Diseo de Estudio: Estudios Experimentales

Introduccin
El diseo de estudio permite determinar el nivel de participacin del
investigador frente al estudio, definiendo primordialmente su rol pasivo o
activo.
Un determinado diseo de estudio, define el nivel de impacto y evidencia
del estudio, por lo tanto, la relevancia de la informacin generada.

Nivel de evidencia 1

Estudio
randomizado

Estudio de cohorte

Estudio de caso-control

Estudio de series de casos

Opinin de expertos sin evaluacin crtica explcita,

teoras basadas en la fisiologa o plausibilidad,
investigacin de laboratorio y estudios en animales
5
 El investigador asigna
la exposicin?

S No

Existe grupo control

con quien comparar Estudios descriptivos
la muestra? o Analticos

S No

La asignacin Ensayo clnico NO

control/intervencin controlado
fue al azar?

S No

Ensayo clnico Ensayo clnico NO

Aleatorizado (RCT) Aleatorizado

Ensayo clnico no controlado

Tambin conocidos como estudios cuasi-experimentales

Grupo intervencin versus grupo control/comparativo/intervencin 2

Ensayo clnico no aleatorizado

Grupo intervencin versus grupo control/comparativo/intervencin 2

Ensayo clnico aleatorizado (RCT)

Grupo intervencin versus grupo control/comparativo/intervencin 2

Existe un proceso de aleatorizacin en el cual los sujetos seleccionados
para el estudio son asignados a un grupo intervencin o
control/intervencin 2 mediante algn mtodo de aleatorizacin.

Utilizacin de ciegos
Se refiere a quien toma las mediciones o quien es parte de un grupo
intervencin/ control no sabe a que intervencin es sometido

1 Ciego 2 Ciegos

Uno de los dos, el Los dos, el evaluador y

evaluador o el el evaluado no saben
evaluado, NO sabe a a que protocolo
que corresponde la corresponde y que tipo
medicin o la de intervencin se
intervencin. hace.

Repetitividad de las Mediciones

Naturaleza de la
medicin en el
tiempo

Preprueba- Mediciones repetidas

posprueba en el tiempo.
(Antes- Despus)
 Preprueba- Mediciones repetidas
posprueba en el tiempo.
(Antes- Despus)

Medicin se realiza antes y despus de la Medicin se realiza antes y un

Intervencin en un tiempo determinado
Ejemplo: Fuerza de cudriceps antes y
Despus de un protocolo de resistencia
excntrica
nmero determinado de veces
despus de la intervencin, en
un tiempo determinado.
Ejemplo: Variacin de la fuera
de cudriceps antes, 1H, 24H,
48H despus de un protocolo de
resistencia excntrica

Desventajas
Estudios de Laboratorio versus realidad clnica

1. Definicin de la intervencin

La intervencin depender de cmo se quiere intervenir la variable

independiente.

Ejemplo: La disminucin de fuerza asociada al dao muscular producido

por ejercicio es ante contracciones excntricas.

Ejemplo 2: Protocolo de rehabilitacin de 8 semanas post menisectomia

quirrgica.

2. Medicin de las variables

Definir las variables a medir y la temporalidad de las mismas.

El tipo de medicin depende fundamentalmente de la naturaleza de las

variables y su presentacin en el tiempo.

Ejemplo: Las consecuencias del dao muscular inducido por ejercicio

(EIMD) pueden durar hasta 72 horas posterior a la realizacin de ejercicio.
 3. Grupos sometidos a la intervencin

Definicin de cantidad de grupos necesarios para responder a la pregunta

de investigacin.

Definicin de criterios de inclusin y exclusin.

4. Muestra a utilizar

Diseo muestral Muestreo

5. Anlisis estadstico

Definicin de los test estadsticos a realizar segn:

- Nmero de grupos
- Repetitividad de las mediciones
- Tipo de variables

Etiologa y causalidad

Por qu algunas se enferman y otras no?

La etiologa es la ciencia centrada en el estudio de la causalidad (de la

enfermedad).

Causalidad describe la relacin entre causas y efectos.

Ejemplo: exposicin a un medicamento y sus efectos secundarios.

