A continuación se presenta un resumen extenso y pormenorizado del tema, que abarca desde los fundamentos de la investigación cuantitativa y la estadística hasta los diseños epidemiológicos y clínicos aplicados en las ciencias de la salud.

---

Fundamentos de Investigación Cuantitativa y Estadística en Ciencias de la Salud

La investigación cuantitativa es el pilar fundamental para generar evidencia robusta en las ciencias de la salud. Este enfoque se basa en la recolección y análisis de datos numéricos, que permiten obtener conclusiones objetivas, contrastar hipótesis y generar conocimiento generalizable a poblaciones más amplias. Para ello, es esencial dominar tanto los conceptos teóricos como las herramientas estadísticas que facilitan el diseño, la ejecución y la interpretación de estudios.

1. Fundamentos de la Investigación Cuantitativa

a. Conceptos Básicos y Objetivos

• Naturaleza y Enfoque:
  La investigación cuantitativa se caracteriza por su enfoque deductivo, es decir, parte de una teoría o hipótesis previa que se pone a prueba mediante el análisis estadístico de datos. Su objetivo es explicar fenómenos, determinar relaciones de causa-efecto y, en muchos casos, predecir comportamientos o eventos en salud.
• Aplicación en Ciencias de la Salud:
  Se utiliza para evaluar intervenciones, identificar factores de riesgo, determinar la eficacia de tratamientos y generar información que sustente la toma de decisiones en políticas públicas y en la práctica clínica.

b. El Proceso de Investigación

• Formulación de la Pregunta de Investigación:
  Definir de manera clara y precisa qué se desea investigar, lo cual orienta el diseño del estudio y la selección de las técnicas estadísticas.
• Diseño del Estudio:
  Puede ser experimental, cuasi-experimental, descriptivo o analítico. La elección del diseño depende del objetivo del estudio y de las posibilidades de control de variables.
• Recopilación y Análisis de Datos:
  Involucra la medición de variables a través de instrumentos validados, el uso de técnicas de muestreo y la aplicación de métodos estadísticos para obtener conclusiones fiables.

2. Tipos de Variables

a. Variables Cuantitativas

• Continuas:
  Pueden asumir cualquier valor dentro de un rango (por ejemplo, altura, peso, presión arterial). Permiten operaciones matemáticas complejas y su análisis puede involucrar medidas de tendencia central y dispersión.
• Discretas:
  Representan conteos o valores específicos (por ejemplo, número de visitas al médico, cantidad de eventos adversos). Su análisis se basa en frecuencias y proporciones.

b. Variables Cualitativas

• Nominales:
  Se refieren a categorías sin un orden inherente (por ejemplo, género, grupo sanguíneo). Se analizan mediante conteo de frecuencias y porcentajes.
• Ordinales:
  Tienen un orden o jerarquía (por ejemplo, niveles de satisfacción, grados de severidad). Permiten análisis estadísticos que respeten el orden, aunque no la magnitud de la diferencia entre categorías.

c. Relación y Transformación de Variables

• La correcta identificación y clasificación de variables es crucial, ya que determina la selección de análisis estadísticos y la forma en que se interpretarán los resultados. En ocasiones, es necesario transformar variables (por ejemplo, convertir variables continuas en categóricas) para facilitar el análisis o cumplir supuestos estadísticos.

3. Medidas de una Distribución de Frecuencias

a. Medidas de Tendencia Central

• Media:
  Es el promedio aritmético y resume la distribución central de los datos. Es sensible a valores extremos.
• Mediana:
  El valor que separa la mitad inferior de la superior. Es robusta frente a valores atípicos.
• Moda:
  Es el valor o categoría que aparece con mayor frecuencia. Puede ser útil en distribuciones multimodales.

b. Medidas de Dispersión

• Rango:
  Diferencia entre el valor máximo y el mínimo.
• Varianza y Desviación Estándar:
  La varianza mide la dispersión de los datos respecto a la media; la desviación estándar es su raíz cuadrada y se expresa en las mismas unidades que los datos.
• Rango Intercuartílico (IQR):
  La diferencia entre el tercer y primer cuartil, útil para describir la dispersión en distribuciones asimétricas.

c. Medidas de Forma

• Asimetría:
  Indica el grado de simetría de la distribución. Una asimetría nula implica distribución simétrica.
• Curtosis:
  Describe el “apuntamiento” o la concentración de los datos en la media. Distribuciones leptocúrticas tienen colas más pesadas, mientras que las platicúrticas son más planas.

