Textoconferencia

Se han suprimido algunas frases del log, sobre todo referentes a entradas y salidas de diferentes personas en el canal durante la presentación

[16:57] (mariajose> hola
[17:01] (mariajose> teneis alguna duda de ayer?
[17:01] (floren> no
[17:01] (Pedro> no
[17:01] (cbayona> no
[17:02] (mariajose> bueno pues empezamos con poblacion y muestra
[17:02] (mariajose> TEMA 3
[17:02] (belinda> vale
[17:02] (mariajose> Población es el conjunto de individuos, generalmente inaccesibles, del que se pretende obtener una serie de
[17:02] (mariajose> conclusiones, pero que no puede ser estudiado en su totalidad. Es, sin embargo el objetivo ultimo de nuestros
[17:02] (mariajose> trabajos.
[17:02] (mariajose> Muestra. Es el conjunto menor de individuos, accesible y limitado, sobre el que se realiza el experimento con
[17:03] (mariajose> idea de obtener conclusiones generalizadas a la población. Debe ser un modelo, reducido pero representativo
[17:03] (mariajose> de la población de la cual procede. Ha de ser una fotografía fiel de ella, para que los resultados puedan ser
[17:03] (mariajose> después inferidos a al población
[17:03] (ehehtucu> buenas tardes doctora
[17:03] (mariajose> Individuo: Es cada uno de los componentes de la población y de la muestra: un enfermo, un niño, un fármaco,
[17:03] (mariajose> un hematíe.
[17:03] (mariajose> Al número de individuos que forman la muestra se llama tamaño, efectivo, numero de observaciones o
[17:03] (mariajose> componentes de la misma y lo representaremos siempre con la letra n
[17:05] (mariajose> lo ms importante es distinguir cuando una variable es cuantitativa o cualitativa
[17:08] (mariajose> habeis leido la diferencia entre poblacion y muestra
[17:08] (floren> si
[17:08] (belinda> si
[17:08] (cbayona> si
[17:08] (santiago> si
[17:08] (seba> si
[17:08] (sara_garc> si
[17:08] (jesusfern> si
[17:08] (mariajose> bien la mayoria de las veces no podemos trabajar conla
[17:08] (ehehtucu> ok
[17:08] (mariajose> poblacion pues es muy extensa o simplemente
[17:08] (Vega> si
[17:08] (mariajose> no es inacesible
[17:08] (mariajose> por ello trabajaremos con muestras
[17:09] (mariajose> pero para ello debemso aseguraranos qeu la
[17:09] (mariajose> muestra es representativa
[17:09] (mariajose> de lapoblacion general para poder inferir a la poblacion los resultados qeu hemso encontrado
[17:09] (mariajose> en la muestra
[17:09] (mariajose> para ello deebmso cumplir ciertos requisitos
[17:10] (mariajose> uno que la muestra sea como un afoto en pequeño de la poblacion
[17:10] (mariajose> y qeu el tamaño d ela misma sea suficiente
[17:10] (mariajose> eso lo calcularemos luego
[17:10] (mariajose> una vez que tenemos aclculado el tamaño
[17:11] (mariajose> debemso seleccionar la muestra de tal forma qeu todo el grupo
[17:11] (mariajose> haya tenido la misma probabilidad de entrar a la muestra
[17:11] (mariajose> para evitar sesgos de seleccion
[17:11] (mariajose> es decir utilizaremos metodos de muestreo
[17:12] (mariajose> ahora hablaremso de los metodos de muestreo
[17:12] (mariajose> los probabilisticos y los no probabilisticos
[17:12] (mariajose> TECNICAS DE MUESTREO
[17:12] (mariajose> La selección de los sujetos se realiza utilizando las técnicas de muestreo, estas engloban un conjunto de
[17:12] (mariajose> procedimientos para elegir y observar una parte de la población, denominada muestra, con objeto de obtener
[17:12] (mariajose> conclusiones sobre diversas características de la población total.
[17:12] (mariajose> MUESTREO PROBABILISTICO
[17:12] (mariajose> Se define como el proceso en el que todos los individuos (unidades de muestreo) tienen una probabilidad
[17:13] (mariajose> conocida, distinta de cero, de ser incluidos en la muestra. Utiliza alguna forma de selección aleatoria para
[17:13] (mariajose> obtener las unidades que serán estudiadas. De esta forma se tiene una mayor confianza de asegurar que la
[17:13] (mariajose> muestra sea representativa.
[17:13] (mariajose> - Muestreo aleatorio simple -
[17:13] (mariajose> Es aquella técnica en la que cada unidad de muestreo de la población tiene la misma probabilidad de
[17:13] * Quits: seba (w841257715@mar.uninet.edu) (Quit: quit (Ping timeout))
[17:13] (mariajose> ser elegida. El primer paso es preparar un listado de las unidades de muestreo, numerándolas, por ejemplo,
[17:13] (mariajose> secuencial mente. A continuación se calcula el tamaño de la muestra y, por ultimo se seleccionan las unidades
[17:13] (mariajose> necesarias mediante un sistema como el de las tablas de números aleatorios.
[17:14] (mariajose> coger la tabla de numeros aleatorios apendice F
[17:14] (mariajose> de lso apuntes
[17:14] (mariajose> las teneis?