Los efectos pueden ser:

- Enfermedad
- Complicacin (secuelas o asociacin directa con una 2
enfermedad)
- Muerte
Los efectos pueden ser:

- Curacin
- Resultado
- Proteccin

Factores que causan la enfermedad:

Factores biolgicos
Factores relacionados con el medio ambiente social y cultural
mbito laboral
Factores relacionados con el medio ambiente fsico
Servicios de salud
Factores polticos
Factores psicolgicos
Factores econmicos

Modelos de causalidad
Una de las tareas ms importantes de la epidemiologia es contribuir a la
prevencin de las enfermedades y la promocin de la salud. Mediante el
descubrimiento de las causas de la enfermedad y los posibles mtodos
para alterarlas.

Diagnstico Tratamiento

Criterios de asociacin
1. Fuerza de asociacin
2. Secuencia temporal
3. Efecto dosis respuesta
4. Consistencia
5. Coherencia con los conocimientos cientficos
6. Especificidad de la asociacin
7. Evidencia experimental

Modelos:
1. Determinista
2. Multicausal
3. Modelo determinista modificado
4. Modelo probabilstico

1. Modelo determinista
La define como perfecta, constante, nica, recproca conexin entre dos
variables causa ( C ) y efecto ( E ), si ocurre C, entonces E es siempre
producido por ella.

De los primeros que se plante.

Tengo una causa, voy a tener siempre este efecto.
Es muy rgido.
Es lineal.

Criterios para el modelo determinista:

1. Especificidad de causa: C es la sola causa de E.
2. Especificidad de efecto: E es solo efecto de C.

Condiciones del modelo:

C es causa necesaria de E.
Cualquier cambio en C, induce a un cambio en E.

Causa Efecto
Virus del polio Poliomielitis
Infeccin y neumococo Neumona neumococica

2. Modelo multicausal

La gran cantidad de evidencias emprica y justificaciones tericas para
aceptar la etiologa multifactorial de las enfermedades y la interconexin
de las complejas redes de factores causales, da origen a este modelo.

Da lugar a hiptesis mas adecuadas que la simple.

Todo suceso es producido por una cantidad importante de factores, o al

menos el principal est acompaado por otros muchos que se relacionan.
Esto establece un conjunto de sistemas interactuantes con mltiples
conexiones.
Pluralidad disyuntiva de las causas

C1

C2 ENFERMEDAD

C3

Multiciplicidad de efectos

Multiciplicidad de efectos para la misma causa

E1
C
E2

E3

Existen cadenas causales y ruedas causales e incluso maraas o redes

causales, como por ejemplo:

Modelo determinista modificado
- Desarrollado por Rothman 1976.
- Aclara hechos de la historia natural
de la enfermedad.
- Incorpora conceptos del modelo
determinista y modelo multicausal.
- Explica la multicausalidad de la
enfermedad.

Se establecen los siguientes conceptos:

Causa suficiente y causa contribuyente

Interaccin entre causas

Fuerza de las causas

Perodo de induccin y latencia

Causa necesaria, suficiente y contribuyente

Causa Todo acontecimiento, condicin o caracterstica de la
naturaleza que, sola o en conjuncin con otra causa, inicie o permita una
secuencia de eventos que conducen a la consecucin de un efecto.

Causa suficiente Conjunto de condiciones mnimas que inevitablemente

producen una enfermedad

Esquematizacin conceptual de tres causas suficientes de una

enfermedad.
A: Causa necesaria (ha de formar parte de todas las posibles causas
suficientes)

B,C,D,E,F,G,H,I,J son las causas componentes

Cada factor es Virus papiloma
Necesaria y no suficiente
necesario, pero humano, cncer
no es suficiente del cuello
para producir la uterino,
enfermedad tuberculosis

Innecesaria y suficiente El factor puede Leucemia

producir la (exposicin a la
enfermedad, radiacin o
pero tambin exposicin al
otros factores benceno)
que van a
actuar por s
solos

No necesaria y no Ningn factor Enfermedades

suficiente por s solo es crnicas como
necesario, ni diabetes
suficiente para mellitus,
asegurar la hipertensin
enfermedad arterial

Cada causa suficiente estar constituida de causas contribuyentes o

componentes.
Una misma enfermedad puede estar provocada por varias causas
suficientes.
Para prevenir la enfermedad no es necesario el conocimiento de todas las
causas contribuyentes.

