martes, 20 de octubre de 2015
miércoles, 27 de mayo de 2015
jueves, 14 de mayo de 2015
Cómo calcular el intervalo de confianza
Un intervalo de confianza (o nivel de confianza) es un indicador de la precisión de una medición que hiciste. También es un indicador de cuán estable es tu valor estimado, el cual es la medida de lo cerca que estará la medición hecha, respecto al valor estimado original si repitieras tu experimento. Sigue los pasos a continuación para calcular el intervalo de confianza para tus datos.
Supongamos que trabajas con la siguiente situación: el peso promedio de un estudiante de género masculino en la Universidad Sevilla es de 82 kg. Analizarás qué tan precisamente podrás predecir el peso de los estudiantes varones de la universidad Sevilla dentro de un intervalo de confianza dado.(95%)
1.Selecciona una muestra de tu población escogida. Ésta es la que utilizarás en la recolección de datos para evaluar tu hipótesis. Supongamos que seleccionaste, al azar, 1000 estudiantes hombres.
2.Calcula el promedio (media) y la desviación estándar de tu muestra. Escoge un dato estadístico de tu muestra (por ejemplo, el promedio o la desviación estándar) que quieras usar para estimar el parámetro de tu población escogida. Un parámetro de población es un valor que representa una característica particular de la población. Así es cómo puedes encontrar el promedio y la desviación estándar de tu muestra:
5.Expresa tu intervalo de confianza. Para expresar el intervalo de confianza, simplemente tienes que tomar el promedio o la media (82), y escribirla antes de ± y el margen de error. La respuesta es: 82 ± 0,86. Puedes encontrar los límites superior e inferior del intervalo de confianza, sumando y restando el margen de error a la media. Entonces, tu límite inferior es 82 – 0,86 o 81,14 kg (178,14 lb), y tu límite superior es 82 + 0,86, o 82,86 kg (181,86 lb).
Supongamos que trabajas con la siguiente situación: el peso promedio de un estudiante de género masculino en la Universidad Sevilla es de 82 kg. Analizarás qué tan precisamente podrás predecir el peso de los estudiantes varones de la universidad Sevilla dentro de un intervalo de confianza dado.(95%)
1.Selecciona una muestra de tu población escogida. Ésta es la que utilizarás en la recolección de datos para evaluar tu hipótesis. Supongamos que seleccionaste, al azar, 1000 estudiantes hombres.
2.Calcula el promedio (media) y la desviación estándar de tu muestra. Escoge un dato estadístico de tu muestra (por ejemplo, el promedio o la desviación estándar) que quieras usar para estimar el parámetro de tu población escogida. Un parámetro de población es un valor que representa una característica particular de la población. Así es cómo puedes encontrar el promedio y la desviación estándar de tu muestra:
- Para calcular el promedio (o media) de los datos de la muestra, solo suma todos los pesos de los 1000 hombres que seleccionaste y divide el resultado entre 1000; es decir, el número de hombres. Esto debería darte, por ejemplo, un valor del peso promedio de 84,4 kg
- Para calcular la desviación estándar de la muestra, tendrás que encontrar el promedio o la media de los datos. Luego, tendrás que encontrar la varianza de los datos o el promedio al cuadrado de las diferencias con respecto al valor medio. Una vez que encuentres este número, solo calcula su raíz cuadrada. Supongamos que la desviación en este caso sea 14 kg (observa que esta información algunas veces podría estar disponible para ti al resolver un problema de estadística).
3. Elige el nivel de confianza que desees. Los niveles de confianza más comúnmente usados son 90 por ciento, 95 por ciento y 99 por ciento. Al resolver un problema, es posible que este dato esté disponible para ti. Supongamos que escogiste 95%.
4.Calcula tu margen de error. Puedes encontrar el margen de error usando la siguiente fórmula: Za/2 * σ/√(n). Za/2 = coeficiente de confianza, donde a = nivel de confianza, σ = desviación estándar, n = tamaño de muestra. Esta es otra forma de decir que deberías multiplicar el valor crítico por el error estándar. Así es como puedes resolver esta fórmula por partes:
- Para encontrar el valor crítico, o Za/2: en este caso el nivel de confianza es 95%. Convierte el porcentaje a un número decimal 0,95 y divídelo entre 2 para tener 0,475. Luego, revisa la tabla de valores z para encontrar el valor que corresponde a 0,475. Verás que el valor más cercano es 1,96 en la intersección de la fila 1,9 y la columna 0,6.
