ii.- fases del desarrollo del proceso de …histologia.ugr.es/pdf/metodologia_ii.pdf · táctica o...

Grupo de Investigación de Ingeniería Tisular Máster en Ingeniería Tisular

20

II.- FASES DEL DESARROLLO DEL PROCESO DE INVESTIGACIÓN

Como hemos indicado, y sin obviar el papel de la investigación cualitativa, la

investigación cuantitativa constituye la base fundamental del conocimiento científico

experimental actual en el campo de las Ciencias Básicas, entre las cuales incluimos a la

Ciencia Histológica y su aplicación a las Ciencias de la Salud.

La investigación cuantitativa se basa en el diseño de investigación experimental, que

veremos en el siguiente punto de este Proyecto de Investigación, y tiene varias fases o

momentos que han de cumplirse necesariamente. En este punto, estudiaremos los

siguientes momentos de la investigación cuantitativa (López-Barajas, 2001): el problema

de investigación, la formulación de las hipótesis de trabajo, la validación de las hipótesis y

la interpretación de los resultados.


21

A.- EL PROBLEMA DE INVESTIGACIÓN

La formulación del problema de investigación en forma de preguntas de investigación

constituye el punto de arranque de todo proceso investigador. La importancia de este

punto es clave, pues todo el proceso irá encaminado a dar respuesta a las preguntas de

investigación inicialmente planteadas. Por ello, si las preguntas están mal planteadas o

carecen de interés, todo el proceso investigador perderá su valor o quedará inutilizado de

manera irremediable.

La investigación científica tiene como objeto principal hallar, formular y resolver

problemas. Por ello, la correcta identificación y el adecuado planteamiento de esos

problemas es fundamental para proceder a su resolución. De hecho, muchos científicos

afirman no sin fundamento que un buen planteamiento es la mitad de la solución del

problema. Por ello, antes de definir un problema hemos de tener en cuenta dos aspectos:

1. Solamente cuando un problema se plantea bien, se estará en el camino de

solucionarlo.

2. Para identificar bien un problema, es necesario especificarlo, ya que no es

una cuestión que se pretende aclarar, sino una proposición o dificultad de

solución o explicación dudosa en ese momento.

El investigador ha de conocer cómo surge un problema, cómo se manifiesta, y ha de

preguntarse qué problema merece ser investigado. La identificación de un problema

exige que éste sea específico, importante, posible y práctico.

Al plantear la metodología de la investigación, el científico ha de tomar cuando menos

tres decisiones. En primer lugar, identificar la naturaleza del problema objeto de estudio,

para seleccionar el paradigma idóneo para su resolución. En segundo lugar, decidir en

función de sus objetivos qué estrategia es la más pertinente, es decir, el nivel y el tipo de

investigación que se llevará a cabo. Por último, el investigador deberá especificar la

táctica o procedimiento a recorrer, enumerando todas y cada una de las etapas, a modo

de mapa que oriente el proceso en su totalidad.


22

En general, sea cual sea el camino, para que la investigación permita un avance efectivo

en el conocimiento científico, deberá tener muy en cuenta el estado actual de la

cuestión que se quiere tratar. Para poder identificar los problemas de investigación, el

científico ha de estudiar con detalle los planteamientos que actualmente existen sobre el

tema y qué soluciones aportan otros investigadores. De este modo, determinando el

estado actual de la cuestión, el investigador debe identificar las posiciones teóricas más

significativas y relacionadas con el tema a tratar, así como conocer las posibilidades y

limitaciones metodológicas existentes según el problema que se trate.

Para determinar el estado actual de la cuestión, el científico deberá indagar sobre el

problema que se va a trabajar, conocer los resultados alcanzados por otros autores en

dicha cuestión, revisar desde los trabajos clásicos a los más recientes, reseñando los

más significativos en las respectivas posiciones teóricas, para estar advertido de

perspectivas y posiciones epistemológicas. Conocer el estado actual de la cuestión es un

paso importante ya que enriquece la posterior formulación de hipótesis de trabajo. Se

trata de consultar las fuentes, los orígenes del problema, y su evolución hasta el

momento presente. El reconocimiento de la propia realidad y el contexto en el que se

ubicará la investigación, es tarea imprescindible para averiguar las dificultades técnicas

que se han de plantear en cualquier estudio científico.

Las fuentes a las que se puede acudir son: La propia realidad científica, las fuentes

bibliográficas y documentales, las fuentes institucionales y los sistemas informatizados.