[17:14] (belinda> si en mano
[17:14] (santiago> si
[17:15] (cbayona> si
[17:15] (Pedro> si
[17:15] (floren> ok
[17:15] (mariajose> sigo
[17:15] (Mariau> si
[17:15] (mariajose> Se dispone de todos los individuos antes de empezar el análisis, por ejemplo, todos los pacientes de 20 a 44
[17:15] (mariajose> años admitidos en el hospital con úlcera péptica perforada en los últimos 20 meses. Suponga que tenemos una
[17:16] (mariajose> población de tamaño 150, y queremos tomar una muestra de tamaño 5. Elija cualquier fila y columna en la
[17:16] (mariajose> tabla de números aleatorios(Tabla F, Apéndice), digamos la última columna de 5 dígitos. Lea sólo los primeros
[17:16] (mariajose> 3 dígitos y baje la columna empezando con la primera fila. Así tenemos los números 265, 881, 722, etc. Si un
[17:16] (mariajose> número aparece entre 001 y 150 entonces se incluye en nuestra muestra. Así, en orden, en la muestra
[17:16] (mariajose> estarán los sujetos numerados 24, 59, 107, 73 y 65. Si es necesario se puede bajar la siguiente columna a la
[17:16] (mariajose> izquierda hasta que se seleccione la muestra completa. Una muestra así elegida se denomina muestra
[17:17] (mariajose> aleatoria. La palabra "aleatoria" (random) no describe la muestra como tal sino la forma en la cual se ha seleccionado.
[17:17] (mariajose> lo veis
[17:17] (belinda> si
[17:18] (santiago> si
[17:18] (jesusfern> si
[17:18] (Pedro> si
[17:18] (sara_garc> si
[17:18] (floren> si
[17:18] (cbayona> sí
[17:18] (francisco> si
[17:18] (mariajose> esta explicacion es para qeu entendais el procedieminto
[17:18] (seba> vale
[17:19] (belinda> porque se dice que es mejor este mtodo que por ejemplo tomar un paciente cada 5 o 10
[17:19] (belinda> ????
[17:19] (cbayona> ¿Por qué se elige la última columna?
[17:19] (mariajose> pero dificilmente lo vais a utilizar ya que si teneis un poco de tiempo bajaros hoy el epidat que es un programa informatico
[17:20] (belinda> no es sirge Gstat??
[17:20] (mariajose> belinda por qeu el metodo que tu planteas es el sistematico
[17:20] (belinda> tiene que ser el que estas recomendando es mejor???
[17:20] (belinda> ya bien
[17:21] (mariajose> porque el aleatorio es un metodo muy sencillo pero tiene el inconveniente de que tienes que tener a toda la poblacion numerada
[17:21] (belinda> epidat vs gsta??? cual es mejor??
[17:21] (mariajose> pero es muy sencillo en primaria
[17:22] (mariajose> ya que tienes toda la base de datos de lapoblacion
[17:22] (mariajose> contesto a lo delprograma
[17:22] (mariajose> el epidat es un programa infromatico de la OPS y de junta de Galñicia llibre
[17:23] (belinda> bien
[17:23] (mariajose> osea que os lo podeis descragar a traves de google
[17:23] (belinda> ok
[17:23] (VictoriaD> se puede descargar desde la pagina de la junta?
[17:23] (mariajose> y sirve para calcular todos los test estadisticos
[17:23] (belinda> ok
[17:23] (mariajose> ademas de seleccionar las muestras
[17:23] (belinda> y los ejercicios tambien
[17:23] (belinda> ??
[17:23] (mariajose> con los metodos que voy a explicar vot
[17:23] (mariajose> si
[17:23] (belinda> vale
[17:24] (mariajose> tambien sirve para calcular los tamaños de la muestra
[17:24] (mariajose> sigo habeis entendido el metodo aleatorio?
[17:24] (belinda> sip
[17:24] (Nerea> si
[17:24] (santiago> si
[17:24] (Pedro> si
[17:24] (floren> si
[17:24] (mariajose> alguien preguntaba por qeu la columna cinco
[17:24] (Elena> si
[17:24] (sara_garc> si
[17:24] (jesusfern> si
[17:24] (violeta> si
[17:24] (seba> si
[17:24] (francisco> si
[17:24] (cbayona> si
[17:25] (mariajose> bueno eso lo decide el investigador
[17:25] (cbayona> sí, yo
[17:25] (mariajose> Es preferible utilizar la taba de números aleatorios, a tomar cada paciente alternado o cada 5 personas, o
[17:25] (mariajose> actuar según otro plan regular. La regularidad del plan puede coincidir ocasionalmente por azar con alguna
[17:25] (mariajose> regularidad no prevista en la presentación del material de estudio -por ejemplo, realizar la citación hospitalaria
[17:25] (mariajose> a pacientes a los cuales se les realizan ciertas practicas ciertos días de la semana y coincidir la regularidad con el día que mas presión existe.
[17:26] (mariajose> - Muestreo estratificado -
[17:26] (mariajose> Como la susceptibilidad a la enfermedad generalmente varía en relación a la edad, sexo, ocupación, historia
[17:26] (mariajose> familiar, exposición al riesgo, estado de inoculación, y muchos otros factores genéticos o ambientales, es
[17:26] (mariajose> conveniente examinar si las muestras son, comparables en estos aspectos.
[17:26] (mariajose> El proceso aleatorio de selección está dirigido a asegurar la representación de la muestra aunque, algunas
[17:26] (mariajose> veces, el azar puede conducir a disparidades. Para evitar esta posibilidad el muestreo puede ser estratificado.
[17:26] (mu> ok
[17:26] (mariajose> Se caracteriza porque la población se divide en dos o más estratos, es decir, subgrupos de población que
[17:26] (mariajose> comparten alguna característica en común y son excluyentes.
[17:26] (mariajose> Para ello se debe establecer inicialmente los criterios según los cuales se va a realizar la estratificación. A
[17:27] (mariajose> partir de estos criterios los pacientes u objetos del estudio, en una muestra aleatoria, se asignan a los
[17:27] (mariajose> compartimentos establecidos. Por ejemplo, el criterio puede ser el sexo y la edad, primero se realizará una
[17:27] (mariajose> primera división entre hombres y mujeres y posteriormente una segunda división, de cinco grupos de edad,
[17:27] (mariajose> dentro de cada una de estas categorías, el resultado será un marco con diez compartimentos.
[17:27] (mariajose> Con esto controlamos los posibles sesgos debidos ciertas variables. Por ejm conocemos que la demanda de los
[17:27] (mariajose> servicios esta relacionado con la edad; si queremos realizar una encuesta para conocer la satisfacción de la
[17:27] (mariajose> población debemos controlar el factor edad y asegurarnos la presencia de usuarios de todos los estratos de edad.