4. Distribución Normal

a. Características y Propiedades

• Forma de Campana:
  La distribución normal es simétrica y tiene forma de campana, con la media, mediana y moda coincidentes.
• Reglas Empíricas:
  Aproximadamente el 68% de los datos se encuentra dentro de una desviación estándar de la media, el 95% en dos desviaciones y el 99,7% en tres.
• Importancia en Estadística:
  Muchas pruebas estadísticas paramétricas se basan en el supuesto de normalidad de los datos. La normalidad facilita la inferencia y la modelización de fenómenos continuos.

5. Inferencia Estadística y Contraste de Hipótesis

a. Objetivos de la Inferencia

• Generalización:
  Permite extrapolar conclusiones de una muestra a la población completa.
• Contraste de Hipótesis:
  Se plantea una hipótesis nula (H₀) que se pone a prueba contra una hipótesis alternativa (H₁) mediante pruebas estadísticas.

b. Errores y Significación

• Error Tipo I:
  Rechazar la hipótesis nula cuando es verdadera (falso positivo).
• Error Tipo II:
  No rechazar la hipótesis nula cuando es falsa (falso negativo).
• Niveles de Significación (α):
  Umbral predefinido (típicamente 0,05) que determina cuándo se considera que un resultado es estadísticamente significativo.

6. Cálculo de Probabilidades

a. Conceptos Fundamentales

• Definición de Probabilidad:
  Es la medida cuantitativa de la posibilidad de que ocurra un evento.
• Eventos y Espacios Muestrales:
  Se definen todos los posibles resultados de un experimento aleatorio.

b. Principales Distribuciones de Probabilidad

• Binomial:
  Modela el número de éxitos en una serie de ensayos independientes.
• Poisson:
  Apropiada para modelar el número de eventos en un intervalo de tiempo o espacio.
• Normal:
  Útil para variables continuas y fenómenos naturales, cuando se cumplen los supuestos de normalidad.

c. Teoremas y Reglas

• Teorema de Bayes:
  Permite actualizar la probabilidad de un evento en función de nueva información.
• Reglas de la Suma y el Producto:
  Son esenciales para calcular probabilidades en eventos conjuntos o sucesivos.

7. Población y Técnicas de Muestreo

a. Definición de Población

• Población:
  Es el conjunto completo de individuos, eventos o elementos de interés sobre el que se desea inferir.
• Muestreo:
  Proceso de selección de una parte representativa de la población para estudiar y extrapolar los resultados.

b. Técnicas de Muestreo

• Muestreo Aleatorio Simple:
  Cada elemento tiene la misma probabilidad de ser seleccionado.
• Muestreo Estratificado:
  Se divide la población en subgrupos (estratos) y se seleccionan muestras de cada uno, asegurando representación.
• Muestreo por Conglomerados:
  La población se agrupa en conglomerados (por ejemplo, centros de salud) y se seleccionan aleatoriamente algunos de estos.
• Muestreo Sistemático:
  Se elige un punto de partida aleatorio y se selecciona cada n-ésimo elemento.

8. Niveles de Significación Estadística e Intervalos de Confianza

a. Nivel de Significación (α)

• Definición:
  Es el umbral preestablecido para rechazar la hipótesis nula, comúnmente 0,05 o 0,01.
• Interpretación:
  Un valor de p menor que α indica que la probabilidad de obtener los resultados por azar es baja, lo que lleva a rechazar H₀.

b. Intervalos de Confianza (IC)

• Concepto:
  Es un rango de valores, calculado a partir de la muestra, que se espera contenga el parámetro poblacional con un determinado nivel de confianza (por ejemplo, 95%).
• Importancia:
  Proporcionan una estimación de la precisión y la fiabilidad de las estimaciones estadísticas.

9. Principales Test Estadísticos

a. Test Paramétricos

• Características:
  Requieren que los datos cumplan ciertos supuestos, como la normalidad y la homogeneidad de varianzas.
• Ejemplos:
  • t de Student: Para comparar medias entre dos grupos.
  • ANOVA: Para comparar medias entre tres o más grupos.
  • Regresión lineal: Para evaluar la relación entre variables continuas.

b. Test No Paramétricos

• Características:
  Se utilizan cuando los datos no cumplen los supuestos necesarios para los test paramétricos.
• Ejemplos:
  • Mann-Whitney U: Alternativa al t de Student para muestras independientes.
  • Kruskal-Wallis: Alternativa al ANOVA.
  • Chi-cuadrado: Para evaluar asociaciones entre variables categóricas.

