Es mostren els missatges amb l'etiqueta de comentaris Unitat Didàctica R-3. Mostrar tots els missatges
Es mostren els missatges amb l'etiqueta de comentaris Unitat Didàctica R-3. Mostrar tots els missatges

14.1.10

Mètodes de recollida de dades. Elaboració de qüestionaris i fulls de recollida de dades.

Tema elaborat per Pedro J. Subías


1. Mètodes de recollida de dades.

El mètode de recollida de dades ha de ser definit durant la fase de planificació de l’estudi. Es fa en funció de l’exactitud i la factibilitat. Una bona recollida de dades es fonamental per arribar a l’objectiu planificat.
Els mètodes de recollida es poden classificar en tres grups:
1. Observació directa.
2. Entrevistes i qüestionaris auto - complimentats.
3. Utilització de fonts documentals.


2. Selecció i definició de les variables.

Ha de recollir-se informació de totes les variables considerades d’interès. La selecció de les variables ha de basar-se en una senzilla norma: “recollir totes les variables com sigui necessari i tan poques com sigui possible”.

S’han de seleccionar en base a la rellevància per aconseguir els objectius de l’estudi:
Variables que permeten avaluar l’aplicabilitat del protocol (criteris de selecció).
Variables que permeten mesurar el factor o factors d’estudi i el criteri o criteris d’avaluació.
Variables que poden actuar com:
Possibles factors de confusió
Possibles variables modificadores de l’efecte.
Passos intermitjos a la cadena causal.
Variables universals descriptores dels subjectes estudiats.
Altres variables d’interès: subgrups de població, preguntes secundàries, temps, etc.)

S’ha de fer una definició operativa de cada variable: clara, sense ambigüitats i s’han de preveure totes les situacions possibles. Es convenient adoptar definicions estàndards ja validades i utilitzades per altres autors.

Un altre aspecte important es l’escala de mesura: en variables qualitatives es pot utilitzar la nominal i la ordinal. En variables quantitatives la discreta vs. continua i la de interval vs. la de raó.



3. Full de recollida de dades.

Es tracta d’un suport documental específicament dissenyat per recollir les dades, de manera que tota la informació rellevant de cada individu estigui enregistrada i disponible.
Ha d’estar preparat abans de la recollida de dades després de la definició de les variables i escales de mesura.
Ha de ser clar, per això s’ha d’evitar lletra petita i papers petits.
Cada formulari ha de tenir el títol de l’estudi per evitar confusions.
Utilitzar un document per individu. Assegurant la confidencialitat.
Seguir la seqüència en la que les dades seran recollides.
Dades d’identificació, criteris d’inclusió i d’exclusió.
Ha de incloure instruccions i aclariments necessaris.
Ha de facilitar el processament de les dades (lo ideal es un document precodificat):
Dades alfanumèriques: s’han d’escriure totalment
Dades dicotòmiques: s’han de codificar 0 (No) 1 (Si).
Respostes múltiples: han de ser excloents, si no es així es preferible fer noves variables.
Dades numèriques: es aconsellable que les unitats, desenes, centenes, ... es trobin sempre al mateix lloc. Justificades per la dreta.
Dades no precodificats per moltes possibles respostes: s’ha d’establir una fase intermitja de codificació.

Prova pilot sobre un nombre reduït de casos abans de la recollida global.



4. Qüestionaris.
“Procediment estructurat de recollida de informació mitjançant la cumplimentació d’una sèrie predeterminada de preguntes”.
Estructurat vol dir que a cada participant se li fan les mateixes preguntes, de la mateixa manera i mateixa seqüència.

Tipus: auto-cumplimentats, personals i telefònics.

Qüestionaris auto-cumplimentats:
Es tracta de qüestionaris que, normalment, s’envien per correu.
Avantatges: econòmic, ràpid, pot incloure un nombre gran de participants i no es donen sesgos a la cumplimentació.
Desavantatges: baix percentatge de resposta, només es poden fer preguntes senzilles, només es contesta per persones amb bona comprensió lectora.

Enquestes per entrevista personal:
Avantages

Bases de dades

Tema elaborat per Pedro J. Subías


Una base de dades o banc de dades es un conjunt de dades que pertanyen a un mateix context i emmagatzemats per al seu posterior us.

1. Tipus de bases de dades
Las bases de dades es poden classificar de diverses formes d’acord al context que s’està manegant, o la utilitat de la mateixa:

1.1 Segons la variabilitat de les dades emmagatzemats

Bases de dades estàtiques
Son bases de dades de sols lectura, utilitzades primordialment per emmagatzemar dades històriques que posteriorment es poden utilitzar per estudiar el comportament d’un conjunt de dades a través del temps, realitzar projeccions i prendre decisions.

