Transcript CUANTITATIVA_I - Métodos de Investigación Interdisciplinaria
SEMINARIO MÉTODOS INTERDISCIPLINARIOS DOCTORADO INTER-INSTITUCIONAL EN CIENCIAS AMBIENTALES Coordinadores: Carlos E. López, UTP Elkin Salcedo, Univalle Silvio Carvajal, Unicauca 2012
1
MÉTODOS DE INVESTIGACIÓN CUANTITATIVA CONCEPTOS BÁSICOS SILVIO M. CARVAJAL V.
PROFESOR
UNIVERSIDAD DEL CAUCA FACULTAD DE CIENCIAS NATURALES EXACTAS Y DE LA EDUCACIÓN GRUPO DE INVESTIGACIÓN EN TOXICOLOGÍA GENÉTICA Y CITOGENÉTICA 2012 2
1.
CONCEPTOS BÁSICOS
1.1 Investigación Cuantitativa (Origen) Empirismo inductivo o Positivismo Empirismo Lógico o positivismo Lógico 1.2 Características de la Investigación Cuantitativa. 1.3 Tipos de Investigación Cuantitativa: Según Objetivo: Descriptiva, Explicativa Según tiempo de estudio: Transversal, Longitudinal (Cohorte, Casos y controles) Según el grado de control de la variable Independiente: Experimental, Cuasiexperimental, No experimental ( Investigación analítica).
3
1.1 investigación cuantitativa (Origen):
La metodología cuantitativa se fundamenta en el POSITIVISMO O EMPIRISMO INDUCTIVO , que surge en el primer tercio del siglo XIX.
Radica la validez del conocimiento en los datos obtenidos por los sentidos y la experiencia . “
Reaccionando contra el pensamiento anárquico o especulativo
y propugnando el conocimiento riguroso , sometido a reglas de validación
fundadas en la experiencia constatable” (Padrón 1992).
En este siglo se aceleraron los descubrimientos generadores de tecnología. El término positivismo fue utilizado por primera vez por el filósofo y matemático francés del siglo XIX Auguste Comte (1798-1857), pero algunos de los conceptos positivistas se remontan al (1760-1825), y al filósofo alemán Immanuel Kant (1724 filósofo británico David Hume (1711-1775), al filósofo francés Saint-Simon 4 1804).
POSITIVISMO LÓGICO O EMPIRISMO LÓGICO DEL SIGLO XX (CÍRCULO DE VIENA): (Deductivo)
, tiene sus raíces en el positivismo o empirismo inductivo de D. Hume y A. Comte. La
clave del positivismo lógico
consiste en
contrastar hipótesis probabilísticamente y en caso de ser aceptadas y
.
demostradas en circunstancias distintas, a partir de ellas elaborar teorías generales, aplicables a casos particulares.
El método cuantitativo se origina en el positivismo lógico
5
INDUCCIÓN DEDUCCIÓN
H0: µ CON = H1: µ CON µ SIN > µ SIN H0: µ CONSUME = Μ NO CONSUME H1: µ CONSUME > Μ NO CONSUME SI SE RECHAZA LA H 0 Y SE ACEPTA LA H 1 , ENTONCES:
Como consume alimento rico en sustancia “X”, debe tener elevada la frecuencia de daño cromosómico y está en riesgo de cáncer. 6
1.2 CARACTERÍSTICAS DEL MÉTODO CUANTITATIVO: 1-
Plantear un
problema INVESTIGACIÓN.
de estudio delimitado y concreto :
PREGUNTA DE
2 Sobre la base de la revisión de la literatura
puede traducir en hipótesis estadísticas: construir un marco teórico, y derivar hipótesis de trabajo (Enunciado general que responde al problema). Esta se
Nula (H 0 ) y Alternativa (H 1 ). Las hipótesis se generan antes de recolectar y analizar los datos.
3-
Someter a prueba las hipótesis
mediante el empleo de los
diseños de investigación
apropiados. Si los resultados corroboran las hipótesis o son congruentes con estas, se aporta evidencia en su favor.
La hipótesis que se somete a prueba es la H 0 :
No diferencia entre grupos, No asociación entre variables, No relaciones explicativas o de dependencia entre variables.
Si se
RECHAZA
entonces se concluye que hay:
diferencia entre grupos, asociación entre variables, relaciones explicativas o de dependencia entre variables.
El rechazo generalmente se hace con un NIVEL DE CONFIANZA DEL 95% o PROBABILIDAD DE ERROR DEL 5% (NIVEL DE SIGNIFICANCIA: α = 0,05 ).
Si se incrementa la CONFINAZA se reduce el ERROR . Si se reduce la confianza se incrementa el error.
7
Con una CONFINAZA DEL 80 ( 0 Probabilidad de error del 20%), no se rechazaría la H 0 .
CARACTERÍSTICAS:
4 Obtener resultados : el investigador recolecta datos numéricos de las variables de interés, en los sujetos o participantes, y analiza mediante procedimientos estadísticos.
La recolección de los datos se fundamentan en la medición (se miden variables o conceptos contenidos en las hipótesis).
5
. La investigación cuantitativa debe ser lo más objetiva posibles , y posee estándares de validez y confiabilidad y las conclusiones derivadas contribuirán a la generación de conocimiento.
Existen dos realidades, una subjetiva que radica en las experiencias y creencias de las personas, la otra es objetiva primera.
e independiente de las creencias que tengamos hacia ella. Resulta posible conocer una realidad externa e independiente del sujeto , tener mayor información sobre ella. Cuando las investigaciones establecen que la “realidad objetiva” es distinta a nuestras creencias, éstas deben adaptarse a la
6. Este enfoque utiliza la lógica o razonamiento deductivo , que comienza con la teoría y expresiones lógicas denominadas hipótesis, que el investigador somete a prueba probabilísticamente , mediante diseños experimentales y análisis estadístico de datos y obtiene conclusiones (Teorías, Layes ).