10. Medidas de Asociación y de Impacto

a. Medidas de Asociación

• Razón de Riesgo (RR):
  Compara la probabilidad de un evento entre dos grupos; es especialmente útil en estudios de cohortes.
• Odds Ratio (OR):
  Representa la razón de las probabilidades (odds) de ocurrencia de un evento; se utiliza en estudios de casos y controles.

b. Medidas de Impacto

• Número Necesario a Tratar (NNT):
  Indica cuántos pacientes deben recibir un tratamiento para evitar que ocurra un evento adverso o para lograr un beneficio clínico.
• Número Necesario a Dañar (NND):
  Similar al NNT, pero enfocado en cuantificar el riesgo de daño o efectos adversos.

11. Diseños Epidemiológicos y Clínicos en Investigación Cuantitativa

a. Estudios Descriptivos

• Objetivos:
  Describir la frecuencia y distribución de una enfermedad o evento de salud en una población.
• Ejemplos:
  • Estudios transversales: Se realiza una “fotografía” de la situación en un momento dado.
  • Estudios ecológicos: Se analizan datos a nivel grupal o poblacional.

b. Estudios Analíticos

• Estudios de Cohortes:
  Siguen a un grupo de individuos a lo largo del tiempo para evaluar la incidencia de eventos y establecer relaciones causales.
• Estudios de Casos y Controles:
  Comparan individuos con una condición (casos) con aquellos sin la condición (controles) para identificar factores de riesgo asociados.
• Ensayos Clínicos:
  Diseñados de manera experimental, se asigna aleatoriamente la intervención para evaluar su eficacia y seguridad, siendo el estándar de oro para determinar causalidad.

c. Estudios sobre Pruebas Diagnósticas

• Objetivos:
  Evaluar la capacidad de una prueba para detectar o descartar una condición mediante medidas de sensibilidad, especificidad, valor predictivo positivo y negativo.
• Aplicación:
  Permite determinar la utilidad y fiabilidad de métodos diagnósticos en la práctica clínica.

d. Estudios Cuasi-Experimentales

• Características:
  Se realizan intervenciones sin asignación aleatoria. Son útiles cuando la asignación al azar no es factible por razones éticas o prácticas, aunque presentan mayor riesgo de sesgos.

---

Conclusión

Este tema integra los conceptos esenciales para comprender y aplicar métodos cuantitativos en la investigación en ciencias de la salud. La comprensión de los tipos de variables, las medidas estadísticas y la correcta aplicación de pruebas y diseños de estudio son vitales para generar evidencia de calidad. Al dominar estos fundamentos, los profesionales pueden diseñar estudios robustos, interpretar resultados de manera crítica y aplicar la evidencia obtenida en la toma de decisiones clínicas y en la formulación de políticas de salud.

Cada componente del tema —desde la formulación de la hipótesis, pasando por el cálculo de probabilidades y la aplicación de test estadísticos, hasta la interpretación de medidas de asociación e impacto— contribuye a la capacidad de evaluar y mejorar la calidad de la atención sanitaria, permitiendo además la implementación de intervenciones basadas en evidencia. La integración de estos conceptos resulta indispensable para investigadores, epidemiólogos y clínicos que buscan avanzar en el conocimiento y la práctica en el ámbito de la salud.

---

A continuación, se presenta un cuestionario extenso sobre el tema «Fundamentos de investigación cuantitativa y estadística en ciencias de la salud», con 10 preguntas de opción múltiple. Cada pregunta incluye cuatro alternativas, se indica la respuesta correcta y se ofrece una justificación detallada que explica por qué es correcta y por qué las demás opciones no lo son.

---

Pregunta 1. Fundamentos de la Investigación Cuantitativa

¿Cuál de las siguientes afirmaciones describe mejor el enfoque de la investigación cuantitativa en ciencias de la salud?

a) Se basa en la recolección y análisis de datos numéricos para probar hipótesis y generar resultados generalizables.
b) Se centra exclusivamente en la obtención de datos cualitativos a través de entrevistas y grupos focales.
c) Se fundamenta en la observación participante y en la descripción detallada de casos individuales.
d) Se orienta únicamente a la interpretación subjetiva de experiencias clínicas.

