Saltar al contenido principal
Library homepage
 
LibreTexts Español

Diseñando Estudios

  • Page ID
    151212
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    CO-3: Describir las fortalezas y limitaciones de experimentos diseñados y estudios observacionales.

    Video

    Video: Diseñando estudios (1:34)

    Ahora que hemos aprendido sobre la primera etapa de producción de datos —muestreo— podemos pasar a la siguiente etapa —diseñando estudios—.

    Introducción

    Obviamente, el muestreo no se realiza por su propio bien. Una vez concluida esta primera etapa en el proceso de producción de datos, llegamos a la segunda etapa, la de obtener información sobre las variables de interés de los individuos muestreados. Ahora discutiremos tres diseños de estudio; cada diseño le permite determinar los valores de las variables de una manera diferente.

    Usted puede:

    • Realizar un estudio observacional, en el que se registren valores de la variable o variables de interés tal como ocurren de forma natural. No hay interferencia por parte de los investigadores que realizan el estudio.
    • Realizar una encuesta por muestreo, que es un tipo particular de estudio observacional en el que los individuos reportan ellos mismos los valores de las variables, frecuentemente dando sus opiniones.
    • Realizar un experimento. En lugar de evaluar los valores de las variables tal como ocurren naturalmente, los investigadores interfieren, y son ellos quienes asignan los valores de la variable explicativa a los individuos. Los investigadores “toman el control” de los valores de la variable explicativa porque quieren ver cómo los cambios en el valor de la variable explicativa afectan a la variable de respuesta. (Nota: Por naturaleza, cualquier experimento involucra al menos dos variables.)

    El tipo de diseño utilizado, y los detalles del diseño, son cruciales, ya que determinarán qué tipo de conclusiones podemos sacar de los resultados. En particular, al estudiar las relaciones en la unidad de Análisis Exploratorio de Datos, destacamos que una asociación entre dos variables no garantiza que exista una relación causal. Aquí exploraremos cómo los detalles de un diseño de estudio juegan un papel crucial en la determinación de nuestra capacidad para establecer evidencia de causalidad.

    Así es como se organiza este tema:

    Empezaremos por aprender a identificar tipos de estudio. En particular, destacaremos la distinción entre estudios observacionales y experimentos.

    Luego discutiremos cada uno de los tres diseños de estudio mencionados anteriormente.

    • Discutiremos estudios observacionales, enfocándonos en por qué es difícil establecer causalidad en este tipo de estudios, así como otras posibles fallas.
    • Luego nos centraremos en los experimentos, aprendiendo, entre otras cosas, que cuando se diseñan adecuadamente, los experimentos pueden proporcionar evidencia de causalidad.
    • Terminaremos discutiendo encuestas y tamaño de muestra

    Identificación del diseño del estudio

    Objetivos de aprendizaje

    LO 3.1: Identificar el diseño de un estudio (experimento controlado vs. estudio observacional)

    Debido a que cada tipo de diseño de estudio tiene sus propias ventajas y puntos problematicos, es importante comenzar por determinar qué tipo de estudio estamos tratando. El siguiente ejemplo ayuda a ilustrar cómo podemos distinguir entre los tres tipos básicos de diseño mencionados en la introducción: estudios observacionales, encuestas por muestreo y experimentos.

    EJEMPLO:

    Supongamos que los investigadores quieren determinar si las personas tienden a picar más mientras ven la televisión. Es decir, a los investigadores les gustaría explorar la relación entre la variable explicativa “TV” (una variable categórica que toma los valores “on'” y “not on”) y la variable de respuesta “consumo de refrigerios”.

    Identificar cada uno de los siguientes diseños como un estudio observacional, una encuesta muestral o un experimento.

    1. Reclutar participantes para un estudio. Si bien presumiblemente esperan ser entrevistados, la mitad de los individuos se sientan en una sala de espera con refrigerios disponibles y una televisión encendida. La otra mitad se sienta en una sala de espera con refrigerios disponibles y sin televisión, solo revistas. Los investigadores determinan si las personas consumen más refrigerios en la televisión.

      Se trata de un experimento, porque los investigadores toman el control de la variable explicativa de interés (TV encendida o no) asignando a cada individuo o bien ver televisión o no, y determinan el efecto que tiene sobre la variable de respuesta de interés (consumo de refrigerios).


