Principal Arriba Enviar apuntes Buscar Mapa del web Código de Conducta

El estudio de investigación

 

 

Principal
Novedades
Apuntes de clase
Trabajos Enfermería
Evaluación

  

 

 

Apuntes

METODOLOGÍA   DE   LA   INVESTIGACIÓN   II.

 

EL ESTUDIO DE INVESTIGACIÓN

Actualizado septiembre 2013

Módulo 4. EL ESTUDIO DE INVESTIGACIÓN.

  1. MÉTODO DE RECOGIDA DE INFORMACIÓN.

  2. FASE DE RECOGIDA DE DATOS.

  3. Fase de análisis e interpretación de los resultados.

  4. COMUNICACIÓN Y DIFUSIÓN DEL ESTUDIO DE INVESTIGACIÓN.

 

1. Método de recogida de información.

Hay que diseñar algún método para recoger la información referida a las variables que deseamos estudiar.

El tipo de información o datos a recoger va a determinar el método de recogida. Los datos pueden ser de carácter cualitativo o cuantitativo, y dentro de estos grandes grupos clasificarse según el carácter de los mismos.

Tipos de datos. En cada individuo de la muestra lo que estudiamos son las variables (edad, sexo, peso, talla, tensión arterial sistólica, etc.) y los datos son los valores que toma la variable en cada caso. Lo que vamos a realizar es medir, es decir, asignar valores a las variables incluidas en el estudio. Deberemos además concretar la escala de medida que aplicaremos a cada variable.

 

La naturaleza de las observaciones será de gran importancia a la hora de elegir el método estadístico más apropiado para abordar su análisis. Con este fin, clasificaremos las variables, a grandes rasgos, en dos tipos: variables cuantitativas o variables cualitativas.

  • Variables cuantitativas. Son las variables que pueden medirse, cuantificarse o expresarse numéricamente. Las variables cuantitativas pueden ser de dos tipos:

  • Variables cuantitativas continuas, si admiten tomar cualquier valor dentro de un rango numérico determinado (edad, peso, talla).

  • Variables cuantitativas discretas, si no admiten todos los valores intermedios en un rango. Suelen tomar solamente valores enteros (número de hijos, número de partos, número de hermanos).

  • Variables cualitativas. Este tipo de variables representan una cualidad o atributo que clasifica a cada caso en una de varias categorías. La situación más sencilla es aquella en la que se clasifica cada caso en uno de dos grupos (hombre/mujer, enfermo/sano, fumador/no fumador). Son datos dicotómicos o binarios. Como resulta obvio, en muchas ocasiones este tipo de clasificación no es suficiente y se requiere de un mayor número de categorías (color de los ojos, grupo sanguíneo, profesión, etc.)

 

En el proceso de medición de estas variables, se pueden utilizar dos escalas:

    • Escalas nominales: ésta es una forma de observar o medir en la que los datos se ajustan por categorías que no mantienen una relación de orden entre sí (color de los ojos, sexo, profesión, presencia o ausencia de un factor de riesgo o enfermedad,).

    • Escalas ordinales: en las escalas utilizadas, existe un cierto orden o jerarquía entre las categorías (grados de disnea, grados de una ulcera,).

 

La información sobre las variables puede ya existir en algún tipo de fuente o registro (fuente secundaria de información) o por el contrario hay que generarla (fuente primaria).

La decisión de optar por una u otra técnica, va a estar en función del grado de conocimiento que se tiene del problema a investigar.

Podemos decir que los métodos más utilizados para obtener información en cualquier estudio son:

  • Observación: por observación se entiende un método estructurado y reglado de "mirar" una realidad con el objeto de estudiarla. El hecho de sistematizar el proceso lo diferencia clarísimamente de cualquier otra forma de "mirar".

    Es aconsejable su utilización cuando conocemos poco o nada de las características o las variables que pensamos tienen relación con el problema. Permite identificar, descubrir y describir las características de una situación dada; la información que maneja este tipo de método tiene un carácter eminentemente cualitativo. Este método incluye técnicas con mayor o menor grado de estructuración.

