Metodología de la Investigación Instituto de Ciencias de la Salud. Unidad Temática 5 Recolección, elaboración y registro de datos

Transcripción

1 Metodología de la Investigación Instituto de Ciencias de la Salud Unidad Temática 5 Recolección, elaboración y registro de datos

2 Información para investigación IMPORTANTE: El diseño, los objetivos de la investigación y la naturaleza del objeto de estudio determinan: Tipo de datos a relevar Herramientas de recolección

3 Manejo de datos en investigación Proyecto : investigar si los pacientes con infarto de la cara anterior tienen mayor mortalidad hospitalaria que los pacientes con infarto de la cara inferior o lateral. Proyecto 2: efectuar una investigación sobre las emociones que experimentan los pacientes jóvenes que serán intervenidos en una cirugía de tumor cerebral.

4 Diseño cuantitativo Datos

5 Pasos Ya generé mi idea de investigación Es relevante? Es factible? Revisión bibliográfica profunda del tema Selección del diseño Escribo el proyecto (protocolo de investigación) Elaboro una ficha en papel Elaboro una base de datos Comienzo el trabajo

6 Etapas del procesamiento de datos Captación de la información y volcarla a una base de datos Etapa fundamental: si los datos son mal tomados, los pasos siguientes de la investigación no pueden corregirlo.

7 Cada fila es un sujeto (pcte.) Base de Datos

8 Importante Decodificación Decodificación Paciente u otra fuente Manejo de datos Reporte del trabajo de investigación

9 Ejemplo Antes de elaborar la base de datos, debo decidir el formato de cada dato, de acuerdo a cómo será analizado Quiero cargar en mi base de datos la edad de mis pacientes: cómo la expreso?. Paciente adolescente, menos de 30 años 2. Joven, de 8 años, aunque parece menos 3. 8 años recién cumplidos 4. 8

10 Datos La información de mi sujeto/objeto de investigación (puede ser un paciente o no) debo convertirla en un dato. El dato puede ser una constante (se repite en todos los casos) O una variable (es diferente entre los casos, hay más de una opción)

11 Tipos de datos Nominales Ordinales Discretos Continuos

12 Datos nominales (o categóricos) Los datos caen dentro de categorías determinadas. Las categorías no tienen un orden específico. Ej: Hospital de origen, nacionalidad, etc. Incluyen los Binarios o Dicotómicos: los datos pueden tener solo dos categorías posibles. Ej: sexo Se cargan en la base de datos como categorías. Se analizarán como categorías. Se describen como porcentajes.

13 Ejemplo de Base de Datos Ejemplos de DATOS NOMINALES

14 Ejemplo de datos nominales: Cómo se recodifican a categorías numéricas Se asigna un valor numérico a cada categoría, por ej. =Htal. Varela 2= Oñativia 3= Berazategui 4= Domicilio 5= No referido 6=Otro El número de categoría remite solo a un nombre, no responde a un orden natural, o sea que la magnitud numérica NO tiene importancia, es asignada en forma arbitraria.

15 Caso especial de datos nominales: DICOTÓMICOS O BINARIOS Arbitrariamente se asigna un valor numérico a la categoría, por ejemplo 0=mujer, =hombre 0 0 0

16 Datos Ordinales El ORDEN de las categorías tiene importancia. Hay un ORDEN natural entre las diferentes categorías. Ejemplos: estadios del cáncer; clase social; disnea; Killip, etc. La MAGNITUD de los números no tiene importancia, porque mientras respete el ORDEN podría invertir los números. La magnitud de los números tampoco tiene significado para representar las diferencias entre cada categoría (ej: la diferencia entre clase social alta y media-alta no es necesariamente la misma que entre media-alta y media-baja o media-baja y baja.

17 Datos Ordinales Se analizarán como categorías Se cargan en la base de datos como números Se describen como porcentajes.

18 Datos Ordinales Cada categoría tiene un ORDEN. Aunque el número asignado puede invertirse, lo que importa es que se respete el orden de las categ El número de categoría remite solo a un nombre que SI responde a un orden natural.

19 Datos continuos Los datos representan cantidades mensurables (medibles). El único factor limitante para la cantidad de valores que puede asumir una variable es el grado de precisión del instrumento con que la midamos. Ej: talla, peso, glucemia, costo de un tratamiento, colesterol, etc. Se analizarán como números. Se cargan en la base de datos como números. Se describen como media o mediana y DS o IIC

20 Datos Discretos Los números representan cantidades mensurables, no son solo nombres de categorías. Los datos están limitados a tomar solo ciertos valores específicos, no se pueden medir valores intermedios. Ej: número de hijos, número de días con AVM, número de alumnos (una mujer no puede tener 2,3 hijos, una universidad no puede tener 532,5 alumnos). Tanto el ORDEN como la MAGNITUD tienen importancia.

