Conceptos Fundamentales de Investigación y Estadística

• 1. Política pública, bebidas azucaradas, antes/después: Estudio cuasiexperimental.

• 2. Coeficiente de correlación de Pearson: Relación lineal entre dos variables cuantitativas.

• 3. Estudio caso-control: Compara la exposición a un factor de riesgo entre casos y controles.

• 4. Test de normalidad: Kolmogorov-Smirnov y Shapiro-Wilk.

• 5. Comparar medianas (2 grupos): U de Mann-Whitney (independientes) o Wilcoxon (dependientes).

• 6. SPSS comprobar normalidad: Analizar → Estadísticos Descriptivos → Explorar.

• 7. Valor p < 0.05: Rechazamos la hipótesis nula.

• 8. Test de Kruskal-Wallis (p < 0.05): Diferencias significativas entre medianas de al menos un grupo.

• 9. Prueba de Chi-cuadrado: Compara proporciones observadas y esperadas en tablas de contingencia.

• 10. Formato artículo científico: Introducción – Material y Métodos – Resultados – Discusión.

• 11. Acrónimo PICO: Paciente/población – Intervención – Comparador – Outcome (Resultados).

• 12. En base a la curtosis: Variables leptocúrticas, mesocúrticas y platicúrticas.

• 13. NO es un gráfico de investigación: Poker plot.

• 14. Coeficiente de variación (CV): Variabilidad respecto a la media en porcentaje.

• 15. Test de ANOVA: Compara medias ≥ 3 grupos / Pruebas post-hoc / Alternativa: Kruskal-Wallis (Todas correctas).

• 16. Desviación estándar grande: Datos muy dispersos.

• 17. Estadístico t (t de Student): Diferencia entre dos medias.

• 18. Criterios FINER: Factible – Interesante – Novedoso – Ético – Relevante.

• 19. Tamaño muestral insuficiente (INCORRECTA): Utilizaremos test no paramétricos.

• 20. Gráfico Box-plot: Mediana, rango intercuartílico, outliers / Cuantitativas no normales (Todas correctas).

• 21. Calidad de datos: Verificar de modo periódico durante el proyecto.

• 22. Evidencia clínica (Mayor a menor): Revisión sistemática/Meta-análisis → Ensayos → Cohortes → Casos-controles → Transversales → Expertos.

• 23. Mostrar resultados en artículo: Combinación proporcionada de texto, tablas y figuras.

• 24. Método muestreo probabilístico (de la lista): Ninguno de los anteriores.

• 25. Cierta para test de χ²: Sirve para analizar dos variables cualitativas.

• 26. Esfericidad en ANOVA medidas repetidas: Prueba de Mauchly.

• 27. Shapiro-Wilk con Sig. (p) = 0.027: Los datos NO siguen una distribución normal.

• 28. Media Hb antes/después (normal): Test t de Student para muestras apareadas o repetidas.

• 29. Test de Kruskal-Wallis (según plantilla): Si p < 0.05 hay diferencias significativas entre las medias.

• 30. Limitación estudios descriptivos: No se puede establecer una relación causal.

• 31. Gráfico variable cuantitativa continua: Histograma.

• 32. Descripción variables cuantitativas: Media ± desv (normal) / Mediana ± rango intercuartílico (no normal).

• 33. Limitación estudios descriptivos (repetida): No se puede establecer una relación causal.

• 34. Relación entre dos cualitativas: Tabla de contingencia.

• 35. Mejor diseño de investigación: Depende del objetivo.

• 36. Gráfico relación dos cuantitativas: Diagrama de dispersión.

• 37. Hipótesis menor % sobrepeso post-tratamiento: Test de χ².

• 38. Test U de Mann-Whitney: Medianas de 2 grupos, cuantitativa no normal y muestra pequeña.

• 39. % hipertensos entre fallecidos y altas: Test de χ² o exacto de Fisher (casillas con pocos valores).

• 40. Ventaja Cohortes vs Casos-controles: Permiten establecer secuencias temporales correctas.

• 41. Variable dependiente: Se mide para ver cómo cambia en respuesta a otra variable.

• 42. Media PCR inicio, final y año (no normal): Test de Friedman.

• 43. Valor p de 0.03: Es estadísticamente significativo.

• 44. Clasificación de muestreos: Muestreos probabilísticos y no probabilísticos.

• 45. Población vs Muestra: Población incluye todos los elementos; muestra es un subconjunto.

