Escolar Documentos
Profissional Documentos
Cultura Documentos
salud
Andr Choc
Farmacutico Epidemilogo
Contacto: panteisme@gmail.com
Resumen
La Estadstica y el rigor metodolgico deben guiar una investigacin en todo su desarrollo
para asegurar la coherencia investigativa; el desconocimiento y el uso incorrecto de las
herramientas estadsticas y metodolgicas se traduce en investigaciones con discutible
validez interna, reflejada en errores. En este artculo se revisan los elementos necesarios
para evitar errores metodolgicos y estadsticos en la fase del diseo de una investigacin
en el contexto de las ciencias de la salud. Se abordan los diferentes tpicos con un
enfoque crtico y haciendo uso de diversos ejemplos de investigaciones reales. Una vez
planteado correctamente un problema de investigacin debe elegirse el diseo que est
ms protegido de posibles sesgos; el muestreo debe asegurar la representatividad y
adecuacin en tamao de la muestra, as como la definicin precisa de criterios de
seleccin. Para aplicar una herramienta estadstica deben evaluarse: el tipo y escala de
las variables dependientes e independientes, la cantidad y grado de independencia de los
grupos de comparacin, el alcance y tipo de investigacin, entre otros.
Palabras clave: Bioestadstica, Epidemiologa, Diseo de Investigacin, Muestreo, Anlisis
de datos.
Abstract
Statistics and methodological rigor must guide the entire development of a research, to
ensure consistency in research process; the lack of knowledge and the incorrect us of
statistical and methodological tools results in research questionable internal validity,
reflected in errors. In this article, it reviews the necessary elements in order to avoid
methodological and statistical errors in the design phase of an investigation in the context
of the Health Sciences. Different topics are addressed with a critical approach, using
various examples of actual research. Once it has been raised successfully a research
problem, it must choose the design that is more protected from possible bias; sampling
must ensure the representativeness and adequacy of the sample size and the precise
definition of selection criteria. To apply a statistical tool should be assessed: the type and
scale of the dependent and independent variables, the amount and degree of
independence of the comparison groups, the scope and type of research, among others.
Keywords: Biostatistics, Epidemiology, Research Design, Sampling, Data Analysis.
Introduccin
La importancia de la Estadstica en la investigacin clnica y epidemiolgica radica en
proporcionar herramientas que conviertan las observaciones clnicas y de laboratorio en
aseveraciones cuantitativas sobre los efectos, y la magnitud de los mismos, que tiene una
o varias intervenciones sobre un grupo de paciente (Glantz, 2006). Sin embargo, se debe
garantizar que estas aseveraciones, como respuestas a preguntas de investigacin, sean
vlidas y precisas a travs de un diseo capaz de disminuir la probabilidad de errores que
conduzcan a una respuesta equivocada (Argimon Palls y Jimnez Villa, 2000). La
validez interna es el grado en que los resultados de una investigacin son correctos para
los participantes del estudio. Est determinada por la seleccin adecuada del diseo, la
recogida de datos y el anlisis, y amenazada por los errores sistemticos y la variacin
debida al azar (Fletcher, Fletcher y Wagner, 1998).
Este artculo tiene como objetivo exponer sistemticamente los elementos necesarios
para evitar errores metodolgicos y estadsticos que se presentan en la fase del diseo de
una investigacin.
En cada seccin se abordan las definiciones necesarias con un enfoque crtico, las cuales
se complementan con ejemplos aplicados a investigaciones en el campo de las ciencias
de la salud. Para desarrollar esta revisin se utilizaron textos que gozan de prestigio entre
investigadores y docentes de Latinoamrica y Estados Unidos; se consult en su mayora
publicaciones recientes: sin embargo, tambin debieron ser consultados otros textos
menos recientes, debido a que pueden considerarse como bsicos, por la importancia de
que gozan. Adems, se utilizaron como fuente de informacin algunos artculos de
revisin.
