Professional Documents
Culture Documents
Artículo de revisión
Elementos para evitar errores en el diseño de
investigaciones en ciencias de la salud
Resumen
La Estadística y el rigor metodológico deben guiar una investigación en todo su desarrollo para asegurar
la coherencia investigativa; el desconocimiento y el uso incorrecto de las herramientas estadísticas
y metodológicas se traduce en investigaciones con discutible validez interna, reflejada en errores.
En este artículo se revisan los elementos necesarios para evitar errores metodológicos y estadísticos
en la fase del diseño de una investigación en el contexto de las ciencias de la salud. Se abordan los
diferentes tópicos con un enfoque crítico y haciendo uso de diversos ejemplos de investigaciones reales.
Una vez planteado correctamente un problema de investigación debe elegirse el diseño que esté más
protegido de posibles sesgos; el muestreo debe asegurar la representatividad y adecuación en tamaño
de la muestra, así como la definición precisa de criterios de selección. Para aplicar una herramienta
estadística deben evaluarse: el tipo y escala de las variables dependientes e independientes, la cantidad
y grado de independencia de los grupos de comparación, el alcance y tipo de investigación, entre otros.
Palabras clave: Coherencia investigativa, herramienta estadística, validez interna, error metodológico,
error estadístico.
Abstract
Statistics and methodological rigor should guide a research in the whole process in order to assure the
research coherence. The lack of knowledge and the appropriate use of statistical a methodological tools
becomes to researches with doubts about internal validity, showed in systematic mistakes and other
kind of mistakes. In this article needed elements were systematically examined to avoid these mistakes
especially in the design phase of a research, talking in the context of health sciences. These topics were
focused in critical form and using several examples of real researches. Once a research problem is correctly
set, a design will be chose, the one that is most protected of possible bias. The sampling must assure the
representativeness and appropriateness of the sample size, as well as an accurate definition of selection
criteria. To apply a statistical tool it is necessary to evaluate: the type and scale of dependent and independent
variables, quantity and rate of independence of comparison groups, extent and research type, among others.
Keywords: Consistency research, statistical tool, internal validity, methodological errors, statistical errors.
Introducción
La importancia de la Estadística en la básica del tipo de investigación y de diseños
investigación clínica y epidemiológica radica específicos utilizados en la investigación
en proporcionar herramientas que conviertan epidemiológica, haciendo énfasis en que la
las observaciones clínicas y de laboratorio en idoneidad del diseño y del muestreo influye
aseveraciones cuantitativas sobre los efectos, directamente sobre la validez del estudio.
y la magnitud de los mismos, que tiene una A continuación, se hablará sobre el diseño
o varias intervenciones sobre un grupo de de muestreo, dividiendo este tópico en dos
paciente (Glantz, 2006). Sin embargo, se debe subtemas: los métodos de muestreo y el
garantizar que estas aseveraciones, como cálculo del tamaño de muestra. Finalmente
respuestas a preguntas de investigación, se discutirán los diferentes métodos
sean válidas y precisas a través de un diseño estadísticos disponibles, agrupándolos en
capaz de disminuir la probabilidad de errores descriptivos, inferenciales, multivariantes y
que conduzcan a una respuesta equivocada epidemiológicos, aunque debe quedar claro
(Argimon Pallás, & Jiménez Villa, 2000). que actualmente hay otras modalidades y
La validez interna es el grado en que los enfoques de análisis para investigaciones
resultados de una investigación son correctos cuantitativas.
para los participantes del estudio. Está
determinada por la selección adecuada del
diseño, la recogida de datos y el análisis, y Contenido
amenazada por los errores sistemáticos y la
variación debida al azar (Fletcher, Fletcher, Diseño del estudio
& Wagner, 1998). Las decisiones metodológicas se orientan
según el problema de investigación, a través
Este artículo tiene como objetivo exponer
sistemáticamente los elementos necesarios del diseño, que consiste en la planificación de
para evitar errores metodológicos y las actividades para solucionar los problemas
estadísticos que se presentan en la fase del o responder a las preguntas planteadas.
