Professional Documents
Culture Documents
33
Es importante tener en cuenta, que para que el experimento sea controlado no es suficiente con tener dos o ms grupos de control, sino que deben ser similares en todo, menos la manipulacin de la variable independiente. Los grupos deben ser: inicialmente equivalentes y tambin equivalentes durante todo el desarrollo del experimento, menos por lo que respecta a la variable independiente. As mismo, los instrumentos de medicin deben ser iguales y aplicados de la misma manera. La equivalencia inicial no se refiere a equivalencias entre individuos, porque las personas tenemos por naturaleza diferencias individuales; sino a la equivalencia entre grupos. Si tenemos en un grupo personas de mayor edad, o con ms estudios, etc, no se podra descartar la influencia de estos factores en los resultados. No puede solicitarse que sean exactamente iguales, basta con verificar que la diferencia entre los mismos no sea significativa, al menos en esas variables que tericamente ya sabemos que podran incidir en la variable desenlace. Todo en el experimento debe ser los ms parecido posible entre el grupo de estudio y el grupo control; deben recibir tambin las mismas instrucciones, ser iguales las personas, la misma duracin del experimento, mismo horario del da, en fin todo lo que sea parte del experimento. Cuanto mayor sea la equivalencia durante su desarrollo, mayor control y posibilidad de que, si observamos o no efectos, estemos seguros de que verdaderamente se deben a la intervencin. Por eso cuando se le administra una pastilla a un grupo se administra una pastilla semejante al grupo control aunque sin la sustancia activa. El instrumento y la forma de medir del resultado debe ser semejante, por esto a veces cuando amerita esta cuestin se ciegan los experimentos para que los evaluadores de las variables desenlace no se dejen influenciar al saber quien recibe el tratamiento. Lo mismo se hace con las personas intervinientes en el experimentos para evitar ese mismo error.
34
grupos de tamao diferente. A veces se sortea uno y la persona que sigue en la lista, va al otro grupo as se evita este problema. Se puede utilizar una serie de nmeros aleatorios, el mismo Excel puede dar una serie en base al nmero total de datos y nmero que se espera en la muestra. En el caso de ensayos clnicos con alguna nueva droga, se utiliza otros mtodos como sorteo en bloques para reforzar el cegado del investigador en cuento a los pacientes que permanecen en cada grupo, y adems asegurarse que la cantidad de pacientes que quedar al final del sorteo ser semejante en cada grupo.Por los principios de la teora probabilstica, la asignacin aleatoria funciona mejor cuanto mayor, cuanto mayor sea el tamao de los grupos. Reacurdese que las unidades de estudio en medicina puede ser muy variadas y estos grupos pueden estar integrados por personas, animales, alimentos, escuelas, etc. En el caso de pacientes se denomina ensayo clnico en el caso que las unidades de estudio fueran comunidades, ensayo comunitarios.
35
Todos estos controles sirven para mejorar la validez interna que se relaciona con la posibilidad de relacionar la intervencin con el efecto, habiendo controlado adecuadamente todos los puntos del experimento. La validez externa es la que nos permite generalizar los resultados de los experimentos a otras situaciones, sujetos y/o conductas fuera del contexto particular del estudio. Desgraciadamente las acciones que tienden a aumentar el control experimental (validez interna) suele disminuir las posibilidades de generalizacin (validez externa) y viceversa. Ningn diseo es perfecto, las amenazas a la validez siempre pueden surgir en uno u otro punto del procedimiento.
36
y ver si esa diferencia podra encontrarse solo por azar, lo cual se realiza utilizando el estadstico adecuado para esa trasformacin. El siguiente cuadro muestra los test que se utilizan, dependiendo de la escala en que se expresa la variable desenlace y la relacin entre los dos grupos. Escala de la variable Nominal Ordinal o Cuantitativa no paramtrica Cuantitativa parametrica Grupos independientes Chi 2 Man Whitney T de Student Grupos relacionados Mc Nemar Wilcoxon T de Student para grupos relacionados
Los mtodos no paramtricos menos poderosos que los paramtricos. Esto quiere decir que es ms difcil rechazar la hiptesis nula con las pruebas no paramtricas, se necesita un mayor tamao muestral. Por esa razn los estadsticos, por lo general, recurren a los mtodos no paramtricos slo cuando los datos no cumplen con los requisitos necesarios. Sin embargo, hay problemas de investigacin en los que las variables categricas son las adecuadas, por lo tanto slo un mtodo no paramtrico es el indicado. Los pasos en las pruebas de hiptesis no paramtricas son los mismos de las paramtricas. Los cambios, simplemente se limitan a cambios en la frmula del estadstico, para obtener la probabilidad de encontrar esa diferencia solo por azar.