En el campo de la Histología y, concretamente, en el campo de la Histología Bucodental

Humana, podríamos poner multitud de ejemplos relacionados con el problema de

investigación. A modo de ejemplo, expondremos el siguiente:

Un investigador está interesado en evaluar la viabilidad celular de una población de

fibroblastos humanos mantenidos en cultivo y procedentes de la pulpa dental. Para ello,

desea plantear un proyecto de investigación que le permita determinar la viabilidad de

sus células. Lo primero que hace este científico hipotético es acudir a las fuentes de

información disponibles, incluyendo sus propios conocimientos, libros especializados en

citología y viabilidad celular, revistas especializadas y bases de datos disponibles en

internet (por ejemplo, PubMed).


23

Después de una completa revisión de la literatura, el científico será capaz de determinar

cuál es el estado actual de la cuestión, esto es, qué métodos son los más utilizados en la

actualidad y cuáles son los que otros autores utilizan y recomiendan para determinar la

viabilidad de las células mantenidas en cultivo (exclusión de colorantes orgánicos tipo

azul tripán, métodos enzimáticos que detectan LDH libre en el medio de cultivo,

microanálisis por energía dispersiva de rayos X, etc.). Con toda esa información, el

científico estará en condiciones de definir claramente el problema y de formular las

preguntas de investigación.

Algunos ejemplos de preguntas de investigación son los siguientes: ¿qué porcentaje de

células de la pulpa dental mantenidas en cultivo mantienen su viabilidad celular? ¿cuál es

el índice de viabilidad celular de los fibroblastos de la pulpa mantenidos en cultivo?

¿existe alguna disminución de la viabilidad celular en células correspondientes a

subcultivos más avanzados? ¿tiene algún efecto sobre la viabilidad celular la adición de

factores de crecimiento al medio de cultivo?

Problema de investigación

Los fibroblastos de la pulpa dental humana mantenidos en cultivo deben mantener elevados índices de

viabilidad celular para poder utilizarlos en la clínica humana (terapia celular e ingeniería tisular)

Preguntas de investigación

¿Qué porcentaje de células de la pulpa dental mantenidas en cultivo mantienen su viabilidad celular?

¿Cuál es el índice de viabilidad celular de los fibroblastos de la pulpa mantenidos en cultivo?


24

B.- FORMULACIÓN DE LAS HIPÓTESIS

La hipótesis es una proposición no demostrada, la suposición de un hecho, cuya validez y

veracidad se pretende demostrar en el curso de una investigación. Se trata, por tanto, de

una explicación tentativa a un problema de investigación. El planteamiento de las

hipótesis constituye una predicción acerca de la relación y varianza de una serie de

factores (que denominamos variables), convirtiéndose en una etapa principal y esencial

en el proyecto científico, y que sirve para orientar el curso, el proceso y la estrategia de

toda la investigación.

El confirmar o desmentir las hipótesis mediante la correspondiente recogida de

información y de datos, constituye el objeto fundamental de cualquier investigación

científica. Por ello, la elaboración correcta y pertinente de las hipótesis de trabajo es un

punto fundamental y necesario de todo proceso investigador. De esta forma, las hipótesis

deben ser bien planteadas, basadas en el estado actual de la cuestión y en las preguntas

de investigación y deben aportar una explicación razonable y plausible al tema a tratar.

Una buena hipótesis debe estar bien fundamentada y debe ser contrastable

empíricamente.

Lo más habitual es que las hipótesis se expresen en forma condicional, con la siguiente

estructura: “Si A, entonces B”, aunque en el ámbito de las Ciencias de la Salud podemos

encontrar hipótesis planteadas en forma afirmativa directa, o incluso en forma negativa.

Según Jiménez Fernández (2000), las propiedades y características de las hipótesis son

las siguientes:

1. Las hipótesis son proposiciones tentativas acerca de las relaciones entre

dos o más variables y se apoyan en conocimientos organizados y

sistematizados.

2. Las hipótesis contienen variables; éstas son propiedades cuya variación

puede ser medida.

3. Las hipótesis surgen normalmente del planteamiento del problema y la

revisión de la literatura (algunas veces, de teorías).


25

4. Las hipótesis deben referirse a una situación real. Las variables contenidas

tienen que ser precisas, concretas y poder observarse en la realidad; la

relación entre las variables debe ser clara, verosímil y medible. Asimismo, las

hipótesis deben estar vinculadas con técnicas disponibles para probarlas.

5. Las hipótesis se clasifican en: hipótesis nulas e hipótesis alternativas.

Ambos tipos de hipótesis son muy útiles cuando planteamos una investigación

en la cual existen dos o más grupos.