Bases de dades dinàmiques
Son bases de dades en les que la informació emmagatzemada es modifica amb el temps, permetent operacions com actualització, esborrar i adició de dades, a més de les operacions fonamentals de consulta. Un exemple pot ser la base de dades utilitzada en un sistema de informació d’una botiga, una farmàcia o un videoclub.

1.2 Segons el contingut.

Bases de dades bibliogràfiques
Contenen una representació de la font primària, que permet localitzar-la. Un registre típic d’una base de dades bibliogràfica té informació sobre l’autor, data de publicació, editorial, títol, edició, etc. Poden contenir un resum o extracte de la publicació original, però mai el text complert (es tractaria del tipus següent)

Bases de dades de text complert

Emmagatzemen les fonts primàries, como per exemple, tot el contingut de totes les edicions d’una col•lecció de revistes científiques.

Directoris
Un exemple son les guies telefòniques en format electrònic.

Bases de dades o "biblioteques" d’informació química o biològica
Son bases de dades que emmagatzemen diferents tipus de informació provenint de la química, les ciències de la vida o mèdiques. Es poden considerar de diversos subtips:
Les que emmagatzemen seqüències de nucleòtids o proteïnes.
Les bases de dades de rutes metabòliques.
Bases de dades d’estructura
Bases de dades clíniques.
Bases de dades bibliogràfiques (biològiques, químiques, mèdiques i altres): PubChem, Medline, EBSCOhost.

2. Models de bases de dades

Una base de dades està formada per un contenidor de dades i un mètode per emmagatzemar i recuperar la informació continguda. Segons aquestes dos dimensions ens trobem amb les següents models de bases de dades:

2.1 Bases de dades jeràrquiques
La informació té una estructura jeràrquica. En aquest model les dades s’organitzen en una forma semblant a un arbre, on el nodo pare d’ informació pot tenir varis fills. El nodo que no té pares s’anomena arrel i als nodes que no tenen fills se’ls hi diu fulles.
Les bases de dades jeràrquiques son especialment útils en el cas d’ aplicacions amb un gran volum d’informació i dades molt compartides permetent crear estructures estables i de gran rendiment.

2.2 Bases de dades de xarxa
La diferència amb l’anterior es la modificació del concepte de nodo: es permet que un mateix nodo tingui més d’un pare: això permet resoldre el problema de redundància de dades; però, tot i així es tracta d’un model de gran dificultat tècnica per la qual cosa només el fan servir programadors i no usuaris finals.

2.3 Bases de dades transaccionals
Son bases de dades amb la única finalitat de enviar i rebre dades a gran velocitat. Son poc comunes i es fan servir a la indústria i control de qualitat.

2.4 Bases de dades relacionals

La idea fonamental es l’ús de "relacions". Aquestes podrien considerar-se en forma lògica com conjunts de dades anomenats "tuples". De totes maneres es conceptualitza de una manera més fàcil d’imaginar: Pensem en cada relació como si fos una taula composada per registres (las files d’una taula), que representarien les tuples, i camps (les columnes d’una taula).
Aquí el lloc i la manera en que s’emmagatzemen les dades no tenen rellevància (a diferencia d’altres models como el jeràrquic i el de xarxa). Això té l’avantatge de que es més fàcil de entendre i de fer servir per un usuari esporàdic de la base de dades. La informació pot ser recuperada o emmagatzemada mitjançant "consultes" que ofereixen una amplia flexibilitat de poder administrar la informació.
El llenguatge més habitual para construir las consultes a bases de dades relacionals es SQL (Structured Query Language o Llenguatge Estructurat de Consultes), un estàndard implementat pels principals motors o sistemes de gestió de bases de dades relacionals.
Durant els anys 80 l’aparició de dBASE va produir una revolució en els llenguatges de programació i sistemes d’administració de dades. Encara que dBase no feia servir SQL como llenguatge base per a la seva gestió.




2.5 Bases de dades multidimensionals
Son bases de dades ideades per a desenvolupar aplicacions molt concretes, como creació de cubs OLAP. No es diferencien massa de les bases de dades relacionals, la diferencia està a nivell conceptual: a les bases de dades multidimensionals els camps d’una taula poden ser de les dues dimensions de la taula o de més. En el cas dels nostres estudis un exemple seria la variable antecedents personals: en comptes de tenir un camp pla hauria de ser un camp tridimensional on podríem registrar cap, un o més diagnòstics. A la pràctica, en situacions senzilles el que fem es convertir una variable tridimensional en un grup de variables bidimensionals.