- Calcula el error estándar: toma la desviación estándar, 14 kg (30 lb), y divídela por la raíz cuadrada del tamaño de la muestra, 1000. Obtendrás 14/31,6 o 0,44 kg (0,95 lb).
- Multiplica 1,96 por 0,44 (tu valor crítico por tu error estándar) para obtener 0,86; tu margen de error.
5.Expresa tu intervalo de confianza. Para expresar el intervalo de confianza, simplemente tienes que tomar el promedio o la media (82), y escribirla antes de ± y el margen de error. La respuesta es: 82 ± 0,86. Puedes encontrar los límites superior e inferior del intervalo de confianza, sumando y restando el margen de error a la media. Entonces, tu límite inferior es 82 – 0,86 o 81,14 kg (178,14 lb), y tu límite superior es 82 + 0,86, o 82,86 kg (181,86 lb).
- También puedes usar esta fórmula práctica para encontrar el intervalo de confianza: x̅ ± Za/2 * σ/√(n). Aquí, x̅ representa la media.
UNIDAD IV
PRUEBAS CHI-CUADRADA Y ESTADISTICA NO PARAMETRICA
Como ya se ha visto varias veces, los resultados obtenidos de muestras no siempre concuerdan exactamente con los resultados teóricos esperados, según las reglas de probabilidad. Por ejemplo, aunque consideraciones teóricas conduzcan a esperar 50 caras y 50 cruces cuando se lanza 100 veces una moneda bien hecha, es raro que se obtengan exactamente estos resultados.Supóngase que en una determinada muestra se observan una serie de posibles sucesos E1, E2, E3, . . . , EK, que ocurren con frecuencias o1, o2, o3, . . ., oK, llamadas frecuencias observadas y que, según las reglas de probabilidad, se espera que ocurran con frecuencias e1, e2, e3, . . . ,eK llamadas frecuencias teóricas o esperadas.
A menudo se desea saber si las frecuencias observadas difieren significativamente de las frecuencias esperadas. Para el caso en que solamente son posibles dos sucesos E1 y E2 como, por ejemplo, caras o cruces, defectuoso, etc., el problema queda resuelto satisfactoriamente con los métodos de las unidades anteriores. En esta unidad se considera el problema general.
Definición de X2 (Chi cuadrado)Una medida de la discrepancia existente entre las frecuencias observadas y esperadas es suministrada por el estadístico X2, dado por:
Si las frecuencias esperadas son al menos iguales a 5, la aproximación mejora para valores superiores.
El número de grados de libertad
está dado por: = k – 1 – mK = número de clasificaciones en el problema.
m = número de parámetros estimados a partir de los datos muestrales para obtener los valores esperados.
En la práctica, las frecuencias esperadas se calculan de acuerdo con la hipótesis Ho. Si bajo esta hipótesis el valor calculado de X2 dado es mayor que algún valor crítico, se deduce que las frecuencias observadas difieren significativamente de las esperadas y se rechaza Ho al nivel de significación correspondiente. En caso contrario, no se rechazará. Este procedimiento se llama ensayo o prueba de chi-cuadrado de la hipótesis.
Debe advertirse que en aquellas circunstancias en que X2 esté muy próxima a cero debe mirarse con cierto recelo, puesto que es raro que las frecuencias observadas concuerden demasiado bien con las esperadas. Para examinar tales situaciones, se puede determinar si el valor calculado de X2 es menor que las X2 críticas o de tabla (ensayo unilateral izquierdo), en cuyos casos se decide que la concordancia es bastante buena.
Ejemplos:
- La siguiente tabla muestra las frecuencias observadas al lanzar un dado 120 veces. Ensayar la hipótesis de que el dado está bien hecho al nivel de significación del 0.05.
- En los experimentos de Mendel con guisantes, observó 315 lisos y amarillos, 108 lisos y verdes, 101 rugosos y amarillos y 32 rugosos y verdes. De acuerdo con su teoría, estos números deberían presentarse en la proporción 9:3:3:1. ¿Hay alguna evidencia que permita dudar de su teoría al nivel de significación del 0.01?