1. Hipótesis nula (H0)

La hipótesis nula es aquélla que nos dice que no existen diferencias significativas entre

los grupos o que las diferencias que existen se deben simplemente al azar. Esta hipótesis

enuncia que no existen diferencias entre las poblaciones de donde proceden las

muestras, por lo que las diferencias observadas son atribuibles a errores aleatorios o de

muestreo.

Por ejemplo, supongamos que un investigador cree que si los fibroblastos de la pulpa

dental humana son cultivados en presencia de ácido cítrico, aumenta la viabilidad celular.

Para llevar a cabo su investigación y demostrar o rechazar su hipótesis, toma al azar una

muestra de células de la pulpa y la distribuye en dos grupos: uno que llamaremos grupo

experimental, el cual recibirá ácido cítrico, y otro que no recibirá este ácido, al que

llamaremos grupo control. La hipótesis nula (H0) señalará que no hay diferencias en la

viabilidad celular observada entre ambos grupos, el experimental y el control.

Una hipótesis nula es importante por varias razones. La más importante de ellas es que

el hecho de contar con una hipótesis nula ayuda a determinar si existe una diferencia

entre los grupos, si esta diferencia es significativa, y si no se debió al azar. Sin embargo,

no toda investigación precisa de formular hipótesis nula. Recordemos que la hipótesis

nula es aquélla por la cual indicamos que la información a obtener es contraria a la

hipótesis de trabajo.


26

2. Hipótesis alternativa (H1)

La hipótesis alternativa es aquélla que afirma la existencia de diferencias que no

atribuibles al azar. Al responder a un problema, es muy conveniente proponer otras

hipótesis en las que aparezcan variables independientes distintas de las primeras que

formulamos. Por tanto, para no perder tiempo en búsquedas inútiles, es necesario hallar

diferentes hipótesis alternativas como respuesta a un mismo problema y elegir entre ellas

cuáles y en qué orden vamos a tratar su comprobación.

La presencia de la hipótesis alternativa también es importante, puesto que la mayoría de

los diseños de investigación se centrarán en comprobar la veracidad o la falsedad de la

hipótesis nula. En los casos en los que la hipótesis nula demuestre ser falsa, el

investigador ha de tener una alternativa que, al ser opuesta a la hipótesis nula, será la

hipótesis verdadera y la que habremos de adoptar como cierta.

En el ejemplo que poníamos previamente, la hipótesis alternativa (H1) afirmará que sí

existen diferencias significativas en la viabilidad celular observada entre ambos grupos, el

experimental y el control.

Hipótesis nula H0 Los fibroblastos de la pulpa dental humana cultivados en medios enriquecidos con ácido cítrico presentan

índices de viabilidad celular similares a los fibroblastos cultivados en medios de cultivo sin este factor

Hipótesis alternativa H1 Los fibroblastos de la pulpa dental humana cultivados en medios enriquecidos con ácido cítrico presentan

mayor viabilidad celular que los fibroblastos cultivados en medios de cultivo sin este factor


27

C.- VALIDACIÓN DE LAS HIPÓTESIS

La tarea fundamental de todo investigador consiste en validar las hipótesis de trabajo.

Validar significa verificar, esto es, demostrar que las hipótesis son ciertas, o falsear, es

decir, demostrar que las hipótesis son falsas. La validación constituye una fase

eminentemente operativa dentro del proceso general de la investigación. En ella,

sometemos a prueba las hipótesis formuladas para resolver el problema y los objetivos

fijados, es decir, tratamos de constatar si existe o no base suficiente, con los datos

disponibles, para confirmar o rechazar la suposición inicial.

Para validar una hipótesis, el investigador ha de plantear un diseño de investigación

adecuado (como se verá en el siguiente apartado de este Proyecto de Investigación), el

cual le permitirá analizar la realidad para verificar o falsear sus hipótesis.

Lo primero que ha de hacer el científico es identificar y categorizar una serie de factores

que pueden tomar más de un valor y que se denominan variables. Lo segundo, será

seleccionar un conjunto de sujetos sobre los cuales llevará a cabo su estudio

experimental y que constituyen lo que se denomina muestra. A continuación, una vez

definidas las variables y seleccionada la muestra, el investigador deberá seleccionar o

elaborar los instrumentos apropiados para la recogida de datos, aplicarlos y analizar los

datos, para concluir con la decisión estadística y la constatación de los resultados de la

investigación, como veremos en distintos apartados de este Proyecto de Investigación.

En estos momentos, es interesante analizar los conceptos y tipos de variables y de

muestras:

1. Definición de las variables

Una variable es una propiedad, atributo o característica, susceptible de adoptar diferentes

valores o categorías. Por ello, variable es todo aquello que puede variar o que alcanza o

puede alcanzar diferentes valores. Variable es también cada uno de los rasgos o

características de los elementos de una población y que varían de un individuo a otro (por

ejemplo, talla, edad, color, contenido intracelular de cloro, tejido de origen, etc.). Los

valores o categorías de la variable pueden variar tanto entre sujetos, como en el mismo

sujeto a lo largo del tiempo.


