Metodología de la investigación - Sociedad de Medicina Familiar de

Report
Metodología de la investigación
Dr. Hid Felizardo
Cordero Franco.
Maestro en Ciencias
Médicas.
Introducción
Cuando hablamos de investigación científica
solemos pensar en un proceso fatigoso, no
estimulante, y que sólo está al alcance de
personas muy experimentadas. Nada más
lejos de la realidad.
Hoy en día, el médico moderno debe estar
familiarizado con la investigación, ya sea
para efectuar proyectos o simplemente para
actualizarse.
Introducción
En el campo de las ciencias de la salud, los
conocimientos que hoy tenemos en el
diagnóstico, tratamiento, prevención y
rehabilitación de nuestros pacientes,
emanan de trabajos de investigación con un
riguroso orden y consistencia
metodológica…
… Dichos conocimientos cambian conforme
avanza la calidad de la investigación.
Objetivos del curso
-
-
Que el MIP conozca los pasos básicos para la
realización de un proyecto de investigación
científica, lo cual le servirá para la entrega de su
tesis.
Que el MIP se encuentre capacitado para encontrar
y discriminar la información científica que se le
presenta, en aras de lograr una mayor conciencia
crítica sobre la veracidad, consistencia, confiabilidad
y validez de los artículos de investigación original.
Definiciones


Investigación: proceso sistemático en el que se
usan métodos disciplinados ordenados para
CONTESTAR PREGUNTAS O RESOLVER
PROBLEMAS.
Protocolo de investigación (propuesta):
documento en el que se especifica lo que el
investigador pretende estudiar; comunica el
problema de investigación, su importancia, los
procedimientos a los que piensa recurrir para
resolverlo y, cuánto costará la investigación.
Clasificación de la investigación
Según la intervención del investigador en la manipulación de variables
puede ser:
 Experimental: cuando el investigador aplica un tratamiento a dos o
más grupos de sujetos en forma aleatoria (al azar), siendo uno el
grupo experimental (el que recibe el tratamiento a probar) y, el o los
demás, son el grupo control (el que recibe un placebo o el
medicamento actual) para posteriormente medir las diferencias.
 No experimental (observacional): el investigador no aplica
tratamiento alguno, sólo observa y recaba datos sobre la o las
variables que le interesan.
 Existe otro ejemplo que es el CUASI-EXPERIMENTAL, en el que el
investigador aplica un tratamiento a un solo grupo de sujetos, sin
grupo de control, observándolo antes y después de aplicar el
tratamiento.
Clasificación de la investigación
Según el campo de aplicación:
 Básica: encaminada a ampliar la base de conocimientos de una
disciplina para generar conocimientos o plantear teorías, más que
para resolver un problema inmediato (ej.: estudio de proto oncogenes,
polimorfismos, líneas celulares, etc.)
 Clínica: diseñada para generar conocimientos que guíen la práctica
de las ciencias de la salud (ej.: estudio del efecto de un medicamento
en una enfermedad; estudio de factores de riesgo para enfermedad de
Parkinson; prevalencia de una enfermedad en una población
determinada, etc.)
 Educativa: diseñada para la generación de estrategias de enseñanza
– aprendizaje en grupos selectos de estudiantes (ej.: estudio de la
aptitud clínica en un grupo de residentes de medicina interna sobre la
hipertensión arterial; evaluación de una estrategia de lectura crítica
versus estrategia tradicional en el aprendizaje sobre TBP en un grupo
de médicos internos de pregrado.)
Clasificación de la investigación
Según los procedimientos que emplea:
 Cualitativa: investigación de fenómenos,
típicamente profunda y holista, mediante la colecta
de material narrativo muy ilustrativo empleando un
diseño de investigación flexible.
 Cuantitativa: investigación de fenómenos que se
prestan para la medición objetiva y cuantificación
precisa, a menudo con un diseño riguroso y
controlado.
Definiciones