[17:27] (mariajose> Es importante tener en cuenta que las distribuciones de las categorías en dos muestras ajustadas según estos criterios, para que pueden ser realmente comparables, deben reflejar la distribución de estas categorías en la población de la cual se ha extraído la muestra. Por ejemplo, se pueden considerar igual número para las categorías hombre y mujer, pero los hombres y las mujeres pueden no ser igualmente numerosos en la població
[17:28] (mariajose> Si se tiene en cuenta la distribución poblacional y se realiza la asignación dentro de cada estrato de forma aleatoria, este método es conocido como muestreo aleatorio estratificado.
[17:29] (mariajose> dudas?
[17:29] (cbayona> todo entendido
[17:29] (Pedro> bien
[17:29] (floren> de momento no
[17:29] (belinda> ok
[17:29] (Elena> ok
[17:30] (mariajose> el estratificado se utiliza cuando es necesario ocntrolar los factores de confusion
[17:30] (seba> pero al estratificar en hombre y mujer, solo comparo hombres con hombres y mujeres con mujeres???
[17:31] (mariajose> pero para ello es necesario ocncoer el porcentaje de distribucion en la poblacion de los factores a controlar
[17:31] (belinda> hombre vs mujeres??? o no es asi
[17:31] (belinda> no es la distribución de X enfermedad por sexo??
[17:31] (mariajose> si piensas que el sexo esta relacionado con la enfermedad debes controlar este factor
[17:32] (mariajose> asi si en la pobñacion tienes un 60% de mujeres debes asegurarte esa misma cantidad ed mujeres en tu muestra
[17:32] (seba> bien
[17:32] (belinda> ok
[17:32] (Mariau> vale
[17:32] (mariajose> porque puede suceder qeu al estar ligada la enfermedad con el sexo
[17:32] (belinda> entonces mi muestra debe ser 60% mujeres
[17:32] (belinda> ??
[17:32] (floren> ok
[17:32] (sara_garc> ok
[17:32] (belinda> ok
[17:33] (mariajose> el azar haya provocado que tengas mas hombres qeu mujeres y entonces
[17:33] (VictoriaD> ok
[17:33] (mariajose> la incidencia de la enfermeda sera menso si esta era mas prevalente en las mujeres
[17:33] (mariajose> menor
[17:33] (mariajose> tu muestra si has estratificado por sexo debe asegurar un 60% de mujeres
[17:34] (belinda> no seria representativa, ni insesgada?
[17:34] (mariajose> simpre que penseis qeu hay factores de confusion debeis estratificar por ese factor
[17:34] (Mariau> entendido
[17:34] (mariajose> si estratificasno
[17:34] (belinda> okç
[17:35] (mariajose> luego
[17:35] (seba> pero como puedo establecer ese 60%?? si no tengo a toda la poblacion???
[17:35] (violeta> vale
[17:35] (mariajose> tienes que asignar la poblacion de forma aleatoria a cada estrato
[17:35] (jesusfern> ademas si haces eso no dejaria la muestra de ser "aleatoria"?
[17:35] (Vega> ??
[17:35] (mariajose> uno de los requuuuisitos para poder estratificar es qeu debes conocer la distribucion
[17:35] (mariajose> en la poblacion de origen
[17:36] (belinda> endria que aplicar tecnicas de muestreo para hombes y luego a las mueres de la población para
[17:36] (seba> vale
[17:36] (belinda> luego obtener la muestra??
[17:36] (jesusfern> ah, vale
[17:36] (mariajose> luego debes saber el porcentaje en la poblacion esa es una limitacion
[17:37] (mariajose> 1 conoces la distribucion en la poblacion origen
[17:37] (belinda> vale
[17:37] (mariajose> por ej de edad
[17:37] (sheila> y si rechazas un factor de confusion y no estratificas por dicho factor.. ¿como podrias despues confirmar que no hay sesgo?
[17:37] (mariajose> conoces el porcentaje de poblacion segun grupos quinquenales de edad
[17:37] (mariajose> 2
[17:37] (mariajose> calculas la poblacion de la muestra segun ese porcentaje
[17:38] (mariajose> y luego la asignas aleatoriamente segun el metodo aleatorio simple
[17:38] (sheila> vvç+
[17:38] (mariajose> belinda no ppuedes rechazar factores de confusion
[17:38] (mariajose> debes controlarlos
[17:39] (belinda> como los controlo
[17:39] (belinda> ???
[17:39] (mariajose> de otra forma tus conclusiones estarn sesgadas y tu estudio no sera valido
[17:39] (mariajose> un poco de epidemiologia
[17:39] (Mariau> y se controlan todos de la misma manera?
[17:39] (mariajose> un momneto
[17:39] (mariajose> hay dos tipos de errores
[17:40] (belinda> pero lo que quiero saber es como lo hago, no rechazar nada!!!
[17:40] (mariajose> aleatorios
[17:40] (mariajose> y sesgos
[17:40] (mariajose> los aleatorios se calculan incremntando, los tamaños de la muestra
[17:40] (mariajose> y los sesgos pueden ser o de informacion o de seleccion
[17:41] (sheila> hola hola
[17:41] (mariajose> los de infromacion se controlan diseñando la recogida de informaion de forma qeus e estandarizan los procedimientos
[17:42] (mariajose> y los de seleccion se hacen a traves de utilizar un metodo de muesytreo aleatorio y si tienes factores de cinfusion a controlar debes estratificar SIMEPRE
[17:42] (mariajose> SIEMPRE
[17:42] (VictoriaD> los sesgos no pueden corregirse incrementando el tamaño muestral.
[17:42] (floren> ok
[17:42] (violeta> vale
[17:43] (mariajose> los sesgos de recogida de la informacion o de seleccion NO
[17:43] (mariajose> porque si has cometiddo un error en la omposicion d elos grupos aunque aumentes el tamaño d ela muestra vas aocntinuar con ese error
[17:44] (mariajose> el incremneto del tamaño d ela muestra solo ocntrola los errores debedos al azar
[17:44] (mariajose> porqeu?