28

Desde un punto de vista práctico, las variables se pueden clasificar en dependientes e

independientes (León y Montero, 1995; Vander Zanden, 1986), tal como veremos a

continuación:

a- Variable dependiente (VD). Se denomina variable dependiente a aquel factor

que resulta afectado dentro de un marco experimental, esto es, aquello que

ocurre o cambia como resultado de la manipulación de otro factor (denominado

variable independiente). Es la variable sobre la que se quieren analizar los

efectos de las variables independientes.

Si seguimos el ejemplo propuesto anteriormente, podríamos decir que la

viabilidad celular es una variable dependiente, pues se trata de un factor o

variable que el investigador quiere evaluar y sobre la cual actuarán algunos

otros factores o variables que pueden influir sobre su resultado.

b- Variable independiente (VI). La variable independiente es un factor que es

manipulado en un marco experimental, esto es, constituye un factor causal o

condición determinante de la relación que se quiere estudiar. En forma general,

la variable independiente es un factor que se considera explicación del

fenómeno que se está estudiando. Algunos investigadores la definen como una

variable cuya influencia sobre la variable dependiente se quiere estudiar. En los

estudios experimentales, la variable independiente se halla bajo el control

directo del investigador (de ahí su nombre). En los estudios observacionales, por

el contrario, los sujetos se asignan a diferentes grupos sobre la base de su

valor. En este tipo de situaciones quizá sea más apropiado denominarla

‘predictor’, y ‘criterio’ a la variable dependiente.

En nuestro ejemplo, una variable independiente sería la presencia de ácido

cítrico en el medio de cultivo. Esta variable tomará dos categorías en este

caso: con ácido cítrico y sin ácido cítrico. En otros experimentos, el investigador

puede llegar a considerar muchas más categorías dentro de cada variable

independiente (como varias dosis de este producto, por ejemplo).


29

Variable Dependiente (VD)

Viabilidad celular de los fibroblastos pulpares mantenidos en cultivo

Variable Independiente (VI)

Presencia de ácido cítrico en el medio de cultivo: - Medio suplementado con ácido cítrico - Medio no suplementado con ácido cítrico

2. Selección de la muestra

La selección de una muestra pertinente constituye uno de los momentos clave de todo

proyecto investigador. Cuando un investigador quiere llevar a cabo un estudio, lo ideal

sería que éste pudiese acceder a todos los individuos que componen el objetivo de su

estudio o a todas las muestras que teóricamente sería posible estudiar. De este modo,

sería posible determinar el valor exacto de la variable que se pretende estudiar en la

población diana. Este valor, perteneciente a toda la población, se denomina parámetro y

suele representarse con un carácter del alfabeto griego (µ, σ, ρ, etc.). Sin embargo, esta

situación ideal casi nunca es posible, por lo que el investigador ha de conformarse con

estudiar tan solo un grupo reducido de individuos o muestras y no la población general

completa. La determinación de la variable de estudio se centrará a ese grupo de

individuos, con lo que su valor puede diferir del parámetro poblacional. El valor de esta

variable en la muestra de individuos seleccionada por el investigador se denomina

estadístico, representándose con una letra del alfabeto latino (X, s, m, etc.).

En investigación, se denomina Universo al conjunto de elementos de referencia sobre el

cual van a recaer las observaciones y que son el objetivo del estudio. Por ejemplo, en

Histología Humana, Universo sería el conjunto de seres humanos que habitan la Tierra.

Por otro lado, se denomina Población al conjunto de todos los elementos que cumplen

ciertas propiedades y entre los cuales se desea estudiar un determinado fenómeno y que

son accesibles al investigador. Por ejemplo, el conjunto de seres humanos que habitan

en la misma ciudad que el investigador que lleva a cabo su experimento. Finalmente, se

denomina Muestra al subconjunto de la población que es realmente estudiado por el

investigador y a partir del cual se pretenden sacar conclusiones sobre las características


30

de la población. La muestra debe ser representativa, en el sentido de que las

conclusiones obtenidas deben servir para el total de la población, como veremos al hablar

de la validez externa de los diseños de investigación.

El proceso mediante el cual un investigador selecciona un grupo de sujetos que

conformarán su muestra a partir de una población, se denomina muestreo. Las técnicas

de muestreo más utilizadas son las siguientes:

- Aleatorio simple.- Proceso de selección de datos u observaciones a partir

del universo o población, de tal manera que todos hayan tenido igual

probabilidad e independencia para ser seleccionados.