Problema de investigación: situación que implica
un aspecto enigmático, intrigante o contradictorio
que puede ser analizado mediante investigación
disciplinada. Generalmente se refiere a la relación
entre variables o a la situación general de una sola
variable.
Pregunta de investigación: enunciado de la
interrogante específica que el investigador desea
responder para resolver un problema de
investigación.
Definiciones
Variable: atributo de una persona u objeto que varía, es decir, adopta
valores diferentes, y se puede medir (ej.: edad, sexo, IMC, glicemia
en ayuno, estado civil, escolaridad, etc.)
 Variable independiente: variable que supuestamente CAUSA a la
variable dependiente o influye en ella. En una investigación
experimental puede ser manipulada por el investigador.
 Variable dependiente (EFECTO): variable resultante que interesa; en
función de la hipótesis depende de otra o es causada por ésta.
EJEMPLOS:
El tabaquismo (independiente) es factor de riesgo para cáncer pulmonar
(dependiente).
La azidotimidina (independiente) provoca remisión de la actividad viral
del VIH (dependiente).
EL nivel socioeconómico bajo (dependiente) es causado por una
escolaridad baja (independiente).
La penicilina (independiente) cura la sífilis primaria (dependiente).

Clasificación de las variables
Según su presencia en la cadena de la causalidad pueden ser:
independientes (causa) o dependientes (efecto). En medio de
ellas se encuentran las confusoras (o de control) que afectan a
las anteriores y, por tanto, vuelven confusa la relación entre
ellas.
Ejemplo: Una variable confusora puede ser la presencia de
epilepsia (confusora) cuando se estudia el efecto de la
paroxetina (independiente) sobre la depresión mayor
(dependiente.)
La variable confusora debe ser controlada por el investigador, ya
sea mediante el diseño de la investigación o mediante
procedimientos estadísticos.

Clasificación de las variables



Según el tipo de valores que puede tomar:
V. cuantitativas (o numéricas): cuando son números con los
que pueden realizarse operaciones matemáticas (edad, IMC,
peso, glicemia, colesterol sérico.) A dichos valores se les
puede calcular: media (promedio), mediana, moda, desviación
estándar, variancia.
V. cualitativas (o categóricas): cuando son categorías de
valores, con las cuales no se pueden calcular las medidas
anteriores. Representan dos o más categorías que son
mutuamente excluyentes. Ejemplo: sexo (masculino o
femenino), escolaridad (analfabeta, primaria, secundaria,
bachillerato, etc.), estado civil (casado, soltero, divorciado,
unión libre, viudo), estado de salud (sano o enfermo), gravedad
de una enfermedad (leve, moderada, severa).
Definiciones
Hipótesis: enunciado de las relaciones predichas entre variables. Se
considera una respuesta posible a la pregunta de investigación. Si la
pregunta de investigación es: ¿existe asociación entre el tabaquismo y
el cáncer pulmonar?, la hipótesis es: Sí existe asociación entre el
tabaquismo y el cáncer pulmonar.


Hipótesis nula: aquélla que afirma que no hay relación entre variables,
y que el investigador busca rechazar; ejemplo: No existe asociación
entre el tabaquismo y el cáncer pulmonar?
Hipótesis alterna: la que afirma que sí hay relación entre variables, y
es por tanto, la complementaria de la nula. Ejemplo: Sí existe
asociación entre tabaquismo y cáncer pulmonar.
Definiciones



Estadística: ciencia que estudia la organización y el
análisis de datos.
Estadística descriptiva: se usa para describir o
resumir datos.
Estadística inferencial: aquélla que permite hacer
inferencias acerca de la probabilidad de que las
relaciones observadas en una muestra se presenten
en la población general. Se divide en estadística
paramétrica y no paramétrica.
Definiciones


Estadística paramétrica: tipo de e. inferencial que
implica que las variables son numéricas, con una
distribución normal, en escala de medición intervalar
o de razón, y busca la estimación de un parámetro.
Estadística no paramétrica: tipo de e. no inferencial
que no implica las condiciones anteriores; en escala
de medición nominal u ordinal.
Cómo nace un proyecto de
investigación
-
-
Paso 1. Ubicar un problema de estudio.
Paso 2. De acuerdo al tipo de problema,
formularse una pregunta de investigación.
Paso 3. Encontrar y discriminar la
información preexistente (antecedentes
científicos) para ver lo que otros
investigadores han hecho, y cuáles han sido
sus resultados.
Cómo nace un proyecto de
investigación