- Una encuesta sobre 320 familias con 5 niños dio la distribución que aparece en la siguiente tabla. ¿Es el resultado consistente con la hipótesis de que el nacimiento de varón y hembra son igualmente posibles? Use
= 0.05. - Una urna contiene 6 bolas rojas y 3 blancas. Se extraen al azar dos bolas de la urna, se anota su color y se vuelven a la urna. Este proceso se repite un total de 120 veces y los resultados obtenidos se muestran en la siguiente tabla. Determinar al nivel de significación del 0.05 si los resultados obtenidos son consistentes con los esperados.
Cara
|
1
|
2
|
3
|
4
|
5
|
6
|
| Frecuencia Observada |
25
|
17
|
15
|
23
|
24
|
16
|
Solución:Ensayo de Hipótesis:
Ho; Las frecuencias observadas y esperadas son significativamente iguales
(dado bien hecho)
H1; Las frecuencias observadas y esperadas son diferentes (dado cargado).
Primero se procede a calcular los valores esperados. Como es bien sabido por todos la probabilidad de que caiga cualquier número en un dado no cargado es de 1/6. Como la suma de los valores observados es de 120, se multiplica este valor por 1/6 dando un resultado de 20 para cada clasificación.
Cara
|
1
|
2
|
3
|
4
|
5
|
6
|
Total
|
| Frecuencia Observada |
25
|
17
|
15
|
23
|
24
|
16
|
120
|
| Frecuencia esperada |
20
|
20
|
20
|
20
|
20
|
20
|
Grados de libertad = k-1-m = 6-1-0 = 5
No se tuvo que calcular ningún parámetro para obtener las frecuencias esperadas.
11.1 no se rechaza Ho.Si X2R >11.1 se rechaza Ho.
Cálculos:
Justificación y decisión:
Como 5 es menor a 11.1 no se rechaza Ho y se concluye con una significación de 0.05 que el dado está bien hecho.
Solución:Ensayo de Hipótesis:
Ho; La teoría de Mendel es acertada.
H1; La teoría de Mendel no es correcta.
El número total de guisantes es 315+108+101+32=556. Puesto que los números esperados están el la proporción 9:3:3:1 (9+3+3+1=16), se esperaría:
lisos y amarillos
lisos y verdes
rugosos y amarillos
rugosos y verdesGrados de libertad = k-1-m = 4-1-0 = 3
No se tuvo que calcular ningún parámetro para obtener las frecuencias esperadas.
11.3 no se rechaza Ho.Si X2R >11.3 se rechaza Ho.
Cálculos:
Justificación y decisión:
Como 0.470 es menor que 11.3 no se rechaza Ho y se concluye con un nivel de significación de 0.01 que la teoría de Mendel es correcta.
Como el valor de 0.470 está cercano a cero, se procede a hacer un ensayo unilateral izquierdo:
Ensayo de Hipótesis:
Ho; La teoría de Mendel es acertada.
H1; La teoría de Mendel es muy acertada.
0.115 no se rechaza Ho.Si X2R < 0.115 se rechaza Ho.
Como el valor de 0.470 no es menor a 0.115 se concluye que el experimento o la teoría de Mendel solo es buena.
Número de niños
|
5
|
4
|
3
|
2
|
1
|
0
|
| Número de niñas |
0
|
1
|
2
|
3
|
4
|
5
|
| Número de familias |
18
|
56
|
110
|
88
|
40
|
8
|
Solución:Ensayo de hipótesis:
H0; El nacimiento de niños y niñas es igualmente probable.
H1; El nacimiento de niños y niñas no es igualmente probable.
Este experimento tiene un comportamiento binomial, puesto que se tienen dos posibles resultados y la probabilidad de éxito se mantiene constante en todo el experimento.
Se le llamará éxito al nacimiento de un varón o niño. Por lo que la variable aleatoria "x" tomará valores desde 0 hasta 5.
Como se quiere ver si es igualmente probable el nacimiento de niños y niñas, la probabilidad de éxito será de 0.5.
Utilizando la fórmula de la distribución binomial se calcularán las probabilidades, que multiplicadas por el número total de familias nos darán los valores esperados en cada clasificación.