8
El cuantitativo
“utiliza la recolección y el análisis de datos para contestar preguntas de investigación y probar hipótesis establecidas previamente y confía en la medición numérica, el conteo y frecuentemente en el uso de la estadística para establecer con exactitud patrones de
comportamiento de una población” (Hernández etal,
2003; p.5)
Hurtado y Toro (1998). “La clave del positivismo lógico consiste en contrastar hipótesis probabilísticamente y en caso de ser aceptadas y demostradas en circunstancias distintas, a partir de ellas elaborar teorías generales. La estadística dispone de instrumentos cuantitativos para contrastar estas hipótesis.
Por tanto el método científico, tras una observación, genera una hipótesis que contrasta y emite posteriormente unas conclusiones derivadas de dicho contraste de hipótesis
. En general los métodos cuantitativos son muy potentes en términos de validez externa. 9
1.3 TIPOS DE ESTUDIOS CUANTITATIVOS 1. ESTUDIO EXPLORATORIOS:
se efectúan, normalmente, cuando el objetivo es examinar un tema o problema de investigación poco estudiado o que no ha sido abordado antes. El objetivo primordial de este tipo de estudios es la familiarización con un tópico desconocido o poco estudiado o novedoso (Hernández Sampieri Roberto2003 pág. 115).
2. ESTUDIO DESCRIPTIVO:
buscan especificar las propiedades o características o perfiles importantes de personas, grupos, comunidades o cualquier otro fenómeno que sea sometido a análisis (Danhke G.L. 1989). Este tipo de estudio sirve para analizar cómo es y se manifiesta un fenómeno y sus componentes (Hernández Sampieri Roberto 2003 pág. 117). , los descriptivos se centran en medir con la mayor precisión posible (
MUESTRAS REPRESENTATIVAS).
10
TIPOS DE ESTUDIOS CUANTITATIVOS 3. ESTUDIO CORRELACIONAL:
Tiene como propósito medir el grado de relación que existe entre dos o más conceptos o variables (en un contexto en particular). La utilidad y el propósito predictivo principal de los estudios correlaciónales, es: saber cómo se puede comportar un concepto o variable conociendo el comportamiento de otras variables relacionadas (Hernández Sampieri Roberto 2003 pág. 121). La correlación puede ser positiva o negativa. Si es positiva, significa que sujetos con altos valores en una variable tenderán a mostrar altos valores en la otra variable. Si es negativa, significa que sujetos con altos valores en una variable tenderán a mostrar bajos valores en la otra variable.
4. ESTUDIO EXPLICATIVO:
van más allá de la descripción de conceptos o fenómenos o del establecimiento de relaciones entre conceptos; están dirigidos a responder a las causas de los eventos físicos o sociales. Como su nombre lo indica, su interés se centra en explicar por qué ocurre un fenómeno. (Sampieri Roberto 2003 pag. 126).
11
Preguntas: relacionadas con Investigación descriptiva:
OBJETIVO: Describir las Variables de una población e identificar sus posibles asociaciones.
¿Cuál es la concentración de un pesticida en las aguas de un río?. Obj.: Identificar (describir) la concentración del pesticida en el agua del río.
¿Es la concentración del pesticida, diferente al la concentración ideal de las aguas potables?
H 0 : [Pest.] = Con. Ideal. H 1 : [Pest.] ≠ Con. Ideal. (Hip. Descriptivas) ¿La concentración del pesticida se asocia o correlaciona con la concentración de oxígeno del agua?.
A mayor concentración del pesticida, menor concentración de oxígeno.
H 0 : R = 0 H 1 : R ≠ 0
12
Preguntas relacionadas con Investigación Explicativa, de dependencia (Causa – efecto) o comparativa:
¿Cuál de tres tipos de abonos (A, B, C), es mejor para la producción de tomates?. La eficacia de los tipos de abono en la producción de tomates es diferente, puesto que tienen distinta composición.
H 0 : µ A = µ B = µ C H 1 : Al menos un µ de producción es diferente.
¿Es la exposición a drogas psicoactivas ilícitas un factor que incrementa la frecuencia de daño cromosómico (Alteraciones cromosómicas) de los linfocitos humanos cultivados in vitro?.
Las drogas psicoactivas interactúan con la molécula de ADN, ocasionando daños que incrementan la frecuencia de AC, respecto de los linfocitos no tratrados H 0 : µ Exp.
= µ No Exp.
H 1 : µ Exp.
> µ No Exp.
¿Es el consumo de cigarrillo un factor que incrementa la frecuencia de daño cromosómico en las personas, respecto de las personas no consumidoras?.
El cigarrillo, por poseer sustancias mutagénicas, incrementa la frecuencia de daño cromosómico de las personas fumadoras.
H 0 : µ Con = µ No Con.
H 1 : µ Con > µ No Con
13
Para contestar las preguntas y someter a prueba las hipótesis se deben diseñar
INVESTIGACIONES
con base en experimentos:
INVESTIGACIÓN EXPERIMENTAL
: Experimento Real Cuasi experimento.
Las MUESTRAS para el registro de datos se GENERAN mediante la aplicación de los tratamientos a las UNIDADES EXPERIMENTALES.
INVESTIGACIÓN NO EXPERIMENTAL
: Experimento Observacional o falso experimento.
Investigación analítica:
comparación de variables entre grupos de estudio y de control sin aplicar o manipular las variables, estudiando éstas según se dan naturalmente en los grupos.
Las MUESTRAS para el registro de datos se TOMAN (Al azar) de POBLACIONES REALES.
14
1.3 Tipos de Investigación Cuantitativa
Según Experimento.
1.3.1 Investigación Experimental:
El investigador aplica los tratamientos a las Unidades Experimentales (UE), en forma aleatoria.
Muestras independientes y equivalentes al inicio del Experimento ¿Cuál de tres tipos de abonos (A, B, C), es mejor para la producción de tomates?. TRATAMIENTOS A B C
UE: Cada Pa
rcela (Parcelas Homogéneas)
15
1.3.2 Investigación Cuasi-experimental:
Los Ttos. se aplican a grupos pre-existentes de UE.
