1 INTRODUCCIÓN

Desde hace poco más de dos siglos, la investigación científica representa la forma más segura de aproximarse al conocimiento acerca de un determinado fenómeno de la realidad. Este conocimiento debe ser válido y confiable. Sin embargo, determinados aspectos críticos de una investigación pueden vulnerar alguna de estas características. Uno de estos aspectos es el manejo (obtención, procesamiento y análisis) de los datos; por ese motivo, en muchas universidades, los formatos de protocolo de investigación incluyen un acápite en el capítulo -de planteamiento operacional o materiales

y métodos- que se refiere a la estrategia del análisis de datos.1 En relación con este punto en particular, existe mucha bibliografía acerca del uso y manejo de pruebas estadísticas; sin embargo, hay poca literatura acerca de la técnica más adecuada para crear una buena base de datos.1, 2 Consideran- do que se trata de una fase previa al análisis estadístico, es necesario que se realice adecuadamente y que se conozca la forma óptima para su codificación y su organización, con la finalidad de poder controlar la calidad de los datos y tratar de prevenir los sesgos por ingreso incorrecto de los mismos.3

El presente es el primero de tres artículos de contribu- ción didáctica docente, que abordarán el tema del análisis de datos. Para ello, recapitularemos primero todas las etapas del proceso de investigación y explicaremos a continuación la fase pertinente a la construcción de las bases de datos, con la finalidad de ubicar en el contexto este tema tan importante para el desarrollo de un trabajo científico.

2LA BASE DE DATOS EN EL CONTEXTO DE UNA INVESTIGACIÓN CIENTÍFICA

La secuencia de pasos correctos y sistematizados, para crear una base de datos, está basada en un sistema estruc- turado para lograr resultados y conclusiones válidas, que aporten credibilidad al trabajo realizado. Esta secuencia está compuesta por cuatro pasos2–4(Figura 15,6) :

2.1FORMULACIÓN DE LA PREGUNTA DE INVESTI- GACIÓN

Una pregunta de investigación debe ser formulada de forma precisa8 y clara de tal manera que no exista confu- sión con respecto a la respuesta esperada.9 Esta pregunta nace de una interrogante que se plantea al identificar un vacío de información ("brecha en el conocimiento") o un problema en una determinada área.1, 9 La interrogante formulada debe tener en consideración si la respuesta a la misma aportará nueva información.10

La pregunta de investigación debe ser:11

Concisa: utilizar lenguaje claro con frases cortas y di- rectas

Viable: el estudio y la recolección de datos debe ser posible.

Relevante: la investigación debe ser importante desde el punto de vista teórico, científico y social.

Ética: si la investigación es en seres vivos, deben respe-

tarse los principios bioéticos.

2.2 DISEÑO DEL ESTUDIO

2.2.1 Diseño Conceptual

Se encuentra representado en la Figura 1.

2.3 ÁMBITO

Para empezar el diseño conceptual de un estudio es necesario conocer el ámbito en que se desarrollará el mismo, es decir, el espacio en el que se efectuará el estudio.12, 13 En relación con este aspecto se pueden diferenciar los estudios experimentales y los observacionales.14

Los primeros se centran en intervenir sobre el sujeto de investigación,15 es decir, el investigador manipula o controla las condiciones de la investigación; los segundos se realizan sin intervención alguna de parte del investigador, quien actúa como un observador de la realidad, limitándose a medir y analizar las variables definidas en el estudio.6 Este tipo de estudios se clasifican, a su vez, en descriptivos y analíticos.16

2.3.1 Temporalidad

En las investigaciones de corte epidemiológico es ne- cesario establecer la temporalidad en la cual van a desa- rrollarse.17 Esta temporalidad puede ser de cuatro tipos: re- trospectiva (registro de datos que ocurrieron en el pasado); prospectiva (los hechos se registran a medida que suceden); transversal (obtiene información de una muestra determinada de elementos de una población específica en un espacio de tiempo limitado) ; y longitudinal (incluye una muestra fija de elementos de la población que son evaluados más de una vez a lo largo de un período de tiempo determinado).11, 18, 19