- De cuotas.- Tiene por objeto el conocimiento de las características de

estratos de la población: sexo, raza, religión etc.

- Accidental.- Se utiliza cuando las muestras utilizadas son las que se ofrecen

en nuestro ámbito y no es posible por determinadas dificultades alcanzar otros

ámbitos.

- Estratificado.- Exige describir previamente la población, identificar niveles y

estratos. Se utiliza cuando es necesario establecer la proporción más

conveniente de determinados tipos de muestras (por ejemplo, un 50% de

varones y un 50% de mujeres). Las características de las submuestras

(estratos o segmentos) pueden contemplar casi cualquier tipo de variables:

edad, sexo, color, tamaño, tejido de origen, etc. Los estratos pueden así

definirse mediante un número prácticamente ilimitado de características.

- Grupo o bloque.- Es muy utilizado en las encuestas y cuando se pretende

minimizar la varianza de error. Consiste en seleccionar sucesivamente

subconjuntos, por ejemplo, provincias, colegios, clases, alumnos, etc.

Según qué técnica de muestreo se utilice, las muestras se clasifican en probabilísticas o

no probabilísticas. Una muestra probabilística es aquélla que se elige utilizando reglas

matemáticas, por lo que la probabilidad de selección de cada unidad es conocida de

antemano. Por el contrario, una muestra no probabilística no ser rige por las reglas

matemáticas de la probabilidad. De ahí que, mientras en las muestras probabilísticas es

posible calcular el tamaño del error muestral, no es factible hacerlo en el caso de las


31

muestras no probabilísticas. Ejemplos de éstas últimas son la muestra accesible (que

está conformada por muestras de fácil acceso para el investigador como podrían ser las

preparaciones histológicas disponibles en su laboratorio) y la muestra voluntaria (donde

los sujetos de la muestra no han sido seleccionados matemáticamente).

La modalidad más elemental de muestra probabilística es la muestra aleatoria simple, en

la que todos los componentes o unidades de la población tienen la misma oportunidad o

probabilidad de ser seleccionados. Otro procedimiento similar de muestreo aleatorio es el

llamado muestreo aleatorio sistemático en el cual se escoge uno de cada n componentes

del listado de la población. El investigador selecciona al azar un punto de partida y un

intervalo muestral. Así si el punto de partida fuera el 10 y el intervalo el 6 se elegirían el

10, 16, 22, 28, etc. hasta completar la lista de sujetos escogidos.

3. Recogida de datos

Una vez definidas las variables y seleccionada la muestra, el proceso de investigación se

centra en la recogida de datos mediante la medición de las diferentes variables del

estudio. En toda investigación, el científico dedica gran parte de su tiempo en medir las

variables contenidas en la hipótesis.

Medir es asignar numerales a los objetos, de acuerdo con ciertas reglas. Medir también

se puede definir como el proceso de vincular conceptos abstractos con indicadores

empíricos, mediante clasificación y/o cuantificación. Una buena regla debe reflejar el

grado de isomorfismo existente entre el conjunto de objetos, características o

propiedades sujetos a medición y el conjunto de los números. Operativamente, cuantificar

una propiedad de un sistema específico es proyectar el conjunto de grados de la

propiedad sobre el conjunto de los números, de tal modo que la ordenación y espaciación

de los números reflejen el orden y espaciación de los grados.

Para medir las variables del estudio, se utilizan instrumentos de medición. Un instrumento

de medición debe cubrir dos requisitos: fiabilidad y validez. Aunque no existe un

instrumento de medición perfecto, el investigador debe utilizar los instrumentos que le

permitan reducir el error de medición a límites tolerables.

Se dice que un instrumento es válido cuando mide lo que dice medir. La validez se

refiere al grado en que el instrumento de medición mide realmente la o las variables que

pretende medir. Existen varias clases de validez:


32

- Validez de contenido. Hace referencia a la representatividad de los

elementos de la prueba respecto de la característica o variable objeto de

medición. La validez de contenido se obtiene contrastando el universo de

ítems contra los ítems presentes en el instrumento de medición.

- Validez predictiva. Para identificar el valor predictivo de una prueba, debe

correlacionarse las puntuaciones de ésta con un criterio externo.

- Validez concurrente. Consiste operativamente en verificar si los resultados

de la prueba correlacionan con otros instrumentos que ya probaron su validez

y que medían los mismos objetos y variables.

- Validez de construcción o de constructo. Hace mención a la naturaleza

misma de lo que se mide. Identifica asimismo los valores o niveles que

construyen el objeto o variable. La validez de constructo se puede determinar

mediante el análisis de factores.

