Mensaje de error

  • Notice: Undefined variable: ub en my_visitors_get_count() (línea 254 de /home/fundamentosc/public_html/sites/all/modules/my_visitors/my_visitors.module).
  • Notice: Undefined variable: ub en my_visitors_get_count() (línea 266 de /home/fundamentosc/public_html/sites/all/modules/my_visitors/my_visitors.module).

DEFINICIONES:

Variable: Es todo dato que se recolecta para una investigación, desde las características socio-antropométricas de las personas (edad, género, peso, talla, estado civil, nivel socioeconómico, etc.), fechas, lugares geográficos (barrios, municipios, país, etc.),  exposiciones a riesgos (contactos o antecedentes), presencia o ausencia de enfermedad, tratamiento recibido o no recibido, síntomas, signos, diagnósticos, pronostico, mortalidad, morbilidad, etcétera.

También puede definirse a una variable como toda la característica que cambia al comparar una unidad de observación con otra en un mismo momento o al comparar la misma unidad de observación en momentos diferentes (avance en el tiempo).

 

Definición operacional de una variable: es la definición exacta de una variable, incluyendo el procedimiento para establecer su cuantificación; por ejemplo la definición operacional de la edad así:

“Edad: tiempo trascurrido en años (o podría ser en meses o días) desde el nacimiento hasta la fecha de recolección de la variable (o de presentarse un suceso), la cual se evidencia preguntando la edad (o podría preguntarse la fecha de nacimiento y calcularla o solicitar un documento de identidad)”.

Pero pueden haber otras definiciones operacionales más complejas que requiere especificarse por ejemplo una formula específica para calcularla, o un reactivo, o un dispositivo, etcétera.

En un artículo de investigación las variables se describen (definen) en la sección “materiales y métodos” o en “metodología”.

 

Unidad de observación: Es todo individuo que se estudia en una investigación.

 

Dato: Es todo valor real de una variable en cada unidad de observación, la cual puede ser desde el punto de vista de su naturaleza cuantitativo (edad) o cualitativo (raza).

 

CLASIFICACIÓN DE LAS VARIABLES:

Se clasifican de acuerdo a su naturaleza y a la función que desempeñan en la investigación.

Clasificación de las variables de acuerdo a la naturaleza:

  • Variable cualitativa (ordinal y nominal)
  • Variable cuantitativa (continua, discontinua, interválica y de razón o coeficiente)

Clasificación de las variables de acuerdo a la función en la investigación:

  • Variable independiente.
  • Variable dependiente.
  • Variable intermedia o contingente.
  • Variable de confusión.

 

Variable cualitativa o categorica:

Expresa una característica que no se puede medir (no tienen magnitud que se pueda expresar con números), sino que se califica o categoriza (por eso su nombre) . No confundir con códigos numéricos que se  pueden asignar a las cualidades, lo cual se hace con el fin de tabular información, como por ejemplo presencia del hábito de fumar se le asigna el número 1 y a la ausencia del hábito el número 0 o el 2. Con gran frecuencia se prefiere codificar la presencia de alguna enfermedad, manifestación o exposición con número 1 y la ausencia con el 0 o el 2, pero no es obligatorio. Estas variables dependiendo de la escala de medición se subdividen en nominales y ordinales.

.-  Variables cualitativas ordinales: Cuando existe un orden implícito de los datos, a forma de un gradiente, aunque este orden no implica una unidad de medida, ni significa que las distancias entre las medidas sean equivalentes o múltiplos, como por ejemplo en la estadificación de los tumores TNM, donde un estadio T2 (p.e. invasión temprano) no es el doble de un estadio T1 (p.e. in situ) o que la distancia o severidad entre un estadio y otro sea igual, por ejemplo que la distancia entre T1 y T2 es igual que entre T3 (invasor tardío) y T4 (metástasis a distancia).. También se puede explicar el significado de ordinal al decir que la respuesta hace parte de un conjunto de posibles respuestas categorizadas, como p.e. percepción del progreso del país (progresando, estancado o en decadencia).

.- Variables cualitativas nominales:  Cuando las opciones de respuesta no tienen un orden de importancia ni representan un gradiente, o sea que ninguna respuesta es mejor que otra o más grande o más importante, por ejemplo el color del iris de los ojos.A su vez las variables cualitativas nominales se clasifican en:

  • Dicotómicas o binarias, las que  solo pueden tener dos posibles respuestas: sano o enfermo, masculino o femenino, vivo o muerto.
  • Politómicas: pueden tener más de una posible respuesta: religión, grupo sanguíneo, etc.

 

Variable cuantitativa:

Expresa una característica que puede ser expresada en unidades de medida numéricas, ejemplo la el número de hijos o el peso. Dependiendo de los valores se estas variables cuantitativas se subdividen en discontinuas (discretas) y continuas.

.-  Variables cuantitativas discontinuas o discretas: son las que solo permiten valores enteros, como por ejm el número de hijos o el número de IAM.

.-  Variable cuantitativas continuas: son las que la unidad de medida puede fraccionarse utilizando decimales o fraccionarios, por ejemplo: el peso cuya unidad de medida es el Kg pero se puede pesar 45,7 Kg.