Se pierde la equivalencia de las muestras al inicio del Experimento.
¿Cuál de dos métodos de enseñanza – aprendizage (Tradicional – Participativo), permite que los estudiantes apliquen mejor los conceptos de la genética?. TRATAMIENTOS: Met. Trad. - Met. Part. ESTUDIANTES Registrar datos Antes y Después de Ttos.
Grupo A Grupo B 16
1.3.3 Investigación Observacional o No experimental
:
El investigador No aplica Traramientos. El fenómeno de interés ocurre libremente en la Naturaleza. (Experimento post-facto o Falso Experimento) Se planea o diseña el Muestreo (Toma de la muestra).
¿Es la concentración de smog (ppm) mayor a los mínimos permitidos para una ciudad?
¿La incidencia de enfermedades en el colon (Alta, media, baja), se asocia o depende del grado de ingesta de alcohol (Nada, poco, mucho)?
¿Es el consumo de drogas psicoactivas ilícitas, un factor que incremente la frecuencia de daño cromosómico de las personas?
¿Es el incremento en la concentración de pesticidas, un factor que influye en la disminución del número de peces (o de especies) de un río?.
17
Tipos de Investigación Observacional o No experimental:
1. TRANSVERSAL O TRANSECCIONAL.
Se estudian las variables de interés, de una determinada población, en un MOMENTO o PERÍODO PUNTUAL.
• Describir características Poblacionales. • Identificar relaciones o asociaciones entre
variables
ALEATORIAS .
MUESTRA ALEATORIA Ej. ¿Hay diferencia en el rendimiento académico entre los géneros (F,M) de los estudiantes de la U. en el presente año?.
¿Es el tipo de enfermedad (Infecciosa, crónica), un factor que se asocia con la frecuencia de daño cromosómico (No.AC/100 células), en los pacientes que consultan el Hospital, durante el último mes?
18
2. ESTUDIO LONGITUDINAL: COHORTE (Estudio prospectivo)
EL ESTUDIO INICIA A PARTIR DEL FACTOR DE EXPOSICION INDEPENDIENTE) O DE RISEGO (VAR.
SELECCIONAR: UN GRUPO EXPUESTO GRUPO NO EXPUESTO OBSERVARLOS DURANTE UN TIEMPO DETERMINADO
ENFERMEDAD: SI NO
COMPARARLOS EN TÉRMINOS DE LA OCURRENCIA DEL EVENTO DE INTERÉS (Ej. ENFERMEDAD – Variable Dependiente ). 19
ESTUDIO LONGITUDINAL
:
ESTUDIO RETROSPECTIVO: Se
DE CASOS Y CONTROLES.
inicia el estudio a partir de la Variable dependiente
(Ej. ENFERMEDAD) CASOS: Enfermos o con determinado atributo.
CONTROLES: Sanos o sin el atributo El investigador FIJA EL NÚMERO DE CASOS y el NÚMERO DE SUJETOS CONTROLES SE
INVESTIGA
SI ESTUVIERON
EXPUESTOS
O NO, A UNA CARACTERÍSTICA DE INTERÉS (FACTOR DE RIESGO: Ej. Exposición a una sustancia por hábito, por trabajo o por accidente).
POSTERIORMENTE LOS GRUPOS SE COMPARAN EN TÉRMINOS DE LA EXPOSICIÓN
20
Una vez realizado el EXPERIMENTO (Real u Observacional), y registrados los datos en las MUESTRAS, se procede a realizar el ANÁLISIS ESTADÍSTICO: ANÁLSIS ESTADÍSTICO DESCRIPTIVO :
PRESENTAR:
Tablas de frecuencias Figuras
RESUMIR:
Medidas de tendencia central Medidas de variabilidad Medidas de posición Frecuencias ANÁLSIS ESTADÍSTICO INFERENCIAL: Adquirir o probar información relacionada con las POBLACIONES OBJETO DE ESTUDIO a partir de los DATOS registrados en MUESTRAS REPRESENTATIVAS
ESTIMACIÓN ESTADÍSTICA:
Puntual Por Intervalo
PRUEBA DE HIPÓTESIS:
Aplicación de pruebas de significancia estadística Para métricas y no Para métricas.
21
METODOS DE INVESTIGACION CUANTITATIVA
• •
ANALISIS DESCRIPTIVO DE DATOS ANÁLSIS DE ASOCIACIÓN ENTRE VARIABLES
•
PROYECTO DE INVESTIGACIÓN
SILVIO M. CARVAJAL V.
PROFESOR
UNIVERSIDAD DEL CAUCA FACULTAD DE CIENCIAS NATURALES EXACTAS Y DE LA EDUCACIÓN GRUPO DE INVESTIGACIÓN EN TOXICOLOGÍA GENÉTICA Y CITOGENÉTICA 2012
1. ANALISIS DESCRIPTIVO DE DATOS :
1.1 Medidas de tendencia central •Media •Mediana •Moda •Frecuencias 1.2 Medidas de variabilidad •Desviación media •Varianza •Desviación Típica o Estándar •Coeficiente de Variabilidad •Error Típico o Estándar 1.3 Medidas de Forma •Asimetría •Curtosis 23
1.1 MEDIDAS DE TENDENCIA CENTRAL:
Centralización: valores respecto a los cuales, los datos parecen agruparse. Media, mediana y moda 1.1.1 MEDIA ARITMETICA : Promedio aritmético de los datos. Es la principal medida de tendencia central, representativa de todos los datos.
Media aritmética de la
muestra:
. L a media aritmética
poblacional
se simboliza con la letra :
µ
Serie de datos: n = 7 : 1, 4, 5, 6, 7, 8, 11 Al ser una medida representativa de todos los datos , es la principal y más utilizada.