Respuesta correcta: a) Se basa en la recolección y análisis de datos numéricos para probar hipótesis y generar resultados generalizables.

Justificación:

• Opción a (Correcta): La investigación cuantitativa utiliza datos numéricos, análisis estadístico y un enfoque deductivo para contrastar hipótesis, lo que permite la generalización de los resultados a una población más amplia.
• Opción b (Incorrecta): La descripción se corresponde con la investigación cualitativa, no con la cuantitativa.
• Opción c (Incorrecta): La observación participante y el análisis de casos individuales son características de métodos cualitativos.
• Opción d (Incorrecta): La interpretación subjetiva se asocia a enfoques cualitativos, en contraposición a la objetividad buscada en la cuantitativa.

---

Pregunta 2. Tipos de Variables

¿Cuál de las siguientes opciones NO corresponde a una clasificación de variables utilizada en investigación cuantitativa?

a) Variables cuantitativas continuas.
b) Variables cualitativas ordinales.
c) Variables de confusión.
d) Variables cualitativas nominales.

Respuesta correcta: c) Variables de confusión.

Justificación:

• Opción c (Correcta): Aunque el término «variables de confusión» se utiliza en epidemiología y análisis estadístico para referirse a variables que pueden distorsionar la relación entre la variable de exposición y la de resultado, no es una categoría básica de clasificación de variables (como cuantitativas o cualitativas).
• Opción a (Incorrecta): Las variables cuantitativas continuas son una categoría fundamental de variables numéricas.
• Opción b (Incorrecta): Las variables cualitativas ordinales son aquellas que se pueden ordenar o clasificar según un criterio de magnitud.
• Opción d (Incorrecta): Las variables cualitativas nominales se refieren a categorías sin un orden inherente.

---

Pregunta 3. Medidas de Tendencia Central y Dispersión

¿Cuál de las siguientes afirmaciones es correcta respecto a la media, mediana y moda de una distribución?

a) La media siempre es la mejor medida de tendencia central, independientemente de la presencia de valores atípicos.
b) La mediana es menos sensible a valores extremos que la media, y la moda representa el valor más frecuente.
c) La moda siempre coincide con la mediana en distribuciones asimétricas.
d) La mediana solo es útil en distribuciones simétricas y la moda se utiliza para calcular la desviación estándar.

Respuesta correcta: b) La mediana es menos sensible a valores extremos que la media, y la moda representa el valor más frecuente.

Justificación:

• Opción b (Correcta): La mediana es la medida que separa la mitad inferior y superior de los datos, siendo robusta frente a valores atípicos; la moda indica el dato o categoría que aparece con mayor frecuencia.
• Opción a (Incorrecta): La media puede verse muy afectada por valores extremos y no siempre es la medida adecuada en distribuciones asimétricas.
• Opción c (Incorrecta): En distribuciones asimétricas, la media, mediana y moda no coinciden necesariamente.
• Opción d (Incorrecta): La mediana es útil en cualquier tipo de distribución y la moda no se utiliza para calcular la desviación estándar.

---

Pregunta 4. Distribución Normal

¿Qué porcentaje de los datos se espera que se encuentre dentro de dos desviaciones estándar de la media en una distribución normal?

a) Aproximadamente el 68%
b) Aproximadamente el 95%
c) Aproximadamente el 99,7%
d) Aproximadamente el 50%

Respuesta correcta: b) Aproximadamente el 95%

Justificación:

• Opción b (Correcta): Según la regla empírica o 68-95-99,7, en una distribución normal el 95% de los datos se sitúa dentro de dos desviaciones estándar de la media.
• Opción a (Incorrecta): El 68% se encuentra dentro de una desviación estándar.
• Opción c (Incorrecta): El 99,7% se encuentra dentro de tres desviaciones estándar.
• Opción d (Incorrecta): El 50% no es el valor correcto para ninguna de las franjas de la regla empírica en una distribución normal.

---

Pregunta 5. Inferencia Estadística y Contraste de Hipótesis

¿Cuál de las siguientes definiciones describe correctamente el error Tipo I en el contraste de hipótesis?

a) No rechazar la hipótesis nula cuando en realidad es falsa.
b) Rechazar la hipótesis nula cuando en realidad es verdadera.
c) Aceptar la hipótesis alternativa sin realizar pruebas estadísticas.
d) Rechazar ambas hipótesis, nula y alternativa, simultáneamente.