diseño de una investigación. Tanto en la investigación cuantitativa como
en la cualitativa, para cada tipo de pregunta
En cada sección se abordan las definiciones existe un diseño que resultará más apropiado
necesarias con un enfoque crítico, las cuales (Hernández Ávila, 2007; Ruiz, & Morillo,
se complementan con ejemplos aplicados a 2004).
investigaciones en el campo de las ciencias
de la salud. Para desarrollar esta revisión se Jerarquía de la investigación
utilizaron textos que gozan de prestigio entre
Es prioritario indicar que existe una jerarquía
investigadores y docentes de Latinoamérica
en la investigación, y que la mayor evidencia
y Estados Unidos; se consultó en su mayoría
metodológica para aportar información
publicaciones recientes: sin embargo, también
sólida en cuanto a la determinación de la
debieron ser consultados otros textos menos
recientes, debido a que pueden considerarse asociación entre variables dependientes
como básicos, por la importancia de que e independientes, estará dada por los
gozan. Además, se utilizaron como fuente estudios experimentales, seguida de los
de información algunos artículos de revisión. estudios analíticos y finalmente los estudios
observacionales (Villa-Romero, Moreno
Como primer punto se tratará el tema del Altamirano, & García de la Torre, 2012).
diseño del estudio, explicando la nomenclatura En general, cuanto más se aleje de los
concluye que hay asociación estadística entre gran precisión los criterios de selección de
dos variables, mas esa asociación no parece los sujetos que se incluirán en el estudio
ser lógica ni verosímil; esto apuntará a la (Argimon Pallás, & Jiménez Villa, 2000;
necesidad de realizar análisis estadísticos Ruiz, & Morillo, 2004).
estratificados si es que en el estudio se han
recolectado variables que podrían estar Errores de muestreo
asociadas simultáneamente a la variable
Los errores relacionados con la muestra y
dependiente e independiente, estas variables
el proceso de muestreo ocurren cuando: a)
son conocidas como variables confusoras
la muestra no es representativa: es decir,
(Argimon Pallás, & Jiménez Villa, 2000;
la muestra seleccionada no posee todas las
Fletcher y otros, 1998; Hernández Ávila, 2007;
características importantes de la población
Lodoño, 2010; Ruiz, & Morillo, 2004; Szklo,
de la que se tomó, incluyendo el número
& Nieto, 2003; Villa Romero y otros, 2012).
suficiente de miembros de todos los
En un estudio para comparar los valores en
subgrupos en los que se divide la población
la densidad mineral ósea entre pacientes que
de origen; b) la muestra no es adecuada en
reciben dos tratamientos, será necesario hacer
tamaño (Ercan y otros, 2007; Fletcher y otros,
análisis separando a hombres de mujeres, y
1998; Stopher, 2012; Strasak y otros, 2007;
en diferentes grupos de edad; dado que sexo
Velasco Rodríguez y otros, 2002).
y edad son variables que están asociadas al
nivel de densidad mineral ósea, si los análisis Se discutirán ahora los errores que pueden
no se realizan de forma estratificada podrían afectar la representatividad y adecuación de
actuar como variables confusoras, sesgando la muestra a partir de sesgos de muestreo.