4. Modelo Probabilstico

El concepto determinista de causalidad se reemplaza o suplementa con
un concepto probabilstico.

Utilizndose la teora de probabilidades y los mtodos estadsticos

relacionados con ella, para valorar empricamente una posible asociacin
que se cree causal.

Ventajas
Presenta una serie de ventajas sobre los modelos anteriores:

a) Nos permite jugar con nuestra ignorancia de los procesos causales y

la forma de observarlos.
b) Permite la valoracin de las relaciones de dosis- respuesta entre una
exposicin y una enfermedad.
c) Posibilita la creacin de modelos matemticos que facilitaran datos
exactos e interpretables y analizaran exposiciones mltiples y/o
enfermedades para valorar las relaciones complejas entre ellas.

01-06-2017 : Azar y Probabilidad

Contenidos
1. Conceptos de azar
2. Probabilidades
3. Muestreo

Azar o probabilidad en experimento

Experimento

Determinado: Antes de realizar el experimento se conoce el resultado

Aleatorio: Antes de realizar el experimento NO se conocen los resultados.

Podemos entender que el azar o probabilidad como una combinacin de

causas o circunstancias imprevisibles que determinan que los hechos se
desarrollen de una manera o de otra.
Es investigacin clnica, esto tiene directa relacin con el concepto de
variable aleatoria.

Variable aleatoria
Medida de hemoglobina en sangre Muestra hemogobina (edad, peso,
talla, etc) Resultados variados, entre personas e intrapersona.

A pesar de controlar los factores que influyen la medicin, existen

diferencias producto de otras condiciones que no son posibles de
controlar. A esto se le llama variable aleatoria.

Aunque parezca que esta variable aleatoria no este sujeta a leyes que la
gobiernen o que parezca algo completamente desordenado, se pueden
observar regularidades. Estas regularidades se expresan en leyes
conocidas como leyes estadsticas o no deterministas.

Probabilidades
La medicina, como otras ciencias, presentan fenmenos que son
aleatorios. Es necesario utilizar como marco matemtico de las
probabilidades para describirlo.

Conceptos de probabilidades

Q= (1,2,3,4,5,6)
1. Espacio muestral: Conjunto que conforma todos los posibles
resultados de un evento. Cada uno de estos resultados se les llama
suceso o evento.

2. El evento puede ser:

- Seguro (determinstico)
- Imposible: Nunca ocurre.
- Aleatorio.

1. Ley de Laplace
P (A) = casos favorables/ casos posibles

Sucesos mutuamente excluyentes

Dos eventos que no pueden suceder simultneamente.

Moneda solo se puede cara o sello

Y la probabilidad de que cualquiera de los eventos ocurra, es la suma de

las probabilidades.

Ejemplo

Se tienen cinco libros de distintas materias: matemtica, biologa, qumica,

fsica y lenguaje. Si se toma uno de ellos, cul es la probabilidad de que
este sea de matemtica o de fsica?

P (matemtica o fsica) = P(Matemtica) + P (Fsica)

P (matemtica o fsica)= 1/5 + 1/5
P (matemtica o fsica)= 2/5

Sucesos no mutuamente excluyentes

Existe la posibilidad de que se presenten simultneamente
Dados se pueden obtener 2 nmeros 3

La probabilidad de que ocurra el suceso, es la suma de las probabilidades

de cada evento, menos la interseccin de los dos.
Ejemplo
Cuatro personas estn realizando su ingreso para ser hospitalizados y el
hospital dispone de cuatro habitaciones, tres de ellas con luz natural y la
cuarta sin luz natural Cul es la probabilidad que la habitacin sin luz
natural sea asignado a un hombre o una persona mayor de 30 aos?
Datos: Mujer 1 (38 aos), hombre 1 (36 aos), mujer 2 (25 aos), hombre 2
(32 aos)

P(hombre o mayor de 30 aos) = P (hombre) + P (mayor de 30)- P (hombre

y mayor de 30)

P(hombre o mayor de 30 aos)= 2/4 +3/4 - 2/4

P(hombre o mayor de 30 aos)= 3/4

Sucesos independientes
Cuando hay uno o mas sucesos, la probabilidad de ocurrencia de uno no
afecta el otro.