Como primer punto se tratar el tema del diseo del estudio, explicando la nomenclatura
bsica del tipo de investigacin y de diseos especficos utilizados en la investigacin
epidemiolgica, haciendo nfasis en que la idoneidad del diseo y del muestreo influye
directamente sobre la validez del estudio. A continuacin, se hablar sobre el diseo de
muestreo, dividiendo este tpico en dos subtemas: los mtodos de muestreo y el clculo
del tamao de muestra. Finalmente se discutirn los diferentes mtodos estadsticos
disponibles, agrupndolos en descriptivos, inferenciales, multivariantes y epidemiolgicos,
aunque debe quedar claro que actualmente hay otras modalidades y enfoques de anlisis
para investigaciones cuantitativas.
Contenido
Diseo del estudio
Las decisiones metodolgicas se orientan segn el problema de investigacin, a travs
del diseo, que consiste en la planificacin de las actividades para solucionar los
problemas o responder a las preguntas planteadas. Tanto en la investigacin cuantitativa
como en la cualitativa, para cada tipo de pregunta existe un diseo que resultar ms
apropiado (Hernndez vila, 2007; Ruiz y Morillo, 2004).
Jerarqua de la investigacin
Es prioritario indicar que existe una jerarqua en la investigacin, y que la mayor evidencia
metodolgica para aportar informacin slida en cuanto a la determinacin de la
asociacin entre variables dependientes e independientes, estar dada por los estudios
experimentales, seguida de los estudios analticos y finalmente los estudios
observacionales (Villa Romero, Moreno Altamirano y Garca de la Torre, 2012). En
general, cuanto ms se aleje de los estudios experimentales una investigacin, menos
proteger el diseo de investigacin frente a los posibles sesgos, y ms dbiles sern las
evidencias de la asociacin entre variables (Fletcher y otros, 1998). Con relacin a la
evidencia que sustenta la asociacin entre variables, las investigaciones se pueden
ordenar, de mayor a menor evidencia, segn la siguiente jerarqua: Experimentos
aleatorizados > cuasi experimentos > pre experimentos > estudio de cohortes prospectivo
> estudio de cohortes retrospectivo > estudio de casos y controles > estudio transversal
analtico.
Es frecuente encontrar que los objetivos que han sido enunciados en una investigacin no
podran ser alcanzados con el diseo propuesto: es prioritario distinguir entre el diseo
planteado en una investigacin y el diseo que realmente se utiliz segn los
procedimientos de diseo de muestreo, recoleccin, tabulacin y anlisis de datos
utilizados. Pues bien, si lo que realmente se hizo fue un estudio descriptivo, tomando en
cuenta que no se cont con un grupo control, aunque previamente se haya pensado en un
estudio transversal analtico, no se podr evaluar la asociacin entre una posible variable
respuesta y una variable independiente; si fuese el caso que s se realiz un estudio
transversal analtico entonces no se puede hablar de investigar factores de riesgo, porque
esto solo se puede realizar con un estudio de casos y controles, uno de cohortes o uno
experimental, mientras que lo que puede evaluarse en un estudio transversal analtico es
la asociacin estadstica puntual (transversal) entre dos variables, debido a la
simultaneidad de la medicin de la variable respuesta y la variable independiente (Altman,
1998; Ercan y otros, 2007; Strasak, Zaman, Pfeiffer, Gobel y Ulmer, 2007).
Sesgos
Diseo de muestreo
El diseo de muestreo es una etapa crtica de la planificacin de una investigacin, y
cuyas deficiencias repercutirn directamente en la validez de los resultados y en las
decisiones tomadas con base en los mismos (Bethlehem, 2009; Elorza, 2008), una
muestra que se ha seleccionado correctamente puede representar a la poblacin de la
que fue extrada, y por tanto, permitir que los resultados puedan extrapolarse a un
nmero mayor de personas (validez externa) (Ruiz y Morillo, 2004). En el diseo de
muestreo se tendr que especificar: a) la definicin de la poblacin en estudio, b) el
tamao de muestra o cantidad mnima de personas que se requieren estudiar, c) mtodo
para seleccionar la muestra y d) el marco de donde se seleccionar la muestra
(Bethlehem, 2009; Stopher, 2012; Velasco Rodrguez y otros, 2002). En la redaccin del
protocolo es necesario establecer con gran precisin los criterios de seleccin de los
sujetos que se incluirn en el estudio (Argimon Palls y Jimnez Villa, 2000; Ruiz y
Morillo, 2004).
