Contar con información

Transcripción

1 Jorge Matute

2

3 I.

4 Contar con información.de calidad Conocer el diseño del estudio / muestreo Conocer cómo se expresan las variables o indicadores Conocer qué preguntas se desean contestar Conocer cómo construir los indicadores Si hay preguntas con hipótesis, conocer la prueba estadística a emplear

5 Qué significa contar con información de calidad? NO CONTAR CON: Errores de campo Errores al momento de digitar Valores extremos

6 Verificar y/o conocer cómo se llevó a cabo la recolección o levantado de información (datos). se han minimizado los posibles errores por: Sesgo de selección? Se pierde validez externa Sesgo de medición? se pierde validez interna Validación de instrumentos Capacitación / estandarización de personal O se espera encontrar estos errores? Algunos de medición se corrigen con una limpieza de datos

7 El error humano se da!!!, asumir lo contrario es un error!! Estos se pueden CONTROLAR y CORREGIR Se controlan a través del software Se corrigen a través de un doble ingreso y validación Objetivo: bases de datos con 0% de error por digitación

8 Dos objetivos: Corregir o identificar errores provenientes de campo Corregir o identificar casos extremos (outliers) qué pasa si no se pueden corregir? Se eliminan, lo cual disminuye el tamaño de muestra, aumentando el error en las estimaciones y se disminuye el poder estadístico en pruebas de hipótesis

9

10

11 Diferencia entre variable e indicador? Variable: >>> definiciones <<<: Es lo qué se mide en el sujeto de estudio Indicador: Se caracteriza por tener una meta y usarse para comparar poblaciones, puede ser o construirse con: Una variable Más de una variable (índices, tasas, prevalencias, etc) El tipo de variable o indicador orienta el análisis estadístico. Escala

12 Existen definiciones internacionales: Monitoring and Evaluation Toolkit. Beta version. Part 2: HIV. Fourth edition. November A guide on Indicators for monitoring and reporting on the health sector response to HIV/AIDS. Geneva: WHO; Versión en español disponible en: ndicadores.pdf

13 Existen definiciones nacionales o propias: Reporte epidemiológico, Iniciativa Intensificación de las acciones de prevención y atención integral del VIH-SIDA en grupos vulnerables y áreas prioritarias de Guatemala. Visión Mundial, 2006, proyecto financiado por El Fondo Mundial Porcentaje de mujeres embarazadas o que han estado embarazadas en los últimos 12 meses a las que se les ofreció la prueba de VIH gratuitamente como parte del control prenatal y se realizaron la prueba. CIENSA. Propuesta de indicador a ser medido en Estudio de Comportamientos y Prevalencia de VIH en poblaciones indígenas de Guatemala

14 El indicador se construye con una o más de una variable? se cuenta con todas las variables? conoce cómo se relacionan las variables para construir el indicador? El indicador requiere de un denominador? Todas las tasas, prevalencias, porcentajes requieren de denominador. se cuenta con el denominador?

15 Categóricas Nominal. Tienen dos o más categorías que no requieren de un orden en especial: raza Ordinal. Tienen dos o más categorías, que pueden ordenarse: Nivel socio económico: bajo, medio bajo, medio, medio alto, alto. Dicotómica. Es nominal pero solo tiene dos categorías: Masculino / femenino; enfermo / no enfermo Numéricas continuas Intervalo, son variables numéricas continuas Razón (ratio), es la razón entre dos variables numéricas, y en la cual el cero significa la ausencia de valor en la variable

16

17

18

19 Conocer el diseño del estudio / muestreo Es necesario / se puede desagregar la información? Existen variables confusoras? se cuenta con información de las mismas?

20 El análisis estadístico debe realizarse de acuerdo con el diseño del estudio / muestreo De no tomarse en cuenta el diseño la información del análisis estaría sesgada, perdiéndose la validez interna del estudio. Por ejemplo: un diseño de muestreo para estimar la prevalencia de VIH, que utiliza conglomerados y que se analiza como un diseño de muestreo simple aleatorio. Otro ejemplo: Un diseño longitudinal, de seguimiento, obliga a calcular la diferencia o cambio en indicadores a través de las personas, no de las poblaciones.

21 Cuando se tiene un diseño de muestreo que no es simple aleatorio se necesita definir/calcular variables de diseño: Estrato. Variable que identifica la estratificación Conglomerado. Variable que identifica el conglomerado primario de muestreo. Ponderación. Variable que asigna un peso a cada observación de acuerdo con su probabilidad de selección (ponderación = 1 / prob de selección). Cuando aplica: Variables para identificar sub poblaciones y/o tratamientos / cohortes

22 Si el diseño de muestreo es simple aleatorio, se puede utilizar cualquier software. Si el diseño de muestreo NO es simple aleatorio, se debe buscar software que permita realizar el análisis estadístico tomando en cuenta el diseño (ejemplo: EPI INFO).