24
El principal inconveniente de la MEDIA ARITMETICA es que es muy sensible a datos extremos y, cuando hay datos anómalos (muy extremos), se suele remplazar por la media recortada al 5% (Datos sin los cinco percentiles más bajos y los cinco más altos). 25
1.1.2 MEDIANA : Medida de tendencia central de fácil calculo. Es el valor que ocupa el
lugar central de la serie de datos ordenados
y, por lo tanto, no es influenciable por datos extremos. CÁLCULO: Ubicar el lugar central de la serie de datos: o Ej. Con
n
Impar: Serie de datos: n = 7 : 1, 4, 5, 6, 7, 8, 11 Si el número (n) de datos es impar, la mediana es el número de la mitad.
VALOR: 6
Con
n
Par: Si el número
(n)
números de la mitad de datos es par, la mediana es el promedio de los dos Serie de datos: n = 8 : 1, 3, 4, 5, 6, 7, 8, 10
VALOR: (5 + 6) / 2 = 5,5
El 50% de los datos se hallan por encima y por debajo de la mediana.
26
La Mediana corresponde al CUANTIL de orden 0.5 (C 0.5
), es decir que debajo de la mediana están el 0.5 (o 50%) de los datos. Cuantil de orden α (C α ): Se define el
cuantil
de orden a como un valor de la variable por debajo del cual se encuentra una frecuencia acumulada a.
Otros CUANTILES de interés , se muestran en el siguiente gráfico: ¿Cuál es el Q1 (C 0,25 ) de la serie de datos: 1, 2, 6, 7, 7, 8, 8, 8, 9, 9?. n = 10. LUGAR: 0.25 (10 + 1) = 0.25 (11) = 2,75 VALOR: Es el dato que ocupa el segundo lugar más el 0.75 de su diferencia con el dato siguiente.
Q1 = 2 + 0.75 (6 - 2 ) = 2 + 3 =
5
27
1.1.3 MODA.
Es el dato (o datos) más frecuentes.
También se puede calcular para variables ordinales y nominales.
Identificar la MODA de las siguientes series de datos: A: 1, 2, 3, 4, 4, 5, 6, 8, 9 MODA: 4 B: 1, 2, 2, 3, 4, 4, 5, 6, 8, 9 MODAS: 2 y 4 C: 1, 2, 2, 3, 4, 4, 4, 5, 6, 8, 9 MODA: 4 D: 1, 2, , 3, 4, 5, 6, 7, 8, 9 MODA: No tiene (?). No hay una moda aparente, puesto que no hay un dato que se repita mas que el resto.
28
Se considera que la MODA es una medida de tendencia central poco rigurosa (“La mas FRIVOLA”) y no tiene utilidad practica para describir datos continuos.
Sin embargo, es muy útil para describir algunas variables cuantitativas discretas (Recuentos o enumeraciones).
EJEMPLO: Para identificar el Numero Cromosómico característico de un organismo, se suelen contar los cromosomas de n células (Ej. n = 100), y reportar el numero cromosómico identificado en el mayor numero de células (La Moda).
Individuo Normal: 2n = 46. Individuo Anormal: 2n = 47 (Trisomia) 29
FRECUENCIAS : Absoluta y Relativa (Proporción y Porcentaje).
Medida de resumen para las variables CUALITATIVAS O CATEGÓRICAS Frec. Absoluta: Es el recuento real correspondiente a cada categoría de la variable.
Frec. Relativa: Frecuencia correspondiente a una categoría de la variables, relativa a UNO (PROPORCIÓN) o a CIEN (PORCENTAJE).
Frecuencia Relativa = No / Total (x 100).
VARIABLE CUALITATIVA o CATEGÓRICA ÁRBOLES (Especies) Frecuencia Absoluta Proporción
A 10 0,20 B C D E F TOTAL 5 15 6 8 6 50 0,10 0,30 0,12 0,16 0,12 1,00
%
20 10 30 12 16 12 100 30
VARIABLE CUANTITATIVA CATEGORIZADA
PESO Bajo Medio Sobrepeso TOTAL F.
Absoluta 15 30 5 50 Proporción 0,30 0,60 0,10 1,00 % 30 60 10 100 Peso (Kg)
40 – 40,9 50 – 50,9 60 – 60,9 70 – 70,9 80 – 80,9 90 – 90,9 TOTAL
F. Absoluta
5 8 15 12 6 4 50
Proporción
0,10 0,16 0,30 0,24 0,12 0,08 1,00
%
10 16 30 24 12 8 100 31
1.2 MEDIDAS DE VARIABILIDAD: 1.2.1
Dispersión.
Indican la mayor o menor respecto a las medidas de centralización.
concentración de los datos con Al comparar las series de datos (A y B), aparentemente son iguales, puesto que tienen el mismo número de datos (n = 7) y la misma media aritmética (Media = 6).
SERIES DE DATOS: A: 1, 5, 6, 7, 8, 9, 13 n= 7, Media = 7 B: 1, 2 ,3, 7, 11, 12, 13 n= 7, Media = 7 Sin embargo, al GRFICARLAS en forma de puntos en una recta, se observa que en una de las series los datos se dispersan más, respecto de la media. A: B: En consecuencia, se concluye que las series de datos solo quedan bien descritas, 32 si se utilizan
medidas de variabilidad
, a demás de las medidas de tendencia central.
¿Cómo medir la variabilidad de una serie de datos?. Calculando la
VARIABILIDAD PROMEDIO:
1. Se calcula la desviación o diferencia de cada dato respecto de la media aritmética: d =
Xi - Media
2. Se promedian las diferencias o desviaciones: Σ (xi – Media) / (n-1) Si se suman las diferencias, se anulan.
¿Cómo evitar que se anulen?.
PRIMERA ESTRATEGIA: Promediar las desviaciones en valor absoluto: DM = = 18 / 6 = 3. En PROMEDIO, los datos se desvían de la media en 3 UNIDADES.
A la variabilidad promedio que se obtiene se le llama DESVIACION MEDIA ABSOLUTA y no se utiliza en los análisis estadísticos.
33
SEGUNDA ESTRATEGIA: Promediar las desviaciones elevadas al cuadrado:
S 2 Unidades 2
Los datos se desvían de la media, en 13,66 Unidades al cuadrado.