los resultados. Lo concerniente al sesgo de El sesgo de muestreo puede ocurrir en
muestreo será tratado en la sección siguiente. las siguientes ocasiones: a) las personas
seleccionadas para el estudio no participan
Diseño de muestreo o no responden total o parcialmente; b) en
El diseño de muestreo es una etapa crítica de el estudio participan solamente voluntarios;
la planificación de una investigación, y cuyas tanto para este caso como para el anterior,
deficiencias repercutirán directamente en la resulta prioritario preguntarse si los sujetos
validez de los resultados y en las decisiones que no respondieron difieren de manera
tomadas con base en los mismos (Bethlehem, crítica de los que sí lo hicieron; además, un
2009; Elorza, 2008), una muestra que se ha muestreo de pacientes voluntarios no es un
seleccionado correctamente puede representar muestreo aleatorio; c) tomar una muestra
a la población de la que fue extraída, y por solo de personas registradas; d) pérdida de
tanto, permitirá que los resultados puedan casos de corta duración; e) sesgo estacional:
extrapolarse a un número mayor de personas algunas enfermedades estarán influenciadas
(validez externa) (Ruiz, & Morillo, 2004). por la estación del año, por lo que estudiar su
En el diseño de muestreo se tendrá que frecuencia y factores asociados en diferentes
especificar: a) la definición de la población en estaciones dará diferentes resultados; f)
estudio, b) el tamaño de muestra o cantidad realización del muestreo solamente en áreas
mínima de personas que se requieren estudiar, accesibles; g) sustitución de un miembro
c) método para seleccionar la muestra y d) el conveniente por un miembro designado;
marco de donde se seleccionará la muestra h) elección deliberada o que busca una
(Bethlehem, 2009; Stopher, 2012; Velasco muestra representativa (muestra de juicio,
Rodríguez y otros, 2002). En la redacción pues el investigador emplea su propio juicio
del protocolo es necesario establecer con para elegir las unidades específicas); i) no
Ruiz, & Morillo, 2004; Velasco Rodríguez población de estudio, y al lector, decidir
y otros, 2002). Como ejemplo se plantea si puede o no extrapolar los resultados a
un estudio para determinar infección por sus pacientes: a) los criterios de inclusión
Brucella abortus en personas que trabajan permiten definir y caracterizar la población
en el ordeño de ganado bovino en fincas de del estudio; b) los criterios de exclusión
una región costera. Se calculó una muestra indican que quien ya cumplió los criterios
para estudiar la prevalencia de la infección de inclusión tendrá que ser excluido por
que resultó en 217 individuos (tamaño alguna razón (Ruiz, & Morillo, 2004). Por
poblacional no especificado, prevalencia lo anterior, no es correcto escribir criterios
estimada a priori del 10%, error tipo I del 5% de exclusión como aquellos contrarios a los
y error de muestreo del 4%). Las unidades de criterios de inclusión. Por ejemplo, si en un
muestreo (fincas) correspondieron a 78 fincas estudio para evaluar las alteraciones en la
positivas a brucelosis, según estadísticas del tasa de filtración glomerular en pacientes
ministerio correspondiente. Ya sea que la con VIH con tratamiento antirretroviral, uno
distribución de la muestra en cada estrato de los criterios de inclusión es: “pacientes
se realice proporcionalmente a su tamaño o que tengan resultados de creatinina sérica,
de manera uniforme, en promedio deberían peso, talla y edad registradas para estimar
estudiarse 3.19 individuos por finca si se la depuración de creatinina”, entonces, un
decide estudiar cada finca: ello implica un criterio de exclusión no podrá ser “pacientes
gran reto logístico para acudir a cada una que NO tengan resultados de creatinina sérica,
de las fincas, pero de poca inversión pues la peso, talla y edad registradas para estimar la
cantidad de personas que deberían tomarse de depuración de creatinina”, pues un criterio
cada finca es muy pequeña lo cual repercute de exclusión deberá ser complementario, por
en la representatividad y adecuación de la ejemplo: ”pacientes que además de la terapia
muestra por cada unidad de muestreo. antirretroviral recibieron tratamiento con
algún otro medicamento nefrotóxico, como
Para el ejemplo anteriormente descrito, los aminoglucósidos o la anfotericina B”.
un muestreo polietápico podría sugerir
la selección de no todas las unidades de Cálculo del tamaño de la muestra
muestreo buscando información adicional
La determinación del tamaño de muestra
para reconocer conglomerados, por
necesita una idea a priori de los resultados
ejemplo, de tipo geográfico, con capacidades
que se obtendrán: en un cálculo de tamaño de
técnicas y de tamaño similar, índice de
muestra, una fórmula solo es una herramienta
higiene, número de casos detectados con
donde se computan datos obtenidos de
anterioridad, etc. De tal forma, si la muestra
estudios previos, de opiniones de expertos o
total se divide en un número menor de
de estudios piloto (Cárdenas, & Arancibia,
unidades de muestreo posiblemente se
2014; Prajapati, Dunne, & Armstrong,
planteen menores dificultades logísticas y
2010; Velasco Rodríguez y otros, 2002). Por
muestras más grandes en las unidades de
ejemplo, si se desea investigar los valores de
muestreo seleccionadas, que probablemente
presión arterial de estudiantes de medicina
las representen mejor (Argimon Pallás, &
que realizan prácticas en servicios de salud
Jiménez Villa, 2000).
