interpretacion de datos

􀁹 La necesidad de editar los datos antes de emprender un análisis en serio y captar los errores


lo antes posible.

􀁹 Opciones para limpiar los datos – verificación de rangos, verificación de consistencia – y lo

que estos pueden (y no pueden) lograr.

􀁹 Qué significa la codificación de los datos y porqué se realiza.

􀁹 Significado básico de varios términos usados para caracterizar los atributos matemáticos de

distintos tipos de variables, i.e., nominal, dicotómica, categórica, ordinal, de medición,

conteo, discreta, intervalo, razón, continua. Reconocer ejemplos de diferentes tipos de

variables y ventajas/desventajas de tratarlas de diferentes maneras.

􀁹 Qué significa una variable “derivada” y diferentes tipos de variables derivadas.

􀁹 Los objetivos de las pruebas de hipótesis estadísticas (“pruebas de significancia”), el

significado de los resultados de dichas pruebas y cómo interpretar un valor p.

􀁹 Qué es un intervalo de confianza y cómo debe ser interpretado.

􀁹 Los conceptos de error de Tipo I y error de Tipo II, nivel de significancia, nivel de

confianza, “potencia” estadística, precisión estadística, y la relación entre estos conceptos y el

tamaño muestral.

El cálculo de valores p, intervalos de confianza, potencia o tamaño muestral no será requerido en los

exámenes. La prueba exacta de Fisher, pruebas asintóticas, tablas z, pruebas de 1 o 2 colas,

correlación dentro del cluster, enfoques Bayesianos versus los frecuentistas, meta-análisis, e

interpretación de pruebas de significancia múltiple son todos simplemente para tu información y

disfrute, en cuanto a lo que tiene que ver con EPID 168, no para los exámenes. En general, yo

promuevo un enfoque no dogmático a la estadística (advierto que no soy un estadístico “licenciado”!)


Análisis e interpretación de datos

Los epidemiólogos a menudo hallan el análisis de los datos como la parte más disfrutable de llevar a

cabo un estudio epidemiológico, dado que después de todo el duro trabajo y la espera, tienen la

oportunidad de encontrar las respuestas. Si los datos no proveen respuestas, es una oportunidad

más para la creatividad! De manera que el análisis y la interpretación de los resultados son el

“premio” que recompensa el trabajo de recolección de datos.

Los datos, sin embargo, no “hablan por sí mismos”. Revelan lo que el analista puede detectar. De

manera que cuando el investigador novato, tratando de obtener esta recompensa, se encuentra sólo

con el conjunto de datos y ninguna idea de como proceder, la sensación puede ser una de más

ansiedad que de entusiasta anticipación. Igual que con otros aspectos de un estudio, el análisis e

interpretación del estudio debe relacionarse con los objetivos del mismo y el problema de

investigación. Una estrategia, a menudo útil, es comenzar imaginando o hasta trazando el (los)

manuscrito(s) que deberían escribirse a partir de los datos.

El enfoque habitual es comenzar con los análisis descriptivos, explorar y lograr “sentir” los datos. El

analista luego dirige su atención a las preguntas específicas planteadas en los objetivos o hipótesis de

estudio, de los hallazgos y planteos informados en la literatura, y de los patrones sugeridos por los

análisis descriptivos. Antes de comenzar el análisis en serio, sin embargo, habitualmente hay que

llevar a cabo una cantidad considerable de trabajo preparatorio.

Análisis – objetivos principales

1. Evaluar y realzar la calidad de los datos

2. Describir la población de estudio y su relación con alguna supuesta fuente (justificar todos

los pacientes potenciales involucrados; comparación de la población de estudio obtenida con

la población blanco)

3. Evaluar la posibilidad de sesgos (p.ej., no-respuesta, negativa a contestar, y desaparición de

sujetos, grupos de comparación)

4. Estimar las medidas de frecuencia y extensión (prevalencia, incidencia, media, mediana)

5. Estimar medidas de fuerza de asociación o efecto

6. Evaluar el grado de incertidumbre a partir del azar (“ruido”)

7. Controlar y analizar los efectos de otros factores relevantes

8. Buscar una mayor comprensión de las relaciones observadas o no observadas

9. Evaluar el impacto o importancia