Respuesta correcta: b) Rechazar la hipótesis nula cuando en realidad es verdadera.

Justificación:

• Opción b (Correcta): El error Tipo I consiste en rechazar la hipótesis nula (H₀) cuando en realidad es cierta, lo que resulta en un falso positivo.
• Opción a (Incorrecta): Esta definición corresponde al error Tipo II.
• Opción c (Incorrecta): No es una definición válida dentro del marco del contraste de hipótesis.
• Opción d (Incorrecta): No es posible rechazar simultáneamente ambas hipótesis, ya que están definidas como mutuamente excluyentes.

---

Pregunta 6. Cálculo de Probabilidades

¿Cuál de los siguientes conceptos es fundamental para actualizar la probabilidad de un evento en función de nueva información?

a) Regla del producto.
b) Teorema de Bayes.
c) Regla de la suma.
d) Distribución de Poisson.

Respuesta correcta: b) Teorema de Bayes.

Justificación:

• Opción b (Correcta): El Teorema de Bayes permite actualizar la probabilidad de un evento considerando nueva evidencia o información, siendo fundamental en el análisis probabilístico.
• Opción a (Incorrecta): La regla del producto se utiliza para calcular la probabilidad conjunta de eventos independientes, pero no para actualizar probabilidades.
• Opción c (Incorrecta): La regla de la suma se aplica para eventos mutuamente excluyentes, pero no tiene la función de actualizar la probabilidad.
• Opción d (Incorrecta): La distribución de Poisson es un modelo probabilístico para contar eventos, pero no es un método para actualizar probabilidades.

---

Pregunta 7. Población y Técnicas de Muestreo

¿Qué técnica de muestreo se caracteriza por dividir la población en subgrupos homogéneos (estratos) y seleccionar muestras aleatorias de cada uno de ellos?

a) Muestreo aleatorio simple.
b) Muestreo por conglomerados.
c) Muestreo estratificado.
d) Muestreo sistemático.

Respuesta correcta: c) Muestreo estratificado.

Justificación:

• Opción c (Correcta): El muestreo estratificado consiste en dividir la población en grupos o estratos y luego extraer una muestra aleatoria de cada estrato, asegurando una representación adecuada de cada subgrupo.
• Opción a (Incorrecta): El muestreo aleatorio simple no involucra la división en subgrupos.
• Opción b (Incorrecta): El muestreo por conglomerados agrupa a la población en conglomerados (por ejemplo, centros o barrios) y selecciona algunos de ellos aleatoriamente, no estratificando por características específicas.
• Opción d (Incorrecta): El muestreo sistemático selecciona elementos a intervalos regulares a partir de un punto de partida aleatorio, sin agrupar la población.

---

Pregunta 8. Niveles de Significación e Intervalos de Confianza

¿Qué significa un intervalo de confianza del 95% para un parámetro poblacional?

a) Que hay un 95% de probabilidad de que la muestra sea representativa de la población.
b) Que el parámetro poblacional está garantizado en ese intervalo en el 95% de las ocasiones.
c) Que, si se repitiera el estudio múltiples veces, en el 95% de los casos el intervalo calculado incluiría al parámetro poblacional.
d) Que el 95% de los datos individuales se encuentran dentro de ese intervalo.

Respuesta correcta: c) Que, si se repitiera el estudio múltiples veces, en el 95% de los casos el intervalo calculado incluiría al parámetro poblacional.

Justificación:

• Opción c (Correcta): La interpretación correcta de un intervalo de confianza del 95% es que, a lo largo de innumerables repeticiones del estudio, aproximadamente el 95% de los intervalos calculados contendrían el verdadero valor del parámetro poblacional.
• Opción a (Incorrecta): No se refiere a la representatividad de la muestra, sino a la precisión del estimador.
• Opción b (Incorrecta): No es una garantía en cada estudio individual, sino una interpretación basada en la frecuencia a largo plazo.
• Opción d (Incorrecta): La descripción se aplica a la dispersión de los datos individuales, no al parámetro poblacional.

---

Pregunta 9. Test Estadísticos Paramétricos y No Paramétricos

¿Cuál es la principal diferencia entre los test estadísticos paramétricos y no paramétricos?

a) Los test paramétricos se usan solo para muestras grandes, mientras que los no paramétricos se usan para muestras pequeñas.
b) Los test paramétricos asumen una distribución normal de los datos y otras condiciones (como homogeneidad de varianzas), mientras que los no paramétricos no requieren dichos supuestos.
c) Los test no paramétricos siempre proporcionan resultados más precisos que los paramétricos.
d) No existe diferencia, ambos se aplican de la misma forma en todos los contextos.