Paso 4. En caso de que la pregunta ya fue
ampliamente contestada antes, cambiar la
idea o el enfoque de la misma y volver a
buscar información.
Paso 5. Volver a formular una pregunta de
investigación que no ha sido respondida por
otros investigadores, o bien, consideramos
que podemos mejorar esa investigación.
Cómo nace un proyecto de
investigación





Paso 6. Redactar la pregunta de investigación que queremos
responder mediante el trabajo; ejemplo: ¿cuál es la prevalencia de
hipertensión arterial en la población de San Nicolás de los Garza,
Nuevo León, en 2008?.
Ejemplo: ¿cuál es el perfil de seguridad y eficacia de la paroxetina en
pacientes con depresión moderada versus sertralina versus placebo?
Ejemplo: ¿cuáles son los factores de riesgo para cáncer de piel en
pacientes ancianos de Guadalupe, Nuevo León en 2008?
Ejemplo: ¿cuál es la incidencia de parto prematuro en las pacientes
fumadoras versus las pacientes no fumadoras?
Ejemplo: ¿cuál es el perfil de utilidad de la SEGD versus la
endoscopía superior y biopsia en el diagnóstico de cáncer gástrico?
Cómo nace un proyecto de
investigación
Paso 7. Formular hipótesis.
Ejemplo: La paroxetina es superior en eficacia y seguridad a la
sertralina y al placebo en el tratamiento de la depresión
moderada.
Ejemplo: La piel blanca es un factor de riesgo para cáncer de piel
en los ancianos de Guadalupe, Nuevo León.
Ejemplo: La incidencia de parto prematuro en fumadoras es mayor
que en las no fumadoras.
Ejemplo: La SEGD tiene un perfil de utilidad aceptable en el
diagnóstico de cáncer gástrico, en relación a la endocopía
superior y biopsia.

Cómo nace un proyecto de
investigación
Paso 8. Determinar el tipo de estudio adecuado para
probar la hipótesis.
Tipos de estudios epidemiológicos:
- Encuesta transversal: Prevalencia de HTA.
- Casos y controles: factores de riesgo de CA
pulmonar.
- Estudio de cohortes: incidencia de TPP en
fumadoras.
- Ensayo clínico aleatorizado: paroxetina versus
sertralina versus placebo.
- Prueba diagnóstica: utilidad de la SEGD.

Causalidad



En los estudios de investigación, es frecuente buscar la
relación entre variables, una de las cuales se presume como
CAUSA y la otra como su EFECTO. Este tipo de estudio se
conoce como estudios analíticos, pues comparan la presencia
de la variable causal en dos o mas poblaciones.
Un ejemplo es comparar la incidencia de partos prematuros en
mujeres fumadoras y no fumadoras; aquí se presume que el
tabaquismo se encuentra como factor causal del parto
prematuro.
En otro ejemplo, se compara la frecuencia de tabaquismo en
un grupo de enfermos de cáncer pulmonar con un grupo de
control de pacientes sin cáncer pulmonar. Aquí se presume que
el tabaquismo puede ser mayor en los que ya tienen el cáncer.
Causalidad


Sin embargo, hay casos en que no podemos presumir si hay
relaciones causales entre variables, y sólo se busca describir la
frecuencia y características de un padecimiento.
Ejemplo: En un estudio tipo encuesta transversal, se busca
determinar la prevalencia de HTA en una población
determinada; aquí no podemos decir que hay variables
dependientes (efecto) o independientes (causa), sino que
medimos todas las características intercurrentes al momento
de medir la variable HTA, como edad, peso, talla, IMC, AHF,
tabaquismo, sedentarismo. Por lo tanto, en este tipo de
estudios no se establecen hipótesis, ya que la hipótesis debe
enunciar la posible relación entre dos o más variables.
Causalidad