23 Para un ensayo clínico o experimental se puede utilizar cualquier software que brinde las pruebas estadísticas requeridas. Para un estudio observacional, si el diseño de muestreo NO es simple aleatorio, es deseable utilizar un software que permita realizar el análisis estadístico tomando en cuenta el diseño, sin embargo esto no siempre es posible, y por lo tanto se utiliza cualquier software que brinde las pruebas estadísticas requeridas

24 Cuando el diseño lo permite: Se tiene un diseño de muestreo estratificado Se identifican subpoblaciones El tamaño de muestra para los estratos y/o subpoblaciones es suficiente (error en estimación no es muy grande ) Estudios descriptivos Cuando el diseño lo permite: < 15% Los niveles de desagregación corresponden a grupos de tratamiento, o cohortes, exposición Estudios inferenciales

25 Son variables que por su asociación con la variable dependiente (o respuesta), esconden la relación que existe entre la variable respuesta y otras variables de interés. Por ejemplo: se desea establecer si un proyecto educativo tuvo éxito en dar conocimientos con respecto al VIH. Se cuenta con personas participantes y no participantes. Una variable confusora puede ser el nivel de educación de la persona. Si esta variable no se toma en cuenta al momento del análisis, se puede concluir erróneamente.

26 Base de datos que contiene: Variables / indicadores (respuesta o dependientes) Variables de diseño Variables que explican (independientes): Variables confusoras Variables de desagregación (estratos, tratamientos, sexo, edad, etc) Conocemos el diseño del estudio / muestreo Se cuenta con las preguntas que se desean contestar QUÉ SIGUE??

27 II.

28 Es dar a conocer los valores de tendencia central de la población a través de la muestra: media, mediana, porcentaje Es importante dar a conocer los valores que miden la variabilidad: varianza, desviación estándar, error estándar, coeficiente de variabilidad. Y, mejor aún: Intervalo de confianza

29 El análisis descriptivo se hace para toda la población y para las sub poblaciones o estratos (siempre y cuando sea factible) Este análisis también es el primer paso de un estudio inferencial Las fotografías también son importantes

30 Fotografías = gráficas. Nunca usar la gráfica de Pie o pastel. Nunca usar la tercera dimensión en barras o columnas.

31 Requiere de una hipótesis No confundir la hipótesis de investigación con las hipótesis estadísticas (nula y alterna) Los estudios en VIH y las hipótesis La mayoría de los estudios son descriptivos tipo encuesta, sin embargo hay ocasiones en que se desea contestar alguna pregunta, por ejemplo: Ha disminuido la prevalencia de VIH? Hay mayor conocimiento sobre cómo se previene el VIH? Es igual la prevalencia de VIH entre la población Maya y la Garífuna? Es igual la prevalencia de VIH entre personas con baja o ninguna educación y personas que tienen regular o alta educación?

32 Para contestar las preguntas se puede necesitar de uno o más indicadores (variables) Dado que la mayoría de estudios se hacen con muestras independientes entre si, la prueba de hipótesis más útil es la que se conoce como de una población : Ho: P = Po Ho: µ = µo

33 Se hace uso del intervalo de confianza. Por ejemplo: En el país de Liliput se midió la prevalencia de VIH hace 5 años, siendo la misma de un 8.7%. El Fondo Global /USAID / ONUSIDA, etc, invirtieron en prevención. Ahora se llevó a cabo un nuevo estudio para conocer si la prevalencia había cambiado, y el resultado obtenido fue de 7.5%, con un intervalo de confianza de 7.0% a 8.0%. Y si el intervalo hubiera sido de 6.0% a 9.0%, qué concluimos?

34 Para cada diseño y tipo de variable hay pruebas estadísticas para contestar las preguntas varios cursos de estadística. Resumen de algunas pruebas más utilizadas Comparación Tipo de variable Prueba Entre dos grupos Ho: P1 = P2 Ho: µ1= µ2 Numérica Nominal Ordinal t Student Chi cuadrado Mann Whitney

35 Comparación Entre 3 o más grupos Ho: P1 = P2 = P3 Ho: µ1= µ2 = µ3 Tipo de variable Numérica Nominal Ordinal Prueba ANDEVA Chi cuadrado Kruskal Wallis

36 La pruebas estadísticas que se conocen como paramétricas (media), cuentan con supuestos que hay que revisar y establecer que se cumplan, de lo contrario la prueba estará dando un resultado equivocado (validez interna). Las pruebas no paramétricas no tienen supuestos en su gran mayoría. (mediana)

37 Cómo varían las condiciones en el tiempo? Epidemiológicas Discriminación y estigma Provisión / acceso a servicios Comparación con márgenes mínimos y máximos Índices de series de tiempo Regresiones

38 Estimación alta Prevalencia VIH adultos Estimación baja

39 Distribución territorial de las características observadas Mapeo de problemas versus mapeo de las respuestas sociales coinciden? Mejoras en la disponibilidad territorial de datos Representatividad departamental de las encuestas Dirige los esfuerzos y recursos hacia donde son más necesarios

40 Prevalencia VIH Honduras

41