2.6 Altres tipus de bases de dades.

Existeixen altres tipus de bases de dades com:
• Bases de dades orientades a objectes (models informàtics orientats a objectes).
• Bases de dades documentals: permeten la indexació a text complert
• Bases de dades deductives: permeten fer deduccions a través d’inferències.
• Gestió de bases de dades distribuïda: la base de dades està emmagatzemada en varies computadores connectades en xarxa

3. Bibliografia

1. Wikipedia. Bases de datos
2. Argimon JM i Jimenez J. Metodos de Investigación aplicados a l atención primaria de salud. Ed. Harcourt Brace. Madrid 1991

Estadística descriptiva

La utilització de mostres ens planteja el problema de la estimació, a partir de les dades de la mostra, de quins son els paràmetres de la població.


Si fem un estudi d’una població fent servir diferents mostres ens trobarem amb resultats diferents degut a la VARIABILITAT. Aquests resultats es trobaran al voltant del valor real (proporció o mitjana) de la població. Anomenem INTERVAL DE PROBABILITAT a aquell rang de valors en el que es situaran el valors obtinguts per la major part de les mostres obtingudes. L’amplada d’aquest rang depèn de la grandària de les mostres amb una relació inversa: quant més gran sigui la n mostral més estret serà el interval de probabilitat.



Quan fem un estudi fent servir una mostra obtenim el resultat d’un paràmetre (proporció o mitjana) a la nostra mostra i volem saber el resultat de la població. Estem davant un problema de ESTIMACIÓ que hem de resoldre calculant el INTERVAL DE CONFIANÇA: es aquell interval al voltant del valor mostral en el que amb molta probabilitat es troba el valor de la població.








Descripció d’una variable quantitativa:

• Mitjana, desviació estàndard i error estàndard.
• Càlcul del interval de confiança.
• Mesures de posició: mediana, quartils i percentils.
• Representació gràfica:
o Contínues: HISTOGRAMA
o Discretes: DIAGRAMA DE BARRES.

Descripció d’una variable qualitativa:

• Taula de distribució de freqüències: absolutes i relatives.
• Càlcul del interval de confiança.
• Representació gràfica:
o DIAGRAMA DE SECTORS
o DIAGRAMA DE BARRES.

Estadística analítica

En l’estudi d’una mostra analitzem les dades obtingudes de 2 variables i observem unes diferencies; l’estadística analítica ens dona les eines per decidir si aquestes diferències han estat produïdes per l’atzar o existeix una diferència real.
Ens trobem davant d’un problema de INFERÈNCIA ESTADÍSTICA, que es resol mitjançant el CONTRAST D’HIPÒTESIS.





Es tracta d’un procés amb les següents fases:

· En primer lloc hem de definir:
la HIPÒTESIS NUL·LA (H0): les diferències trobades son degudes a l’atzar i per tant no existeixen diferències entre els dos grups i
la HIPÒTESIS ALTERNATIVA (Ha): les diferències trobades no son explicades per l’atzar i per tant si que hi ha diferències entre els grups.

· Càlcul de la probabilitat (p), de que els resultats siguin per atzar.

· Decisió de rebuig o no de H0, segons els nivells de p fixats als objectius de l’estudi.



Errors que es poden cometre en el contrast d’hipòtesis:

· Error alfa (o tipus I): decidir rebutjar H0 i dir que existeixen diferències quan en realitat son degudes a l’atzar. La probabilitat de cometre aquest error es p.

· Error beta (o tipus II): decidir no rebutjar H0 i dir que les diferències son degudes a l’atzar quan en realitat si ha hi han diferències. Habitualment es més útil el valor complementari a l’error (1-b), que s’anomena potencia o poder estadístic, que indica la capacitat de la prova estadística per detectar una diferència quan aquesta existeix en la realitat.

Càlcul de p: elecció de la prova estadística:

· Escala de mesura del criteri d’avaluació.
· Escala de mesura del factor d’estudi.
· Existència de mesures repetides: disseny aparellat (vs. Independent).
· Condicions d’aplicació: proves paramètriques i no paramètriques.

El valor de p no mesura la força de l’associació ni la magnitud de les diferències.

Segons els aquests criteris enumerats, la elecció del test estadístic es fa segons els següents esquemes:



Dissenys per grups amb dades aparellades

· ANÀLISIS PRINCIPAL:
o Comparació de proporcions o mitjanes amb dades aparellades.

Obtindrem si la resposta A es millor que la B.

· ANÀLISIS SECUNDARI:
o Prova independència Chi-2 per dades aparellades.
o Prova independència coeficient de correlació

Obtindrem si la resposta a A es correlaciona amb la resposta a B




ANÀLISIS MULTIVARIANT.

· Anàlisis en el que es determina la influencia d’un conjunt de factors causals (variables independents) sobre el resultat (variable dependent).
· Si la variable dependent es quantitativa s’utilitza la regressió lineal múltiple.
· Si la variable dependent es qualitativa s’utilitza la regressió logística.