CONCLUSIÓN

Pues como todo, todo tiene su fin, y esta asignatura esta llegando a su fin. Personalmente puedo decir que nunca me había enfrentado a esto, a tener un  blog propio. Al principio no me gustaba mucho la idea, ya que pensaba que iba a ser algo más costoso. Es cierto, que en los primeros temas no sabía muy bien que poner para llamar la atención y en los últimos temas la dificultad que he encontrado es que al ser más prácticos con problemas y fórmulas son más dificultosos a la hora de introducir dicha información.
Con respecto a la asignatura tengo que reconocer que al principio no era la que más me agradaba, pero poco a poco le he ido encontrando su utilidad y cada vez me ha ido pareciendo más útil.

Espero que hayáis podido aprender un poco más sobre la estadística y que mi ayuda haya sido interesante.

TEMA 14: TIC Y SALUD, CUIDADOS.

En esta entrado daremos una visión general de la relación que tienen las tic y la salud y como han evolucionado. 

La sociedad, en su modo de progresión, esta cada vez más condicionada por el uso de las nuevas tecnologías. 

Las TECNOLOGÍAS DE LA INFORMACIÓN Y LA COMUNICACIÓN (TICS), se han introducido en la vida cotidiana de las personas. 

• La tecnología de la comunicación comprende los medios de comunicación tradicional: radio, televisión y telefonía. 
• La tecnología de la información comprende aquellas características por la digitalización de esa tecnología, es decir, la informática y la telemática.

Las TICs son instrumentos técnicos que pueden: 

• Crear. 
• Transformar. 
• Almacenar. 
• Gestionar. 
• Recuperar. 
• Difundir. 

Todo esto de forma rápida en una realidad virtual. 

⇒DESDE EL PUNTO DE VISTA DE LA SALUD, LA APLICACIÓN DE LAS TICS ELEVA LA CALIDAD DE LA ASISTENCIA SANITARIA. 

En Junio de 2000 la Unión Europea estableció o identificó 11 áreas de las TICs entre la que se encuentran la e-Salud o Salud en Línea, dentro de esa área incentivada y desarrollada en los países miembros se establecieron cinco áreas de TICs sanitarias para garantizar la cobertura y para desacelerar el gasto sanitario: 

• La historia clínica electrónica: en la que se identifican a los pacientes a través de la tarjeta sanitaria y permite la continuidad de su elaboración en cualquier centro de salud en el que se encuentre el paciente sea este el de referencia para él o no.
• Receta electrónica: el médico o enfermero prescribe directamente en la tarjeta sanitaria pudiéndolo comprar el medicamento en la farmacia, de forma que se ahorran costos económicos y mayor seguridad de prescripción.
• Movilidad: podemos hacer seguimientos de pacientes crónicos mediante internet encontrándose el paciente en casa monitorizado, y sin la necesidad de que el profesional se desplace hasta el domicilio para recoger la información.
• Telemedicina: nos permite la administración de servicios a distancia por el médico o el enfermero sin necesidad de desplazamientos y ahorrando tiempo. Tele-Health: intervenciones de todos los profesionales de la salud.
• Picture Archiving Communication System (PACS): se encuentra en relación con la historia clínica, consiste en el almacenaje de todos los resultados de pruebas de imagen como radiografías, TAC, ecografías, etc.

EL USO DE LA "SALUD MOVIL"

• Transforma la asistencia sanitaria, empoderando a pacientes, permitiéndoles más autodeterminación y control respecto a su salud, y disminuyendo el número de visitas a los profesionales sanitarios.
• Permitir el abordaje de manifestaciones clínicas relacionadas con cuadros leves. 
• Fomentar la gestión de enfermedades crónicas. 
• Fomentar una retroalimentación individualizada por parte de profesionales de la salud. 
• Mejorar la relación profesional-paciente. 

LA ENFERMERÍA ESTÁ IMPLICADA EN LAS TICS

Para la investigación, docencia y administración de cuidados y servicios. 

Las ventajas son las siguientes: 

• Aumento de la calidad de los cuidados posibilitando funciones enfermeras más amplias.
• Ayuda en la participación de los pacientes y familiares en el proceso de cuidados. 
• Permite a los enfermeros el apoyo e información a distancia y en línea de otros profesionales sanitarios. 

CONCEPTOS DE RED DE INFORMACIÓN SANITARIA

La red de información sanitaria ofrece el soporte tecnológico al organismo sanitario para prestar servicio administrativo y de salud.

APLICACIÓN DE LAS TECNOLOGÍAS EN LOS PROCESOS ASISTENCIALES

Aumenta la calidad, comodidad y flexibilidad para prestar asistencia a la vez que existe una comunicación entre los diferentes profesionales. 