estatales, no podrá utilizarse ninguna fórmula
Criterios para selección de las muestras para el cálculo de muestra si no se tiene una
idea de los niveles de presión arterial sistólica
Los criterios de inclusión y exclusión y diastólica de estos estudiantes y de la
permiten al investigador seleccionar su variación de tales niveles.
contrastar una variable cuantitativa entre tres 2008; Daniel, & Chad, 2013; Forthofer y
o más grupos; c) la correlación de Pearson, otros, 2007; Geoffrey, & Streiner, 2014;
para evaluar la magnitud de la asociación Glantz, 2006; Gonin y otros, 2004; Kraska,
entre dos variables cuantitativas continuas; 2014; Moreno Altamirano, 2013; Sheskin,
d) la regresión lineal, para predecir el valor 2004; Siegel, 1970).
medio de una variable cuantitativa a partir
de una variable independiente cuantitativa; Métodos multivariados de análisis
e) las pruebas de comparaciones múltiples Los métodos multivariados de análisis
de Tukey, Duncan y Dunnet, entre otras; f) se utilizan cuando existe una variable
la T para datos apareados; g) el análisis de dependiente (variable respuesta) y múltiples
varianza de medidas repetidas para variables variables independientes (factores de estudio y
relacionadas en más de dos grupos (Barton, posibles variables confusoras, intervinientes,
& Peat, 2014; Blair & Taylor, 2008; Forthofer, etc.). Se usan con finalidades de predicción,
Lee, & Hernández, 2007; Geoffrey, & descripción o de estimación del efecto de
Streiner, 2014; Glantz, 2006; Gonin, Fisher, las variables independientes controlando
& Van Belle, 2004; Peacock, & Peacock, las variables confusoras. Entre las técnicas
2011). con que pueden identificarse tanto variables
Dentro de las pruebas no paramétricas, dependientes como independientes (métodos
están: a) la prueba de signos para una de independencia) se pueden mencionar: el
muestra; b) las pruebas de bondad de ajuste análisis discriminante, el análisis conjunto,
D’Agostino-Pearson y de Kolmogorov- los modelos de segmentación jerárquica y
Smirnof para evaluar la normalidad de un los métodos predictivos conocidos como
conjunto de datos cuantitativos; c) la prueba métodos de regresión (regresión logística,
regresión de Cox); por otra parte, las técnicas
de las rachas para evaluar aleatoriedad; d) la
descriptivas (métodos de interdependencia)
prueba binomial, para variables dicotómicas;
no distinguen las variables independientes
e) las pruebas de signos y de rangos
de las dependientes, y se usan para reducir la
signados de Wilcoxon para contrastar una
cantidad de variables o formar agrupaciones
variable cuantitativa no paramétrica entre
basadas en variables u observaciones; entre
dos grupos relacionados; f) las pruebas
ellas se encuentran: el análisis factorial,
de Mann-Whitney y de la suma de rangos el análisis de componentes principales, el
de Wilcoxon, para contrastar una variable análisis de conglomerados, el análisis de
cuantitativa no paramétrica entre dos grupos correspondencia, los árboles de clasificación
independientes; g) las pruebas de la mediana y el escalamiento multidimensional (Argimon
y de Kruskall-Wallis, para contrastar una Pallás, & Jiménez Villa, 2000; Catena,
variable cuantitativa no paramétrica en tres Ramos, & Trujillo, 2003; Johnson, 2000;
o más grupos independientes; h) las pruebas Johnson, & Wichern, 2007; Juez, & Diez,
de Friedman y Cochran, para contrastar 1997; Peña, 2002; Pérez, 2004). Además,
una variable cuantitativa no paramétrica existen métodos de respuesta múltiple, es
entre tres o más grupos relacionados; i) la decir aquellos con que se explica más de
correlación no paramétrica de Spearman, una variable, como es el caso del análisis
para dos variables cuantitativas; j) la prueba canónico y los métodos multivariados de
de ji cuadrado de tablas de contingencia, la varianza y la covarianza (Johnson, 2000;
para asociar dos variables cualitativas Pérez, 2004).