[17:44] (VictoriaD> eso es
[17:44] (seba> porque hara q la muestra sea mas parecida a la poblacion
[17:44] (mariajose> porque lo errores debidos alazar se producen por trabajar con muestras pero si tu incrementas
[17:44] (violeta> eso es
[17:44] (mariajose> la muestra mas se parecera tu muestra
[17:45] (mariajose> a la poblacion general de la
[17:45] (VictoriaD> por que los sesgos no son problema del tamaño muestral sino de errores a la hora de seleccionar las caracteristicas de lo elemntos de la muestra
[17:45] (mariajose> cual has partdido
[17:45] (mariajose> por atnto menos posibilidades tienes de error
[17:45] (mariajose> ha qeudado esto claro?
[17:46] (Mariau> si
[17:46] (francisco> si
[17:46] (Pedro> si
[17:46] (belinda> sip
[17:46] (VictoriaD> si
[17:46] (violeta> si
[17:46] (Elena> si
[17:46] (Nerea> si
[17:46] (floren> si
[17:46] (Vega> si
[17:46] (mariajose> de todas formas esto lo revisareis otra vez en epidemiologia
[17:46] (mariajose> sigo
[17:47] (mariajose> con los otros metodos
[17:47] (shei> ok
[17:47] (mariajose> - Muestreo aleatorio sistemático. -
[17:47] (mariajose> Por ejemplo, si de un conjunto de 200 unidades hay que seleccionar 40, la constante de muestreo será 5 (200/40), lo que significa que se escogerá a uno de cada cinco individuos. El primer individuo se elige al azar entre los números del uno al cinco. Si el elegido fuera el 2, el siguiente seria el 7 (2+k), después el 12, el 17 y así hasta conseguir los 40 individuos necesarios.
[17:48] (VictoriaD> ok
[17:48] (Elena> ok
[17:48] (jesusfern> parece facil...
[17:48] (seba> bien
[17:48] (violeta> vale
[17:48] (cbayona> entendido
[17:48] (shei> ok 17:49] (belinda> ok
[17:49] (mariajose> con este no hay qeu numerar los individuos pero hay qeu conocer el nuemro total 7:49] (mariajose> para dividirlos entre el numero de muestra a sacar
[17:49] (floren> ok
[17:49] (sara_garc> ok
[17:49] (mariajose> sigo
[17:49] (belinda> este método es un chollo
[17:49] (belinda> me gusta
[17:49] (cbayona> es fácil
[17:50] (VictoriaD> vale
[17:50] (mariajose> tambien te lo da automaticamente el epidat
[17:50] (Pedro> ok
[17:50] (belinda> ok
[17:50] (mariajose> si os podei descargar el programa
[17:50] (belinda> ok
[17:50] (cbayona> vale
[17:50] (Pedro> si
[17:50] (Elena> si
[17:50] (mariajose> hacer al prueba y vereis lo facil qeu se calcula todos los metodos de seleccion
[17:51] (mariajose> sogo
[17:51] (VictoriaD> de acuerdo
[17:51] (belinda> vale
[17:51] (mariajose> Muestreo en etapas múltiples
[17:51] (mariajose> Esta técnica consiste en seleccionar unidades de muestreo de una población (unidades primarias), procediéndose
[17:51] (mariajose> a obtener, en una segunda, una muestra de cada una de las unidades primarias (unidades secundarias).
[17:51] (mariajose> Se utiliza cuando la población es muy grande y esta muy dispersa, como en el caso de la población escolar de un país o una
[17:51] (mariajose> gran ciudad. Si se quiere hacer un estudio sobre alimentación en escolares, una manera de seleccionar la muestra sería
[17:51] (mariajose> elegir al azar escuelas (unidades primarias) y dentro de cada centro una muestra de niños (unidades secundarias).
[17:52] (mariajose> se va pasando por diferentes etapas
[17:52] (mariajose> es un metodo qeu se utiliza cuando la poblacion esta muy dispersa
[17:52] (mariajose> pero esta concentrada por alguna caracterristica
[17:52] (mariajose> ej ser escolares y la agupacion es el aula
[17:53] (mariajose> o estudios laborales
[17:53] (mariajose> y la agrupacion es la fabrica
[17:53] (mariajose> de acuerdo
[17:53] (Mariau> entendido
[17:53] (belinda> si
[17:53] (sara_garc> ok
[17:53] (Pedro> si
[17:53] (francisco> si
[17:53] (Nerea> si
[17:53] (cbayona> ok
[17:53] (VictoriaD> de acuerdo
[17:53] (jesusfern> si
[17:53] (Elena> si
[17:53] (shei> ok
[17:54] (mariajose> Randomización por bloques
[17:54] (mariajose> Otro uso de las tablas de números aleatorios es para aleatorizar la distribución de tratamientos de pacientes en un
[17:54] (VictoriaD> vale
[17:54] (mariajose> ensayo clínico. Este método nos asegura que no hay sesgo en la distribución del tratamiento y, a la larga, los sujetos de
[17:54] (mariajose> cada grupo de tratamiento son comparables en factores pronósticos conocidos y desconocidos.
[17:54] (mariajose> El método a utilizar es el de randomización por bloques, que asegura que a intervalos regulares, haya igual número en los
[17:54] (mariajose> dos grupos. Los tamaños habituales para los bloques suele ser dos, cuatro, seis, ocho y diez. Suponga que elegimos un
[17:54] (mariajose> bloque de tamaño diez. Un método sencillo, es elegir los primeros cinco dígitos únicos en cualquier fila usando la Tabla F
[17:54] (mariajose> (Apéndice). Si elegimos la primera fila, los primeros cinco dígitos son 3,5, 6, 8 y 4. Así colocaremos los sujetos tercero,
[17:54] (mariajose> cuarto, quinto, sexo y octavo al tratamiento uno y el primero, segundo, séptimo, noveno y décimo para el tratamiento dos.