No todas las relaciones entre variables son
causales, es decir, no siempre el hecho de que dos
variables vayan juntas quiere decir que una precede
o causa a la otra, sino más bien, son correlativas.
Ejemplo: cuando se comparan dos pruebas
diagnósticas (SEGD versus endoscopía y biopsia),
se puede observar que una no precede o causa a la
otra, sino que se busca determinar con qué
frecuencia los resultados de una concuerdan con los
de la otra prueba.
Causalidad
La asociación, para ser considerada causal, debe ser
válida (real), para lo cual debe cumplir las siguientes
características:
 Fuerza de asociación. Una asociación entre
variables es fuerte en tanto se demuestra mediante
estadística: razón de momios (OR), riesgo relativo
(RR), mayor de 1 o menor de 1, nunca igual a 1.
 Consistencia. Una asociación es válida si puede ser
reproducida en medios diferentes.
 Relación temporal. Un factor CAUSAL debe
anteceder al EFECTO, es decir, la variable
independiente debe aparecer antes que la
dependiente,
Causalidad




Gradiente dosis – respuesta. A mayor magnitud de
exposiciòn, mayor magnitud de efecto.
Credibilidad epidemiológica. Es real si dicha
asociación tiene lugar en una zona geográfica que
se sabe que juega un papel importante.
Credibilidad biológica. La asociación es válida si
concuerda con los conocimientos biológicos
científicamente actuales.
Especificidad. Una asociación causal es válida si
una sola variable causal provoca un solo efecto.
Causalidad

Cuando hablamos de relaciones no
causales, nos referimos entonces a una
relación funcional, en la que una no causa o
precede a la otra, sin embargo, se puede
decir que la variable Y cambia de valor en
función del cambio en la variable X (relación
directa y relación inversa).
Tipos de estudios epidemiológicos
En el ámbito de la investigación científica, se
busca responder a preguntas importantes a
partir de diversos tipos de estudios. Cada
uno ofrece una serie de ventajas y
desventajas, así como indicaciones precisas
para decidirse por alguno.
Tipos de estudios epidemiológicos
En forma general, los estudios epidemiológicos
pueden ser:
 Ensayo clínico aleatorizado.
 Estudio de cohortes.
 Estudio de casos y controles.
 Encuesta transversal.
 Ecológicos.
Tipos de estudios epidemiológicos




Los trabajos tipo ensayo clínico controlado ofrecen
la mayor evidencia de causalidad.
Le siguen los estudios de cohorte (seguimiento o
prospectivos).
Luego los estudios de casos y controles (asociación
más débil).
Los estudios de encuesta transversal no tienen
fuerza para asociaciones causales, pero son muy
importantes porque al describir la frecuencia de
varios fenómenos, permiten la generación de
hipótesis.
Tipos de estudios epidemiológicos




Según el número de mediciones un estudio puede ser:
transversal (una sola medición) o longitudinal (dos o más
mediciones).
Según la manipulación de variables por el investigador pueden
ser: observacionales o experimentales.
Según la ocurrencia pasada o futura del evento de estudio
(variable dependiente), pueden ser: retrospectivos (ya ocurrió)
o prospectivos (no ha ocurrido aún).
Según el tipo de análisis que se usará pueden ser: descriptivos
o analíticos.
Ensayo clínico controlado (o
aleatorizado; ECC)





Objetivo: el investigador busca determinar la seguridad y eficacia de
un medicamento o técnica terapéutica. Para esto, asigna el
medicamento a un grupo de pacientes y a otro le da placebo u otro
medicamento. El investigador mide la variable dependiente antes y
después de dar el medicamento.
Proporciona el grado máximo de evidencia para confirmar la relación
causa-efecto entre la exposición y el evento en estudio.
Se tiene control sobre la exposición y éste se lleva a cabo mediante
un proceso aleatorio.
Es un estudio experimental, longitudinal, analítico y prospectivo, en
donde el individuo es la unidad de análisis.
Se puede prevenir la introducción de sesgos con lo que se puede
lograr un alto grado de validez.
Estudios de cohorte



Objetivo: el investigador desea saber si la exposición a una
variable (causa) en un grupo de pacientes, los coloca en mayor
o menor riesgo de padecer alguna enfermedad o evento
adverso (efecto). Para ello, observa a un grupo de pacientes
que ya están expuestos a un factor de riesgo (causa) y a otro
grupo que no está expuesto a ella, comparándolos al principio
del estudio (donde ambos grupos no han presentado el efecto)
y al final, para saber cuántos efectos se presentaron en el
grupo expuesto y cuántos en el no expuesto (incidencia ).
Después de los ECC, es el mejor diseño para investigar
causalidad, el curso de una enfermedad o factores de riesgo.
Es observacional, longitudinal, analítico y prospectivo.
Estudio de casos y controles