2.3.2Definición de variables

Una vez establecida la pregunta de investigación, el ámbito y la temporalidad del estudio, el punto siguiente es definir las variables3 y su rol en la investigación. Se trata de características medibles u observables (por ejemplo, de una persona u objeto), que puedan ser expresadas en términos numéricos o categóricos.5

Existen cuatro tipos estadísticos de variables:

1)Cualitativa nominal (cuando la variable tiene categorías que no pueden ser ordenadas).6

2)Cualitativa ordinal (cuando la variable tiene categorías que pueden ser ordenadas por intensidad).20

3)Cuantitativa discreta (cuando la variable numérica no admite decimales).

4)Cuantitativa continua (cuando la variable numérica admite decimales) .

Para más información sobre este aspecto, consultar Villavi- cencio y cols, 2019.5

2.3.3 Escala

Para cada variable se requiere de una escala de medición, la cual se clasifica en dos grandes grupos:5

1)Escalas no métricas: se definen como categorías que des- criben al fenómeno por estudiar, utilizado en variables cualitativas.21 A su vez, las escalas no métricas se cla- sifican en: nominales y ordinales. La escala nominal es aquella que no representa ninguna jerarquía en particular, mientras que la escala ordinal es aquella que mantiene un orden, descendente o ascendente, permitiendo jerar- quizar los datos.22

2)Escalas métricas: identifican y describen al fenómeno por la cantidad o grado de una característica específica, que se utiliza en variables cuantitativas.2 Estas escalas se clasifican en: escala de intervalo (en la cual puede existir el cero como punto arbitrario e inclusive valores negativos); y escala de razón (en donde el cero asume un valor absoluto, y no se admite como valor de una variable).

2.3.4Formulación de hipótesis

La hipótesis es un enunciado que plantea el investigador luego de analizar a fondo el tema de interés, siendo coherente con la pregunta de investigación y las variables a relacio- nar.17, 23, 24 Ésta hipótesis puede plantearse como la respuesta esperada a la pregunta inicial y transformarse en una guía hacia lo que se quiere estudiar.25

Una hipótesis bien estructurada está compuesta por la unidad de observación y las variables que serán evaluadas.10 Además, en la hipótesis se puede indicar cómo se espera que se relacionen estos dos elementos, es decir, establecer la direccionalidad de la hipótesis.18 Respecto a la lógica existen tres tipos de hipótesis: las de comparación de promedios, las de comparación de proporciones y las de correlación de variables. En cuanto a la naturaleza estadística existen Hipótesis nula (Ho) e Hipótesis alternativa (Hi).26

2.3.5 Diseño Metodológico

Es la estrategia que se adoptará para responder a la pregunta de investigación. Existen diseños de estudios clí- nicos y no clínicos. Los diseños clínicos más usados son : Caso-control, Descriptivo, de Sensibilidad y Especificidad, Ensayos clínicos aleatorizados y de Cohortes.27

2.3.6 Recolección u obtención de datos

Para obtener los datos de una investigación de corte epidemiológico, se debe tomar en cuenta el universo de estudio, que es el total de personas u objetos con caracte- rísticas específicas que deberían intervenir en el estudio.28, 29 Generalmente no se evalúa a todo el universo, pues resultaría excesivamente costoso o tomaría demasiado tiempo hacer- lo.21 Es por ello por lo que se debe trabajar con una muestra representativa de este universo, para lo cual es necesario realizar un cálculo de tamaño muestral, tomando en cuenta que a mayor tamaño muestral menor error.27 La selección de la muestra es crucial para obtener resultados válidos y confiables. Existen dos tipos de muestras:12

Las muestras probabilísticas se establecen de la siguien- te manera:30

1)Muestreo simple: se elige la población al azar.

2)Muestreo estratificado: se divide a la población en grupos y se aplica un muestreo simple dentro de cada grupo.

3)Muestreo por segmentos o racimos: se elige la pobla- ción usando criterios de proximidad.5

Las muestras no probabilísticas establecidas según el criterio subjetivo del investigador, es decir, que no son representativas de todo el universo. Este tipo de muestras poblacionales son:31

1)Muestreo por conveniencia.