    En muchas situaciones se requiere equipamiento o habilidades especiales para llevarla a cabo. Valorar la coloración de la mucosa conjuntiva, realizar una ecografía, pesar a una mujer embarazada, detenernos en mirar en profundidad lo que ocurre en la sala de espera de urgencias, la observación participante de un grupo humano utilizada por los antropólogos, son algunos ejemplos de la utilización de esta técnica. En cualquier situación se debe diseñar con claridad lo que se pretende observar, cómo se va a observar, quién lo va a hacer, cuándo, durante cuánto tiempo. En las exploraciones clínicas, por ejemplo, están claramente protocolizados los métodos de observación.

     

  • Fuentes documentales: Son muy utilizadas en investigación, y especialmente en ciencias de la Salud. Registros de enfermería, historias clínicas, estadísticas vitales, censos de población, publicaciones primarias, etc. son algunos de las fuentes de información utilizadas. Antes de iniciar una investigación es aconsejable conocer la existencia o no de este tipo de fuentes, así como su acceso a ellas. La utilización de fuentes documentales disminuye el tiempo que se debe dedicar al proceso de recogida de información.

     

  • Interrogatorios o entrevistas: Es la técnica aconsejable cuando el investigador conoce la existencia de un determinado número de variables específicas que parecen ejercer alguna influencia sobre el problema a investigar.

La entrevista puede ser más o menos estructurada, recibiendo diferentes denominaciones:

• Entrevista libre. Un ejemplo de ello sería la consulta al Psicoanalista.

• Entrevista semiestructurada. Un ejemplo de ello sería la historia clínica.

• Entrevista estructurada: Cuando se realizada mediante un cuestionario o formulario. La diferencia entre ambos radica en quién lo cumplimenta; en el formulario, es el investigador o entrevistador y en el cuestionario es el individuo objeto de estudio. Se utilizan este tipo de entrevistas cuando deseamos información más cuantitativa o al menos cuantificable.

Cuando utilizamos entrevistas estructuradas es fundamental la construcción de las preguntas. Estas pueden ser abiertas o “cerradas”. Las abiertas se suelen utilizar cuando el asunto a estudiar es complejo o no resulta fácil acotar las posibilidades de respuesta. Las cerradas se utilizan cuando el investigador conoce cuales son las posibles respuestas. La recogida de información a través de cuestionarios o formularios implica la necesidad de validarlo.

 

Para ello se suele realizar un estudio piloto con sujetos de características similares a los que van a ser investigados. A través de este proceso se pueden identificar los errores o problemas que presenta, pudiéndose posteriormente rectificar y mejorar su contenido o estructura. Este proceso resulta con frecuencia lento y costoso, no por ello debe obviarse. Es aconsejable la utilización de cuestionarios ya validados.

 

La revisión de la literatura nos puede ayudar a buscar herramientas validadas por otros autores. Se requiere un entrenamiento de los entrevistadores con la finalidad de evitar sesgos de información, así mismo hay todo un conjunto de técnicas que favorecen la colaboración de los sujetos de estudio.

 

Entrevista en profundidad: muy utilizada en sociología y en antropología.

  • En Ciencias sociales se utilizan además las historias de vida, grupos de discusión, grupos de investigación-acción, etc. que requieren un conocimiento exhaustivo de la técnica y grandes habilidades en la estructuración del discurso. En ciencias de las Salud se están utilizando, cada vez con mayor frecuencia, un conjunto de técnicas que ofrecen información de carácter cualitativo, pero que resultan más fáciles de analizar e interpretar. Intentan recoger las opiniones de expertos en ciertos temas o las opiniones de grupos en conflicto.