Respuesta correcta: b) Los test paramétricos asumen una distribución normal de los datos y otras condiciones (como homogeneidad de varianzas), mientras que los no paramétricos no requieren dichos supuestos.

Justificación:

• Opción b (Correcta): La diferencia clave es que los test paramétricos requieren el cumplimiento de supuestos sobre la distribución y dispersión de los datos, mientras que los no paramétricos son más flexibles y se aplican cuando estos supuestos no se cumplen.
• Opción a (Incorrecta): No se trata únicamente del tamaño de la muestra, sino de los supuestos sobre la distribución de los datos.
• Opción c (Incorrecta): Los test no paramétricos no son inherentemente más precisos; son útiles cuando las condiciones para los test paramétricos no se cumplen.
• Opción d (Incorrecta): Existen diferencias fundamentales en los supuestos y en la aplicación de ambos tipos de test.

---

Pregunta 10. Medidas de Asociación e Impacto

¿Qué mide el Número Necesario a Tratar (NNT) en estudios de intervención?

a) La probabilidad de ocurrencia de un evento en el grupo de control.
b) El número de pacientes que deben ser tratados para que se evite un evento adverso o se logre un beneficio clínico en uno de ellos.
c) La diferencia de medias entre el grupo tratado y el grupo control.
d) La proporción de casos positivos en una prueba diagnóstica.

Respuesta correcta: b) El número de pacientes que deben ser tratados para que se evite un evento adverso o se logre un beneficio clínico en uno de ellos.

Justificación:

• Opción b (Correcta): El NNT es una medida de impacto clínico que indica cuántos pacientes necesitan recibir un tratamiento para obtener un beneficio o evitar un evento adverso en uno de ellos.
• Opción a (Incorrecta): No mide la probabilidad en el grupo control, sino el efecto del tratamiento.
• Opción c (Incorrecta): La diferencia de medias es una medida de efecto en variables continuas, pero no es el NNT.
• Opción d (Incorrecta): Se refiere a parámetros de pruebas diagnósticas, no a la evaluación del impacto de un tratamiento.

---

Por supuesto, aquí te dejo un conjunto adicional de preguntas sobre el tema de investigación cuantitativa y estadística en ciencias de la salud:

---

Pregunta 11. Cálculo de Probabilidades

¿Cuál es la probabilidad de que ocurra al menos uno de los dos eventos A o B, si la probabilidad de A es 0,4 y la probabilidad de B es 0,5, asumiendo que A y B son eventos independientes?

a) 0,9
b) 0,7
c) 0,6
d) 0,2

Respuesta correcta: a) 0,9

Justificación:

• Opción a (Correcta): La probabilidad de que ocurra al menos uno de los dos eventos A o B en eventos independientes es calculada como P(A ∪ B) = P(A) + P(B) – P(A ∩ B). Como son independientes, P(A ∩ B) = P(A) * P(B) = 0,4 * 0,5 = 0,2. Por lo tanto, P(A ∪ B) = 0,4 + 0,5 – 0,2 = 0,9.
• Opción b (Incorrecta): Esta es la probabilidad que se obtiene sin tener en cuenta la intersección de los eventos.
• Opción c (Incorrecta): Este valor no es la probabilidad de la unión de los eventos.
• Opción d (Incorrecta): Este valor no corresponde al cálculo de la probabilidad combinada.

---

Pregunta 12. Distribución Normal

En una distribución normal, si un valor tiene una puntuación Z de 1, ¿cuál de los siguientes valores indica la probabilidad acumulada hasta ese punto?

a) 0,84
b) 0,68
c) 0,95
d) 0,50

Respuesta correcta: a) 0,84

Justificación:

• Opción a (Correcta): En una distribución normal estándar (media = 0, desviación estándar = 1), una puntuación Z de 1 corresponde a aproximadamente el 84% de la probabilidad acumulada bajo la curva.
• Opción b (Incorrecta): Este valor corresponde a una puntuación Z de 0, es decir, a la media de la distribución.
• Opción c (Incorrecta): El valor de 0,95 corresponde a una puntuación Z de 1.96, que cubre el 95% de la distribución.
• Opción d (Incorrecta): Un valor de 0,50 corresponde a la puntuación Z de 0 (la media).