Recordando la fórmula de la distribución binomial:
Probabilidad de 5 niños y 0 niñas =
Probabilidad de 4 niños y 1 niña =
Probabilidad de 3 niños y 2 niñas =
Probabilidad de 2 niños y 3 niñas =
Probabilidad de 1 niño y 4 niñas =
Probabilidad de 0 niños y 5 niñas =
Si cada una de estas probabilidades se multiplican por 320 se obtienen los valores esperados:
Número de niños
|
5
|
4
|
3
|
2
|
1
|
0
|
Total
|
| Número de niñas |
0
|
1
|
2
|
3
|
4
|
5
| |
| Número de familias |
18
|
56
|
110
|
88
|
40
|
8
|
320
|
| Frecuencias esperadas |
10
|
50
|
100
|
100
|
50
|
10
|
Grados de libertad: k-1-m = 6-1-0 = 5
11.1 no se rechaza Ho.Si X2R >11.1 se rechaza Ho.
Cálculos:
Justificación y decisión:Como el 12 es mayor a 11.1, se rechaza H0 y se concluye con un
= 0.05 que el nacimiento de hombres y mujeres no es igualmente probable.
0
|
1
|
2
| |
| Bolas blancas |
2
|
1
|
0
|
| Número de extracciones |
6
|
53
|
61
|
Solución:Este experimento tiene las características de una distribución hipergeométrica, por lo cual se calcularán los valores esperados con el razonamiento de esta distribución.
Se llamara "x" a la variable aleatoria de interés que en este caso serán las bolas rojas. Por lo tanto "x" puede tomar valores desde 0 hasta 2.
La fórmula de la distribución hipergeométrica es:
Se tiene:
Probabilidad de extraer 1 roja y 1 blanca:
Probabilidad de extraer 2 rojas y 0 blancas:
Con las probabilidades anteriores se obtendrán los valores esperados multiplicando por 120.
0
|
1
|
2
| |
| Bolas blancas |
2
|
1
|
0
|
| Número de extracciones |
6
|
53
|
61
|
| Frecuencias esperadas |
10
|
60
|
50
|
5.991 no se rechaza Ho.Si X2R >5.991 se rechaza Ho.
Cálculos:
Justificación y decisión:Como el 4.83 no es mayor a 5.991, no se rechaza H0 y se concluye con un
= 0.05 que los resultados son los mismos que los esperados.El vídeo usa un p de 0,10 pero como dimos en clase nosotros usamos un p valor de 0,05, el ha asumido más error.
lunes, 11 de mayo de 2015
viernes, 17 de abril de 2015
Norma de Vancouver
Libro Autor/es. Título. Volumen. Edición. Lugar de publicación: Editorial; año.
Ejemplo
Laín Entralgo P. Historia de la medicina. Barcelona: Ediciones científicas y técnicas; 1998.
Fauci AS, Kasper DL, Braunwald E, Hauser SL, Longo DL, Jameson JL, Loscalzo J, editors. Harrison’s principles of internal medicine. Vol 1. 17th ed. New York: McGraw Hill; 2008.
Longo DL, Fauci AS, Kasper DL, Hauser SL, Jameson JL, Loscalzo J, editores. Harrison principios de medicina interna. Vol 2. 18a ed. México: McGraw‐Hill; 2012.
Capítulo de libro Autor/es del capítulo. Título del capítulo. En: Director/Coordinador/Editor literario del libro. Título del libro. Edición. Lugar de publicación: Editorial; año. Página inicial del capítulo‐página final del capítulo.
Rader DJ, Hobbs HH. Trastornos del metabolismo de las lipoproteínas. En: Barnes PJ. Longo DL, Fauci AS, et al, editores. Harrison principios de medicina interna. Vol 2. 18a ed. México: McGraw‐Hill; 2012. p. 3145‐3161.
Artículo de revista Autores del artículo (6 aut. máximo et al). Título del artículo. Abreviatura de la revista. Año; Volumen (número):páginas.
Vitoria JC, Bilbao JR. Novedades en enfermedad celíaca. An Pediatr. 2013;78(1):1‐5.