21 Datos Discretos Hay un ORDEN natural entre las diferentes categorías. Si el indicador se refiere a la cantidad de lesiones encontradas en un paciente, un número más grande indica que ese paciente tuvo más lesiones. Si el indicador se refiere a la cantidad de días que permaneció un paciente en UTI, significa una internación más prolongada. La diferencia entre dos datos es la misma. Ej.: la diferencia entre 4 y 5 días es igual que la que existe entre 8 y 9, la diferencia entre y 2 hijos es igual a la que existe entre 3 y 4 hijos.

22 Definiciones Validez: Carece de sesgo sistemático. Precisión: Carece de sesgo aleatorio.

23 Ejemplo Presión arterial real de un paciente: mmhg Tensiómetro : M : M 2: M3: Tensiómetro 2: M : M 2: 22-8 M3: 9-79 Mayor precisión, sin sesgo aleatorio Probable sesgo sistemático de medición Mayor validez, sin sesgo sistemático Probable sesgo aleatorio de medición

24 Recomendaciones antes de comenzar la recolección de datos en estudios cuantitativos: Planificación prospectiva de cómo cargar cada dato, en base a su posterior análisis. Utilizar métodos de medición estandarizados (todos iguales), validados. Planificación prospectiva de los análisis: evitar faltantes y sobrantes de información. Los faltantes son irremediables, los sobrantes atentan contra la recolección correcta de datos por agotamiento. Formulario (o CRF) con consignas comprensibles. En lo posible, adjuntar definiciones de variables.

25 Ejemplo En mi trabajo, para determinar qué tipo de infarto tiene más mortalidad (anterior, inferior o lateral) debo obtener los datos de mis pacientes en una ficha:

26 Qué datos debo obtener? Tipo de dato? Fecha de ingreso: / / N Historia Clínica Edad:. años (en algunos casos es conveniente consignar fecha de nacimiento para después recodificar edad) Sexo: masculino femenino

27 Qué datos debo obtener? Tipo de dato? Hospital de derivación: Mi Pueblo Evita Pueblo Iriarte Oller Oñativia Meléndez

28 Qué datos debo obtener? Tipo de dato? Localización del infarto: anterior inferior lateral

29 Qué datos debo obtener? Tipo de dato? Killip*: I II III IV * Clasificación de Killip y Kimball: estratificación de riesgo de mortalidad post- infarto agudo de miocardio, según el hallazgo de signos de insuficiencia Cardíaca en el examen físico

30 Qué datos debo obtener? Tipo de dato? Falleció: si no

31 Ejemplo de ficha de recolección de datos (CRF) Nombre y Apellido Fecha ingreso: / / N Hist.Clínica.. Hospital de derivación: Edad.años Mi Pueblo Sexo: Evita Pueblo masculino Iriarte femenino Oller Oñativia Meléndez Localización del infarto: anterior inferior lateral Killip I II III IV Falleció: si no Frente o Anverso de la ficha donde se van a registrar los datos recolectados

32 Reverso Ej. CRF Protocolo Infarto Definiciones de las variables Nombre y apellido Fecha de ingreso: / / Con imprenta mayúscula Corresponde a la fecha de internación HEC N Historia Clínica.. Coincide con DNI del paciente. Hospital de derivación: Marcar el hospital del cual fue derivado a HEC. (sólo una opción) Sexo: Edad.años Números enteros Localización del infarto: Indicar sólo una opción. En caso de compromiso de varias localizaciónes, señalar la más afectada Killip (señalar sólo una opción) I Sin signos de insuficiencia cardíaca II Rales crepitantes bibasales III Edema agudo de pulmón IV Shock cardiogénico (Insuficiencia cardíaca y TAS <90 por más de 30 minutos) Falleció: si no

33 Base de datos Definición Sistema electrónico de almacenamiento de datos

34 Cada fila es un sujeto (pcte.) Ejemplo de Base de Datos

35 Componentes Programa informático Componentes: Campos Registros Archivos (nombre, teléfono, dirección) (cada persona, registro) (guía telefónica)

36 En bases médicas Componentes: Campos Registros Archivos (cada variable, un campo) (cada paciente, un registro) (cada tabla, un archivo)

37 Ejemplos populares Access (Microsoft office) Excel Epi-Info (CDC, organismo epidemiológico en EEUU)