    Entre las más conocidas se encuentran el Grupo Focal, Grupo Nominal, Técnica Delphi, etc. Estas técnicas se basan en la comunicación entre los participantes. Cada miembro del grupo da su información y todas las informaciones son tenidas en cuenta. El proceso se suele dar en diferentes fases, habiendo siempre una fase de reestructuración de las opiniones, para permitir que sean tomadas en cuentas por cualquier participante.

    En general en una investigación se utilizan o combinan diferentes métodos. Lo esencial es tener en cuenta, cuál es el objetivo central del estudio y cuál va a ser la forma más adecuada o precisa de recoger la información que necesitamos, referida a nuestras variables.

     

  • Registro y procesamiento de la información: En la fase de planificación de los métodos el investigador debe pensar no sólo cómo va a recoger la información que necesita sino qué va a hacer con ella, es decir, qué tipo de análisis llevará a cabo.

    El análisis va a depender de la técnica empleada para la recogida de información.

    Las entrevistas abiertas o semiestructuradas, los grupos de discusión, así como las técnicas más "cualitativas", hacen necesario un análisis del discurso.

    La utilización de cuestionarios en la recogida de información, va a permitir la cuantificación de las variables. Generalmente se suelen agrupar a los sujetos de estudio en función de sus características. La distribución de frecuencias de cada una de las variables estudiadas y el cruce de variables son algunos de los elementos a tener en cuenta en el análisis.

     

  • La información se suele procesar utilizando diferentes programas o paquetes informáticos. Es aconsejable describir en este apartado qué tipo de programa o paquete va a ser utilizado para el procesamiento.

 

2. Fase de recogida de datos.

En esta fase se trata de recoger y recopilar la información de los individuos estudiados. El método diseñado va a definir el marco y el proceso de recogida.

Si hemos pensado en entrevistas abiertas o semiestructuradas se necesita de algún aparato de grabación (audio o visual), así como la trascripción del discurso.

Si hemos pensado en algún tipo de observación no mecánica necesitaremos una planilla de observación. Para la observación de dinámicas grupales es aconsejable la de Bales.

Si, por el contrario, nuestra técnica ha sido el cuestionario o el formulario debemos diseñar una hoja para la recogida de datos.

 

Sea cual sea la técnica utilizada es fundamental, tener en cuenta la importancia de esta fase, dado que en ella se pueden cometer sesgos de información, que pueden alterar el resultado de toda la información.

 

La realización de una prueba piloto, así como el entrenamiento de los que realizan las técnicas, es esencial para evitar errores en esta fase.

 

Los teóricos de la investigación consideran que esta fase no debería ocupar más del 15% del total del tiempo del estudio. Nuestra experiencia nos dice que es la fase que consume más tiempo y que más sinsabores genera, especialmente si estamos utilizando formularios o cuestionarios. La participación de los sujetos a estudiar no siempre es adecuada.

 

3. Fase de análisis e interpretación de los resultados.

La finalidad del análisis es aceptar o rechazar la hipótesis (conceptual u operacional) de la que partíamos al iniciarse el estudio.

El tipo de análisis será diferente dependiendo del tipo de diseño utilizado y de la técnica utilizada en la recogida de información.

 

Ya hemos señalado anteriormente que para las entrevistas no estructuradas se analiza el discurso, con mayor o menor profundidad, dependiendo de la experiencia del investigador. Un análisis en profundidad del mismo nos lleva a analizar el contenido manifiesto y el latente. Se aconseja que para los enfermeros que desean utilizar este tipo de metodología, se analice el discurso en aquellos aspectos explícitos, aunque el análisis pierde gran riqueza.

 

En aquellos estudios en los que se ha utilizado metodología más cuantitativa, debemos comenzar por revisar los datos que han sido recopilados en la fase de recogida.

 

En la fase de análisis se pueden mejorar algunos de los errores cometidos durante el estudio y evitar o controlar los posibles sesgos o factores de confusión.

 

Pueden ser factores de confusión cualquier variable que se interponga entre las variables principales del estudio, entre la variable independiente y dependiente. Para que una variable sea considerada factor de confusión, debe ser por una parte un factor de riesgo de la enfermedad estudiada, y por otra estar asociada de alguna forma a la variable de estudio.