- Validez didáctica. Este tipo de validez se refiere al aspecto exterior de la

prueba. Se trata de que despierte el interés para su realización en caso de que

se presente a los individuos para su resolución. Debe cuidarse la forma de

expresión, los gráficos, etc.

La validez de una prueba se puede determinar mediante el análisis interno de la prueba o

mediante la comparación con los resultados de un criterio externo (validez de criterio).

Los factores que principalmente pueden afectar la validez son: improvisación, utilizar

instrumentos desarrollados en el extranjero y que no han sido validados a nuestro

contexto, poca o nula empatía, factores de aplicación.

Un instrumento es fiable cuando es estable, equivalente o muestra consistencia interna.

La fiabilidad indica en qué grado la repetición del procedimiento de medida, cuando no se

han modificado las condiciones, da lugar a resultados equivalentes. La fiabilidad es el

grado en que un test aporta resultados válidos. Para evaluar la fiabilidad, el test se pone

a prueba evaluando la consistencia de las puntuaciones obtenidas en dos mitades del

test, o en formas alternadas del test, o mediante su repetición tardía.


33

Una forma especial de fiabilidad es la confiabilidad. La confiabilidad se refiere al grado en

que la aplicación repetida de un instrumento de medición al mismo sujeto u objeto,

produce iguales resultados. La confiabilidad se determina calculando un coeficiente de

confiabilidad que varía entre 0 y 1 (0 = nula confiabilidad, 1 = total confiabilidad). Los

procedimientos más comunes para calcular la confiabilidad son la medida de estabilidad,

el método de formas alternas, el método de mitades partidas, el coeficiente alfa de

Cronbach y el coeficiente KR-20.

En el ámbito de la Histología, los datos se recogen a través de un proceso de

observación. La observación es un procedimiento básico, intencionado, sistemático de

recogida de información, a través del cual el observador recoge por sí mismo, o utilizando

algún recurso tecnológico, información sobre el comportamiento de las variables de

estudio en un contexto natural o artificial.

Como muestra la Figura 1 (Gómez de Ferraris y Campos, 2004; de Juan, 1999), la

observación en Histología se fundamenta en la utilización de medios amplificantes tales

como las lupas o los microscopios ópticos, electrónicos o de resolución atómica,

utilizando para ello muestras tisulares previamente preparadas mediante fijación,

inclusión o desecación. En todo caso, los instrumentos de medida, incluyendo las

mencionadas medidas amplificantes, han de presentar elevados índices de validez y

fiabilidad. De este modo, el histólogo podrá confiar en que sus resultados son verdaderos

y reproducibles.


34

Figura 1. Esquema general de la técnica histológica y de los instrumentos de observación (de Gómez de Ferraris y Campos, 2004).


35

4. Análisis estadístico

Una vez recogidos todos los resultados del estudio, es el momento de realizar el análisis

de los mismos para decidir acerca de las hipótesis y elaborar las conclusiones. En toda

investigación científica, la decisión que se ha de tomar hace referencia a la veracidad o

falsedad de las hipótesis de trabajo, es decir, el contraste de las mismas.

El análisis estadístico constituye un conjunto de transformaciones numéricas de los datos

encaminado a lograr que éstos sean interpretables en relación a la hipótesis de

investigación. Mediante este análisis, podemos contrastar las hipótesis de trabajo para

decidir sobre las mismas basándonos en fórmulas matemáticas previamente validadas.

El análisis estadístico se puede llevar a cabo a dos niveles diferentes: el descriptivo y el

inferencial.

a- La estadística descriptiva constituye una serie de procedimientos matemáticos que

nos permiten extraer conclusiones sobre el comportamiento de una serie de variables.

Para algunos autores, la estadística descriptiva es la parte de la estadística que opera

con estadísticos usados sólo con fines descriptivos de muestras de las que derivan y no

para describir una población o universo relacionado. Uno de los propósitos es resumir y

describir de forma clara y conveniente las características de uno o más de un conjunto de

datos.

En realidad, la estadística descriptiva nos permite sintetizar y resumir los resultados del

estudio en forma de índices fáciles de reconocer y de manejar y facilitan información

sobre la serie de datos que estamos analizando. Generalmente, concluye en la

determinación de ciertos valores numéricos, denominados estadísticos, cada uno de los

cuales viene a plasmar o poner de relieve una característica del grupo estudiado. Estos

índices o estadísticos, pueden ser de distinta naturaleza, destacando especialmente las

medidas de posición y las medidas de dispersión:

Medidas de posición. Las medidas de posición nos informan acerca del

comportamiento medio de nuestras variables, generando índices que nos dan una

idea del comportamiento global de las mismas. Existen dos tipos de medidas de

posición:


36

a) Medidas de posición central o de tendencia central. Las medidas de

posición central informan sobre los valores medios de la serie de datos.

