1. OPERACIONALIZACIN DE CONCEPTOS. DEFINICIONES TERICAS Y OPERATIVAS. EL PROCESO DE OPERACIONALIZACIN. CRITERIOS DE CALIDAD DE LAS DEFINICIONES OPERATIVAS.

La operacionalizacin de conceptos es el proceso que va de la definicin de un concepto al instrumento de medida. El concepto es una categora, una abstraccin que se define a travs de la alusin a otros conceptos, un concepto se define a partir de otros conceptos. El grado de precisin de la definicin de un concepto, va a depender de los conceptos que se utilizan en su definicin. Como un concepto se define a partir de otros, segn las relaciones que tengan entre ellos, de la teora de los otros conceptos, depender la precisin de un concepto, por ello cuanto mayor es el desarrollo de la teora mayor ser la precisin en los conceptos. Los conceptos no se pueden medir directamente, se miden las definiciones operativas de ese concepto, por ello los conceptos requieren operacionalizacin. Los conceptos que se manejan en enfermera son vagamente definidos. Concepto ---- Facetas ---- Dimensiones ---- Indicadores de definiciones operativas. El Concepto se puede situar en una escala en arreglo a su complejidad y esto depende de las facetas que contenga. FACETAS O FACTORES DE UN CONCEPTO: son los diferentes aspectos que componen un concepto, organizados y en estrecha relacin entre ellos. No todos contribuyen de la misma forma ni en el mismo grado. Ejemplo: Satisfaccin - trato. Facetas que lo componen: informacin, pericia, continuidad cuidados, organizacin de los cuidados, etc.. DIMENSIONES: miden los aspectos o facetas, es lo medible dentro del concepto. Ejemplo: se mide la frecuencia, la intensidad, el ritmo, el ciclo, etc. INDICADORES: son las caractersticas observables. Es traducir un concepto en valoracin numrica. Ejemplo: la risa, el llanto, la agitacin, ... Los hay mejores y peores, para valorarlo hay que tener en cuenta ver un conjunto de criterios: Fiabilidad. Simplicidad. Validez. 2. INTRODUCCIN A LA MEDICIN. MEDICIN E INVESTIGACIN CIENTFICA. TEORA DE LA MEDIDA. ESCALAS DE MEDIDA. MEDICIN Y ESTADSTICA. Medir es contar, comparar una unidad con otra, dar una valoracin numrica, asignar un valor, asignar nmeros a los objetos. Todo lo que existe est en una cierta cantidad y se puede medir. Estos no se asignan de forma arbitraria sino que se rigen por ciertas reglas, se establece un sistema emprico y ste da lugar a un sistema formal. Mientras se guarde la relacin formal el sistema numrico representa adecuadamente al sistema formal. La medicin nos permite alejarnos de la realidad para formarla a partir de nmeros. Las propiedades del sistema numrico y del sistema emprico han de ser iguales. El sistema formal, tiene que reunir dos criterios: Igualdad. Formal. CLASIFICACIN DE LAS ESCALAS DE MEDIDA. La ms simple es la NOMINAL, en ella la operacin emprica bsica se establece por la determinacin de igual y el sistema formal por la correlacin de los nmeros. Ejemplo: los nmeros de clase, los nmeros de los futbolistas, etc.(1, 2, 3, 4, 5, ...) En un aspecto ms importante de escala, tenemos la escala ORDINAL en ella la operacin emprica que se lleva a cabo es la determinacin de mayor o menor respecto a otro. Ejemplo: el sistema emprico,

nos dice que en las personas difiere el grado de dolor, ms o menos dolor. Habr que crear un sistema formal que recoja este hecho utilizando el termino mayor o menor (X = Y; X< Y, X> Y) Ms compleja la ESCALA DE INTERVALO O DE DISTANCIA, se utiliza cuando se determina la igualdad de intervalo entre los puntos, se precisa el orden jerrquico en funcin de un atributo. Ejemplo: medicin de la temperatura: El agua se congela a 0C y hierve a 100C. En un nivel todava ms completo tenemos la ESCALA DE RAZN, se utiliza cuando se determina la igualdad de razones. En la misma debe haber igual distancia entre los grados sucesivos, supone un cero racional, suministra informacin sobre el orden jerrquico segn un atributo, a los intervalos entre ellos y la magnitud absoluta a cada objeto (-30, -15, 0, 15, 30) ESCALA DE MEDIDA. CONDICIN ENTRE SISTEMAS. Nominal. Determinacin de igualdad. Ordinal. Determinacin de mayor a menor. Intervalo. Determinacin de igualdad entre intervalos. Razn. Determinacin de la igualdad de razn. Tambin y en un plano ms sencillo se pueden diferenciar las siguientes escalas de medida: CUALITATIVAS: * Nominales y * Ordinales. CUANTITATIVAS: * Intervalo y * Razn. 3. MEDICIN DE RESULTADOS. CARACTERSTICAS. CLASIFICACIN. FUENTES. La