    2. Reclutar participantes para un estudio. Dales diarios para que registren hora a hora sus actividades al día siguiente, incluso cuando ven televisión y cuando consumen refrigerios. Determinar si el consumo de refrigerios es mayor durante los horarios de

      Se trata de un estudio observacional, porque los propios participantes determinan si ver televisión o no. No hay ningún intento por parte de los investigadores de interferir.


    3. Reclutar participantes para un estudio. Pídales que recorden, por cada hora del día anterior, si estaban viendo televisión, y qué refrigerios consumían cada hora. Determinar si el consumo de refrigerios fue mayor durante los tiempos de TV.

      Se trata también de un estudio observacional; nuevamente, fueron los propios participantes quienes decidieron ver o no la televisión. ¿Ves la diferencia entre 2 y 3? Ver el comentario a continuación.


    4. Sondear una muestra de individuos con la siguiente pregunta: Mientras ves televisión, ¿tiendes a picar: (a) menos de lo habitual; (b) más de lo habitual; o (c) la misma cantidad que de costumbre?

      Se trata de una encuesta de muestra, porque los individuos autoevalúan la relación entre ver televisión y picar.

    Comentario:

    • Observe que en el Ejemplo 2, los valores de las variables de interés (ver televisión y consumo de refrigerios) se registran hacia adelante en el tiempo. Dichos estudios observacionales se denominan prospectivos. En contraste, en el Ejemplo 3, los valores de las variables de interés se registran hacia atrás en el tiempo. Esto se denomina estudio observacional retrospectivo.

    ¿Conseguí esto? : Diseño del Estudio

    Si bien algunos estudios están diseñados para recopilar información sobre una sola variable, muchos estudios intentan sacar conclusiones sobre la relación entre dos variables. En particular, a los investigadores a menudo les gustaría producir evidencia de que una variable realmente causa cambios en la otra.

    Por ejemplo, la pregunta de investigación abordada en el ejemplo anterior buscó establecer evidencias de que ver televisión podría provocar un aumento en los refrigerios. Dichos estudios pueden ser especialmente útiles e interesantes, pero también son especialmente vulnerables a fallas que podrían invalidar la conclusión de la causalidad.

    En varios de los ejemplos veremos que aunque la evidencia de una asociación entre dos variables puede ser bastante clara, la cuestión de si una variable realmente está causando cambios en la otra puede ser demasiado turbia para resolverse por completo. En general, con un experimento bien diseñado tenemos más posibilidades de establecer causalidad que con un estudio observacional.

    Sin embargo, los experimentos también están sujetos a ciertos escollos, y hay muchas situaciones en las que un experimento no es una opción. Un estudio observacional bien diseñado aún puede proporcionar evidencia bastante convincente de causalidad en las circunstancias adecuadas.

    Experimentos vs. estudios observacionales

    Antes de evaluar la efectividad de estudios observacionales y experimentos para producir evidencia de una relación causal entre dos variables, ilustraremos las diferencias esenciales entre estos dos diseños.

    EJEMPLO:

    Todos los días, una gran cantidad de personas se dedican a una lucha cuyo resultado podría afectar literalmente la duración y la calidad de su vida: están tratando de dejar de fumar. Solo la variedad de técnicas, productos y promesas disponibles muestra que dejar de fumar no es fácil, ni su éxito está garantizado. A los investigadores les gustaría determinar cuál de los siguientes es el mejor método:

    1. Medicamentos que alivian la adicción a la nicotina.

    2. Terapia que entrena a fumadores para dejar de fumar.

    3. Una combinación de fármacos y terapia.

    4. Ni forma de intervención (dejar el “pavo frío”).

    La variable explicativa es el método (1, 2, 3 o 4), mientras que la variable respuesta es eventual éxito o fracaso en dejar de fumar. En un estudio observacional, los valores de la variable explicativa ocurren de forma natural. En este caso, esto significa que los propios participantes eligen un método para tratar de dejar de fumar. En un experimento, los investigadores asignan los valores de la variable explicativa. En otras palabras, le dicen a la gente qué método usar. Consideremos cómo podríamos comparar las cuatro técnicas, ya sea mediante un estudio observacional o un experimento.

