VARIABLES
Dr. Sixto Sánchez MPH
VARIABLES
• Concepto: Características que
representan un fenómeno que
estamos interesados en investigar.
• Ej. Peso, talla, edad, color de ojos,
etc.
• Estudios descriptivos: Se estudian variables
individualmente
• Estudios analíticos: Relación entre dos o mas
variables para evaluar asociaciones e inferir
relaciones causa-efecto. Variable independiente o
predictora Variable dependiente o resultado.
• Estudios experimentales: Variable intervención
(independiente) y variable resultado (dependiente).
• Variables confusoras: Variables que pueden
confundir la relación entre la variable
independiente y la dependiente, Ej: el tabaquismo
en la relación entre el uso de café o drogas
Cáncer de pulmón.
Relacion entre variables
(existe hipótesis: estudios experimentales, analíticos,
transversales)
• Independiente Dependiente
Intervinientes
(probables
Confusores)
Relacion entre variables
• Sedentarismo Obesidad
Edad, sexo, estado
En estudios
socioeconómico, descriptivos, no
considerar variables
genética, etc, etc independientes o
dependientes, solo son
TIPOS DE VARIABLES:
CUALITATIVAS: Variables no susceptibles de
ser cuantificadas. Ej: sexo (dicotomica), raza
(multicotomicas), grupo sanguíneo.
• Nominales: Sus categorías no tienen orden.
Ej. Tipo de sangre, tipo sanguíneo, estado
civil. (No podríamos encontrar medias)
• Sólo se puede realizar un conteo
(frecuencias). No es factible las operaciones
aritméticas
•Ordinales: Sus categorías tienen orden:
– Ej: Evolución: Mejor, igual, peor; estadio de una
enfermedad: I, II, III, IV;
– Dolor: No, leve, moderado, severo.
Las distancias entre las categorías no es la misma.
Pueden producir sesgos de medición pues su
categorización depende de subjetividad.
TIPOS DE VARIABLES:
• CUANTITATIVAS: Cuantificable en
una escala aritmética
– Continuas: Escala infinita de valores
dentro de un rango; Ej: Glicemia, peso,
etc
– Discretas: Escala finita de valores. Ej.
Cigarros fumados/dia, numero de
recurrencias de herpes por año.
ESCALA DE INTERVALO:
•Es una escala creada por el hombre.
•El cero es arbitrario o relativo o diferencial, es decir no indica ausencia de la propiedad .
– 0o no es ausencia de temperatura.
•Razones de medida de intervalo no tienen sentido. Ej. 80o no es el doble de calor que 40o.
•Diferentes intervalos tienen igual significado. Ej. Diferencia entre la To entre 30oC y 40o C es
la misma que entre 90o y 100o.
• Se pueden realizar operaciones aritméticas.(+ y -). Se puede encontrar medias y usar
prueba t.
Ejemplos:
Hora 00:00
Temperatura ambiental 0 ºC
El año en que vivimos 2003
Coeficiente intelectual
ESCALA DE RAZÓN:
•El cero es absoluto, indica ausencia de la propiedad.
•Las fracciones (razones) tienen sentido; 40 kg es el doble de 20 kg. Ej:
número de clientes.
•Tienen unidad de medida (cms, pulgadas). Se pueden realizar
operaciones aritméticas (+,-,x ,),
Ejemplos:
Peso
Distancia
Velocidad
Pacientes no atendidos hoy
Nº de hijos en edad de vacunación : 0
Procesos deficientes : 0
Tiempo de vuelo.
Ingresos económico
Nivel de plomo en sangre
TIPOS DE VARIABLES:
Desde el punto de vista de causa-efecto
• Independientes: Aquella que precede a
otra en un estudio analítico. Puede
manipularse en una investigación
experimental: tratamiento, programa
• Dependientes: Aquella que es afectada por
la variable independiente. Es la variable
resultado, el efecto.
Como medir variables?
• Medir cuantitativamente una variable es mejor que
cualitativamente (en categorías o rangos)
– Mejora el poder y disminuye el tamaño muestral.
– Ej. Presión arterial como cuantitativa en vez de categórica
(normal, alta).
• Esto permite cambiar los puntos de corte para
establecer nuevas categorías. Existen excepciones:
Ej: Bajo peso al nacer o no.
• Ante una variable ordinal, es mejor considerar
varias categorías para poderlas colapsar (ej: muy
bueno, bueno, regular, malo, muy malo: podemos
colapsarlo a bueno y no bueno)
OPERACIONALIZACION DE
VARIABLES: Es necesario conocer con mucho detalle
las variables del estudio, como se definirán y como se medirán
• Definición operacional de las variables.
– Cómo se va a categorizar?,
– Que indicador vamos a usar para
categorizarla?
– Que criterios de medición usaremos para
categorizarla.
• Las categorias de una variable deben ser
– Exhaustivas: Deben incluir todas las
respuestas posibles
– Excluyentes: Ningún participante debe poder
marcar dos o mas categorías
OPERACIONALIZACION DE
VARIABLES: Como medir las
variables
• Algunas variables no necesitan ser
operacionalizadas: Ej. Sexo, edad.
• Algunas variables son muy dificiles de
operacionalizar: Ej. Calidad de vida, dolor, estado
socioeconomico, grado de nerviosismo, grado de
comunicación con la pareja, autoestima, etc.:
• Pero es importante categorizarlas: Aumenta la
objetividad del conocimiento, reduce sesgos y
provee de medios para comunicarnos.