Las principales medidas de posición central son la media, la mediana y la

moda:

1.- Media: es el valor medio ponderado de una serie de datos.

Lo más positivo de la media es que en su cálculo se utilizan

todos los valores de la serie, por lo que no se pierde ninguna

información. Sin embargo, presenta el problema de que su

valor (tanto en el caso de la media aritmética como geométrica)

se puede ver muy influido por valores extremos, que se aparten

en exceso del resto de la serie. Estos valores anómalos

podrían condicionar en gran medida el valor de la media,

perdiendo ésta representatividad.

Se pueden calcular diversos tipos de medias, siendo las

siguientes las más utilizadas la media aritmética y la media

geométrica:

a) Media aritmética: La media aritmética es la medida

de posición central más utilizada, y se calcula

multiplicando cada valor por el número de veces que

éste se repite. La suma de todos estos productos se

divide por el total de datos de la muestra:

X = [(X1 * n1) + (X2 * n2) + (X3 * n3) + .....+ (Xn * nn)] / n

b) Media geométrica: La media geométrica se suele

utilizar en series de datos como tipos de interés

anuales, inflación, etc., donde el valor de cada año

tiene un efecto multiplicativo sobre el de los años

anteriores. Para calcularla, se eleva cada valor al

número de veces que se ha repetido. Se multiplican

todo estos resultados y al producto final se le calcula

la raíz "n" (siendo "n" el total de datos de la muestra):

X = (X1n1 * X2

n2 * X3n3 * … * Xn

nn ) (1/n)


37

2.- Mediana: La mediana es el valor de la serie de datos que

se sitúa justamente en el centro de la muestra ordenada (un

50% de valores son inferiores y otro 50% son superiores).

No presentan el problema de estar influido por los valores

extremos pero, en cambio, no utiliza en su cálculo toda la

información de la serie de datos (no pondera cada valor por el

número de veces que se ha repetido).

3.- Moda: es el valor que más se repite en la muestra.

a) Medidas de posición o de tendencia no central. Estas medidas

informan de cómo se distribuye el resto de los valores de la serie (los que

no son centrales), y permiten conocer otros puntos característicos de la

distribución que no son los valores centrales. Entre otros indicadores, se

suelen utilizar una serie de valores que dividen la muestra en tramos

iguales:

1.- Cuartiles: son 3 valores que distribuyen la serie de datos,

ordenada de forma creciente o decreciente, en cuatro tramos

iguales, en los que cada uno de ellos concentra el 25% de los

resultados.

2.- Deciles: son 9 valores que distribuyen la serie de datos,

ordenada de forma creciente o decreciente, en diez tramos

iguales, en los que cada uno de ellos concentra el 10% de los

resultados.

3.- Percentiles: son 99 valores que distribuyen la serie de

datos, ordenada de forma creciente o decreciente, en cien

tramos iguales, en los que cada uno de ellos concentra el 1%

de los resultados.


38

Medidas de dispersión. Las medidas de dispersión son aquéllas que estudian la

distribución de los valores de la serie, analizando si éstos se encuentran más o

menos concentrados, o más o menos dispersos unos respecto a otros.

Existen diversas medidas de dispersión, entre las más utilizadas podemos

destacar las siguientes:

a) Rango: mide la amplitud de los valores de la muestra y se calcula por

diferencia entre el valor más elevado y el valor más bajo.

b) Varianza: Mide la distancia existente entre los valores de la serie y la

media. Se calcula como sumatorio de las diferencias al cuadrado entre

cada valor y la media, multiplicadas por el número de veces que se ha

repetido cada valor. El sumatorio obtenido se divide por el tamaño de la

muestra.

La varianza siempre será mayor que cero. Mientras más se aproxima a

cero, más concentrados están los valores de la serie alrededor de la

media. Por el contrario, mientras mayor sea la varianza, más dispersos

están.

c) Desviación típica: Se calcula como raíz cuadrada de la varianza.

d) Coeficiente de variación de Pearson: Se calcula como cociente entre la

desviación típica y la media.