Pueden ser: cm2, Kg2, (mg/dl)2, etc.
Esta medida de variabilidad se llama VARIANZA (Desviación cuadrática promedio).
¿Cómo evitar la incomodidad del manejo de algunas unidades cuadráticas?
En promedio, los datos se desvian de la media en 3,7 unidades DESVIACIÓN TÍPICA O ESTÁNDAR (S). Desviación promedio de los datos, respecto de la media aritmética.
La Varianza y la Desviación Estándar, son las medidas de variabilidad más utilizadas en análisis estadístico.
34
1.2.2. COEFICIENTE DE VARIABILIDAD: CV Es la RAZÓN entre la desviación típica y la media aritmética: Expresa a la S, como una proporción de la media. La mayor aplicación del coeficiente de Variabilidad, es comparar el grado de dispersión de variables diferentes.
Incremento de la Variabilidad 35
ESTATURA: Media = 162 cm S = 8,88 cm CV = 8,88 / 162 = 0.055
La S equivale al 5,5% de la media.
PESO: Media = 62.50 Kg S = 11.41 Kg CV = 11.41 / 62.50 = 0.18
La S equivale al 18% de la media.
La dispersión de los datos, es aproximadamente 3 veces mayor en el peso, que en la estatura. 36
1.2.3 ERROR TÍPICO O ESTÁNDAR
¿Cuántas muestras de tamaño
n
, se pueden obtener de una población de tamaño
N
, si el muestreo es sin remplazo (No repetir) y no importa el orden?
EJEMPLO: Población: N = CINCO NÚMEROS (1, 2, 3, 4 ,5 ) Muestra: n = Dos números 37
DISTRIBUCIÓN MUESTRAL DE MEDIAS Y DE PROPORCIONES:
Variable Cuantitativa Variable cualitativa
DISTRIBUCIÓN MUESTRAL DE PROPORCIONES 38
DISTRIBUCIÓN MUESTRAL DE MEDIAS Y DE PROPORCIONES: DISTRIBUCIÓN MUESTRAL DE PROPORCIONES 39
DISTRIBUCIÓN MUESTRAL DE MEDIAS: Las MEDIAS ARTIMÉTICAS, correspondientes a las MUESTRAS obtenidas de una misma POBLACIÓN, no serán iguales: MUESTRAN VARIABILIDAD Las MEDIAS MAS FRECUENTES coinciden con la media poblacional o están cerca.
Las MEDIAS que se alejan del la media poblacional, son cada vez MENOS FRECUENTES.
40
DISTRIBUCIÓN MUESTRAL DE PROPORCIONES: Número de Muestras: 5 20 30 20 5
En la mayoría de las muestras la proporción de hombres coincide con la proporción poblacional.
A medida que la proporción de hombres cambia respecto de la poblacional, el número de muestras se hace menor
41
DISTRIBUCIÓN MUESTRAL DE MEDIAS Y DE PROPORCIONES: 42
Tanto la distribución muetral de medias como la de proporciones, se ajustan a la CN (Teorema del Límite Central).
Las Medias (Var, Cuantitativa) y las Proporciones (Var. Cualitativa), aunque salgan de muestras provenientes de la misma Población,
NO SERÁN IGUALES
. Muestran variación.
¿Cómo cuantificar la VARIABLIDAD de una Distribución de Medias y de una Distribución de Proporciones?.
43
ERROR TÍPICO O ESTÁNDAR VAR. CUANTITATIVA VAR. CUALITATIVA π El Error Típico no se puede calcular de forma directa, puesto que: No se conoce la media o la proporción POBLACIONAL.
No es práctico obtener todas la muestra posibles de tamaño
n
, a partir de una población de tamaño
N
.
El Error Típico se estima: 44
ERROR TÍPICO
:
Es la Variabilidad promedio de medias y proporciones muestrales, respecto de la media y de la Proporción poblacional.
σ x
= ERROR DE LA MEDIA ARITMÉTICA MUESTRAL.:
σ p
= ERROR DE LA PROPORCIÓN MUESTRAL.
45
Relación entre ET y tamaño de la muestra (n).
Entre más pequeño sea el tamaño de las muestra (n), un mayor número de muestras de podrán obtener de una población y, en consecuencia, mayor será su variabilidad promedio respecto de la media poblacional.
A mayor tamaño de la muestra, menor error típico
.
En una muestra de tamaño tan grande como la población (censo), ¿Cuál es el erro típico?
46
Relación entre ET y tamaño de la muestra (n).
Entre más pequeño sea el tamaño de las muestra (n), un mayor número de muestras de podrán obtener de una población y, en consecuencia, mayor será su variabilidad promedio respecto de la media poblacional.
A mayor tamaño de la muestra, menor error típico
.
En una muestra de tamaño tan grande como la población (censo), ¿Cuál es el erro típico?
47
APLICACIÓN DEL ERROR TÍPICO.
Se aplica en inferencia estadística para la PRUEBA DE HIPÓTESIS: Ej. Comparar una media aritmética muestral con una media poblacional pre-establecida: HIPÓTESIS :
H 0 : X = µ. H 1 : X ≠ µ
¿A cuantos errores típicos se halla la media muestral de la media poblacional?.
Si la media NO se halla más allá de 1,96 errores, entonces la diferencia es NO SIGNIFICATIVA , y se acepta la Ho. De lo contrario se rechaza la Ho.
48
AREAS DE SIGNIFICANCIA Y DE NO SIGNIFICANCIA EN LA CURVA NORMAL.
En muestras grandes:
Z:
En consecuencia, para declarar significancia estadística , basta con calcular a cuantos errores (Z), se halla le media del valor de referencia (Media poblacional) y constatar si cae en el área de No significancia o en el área de significancia. 49
1.3 MEDIDAS DE FORMA: 1.3.1 Asimetría: Sesgo o desviación respecto de la Curva normal (Simétrica).
TRANSFORMAR : Usar la
escalera de transformaciones de tukey, para buscar ajuste a la Curva Normal.