Errores de muestreo
Los errores relacionados con la muestra y el proceso de muestreo ocurren cuando: a) la
muestra no es representativa: es decir, la muestra seleccionada no posee todas las
caractersticas importantes de la poblacin de la que se tom, incluyendo el nmero
suficiente de miembros de todos los subgrupos en los que se divide la poblacin de
origen; b) la muestra no es adecuada en tamao (Ercan y otros, 2007; Fletcher y otros,
1998; Stopher, 2012; Strasak y otros, 2007; Velasco Rodrguez y otros 2002).
Se discutirn ahora los errores que pueden afectar la representatividad y adecuacin de la
muestra a partir de sesgos de muestreo. El sesgo de muestreo puede ocurrir en las
siguientes ocasiones: a) las personas seleccionadas para el estudio no participan o no
responden total o parcialmente; b) en el estudio participan solamente voluntarios; tanto
para este caso como para el anterior, resulta prioritario preguntarse si los sujetos que no
respondieron difieren de manera crtica de los que s lo hicieron; adems, un muestreo de
pacientes voluntarios no es un muestreo aleatorio; c) tomar una muestra solo de personas
registradas; d) prdida de casos de corta duracin; e) sesgo estacional: algunas
enfermedades estarn influenciadas por la estacin del ao, por lo que estudiar su
frecuencia y factores asociados en diferentes estaciones dar diferentes resultados; f)
realizacin del muestreo solamente en reas accesibles; g) sustitucin de un miembro
conveniente por un miembro designado; h) eleccin deliberada o que busca una muestra
representativa (muestra de juicio, pues el investigador emplea su propio juicio para elegir
las unidades especficas); i) no comparabilidad de los grupos; por ejemplo, en un estudio
donde se compara la letalidad asociada a una enfermedad mictica sistmica en un grupo
de pacientes con VIH y otro de pacientes sin VIH, debera asegurarse que los grupos
fuesen comparables, para que factores como la edad avanzada y la presencia de
enfermedades crnicas no sesguen los resultados, pues estos factores son ms
frecuentes en los pacientes con VIH, y un aumento en la letalidad en este grupo podra
atribuirse errneamente al nico hecho de tener VIH (Argimon Palls y Jimnez Villa,
2000; Bethlehem, 2009; Loht, 2000; Scheaffer, Mendenhall y Ott, 1987; Stopher, 2012;
Velsco Rodrguez y otros, 2002).
Como podra deducirse de lo expuesto anteriormente, la existencia de marcos de
muestreo incompletos es una fuente importante de sesgo, como lo ser la total
inexistencia de los mismos o de los estratos (y su tamao) que conforman la muestra. Un
marco utilizable es aquel cuyos elementos coinciden con la poblacin de inters
(Bethlehem, 2009; Garca y otros, 2014).
Mtodos de muestreo
En este punto conviene hablar de la aleatorizacin y de los mtodos de muestreo. Una
muestra aleatoria es aquella donde cada individuo tiene la misma probabilidad de ser
seleccionado y una muestra probabilstica aquella en la que cada individuo tiene una
probabilidad conocida de ser seleccionado (Fletcher y otros, 1998). Los procedimientos
de aleatorizacin influyen positivamente en la posible y muy probable eleccin de una
muestra representativa; sin embargo, conviene indicar que tambin el azar puede
seleccionar (pero con poca probabilidad) una muestra no representativa de una poblacin
(Argimon Palls y Jimnez Villa, 2000; Velasco Rodrguez y otros, 2002). Los mtodos de
muestreo no probabilsticos podran estar sesgados, y por tanto, no necesariamente
representaran a la poblacin original. Estos mtodos son los ms usados en la
investigacin biomdica (Barton y Peat, 2014; Elorza, 2008; Fletcher y otros, 1998;
Pagano, 2013; Strasak y otros, 2007).