Variable independiente es la Variable de resultado. Debemos contrastar nuestras intervenciones en trminos de variables de resultado que sean relevantes para el paciente, la sociedad y el sistema sanitario. Las variables de resultado ms clsicas son: enfermedad o alteracin, vida o muerte, intervencin, tasa de episodio, duracin del tratamiento, ... se convierten en ndices objetivos que nos suministran informacin sobre el programa o la accin que se ha llevado o se est llevando a cabo. Las variables de resultado ms importantes en enfermera segn Lang y Marck (1990), son: Fisiolgico. Psicosocial. Estado funcional. CLASIFICACIN DE MEDIDAS DE RESULTADOS: 1. Cantidad de vida: Mortalidad. Morbilidad. 2. Calidad de vida: Fsica: Estatus funcional, dolor, actividades de la vida diaria (ndice de Barthell), control de sistemas y fisiolgicos (Ulceras, T.A., glucosa. ....) Psicolgica: depresin, ansiedad. Social: ajuste social, apoyo social. ndices multidimensionales. 3. Satisfaccin. 4. Otras: conocimiento, informacin, ... Los descriptores que aluden a las variables de resultado son: Patient out come. Health out come. CARACTERSTICAS DE LAS MEDIDAS DE RESULTADO. Fiable. Vlido.

 Sensible al cambio. Aceptable para el paciente. Costo-eficacia para el administrador. Especifico a la intervencin: *Intervenciones especificas. *Intervenciones multidisciplinares. De todos los instrumentos existentes solo una pequea proporcin ha sido rigurosa, evaluada y an menos en la medicin de resultados de la practica de enfermera. 4. FUENTES DE ERROR EN LA MEDICIN. NORMALIDAD Y ANORMALIDAD. FUENTES DE VARIACIN. ERROR ALEATORIO. ERROR SISTEMTICO. Una forma de medicin es tomar como referencia la curva normal, la campana de Gauss. Nuestras mediciones se encontrarn en algn lugar de la curva; si los resultados se encuentran muy alejados hablaremos de anormalidad. Es vlido que como punto de corte de normalidad se considere el valor de dos desviaciones tpicas (dt) consecutivas. Segn este criterio estadstico, la distribucin de lo normal y anormal es constante para cualquier variable. En la realidad muchas variables no se distribuyen con arreglo a esta curva, de forma constante el 95 % de la poblacin es normal, ejemplo: T.A. 5% anormal y 95 % normal. El problema de aplicar este criterio es que determina que la normalidad es uniforme, se asume que todas las variables son uniformes, no es un buen modelo, ni siquiera como modelo estadstico, es ms aplicable para variables bioqumicas y fisiolgicas. Existen formas de medicin ms robustas que sta, cuando hablamos de rango de normalidad no se habla de la curva normal sino que se est determinando la proporcin de personas que estn dentro del percentil 97,5 (normalidad) y 2,5 (anormalidad). Los percentiles no dependen de la forma concreta de la distribucin, son independientes del hecho de que la curva sea de distribucin normal o no. Este criterio tambin es estadstico y se emplea cuando no se tienen otros criterios. Otros formas alternativas de determinar la normalidad o la anormalidad son: 1.- ESTADISTICA: que el valor se asocie a una enfermedad. Conocer bien un fenmeno es ponerlo en relacin con otro fenmeno. Ejemplo: asociacin entre el valor de la T.A. y el A.C.V.A. 2.- DIAGNOSTICA: aquella que asocia lo normal y lo anormal con lo tratable o mejorable. Tiene vinculacin con el tratamiento. 3.- INTERVENCIN - TRATAMIENTO: como consecuencia de una intervencin se produce una mejora. Asocian lo normal o anormal con lo susceptible de mejorar, vinculacin con el tratamiento. FUENTES DE VARIACIN EN LAS MEDICIONES. Cuando tenemos un conjunto de mediciones las variaciones se deben frecuentemente a dos motivos: 1. A la variacin del fenmeno en s. El fenmeno varia en relacin a los dems fenmenos y en relacin a si mismo: entre e intra, son las variaciones biolgicas. 2. Al error producido en la medicin del fenmeno: el error es debido al observador, al instrumento utilizado o a la situacin donde se efecta la medicin. TIPOS DE ERRORES DE MEDICIN. El tipo de error cometido puede ser: 1. Aleatorio. 2. Sistemtico. 1.- ALEATORIO: es el producido por el sistema de realizacin de la medicin. Ejemplo: al pesar un cuerpo. Es el producido por el mecanismo de la pesada, por el sistema de realizacin de las pesadas, es un error constante, que est presente en todas y cada una de las pesadas que se efecten. Su valor no afecta al valor real ni al promedio. Se representa mediante la letra r.

