UNIVERSIDAD PRIVADA ANTENOR ORREGO

FACULTAD DE MEDICINA HUMANA

ESCUELA PROFESIONAL DE MEDICINA HUMANA

FACULTAD DE MEDICINA HUMANA

REVISIÓN CRITICA DE LA TESIS: “PRESENCIA DE

Alumna: Cespedes Stapelfeld Ana Paula Pierina

Docente: Dr. Rodríguez Velarde, Giancarlo Jesus

NRC: 6383

Piura- Perú
En el presente trabajo crítico se ha tomado la tesis titulada “Presencia de
factores de riesgo de EPOC en la altura en el HNRPP el 2018”, para optar
por el Título Profesional de Médico Cirujano, realizado por la autora Nataly
Rossy Pacheco Quinto. Esta tesis es de tipo básica, retrospectivo y
transversal. La población fue conformada por todos los pacientes que han
desarrollado EPOC en la consulta de Neumología del Hospital Nacional
Ramiro Prialé Prialé durante el periodo de 1 de enero de 2018 al 31 de
diciembre de 2018, la cantidad registrada fue de 847 pacientes, siendo esta
la población total. De esta población, solo 44 pacientes tenían espirometría y
datos clínicos completos. Este estudio transversal se utiliza para investigar la
asociación entre dos parámetros relacionados o no relacionados. Sin
embargo, esta metodología no es del todo completa, ya que la presencia de
factores de riesgo y resultados son simultáneos y sus estudios también lo
son. Por ejemplo, para validar si unos mineros que trabajan recolectando
carbón podrían desarrollar bronquitis, solo se tienen que observar los
factores de la mina. Pero lo que el estudio no explica es que la bronquitis
podría ser inherente o que podría haber estado en los mineros desde antes.
En un estudio transversal de la vida real, se utilizan atributos de ambos tipos.
En un estudio transversal, para calcular la prevalencia, se miden parámetros
múltiples de manera simultánea a través de preguntas, observaciones y
respuestas. Prevalencia = Número de casos en un momento dado / no de
personas en un momento dado. Las variables continuas caen a lo largo de
un rango dado. Para calcular la prevalencia, los valores deben estar por
debajo o por encima de un nivel predeterminado o, de lo contrario, no se
pueden calcular los niveles medios. Se considera conveniente el uso de
estas técnicas porque son relativamente rápidos de conducir, todas las
variables se recopilaron en un solo momento, se investigaron múltiples
resultados a la vez y la prevalencia de todos los factores se puede medir.
Aunque si ponemos en una balanza a estudios transversales vs estudios
longitudinales nos daremos cuenta que sí bien ambos son métodos de
investigación cualitativa, existen algunas diferencias entre los estudios
transversales y los estudios longitudinales. En los estudios transversales, las
variables se recolectan en un determinado punto de tiempo, pero los estudios
longitudinales abarcan múltiples sesiones y las variables pueden cambiar.
Los estudios transversales se utilizan con mayor frecuencia para encontrar
puntos comunes entre variables. Los estudios longitudinales, debido a su
naturaleza, se utilizan para analizar aún más el tema que se está
investigando. El otro factor es que debido a la longevidad de la investigación,
podría haber un desgaste en el estudio longitudinal que sesga el resultado y
la investigación correspondiente. Esto no ocurre en una investigación
transversal ya que el estudio se realiza con las mismas variables. La técnica
que se empleó para la investigación fue la revisión documental de historia
clínica, la cual empleará como instrumento una ficha de recolección de datos.
Este instrumento se aplicará sobre la muestra determinada para la
investigación. Respecto a las técnicas de procesamiento y análisis de datos,
se realizó mediante el uso de estadística descriptiva e inferencial en SPSS
v.23.0 y MS Excel 2016. Según los resultados se interpretará mediante el
uso de los estadísticos de tendencia central (media, mediana, moda), y de
dispersión (desviación estándar, mínimo, máximo). Es la parte de la
estadística que permite analizar todo un conjunto de datos, de los cuales se
extraen conclusiones valederas, únicamente para ese conjunto. Para realizar
este análisis se procede a la recolección y representación de la información
obtenida. Al describir grupos de observaciones, con frecuencia es
conveniente resumir la información con un solo número. Este número que,
para tal fin, suele situarse hacia el centro de la distribución de datos se
denomina medida o parámetro de tendencia central o de centralización.
Cuando se hace referencia únicamente a la posición de estos parámetros
dentro de la distribución, independientemente de que ésta esté más o menos
centrada, se habla de estas medidas como medidas de posición. En este
caso se incluyen también los cuantiles entre estas medidas. Se debe tener
en cuenta que existen variables cualitativas y variables cuantitativas, por lo
que las medidas de posición o medidas de tendencia se usan de acuerdo
con el tipo de variable que se está observando, en este caso se observan
variables cuantitativas. Porque cuando se habla de medidas de tendencia
central de datos no agrupados, las principales medidas de centralización que
vamos a estudiar en este acápite son: media aritmética, mediana, moda y
media geométrica. Existen otras medidas que no se aplican dentro del
ámbito administrativo, por lo tanto, serán estudiadas en esta investigación,
dejando en claro su clasificación. De las tres primeras medidas,
posiblemente la media aritmética sea la más utilizada, pero no significa que
sea la más precisa, es por ello que evaluarla dentro de la investigación se va
a considerar dos alternativas, no porque el concepto y el criterio de cálculo
sean diferentes, más bien responde a condiciones sobre, si la media es
obtenida de una población o de una muestra, lo único que cambiará es la