    1. Un estudio observacional de la relación entre estas dos variables requiere recolectar una muestra representativa de la población de fumadores que están empezando a intentar dejar de fumar. Podemos imaginar que una proporción sustancial de esa población está probando uno de los cuatro métodos anteriores. Para obtener una muestra representativa, podríamos usar una encuesta telefónica nacional para identificar a 1,000 fumadores que recién comienzan a dejar de fumar. Registramos cuál de los cuatro métodos utilizan los fumadores. Un año después, contactamos a los mismos mil individuos y determinamos si tuvieron éxito.
    2. En un experimento, nuevamente recolectamos una muestra representativa de la población de fumadores que recién están tratando de dejar de fumar, utilizando una encuesta telefónica a nivel nacional a 1,000 individuos. Esta vez, sin embargo, dividimos la muestra en 4 grupos de 250 y asignamos a cada grupo el uso de uno de los cuatro métodos para dejar de fumar. Un año después, contactamos a los mismos 1,000 individuos y determinamos qué intentos tuvieron éxito utilizando nuestro método designado.

    Las siguientes figuras ilustran los dos diseños de estudio:

    Estudio observacional:

    Una representación visual del Estudio Observacional. Un círculo grande representa a toda la población. A través de la selección aleatoria generamos la muestra, la cual se representa como un círculo más pequeño. El círculo que representa las muestras se divide de manera desigual en 4 piezas, representando cada pieza un valor de la variable explicativa (método), las cuales han sido “Autoasignadas” por las personas de la muestra.

    Experimento:

    Una representación visual del Estudio Experimental. Un círculo grande representa a toda la población. A través de la selección aleatoria generamos la muestra, la cual se representa como un círculo más pequeño. El círculo que representa las muestras se divide de manera uniforme en 4 piezas, representando cada pieza un valor de la variable explicativa (método), las cuales han sido asignadas por los investigadores.

    Tanto el estudio observacional como el experimento comienzan con una muestra aleatoria de la población de fumadores que acaba de comenzar a dejar de fumar. En ambos casos, los individuos de la muestra pueden dividirse en categorías en función de los valores de la variable explicativa: método utilizado para dejar de fumar. La variable respuesta es éxito o fracaso después de un año. Finalmente, en ambos casos, evaluaríamos la relación entre las variables comparando las proporciones de éxito de los individuos usando cada método, utilizando una tabla bidireccional y porcentajes condicionales.

    La única diferencia entre los dos métodos es la forma en que la muestra se divide en categorías para la variable explicativa (método). En el estudio observacional, los individuos se dividen según el método por el cual eligen dejar de fumar. El investigador no asigna los valores de la variable explicativa, sino que los registra tal y como ocurren naturalmente. En el experimento, el investigador asigna deliberadamente uno de los cuatro métodos a cada individuo de la muestra. El investigador interviene controlando la variable explicativa, para luego evaluar su relación con la variable respuesta.

    Ahora que hemos esbozado dos posibles diseños de estudio, volvamos a la pregunta original: ¿cuál de los cuatro métodos para dejar de fumar tiene más éxito? Supongamos que los resultados del estudio indican que los individuos que intentan dejar de fumar con el método combinado medicamento/terapia tienen la mayor tasa de éxito, y aquellos que intentan dejar de fumar sin ninguna forma de intervención tienen la tasa de éxito más baja, como se ilustra en la hipotética tabla bidireccional a continuación:

    Una tabla que describe los resultados del estudio. Las columnas están etiquetadas: “Salir”, “No dejó”, “Total” y “% que dejó de fumar”. Las filas están etiquetadas como “Turquía fría”, “Solo medicamentos”, “solo terapia” y “Drogas y terapia”. Aquí están los datos en formato “Fila, Columna: Valor”: Pavo Frío, Dejar: 12; Pavo Frío, No Dejó: 238; Pavo Frío, Total: 250; Pavo Frío,% Que Dejó: 5%; Solo Medicamentos, Dejó: 60; Solo Medicamentos, No Dejó: 190; Solo Medicamentos, Total: 250; Solo Medicamentos,% Que Dejaron: 24%; Solo Terapia, Dejó: 59; Solo Terapia, No Dejó: 191; Solo Terapia, Total: 250; Solo Terapia,% Que Dejaron: 24%; Medicamentos y Terapia, Dejaron: 83; Medicamentos y Terapia, No Dejaron de Dejar: 167; Medicamentos y Terapia, Total: 250; Medicamentos y Terapia,% Que Dejaron: 33%

    ¿Podemos concluir que el uso de los medicamentos combinados y el método de terapia provocó que los fumadores dejaran de fumar con mayor éxito? El tipo de diseño que se implementó jugará un papel importante en la respuesta a esta pregunta.

    ¿Conseguí esto? : Diseño de Estudio #2


    Diseñando Estudios is shared under a CC BY-NC-SA 4.0 license and was authored, remixed, and/or curated by LibreTexts.