El uso de las TICs en Sanidad ha conseguido el empoderamiento de los Pacientes
e-salud
Salud Conectada
"La Salud Conectada es la convergencia e integración de Internet y otras tecnologías digitales en el ámbito de la salud. Implica el desarrollo de competencias en el uso de herramientas tecnológicas para la mejora de la salud propia y la de aquellas personas que nos rodean, así como una capacidad de adaptación a los nuevos desafíos que se presentan en un entorno en constante evolución".
Aquí os presento un vídeo para tener las ideas claras:
https://youtu.be/jMiWrpLwxDY
Aplicación de los TICs a los Cuidados Enfermeros
Enfermería Informática
* Es la integración de ciencia y práctica de enfermería, su información y conocimiento y gestión con tecnologías de la información y comunicación para promover la salud de las personas, familias y comunidades a nivel mundial (IMIA-NI-2009)
* una especialidad que integra las Ciencias de la Enfermería, de la Computación y de la Información para la identificación, recolección, procesamiento y manejo de datos e información para el apoyo de la investigación, educación y expansión del conocimiento, gestión y cuidado asistencial (Sociedad Informática en Enfermería Española-2005).
Los ámbitos de aplicación de las TIC en salud se han venido agrupando en cuatro grandes grupos:
* Práctica Clínica.
*Gestión.
*Educación/ docencia.
*Investigación.
Ventajas y Desventajas de TIC en Enfermería
¿Qué relación tienen los Cuidados Enfermeros con las TICS?
A continuación os dejo algunos enlaces de blogs más leídos que os pueden resultar interesantes:
Las Tecnologías de Información y Comunicación o comúnmente llamado TICs son el conjunto de herramientas relacionadas con la transmisión, procesamiento y almacenamiento digitalizado de la información
Sociedad de la Información
Características de la Sociedad de la Información
*Impulsar la globalización mediante el uso y desarrollo de las TICs.
* Mantener libre el flujo de información.
* Fomentar la Sociedad del Conocimiento.
* Marcar a una generación, su desarrollo e identidad.
*Comunicar de forma inmediata eventos o noticias de interés público.
*Permitir una mayor influencia de la sociedad en decisiones políticas.
*Acelerar el desarrollo económico de los países mediante la tecnología.
*Crear nuevos puestos de trabajo.
*Optimizar procesos industriales obsoletos que finalmente conducen a la transformación digital.
*Eliminar la presencialidad para comunicarse, estudiar o trabajar.
Sociedad del Conocimiento
¿Qué es la sociedad del conocimiento?
Es aquella que se determina por el acceso y procesamiento de la información para transformarla en conocimiento. Su valor primordial es el aprendizaje, que no esté determinado ni por el espacio o el tiempo.
Son manifestaciones importantes la utilización de las TICs para la investigación, educación, comunicación y la vinculación social mediante redes.
Características de la Sociedad del Conocimiento (David y Foray, 2002)
*Aceleración de la producción de conocimientos.
*Revolución de los instrumentos del saber.
*Innovación se convierte en la actividad dominante.
Convergencia Digital
* Evolución de los sistemas analógicos al campo digital.
*Nueva puerta a la innovación.
*Mayor demanda por los usuarios.
*Continuación de tareas.
*Desarrollo de la conectividad.
*Adaptación de los dispositivos a los usos de los usuarios.
TICs y Salud
Gracias a las TICs hemos tenido la llegada de algunas facilidades para enfermería:
Sir Francis
Galton fue quién introdujo el término Regresión en la estadística. Empleó este
concepto para indicar la relación que existía entre la estatura de los niños de
una muestra y la estatura de su padre. Observó, que, si los padres son altos,
los hijos suelen serlo también. Ocurría un hecho curioso: cuando el padre es muy
alto o bajo, aparece una “regresión” hacia la estatura media de la población,
de modo que sus hijos retroceden hacia la de media de sus padres.
Relación entre dos Variables Cuantitativas.
Una variable
cuantitativa toma valores que son cuantificables, por ejemplo, la talla de una
persona, el peso, presión arterial, el sueldo que gana…
¿Y cómo relacionamos las dos variables?
A) Diagramas de Dispersión o Nube de Puntos
Es un tipo de gráfico en el que se representan los pares ordenados (x e y). Esta gráfica determina si es la regresión aplicable. De serlo así, los puntos se mostrarían mayormente agrupados en una línea.
B) Relación entre variables.
Se relacionan x e y, en relación a los resultados obtenidos en el diagrama.
C) Predicción de una variable en función de la otra.
D) Relación directa e inversa.
Para las Variables Cuantitativas Independientes: no existe ninguna forma definida y, por tanto, existe una no relación. Así pues, se refutaría la Hipótesis Nula.
Para las Variables Cuantitativas Dependientes: una vez se rechaza la hipótesis nula, se asume la alternativa. Aquí encontramos dos tipos de dependencia:
----- Dependencia Funcional: puntos exactamente sobre la línea recta o curva.
----- Dependencia Estocástica: existe una tendencia.