independientes; y k) la prueba de McNemar
para asociar dos variables cualitativas Los métodos multivariados exigen, antes
dicotómicas relacionadas (Blair, & Taylor, de su aplicación, la realización de análisis
simultáneo de las relaciones establecidas entre Blair, C., y Taylor, R. (2008). Bioestadística.
múltiples variables e individuos, la reducción México: Pearson Educación, S.A.
del número de variables sin comprometer
la información disponible, y determinar Bluman, A. (2009). Elementary Statistics:
el tamaño del efecto ajustado en función A step by step approach (7ma. Ed.).
de variables intervinientes. Los análisis New York: Mc Graw Hill.
epidemiológicos se utilizan para describir Bonita, R., Beaglehole, R., & Kjellström,
la frecuencia de la enfermedad, evaluar la T. (2006). Basic Epidemiology
asociación entre variables, y el impacto de (2da. Ed.). Geneva: World Health
las intervenciones. Organization.
Elorza, H. (2008). Estadística para las Gonin, R., Fisher, L. D., & Van Belle, G.
ciencias sociales, del comportamiento (2004). Biostatistics: A Methodology
y de la salud (3ra. Ed.). México, D.F.: for the Health Sciences. (2da. Ed.).
Cengage Learning. New York: Wiley.
Ercan, I., Yazici, B., Yang, Y., Ozkaya, Gordis, L. (2014). Epidemiology (5ta. Ed.).
G., Cangur, S., Ediz, B., Y Kan, I. Philadelphia: Elsevier Saunders.
(2007). Misusage of Statistics in
Medical Reserch. European Journal Guyatt, G., Rennie, D., Meade, M., &
of General Medicine, 4(3), 128–134. Cook, D. (2008). Users’ guides to
the medical literature: Essential of
Fletcher, R., Fletcher, S., & Wagner, E. (1998). evidence-based clinical practice
Epidemiología Clínica: Aspectos (2ta. Ed.). New York: Mc Graw-Hill
fundamentales (2da. Ed.). Barcelona: Medical / JAMAevidence.
Masson.
Hair, J., Anderson, R., Tatham, R., & Black,
Forthofer, R., Lee, E., & Hernandez, M. W. (1999). Análisis Multivariante (5ta.
(2007). Biostatistics: A Guide to Ed.). Madrid: Prentice Hall Iberia.
Design, Analysis and Discovery. (2da.
Ed.). Boston: Elsevier, Academic Hanif, A., & Ajmal, T. (2011). Statistical
Press. errors in medical journals: A critical
appraisal. Annals, 17(2), 178-182.
Frías, M., Pascual, J., & García, J. (2000).
Tamaño del efecto del tratamiento y Henquin, R. (2013). Epidemiología y
significación Estadística. Psicothema, Estadística para principiantes.
12(2), 236–240. Buenos Aires: Corpus.
García, J., López, J., Jiménez, F., Ramírez, Hernández Ávila, M. (2007). Epidemiología:
Y., Lino, L., & Reding, A. (2014). Diseño y análisis de estudios. México,
Metodología de la investigación: D.F.: Editorial Médica Panamericana.
Bioestadística y bioinformática en Jaykaran. (2010). How to select appropriate
ciencias médicas y de la salud (2da. st at ist ical test? Jour nal of
Ed.). México, D.F.: Mc Graw Hill Pharmaceutical Negative Results,
Education. 1(2), 61.