[17:55] (mariajose> Si el tamaño del bloque fuera menor de diez, ignoraremos los dígitos mayores que el tamaño del bloque. Para colocar más
[17:55] (mariajose> sujetos al grupo tratamiento uno, seguiremos a lo largo de la misma fila, eligiendo los siguientes cinco dígitos únicos para el
[17:55] (mariajose> primer tratamiento. En ensayos controlados aleatorizados es conveniente elegir el tamaño del bloque cada vez que se haga
[17:56] (mariajose> una nueva asignación, para que sea más difícil adivinar cuál será el siguiente tratamiento.
[17:56] (mariajose> Es importante darse cuenta que los pacientes en un ensayo randomizado no son una muestra aleatoria del
[17:56] (mariajose> universo de gente que tiene la enfermedad en cuestión sino que son un conjunto altamente seleccionado de pacientes
[17:56] (mariajose> elegibles y dispuestos. Sin embargo, la randomización asegura que a la larga cualquier diferencia en el resultado en los dos
[17:56] (mariajose> grupos de tratamiento se deba únicamente a las diferencias en el tratamiento.
[17:57] (mariajose> MUESTREO NO PROBABILISTICO
[17:58] (mariajose> en el de bloques asignamos no de forma individual uno a uno
[17:58] (mariajose> sino en bloques
[17:58] (mariajose> asi elegimos los que ocupan los numeors que aparecen en al primera fila de la tabla
[17:59] (mariajose> y esos los assginamos al grupo caso por ej
[17:59] (VictoriaD> ok
[17:59] (mariajose> es decir algrupo qeu les vass a dar el nuevo tratamietno
[18:00] (seba> ok
[18:00] (mariajose> y los individuos que ocupan el lugar del numeros que quedan en medio de lso otros lo asignas a grupo control con el qeu vas a comparar
[18:00] (cbayona> entendido
[18:01] (mariajose> de esta forma todos los individuos habran tenido la smisma oportunidad de ir a uno u otro grupo y por tanto controlas los sesgos debidos a la seleccion
[18:02] (mariajose> Ahora vamos a estudiar los no probabilisticos qeu son aquellos que no todos los individuos han tenido la probabilidad de entrar al estudio
[18:02] (mariajose> En el muestreo no probabiístico, las unidades se escogen utilizando métodos en los que no interviene el azar. Se
[18:02] (mariajose> desconoce la probabilidad que posee cada unidad de ser incluida en la muestra.
[18:02] (mariajose> Muestra de "conveniencia".
[18:02] (mariajose> Podemos seleccionar una muestra y esta muestra ser el conjunto de los sujetos que están disponibles para participar en el
[18:02] (mariajose> estudio. Esto es una muestra de "conveniencia". Este método de muestreo, exige que para poder realizar generalizaciones
[18:03] (mariajose> válidas y defender que nuestra muestra es de alguna manera representativa de la población, el primer paso que hay que
[18:03] (mariajose> realizar es un informe describiendo la muestra, digamos por edad, sexo y estatus de la enfermedad, para que otros lectores
[18:03] (mariajose> puedan decidir si es representativa o no del tipo de pacientes que ellos se encuentran.
[18:03] (mariajose> Desviación estándar y error estándar
[18:04] (mariajose> es decir qeu para poder utilizar un muestreo de conveniencia debes justificar en el estudio la similitud de los que estudias con la poblacion de la cual ha salido
[18:04] (mariajose> la muestra
[18:04] (raquel> hola
[18:04] (mariajose> por ej si quiero
[18:04] (seba> hola raquel
[18:04] (violeta> hola
[18:04] (mariajose> hacer un estudio de los medicos/as de lso centros de slud
[18:04] (Mariau> hola raquel!
[18:05] (mariajose> respecto a variabilidad en la practica clinica
[18:05] (mariajose> y solo puedo accedder a los de BUrgos
[18:05] (mariajose> debere justificar qeu los Cs de Burgos osn similares en poblacion asignada
[18:05] (mariajose> formacion
[18:05] (mariajose> ect qeu los medicos de los Cs de Castilla y Leon
[18:06] (mariajose> si es a esa poblacion a la cual quierro extrapolar mis datos
[18:06] (Mariau> claro
[18:06] (belinda> ok
[18:06] (shei> ok
[18:06] (VictoriaD> ok
[18:06] (mariajose> bueno ahora explicare al dierencia entre desviacion estandar y error estandar
[18:06] (seba> pero eso es justificable???
[18:06] (mariajose> si
[18:07] (mariajose> pero hay qeu justificarlo razonablemente
[18:07] (violeta> y como lo haces?
[18:07] (mariajose> aunque siempre tendra mas limitaciones el estudio
[18:07] (shei> pero aunque lo justifiques razonablemente estas cometiendo sesgos, porque evades los datos que no te interesan que se sepan no?
[18:08] (VictoriaD> es complejo
[18:08] (mariajose> se suele utilizar en esas situaciones en las cuales nopuedes realizar una seleccion porqeu no tienes acceso a toda la pobacion normalmente cuadno es muy dispersa
[18:09] (mariajose> bueno tanto ocmo eso no
[18:09] (mariajose> en el ejemplo anterior es asi
[18:10] (mariajose> tus conclusioes nunca sern de causa efecto sino diras
[18:10] (mariajose> segun mis resultados
[18:10] (seba> claro, pero tus resultados son de burgos, no segun castilla y leon
[18:11] (mariajose> es previsible qeu la poblacion por ej de medicos se comporte de la misma manera porque las condiciones son muy similares
[18:11] (seba> o sea tendras que contar tus resultados y conclusiones citando a la poblacion de burgos
[18:11] (mariajose> si pero puedes extrapolar si antes has juestificado qeu no hay diferencias o qeulas poblaciones son muy similares
[18:12] (seba> ok
[18:12] (belinda> ok
[18:12] (violeta> vale
[18:12] (mariajose> logicamente tus conclusiones son menos potentes
[18:12] (cbayona> k
[18:12] (mariajose> pero siempre podras realizar tu estudio
[18:12] (Pedro> ok
[18:12] (Nerea> ok
[18:12] (belinda> vale
[18:12] (shei> claro , porque valoras gtrupos grandes y dispersos, es decie alos medicos de burgos,x ej; no un servicio en concreto
[18:12] (mariajose> justificando la y alcarando la limitacion
[18:13] (shei> ok
[18:13] (Elena> ok
[18:13] (belinda> ok
[18:13] (francisco> ok
[18:13] (mariajose> ¿Cuándo debo usar una desviación estándar para describir datos y cuándo usar un error estándar?