La construccin de un marco de muestreo utilizable depende del conocimiento de los
pacientes en su contexto, y por supuesto, de la definicin detallada y precisa de los
criterios de seleccin (Garca y otros, 2014). Por ejemplo, se realiza una investigacin en
pacientes jvenes con diabetes tipo II que asisten regularmente a una clnica de
seguimiento, donde se estudiar la funcin renal a travs de diversas pruebas clnicas y
paraclnicas, entre las cuales est contemplada la realizacin de una tomografa axial
computarizada (TAC) renal, y se elige utilizar un muestreo sistemtico con base en datos
histricos de la institucin. A travs del muestreo sistemtico, es posible que algunas
mujeres embarazadas sean seleccionadas, lo cual ser problemtico, pues en ellas est
contraindicada la TAC renal, y deber por tanto excluirlas y, en consecuencia, se
necesitar ms tiempo para alcanzar el tamao de muestra requerido, por no haberse
construido correctamente el marco de muestreo.
Adems, existen otros mtodos de muestreo que se utilizan cuando la poblacin de
referencia es muy grande y est dispersa. En estos casos frecuentemente se combinan
diferentes mtodos con el objeto de minimizar los costos o maximizar los resultados. En
el muestreo por etapas, se extraen muestras cada vez ms pequeas obtenidas de
muestras ms grandes en etapas sucesivas, hasta tener la representatividad de las
unidades de la poblacin que se desea estudiar. La muestra es fcil de seleccionar ya
que las unidades estn fsicamente unidas en grupos en lugar de estar diseminadas en la
poblacin (Argimon Palls y Jimnez Villa, 2000; Ruiz y Morillo, 2004; Velasco Rodrguez
y otros, 2002). Como ejemplo se plantea un estudio para determinar infeccin por Brucella
abortus en personas que trabajan en el ordeo de ganado bovino en fincas de una regin
costera. Se calcul una muestra para estudiar la prevalencia de la infeccin que result
en 217 individuos (tamao poblacional no especificado, prevalencia estimada a priori del
10%, error tipo I del 5% y error de muestreo del 4%). Las unidades de muestreo (fincas)
correspondieron a 78 fincas positivas a brucelosis, segn estadsticas del ministerio
correspondiente. Ya sea que la distribucin de la muestra en cada estrato se realice
proporcionalmente a su tamao o de manera uniforme, en promedio deberan estudiarse
3.19 individuos por finca si se decide estudiar cada finca: ello implica un gran reto logstico
para acudir a cada una de las fincas, pero de poca inversin pues la cantidad de personas
que deberan tomarse de cada finca es muy pequea lo cual repercute en la
representatividad y adecuacin de la muestra por cada unidad de muestreo.
Para el ejemplo anteriormente descrito, un muestreo polietpico podra sugerir la
seleccin de no todas las unidades de muestreo buscando informacin adicional para
reconocer conglomerados, por ejemplo, de tipo geogrfico, con capacidades tcnicas y de
tamao similar, ndice de higiene, nmero de casos detectados con anterioridad, etc. De
tal forma, si la muestra total se divide en un nmero menor de unidades de muestreo
posiblemente se planteen menores dificultades logsticas y muestras ms grandes en las
unidades de muestreo seleccionadas, que probablemente las representen mejor (Argimon
Palls y Jimnez Villa, 2000).