Hay mejor conexión entre los 3 sistemas asistenciales: nivel asistencial primario, especializado y domiciliario. 

Las TICS están mejorando la gestión que hay que hacer con los pacientes, gracias a 3 aplicaciones: 

• Tarjeta sanitaria electrónica: es la llave o clave para identificar a cada persona o usuario del sistema sanitario, de forma segura. 
• Historia clínica electrónica: incluye toda la información clínica cronológica del paciente, con lo cual se puede evitar perdida de información. 
• Hospital digital. 

APLICACIÓN DE LAS TICS EN LA GESTIÓN DE EMERGENCIAS

• Rapidez para gestionar las actuaciones sanitarias. 
• Las Tics juegan un importante papel en el acceso a información actualizada y en la comunicación entre los diferentes agentes, mandando recursos sanitarios y recursos no sanitarios. 
• Llegan al lugar de actuación con una información detallada de lo ocurrido, agilizando las actuaciones asistenciales, aumentando la eficacia de actuación. 

TABLA T DE STUDENT

TEAM 13: PRUEBAS PARAMÉTRICAS MÁS UTILIZADAS EN ENFERMERÍA

En el siguiente tema trabajaremos con la t de student, la prueba de t de student para datos apareados y haremos una breve mención de anova.

TEST A APLICAR EN ANÁLISIS BIVARIADO VARIABLE CUALITATIVA Y CUANTITATIVA

• PARAMÉTRCIOS
• TEST DE STUDENT: para una o dos muestras (apareadas o independientes). 
• ANOVA: para más de dos muestras o categorías independientes. 
• NO PARAMÉTRICOS
• PRUEBA U DE MANN-WHITNEY: muestras independientes. 
• TEST WILCONXON: muestras apareadas. 
• TEST KRSKAL-WALLIS: más de dos muestras o categorías. 

Para saber que test utilizar debemos de saber si sigue la normal o no, por lo que tendremos que realizar el test de Kolmogórov-Smirnov (n>50) o Shapiro Wilk (n<50). 

T DE STUDENT COMO TEST PARAMÉTRICO 

• Debe de seguir una distribución normal. N<30.
• Homocedasticidad o igualdad de varianzas: 
• TEST DE LEVENE
• F>0'05: Se asume igualdad de varianzas. 
• F<0'05: No hay igualdad de varianzas. 
• Permite contrastar si dos muestras proceden o no de la misma población y si hay diferencia entre las medias. 
• Las muestras pueden ser independientes y dependientes. 

Con la t de student comprobamos si existe una diferencia estadísticamente significativa entre las medias de dos muestras o grupos. 

σ_{p (desviación típica)} 

_{Desviación típica= raíz cuadrada de la varianza}

_Varianza: 

_{Grados de libertad=}

N₁ + N₂ – (el número de grupos, en este caso 2)

Una vez que hemos obtenido todos los datos para despejar en la fórmula de la t de student, obtenemos dicho valor que sería la t-calculada. Por otro lado, el grado de libertad y el nivel de significación nos vamos a la tabla y observamos otro valor que sería la t-teórica. Comparamos ambos valores y: 

• Cuando el resultado del test obtenido en las tablas (t-teórica) es menor que el estadístico calculado (t-calculada). Se rechaza la hipótesis nula y se acepta por tanto la hipótesis alternativa, por lo que podemos decir que la diferencia es estadísticamente significativa. 

⇒ En ocasiones, se pude presentar la situación que la dos varianzas sean distintas o que partamos de la hipótesis de que las poblaciones de donde se han obtenido las muestras tengan varianza distintas. En este caso la fórmula: 

Hay que dar un paso intermedio y tener en cuenta la F (Fisher-Snedecor) o prueba de Levene que sale en los resultados del SPSS. 

• Lo primero es observar en la prueba de Levene el valor de F y significación.
• Si Levene es mayor que 0'05, se asume la igualdad de varianzas y se observa el estadístico t con los grados de libertad correspondiente a esa fila y la significación. 
• Si el estadístico es menor que le nivel de significación se rechaza la hipótesis nula. 

ANOVA 

Método para comparar dos o más medias, que es necesario porque cuando se quiere comparar más de dos medias es incorrecto utilizar repetidamente el contraste basado en la t de student. 

ANOVA, es un método que permite comparar varias medias en diversas situaciones. 