[18:13] (cbayona> ok
[18:13] (mariajose> Es un error común intentar y usar el error estándar para describir datos. Habitualmente se hace porque el error
[18:13] (mariajose> estándar es pequeño, y así el estudio parece más preciso. Si el propósito es Describir los datos (por ejemplo de manera que
[18:13] (mariajose> se pueda ver si los pacientes son típicos) y si los datos son Normales, entonces se debería usar la Desviación estándar
[18:13] (mariajose> (nemotecnia D por Descripción y D por Desviación). Si el propósito es describir el resultado de un estudio, por ejemplo para
[18:13] (mariajose> Estimar la prevalencia de una enfermedad, o la media de altura de un grupo, entonces se deberá usar un Error estándar
[18:14] (mariajose> (o, mejor, un intervalo de confianza; ver (Capítulo 4) (nemotecnia E por Estimación y E por Error).
[18:14] (mariajose> la desviacion estandar nos mide la variabilidad de los datos en la poblacion general lo que vimos ayer
[18:15] (Pedro> si
[18:15] (cbayona> si
[18:15] (violeta> si
[18:15] (sara_garc> ok
[18:15] (mariajose> y el error estandar es la medida de la variabilidad en la muestra
[18:15] (VictoriaD> ok
[18:16] (mariajose> se llama error estandar por que mide la variabilidad debida a el hecho de trabajar con muestras
[18:17] (mariajose> y por tanto hay un error que es el error que se produce por trabajar con muestras
[18:17] (mariajose> por eso se llama error estandar la formula es la que os aparece en los apuntes
[18:17] (shei> ok
[18:18] (Pedro> ok
[18:18] (belinda> ok
[18:18] (mariajose> lo veis?
[18:18] (violeta> si
[18:18] (francisco> si
[18:18] (sara_garc> si
[18:18] (Elena> si
[18:18] (cbayona> si
[18:18] (Vega> si
[18:18] (Mariau> si
[18:19] (mariajose> mirar un momento los ejercicios por si no teneis alguna duda
[18:19] (VictoriaD> vale 18:19] (belinda> vale
[18:19] (belinda> espera un momento
[18:21] (mariajose> en el primero teneis que calcular el error estadndar de una proporcion
[18:21] (mariajose> de uan media perdon
[18:21] (mariajose> cual es la formula la veis en lo apuntes?
[18:21] (floren> si
[18:22] (belinda> SD/raíz cuadrada de n
[18:22] (cbayona> SD / raíz cuadrada de n
[18:22] (mariajose> la formula es desviacion standar/raiz cuadrad de n
[18:22] (mariajose> bien cuando es la desviacion estandar
[18:22] (mariajose> en el pimer ej
[18:23] (raquel-id> hola
[18:23] (shei> hola
[18:23] (violeta> hola
[18:23] (raquel-id> llegamos tarde,somos las pediatras
[18:23] (mariajose> cuanto vale la Ds
[18:24] (raquel-id> estamos de guardia 18:24] (mariajose> me estais siguiendo?
[18:24] (jesusfern> si
[18:24] (mariajose> estamos en el primer ej
[18:24] (belinda> como se hace el calculo??? de DS
[18:24] (floren> si
[18:25] (cbayona> si, no encuentro la fórmula
[18:25] (raquel-id> si
[18:25] (mariajose> la D viene en el enunciado
[18:25] (belinda> te sigo, quiero saber el calculode Ds
[18:25] (mariajose> te dan la DS
[18:25] (shei> 0,87
[18:25] (mariajose> BIEN
[18:25] (belinda> 0,87
[18:25] (belinda> vale ya la he vistogracias
[18:25] (cbayona> Vale! 0.87
[18:26] (mariajose> luego cual es el erro estandar si te dan la Ds y el tamaño de la pobñacion
[18:26] (mariajose> sgun la formula qque hemos dicho antes
[18:26] (shei> aplicas la ecuacion y ya esta no?
[18:26] (mariajose> si 0,87/?????
[18:26] (belinda> 0,87/raíz cuadrada de 120??
[18:27] (Pedro> raiz de 140
[18:27] (belinda> vale 140
[18:27] (mariajose> si
[18:27] (shei> 0,87/ raiz cuadrada de la media (2,18)
[18:27] (mariajose> terce ejercicio
[18:27] (belinda> 3.2 o 3.3
[18:27] (mariajose> la formula es raiz cuadrada de la poblacion
[18:27] (shei> ok
[18:28] (mariajose> el simbolo de pobñacion es n
[18:28] (Pedro> 0,073?
[18:28] (shei> sisisi
[18:28] (shei> perdon
[18:28] (mariajose> y el simbolo de la media en las muestras es x
[18:28] (violeta> vale
[18:28] (mariajose> si 0,073
[18:28] (mariajose> tercer ejercicio
[18:28] (jesusfern> me salió!
[18:28] (floren> ok
[18:28] (belinda> a mi tambien
[18:28] (mariajose> es lo mismo pero error estandar de la proporcion
[18:28] (belinda> por fin
[18:29] (shei> si, a mi tb
[18:29] (mariajose> cual es la formula del error estandar de la proporcion
[18:30] (belinda> raiz cuadrada de de p(100-p)/n
[18:30] (jesusfern> p(100-p)/n raiz cuadrá de ello no?