 

Vamos intentar aclarar el concepto con algún ejemplo. Pensemos que estamos realizando un estudio sobre úlceras por presión, en el que intentamos encontrar algún tipo de relación entre la inmovilización y la aparición de úlceras. En nuestro estudio tenemos pacientes que tienen incontinencia urinaria. La incontinencia es o puede ser un factor contundente, ya que puede ser la humedad y no la inmovilización la que esté produciendo la ulceración de la piel.

 

Los factores de confusión en un estudio, pueden ser evitados en la etapa del diseño a través de métodos como la randomización, la restricción, el apareamiento, o la estratificación. Si no se han podido evitar en esta fase sí se pueden controlar en la fase del análisis.

Habiendo intentado aclarar esto pasamos directamente a la estrategia de análisis.

1. Revisarlos datos:

  • Edición de los datos.

  • Sumarización o recuento de los datos.

  • Control de la calidad de la información.

  • Correcciones necesarias.

2. Describir las informaciones obtenidas:

  • Describir la población a que hace referencia el análisis.

  • Ordenar los datos para obtener la distribución de frecuencias. Es decir, clasificar a los sujetos en categorías, si la variable se ha medido en una escala ordinal o nominal; o en números o intervalos de valores, si la variable se ha medido en una escala métrica de variables.

  • Indices estadísticos como medidas de tendencia central o dispersión.

  • Asociación entre las diferentes variables. Se lleva a cabo cruzando diferentes variables. A través de las tablas de contingencia y con la prueba estadística aconsejada, según el tipo de variable y los grupos que se comparan, podemos encontrar o no asociación entre variables.

  • Puede ser necesario el cálculo de los indicadores epidemiológicos (prevalencia, incidencia, riesgo, etc.).

3. Control de los sesgos:

  • Sesgos de selección. Los individuos estudiados no son representativos de la población a estudiar, ni en número ni en tipo.

  • Sesgos de pérdidas. Los individuos que se necesitan estudiar pueden no querer colaborar con el estudio, haber muerto, cambiado de domicilio, etc.

  • Sesgos de información. Mal diseñada o mal recogida.

  • Sesgos de interpretación. El investigador tiene sus propias ideas y opiniones que pesan sobre las informaciones que está obteniendo a través del estudio.

 

4. Control de los factores de confusión: Ya explicamos anteriormente que en el diseño se podían controlar los factores de confusión y para ello había varias estrategias. Cuando intentamos controlar los factores en la fase del análisis podemos utilizar:

  • Estratificación por varios niveles de una variable o por diversas variables diferentes. Esta técnica no sólo permite controlar los factores de contusión, sino que va a permitir estimar el efecto o la asociación en algunos subgrupos que se consideran de interés.

  • Análisis multivariante. Nos permite conocer la influencia simultánea de varios factores sobre la variable estudiada. Implica la utilización de técnicas estadísticas más complejas, con lo cual resulta más dificultoso responder a las preguntas secundarias.

Si conseguimos evitar o mejorar los sesgos y factores de confusión estaremos acercándonos a un estudio con gran validez interna, requisito indispensable si deseamos generalizar los resultados del estudio a otras poblaciones (validez externa).

 

5. Intentar aceptar o rechazar la hipótesis de partida en nuestro estudio. Cuando el investigador analiza los datos de un estudio debe plantearse:

  • ¿El resultado obtenido se debe al azar?

  • Si existe asociación ¿qué magnitud tiene?

  • ¿Cuál es la estimación de la precisión del efecto?

Algunas de estas preguntas nos llevan al test de hipótesis, replanteándonos la pregunta inicial del estudio en forma de hipótesis nula. Tanto si la hipótesis ha sido aceptada como rechazada se pueden cometer errores.