---

Pregunta 13. Test Estadísticos Paramétricos y No Paramétricos

¿Cuál de las siguientes pruebas es un test paramétrico que se utiliza para comparar las medias de dos grupos independientes?

a) Prueba t de Student
b) Prueba de chi-cuadrado
c) Prueba de Mann-Whitney
d) Prueba de Wilcoxon

Respuesta correcta: a) Prueba t de Student

Justificación:

• Opción a (Correcta): La prueba t de Student es un test paramétrico utilizado para comparar las medias de dos grupos independientes, siempre que los datos sigan una distribución normal.
• Opción b (Incorrecta): La prueba de chi-cuadrado se usa para analizar la relación entre variables categóricas, no para comparar medias.
• Opción c (Incorrecta): La prueba de Mann-Whitney es un test no paramétrico usado para comparar dos grupos independientes cuando no se cumplen los supuestos de normalidad.
• Opción d (Incorrecta): La prueba de Wilcoxon es un test no paramétrico que se utiliza para comparar dos muestras relacionadas.

---

Pregunta 14. Diseño de Estudios Cuantitativos

¿Cuál de los siguientes diseños es más adecuado para investigar la causalidad entre una exposición y un resultado?

a) Estudio de cohortes
b) Estudio transversal
c) Estudio de casos y controles
d) Estudio descriptivo

Respuesta correcta: a) Estudio de cohortes

Justificación:

• Opción a (Correcta): El diseño de cohortes es el más adecuado para investigar relaciones causales, ya que permite seguir a los participantes a lo largo del tiempo para observar cómo una exposición afecta al desarrollo de un resultado.
• Opción b (Incorrecta): Un estudio transversal mide la prevalencia de una enfermedad en un punto específico, pero no puede establecer causalidad.
• Opción c (Incorrecta): Los estudios de casos y controles son útiles para identificar asociaciones, pero no son ideales para establecer causalidad.
• Opción d (Incorrecta): Los estudios descriptivos son útiles para caracterizar fenómenos, pero no son adecuados para investigar causalidad.

---

Pregunta 15. Pruebas Diagnósticas

¿Qué medida estadística es utilizada para evaluar la precisión de una prueba diagnóstica?

a) Sensibilidad
b) Prevalencia
c) Incidencia
d) Mortalidad

Respuesta correcta: a) Sensibilidad

Justificación:

• Opción a (Correcta): La sensibilidad de una prueba diagnóstica se refiere a la capacidad de la prueba para identificar correctamente a los pacientes que tienen la enfermedad (verdaderos positivos).
• Opción b (Incorrecta): La prevalencia es la proporción de casos de una enfermedad en una población en un momento dado, pero no mide la precisión de la prueba.
• Opción c (Incorrecta): La incidencia mide la frecuencia de aparición de nuevos casos de una enfermedad, no la precisión de una prueba.
• Opción d (Incorrecta): La mortalidad es la cantidad de muertes en una población, no está relacionada con la precisión de una prueba diagnóstica.

---

Pregunta 16. Técnicas de Muestreo

En un muestreo por conglomerados, ¿qué se selecciona primero?

a) Individuos dentro de un solo grupo homogéneo.
b) Un subconjunto de individuos aleatorios de toda la población.
c) Grupos o conglomerados de unidades dentro de la población.
d) Ninguna de las anteriores.

Respuesta correcta: c) Grupos o conglomerados de unidades dentro de la población.

Justificación:

• Opción c (Correcta): En el muestreo por conglomerados, primero se seleccionan conglomerados (grupos o unidades de muestreo) dentro de la población. Después, dentro de esos conglomerados seleccionados, se eligen los individuos.
• Opción a (Incorrecta): Este es el caso de un muestreo estratificado, no de conglomerados.
• Opción b (Incorrecta): El muestreo aleatorio simple selecciona individuos de toda la población sin estratificación.
• Opción d (Incorrecta): Es incorrecta porque el proceso de muestreo está claramente definido.

---

Pregunta 17. Estudios Cuasi-Experimentales

¿Cuál es una característica clave de los estudios cuasi-experimentales en comparación con los experimentales?

a) Los participantes son aleatorizados a los grupos de estudio.
b) Los estudios cuasi-experimentales no permiten establecer causalidad.
c) Los estudios cuasi-experimentales carecen de grupo control.
d) Los estudios cuasi-experimentales son más costosos y requieren más tiempo.