2.- SISTEMTICO: en el ejemplo de la pesada, es el producido por la medicin de cada una de las pesadas, no es constante, es el error de redondeo que se lleva a cabo en cada una de las pesadas que se efectan. Es el llamado sesgo y se escribe b (bias). Los dos tipos de errores pueden darse conjuntamente. Es muy importante conocer la cantidad de error que se est cometiendo. A MAYOR NMERO DE OBSERVACIONES CONTROLAMOS EL ERROR DEL AZAR (ALEATORIO), PERO NO EL SESGO (ERROR SISTEMTICO). ESTRATEGIAS PARA REDUCIR EL ERROR ALEATORIO. Estandarizar los mtodos de medicin en el manual de operaciones. Adiestramiento y acreditacin del observador. Refinamiento del instrumento de medida. Automatizacin del instrumento. Repeticin de la medicin. ESTRATEGIAS PARA REDUCIR EL ERROR SISTEMTICO. Estudios de doble ciego, para controlar las expectativas. Realizacin de medidas ocultas. Ocultacin de resultados. Calibracin del instrumento. 5. TEORA DEL ERROR DE MEDICIN. UN MODELO DE ERROR DE MEDIDA. SUPUESTOS DEL MODELO. VARIACIONES DEL MODELO. Se refiere al error aleatorio. El error de medida es medido de forma distinta segn las diferentes disciplinas, en enfermera la naturaleza de sus variables es muy grande, por eso hay que hacer uno de diferentes modelos (biomtrico, psicomtrico, sociomtrico,...), se utiliza sobre todo la psicometra que da cuenta del error aleatorio de medida pero no del sistemtico. La llamada teora clsica dice: la puntuacin observada es igual a la puntuacin verdadera ms el error. X = V + E (error aleatorio) Para que fuera completa debera aadir el sesgo, pero este modelo no lo trata. Esta teora tiene 3 supuestos: 1.La puntuacin es la esperanza matemtica de la puntuacin observada. La puntuacin verdadera es la media de mltiples mediciones realizadas (V = E x ). Cuantas ms observaciones tenemos, ms prximos estamos a una puntuacin libre de error aleatorio. 2.La correlacin (R = relacin estadstica) entre los errores de medida es igual a 0 (R = E . ej = 0). El error se distribuye a lo largo de todas las mediciones, la cantidad de error se distribuye entre cada una de las mediciones. 3.El error se distribuye de forma homognea a lo largo de todas las puntuaciones. (R = 0). COMO ESTABLECER LOS NIVELES DE CONFIANZA Y PORCENTAJE DE ERROR NIVELES DE CONFIANZA La confianza o el porcentaje de confianza es el porcentaje de seguridad que existe para generalizar los resultados obtenidos. Esto quiere decir que un porcentaje del 100% equivale a decir que no existe ninguna duda para generalizar tales resultados, pero tambin implica estudiar a la totalidad de los casos de la poblacin. Para evitar un costo muy alto para el estudio o debido a que en ocasiones llega a ser prcticamente imposible el estudio de todos los casos, entonces se busca un porcentaje de confianza menor.