Probabilidad de sacar una bola negra y despus una blanca.

La probabilidad de que ocurra un evento que incluye dos sucesos

independientes, es la interseccin (multiplicacin) de dichos sucesos.

Ejemplo
Un centro medico posee dos salas de espera de consultas kinesicas, en la
primera sala se encuentran 4 pacientes que requieren evaluacin kinsica
y 2 pacientes que requieren tratamiento, en la segunda sala se encuentran
3 pacientes para evaluacin y 5 para tratamiento

Primera sala Segunda sala Total

Paciente 4 3 7
evaluacin
Paciente 2 5 7
tratamiento
Total 6 8 14

P( tratamiento) = P(tratamiento sala 1) * P (tratamiento sala 2)

P( tratamiento) = 2/6 * 5/8

P( tratamiento) = 5/24

Muestreo
Tcnica empleada para seleccionar a las personas o cosas que
constituirn la muestra representativa de la poblacin

Muestreo:
- Probabilstico:

1. Aleatorio simple.
2. aleatorio estratificado.
3. Por conglomerados

- No probabilstico: no probabilstico o conveniencia

-Aleatorio simple
-Aleatorio estratificado
-Por conglomerado

Mtodos 08-06-2017: Intervencin/Tratamiento

Introduccin

Pregunta
investigacin

Objetivos

Diseo de
Estudio

Variables y Muestra y Anlisis

Intervencin Medicin Grupos Muestreo Estadstico

-Conceptos Claves:
Manipulacin (Intervencin):
o El experimentador interviene o modifica de alguna manera a
los sujetos sometidos al estudio.
 Control:
o El experimentador introduce uno o ms controles en la
situacin experimental.
Aleatorizacin:
o El experimentador asigna los sujetos a un grupo control o
experimental con base en procedimientos aleatorios (azar).

-Construccin de una intervencin:

Para construir una intervencin que responda a las necesidades del
estudio, es necesario que el investigador se pregunte y responda
puntos bsicos que disean la intervencin.
Es, en gran medida, el proceso experimental que se quiere probar su
efectividad o inefectividad.

Que
procedimientos Quien recibir la
En que consiste la realizarn los intervencin y quien
intervencin?
receptores no aleatorizacin?
(Pacientes)?

Como se dosificar
la intervencin? Quines
Cunto durar la adminsitrarn la
(Intensidad, intervencin?
intervencin?
frecuencia, etc.)

En que
Se realizar un condiciones
preoceso de ciego
desfavorables se
a los evaluadores y
retirar la
evaluados?
intervencin?

-En qu consiste la intervencin?:

Es la intervencin misma en si, que responde a lo que se quiere

probar.
En el mbito clnico, est relacionada directamente con el
problema/patologa que se quiere enfrentar,
Contiene los ejercicios
Ejemplo:
A new hamstring test to complement the common clinical
examination before return to sport after injury

**En este caso la intervencin no es tratamiento, sino que

puede ser ejecutado como test.

-Qu procedimientos realizarn a los pacientes?

Por ejemplo: paciente tiene la orden de tomarse 1 comprimido cada 8

horas.

-Quin recibir y quien no la intervencin?

Grupo intervencin
Grupo control/comparativo/Intervencin2
-Aleatorizacin.
-Dosificacin de la Intervencin:
Define cuantas veces por semana, la intervencin y el volumen
administrado a cada paciente.
Depende de factores como la patologa en la que se aplicar la
intervencin, el tipo de entrenamiento con sus respectivas
implicancias, el tiempo mnimo de respuesta o cambio medible.

-Mientras ms preciso, reproducible acotado y conciso Mejor

intervencin

-Perodo en que se realizar la intervencin:

Se refiere a en qu perodo se especific se realizar la intervencin.
Idealmente todos los pacientes deben iniciar y terminar el
tratamiento en un mismo tiempo, evitando sesgos metodolgicos.
Quines administrarn la intervencin?
Es el terapeuta o el investigador quien administra la intervencin.
Existirn ciegos?
Se refiere a quien toma las mediciones o quien es parte de un grupo
intervencin/control no sabe a qu intervencin es sometido.
 1 Ciego 2 Ciegos

Uno de los dos, el evaluador o Los dos, el evaluador y el

el evaluado, no sabe a que evaluado no saben a que
correspinde la medicin o la protocolo corresponde y que
intervencin. tipo de intervencin se hace.