Respuesta correcta: c) Los estudios cuasi-experimentales carecen de grupo control.

Justificación:

• Opción c (Correcta): En los estudios cuasi-experimentales no se realiza asignación aleatoria a los grupos, por lo que pueden carecer de un grupo control o de la asignación aleatoria, lo que limita la capacidad de establecer causalidad.
• Opción a (Incorrecta): Los estudios experimentales, no cuasi-experimentales, utilizan aleatorización para asignar los participantes a los grupos.
• Opción b (Incorrecta): Aunque los estudios cuasi-experimentales tienen limitaciones, pueden ayudar a establecer relaciones causales, pero con menos certeza que los experimentales.
• Opción d (Incorrecta): El coste y tiempo dependen de diversos factores, no de la naturaleza cuasi-experimental.

---

Pregunta 18. Ensayos Clínicos

¿Qué es un ensayo clínico controlado?

a) Un estudio observacional sin grupo control.
b) Un estudio experimental en el que se compara un tratamiento con un placebo o con otro tratamiento.
c) Un estudio en el que no se permite la intervención en el grupo experimental.
d) Un estudio en el que no se emplean muestras aleatorias.

Respuesta correcta: b) Un estudio experimental en el que se compara un tratamiento con un placebo o con otro tratamiento.

Justificación:

• Opción b (Correcta): Un ensayo clínico controlado es un tipo de estudio experimental que incluye un grupo de control (que puede recibir un placebo o un tratamiento alternativo) para comparar los efectos de la intervención.
• Opción a (Incorrecta): Los ensayos clínicos son estudios experimentales, no observacionales.
• Opción c (Incorrecta):  En los ensayos clínicos controlados, sí se interviene en el grupo experimental.

• Opción d (Incorrecta): Los ensayos clínicos suelen implicar selección aleatoria de los participantes.

Pregunta 19. Medidas de Asociación y de Impacto

¿Qué medida de asociación se utiliza para evaluar la relación entre la exposición a un factor de riesgo y el desarrollo de una enfermedad en un estudio de cohortes?

a) Riesgo relativo (RR)
b) Odds ratio (OR)
c) Número necesario para tratar (NNT)
d) Tasa de mortalidad

Respuesta correcta: a) Riesgo relativo (RR)

Justificación:

• Opción a (Correcta): El riesgo relativo (RR) es la medida de asociación utilizada en estudios de cohortes para comparar el riesgo de enfermedad entre los expuestos y los no expuestos a un factor de riesgo.
• Opción b (Incorrecta): El odds ratio (OR) se utiliza más comúnmente en estudios de casos y controles.
• Opción c (Incorrecta): El número necesario para tratar (NNT) mide la cantidad de pacientes que deben ser tratados para prevenir un evento adverso, no se usa para evaluar la relación entre exposición y enfermedad.
• Opción d (Incorrecta): La tasa de mortalidad es un indicador de la cantidad de muertes en una población, no es una medida de asociación entre exposición y enfermedad.

---

Pregunta 20. Estudio de Pruebas Diagnósticas

¿Qué prueba estadística se utiliza para evaluar la capacidad de una prueba diagnóstica para discriminar entre individuos con la enfermedad y los que no la tienen?

a) Sensibilidad
b) Curva ROC
c) Prueba de chi-cuadrado
d) Análisis de varianza (ANOVA)

Respuesta correcta: b) Curva ROC

Justificación:

• Opción b (Correcta): La curva ROC (Receiver Operating Characteristic) es utilizada para evaluar la capacidad de una prueba diagnóstica para distinguir entre los casos positivos y negativos. Cuanto más cerca de 1 esté el área bajo la curva, mejor es la capacidad discriminativa de la prueba.
• Opción a (Incorrecta): La sensibilidad mide la capacidad de una prueba para detectar correctamente los verdaderos positivos, pero no es suficiente por sí sola para evaluar la capacidad discriminativa global de la prueba.
• Opción c (Incorrecta): La prueba de chi-cuadrado es útil para evaluar asociaciones entre variables categóricas, pero no mide la capacidad de discriminación de una prueba diagnóstica.
• Opción d (Incorrecta): El análisis de varianza (ANOVA) se utiliza para comparar las medias entre tres o más grupos, no para evaluar la capacidad diagnóstica de una prueba.