Comnmente en las investigaciones sociales se busca un 95%.. Probabilidad de que la estimacin efectuada se ajuste a la realidad. Cualquier informacin que queremos recoger est distribuida segn una ley de probabilidad (Gauss o Student), as llamamos nivel de confianza a la probabilidad de que el intervalo construido en torno a un estadstico capte el verdadero valor del parmetro. Tambin hay que tomar en cuenta que el nivel de confianza no es ni un porcentaje, ni la proporcin que le correspondera, a pesar de que se expresa en trminos de porcentajes. El nivel de confianza se obtiene a partir de la distribucin normal estndar, pues la proporcin correspondiente al porcentaje de confianza es el rea simtrica bajo la curva normal que se toma como la confianza, y la intencin es buscar el valor Z de la variable aleatoria que corresponda a tal rea. Por ejemplo: Si se quiere un porcentaje de confianza del 95%, entonces hay que considerar la proporcin correspondiente, que es 0.95. Lo que se buscara en seguida es el valor Z para la variable aleatoria z tal que el rea simtrica bajo la curva normal desde -Z hasta Z sea igual a 0.95, es decir, P(-Z<z<Z)=0.95. Utilizando las tablas, o la funcin DISTR.NORM.ESTAND.INV() del Excel, se puede calcular el valor de Z, que sera 1.96 (con una aproximacin a dos decimales). Esto quiere decir que P(1.96<z<1.96)=0.95. ERROR O PORCENTAJE DE ERROR El error o porcentaje de error equivale a elegir una probabilidad de aceptar una hiptesis que sea falsa como si fuera verdadera, o la inversa: rechazar a hiptesis verdadera por considerarla falsa. Al igual que en el caso de la confianza, si se quiere eliminar el riesgo del error y considerarlo como 0%, entonces la muestra es del mismo tamao que la poblacin, por lo que conviene correr un cierto riesgo de equivocarse. Comnmente se aceptan entre el 4% y el 6% como error, tomando en cuenta de que no son complementarios la confianza y el error. . Cualquiera sea el procedimiento utilizado y la perfeccin del mtodo empleado, la muestra diferir de la poblacin. A esta diferencia se la denomina error de muestreo. Cuando una muestra es aleatoria o probabilstica, es posible calcular sobre ella el error muestral. Este error indica el porcentaje de incertidumbre, es decir, el riesgo que se corre de que la muestra elegida no sea representativa. Si trabajamos con un error calculado en 5%, ello significa que existe un 95% de probabilidades de que el conjunto muestral represente adecuadamente al universo del cual ha sido extrado. A medida que incrementamos el tamao de la muestra, el error muestral tiende a reducirse, pues la muestra va acercndose ms al tamao del universo. Del mismo modo, para una muestra determinada, su error ser menor cuanto ms pequeo sea el universo a partir del cual se la ha seleccionado. As, para un universo de 10.000 casos, una muestra de 200 unidades tendr un error mayor que una de 300; una muestra de 200 casos, por otra parte, tendr un error mayor si el universo tiene 10.000 unidades que si ste posee solamente 2.000.