• Con el análisis de varianza comprobamos si existen diferencias estadísticamente significativas entre dos grupos. 
• Es el método apropiado cuando tenemos más de dos grupos en el mismo planteamiento. 
• Por lo que, permite estudiar la asociación entre una variable cuantitativa y una variable cualitativa de más de dos categorías, siempre que la cuantitativa siga una distribución normal. 
• El análisis de varianza, analizando varios grupos simultáneamente, nos dirá si entre las medias de los grupos hay o no diferencias significativas. Pero en el caso de que haya diferencias entre los grupos, habrá que comparar los grupos de dos en dos mediante procedimientos análogos a la t de Student, denominados contrastes posteriores. → Se basa en el cálculo del estadístico F de Fisher-Schnedecor. 

TEMA 12: CONCORDANCIA Y CORRELACIÓN

Correlación paramétrica: Pearson
Correlación no paramétrica: Sperman.

REGRESIÓN LINEAL SIMPLE: CORRELACIÓN Y DETERMINACIÓN 

• Se trata de estudiar la asociación lineal entre 2 variables cuantitativas. 
• Regresión lineal simple: una sola variable independiente. 
• Regresión lineal múltiple: más de una variable independiente. 

Ecuación de la recta: y=a+bx

Pendiente de la recta: b → b expresa la cantidad de cambio que se produce en la variable dependiente por unidad de cambio en la variable independiente. "b" es el coeficiente que va a acompañar a la "X", el cual vamos a llamar coeficiente de regresión. (Indica cuanto cabe esperar que cambie la respuesta por cada incremento unitario de la "X". Es decir, indica la pendiente o inclinación de la recta. 

Punto de intersección con el eje de coordenadas: a → a expresa cuál es el valor de la variable dependiente (eje y) cuando la independiente vale cero (eje x). 

Si x=0 → y=a

b>0→ relación directa (cuando x aumenta y también aumenta). 

b<0→ relación inversa (cuando x aumenta y disminuye).

• A: modelo lineal, buen ajuste. Cuando "x" crece "y" crece.
• B: modelo lineal, mal ajuste. Cuando "x" crece "y" crece.
• C: modelo no lineal, buen ajuste. Cuando "x" crece "y" crece. 
• D: modelo lineal, buen ajuste. Cuando "x" crece "y" decrece. 
• E: modelo no lineal, buen ajuste.  Cuando "x" crece "y" decrece. 
• F: Variables no relacionadas. Ninguna curva de regresión es adecuada. 

⇒Calculamos los valores de "a" y "b" que proporcionan la recta que mejor se ajusta. 

- Se parte del criterio de los mínimos cuadrados. Consiste en obtener un punto sobre la gráfica que se denomina (Yi), que es el punto observado, y posteriormente en coger un punto sobre la recta que hemos dibujado, denominado (Yi*), este punto es el que estima el modelo. 

- A continuación se calcula la diferencia entre ambos y nos interesa que la diferencia sea lo más pequeña posible. 

"a" y "b" se calculan: 

⇛COEFICIENTE DE CORRELACIÓN: número adimensional (entre -1 y 1) que mide la fuerza y sentido de la relación lineal entre dos variables. 

El coeficiente de correlación cuanto más próximo a 1 más relación y cuanto menos próximo menos relación. 

- COEFICIENTE DE DETERMIANCIÓN: número adimensional (entre 0 y 1) que dá idea  de la relación entre las variables relacionadas linealmente. r (cuadrado)= coeficiente de determinación.

• Modelos lineales deterministas: la variable independiente determina el valor de la variable dependiente.

1 valor independiente → 1 valor dependiente

• Modelos lineales probabilísticos: para cada valor de la variable independiente existe una distribución de probabilidad de la dependiente, con una probabilidad de entre 1 y 0. 

COEFICIENTE DE CORRELACIÓN DE PEARSON 

Paramétrica por lo que requiere que la distribución siga la normal. 

• Análisis de correlación: se utiliza con el propósito de disponer de un indicador cuantitativo que permite sintetizar el grado de la asociación entre variables. 

• Coeficiente de correlación r de Pearson: es un coeficiente que mide el grado de la relación de dependencia que existe entre las variables (x,y), cuyos valores van desde -1, correspondiente a una correlación negativa perfecta, hasta 1, correspondiente a una correlación positiva perfecta. 

r<0→ relación lineal inversa 

r>0→ relación lineal directa

r = independientes 

Imagen 1

Imagen 2

Correlación e interpretación 

REGRESIÓN LINEAL SIMPLE: CORRELACIÓN Y DETRMIACIÓN 

COEFFICIENTE DE CORRELACIÓN EN NO PARAMÉTRICAS 

El coeficiente de correlación por rango de rho de Spearman es una medida de asociación que requiere que ambas variables en estudio sean medidas por lo menos en una escala ordinal. 