Estadstica inferencial
La estadstica inferencial se divide en dos grupos de procedimientos/enfoques: a) los
intervalos de confianza y b) las pruebas de hiptesis. En los primeros se evala el grado
de certeza con que los parmetros estn incluidos en un intervalo calculado a travs de
una muestra; en los segundos, se evala, segn los datos de la muestra, si hay suficiente
evidencia para rechazar una hiptesis nula de no efecto, no asociacin o no diferencia
segn grupos de comparacin o parejas de variables contrastadas (Altman, Machin,
Bryant y Gardner, 2000; Daniel y Chad, 2013; Elorza, 2008).
Las pruebas de hiptesis pueden clasificarse en dos grupos: a) las pruebas paramtricas:
que utilizan datos cuantitativos en las que suelen realizarse determinadas
presuposiciones sobre la distribucin de las variables en las poblaciones que estn
comparndose; b) las pruebas no paramtricas, menos potentes que sus equivalentes
paramtricas; aquellas donde la variable respuesta no posee una distribucin normal o
aquellas en las que no es posible determinar si se cumplen las asunciones (Argimon
Palls y Jimnez Villa, 2000; Blair y Taylor, 2008; Daniel y Chad, 2013; Johnson, Johnson
y Bhattacharyya, 2010; Moreno Altamirano, 2013; Pagano, 2013).
Entre las pruebas estadsticas paramtricas se pueden mencionar: a) la prueba de T de
Student y la prueba de Z, para contrastar una variable cuantitativa entre dos grupos
independientes; b) el anlisis de varianza (ANDEVA) y la prueba de Welch, para
contrastar una variable cuantitativa entre tres o ms grupos; c) la correlacin de Pearson,
para evaluar la magnitud de la asociacin entre dos variables cuantitativas continuas; d) la
regresin lineal, para predecir el valor medio de una variable cuantitativa a partir de una
variable independiente cuantitativa; e) las pruebas de comparaciones mltiples de Tukey,
Duncan y Dunnet, entre otras; f) la T para datos apareados; g) el anlisis de varianza de
medidas repetidas para variables relacionadas en ms de dos grupos (Barton y Peat,
2014; Blair y Taylor, 2008; Forthofer, Lee y Hernandez, 2007; Geoffrey y Streiner, 2014;
Glantz, 2006; Gonin, Fisher y Van Belle, 2004; Peacock y Peacock, 2011).
Dentro de las pruebas no paramtricas, estn: a) la prueba de signos para una muestra;
b) las pruebas de bondad de ajuste DAgostino-Pearson y de Kolmogorov-Smirnof para
evaluar la normalidad de un conjunto de datos cuantitativos; c) la prueba de las rachas
para evaluar aleatoriedad; d) la prueba binomial, para variables dicotmicas; e) las
pruebas de signos y de rangos signados de Wilcoxon para contrastar una variable
cuantitativa no paramtrica entre dos grupos relacionados; f) las pruebas de Mann-
Whitney y de la suma de rangos de Wilcoxon, para contrastar una variable cuantitativa no
paramtrica entre dos grupos independientes; g) las pruebas de la mediana y de Kruskall-
Wallis, para contrastar una variable cuantitativa no paramtrica en tres o ms grupos
independientes; h) las pruebas de Friedman y Cochran, para contrastar una variable
cuantitativa no paramtrica entre tres o ms grupos relacionados; i) la correlacin no
paramtrica de Spearman, para dos variables cuantitativas; j) la prueba de ji cuadrado de
tablas de contingencia, para asociar dos variables cualitativas independientes; y k) la
prueba de McNemar para asociar dos variables cualitativas dicotmicas relacionadas
(Blair y Taylor, 2008; Daniel y Chad, 2013; Forthofer y otros, 2007; Geoffrey y Streiner,
2014; Glantz, 2006; Gonin y otros, 2004; Kraska, 2014; Moreno Altamirano, 2013;
Sheskin, 2004; Siegel, 1970).
Conclusiones
Para una pregunta de investigacin correctamente planteada, existe un diseo de
investigacin idneo: la correcta aplicacin del mismo, proteger de posibles sesgos y, en
consecuencia, la validez del estudio no ser cuestionable.