Si la hipótesis ha sido rechazada conviene revisar de nuevo todo el estudio: forma en que se han seleccionado los sujetos, número seleccionado, veracidad en las informaciones, análisis estadístico empleado, factores de confusión, etc. Una aceptación o rechazo de la hipótesis no implica que obligatoriamente esto ocurra en la realidad. Todo dependerá de la precisión con la que realizamos nuestras estimaciones.

 

ESTADÍSTICA DESCRIPTIVA.

Una vez que se han recogido los valores que toman las variables de nuestro estudio (datos), procederemos al análisis descriptivo de los mismos. Para variables categóricas, como el sexo o el estadiaje, se quiere conocer el número de casos en cada una de las categorías, reflejando habitualmente el porcentaje que representan del total, y expresándolo en una tabla de frecuencias.

Para variables numéricas, en las que puede haber un gran número de valores observados distintos, se ha de optar por un método de análisis distinto, respondiendo a las siguientes preguntas:

  • ¿Alrededor de qué valor se agrupan los datos?

  • Supuesto que se agrupan alrededor de un número, ¿cómo lo hacen? ¿muy concentrados? ¿muy dispersos?

 

a) Medidas de tendencia central. Las medidas de centralización vienen a responder a la primera pregunta. La medida más evidente que podemos calcular para describir un conjunto de observaciones numéricas es su valor medio. La “media” no es más que la suma de todos los valores de una variable dividida entre el número total de datos de los que se dispone.

Como ejemplo, consideremos 10 pacientes de edades 21 años, 32, 15, 59, 60, 61, 64, 60, 71, y 80. La media de edad de estos sujetos será de:

Más formalmente, si denotamos por (X1, X2,...,Xn) los n datos que tenemos recogidos de la variable en cuestión, el valor medio vendrá dado por:


 

Otra medida de tendencia central que se utiliza habitualmente es la “mediana”. Es la observación equidistante de los extremos.

La mediana del ejemplo anterior sería el valor que deja a la mitad de los datos por encima de dicho valor y a la otra mitad por debajo. Si ordenamos los datos de mayor a menor observamos la secuencia:

15, 21, 32, 59, 60, 60,61, 64, 71, 80.

 

Como quiera que en este ejemplo el número de observaciones sea par (10 individuos), los dos valores que se encuentran en el medio son 60 y 60. Si realizamos el cálculo de la media de estos dos valores nos dará a su vez 60, que es el valor de la mediana.

Si la media y la mediana son iguales, la distribución de la variable es simétrica. La media es muy sensible a la variación de las puntuaciones. Sin embargo, la mediana es menos sensible a dichos cambios.

 

Por último, otra medida de tendencia central, no tan usual como las anteriores, es la “moda”, siendo éste el valor de la variable que presenta una mayor frecuencia.

En el ejemplo anterior el valor que más se repite es 60, que es la moda

 

b) Medidas de dispersión.

Distribución de los valores de las variables, se realiza a través de la campana de Gauss o distribución de las variables.

Curva de Distribución Normal o "Campana de Gauss" de una muestra y/o población estadística. En el centro están los valores centrales o la media y la mediana y a los lados los valores dispersos o medidas de dispersión.

Otro aspecto a tener en cuenta al describir datos continuos es la dispersión de los mismos, esto es, la “Distribución de las variables”. Existen distintas formas de cuantificar esa variabilidad. De todas ellas, la varianza (S2) de los datos es la más utilizada. Es la media de los cuadrados de las diferencias entre cada valor de la variable y la media aritmética de la distribución.

Esta varianza muestral se obtiene como la suma de las de las diferencias de cuadrados y por tanto tiene como unidades de medida el cuadrado de las unidades de medida en que se mide la variable estudiada.

En el ejemplo anterior la varianza sería:

Sx2 =

 

La desviación típica (S) es la raíz cuadrada de la varianza. Expresa la dispersión de la distribución y se expresa en las mismas unidades de medida de la variable. La desviación típica es la medida de dispersión más utilizada en estadística.