Medidas de posición

Medidas de posición central

Media aritmética Media geométrica

Mediana Moda

Medidas de posición no

central

Cuarteles Deciles

Percentlies

Medidas de dispersión

Rango Varianza

Desviación típica Coeficiente de variación


39

b- La estadística inferencial constituye un conjunto de operaciones lógicas que

consisten en extraer consecuencias a partir de los datos o proposiciones iniciales. Entre

estas consecuencias, el investigador intentará utilizar los resultados obtenidos en la

muestra para confirmar o desmentir la validez de las hipótesis planteadas. De este modo,

utilizando los resultados de su estudio, podrán aplicarse una serie de modelos y fórmulas

estadísticas (que se denominan pruebas de contraste) para validar las hipótesis y poder

responder a las preguntas de investigación. La inferencia estadística hace referencia al

grado de confianza con que podemos inferir o concluir que existe covariación entre las

variables del estudio, en base a pruebas de significación estadística.

Como veremos más adelante en este Proyecto de Investigación, la confirmación

(verificación) o falsación (rechazo) de las hipótesis permitirá tomar decisiones sobre la

propia muestra utilizada (validez interna del estudio) y sobre una población más

numerosa, es decir, se extrapolan a la población general los resultados obtenidos en la

muestra seleccionada (validez externa). Dado que estas decisiones se toman en

condiciones de incertidumbre, suponen el uso de conceptos de probabilidad y están

sujetas a la posibilidad de cometer errores. En el ejemplo propuesto, la verificación de la

hipótesis nula nos llevaría a afirmar que la hipótesis nula es cierta y, por tanto, que los

fibroblastos de la pulpa dental humana cultivados en medios enriquecidos con ácido

cítrico presentan índices de viabilidad celular similares a los fibroblastos cultivados en

medios de cultivo sin este factor. Por el contrario, la falsación de la hipótesis nula nos

llevaría a afirmar que la hipótesis alternativa es correcta y que los fibroblastos de la pulpa

dental humana cultivados en medios enriquecidos con ácido cítrico presentan mayor

viabilidad celular que los fibroblastos cultivados en medios de cultivo sin este factor.

Estudiaremos este punto en detalle en el apartado correspondiente a la resolución

estadística de este Proyecto de Investigación.

Verificación de la Hipótesis Nula

Los fibroblastos de la pulpa dental humana cultivados en medios enriquecidos con ácido cítrico presentan

índices de viabilidad celular similares a los fibroblastos cultivados en medios de cultivo sin este factor

Rechazo de la Hipótesis Nula

Los fibroblastos de la pulpa dental humana cultivados en medios enriquecidos con ácido cítrico presentan

mayor viabilidad celular que los fibroblastos cultivados en medios de cultivo sin este factor


40

D.- INTERPRETACIÓN DE LOS RESULTADOS

La elaboración de las conclusiones constituye uno de los puntos más importantes del

trabajo de investigación. En realidad, las conclusiones son un resumen de los hallazgos

más importantes de la investigación y, sobre todo, una forma de dar respuesta a las

preguntas planteadas inicialmente y que justificaron la realización del ensayo. Después

de recoger y analizar los resultados y de tomar una decisión acerca de la validez o la

falsedad de la hipótesis nula elaborada por el investigador, es el momento de interpretar

todo el trabajo y de elaborar las conclusiones del trabajo.

Para que sean válidas, es muy importante que las conclusiones estén basadas en los

resultados obtenidos mediante el proceso de investigación. Las conclusiones derivadas

de la investigación deben recoger el resultado al que se ha llegado tras la aplicación de

las correspondientes pruebas y compararlo con la información previa. De este modo, el

investigador dará respuesta a las preguntas de investigación mediante la validación o

falsación de las hipótesis de trabajo. Así, el conocimiento generado estará basado tanto

en la información ya existente (estado actual de la cuestión) como en la nueva

información generada (los resultados de la investigación).

A la hora de redactarlas, conviene ser prudente en las conclusiones y pensar en la

provisionalidad de las mismas pues, como todo conocimiento científico, todas las

conclusiones se hacen en términos de probabilidad, no de certeza.

Por otro lado, las conclusiones no deben limitarse a ser una repetición de los resultados

ni una mera traducción de los términos estadísticos. Por el contrario, las conclusiones

han de aportar información relevante, relacionada con el problema de investigación, y

confirmar o rechazar las hipótesis generadas de una forma clara y directa. Por ello, las

conclusiones han de expresarse utilizando un lenguaje científico que sea fácil de

entender incluso por los que no son expertos en la materia de estudio.

En nuestro ejemplo, podríamos concluir que la adición de ácido cítrico favorece la

viabilidad celular de los fibroblastos pulpares mantenidos en cultivo y podríamos proponer

la adición de este factor a los cultivos de este tipo de células (Figura 2).

ii.- fases del desarrollo del proceso de …histologia.ugr.es/pdf/metodologia_ii.pdf · táctica o...

Documents