Artículo de revista en Internet Autores del artículo (6 autores máximo et al). Título del artículo. Abreviatura de la revista [Internet]. Año [fecha de consulta]; Volumen (número):páginas. Disponible en: URL del artículo
Vitoria JC, Bilbao JR. Novedades en enfermedad celíaca. An Pediatr [Internet]. 2013 [citado 14 Feb 2013];78(1):1‐5. Disponible en: http://www.sciencedirect.com/science/article/pii/S1695403312003815
Libro o monografía en Internet Autor/es. Título. [Internet]. Volumen. Edición. Lugar de publicación: Editorial; fecha de publicación. [fecha de última actualización; fecha de nuestra consulta]. Disponible en: URL
Patrias K. Citing medicine: the NLM style guide for authors, editors, and publishers [Internet]. 2nd ed. Bethesda (MD): National Library of Medicine (US); 2007 [actualizado 15 Sep 2011; citado 5 abr 2013]. Disponible en: http://www.nlm.nih.gov/citingmedicine
Página web (sede web) Sede Web [Internet]. Lugar de publicación: Editor; Fecha de comienzo [fecha de última actualización; fecha de nuestra consulta]. Disponible en: URL de la web
Orpha.net [Internet]. Paris: Orphanet; 2000 [actualizado 14 Feb 2013; citado 4 abr 2013]. Disponible en: http://www.orpha.net/consor/cgi‐bin/index.php?lng=ES
Página web de una sede web Sede Web [Internet]. Lugar de publicación: Editor; Fecha de comienzo [fecha de última actualización; fecha de nuestra consulta]. Página web; páginas [o pantallas aproximadas]. Disponible en: URL de la página web
FECYT: Fundación Española para la Ciencia y la Tecnología [Internet]. Madrid: FECYT; c2002 [citado 3 abr 2013]. Curriculum vitae normalizado [aprox. 2 pantallas]. Disponible en: https://cvn.fecyt.es/
https://prezi.com/dqokh1menopb/diferencias-entre-normas-apa-y-vancouver/#
Libro Autor/es. Título. Volumen. Edición. Lugar de publicación: Editorial; año.
Ejemplo
Laín Entralgo P. Historia de la medicina. Barcelona: Ediciones científicas y técnicas; 1998.
Fauci AS, Kasper DL, Braunwald E, Hauser SL, Longo DL, Jameson JL, Loscalzo J, editors. Harrison’s principles of internal medicine. Vol 1. 17th ed. New York: McGraw Hill; 2008.
Longo DL, Fauci AS, Kasper DL, Hauser SL, Jameson JL, Loscalzo J, editores. Harrison principios de medicina interna. Vol 2. 18a ed. México: McGraw‐Hill; 2012.
Capítulo de libro Autor/es del capítulo. Título del capítulo. En: Director/Coordinador/Editor literario del libro. Título del libro. Edición. Lugar de publicación: Editorial; año. Página inicial del capítulo‐página final del capítulo.
Rader DJ, Hobbs HH. Trastornos del metabolismo de las lipoproteínas. En: Barnes PJ. Longo DL, Fauci AS, et al, editores. Harrison principios de medicina interna. Vol 2. 18a ed. México: McGraw‐Hill; 2012. p. 3145‐3161.
Artículo de revista Autores del artículo (6 aut. máximo et al). Título del artículo. Abreviatura de la revista. Año; Volumen (número):páginas.
Vitoria JC, Bilbao JR. Novedades en enfermedad celíaca. An Pediatr. 2013;78(1):1‐5.