Para evitar sesgos en el diseo, hay que tomar en cuenta tanto las ventajas y desventajas
de cada estudio, como la consideracin de que existe una jerarqua en el proceso de
investigacin que implica que mientras mayor evidencia se desee para evaluar la
asociacin entre variables, ms deber invertirse en los recursos utilizados.
Adicionalmente, la coherencia en el proceso de investigacin exige que, en cada paso, lo
realizado coincida con lo propuesto.
El muestreo influye tambin en la validez de la investigacin, pues se requiere que la
muestra sea representativa (mtodo de muestreo idneo) y de tamao adecuado.
Adems, se requiere de criterios de seleccin claros y completos.
El uso de mtodos de muestreo probabilsticos y la correcta eleccin del mtodo de
clculo de muestra son los elementos ms importantes para evitar sesgos en el proceso
de muestreo.
En la seleccin de pruebas estadsticas influyen diversos criterios como: el tipo y escala
de las variables dependientes e independientes, la cantidad y grado de independencia de
los grupos de comparacin, el alcance y tipo de investigacin, entre otros.
Los anlisis descriptivos deben hacerse siempre y sirven para describir la muestra o
estudiar el comportamiento de las variables de inters en esa muestra particular. Los
anlisis inferenciales se utilizan para generalizar los resultados obtenidos en la muestra a
la poblacin de la que esta se extrajo. Los mtodos multivariantes permiten el estudio
simultneo de las relaciones establecidas entre mltiples variables e individuos, la
reduccin del nmero de variables sin comprometer la informacin disponible, y
determinar el tamao del efecto ajustado en funcin de variables intervinientes. Los
anlisis epidemiolgicos se utilizan para describir la frecuencia de la enfermedad, evaluar
la asociacin entre variables, y el impacto de las intervenciones.
Referencias
Altman, D. (1998). Statical reviewing for medical journals. Statistics in Medicine, 17, 2661
2674.
Altman, D., Machin, D., Bryant, T., y Gardner, M. (2000). Statistics with Confidence (2
ed.). Reino Unido: British Medical Journal.
Argimon Pallas, J., y Jimnez Villa, J. (2000). Mtodos de investigacin clnica y
epidemiolgica (3 ed.). Madrid: Elsevier.
Baptist, J., Rhrig, B., Hommel, G., y Blettner, M. (2010). Choosing Statistical Tests.
Deutsches rzteblatt International, 107(19).
Barton, B., y Peat, J. (2014). Medical statistics: A guide to SPSS, data analysis and critical
appraisal (2 ed.). Reino Unido: BMJ Books.
Bethlehem, J. (2009). Applied survey methods: A statistical perspective. Nueva Jersey:
John Wiley & Sons, Inc.
Blair, C., y Taylor, R. (2008). Bioestadstica. Mxico: Pearson Educacin, S.A.
Bluman, A. (2009). Elementary Statistics: A step by step approach (7 ed.). Nueva York:
Mc Graw Hill.
Bonita, R., Beaglehole, R., y Kjellstrm, T. (2006). Basic Epidemiology (2 ed.). Ginebra:
World Health Organization.
Crdenas, M., y Arancibia, H. (2014). Potencia estadstica y clculo de tamao de efecto
en G*Power: Complementos a las pruebas de significacin estadstica y su
aplicacin en Psicologa. Salud Y Sociedad, 5(2), 210224.
Catena, A., Ramos, M., y Trujillo, H. (2003). Anlisis multivariado: Un manual para
investigadores. Madrid: Biblioteca Nueva.
Cobo, E., Muoz, P., y Gonzlez, J. (2007). Bioestadstica para no estadsticos: Bases
para interpretar artculos cientficos. Barcelona: Elsevier Masson.
Cumming, G. (2014). Understanding the new Statistics: Effect sizes, confidence intervals,
and meta-analysis. Nueva York: Routledge.