[18:30] (cbayona> aiz cuadrada de p(100-p)/n
[18:30] (mariajose> cual es aqui el valor de p
[18:31] (mariajose> si la proporcion de jovenes que ingieren drogas es un 6%
[18:31] (belinda> raiz cuadrada de 60(100-60)/120
[18:31] (mariajose> la p es la `proporcion
[18:32] (mariajose> has puesto 60% no 6%
[18:32] (belinda> es 6%
[18:32] (Pedro> si
[18:33] (belinda> vale, me confundí
[18:33] (belinda> entonces raíz cuadrada de 6(100-6)/120
[18:33] (mariajose> luego seria 6% y para l aformula hay qeu aplicar en valor de tanto or uno es decir razi cuadrada de 0,06*0,94/120
[18:33] (mu> ok
[18:33] (jesusfern> ok
[18:33] (Elena> ok
[18:33] (seba> ok
[18:33] (mariajose> de acuerdo?
[18:33] (francisco> si
[18:33] (cbayona> el porcentaje, si
[18:34] (mu> si
[18:34] (Nerea> si
[18:34] (violeta> si
[18:34] (mariajose> seguimos con el tema 4
[18:34] (violeta> vale
[18:34] (Pedro> si
[18:34] (seba> vale
[18:34] (belinda> vale
[18:34] (floren> ok
[18:34] (mariajose> que son los intervalos de confianza
[18:34] (jesusfern> vale
[18:34] (mariajose> cuando damos un valor por ej de cifras de glucemia siempre
[18:35] (mariajose> no smovemso entre dos valores
[18:35] (mariajose> que todos los valores qque caen dentro de eese intervalo es normal y lo qeu cae fuera es anormal y a veces patologico
[18:35] (mariajose> por ej
[18:36] (belinda> 80 - 120
[18:36] (mariajose> entre que dos valores se mueven las cifras de normalidad de glucemia
[18:36] (belinda> < 80 o > 120
[18:36] (mariajose> si tengo 140
[18:36] (mariajose> dire que puede ser patologico
[18:36] (belinda> hiperglucemia =DM
[18:36] (cbayona> hiperglucemia
[18:37] (belinda> > 126mg/dl
[18:37] (mariajose> bien luego este es el intervalo de normalidad
[18:37] (belinda> =DM
[18:37] (mariajose> los intervalos qeu
[18:37] (mariajose> os remiten de laboratorio
[18:37] (shei> si
[18:37] (mariajose> y que no aparece con asterisco
[18:37] (cbayona> si
[18:37] (mariajose> la cifra del
[18:37] (mariajose> enfermo que ayendeis
[18:38] (mariajose> esos son os intervalos de normalidad
[18:38] (mariajose> pero luego hay dos intervalos de confianza y probabilidad
[18:38] (belinda> vale
[18:38] (mariajose> qeu se elaboran aprtir del valor centrla mas menos 2
[18:38] (mariajose> desviacioes estandar
[18:38] (mariajose> o lo que es lo miemo
[18:39] (mariajose> que a partir de un porcentaje o de una media
[18:39] (mariajose> mas menos 2 DS encontraremos el 95% de los valores normales
[18:39] (mariajose> si es un intervalo denormalidad
[18:40] (mariajose> TEMA 4
[18:40] (mariajose> En la documentación de ayer habréis visto que cuando un conjunto de observaciones tiene una Distribución Normal, hay
[18:40] (mariajose> múltiplos de la desviación estándar que marcan ciertos límites en la nube de puntos de las observaciones.
[18:40] (mariajose> Por ejemplo, 1,96 (o aproximadamente 2) desviaciones estándar por arriba y 1,96 desviaciones estándar por debajo de la
[18:40] (mariajose> media ((1,96 DE), marcan los puntos dentro de los cuales caen el 95% de las observaciones.
[18:40] (mariajose> Este 95% es la zona de seguridad, la zona de la no diferencia o de la normalidad. Conociendo la media y la desviación
[18:40] (mariajose> estándar disponemos de información respecto a la variabilidad del carácter que se mide. Pero la pregunta es si repetimos el
[18:41] (mariajose> experimento o el estudio tenemos la seguridad de obtener los mismos resultados?. Ante la pregunta de un enfermo de que
[18:41] (mariajose> posibilidad tengo de curarme con X tratamiento, nos arriesgaríamos a dar un porcentaje puntual de curación?
[18:41] (mariajose> La variabilidad biológica, que mañana daría unos resultados diferentes, confiere escaso valor al porcentaje puntual. Quien
[18:41] (mariajose> investiga sobre un tumor o cierta patología ginecológica, está obligado a estudiar los cancerosos de los que dispone o unas
[18:41] (mariajose> cuantas mujeres. Si embargo normalmente lo que pretendemos es obtener conclusiones acerca del cáncer o de la población
[18:41] (mariajose> femenina. Con toda seguridad tendremos que trabajar con muestras; y sabemos también que con toda seguridad al repetir el
[18:41] (mariajose> experimento vamos a obtener resultados diferentes. El métodos Estadístico consigue extrapolar a poblaciones los resultados
[18:41] (mariajose> obtenidos en muestras, pero pagando una perdida de precisión, de tal forma que ya no podemos asegurar resultados
[18:42] (mariajose> puntuales sino de intervalos en los cuales contada seguridad encontraremos el parámetro de la población.
[18:42] (mariajose> Son los intervalos de confianza y los intervalos de probabilidad. Pero además debemos de conocer la probabilidad de
[18:42] (mariajose> equivocarnos y de que el valor escape de los límites del intervalo. Por tanto necesitaríamos presentar tres valores (el
[18:42] (mariajose> obtenido en al muestra, el intervalo en el que supuestamente encontraremos el parámetro de la población y la probabilidad
[18:42] (mariajose> de que aun con todo escape de el (p<0,005), entonces estaremos hablando de los cancerosos y de la población femenina,
[18:42] (mariajose> por encima de los enfermos de nuestro trabajo.