Artículo de revista en Internet Autores del artículo (6 autores máximo et al). Título del artículo. Abreviatura de la revista [Internet]. Año [fecha de consulta]; Volumen (número):páginas. Disponible en: URL del artículo
Vitoria JC, Bilbao JR. Novedades en enfermedad celíaca. An Pediatr [Internet]. 2013 [citado 14 Feb 2013];78(1):1‐5. Disponible en: http://www.sciencedirect.com/science/article/pii/S1695403312003815
Libro o monografía en Internet Autor/es. Título. [Internet]. Volumen. Edición. Lugar de publicación: Editorial; fecha de publicación. [fecha de última actualización; fecha de nuestra consulta]. Disponible en: URL
Patrias K. Citing medicine: the NLM style guide for authors, editors, and publishers [Internet]. 2nd ed. Bethesda (MD): National Library of Medicine (US); 2007 [actualizado 15 Sep 2011; citado 5 abr 2013]. Disponible en: http://www.nlm.nih.gov/citingmedicine
Página web (sede web) Sede Web [Internet]. Lugar de publicación: Editor; Fecha de comienzo [fecha de última actualización; fecha de nuestra consulta]. Disponible en: URL de la web
Orpha.net [Internet]. Paris: Orphanet; 2000 [actualizado 14 Feb 2013; citado 4 abr 2013]. Disponible en: http://www.orpha.net/consor/cgi‐bin/index.php?lng=ES
Página web de una sede web Sede Web [Internet]. Lugar de publicación: Editor; Fecha de comienzo [fecha de última actualización; fecha de nuestra consulta]. Página web; páginas [o pantallas aproximadas]. Disponible en: URL de la página web
FECYT: Fundación Española para la Ciencia y la Tecnología [Internet]. Madrid: FECYT; c2002 [citado 3 abr 2013]. Curriculum vitae normalizado [aprox. 2 pantallas]. Disponible en: https://cvn.fecyt.es/
https://prezi.com/dqokh1menopb/diferencias-entre-normas-apa-y-vancouver/#
CRITERIOS DE CLASIFICACIÓN
"Las características más importantes de la arquitectura de un estudio se pueden clasificar según cuatroejes principales:
– Finalidad del estudio: analítica o descriptiva.
– Secuencia temporal: transversal o longitudinal.
– Control de la asignación de los factores de estudio: experimental u observacional.
– Inicio del estudio en relación a la cronología de los hechos: prospectivo o retrospectivo.
Finalidad del estudio
Un estudio se considera analítico cuando su finalidad es evaluar una presunta relación causal entre
un factor puede causar una enfermedad o un tratamiento que puede prevenir o mejorar una situación clínica) y un efecto, respuesta o resultado.
Un estudio se considera descriptivo cuando no busca evaluar una presunta relación causa-efecto,
sino que sus datos son utilizados con finalidades puramente descriptivas. Suele ser útil para generar
hipótesis etiológicas que deberán contrastarse posteriormente con estudios analíticos.
Secuencia temporal
Se consideran transversales los estudios en los que los datos de cada sujeto representan esencialmente
un momento del tiempo. Estos datos pueden corresponder a la presencia, ausencia o diferentes grados de una característica o enfermedad (como ocurre, por ejemplo, en los estudios de prevalencia
de un problema de salud en una comunidad determinada), o bien examinar la relación entre diferentes
variables en una población definida en un momento de tiempo determinado. Dado que las variables se han medido de forma simultánea, no puede establecerse la existencia de una secuencia temporal entre ellas y, por tanto, estos diseños no permiten abordar el estudio de una presunta relación
causa-efecto. Así pues, los estudios transversales son por definición descriptivos.
Se consideran longitudinales los estudios en los que existe un lapso de tiempo entre las distintas variables que se evalúan, de forma que puede establecerse una secuencia temporal entre ellas.Pueden
ser tanto descriptivos como analíticos. En estos últimos debe tenerse en cuenta además la dirección temporal, que puede ir de la causa hacia el desenlace (estudios experimentales y estudios de cohortes) o bien desde el desenlace hacia la causa (estudios de casos y controles).
Asignación de los factores de estudio
Se consideran experimentales los estudios en los que el equipo investigador asigna el factor de estudio y lo controla de forma deliberada para la realización de la investigación, según un plan preestablecido. Estos estudios se centran en una relación causa-efecto (analíticos), y en general evalúan el efecto de una o más intervenciones preventivas o terapéuticas.
Se definen como observacionales los estudios en los que el factor de estudio no es controlado por los
investigadores, sino que éstos se limitan a observar, medir y analizar determinadas variables en los sujetos. La exposición puede venir impuesta (p. ej., el sexo o la raza), haber sido «escogida» por los propios sujetos (p. ej., el consumo de tabaco), o decidida por el profesional sanitario dentro del proceso habitual de atención sanitaria (p. ej., los actos terapéuticos ordinarios), pero no de forma deliberada en el marco de una investigación."