Daniel, W., y Chad, C. (2013). Biostatistics: A Foundation for Analysis in the Health
Sciences (2 ed.). Estados Unidos: John Wiley & Sons.
Datallo, P. (2008). Determining sample size: Balancing, power, precision and practicality.
Nueva York: Oxford University Press.
De Shea, L., y Toothaker, L. (2015). Introductory Statistics for the Health Sciences. Boca
Raton, Florida: CRC Press.
Elorza, H. (2008). Estadstica para las ciencias sociales, del comportamiento y de la salud
(3 ed.). Mxico, D.F.: Cengage Learning.
Ercan, I., Yazici, B., Yang, Y., Ozkaya, G., Cangur, S., Ediz, B., Y Kan, I. (2007). Misusage
of Statistics in Medical Reserch. Eur J. Gen Med, 4(3), 128134.
Fletcher, R., Fletcher, S., & Wagner, E. (1998). Epidemiologa Clnica: Aspectos
fundamentales (2 ed.). Barcelona: Masson.
Forthofer, R., Lee, E., & Hernandez, M. (2007). Biostatistics: A Guide to Design, Analysis
and Discovery. (2 ed.). Estados Unidos: Elsevier, Academic Press.
Fras, M., Pascual, J., y Garca, J. (2000). Tamao del efecto del tratamiento y
significacin Estadstica. Psicothema, 12(2), 236240.
Garca, J., Lpez, J., Jimnez, F., Ramrez, Y., Lino, L., & Reding, A. (2014). Metodologa
de la investigacin: Bioestadstica y bioinformtica en ciencias mdicas y de la salud
(2 ed.). Mxico, D.F.: Mc Graw Hill Education.
Geoffrey, N., y Streiner, D. (2014). Biostatistics: The Bare Essentials with SPSS (4 ed.).
Londres: PMPH-USA Limited.
Glantz, S. (2006). Bioestadstica (6 ed.). Mxico, D.F.: Mc Graw Hill.
Gmez, M., Danglot, C., y Vega, L. (2013). Cmo seleccionar una prueba estadstica
(Primera de dos partes). Revista Mexicana de Pediatra, 80, 3034.
Gonin, R., Fisher, L. D., y Van Belle, G. (2004). Biostatistics: A Methodology for the Health
Sciences. (2 ed.). Nueva York: Wiley.
Gordis, L. (2014). Epidemiology (5 ed.). Filadelfia: Elsevier Saunders.
Guyatt, G., Rennie, D., Meade, M., y Cook, D. (2008). Users guides to the medical
literature: Essential of evidence-based clinical practice (2 ed.). Estados Unidos: Mc
Graw-Hill Medical / JAMAevidence.
Hair, J., Anderson, R., Tatham, R., y Black, W. (1999). Anlisis Multivariante (5 ed.).
Madrid: Prentice Hall Iberia.
Hanif, A., y Ajmal, T. (2011). Statistical errors in medical journals: A critical appraisal.
Annals, 17(2).
Henquin, R. (2013). Epidemiologa y Estadstica para principiantes. Buenos Aires: Corpus.
Hernndez vila, M. (2007). Epidemiologa: Diseo y anlisis de estudios. Mxico, D.F.:
Editorial Mdica Panamericana.
Jaykaran. (2010). How to select appropriate statistical test? Journal of Pharmaceutical
Negative Results, 1(2), 61.
Johnson, D. (2000). Mtodos multivariados aplicados al anlisis de datos. Mxico, D.F.:
Thompson Editores.
Johnson, R., y Bhattacharyya, G. (2010). Statistics: principles and methods (6 ed.).
Estados Unidos: John Wiley & Sons, Inc.
Johnson, R., y Kuby, P. (2004). Estadstica elemental: lo esencial (3 ed.). Mxico, D.F.:
Thompson Learning.
Johnson, R., y Wichern, D. (2007). Applied multivariate statistical analysis (6 ed.). Nueva
Jersey: Pearson Education, Inc.