Ejemplo de Operacionalización:
Variable Tipo Indicador Medio de Categorías Medición de las
verificación categorías
Anemia Cualitativa Hb sanguínea Historia clínica Leve Hb: 9-11 grs
categórica Moderada Hb: 7 –8.9
ordinal Severa Hb: < 7.0
Nivel socio- Cualitativa Ingreso total fam Ficha de Bajo 200-300 $.
económico categórica mensual/ evaluación de las Mediano 301-500 $
ordinal N° personas que asistentas Alto 501- mas
viven en el hogar sociales
Cefalea Cuantitativa Escala del dolor Tarjeta marcada 1 al 10
discreta por el entrevistado
Depresión Cualitativa Test de depresión Ficha de Moderada a Puntaje: 10 o más
PHQ-9 recolección de severa
datos
Mínima o leve 9 o menos
Glicemia Cuantitativa Glucosa basal en Resutlados de
continua de sangre examenes auxiliares
razón de la Historia
Clínica
Grupo Cualitativa Examen de sangre Historia clínica A
sanguíneo categorica B
nominal AB
O
Problemas con la categorización de
variables cuantitativas:
Ej. Pensemos en una variable cuantitativa en
investigación social: Una escala de autoestima
El investigador que desarrollen tal instrumento
tienen que hacer incontables juicios para
construir tal escala.
– Como definir autoestima?
– Como distinguirla de otros conceptos relacionados?
– Qué palabras usar para establecer los parámetros
que usaremos para medirla usando esa escala
– Como estar seguros que estos parámetros serán
entendibles para los participantes
– Que tipo de problemas culturales y linguisticos
existirá para construir las preguntas parámetros?
Problemas con la categorización de
variables cuantitativas (cont):
Cuando el investigador aplica la escala se pregunta:
– Cuan bien la escala mide el concepto que se intenta
estudiar
– Cuan confiable y consistente es la escala
– Cuan apropiada es la escala para el contexto de la
investigación y los potenciales participantes
Los participantes hacen muchos juicios cuando llenan la
escala
– Cómo entienden algunos terminos y frases
– Por que el investigador les está haciendo tales preguntas?
– Cuanta energia y esfuerzo ellos tienen que gastar para
completar la escala
Problemas con la categorización de
variables cuantitativas (cont):
Aun los lectores de la investigación harán
muchos juicios acerca de la medición de
autoestima y si es apropiada en el
contexto del estudio.
ENTONCES LA MEDIDA CUANTITATIVA
APARENTEMENTE SIMPLE PRODUCE
MUCHOS JUICIOS CUALITATIVOS EN LOS
DIFERENTES ACTORES DE UN ESTUDIO
• Variables deben deben representar fenómeno de
interés consistentemente y validamente.
Ej:
• Cuan bien representa el insomnio a la depresión
• Cuan bien mide la glicemia basal la respuesta al
tratamiento antiglicemiante?
• Cuan bien representa el uso de anticonceptivos la
buena o mala relación de pareja?
Variables deben ser
consistentes (precisas)
• Grado en que la variable tiene el mismo o parecido valor cada vez
que es medida).
• Ej. Peso es mas consistente (preciso) al medir que el nivel de
relación de pareja que puede variar de una ocasión a otra.
• A mayor consistencia: mayor poder para probar la hipótesis.
Causas de inconsistencia (inprecision):
• Variabilidad interobservador (diferente uso de palabras en la
entrevista o instrumento),
• Variabilidad del sujeto estudiado (circunstancias, ritmo circadiano,
etc),
• Variabilidad del instrumento (Factores ambientales o ruidos
externos).
Variables deben ser
consistentes (precisas)
Como valorar la consistencia (precision):
• Desviación standard,
• Coeficiente de variación (D.E./media),
• Grado de consistencia de las mediciones,
• Coeficiente de correlación,
• Kappa.
– La medición de estos los dos últimos tests se hace de
tres formas:
• Concordancia entre medidas repetidas de una muestra de
sujetos,
• Concordancia entre dos variables que miden la misma
característica,
• Mediciones repetidas por el mismo sujeto y medidas
repetidas por diferentes sujetos.
• Estrategias para mejorar la consisstencia
(precisión):
– Estandarizar los métodos de medición mediante
definiciones operacionales de las variables,
– Preguntas claras y completas,
– Entrenamiento de los entrevistadores
especialmente si son varios,
– Evitar ambigüedades en preguntas,
– Repetir las mediciones.
El esfuerzo desarrollado en estas estrategias
dependerá de los costos y de la importancia de la
variable.
Variables deben ser validas
(exactas)
• Grado en que la variable representa lo que se
busca que represente.
• Ej. un valor de Hb. post hemorragia no refleja
anemia: es consistente (precisa) pero no
valida (exacta).
• Validez (exactitud) es alterada por errores
sistemáticos o sesgos.
Variables deben ser validas
(exactas)
Tres principales tipos de errores de medida:
• Sesgos del observador (el investigador busca lo que cree debe
encontrar: Ej historia de tabaquismo en un paciente con
cáncer),
• Sesgos del observado (el sujeto cree ya sentirse bien
subjetivamente o no recuerda algún hecho, y
• Sesgos de instrumentos (ej. un instrumento no bien calibrado
y de valores no reales o un cuestionario en que las preguntas
sean sugerentes de la respuesta)
Cómo valorar la validez (exactitud)?:
• Comparar con técnicas de referencia cuya validez (exactitud)
es conocida.
Variables deben ser validas
(exactas)
Estrategias para mejorar la validez (exactitud):
• Aparte de algunas de las estrategias para mejorar
consistencia (precisión):
• Tratar de evitar que los sujetos sepan métodos de
evaluación de características,
• Técnicas de simple o doble ciego, y
• Calibración de instrumentos de medición.
Consistente (Precisa), no
valida (no exacta)
5% 10%
No consistente (precisa), no
valida (no exacta)
5% 10%
Consistente (exacta) y
valida (precisa)
5% 10%