[18:43] (mariajose> es decir que lo que nos interesa cuaando trabajamos con muestras
[18:44] (mariajose> es conocer entre que dos valores vamos a encontrar el valor de la poblacion a partir del valor qeu hemso encontrado enla muestra
[18:45] (mariajose> si hacemso un estudio de indicencia de una determinada patologia y hemos encontrado qeu en muestro estudio ha sido deun 40%
[18:45] (mariajose> lo que interesa es estimar que ese porcentaje se presentara tambien en la poblacion
[18:46] (mariajose> pero dar un valor exacto es decir
[18:46] (mariajose> un 40% es arriesgarse mucho
[18:46] (mariajose> entonces lo qeu se da
[18:47] (mariajose> es un intervalo entre el cual con un 95% de seguridad y un 5% de error aparecera el valor de ese parametro en l apoblacion
[18:47] (mariajose> la formula es la p en este caso 40% mas menos 1,96*el error estandar
[18:48] (mariajose> que ya conocemos la formula
[18:48] (mu> ok
[18:48] (belinda> ok
[18:48] (Pedro> bien
[18:48] (floren> bien
[18:48] (sara_garc> ok
[18:48] (mariajose> si fuera una media entonces seria la media mas menos 1,96 por el eroro estandar
[18:49] (mariajose> como veis en la formula del error estandar en eldenominador va n
[18:49] (VictoriaD> ok
[18:49] (seba> si
[18:49] (Mariau> si
[18:49] (Pedro> si
[18:49] (Elena> si
[18:49] (violeta> si
[18:49] (mariajose> luego se suele llamar desvio al troz de la formula que es=
[18:49] (mariajose> 1,96*el error estandar
[18:50] (mariajose> luego al desvio se lellama e
[18:50] (mariajose> luego e=1,96*EE
[18:50] (mariajose> lo veis
[18:50] (Pedro> si
[18:50] (sara_garc> si
[18:50] (mariajose> e=1,96*raiz cuadrada de p*(1_P)/n
[18:51] (mariajose> despejamos n
[18:51] (francisco> si
[18:51] (mariajose> y nos queda
[18:51] (mariajose> n=1,96 al cuadrado*p*(1-p)/eal cuadrado
[18:51] (mariajose> lo veis
[18:52] (mariajose> hacer el despeje
[18:52] (mariajose> para eliminar el efecto de la raiz cuadrada se eleva al cuadrado
[18:52] (belinda> n=1.96 al cuadrado* p(1-p)/e al cuadrado
[18:53] (mariajose> y asi se calcula el tamaño d ela muestra
[18:53] (mariajose> cuando querais hacer un estudio
[18:53] (seba> vale
[18:53] (belinda> esto me lo ahorra el programa que nos dijiste?
[18:53] (Mariau> vale
[18:53] (VictoriaD> vale
[18:53] (floren> ok
[18:53] (Pedro> muy bien
[18:53] (mariajose> te ahorra
[18:53] (mariajose> hacer la formula
[18:54] (violeta> que bien
[18:54] (belinda> entonces sin duda lo bajare
[18:54] (violeta> yo tb
[18:54] (mariajose> pero al`programa debes meter una informacion para que te lo calule
[18:54] (seba> claro
[18:54] (belinda> claro,
[18:54] (violeta> claro
[18:54] (Pedro> si claro
[18:54] (mariajose> y la informacion es
[18:54] (mariajose> el estadistico del qeu partes la p o la media
[18:54] (mariajose> como lo encuentras
[18:54] (mariajose> este valor?
[18:55] (mariajose> a partir del valor qeu han encontrad
[18:55] (mariajose> enotros estudios
[18:55] (mariajose> por ej consensos
[18:55] (mariajose> y si no encuentras un valor la opcion mas desfavorable es el 50%
[18:56] (mariajose> el otro dato qeu debes meter es el valor de e
[18:56] (mariajose> osea del desvio
[18:56] (mariajose> como el desvio esta en el denominador cuanto mas grande sea el desvio
[18:56] (mariajose> mas pequño es tutamaño de muestra
[18:56] (mariajose> pero mas error cometeras pues
[18:56] (mariajose> estas dando una amlitud mayor
[18:57] (mariajose> el desvio lo establece el investigador
[18:57] (belinda> es decir que se corrige el desvio >50% con un mayor muestar??
[18:57] > queda 1 minuto!
[18:57] (mariajose> mas pequeño mas grande el tamaño de l amuestra
[18:57] (mariajose> no
[18:57] (mariajose> que cuadno no tengas un valor del parametor
[18:57] (belinda> maria jesus no me streses
[18:58] (mariajose> se pone un 50%
[18:58] (seba> q en teoria es el peor valor, no??
[18:58] (belinda> ya ya
[18:58] (mariajose> si
[18:58] (mariajose> si
[18:58] (ehehtucu> doctora en ujn email me da un poco mas de explicacion con respecto a las clases
[18:58] (ehehtucu> gracis
[18:59] (mariajose> bueno mirar los apuntes e intetar hacer los ejercicios para el martes y los corregimos en clase y acalramos dudas
[18:59] (seba> vale
[18:59] (ehehtucu> ok
[18:59] (cbayona> ale
[18:59] (belinda> vale
[18:59] (Mariau> vale
[18:59] (Pedro> muy bien
[18:59] (floren> k
[18:59] (violeta> vale
[18:59] (floren> ok
[18:59] (sara_garc> ok
[18:59] (jesusfern> ok
[18:59] (sara_garc> se intentara
[19:00] (belinda> hasta el martes entonces
[19:00] (mariajose> sobre todo si teneis un poco de tiempo hacer los ejercicios con el epidat
[19:01] (mariajose> que paseis buen puente y no tengais guardias
[19:01] (Pedro> bien, Gracias! hasta el Martes,

Programa de Doctorado

Cursos

Internet

Paneles de discusión

Alumnos