1/X 2 1/X lnX Ѵx X X 2 X 3 e X 50
COEFICIENTE DE ASIMETRÍA = IDENTIFICAR SIGNIFICANCIA DE LA ASIMETRÍA Si es Negativa : A + 2 (Error). Si incluye al cero (es decir se vuelve positivo) es no significativo.
Si es Positiva : A - 2 (Error). Si incluye al cero (es decir se vuelve NEGATIVO) es no significativo.
SOLO SI NO INCLUYE AL CERO , LA ASIMETRÍA ES SIGNIFICATIVA.
A > 0 A < 0 A = 0 ASIMETRÍA POSITIVA: 1,224 - 2(0,491) = 0,242. ES SIGNIFICATIVA ASIMETRÍA NEGATIVA: -1,300 + 2(0,491) = -0,318 . ES SIGNIFICATIVA SIMÉTRICA: 0,011 – 2(0,491) = -0,971 . ES SIMETRICA, NO SIGNIFICATIVA 51
1.3.2 Apuntamiento o curtosis: indica el grado de apuntamiento (aplastamiento) de una distribución con respecto a la distribución normal o gaussiana. Platicúrtica (aplanada) : curtosis < 0 Mesocúrtica (como la normal) : curtosis = 0 Leptocúrtica (apuntada) : curtosis > 0 CURTOSIS = X ± S = 57%
Aplanada
X ± S = 68%
Apuntada como la normal
X ± S = 82%
Apuntada
x s 57 % x s 68 % x s 82 % 52
IDENTIFICAR SIGNIFICANCIA DEL APUNTAMIENTO O CURTOSIS LEPTOCÚRTICA: 1,824 – 2 (0,662) = 0,5 SIGNIFICATIVA : No incluye al cero.
PLATOCÚRTICA: -1,144 + 2 (0,526) = -1,236 SIGNIFICATIVA: No incluye al cero.
MESOCÚRTICA: -0,781 + 2 (0,574) = 0,367 NO SIGNIFICATIVA: Incluye al cero.
53
2. ANÁLISIS DE ASOCIACIÓN ENTRE VARIABLES 2.1 ASOCIACIÓN ENTRE VARIABLES CUANTITATIVAS
• Análisis de Correlación de Pearson (Paramétrico) • Análisis de Correlación de Spearman (No Paramétrico).
54
CORRELACIÓN SIMPLE.
estadística entre Grado (o fuerza) de dos variables cuantitativas asociación , sin importar cual es la causa y cual es el efecto.
Se trata de responder la pregunta: ¿La variabilidad observada en una de las variables (Y) se asocia con la variabilidad de la otra variable (X)?.
Ejemplos: EXISTE ASOCIACIÓN O DEPENDENCIA ENTRE: ¿Estatura (cm) y peso (Kg)?. ¿Temperatura del agua (°C) y concentración de oxígeno (ppm)?. ¿Estatura (cm) y coeficiente intelectual (IQ)?. ¿Peso de las personas (Kg) y distancia de salto (m)?.
55
GRADOS DE ASOCIACIÓN: 1. VARIABLES NO ASOCIADAS.
IDEAL La variable X se incrementa en una unidad, mientras que Y permanece constante.
Es evidente que X y Y no están asociadas.
56
GRADOS DE ASOCIACIÓN: 1. VARIABLES NO ASOCIADAS.
REAL Coeficiente de Correlación.
R 0
Mientras X se incrementa en una unidad, Y varía aumentando o disminuyendo aparentemente en forma ALEATORIA, pero sin responder a la variación de X.
57
GRADOS DE ASOCIACIÓN: 1. VARIABLES ASOCIADAS.
IDEAL R = 1 Mientras X se incrementa en UNA unidad, Y se incrementa en DOS unidades; es decir, en forma constante..
Es decir que, entre X y Y, hay una asociación lineal positiva perfecta.
58
GRADOS DE ASOCIACIÓN: 1. VARIABLES ASOCIADAS.
REAL R 1 Mientras X se incrementa en UNA unidad, Y se incrementa pero NO en forma constante. Es decir que, entre X y Y, hay una asociación lineal positiva.
59
CORRELACIÓN SIMPLE.
Observando la asociación:
Diagrama de Dispersión.
Asociación lineal positiva Asociación lineal negativa No asociación Asociación no lineal o curva 60
CORRELACIÓN LINEAL SIMPLE.
¿EXISTE ASOCIACIÓN LINEAL ENTRE: Estatura (cm) y peso (kg) de las personas?.
CUANTIFICANDO LA CORRELACIÓN LINEAL:
Covariación “peso - estatura” de la persona A: cm-Kg Covariación promedio de
n
personas: COVARIANZA = COVARIANZA ESTANDARIZADA O COEFICIENTE DE CORRELACIÓN: r r = 61
COEFICIENTE DE DETERMINACION: R 2 ¿LA VARIABILIDAD OBSERVADA EN UNA DE LAS VARIABLES (Y) EN QUE PORCENTAGE DEPENDE DE LA VARIABILIDAD DE LA OTRA VARIABLE (X)?: Coeficiente de Determinación: r cuadrado.
62
ESTATURA (cm) 172 150 155 155 170 154 178 160 160 166 PESO (Kg) 76 45 55 52 75 53 79 58 63 69 HIPÓTESIS:
H0: R = 0 H1: R ≠ 0 LA VARIABILIDAD OBSERVADA EN EL PESO, DEPENDE EN UN 79,2%, DE LA VARIABILIDAD EN LA ESTATURA
63
¿EXISTE ASOCIACIÓN O DEPENDENCIA ENTRE: Temperatura del agua ( °C) y concentración de oxígeno (ppm)?.