Aunque esta fórmula de la desviación típica muestral es correcta, en la práctica, la estadística nos interesa para realizar inferencias poblacionales, por lo que en el denominador se utiliza, en lugar de n, el valor n-1. Por tanto, la medida que se utiliza es la cuasidesviación típica, que viene dada por la siguiente formula:

Aunque en muchos contextos se utiliza el término de desviación típica para referirse a ambas expresiones.

En los cálculos del ejercicio previo, la desviación típica muestral, que tiene como denominador n, el valor sería 20.678. A efectos de cálculo lo haremos como n-1 y el resultado seria 21,79.

El haber cambiado el denominador de n por n-1 está en relación al hecho de que esta segunda fórmula, es una estimación más precisa de la desviación estándar verdadera de la población y posee las propiedades que necesitamos para realizar inferencias a la población.

 

Cuando se quieren señalar valores extremos en una distribución de datos, se suele utilizar la amplitud como medida de dispersión. La amplitud es la diferencia entre el valor mayor y el menor de la distribución.

Por ejemplo, utilizando los datos del ejemplo previo tendremos 80-15 =65.

 

Como medidas de variabilidad más importantes, conviene destacar algunas características de la varianza y desviación típica:

  • Son índices que describen la variabilidad o dispersión y por tanto cuando los datos están muy alejados de la media, el numerador de sus fórmulas será grande y la varianza y la desviación típica lo serán.

  • Al aumentar el tamaño de la muestra, disminuye la varianza y la desviación típica. Para reducir a la mitad la desviación típica, la muestra se tiene que multiplicar por 4.

  • Cuando todos los datos de la distribución son iguales, la varianza y la desviación típica son iguales a 0.

  • Para su cálculo se utilizan todos los datos de la distribución; por tanto, cualquier cambio de valor será detectado.

 

Otra medida que se suele utilizar es el coeficiente de variación (CV). Es una medida de dispersión relativa de los datos y se calcula dividiendo la desviación típica muestral por la media y multiplicando el cociente por 100. Su utilidad estriba en que nos permite comparar la dispersión o variabilidad de dos o más grupos. Así, por ejemplo, si tenemos el peso de 5 pacientes (70, 60, 56, 83 y 79 Kg) cuya media es de 69,6 kg. y su desviación típica (s) = 10,44 y la TAS de los mismos (150, 170, 135, 180 y 195 mmHg) cuya media es de 166 mmHg y su desviación típica de 21,3. La pregunta sería: ¿qué distribución es más dispersa, el peso o la tensión arterial? Si comparamos las desviaciones típicas observamos que la desviación típica de la tensión arterial es mucho mayor; sin embargo, no podemos comparar dos variables que tienen escalas de medidas diferentes, por lo que calculamos los coeficientes de variación:

 

CV de la variable peso =

 

CV de la variable TAS =

A la vista de los resultados, observamos que la variable peso tiene mayor dispersión.

 

Cuando los datos se distribuyen de forma simétrica (y ya hemos dicho que esto ocurre cuando los valores de su media y mediana están próximos), se usan para describir esa variable su media y desviación típica. En el caso de distribuciones asimétricas, la mediana y la amplitud son medidas más adecuadas. En este caso, se suelen utilizar además los “cuartiles” y “percentiles”.

Los cuartiles y percentiles no son medidas de tendencia central sino medidas de posición. El percentil es el valor de la variable que indica el porcentaje de una distribución que es igual o menor a esa cifra.

Así, por ejemplo, el percentil 80 es el valor de la variable que es igual o deja por debajo de sí al 80% del total de las puntuaciones. Los cuartiles son los valores de la variable que dejan por debajo de sí el 25%, 50% y el 75% del total de las puntuaciones y así tenemos por tanto el primer cuartil (Q1), el segundo (Q2) y el tercer cuartil (Q3).