 

Las variable cuantitativas sean discontinuas o continuas se clasifican dependiendo de la escala de medición en interválica y de razón (o coeficiente).

.-  Variables cuantitativas interválica: Cuando el valor divisorio entre positivos y negativos (o sea el 0) es arbitrario y no refleja de ninguna manera la ausencia de la magnitud que se mide, como p.e. en la temperatura donde un valor de 0° no quiere decir que no haya temperatura.

.- Variable cuantitativa de razón o coeficiente: Cuando el valor cero (0) de la escala es real, o sea que indica la ausencia de la variable o magnitud que se mide, como por ejemplo 0 Kg o 0 Km.

 

Variable dependiente:

Llamadas también como resultado, outcome, desenlace, salida, evento o enfermedad, o sea es la finalidad del estudio y por lo general está explícita en el título.

 

Variable independiente:

Llamadas también exposición, factor de riesgo / protector, explicativa o causal y corresponde a las variables que explican o permiten que se manifieste (causan) la variable dependiente. Una sola variable independiente puede explicar la aparición de más de una variable dependiente.

 

Variable intermedia o contingente:

Es una variable que es consecuencia de la variable independiente en estudio, pero que precede a la variable dependiente, p.e. en un estudio de la relación de la dieta con el IAM, tenemos que una dieta inadecuada (variable independiente) causa un hiperlipidemia (variable intermedia o contingente) que precede al daño o sea al IAM (variable dependiente), o sea en otras palabras es una variable que hace parte de una cadena causal que precede al daño. Dicho en otras palabras la variable intermedia determina la variable dependiente, pero es a su vez esta variable intermedia es objeto de modificación por parte de la variable independiente, siendo que se asocia simultáneamente con ambas. No se debe confundir con variable confusional.

 

Variable de confusión:

Una variable de confusión es una variable que está presente en un estudio pero que no se conoce, no se ha recogido o si se ha recogido no se ha usado, la cual se relaciona tanto con la variable dependiente (outcome) como con la independiente (exposición); o sea es otra exposición (diferente a la que se está estudiando) en la que los efectos de dos exposiciones o variables (la estudiada y la del factor de confusión) no se diferencian y se llega a la conclusión incorrecta que el efecto se debe a la variable en estudio y no a la confusora; por ejemplo: en un estudio se supone que el frio (variable independiente) es un factor de riesgo para cáncer de células escamosas de esófago (variable dependiente), sin embargo queda desmentido al evidenciarse que en clima frio se consumen los alimentos más calientes siendo este el verdadero riesgo y por eso en este caso la comida caliente es la variable de confusión.

 

Para prevenir el fenómeno de confusión en el diseño del estudio se utilizan 3 estrategias metodológicas (AAR):

  • Aleatorización (randomizing en inglés): En las que las unidades de observación se distribuyen aleatoriamente en todas las muestras. En algunos textos se ha usado como un anglicismo (equivocado por su puesto) para describir el diseño de un estudio como “randomizado” por decir aleatorizado, es importante que nosotros no cometamos este error.
  • Apareamiento: En este caso se distribuyen las personas que poseen el potencial factor de confusión en forma similar en los grupos que se van a comparar
  • Restricción de la población: Limita el estudio a personas que tienen características especiales, ejemplo Un estudio de café y cardiopatía isquémica se limita la muestra a personas no fumadoras para evitar el efecto potencial de confusión del tabaco (porque las personas que fuman si tienen riesgo comprobado y entonces nos podemos confundir y creer que la cafeína tiene efectos de cardiopatía isquémica o sea que el tabaco es el factor de confusión).

.

Cuando el estudio es muy grande es mejor controlar el fenómeno de confusión en el análisis de los resultados y no en el diseño del estudio y entonces este ajuste o tratamiento de las variables de confusión, se realiza mediante dos métodos estadísticos:

  • Estratificación: Para evitar el fenómeno de confusión el análisis se hace por categorías definidas y homogéneas (estratos) por ejemplo, si la edad es un factor de confusión la asociación puede medirse en grupos de 10 años; si es el sexo se mide por separado los varones y mujeres, etc.
  • Regresión logística: Es usada para evaluar la relación entre una variable dependiente dicotómica (solo puede tener dos respuestas, tal como si o no, vivo o muerto, sano o enfermo, etc.) y variables independientes, una de las cuales es la posible variable confusora, lo cual se realiza con un sistema computacional. Por ejemplo, un estudio muestra que el riesgo de morir en Barichara es estadísticamente significativo mayor que en San Gil, pero al realizar la regresión logística (mediante el sistema computacional) se introduce la edad como otra variable independiente y se evidencia que es mayor la mortalidad en Barichara porque la población es más senil porque la mayoría de personas que viven en Barichara son pensionados (la edad era el factor confusor).

 

ANALISIS DE LAS VARIABLES:

En un artículo de investigación el análisis de las variables se realiza en la sección “análisis” y consta de las siguientes partes:

  • Análisis univariado.
  • Análisis bivariado.
  • Análisis multivariado.
  • Análisis estratificado.