• 46. No existe relación cuando sí la hay: Error tipo II.

• 47. ANOVA de 1 factor con p = 0.003 (Siguiente paso): Realizar pruebas post hoc (Games-Howell, Bonferroni, etc.).

• 48. Prueba post-hoc más utilizada: Bonferroni si las varianzas son iguales.

• 49. Prueba de Levene con p < 0.05: No se pueden asumir varianzas iguales.

• 50. Sesgo de selección: Falta de representatividad de la muestra por la forma de selección.

Nota técnica: Crear la variable IMC (Índice de Masa Corporal): peso / ((talla/100) * (talla/100))

BLOQUE 3: Obtención de Frecuencias y Estadística Descriptiva

Para rellenar las preguntas, utilizaremos las frecuencias y los estadísticos descriptivos básicos:

1. Ve a Analizar → Estadísticos descriptivos → Frecuencias.

2. Pasa al cuadro derecho las variables cualitativas solicitadas: Placa de ateroma, todos los Antecedentes personales, Actividad física e IMC_cat y acepta.

Para analizar por Sexo o por presencia de Placas (Segmentar archivo)

Para saber qué grupo de actividad física es más común dentro de los hombres y de las mujeres, o la categoría de IMC más común dentro de los pacientes con placas, debes filtrar o dividir la base de datos:

1. Ve a Datos → Segmentar archivo (u Organizar resultados por grupos).

2. Marca la opción Organizar los resultados por grupos y arrastra la variable Sexo al cuadro inferior. Haz clic en Aceptar.

3. Vuelve a ejecutar la tabla de frecuencias de la actividad física. SPSS te dará las frecuencias separadas automáticamente.

Describir variables continuas (IMC y Colesterol Total)

Primero debemos evaluar si las variables siguen una distribución normal:

1. Ve a Analizar → Estadísticos descriptivos → Explorar.

2. Pasa IMC y Colesterol Total a la lista de Dependientes.

3. Haz clic en el botón Gráficos, marca la casilla Gráficos con pruebas de normalidad. Haz clic en Continuar y Aceptar.

4. Examina la tabla de Pruebas de normalidad. Como tu muestra es de 133 pacientes (N > 50), fíjate en el nivel de significación (Sig.) de Kolmogorov-Smirnov:

   • Si Sig. > 0.05, la variable es normal: describes su comportamiento usando la Media ± Desviación estándar.

   • Si Sig. < 0.05, la variable no es normal: debes describirla utilizando la Mediana y el Rango intercuartílico.

BLOQUE 4: Completar la Tabla de Asociación

Para completar la tabla cruzando variables según tengan o no tengan placa de ateroma:

A. Para Variables Cualitativas

1. Ve a Analizar → Estadísticos descriptivos → Tablas de contingencia.

2. Introduce la variable categórica en Filas, y Placa de ateroma en Columnas.

3. En Casillas, marca Porcentajes por Columna.

4. En Estadísticos, marca Chi-cuadrado.

5. Resultado: En la tabla de»Pruebas de chi-cuadrad», la fila Significación asintótica (bilateral) de Chi-cuadrado de Pearson será tu valor p.

B. Para Variables Cuantitativas

• Si la variable es Normal: Se utiliza el Test t de Student para muestras independientes.

  1. Ve a Analizar → Comparar medias → Prueba T para muestras independientes.

  2. Pasa la variable numérica a Variables de prueba y Placa de ateroma a Variable de agrupación (Definir grupos 0 y 1).

• Si la variable NO es Normal: Se utiliza el Test no paramétrico U de Mann-Whitney.

  1. Ve a Analizar → Pruebas no paramétricas → Cuadros de diálogo heredados → 2 muestras independientes.

  2. Asegúrate de que esté marcado U de Mann-Whitney.

BLOQUE 5: Preguntas Específicas de Asociación y Correlación

1. Asociación de variables cuantitativas frente a Grupos de Edad

• Si son normales: Utiliza el ANOVA de un factor (Analizar → Comparar medias → ANOVA de un factor).

• Si NO son normales: Utiliza el Test de Kruskal-Wallis (Analizar → Pruebas no paramétricas → K muestras independientes).

2. Correlaciones lineales entre dos variables continuas

1. Ve a Analizar → Correlaciones → Bivariadas.

2. Si las variables son normales, marca Pearson. Si no siguen una distribución normal, marca Spearman.