REGRESIÓN LINEAL SIMPLE :
Estudio de la asociación lineal entre 2 variables cuantitativas.
Hay una sola variable cuantitativa.
Si las variables x e y, se relacionan según el modelo de línea recta, nos referimos a regresión lineal simple: Y = a + bx
La X2es la más conocida y utilizada para el análisis de variables cualitativas.
Su utilidad es evaluar la independencia entre dos variables nominales u
ordinales.
¿Cómo se obtiene la independencia entre variables?
Para evaluar
la independencia entre las variables, se calculan los valores que indicarían la
independencia absoluta (frecuencias esperadas), comparándolos con las
frecuencias de la muestra.
Como es
habitual, la hipótesis nula (H0) indica que ambas variables son independientes,
mientras que la hipótesis alternativa (H1) indica que las variables tienen
algún grado de asociación o relación.
2.Tablas de contingencia-Frecuencias
absolutas.
·Tablas
de doble entrada que se emplean para registrar y analizar la asociación entre
dos más variables cualitativas.
·Ejemplo:
3.Tablas de contingencia-porcentajes.
En este tipo de tabla además se añadiría los porcentajes
obtenidos de cada resultado, pero antes habría que plantear la hipótesis que se
quiere comprobar.
4.Prueba X2
Se utiliza
para comprobar si la diferencia que se refleja:
-Por
el azar. En este caso se acepta la H0.
-Por
algo más, como una asociación entre variables. En este caso se rechaza
la H0 y se acepta H1.
Aquí os presento un vídeo con el que entenderéis esta prueba de manera rápida y sencilla:
-El
nivel de medida debe ser nominal o superior. El chi-cuadrado toma valores entre
0 e infinito.
-
6.Recordemos en la Prueba X2
•Frecuencia observada (FO): la que recogen los datos.
•Frecuencia esperada (FE): la que observaríamos si no hubiera
relación.
•Grados de libertad (gl): Número de valores o datos que pueden
variar libremente dado un determinado resultado.
–Grados de libertad = k -1 (número de categorías menos una)
–Grados de libertad serán 3-1 = 2
Si dos criterios de clasificación:
àGrados de libertad (gl) = (filas -1)*(columnas -1)
Así pues, esta
prueba determina si 2 variables cualitativas están o no asociadas. Si son
dependientes (H1) o independientes (H0). Se calcula:
X2 = ∑ (FO – FE)2/ FE
-
àDebe de quedar claro:
oH0:
no existe asociación (son independientes) à p=α>0,05. Cuando es cierta los
valores del test siguen la distribución del X2 que depende de grados
de libertad.
oH1:
existe asociación (son dependientes) à p=
α<0,05
·
Después de
realizar las fórmulas y obtener el resultado se compara con el
resultado teórico que existe en las tablas. Se debe tener en cuenta los grados
de libertad y el nivel de significación.
La
significación estadística es la probabilidad de que la relación observada no sea
producto de la casualidad, es decir, es la probabilidad que tenemos de
confundirnos, desde un punto de vista estadístico, cuando ofrecemos un
resultado.
Cuando damos
un resultado con una p < 0.05 indicamos que la probabilidad de que la
relación observada se deba al azar es de 0.05 por 1, o expresándolo en
porcentajes, del 5%.
El valor de p
< 0.05 es el mínimo universalmente exigido para poder concluir que las
diferencias son estadísticamente significativas en los estudios en ciencias
de la salud.
2.Contraste de Hipótesis.
Consiste en
contrastar la hipótesis del estudio con los datos obtenidos en la muestra con
el fin de verificar si existen diferencias en los hallazgos obtenidos en ambos
grupos debidas a la acción de la variable independiente, o por fruto del azar.
Lo primero que tenemos que hacer es formular
nuestra hipótesis nula a partir de la hipótesis de investigación o
alternativa.
Contraste Bilateral.
La
clasificación de las hipótesis, según si estas indican o no el sentido de la
diferencia, se denominan direccionaleso no direccionales.
Si es a
partir de hipótesis unilateral, por ejemplo, la intervención A es más eficaz
que la B, que se expresa H1: μA > μB.La hipótesis nula postula entonces que B es, como mínimo,
tan eficaz como A.
-entonces: H0: μA ≤ μB (porque la H1: μA>μB)
Si es a
partir de una hipótesis bilateral, por ejemplo, la intervención A tiene una
eficacia diferente que la B, que se expresa H1: μA≠μB. La hipótesis nula postula
entonces que B es igual de eficaz que A
-lo
que se expresa: H0: μA = μB
¿Cómo se elige el estadístico de
contraste?
Aquí os dejo un vídeo que es muy práctico para saber qué estadístico escoger dependiendo de la situación:
àEn función del tipo de variable se refleja que prueba
paramétrica se utilizaría:
Tipo de variables que se contrastan
Prueba Paramétrica
Cualitativa + cualitativa
X2
Cualitativa de 2 categorías +
cuantitativa
T-Student
Cualitativa de 2 categorías +
cuantitativa
ANOVA
Cuantitativa + cuantitativa
Correlación de Pearson
3.Errores de Hipótesis.