Juez, P., y Diez, F. (1997). Probabilidad y Estadstica en medicina. Madrid: Diaz de
Santos.
Kraska, M. (2014). Nonparametric Statistics for social and behavioral sciences. Boca
Raton, Florida: CRC Press.
Lang, T. (2004). Twenty statical errors even you can find in biomedical research articles.
Croatian Medical Journal, 45(4), 3702004.
Lohr, S. (2000). Muestreo: Diseo y anlisis. Mxico, D.F.: Thompson Editores.
Londoo, J. L. (2010). Metodologa de la investigacin epidemiolgica (4 ed.). Bogot: El
Manual Moderno.
Lwanga, S., y Lemeshow, S. (1991). Determinacin del tamao de las muestras en los
estudios sanitarios: Manual prctico. Ginebra: Organizacin Mundial de la Salud.
Moreno Altamirano, L. (2013). Epidemiologa clnica. Mxico, D.F.: Mc Graw Hill.
Pagano, M., & Gauvreau, K. (2001). Fundamentos de Bioestadstica (2 ed.). Mxico,
D.F.: Thompson Learning.
Pagano, R. (2013). Understanding Statistics in the behavioral sciences (2 ed.). California:
Wadsworth CENGACE Learning.
Peacock, J., y Peacock, P. (2011). Oxford handbook of medical statistics. Reino Unido:
Oxford University Press.
Pea, D. (2002). Anlisis multivariante de datos. Madrid: Mc Graw-Hill / Interamericana.
Prez, C. (2004). Tcnicas de anlisis multivariante de datos: Aplicaciones con SPSS.
Madrid: Pearson Educacin, S.A.
Pineda, E., y De Alvarado, E. L. (2008). Metodologa de la investigacin (3 ed.).
Washington, D.C.: Organizacin Panamericana de la Salud.
Prajapati, B., Dunne, M., y Armstrong, R. (2010). Sample size estimation and statistical
power analyses. Optometry Today, 50, 19.
Ruiz, A., y Morillo, L. (2004). Epidemiologa clnica: Investigacin clnica aplicada. Bogot:
Editorial Mdica Panamericana.
Scheaffer, R., Mendenhall, W., y Ott, L. (1987). Elementos de muestreo. Mxico, D.F.:
Grupo Editorial Iberoamrica.
Schroter, S., Nick, B., Evans, S., Goodlee, F., Osorio, L., y Richard, S. (2008). What errors
do peer reviewers detect, and does training improve their ability to detect them? JR
Soc Med, 101(19), 507514.
Sheskin, D. (2004). Handbook of parametric and nonparametric statistical procedures (3
ed.). Estados Unidos: Chapman & Hall/CRC.
Siegel, S. (1970). Estadstica no paramtrica: aplicada a las ciencias de la conducta.
Mxico, D.F.: Editorial Trillas.
Silva, L. (1997). Cultura estadstica e investigacin cientfica en el campo de la salud: Una
mirada crtica. Madrid: Diaz de Santos.
Stopher, P. (2012). Collecting, managing, and assesing data: Using sample surveys.
Nueva York: Cambridge University Press.
Strasak, A., Zaman, Q., Pfeiffer, K., Gobel, G., y Ulmer, H. (2007). Statistical errors in
medical research: A review of common pitfalls. Swiss Med WKLY, 137, 4449.
Szklo, M., y Nieto, J. (2003). Epidemiologa intermedia: Conceptos y aplicaciones. Madrid:
Diaz de Santos.
Velasco Rodrguez, V., Martnez Ordaz, V., Roiz Hernndez, J., Huazano Garca, F., y
Nieves Rentera, A. (2002). Muestreo y tamao de muestra: Una gua prctica para
personal de salud que realiza investigacin. Buenos Aires: e-libro.net.
Villa Romero, A., Moreno Altamirano, L., y Garca de la Torre, G. (2012). Epidemiologa y
Estadstica en salud pblica. Mxico, D.F.: Mc Graw Hill.