Geoffrey, N., y Streiner, D. (2014). Johnson, D. (2000). Métodos multivariados
Biostatistics: The Bare Essentials aplicados al análisis de datos.
with SPSS (4ta. Ed.). Londres: PMPH- México, D.F.: Thompson Editores.
USA Limited.
Johnson, R., & Bhattacharyya, G. (2010).
Glantz, S. (2006). Bioestadística (6ta. Ed.). Statistics: principles and methods (6ta.
México, D.F.: Mc Graw Hill. Ed.). New Jersey: John Wiley & Sons,
Inc.
Gómez, M., Danglot, C., & Vega, L. (2013).
Cómo seleccionar una prueba Johnson, R., & Kuby, P. (2004). Estadística
estadística (Primera de dos partes). elemental: lo esencial (3ta. Ed.).
Revista Mexicana de Pediatría, 80, México, D.F.: Thompson Learning.
30–34.
Peacock, J., & Peacock, P. (2011). Oxford Silva, L. (1997). Cultura estadística e
handbook of medical statistics. investigación científica en el campo
Oxford: Oxford University Press. de la salud: Una mirada crítica.
Madrid: Diaz de Santos.
Peña, D. (2002). Análisis multivariante
de datos. Madrid: Mc Graw-Hill / Stopher, P. (2012). Collecting, managing, and
Carta a la editora
María Angélica Milla, Universidad Católica de Honduras, Honduras; Michele Monroy-Valle, Universidad de San
Carlos de Guatemala; Andrés A. Agudelo-Suárez, Grupo de Investigación sobre la Salud Pública, Universidad
de Alicante España y la Facultad de Odontología de Universidad de Antioquía, Colombia; Luis Gabriel Cuervo,
Organización Panamericana de la Salud, Organización Mundial de la Salud; David Bann, Universidad College
London en el Reino Unido, María Soledad Burrone, Universidad Nacional de Córdoba, Argentina; Patricia
O’campo, Universidad de Toronto, Canadá.
L
a Epidemiología social tiene como de Epidemiología (IEA) la sección
premisa principal, que la distribución Latinoamericana y participantes anteriores
de la salud y la enfermedad se del 4to. Curso Internacional de Métodos
determinen a través de las interacciones Epidemiológicos de la IEA, que se llevó a cabo
sociales y actividades colectivas humanas en mayo de 2012 en Lima, Perú, sentimos
(Oakes, & Kaufman, 2006). la necesidad de difundir el conocimiento y
fortalecer las redes académicas, empleando
Para ello se requiere la comprensión de las a Centroamérica como el punto de partida.
fortalezas, oportunidades, debilidades y Los países que conforman el triángulo del
amenazas que cada sociedad enfrenta; así norte El Salvador, Honduras y Guatemala
como también el conocimiento relacionado tienen desigualdades preocupantes en
a las características sociales y estructurales. cuanto a salud y sistema social que prolonga
La Epidemiología Social busca comprender la pobreza, haciendo que queden rezagadas
la influencia de estos factores en la salud
detrás de otros países. Considerablemente,
de la población, para entender y dirigir los
necesitan un plantel de epidemiólogos para
mecanismos causales relevantes a la salud.
guiarlos en salud, ciencia y en otras políticas
De este modo, la salud pública se beneficia
de desarrollo. Muchas de las investigaciones
por medio del enfoque de Epidemiologia
en Epidemiología Social ocurren en ambiente
Social, el cual provee información esencial
para comunicar diálogos de pólizas y académico que incluso no están basados en
políticas tanto aquellos que se encuentra los países de Centroamérica (Kaufman, &
entre los sectores de salud y desarrollo, Mezones-Holguín, 2013). Como resultado
como los de atención médica, prevención de ser fuera de contexto, generalmente sin
primaria y el desarrollo y aplicación del aporte de los responsables, consumidores
nuevo conocimiento (Krieger, 2001). y otros accionistas quienes pueden tener
percepciones y perspectivas claves que
Nosotros como catedráticos, investigadores, complemente el proceso de investigación y
miembros de la Asociación Internacional desarrollo de política. Hay una escasez que