-Condiciones de Retiro:
Antes de iniciar cualquier intervencin, existen condiciones de retiro
pre establecidas. Estas condiciones deben quedar explcitas en el
consentimiento informado para as el sujeto sometido a la
evaluacin tenga consentimiento de dichas condiciones.

Ejemplos:
o Retiro voluntario.
o Aparicin de efectos adversos por intervencin.
o Accidente/lesin que imposibilite la continuidad del sujeto.
o Causas de fuerza mayor.

Metodologa de la investigacin 15-06-2017: Estadstica Diferencial y

Prueba de Hiptesis
Estadstica:
Descriptiva
Diferencial
Introduccin:
La estadstica descriptiva nos permite resumir la informacin
obtenida de un experimento
Sin embargo, la estadstica descriptiva no nos permite inferir datos
sobre la poblacin.
Es en este punto, donde la estadstica inferencial nos permite
obtener informacin de la poblacin en base a la muestra.
-Distribucin de Muestreo:
Grupo A. Promedio A V/S Grupo B: Promedio B
Da paso a..
-Estadstica Inferencial:
Objetivos:
o Obtener conclusiones validas acerca de una poblacin sobre
la base de una muestra.
o Poder medir el grado de incertidumbre presente en dichas
inferencias en trminos de probabilidad.
 Permite determinar el valor aporoximado
de un parmetro poblacional especfico.
Estimacin de Parmetros Lo ms clsico es la obtencin de un
promedio poblacional

Constituye un proceso de toma de

decisiones.
Prueba de hiptesis Perime corroborar que las diferencias
encontradas entre un grupo y otro son
reales y no producto del azar

-Estimacin de Parmetros:
Puntual o por Intervalo de confianza.
Ejemplo:
o Existe una Universidad con un universo total de 10.000
estudiantes de kinesiologa. EL total de la poblacin son
sometidos a una prueba de rendimiento acadmico. Sin
embargo ..
-Estimacin Puntual:
Al utilizar la estimacin puntual, obtengo un valor exacto del
parmetro poblacional seleccionado.
Al ser un valor puntual y considerado el error intrnseco de cada
medicin, el valor obtenido puede ser errado.
-Estimacin por Intervalos:
Consiste en construir un intervalo basndose en la distribucin de
probabilidad del estimado respectivo, con una probabilidad
llamada nivel de confianza (1-alfa).
En la estimacin por intervalo de confianza indica una probabilidad
especfica del rango de valores dentro del cual podra localizarse el
parmetro.
Es decir, se establece un rango de valores a partir de un parmetro
muestral para inferir parmetros poblacionales.
-Prueba de Hiptesis:

Hiptesis Hiptesis
Nula Alternativa

Prueba de Regiones de Nivel de

Hiptesis Rechazo Significancia

Hiptesis Nula y Alternativa:

La hiptesis nula afirma que NO hay relacin entre las variables, es

decir, que la similitud o diferencia son casualidad
Al contrario, la hiptesis alternativa afirma que si hay relacin entre
las variables, es decir, que la similitud o diferencia no son casualidad.
-Prueba de Hiptesis:
Se realiza en forma de una disyuntiva entre dos hiptesis
Ejemplo:
o Se realiza una intervencin consistente en un protocolo
Hiptesis Nula
Fuerza grupo control = fuerza grupo intervencin
Hiptesis Alternativa:
Fuerza grupo control distinta de fuerza grupo
intervencin.
-Regiones de Rechazo:
Regiones Crticas.
Nivel de significancia:
Dado que se est trabajando con un promedio muestral y no una
poblacin, puede existir una probabilidad de error.
 El nivel de significancia es la expresin que se emplea para referirse a
la posibilidad

-Estadsticos de Prueba:
-Errores Tipo 1 y tipo 2:

Decisin Realidad de Ho
Verdadera Falsa
No rechazar Ho Decisin Correcta Error Beta
Rechazar Ho Error Alfa Decisin Correcta