2)Muestreo por demanda de atención

3)Maestro por conglomerados.

4)Muestreo de sujetos voluntarios (que se usan en dise- ños de estudios de series de casos y controles.)

2.4CREACIÓN DE UNA BASE DE DATOS

Una vez que se han definido el diseño de investigación apropiado y la muestra adecuada en base a la pregunta de investigación y la hipótesis, la siguiente etapa consiste en recolectar los datos y elaborar un plan detallado de proce-

dimientos que nos permitan organizarlos con el fin de ana- lizarlos de manera correcta.22 Para ello es necesario crear o construir una base de datos.32 Recibe este nombre el conjunto de datos que están relacionados entre sí, los cuales son agrupados y estructurados en forma de campos y registros que son archivados para su posterior análisis.33 Una base de datos puede ser una hoja de cálculo (por ejemplo, en formato Excel) que se organiza bajo la forma de filas y columnas23 (Figura2).

Dentro de lo que se puede llamar la anatomía de una base de datos, las filas corresponden a cada unidad de estudio (por ejemplo, un paciente) y las columnas corresponden a cada uno de los campos (variables evaluadas) que se han considerado en la unidad de estudio.29, 34 Se llama registro a cada fila y se denomina campo a cada columna.24 La intersección entre la fila y la columna delimita una celda y esta contiene un registro (dato). En el ejemplo planteado, la celda L5 contiene un dato que es el número 1, que por sí solo no tiene ningún significado.22 Sin embargo, en el contexto de esta base de datos, este valor adquiere un significado único, es decir: 0 (no presenta caries), 1 (presenta caries); así también, en el caso del paciente número 5, el valor correspondiente a la variable reportada en el campo C16 que significa el código para caries de la pieza 2.6, el valor 0 significa diente sano.35

Para construir una base de datos, es recomendable codificar el nombre de las variables (campos) y guardar el significado en una hoja adicional denominada Diccionario31 (Figura 3). En esta hoja puede verse que en la columna A están codificados los nombres de las variables; en la columna B, se presenta el nombre extenso descriptivo de cada variable; en la columna C se muestran los datos que son admitidos en la celda (válidos en el registro) (nótese que a partir de la variable C18 en adelante se admiten los mismos códigos; por ese motivo, a partir de C11 se pone idem. que significa idéntico al anterior); en la columna D (de la base de datos), Figura 2 se presenta la variable sexo (la cual ha sido codificada con 0 para el sexo femenino y 1 para el sexo masculino (lo cual está explicado en el Diccionario

en la fila 4),6 Figura 3. Presentamos este ejemplo porque es la forma más conveniente de registrar los datos de una variable cualitativa dicotómica (como el sexo) y que puede ser exportada a cualquier paquete estadístico.20

Otra ventaja de codificar las variables es que se evitan los errores dactilográficos.28 Por ejemplo, en el caso del dato "Sexo Femenino", este puede ser escrito de 3 formas distintas (femenino, Femenino, FEMENINO), lo cual podría originar un conflicto en la base de datos al momento de hacer los cálculos de frecuencias, ya que la computadora contará cada una de estas formas como si fueran datos distintos.36

El uso de los filtros en Excel proporciona una forma rápida de buscar y analizar los datos en un rango o tabla.28 Al filtrar una lista, se ocultan temporalmente algunos datos para enfocarse en aquellos que necesitamos; existen filtros para un rango de datos, datos de una tabla, de color y uso de criterios avanzados.33

Existen herramientas informáticas para gestionar el correcto ingreso de datos y obtener una adecuada base de datos; por ejemplo, en estudios de tipo epidemiológico, es útil utilizar el Sistema Epi Info R el cual es un programa gratuito, especializado y público para la introducción y análisis de datos.37 Mediante el empleo de esta herramienta se pueden procesar cuestionarios o formularios, minimizando la posibi- lidad de cometer errores al ingresar los datos, definir patrones o codificaciones, seleccionar registros, crear y modificar da- tos y operaciones durante el análisis, e importar y exportar archivos.32