Para fijar el tamao de la muestra adecuado a cada investigacin, es preciso primero determinar el porcentaje de error que estamos dispuestos a admitir. Una vez hecho esto, debern realizarse las operaciones estadsticas correspondientes para poder calcular el tamao de la muestra que nos permite situarnos dentro del margen de error aceptado. A veces, sin embargo, el tamao de la muestra queda determinado previamente por consideraciones prcticas; en tales casos, no hay otra alternativa que aceptar el nivel de error que su magnitud acarree Debemos advertir a los principiantes que el error muestral nunca debe calcularse como un porcentaje del tamao de la muestra respecto al del universo. La variacin de los errores al modificarse estas cantidades se da proporcionalmente, pero no de acuerdo a ecuaciones lineales. Para ello es preciso calcular, en cada caso, el error que podamos cometer, o porcentaje de riesgo, de acuerdo a los datos concretos disponibles y segn ciertas ecuaciones bien conocidas en estadstica La variabilidad es la probabilidad (o porcentaje) con el que se acept y se rechaz la hiptesis que se quiere investigar en alguna investigacin anterior o en un ensayo previo a la investigacin actual. El porcentaje con que se acept tal hiptesis se denomina variabilidad positiva y se denota por p, y el porcentaje con el que se rechaz se la hiptesis es la variabilidad negativa, denotada por q. Hay que considerar que p y q son complementarios, es decir, que su suma es igual a la unidad: p+q=1. Adems, cuando se habla de la mxima variabilidad, en el caso de no existir antecedentes sobre la investigacin (no hay otras o no se pudo aplicar una prueba previa), entonces los valores de variabilidad es p=q=0.5. Una vez que se han determinado estos tres factores, entonces se puede calcular el tamao de la muestra como a continuacin se expone. Hablando de una poblacin de alrededor de 10,000 casos, o mnimamente esa cantidad, podemos pensar en la manera de calcular el tamao de la muestra a travs de las siguientes frmulas. Hay que mencionar que estas frmulas se pueden aplicar de manera aceptable pensando en instrumentos que no incluyan preguntas abiertas y que sean un total de alrededor de 30. Por ejemplo: En el Colegio de Bachilleres, una institucin de nivel medio superior, se desea realizar una investigacin sobre los alumnos inscritos en primer y segundo aos, para lo cual se aplicar un cuestionario de manera aleatoria a una muestra, pues los recursos econmicos y el tiempo para procesar la informacin resultara insuficiente en el caso de aplicrsele a la poblacin estudiantil completa. En primera instancia, suponiendo que no se conoce el tamao exacto de la poblacin, pero con la seguridad de que sta se encuentra cerca a los diez millares, se aplicar la primera frmula. Se considerar una confianza del 95%, un porcentaje de error del 5% y la mxima variabilidad por no existir antecedentes en la institucin sobre la investigacin y porque no se puede aplicar una prueba previa. Primero habr que obtener el valor de Z de tal forma que la confianza sea del 95%, es decir, buscar un valor de Z tal que P(-Z<z<Z)=0.95. Utilizando las tablas o las funciones de Excel se pueden obtener, o viendo (en este caso) el ejemplo anterior, resulta que Z=1.96.

De esta manera se realiza la sustitucin y se obtiene: Esto quiere decir que el tamao de la muestra es de 385 alumnos. Todas las mediciones se caracterizan por la mayor o menor presencia de dos atributos: (a) confianza (o qu tan confiable es la medicin) y (b) validez (o qu tan vlida es una medicin). Una medicin es confiable si podemos esperar en forma razonable que los resultados de dicha medicin sean sistemticamente precisos. Esto requiere que el instrumento usado para realizar la medicin (como por ejemplo una prueba o examen a estudiantes) sea confiable. Por ejemplo, una pistola es por completo confiable si siempre da en el blanco al ser apuntada exactamente en la misma direccin. En otras palabras, si la bala que dispara siempre da en el punto al cual se apunta la pistola. O sea, que si la pistola no da en el blanco es porque la persona que la dispar fall, o sea, no apunt correctamente. Una medicin es vlida si mide lo que en realidad trata de medir. Por ejemplo, una prueba de matemtica no es vlida para medir el rendimiento de alfabetizacin de los estudiantes. Tampoco sera vlida una prueba culturalmente sesgada. En el caso de la pistola, si sta no es apuntada en la direccin del blanco, sino que fuera de l, simplemente jams dar en el blanco, por muy confiable que sea. El problema de la validez, entonces, consiste asegurarnos de que estamos midiendo lo que deseamos medir o, de acuerdo con nuestro ejemplo, que estamos apuntando en la direccin correcta. El problema de la confiabilidad, en cambio, se resuelve utilizando un instrumento preciso (una pistola en perfecto estado). Observe que la confiabilidad es una condicin necesaria, pero no suficiente para la validez. As, para tener confianza de que vamos a dar en el blanco necesitamos una pistola en perfecto estado, pero esto no es suficiente: adems necesitamos apuntar al blanco y no fuera de l. Podemos medir con precisin, pero si medimos el objeto incorrecto, la informacin obtenida no ser vlida para describir o explicar la poblacin. Con sus propias palabras, explique los conceptos de confianza y validez de una medicin.