simbología utilizada para la representación (μ: media aritmética de población)
media aritmética demuestra. Como se ocupó una hoja electrónica, o más
bien, los datos originales se encuentran consignados en ella, entonces
directamente podemos encontrar los valores correspondientes a estas
medidas que hemos visto anteriormente. Simplemente se marca una celda
donde queremos que aparezca el resultado y escogemos la opción de
insertar función, luego se señala el tipo de función, en este caso será
“Estadísticas” y aceptamos esta opción, ante lo cual se despliega toda la lista
de funciones estadísticas que tiene el programa. Lo que no se debió haber
hecho fue aplicar medidas de tendencia central para datos no agrupados,
porque cuando la información has ido resumida en una tabla de distribución
de frecuencias, normalmente se pierde la información de cuáles fueron los
datos originales, en tales circunstancias es necesario conocer técnicas que
permitan determinar las medidas de tendencia central como la media
aritmética, la mediana y la moda, que representen al conjunto de datos que
fue categorizado. Y tampoco medidas de dispersión para datos no agrupados
ya que las medidas de tendencia central localizan generalmente a un valor
que se halla ubicado en el centro de la distribución, pero no informa sobre el
grado de dispersión o variabilidad del conjunto de datos. El análisis de los
resultados de estas medidas también permite comparar los grados de
dispersión entre dos o más distribuciones. En este caso se debería usar una
desviación estándar porque estas dos medidas de dispersión se basan en los
cuadrados de las desviaciones de los elementos con relación a la media
aritmética y podemos indicar que la varianza es la media aritmética de las
desviaciones cuadráticas con relación a la media aritmética general, mientras
que la desviación estándar constituye la raíz cuadrada positiva de la
varianza. La interpretación de la desviación estándar es la misma que se le
dio a la desviación media, es decir, proporciona el valor promedio de las
desviaciones de los elementos, con relación a la media aritmética; a pesar de
que los valores no son iguales. La interpretación para la varianza es más
compleja toda vez que las unidades están al cuadrado, sin embargo, es una
mediad Estas dos medidas de dispersión se basan en los cuadrados de las
desviaciones de los
elementosconrelaciónalamediaaritméticaypodemosindicarquelavarianzaesla
media aritmética de las desviaciones cuadráticas con relación a la media
aritmética general, mientras que la desviación estándar constituye la raíz
cuadrada positiva de la varianza. muy útil cuando se comparan estudios
estadísticos de la misma naturaleza. Las expresiones de cálculo que nos
permitirán determinar sus valores se pueden ver en las fórmulas de los
enunciados correspondientemente, como se puede observar en las fórmulas
de cálculo de la varianza y desviación estándar de muestra el denominador
es algo diferente a las expresiones de la población, ya que, al total de
elementos de la muestra, se descuenta una unidad, esto se realiza con el
objeto de que el estadístico sea un mejor estimador del parámetro. Las
expresiones anotadas anteriormente se basan en el concepto de estas
medidas, sin embargo, se utilizan operativamente otras expresiones
equivalentes que resultan de un manejo algebraico de las anteriores ya que
facilitan sustantivamente los cálculos. Entonces, si se confirma que no se
debería usar la desviación estándar de medidas de dispersión para datos no
agrupados, entonces ser debería usar la desviación estándar de medidas de
dispersión para datos agrupados porque los datos se encuentran
categorizados mediante distribuciones de frecuencia, será necesario que se
trabaje con la marca de clase de cada categoría y la frecuencia de clase
respectiva para poder calcular las medidas de dispersión, en especial, se
pondrá énfasis en la desviación estándar que al igual que en el cálculo de la
desviación estándar de datos no agrupados, podemos utilizar dos
procedimientos que responden al criterio conceptual el uno y a la forma
simplificada el otro. Se debe en primera instancia determinar la marca de
clase de cada categoría con el objeto de calcular las desviaciones de la
marca de clase con relación a la media aritmética, o los cuadrados de la
marca de clase. Que se debe realizar agrupando todos los datos dentro de
una tabla para poder calcular las respectivas marcas de clase, para luego
calcular la media aritmética de la distribución. Posteriormente se determinan
las desviaciones cuadráticas de las marcas de clase, que se las multiplica
por la frecuencia de clase. Después, Se calculan las marcas de clase, a
continuación, se determinan los cuadrados de estas marcas de clase. Luego
se establecen los productos entre las marcas de clase y las frecuencias y los
cuadrados de las marcas de clase por las frecuencias. Aplicando los
conceptos anteriores, se pueden descifrar todos los datos obtenidos en las
tablas anexadas que serán plasmadas en gráficos de la misma forma. Aquí
vemos el uso de tablas bivariadas que nos ayudan a agrupar los datos de
manera correlacional. Por ello, se ha podido obtener un resultado que indica
que Los factores de riesgo ocupacionales y estudio no contaron con un valor
significativo en la meta que se denomina regresión. Por último, no se
mencionan los niveles de medición que pudieron haber sido clasificados
como nominales porque, los valores obtenidos en las observaciones pueden
ser codificados mediante números, donde estos números no tienen valor
intrínseco, sino solo la de etiquetar; por lo tanto, no pueden ser ordenados o
medidos. Generalmente los datos que provienen de variables cualitativas son
representados en esta escala de medición.