Nos podemos
equivocar, ya que como no trabajamos con la población total sino con una
muestra representativa de la misma, resulta imposible asegurar de forma
absoluta (con una certeza del 100%) que la hipótesis nula es verdadera o
falsa. El error α es
la probabilidad de equivocarnos alrechazar la hipótesis nula.
A partir de
los resultados de un estudio, puede llegarse a diferentes conclusiones:
Se ocupa de
generalizar los datos obtenidos en la muestra a la población de la que procede.
Al extender los resultados de la muestra a un colectivo mayor, asumimos que
puede haber variables o elementos en la población que difieran de los que
componen la muestra, y por eso, asumimos que al inferir o generalizar los
hallazgos obtenidos en la muestra, tenemos probabilidad de cometer un error.
IMPORTANTEà Debemos asumir que puede haber casos
excepcionales que no están representados en la muestra, y por eso, nunca vamos
a poder inferir resultados con una certeza absoluta. Aceptamos que los
resultados se darán en, al menos, el 95% de los sujetos de la población.
•Dos
formas de inferencia estadística:
•Estimación: puntual o por intervalos. Se calcula cuál será el
valor (en la estimación puntual) o el rango de valores (en la estimación por
intervalos) que se pueden encontrar en la población a partir de los datos
obtenidos.
•Contraste de hipótesis: se formula la hipótesis nula (H0), que postula que no hay
diferencias entre los grupos que se comparan, y se contrasta con los datos
obtenidos para determinar si esta es verdadera o falsa. La decisión de aceptar
o rechazar la hipótesis se hace con un cierto margen de error o nivel de
confianza.
.
Estimaciones. -
Estimación Puntual.
https://www.youtube.com/watch?v=-9who67ocEQ
Estimulación por Intervalos.
Un intervalo
de confianza es una técnica de estimación utilizada que permite acotar un
par o varios pares de valores, dentro de los cuales se encontrará la estimación
buscada (con una determinada probabilidad).
Un intervalo
de confianza nos permite calcular dos valores alrededor de una media muestral
(uno superior y otro inferior). Estos valores van a acotar un rango en el cuál se
va a localizar el parámetro poblacional.
-Factores de los que depende un intervalo de confianza
· -Tamaño de la muestra seleccionada
· - Nivel de confianza
· -Margen de error de nuestra estimación
· -Lo estimado en la muestra (media, varianza, diferencia de medias…)
Error Estándar.
•El
error estándar de la media (EEM) mide la dispersión hipotética que tendrían
las medias de infinitas muestras tomadas de una población determinada.
•El
EEM es el error de muestreo, la fluctuación que el valor de un estadístico
puede tener entre distintas muestras tomadas de una misma población, ya que
cuantifica en qué medida los valores de la muestra seleccionada pueden diferir
de los que hallaríamos si los sujetos hubieran sido otros que pertenecen a la
misma población.
•Cuanto
más pequeño es el error estándar, más preciso resulta el estudio.
•De
esta ecuación se deduce que al aumentar el tamaño muestral (n), disminuye el error
estándar, y viceversa.
Cálculo
del Error Estándar
Depende de
cada estimador, así tenderemos el error estándar de la media y de proporción:
Mediante el TCL podemos definir la distribución de la media muestral de una
determinada población con una varianzaconocida. De manera que la
distribución seguirá una distribución normal si el tamaño de la muestra es lo
suficientemente grande.
Principales
propiedades del teorema central del límite
•Si
el tamaño de la muestra es suficientemente grande, la distribución de las
medias muestrales seguirá aproximadamente una distribución normal. Se considera
una muestra grande cuando el tamaño es superior a 30. Por tanto, si la muestra
es superior a 30, la media muestral tendrá una función de distribución próxima
a una normal.
•La
media poblacional y la media muestral serán iguales.
•La varianza de
la distribución de las medias muestrales será σ²/n. Que es la varianza de la población
dividido entre el tamaño de la muestra.
El cálculo
de los límites de confianza se basa en el concepto de error estándar de la
media (EEM) y en los principios relacionados con la distribución normal o de
Gauss.
En ciencias
de la salud se utiliza un intervalo de confianza que oscila entre 95% y el 99%,
o lo que es lo mismo, asumen un nivel de error de entre 5% y el 1%
respectivamente (0.05 y 0.01, en tanto por uno).
https://www.youtube.com/watch?v=2wugQGs1GNY&t=16s
Contraste de Hipótesis.
·Para
controlar los errores aleatorios, además delcálculo de intervalos de confianza, contamos con unasegunda herramienta en el proceso de
inferenciaestadística: los tests o
contrastes de hipótesis
·Con
los contrastes (tests) de hipótesis la estrategia esla siguiente:
- a) Establecemos
a priori una hipótesis acerca del valor delparámetro
- b) Realizamos
la recogida de datos
- c) Analizamos
la coherencia de entre la hipótesis previa y los
