN CLÍNICA DOCTOR EN INVESTIGACIÓN CLÍNICA Y TRASLACIONAL Universidad Privada Antenor Orrego 25 noviembre, 2023 “MAESTRÍA EN CIENCIAS EN INVESTIGACIÓN CLÍNICA”
- 2. Las características de interés sobre los individuos o elementos de una población. Variables como: la edad, el nivel de colesterol (en mg/100 ml), el sexo (hombre/mujer), el nivel de estudios (sin estudios, primaria, secundaria, universitarios), etc. serían variables siempre y cuando varíen de individuo a individuo o elemento a elemento de una población Variable
- 3. Tipos de variable Por su naturaleza Cualitativas/ Categóricas Cuantitativas/ Numéricas Por su uso en el análisis y el diseño De Respuesta/ dependiente De exposición/ Independiente De control/ intervinientes Tipos de variable
- 4. Tipos de variables en un estudio analítico VARIABLE DE CONTROL/ INTERVINIENTES VARIABLES DE EXPOSICIÓN/ INDEPENDIENTE VARIABLES DE RESPUESTA/ DEPENDIENTE/ OUTCOME
- 5. Corioamnionitis Sepsis neonatal Ejemplo: V Exposición – V Respuesta
- 6. Hipertensión arterial esencial EVC isquémico Ejemplo: V Exposición – V Respuesta Diabetes mellitus Fibrilación auricular Edad mayor a 65 Tabaquismo ?
- 7. Relación entre los tipos de variables
- 8. Tipos de variable Por su naturaleza Cualitativas/ Categóricas Cuantitativas/ Numéricas Por su uso en el análisis y el diseño De Respuesta/ dependiente De exposición/ Independiente De control/ intervinientes Recordando …
- 9. Categóricas • Nos proporcionan información sobre un atributo. • Ejemplo: • Raza • Profesión • Color de piel Numéricas • Nos proporcionan información sobre una cantidad. • Ejemplo: • Glicemia • Edad • Salario Variables
- 10. Dicotómicas • Existen 2 categorías • Ejemplo: • Sexo • Estado vital Politómicas • Existen más de 2 categorías • Ejemplo: • Religión • Grado de hipernatremia • Estado civil Variables categóricas
- 11. Discretas • No permite valores intermedios. • Ejemplo: • Cantidad de hijos Continuas • Permite infinitos valores intermedios. • Ejemplo: • Conteo de linfocitos. • Creatininemia. Variables numéricas
- 12. Escalas de medición •La escala de medición es el grado de precisión como se expresa la medida de una variable. •El investigador construye las categorías de la variable y ello a su vez determina la escala de medición que está optando
- 13. Escalas de medición • El tipo de variable y su escala de medición van a determinar los métodos estadísticos a usar para su análisis y para su forma de presentación.
- 14. Escalas de medición •Nominal •Ordinal Variables Categóricas •Intervalo •Razón Variables Numéricas
- 15. Escalas de medición •Nominal Variables Categóricas Variables Numéricas No pueden realizarse operaciones aritméticas entre los posibles valores, ni tampoco puede establecerse un orden entre ellas.
- 16. Escalas de medición Variables Categóricas •Intervalo Variables Numéricas Pueden realizarse operaciones aritméticas entre los posibles valores. Y el valor cero es arbitrario
- 17. Escalas de medición Variables Categóricas •De razón Variables Numéricas Pueden realizarse operaciones aritméticas entre los posibles valores. Y el valor cero es el real, en el cero hay ausencia de la variable.
- 18. Escala de Medición Tipo de Variable Sub tipo Escala de medición Presencia de comorbilidad (HTA) Categórica Dicotómica NOMINAL Religión Categórica Politómica NOMINAL Hipernatremia (leve- moderada-severa) Categórica Politómica ORDINAL Número de hijos Numérica Discreta DE RAZÓN Glicemia Numérica Continua DE RAZÓN Temperatura (°C) Numérica Continua INTERVALO
- 19. Medidas de resumen y dispersión • Variables categóricas • Medidas de resumen: Frecuencias absolutas y porcentajes • Variables cuantitativas • Medidas de tendencia central: media, mediana • Medidas de dispersión: desviación estándar, varianza, rango, rango intercuartílico
- 20. Medidas de tendencia central • Proporciona información sobre el valor medio de un conjunto de datos - Media - Mediana Medidas de dispersión • Proporciona información sobre la magnitud de la variabilidad dentro de un conjunto de datos -Desviación estándar - Varianza - Rango - Rango intercuartílico Descripción de las Variables Cuantitativas
- 21. Si tengo una DISTRIBUCIÓN NO NORMAL usar la mediana. ¿Cuándo usar la media o la mediana?