Referencia: Argimón J, Chinchilla A, Forbes C, Kiley R. (2005). Métodos de investigación clínica y epidemiológica. JANO: Medicina y Humanidades.
jueves, 12 de febrero de 2015
Estrategia PICO
La buena construcción de una pregunta estructurada es fundamental para poder buscar respuestas. Preguntas vagas, sin población o sin medidor, hacen la búsquedacasi imposible.Por eso es fundamental el dedicar el tiempo necesario en esta fase para proseguir con éxito.En primer lugar, debemos identificar los cuatro componentes PICO (recordar que la O viene de Outcomes, que en castellano identificamos como resultados) y posteriormente debemos clasificar la pregunta en términos de pertinencia, idoneidad, relevancia… Esta estructuración PICO con la posterior selección de pregunta, determinará los criterios de inclusión/exclusión de los estudios objeto de nuestra búsqueda; así como del tipo de estudio más apropiado.
Recordemos la estrategia PICO:
P- Definición del problema o paciente (del modo mas exacto posible). Por ejemplo: pacientes con oxigenoterapia, ulcera por presión, cuidador principal…
I- Intervención que queremos analizar (también definida del modo mas exacto posible). Nos referimos a intervenciones, tratamientos, causas etc. Por ejemplo: utilización del incentivador respiratorio, uso de colchón antiescaras, sesiones de educación para la salud…
Aquí, la enfermería cuenta con una valiosa herramienta, que es el NIC. ¿No es fantástico contar con una clasificación estandarizada e internacional de las intervenciones de enfermería?. Pues esta es una magnífica ocasión de utilizarla de un modo práctico. Porque al final, todo gira alrededor de un objetivo común, que esestandarizar, unificar criterios y hacerlo basandonos en lo mejor, y lo mejor es lo que está demostrado científicamente que lo es.
C- Intervención de comparación (si procede): A veces compararemos intervenciones en busca de la mejor, otras veces compararemos el hecho de intervenir con el hecho de no intervenir. Y a veces, esta parte puede no ser pertinente.
O- Outcomes=Resultados: Los resultados deben ser relevantes clínica, social o economicamente. Y por supuesto,deben ser medibles .
I- Intervención que queremos analizar (también definida del modo mas exacto posible). Nos referimos a intervenciones, tratamientos, causas etc. Por ejemplo: utilización del incentivador respiratorio, uso de colchón antiescaras, sesiones de educación para la salud…
Aquí, la enfermería cuenta con una valiosa herramienta, que es el NIC. ¿No es fantástico contar con una clasificación estandarizada e internacional de las intervenciones de enfermería?. Pues esta es una magnífica ocasión de utilizarla de un modo práctico. Porque al final, todo gira alrededor de un objetivo común, que esestandarizar, unificar criterios y hacerlo basandonos en lo mejor, y lo mejor es lo que está demostrado científicamente que lo es.
C- Intervención de comparación (si procede): A veces compararemos intervenciones en busca de la mejor, otras veces compararemos el hecho de intervenir con el hecho de no intervenir. Y a veces, esta parte puede no ser pertinente.
O- Outcomes=Resultados: Los resultados deben ser relevantes clínica, social o economicamente. Y por supuesto,deben ser medibles .
En el número 1 del año 2004 de la revista Evidentia, Galvez Toro explica de un modo muy gráfico el proceso por el cual una a una residente, tras ver distintas formas de proceder en las matronas con las que estudia, le asalta las dudas: ¿Es necesario el enema en las mujeres que están en la fase activa del parto?¿Que utilidad tiene el enema? ¿Ayuda a la dilatación? ¿Afecta al bienestar? ¿Es mejor ponerlo? ¿Es mejor no ponerlo?… Múltiplesdudas al respecto.
Todas estas dudas se interrelacionan, y Galvez explica como paso a paso, la estudiante genera una única pregunta PICO sobre la pertinencia del uso del enema en la parturienta en fase activa, comparándolo con el no uso o el uso de otras alternativas y midiendo como resultados datos como la tasa de infecciones neonatales o puerperales.
Al respecto de este tema, hay un buscador de preguntas PICO alojado dentro de TRIPdatabase, que puede ser de utilidad para ejercitar esta práctica y de paso, ver que hay publicado.
BIBLIOGRAFIA
Gálvez Toro, A. Un ejemplo pedagógico: Cómo formular preguntas susceptibles de respuesta. Evidentia 2004 ene-abr;1(1). En: http://cuiden.publicaciones.saludcastillayleon.es:80/evidentia/n1/4articulo.php [ISSN: 1697-638X].
Autora
Autora
Suscribirse a:
Entradas (Atom)