En la actualidad se consideran los más efectivos para estudiar
enfermedades raras o de baja prevalencia.
Son los más baratos y rápidos de realizar aunque se
consideran los más vulnerables a la
presentación de sesgos.
Objetivo: se busca la frecuencia con que un grupo de afectados
por la enfermedad en estudio (casos) y un grupo de sanos o
que al menos no presentan la enfermedad estudiada
(controles) estuvieron expuestos al factor de riesgo que se
investiga.
Estudio: observacional, analítico, retrospectivo y transversal (o
en algunos casos longitudinal).
Encuesta transversal




Se trata de un diseño orientado a conocer la situación general
de una enfermedad y variables presentes, en una población
determinada, recolectando la información al mismo tiempo.
No busca relaciones causales.
Por lo tanto no sirve para encontrar factores de riesgo, sino que
al detectar prevalencias, puede orientarnos hacia hipótesis
para estudios analíticos.
Estudio: observacional, descriptivo (en ocasiones puede ser
analítico si se estudian dos poblaciones a la vez), transversal y
retrospectivo o prospectivo (según si se trabaja sólo con los
casos ya diagnosticados o con los de reciente diagnóstico).
Estadística
En la descripción de los datos, tenemos:
Para variables cuantitativas:
 Medidas de tendencia central (media,
mediana y moda).
 Medidas de dispersión (desviación estándar,
variancia, rango).
Para variables cualitativas:
 Proporciones y razones.

Medidas de tendencia central
Expresan la tendencia de los datos a mantenerse
alrededor de un valor central.
 La media o promedio: suma de los datos numéricos
y se divide entre el total de ellos. Se afecta por
valores extremos.
 Mediana: cuando los datos se ordenan de menor a
mayor, el valor que queda en medio y divide al total
en dos partes. No se afecta por valores extremos.
 Moda: es el valor numérico que más se repite.
Medidas de dispersión



Expresan la forma en la cual los valores
numéricos se dispersan alrededor de los
valores centrales.
Desviación estándar (la complementaria de
la media).
Rango: son los valores menor y mayor (la
complementaria de la mediana).
Pruebas estadísticas



-
Se utilizan como parte de la ESTADÍSTICA INFERENCIAL.
Cada prueba tiene diferentes indicaciones para su uso.
Las de uso más común incluyen:
T de Student: compara la media de dos poblaciones.
Chi-cuadrada: compara las proporciones de dos poblaciones.
ANOVA (análisis de variancia): compara la media de más de
dos poblaciones.
U de Mann-Whitney: compara la mediana de dos poblaciones.
Intervalos de confianza




Expresan el margen en el cual se encuentra un dato numérico
o estimador, de nuestro estudio (que puede ser: razón de
momios, media, proporción, etc.)
Se calculan para tener la certeza de que el estimador
encontrado estará en el margen del intervalo con un 95% de
seguridad, y se expresa como IC 95%.
Entre más amplio el intervalo, más inexacto es nuestro
resultado, y significa que necesitamos un mayor tamaño de
muestra.
Entre más estrecho el intervalo, más exacto es el estimador
que encontramos.
Errores en investigación
Error tipo I (alfa): significa rechazar una hipótesis nula cuando
es verdadera; es el error más grave en la investigación.
 Error tipo II (beta):significa aceptar una hipótesis alterna
cuando es falsa; es menos grave que el anterior.
Para prevenir este tipo de errores, el investigador calcula a priori
un tamaño de muestra que tome en cuenta una probabilidad de
error tipo I de 5% o menor (dicha probabilidad se conoce como
nivel de significancia o alfa); y también toma en cuenta una
probabilidad de error tipo II igual o menor a 20%, que se
conoce como poder estadístico.
El nivel de significancia se conoce como “p”, y se considera como
significativo cuando es igual o menor a 0.05.

Gracias

similar documents