- 22. • Varianza: Representa la variabilidad de una serie de datos respecto a su media • Desviación estándar: Desviación estándar y Varianza Si tenemos una distribución normal: •Entre media ±1 DS, se encuentra el 68% de la población •Entre media ±2 DS, se encuentra el 95% de la población •Entre media ±3 DS, se encuentra el 99.7% de la población
- 23. Ejemplo: • En una población de estudiantes de medicina con: -Media: 21.5 -Desviación estándar: 1.77 ¿Entre qué rango de valores se encuentra el 68% de la población? • Límite superior: media + DS = 21.5 + 1.77 = 23.27 • Límite inferior: media –DS = 21.5 –1.77 = 19.73
- 24. Rango intercuartílico • Rango se define como la diferencia entre el valor máximo y mínimo de un conjunto de datos. Rango: valor máximo - valor mínimo • El Rango no mide la variabilidad de los datos intermedios • El Rango Intercuartil se define como la diferencia entre el tercer y primer cuartil de un conjunto de datos. RI= P75 – P25= Q3-Q1
- 25. • El 50% de los datos se encuentra entre el P25 y P75 Rango intercuartil
- 26. • Interprete algunas variables: EDAD, SEXO. COMORBILIDADES. Presentación de datos de un artículo científico.
- 27. VARIABLES INTERVINIENTES • PLANTEAMIENTO CORRECTO DE AQUELLAS VARIABLES QUE PUEDEN TENER UN PAPEL DE CONFUSOR, ASOCIACIÓN CON VARIABLE DE RESPUESTA • SE ELIGEN LAS MEJORES PARA GENERAR MODELOS DE PREDICCIÓN • BASADO EN ANTECEDENTES TEÓRICOS, FISIOLÓGICOS, FISIOPATOLÓGICOS, “HECHOS OBSERVADOS” • SIEMPRE DEBEN ESTAR REFRENDADOS EN INTRODUCCIÓN • USAR DAG: GRÁFICOS ACÍCLICOS DIRIGIDOS
- 34. GRÁFICOS ACÍCLICOS DIRIGIDOS (DAG)
- 35. GRÁFICOS ACÍCLICOS DIRIGIDOS (DAG)
- 36. GRÁFICOS ACÍCLICOS DIRIGIDOS (DAG)
- 37. GRÁFICOS ACÍCLICOS DIRIGIDOS (DAG)
- 38. GRÁFICOS ACÍCLICOS DIRIGIDOS (DAG)
- 39. GRÁFICOS ACÍCLICOS DIRIGIDOS (DAG)
- 40. 1. Guyatt G, Rennie D, Meade MO, Cook DJ, eds. Users’ Guides to the Medical Literature: A Manual for Evidence-Based Clinical Practice. 2nd Ed. New York, NY: McGraw-Hill; 2008 2. Etminan, M., Collins, G. S., & Mansournia, M. A. (2020). Using Causal Diagrams to Improve the Design and Interpretation of Medical Research. Chest, 158(1), S21–S28. doi:10.1016/j.chest.2020.03.011 3. Piccininni, M., Konigorski, S., Rohmann, J.L. et al. Directed acyclic graphs and causal thinking in clinical risk prediction modeling. BMC Med Res Methodol 20, 179 (2020). https://doi.org/10.1186/s12874-020-01058-z 4. Tennant PWG, Murray EJ, Arnold KF, et al. Use of directed acyclic graphs (DAGs) to identify confounders in applied health research: review and recommendations. Int J Epidemiol. 2021;50(2):620-632. doi:10.1093/ije/dyaa213 Referencias bibliográficas