• En el siguiente enlace que os voy a mostrar, os explicará de que forma usar este de coeficiente de correlación con una serie de ejemplos. Espero que no os queden dudas. Sitio web 1

rs=-1. La asociación es negativa e inversas, las ordenaciones son perfectamente contrarias.

rs=0. No existe asociación. 

rs=1. Las ordenaciones son todas concordantes.

PRUEBAS DE NORMALIDAD

Prueba de Kolmorov-Smirnov (n>50) y la prueba de Shapiro-Wilk (n<50). 

TABLA CHI CUADRADO

 Tabla chi cuadrado 1

TEMA 11: PRUEBAS NO PARAMÉTRICAS MÁS UTILIZADAS EN ENFERMERÍA

Aprenderemos a utilizar la prueba de chi cuadrado y para que utilizar la corrección de Yates, prueba exacta de Fisher y la prueba de McNemar.

TABLAS DE CONTINGENCIA-FRECUENCIAS ABSOLUTAS
Tablas de doble entrada que se emplean para registrar y analizar la asociación entre 2 o más variables de naturaleza cualitativa.

PRUEBA CHI-CUADRADO
La prueba o estadístico Chi cuadrado se utiliza para comprobar si la diferencia en los datos observados es debida:

• Al azar → Aceptamos H0
• Si es debida a algo más → Rechazamos H0, aceptamos H1. 

⇒ CONDICIONES PARA APLICAR LA PRUEBA DE CHI CUADRADO 

• Las observaciones deben ser independientes. 
• Utilizar en variables cualitativas. 
• Deben de ser más de 50 casos. 
• Las frecuencias teóricas o esperadas en cada casilla de clasificación no deben ser inferiores a 5. 

SI NO SE CUMPLEN ESTOS REQUISITOS: SE USAN PRUEBAS PARAMÉTRICAS. 

⇒RECORDEMOS EN LA PRUEBA CHI CUADRADO

1. Frecuencia observada→ la que recogen los datos. 
2. Frecuencia esperada→ la que observaríamos si no hubiese relación. 
3. Grados de libertad→ número de valores o datos que pueden variar libremente dado un determinado resultado. 

GL= (filas -1) x (columnas -1)



- Cuanto mayor sea la diferencia (y, por lo tanto, el valor estadístico), mayor es la asociación/dependencia entre ambas variables.

Los valores esperados, se calculan a través de producto de los valores totales marginales dividido por el número total de casos (n).

Tras realizar estos cálculos de FE, ya podemos aplicar la fórmula presentada anteriormente, por lo que obtenemos el valor de chi cuadrado. 

A continuación, damos paso a conocer el valor de la chi cuadrado teórica. El valor de la chi cuadrada teórica, se obtiene usando la tabla de chi cuadrado (la cual subiré en la próxima entrada), en la que hay que tener en cuenta: 

• Los grados de libertad (Recordamos: nº filas-1 x nºcolumnas -1)
• Nivel de significación de 0'05. 

Tras esto obtenemos un valor en la tabla, que se corresponde con la chi cuadrado teórica. 

Una vez tenemos la chi cuadrado de los datos y la chi cuadrado de la tabla las comparamos.

Si la chi cuadrado de los datos es menor que la chi cuadrado de la tabla, NO HAY MÁS DIFERENCIA EN LOS DATOS MÁS ALLÁ QUE LA QUE HABRÍA SÍ LA DIFERENCIA FUERA PRODUCTO DEL AZAR. Así que aceptamos la H0. 

ODDS RATIO

• Permite cuantificar la importancia/fuerza de la asociación entre 2 variables. 
• Sería el cociente entre la odds del grupo de individuos de la categoría 1 de la variable supuestamente dependiente, frente a la odds del otro grupo formado por los individuos de la categoría 2 de esa misma variable. 

                                                             ODDS                 ODDS 

- No tiene dimensiones. 

- El rango va de 0 a infinito. 

- OR=1 →  no hay asociación. 

- OR>1 → la presencia del factor de exposición se asocia a mayor ocurrencia del evento. 

- OR<1 → la presencia del factor de exposición se asocia a menor ocurrencia del evento. 

⇒Si se da el caso que las frecuencias esperadas sean pequeñas o menores de 5, no se puede utilizar el test estadístico de chi cuadrado. Por lo que:

• Reagrupamos los valores de las categorías. 
• Utilizamos la prueba exacta de Fisher y Corrección de Yates. 
• Los grados de libertad serían: n-1. Siendo n el total de los valores agrupados, es decir, si los 12 valores que teníamos los agrupamos en 4 columnas, nuestra n=4. 
• A un nivel de significación de 0,05.