 

Intervalos de confianza y valores de probabilidad. El razonamiento que subyace en todo trabajo de investigación es que si la muestra que hemos estudiado ha sido extraída de forma aleatoria de la población, los resultados observados en ella serán válidos aproximadamente para esa población, y los procedimientos estadísticos nos permiten cuantificar la magnitud del término "aproximadamente", lo que dependerá del tamaño y representatividad de la muestra (error de muestreo), la variación debida a las técnicas de medida empleadas (error de medida), y la propia variabilidad biológica del proceso estudiado (error aleatorio).

La precisión de la estimación efectuada a partir de los datos del estudio se refleja en el intervalo de confianza. El intervalo de confianza de un parámetro viene dado por dos límites, inferior y superior, en el que, de acuerdo con nuestros datos, esperamos que se encuentre el valor verdadero del parámetro de la población (desconocido), con un nivel de seguridad determinado y que se suele fijar en el 95%.

El intervalo de confianza es mucho más informativo que indicar solo si un resultado ha sido estadísticamente significativo

Los resultados del objetivo primario de la investigación se deben reflejar siempre con el intervalo de confianza, hayan resultado o no estadísticamente significativos.

 

Veamos un ejemplo.

La media del IMC (índice de masa corporal) fue superior en 3.1 Kg/m² (Int.conf. 95% = 2.2 a 4.0, t Student = 6.9 p < 0.001) en los pacientes con cifras compatibles con hipertensión arterial (media IMC= 30.2 Kg/m², s=4.8, n=728), que en los pacientes con cifras de tensión arterial adecuadas (media IMC= 27.1 Kg/m², s=4.4, n=129).

La ventaja fundamental del intervalo de confianza frente al valor de probabilidad -y mucho más frente a indicar sólo si es estadísticamente significativo- radica en que al proporcionar un rango de valores que nos permite cuantificar la precisión biológica de la estimación, mientras que el valor de P no tiene ningún significado clínico fuera del contexto de los datos obtenidos, y el nivel de significación no es, al fin y al cabo, mas que un valor arbitrariamente seleccionado, fundamentalmente por motivos de costumbre, porque ¿qué importancia puede tener obtener un valor de P de 0.046 o uno de 0.054? y sin embargo en el primer caso diremos que el resultado es estadísticamente significativo y en el segundo que no lo fue.

 

4. COMUNICACIÓN Y DIFUSIÓN DEL ESTUDIO DE INVESTIGACIÓN.

Podemos decir que sería la última y aconsejable etapa de una investigación. El estudio se da por concluido cuando ha finalizado, pero lo adecuado sería que su final fuese la difusión en algún medio que pueda resultar de interés para otros.

 

Nos estamos refiriendo a la publicación en alguna revista, la presentación como ponencia, la presencia en alguna biblioteca, etc.

 

Hay buenísimos trabajos mecanografiados que aún no han sido publicados pero están a disposición en bibliotecas especializadas.

 

Si deseamos realizar un informe final para presentar el estudio a alguna institución que lo financió o para la publicación en alguna revista, se aconseja la concreción y la claridad.

 

El Comité Internacional de Editores de Revistas Científicas recomienda unas normas, denominadas de Vancouver, que debe cumplir todo artículo a publicar:

  • Introducción.

  • Material y métodos.

  • Resultados.

  • Conclusiones o discusión.

 


Principal ] Novedades ] Apuntes de clase ] Trabajos Enfermería ] Evaluación ]

Usuarios On line:          
Última modificación: 14 de noviembre de 2016
Enviar correo electrónico a webmaster@aniorte-nic.net con preguntas o comentarios sobre este sitio Web.
Webmaster: Nicanor Aniorte Hernández
Copyright © desde 2001 Nicanor Aniorte.
Política de Privacidad / Confidencialidad      Política de Financiación     Política de Publicidad

Nosotros subscribimos Los Principios del código HONcode de la Fundación Salud en la Red Nosotros subscribimos los Principios del código HONcode.
Compruébelo aquí.

     Estamos en la red desde el 27 de julio del 2.000