[ O 2 ] T 0 C
3 4 5 6 5 6 1 1 3 4 60 50 40 30 20 50 40 30 20 10 7 8 CONCENTRACIÓN DE OXIGENO 6 5 4 3 2 1 0 0 10 20 30 40 TEMPERATURA 50 60 70 Observada Li neal HIPÓTESIS:
H0: R = 0 H1: R ≠ 0
Existe asociación negativa significativa estadísticamente : La variabilidad en el oxígeno depende en un 74,8% de la variabilidad en la temperatura.
64
TIPOS DE ANÁLSIS DE CORRELACIÓN SIMPLE: ANALSIS DE CORRELACION DE PEARSON (Paramétrica): permite identificar asociación lineal entre dos variables cuantitativas. El análisis se hace con los datos originales. Para este análisis es requisito que las dos variables se ajusten a la distribución normal.
ANALSIS DE CORRELACION DE SPEARMAN (No Paramétrica): permite identificar asociación general o de cualquier tipo (Incluida la lineal) entre dos variables cuantitativas. El análisis se hace con los datos ordenados.
Cuando se identifica asociación general entre dos variables, se debe identificar la curva que explica mejo dicha asociación. Se debe hacer ESTIMACION CURVILINEA.
65
Parte de una base de datos correspondiente a una investigación para identificar relaciones entre componentes de tejidos vegetales y componentes del suelo. ¿La concentración de grasa (%)en las hojas de una variedad de planta, se asocia con la concentración de Nitrógeno (%) y con la concentración de Ca (meq/100 g) en el suelo donde crece?. 66
Mediante análisis de
correlación de Pearson
se identifica una asociación lineal negativa, significativa estadísticamente , entre el contenido de grasa (%) en los tejidos vegetales y el contenido de N (%) en el suelo (R= -0,70; p <0,001).
El coeficiente de determinación (R 2 = 0,49) permite inferir que la variabilidad de la grasa (%) en los tejidos vegetales se explica en un 49% por la variabilidad en el contenido de nitrógeno (%) del suelo.
Entre el contenido de grasa (%) en los tejidos vegetales y el contenido de Ca (meq/100 g) en el suelo, NO hay asociación lineal.
67
Asociación lineal negativa No asociación lineal 68
Mediante análisis de
correlación de Spearman
se identifica
asociación positiva
, significativa estadísticamente, entre el contenido de grasa (%) en los tejidos vegetales y el contenido de Ca (meq/100g) y nitrógeno (%) en el suelo.
Como la asociación entre Grasa y Ca es NO ES LINEAL , ¿qué tipo de curva explica mejor la asociación entre las dos variables?
ANÁLISIS DE CURVA DE MEJOR AJUSTE: 70
Mediante estimación curvilínea, se logra establecer que la curva de mejor ajuste es la cuadrática. En consecuencia, la asociación entre GRASA y CALCIO se puede describir mediante la ecuación: GRASA (%) = - 4,78 + 4,2 (Ca) – 0,656 (Ca) 2 71
ESTIMACIÓN CURVILINEA FÓRMULA CORRESPONDIENTE A LÍNEA RECTA Lineal: Y = B 0 + B 1 X Logarítmica: Y = B 0 + B1lnX Potencial: Y = B 0 X B1 ó lnY = lnB 0 + B 1 lnX Exponencial: Y = B 0 e B1X ó lnY = lnB 0 + B 1 X Compuesta: Y = B Curva-S: Y = e 0 B1 B0 + B1/X X ó lnY = lnB 0 + XlnB 1 ó lnY = B 0 + B 1 /X Cuadrática o Parábola: Y = B 0 + B 1 X + B 1 X 2 Cúbica: Y = B 0 + B 1 X + B 1 X 2 + B 1 X 3 Crecimiento: Y = e (B0 + B1X) ó lnY = B 0 + B 1 X Inversa: Y = B 0 + B 1 /X 72
2.2 ANALISIS DE ASOCIACIÓN ENTRE VARIABLES CUALITATIVAS
•
IDENTIFICAR ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS (O CATEGÓRICAS)
Aplicación de la prueba:
•
Chi cuadrado de Pearson en tablas de contingencia 2 x n y n x n.
•
Análsis de Riesgo Mediante: Odds Ratio y Riesgo Relativo.
73
PROBLEMA: Se quiere estudiar la posible asociación entre la EXPOSICIÓN A SOLVENTES ORGÁNICOS (Expuesto – Referente) y la FRECUENCIA DE ALTERACIONES CROMOSÓMICAS (Alta - Baja).
¿ La FRECUENCIA DE ALTERACIONES asocia a la CROMOSÓMICAS (Alta - Baja), se EXPOSICIÓN A SOLVENTES ORGÁNICOS (Expuesto – Referente) ?
VA RIABLES : •
FRECUENCIA DE ALTERACIONES CROMOSÓMICAS (Alta Baja).
Aunque es una variable cuantitativa, aquí aparece categorizada.
•
EXPOSICIÓN A SOLVENTES ORGÁNICOS (Expuesto – Referente)
74
Mirando la asociación: No Asociación.
Hay un 25,0 % de personas con Alta frecuencia de AC, tanto en Expuestos como en Referentes.
75
Mirando la asociación: Asociación.
En expuestos, el 60% de las personas tiene Alta frecuencia de AC, mientras que en Referentes solo el 25% tiene Alta frecuencia de AC.
76
PROBANDO LA ASOCIACIÓN: 1. PRUEBA DE CHI CUADRADO:
HIPÓTESIS:
H 0 : O = E En la distribución aleatoria (NO ASOCIACIÓN); H 1 : O ≠ E En la distribución aleatoria ( ASOCIACIÓN).
O = Frecuencia absoluta Observada.
E = Frecuencia absoluta Esperada en la distribución aleatoria (No asociación).
¿Cómo calcular el valor esperado?