6.3
Pruebas multivariadas
Pongmosle justamente el ltimo ejemplo de grupos independientes pero que quiera compara tres dosis diferentes, ya no podra utilizar el test de Student y debera usar el test de ANOVA o anlisis de la varianza
37
de los datos. Esto se demuestra comparando justamente la varianza entre grupos versus la varianza dentro del grupo Los resultados de un Anova se suelen representar en una tabla como la siguiente:
Fuente de variacin Entre grupos Tratamientos Dentro Error Total G.L. k-1 SS SSA MS SSA/(k-1) F MSA/MSE
(n-1)k
SSE
SSE/k(n-1)
kn-1
SST
Una vez extrada la variacin dentro y entre los grupos mediante la suma de cuadrados, para saber cuanto ms grande es un valor que el otro, se realiza el cociente de ambos valores y se obtiene el estadstico F de Snedecor. Actualmente en forma directa un software teniendo en cuenta la cantidad de grupos y el nmero de unidades de cada uno, establece la correspondencia de ese valor de F obtenido con la probabilidad que se obtuviera slo por azar. Si este valor es menor de 0,05 significa que es muy baja esa probabilidad as que posiblemente haya sido por otra razn diferente al azar, por accin del factor diferencial entre los grupos De esto se deduce que si la varianza de los valores dentro del mismo grupo, es grande la diferencia que existe entre los grupos va a ser mucha mas grande que la variacin dentro del grupo debida al azar, y la razn de estas dos va a dar un valor muy alto, el cual corresponder con una baja probabilidad de suceder solo por azar Veamos un caso sencillo. Supnganse r muestras aleatorias independientes, de tamao 20, extradas de una nica poblacin normal con igual desvo estndar (DE:2) que va a originar igual desvo estndar de la media (DES: 0,44) y tres resultado diferentes (12, 15 y 20) --- ANOVA - Analysis of Variance --Mean Std Dev SEM 12 2 0.4472 15 2 0.4472 20 2 0.4472 SS DF Variance Est (MS) 653.3 2 326.7 228 57 4 881.3 59 s2_bet MSbet 326.7 F = ------ = ----- = ----- = 81.67 s2_wit MSwit 4
N 20 20 20
P = 0.000
38
dentro de los grupos (s2_wit en el ejemplo de la salida del PRIMER), como estimador de la varianza, es decir un estimador basado en todas las muestras. Existen varias, (Duncan, Newman-Keuls, LSD): todas ellas muy parecidas. Usan el rango (diferencia entre medias) de todos los pares de muestras como estadstico y dicho rango debe superar un cierto valor llamado mnimo rango significativo para considerar la diferencia significativa. En el ejemplo anterior aplicamos una vez realizado el Anova el Test de Bonferroni --- Multiple Comparisons - Bonferroni --Comparison Difference of means t P<.05 3 vs 1: 20 - 12 = 8 12.649 Yes 3 vs 2: 20 - 15 = 5 7.906 Yes 2 vs 1: 15 - 12 = 3 4.743 Yes Degrees of freedom: 57 Los resultados (YES) indican que en las 3 comparaciones la T de Student dio suficientemente alta como para decir que existe una probabilidad muy baja menos del 0,05, que esa diferencia se obtuviera solo por azar. Significa que existe diferencia entre cada uno de los grupos que se compararon. Los supuestos de parametricidad que deben cumplirse son: la variable dependiente debe medirse al menos a nivel de intervalo, independencia de las observaciones, la distribucin de los residuales debe ser normal y la homogeneidad de las varianzas. Por esta razn algunos programas presentan previamente una aprueba para demostrar si existe igualdad de las varianzas, pero aunque sea sean un poco diferentes el programa funciona bien si los tamaos utilizados son semejantes que es lo que se recomienda: en caso de no cumplirse estos requisitos se debern usar otro test (el PRIMER tambin los realiza) Grupos independientes Anova Kruskal Wallis Grupos relacionados Anova para medidas repetidas Friedman
Paramtricos No paramtricos
39