Con base en la proporción de: -Frec. ALTA en el Total: 17/40 -Frec. BAJA en el Total: 23/40 ¿Cuál es la frecuencia ESPERADA de “ALTA ” en EXPUESTO?: 20 X (17/40) = 8,5 ¿Cuál es la frecuencia ESPERADA de “BAJA” en EXPUESTO?: 20 x (23/40 = 11,5 Hacer el mismo cálculo, para REFERENTE. 77
PROBANDO LA ASOCIACIÓN: 2. PRUEBA Odds Ratio (OR): Relación de Ventajas Ventaja de “AC Alta ” a “AC Baja”:
HIPÓTESIS:
H 0 : OR = 1 H 1 : OR ≠ 1 OR > 1 (Riesgo) OR < 1 (Protección)
La relación AC ALTA a AC BAJA, en EXPUESTOS A SO es 4,5 veces mayor, que la misma relación en REFERENTES. Es decir : LA EXPOSICIÓN A SO es un factor de riego para ALTA frecuencia de AC.
78
PROBANDO LA ASOCIACIÓN: 3. PRUEBA de Riesgo Relativo (RR): Relación de Proporciones Proporción de AC Alta en EXPUESTOS = 12/20 = 0,60 (60%) Proporción de AC Alta en REFERENTES = 5/20 = 0,25 (25%) RIESGO RELATIVO: Pro. Alta en Expuestos / Pro. Alta en Referentes RR = 0,60 / 0.25 = 2,4 La PROPORCIÓN de Alta frecuencia de AC es 2,4 veces mayor en EXPUESTOS que en REFERENTES.
79
NOTA.
Para que el análisis de las variables cualitativas sea confiable, el
tamaño de la muestra debe ser lo suficientemente grande
, para asegurar que en contingencia hayan las tablas de al menos 5 datos esperados por celda.
80
3. PROYECTO DE INVESTIGACIÓN
GRUPO DE INVESTIGACIÓN EN TOXICOLOGÍA GENÉTICA Y CITOGENÉTICA UNIVERSIDAD DEL CAUCA
LÍNEA DE INVESTIGACIÓN:
Monitoreo Genético de Poblaciones Expuestas.
81
TÍTULO:
ASOCIACIÓN DE LOS POLIMORFISMOS EN LOS GENES DEL METABOLISMO Y DE LA REPARACIÓN CON LA FRECUENCIA DE ALTERACIONES CROMOSÓMICAS EN TRABAJADORES EXPUESTOS A SOLVENTES ORGÁNICOS Departamento de Biología
82
83
PROBLEMA: Se ha demostrado que las alteraciones cromosómicas (AC) son un evento inicial en la promoción del cáncer. En consecuencia, todo factor que incremente la frecuencia de AC, se constituye en un potencial riego de salud. 1
En la ciudad de Popayán y poblaciones aledañas, hay varias hombres que se dedican a la ENTONACIÓN de pinturas y a PINTAR carros, exponiéndose por varios años al solvente orgánico thiner.
Se planeó una investigación observacional con diseño transeccional, para resolver los interrogantes: 2 ¿Existe asociación entre la frecuencia de AC y la exposición a solventes orgánicos, en los trabajadores pintores de carros?
¿Los polimorfismos en los genes del metabolismo y de la reparación, influyen en la asociación entre la exposición a SO y la Frecuencia de alteraciones Cromosómicas?.
HIPÓTESIS Si la exposición a SO se asocia significativamente con alta fercuencia de AC , se espera un mayor número de personas con frecuencia alta de AC entre los trabajadores expuestos a SO que entre los no expuestos (Refrentes), de lo contrario dicho número será igual o incluso menor.
Si los polimorfismos de los genes del metabolismo y de la reparación influyen en la asociación entre: exposición a SO y alta frecuencia de AC, entonces dicha asociación cambiará significativamente dependiendo del tipo de genotipo de los trabajadores; de lo contrario, la asociación inicial permanecerá inalterada.
86
OBJETIVOS
Específicos 1.
Establecer las frecuencias metabolismo de genotípicas y alélicas de los genes del xenobióticos
CYP2E1
,
GSTM1
,
GSTT1
y de la reparación del ADN,
XRCC1
194
Arg/Trp
,
XRCC1 280 Arg/His
,
XRCC1
399
Arg/Gln
y
XRCC3
241
Thr/Met
, en el grupo expuesto y en el grupo referente.
2.
Establecer la frecuencia de ACs estructurales en el grupo expuesto ocupacionalmente a los solventes orgánicos y en el grupo referente.
3.
Determinar la influencia de los polimorfismos frecuencia de Acs.
en el ocupacionalmente a los solventes grupo expuesto orgánicos.
genéticos en la y no expuesto
METODOLOGÍA
Nivel de Significancia α = 0.05
(Probabilidad de error Tipo I) Nivel de Confianza (1 α) de 95%
Software de EpiInfo
http://www.cdc.gov/epiinfo/downloads.htm
β= 0.20 (Probabilidad de error Tipo II) Poder (1 β) ≥ 0.8
P≤ 0.05
Matriz de Tamaño Método-Ecuación de Fleiss (1981)
METODOLOGÍA SELECCIÓN DE LOS GRUPOS DE ESTUDIO Cuestionario
Sexo, edad, estilo de vida, historia exposición ocupacional, ingesta de alcohol.
CRITERIOS DE INCLUSIÓN Grupo Expuesto
Exposición 5 años Edad 18 – 50 años
Grupo Referente
No expuesto ocupacionalmente a solventes orgánicos Vivir en la misma comunidad Estilo de vida y nivel socioeconómico semejante clínica familiar,
CRITERIOS DE EXCLUSIÓN
Fumadores, problemas de salud, físicos exposición a otros agentes químicos y/
Pareamiento de acuerdo a edad ( ± 2 años) 1 expuesto :1 referente
METODOLOGÍA CONSIDERACIONES ÉTICAS – CONSENTIMIENTO INFORMADO AMPLIO
• • • •
Participación voluntaria Aprobación por el Comité de Ética de la Universidad del Cauca
Helsinke II Pautas (Directrices Internacionales de Éticas Internacionales para la Investigación Biomédica en Seres Humanos por el “Consejo de Organizaciones Internacionales de las Ciencias Médicas” CIOMS 2006) Resolución Nacional 8430 (Ministerio de Salud 1993)
Principios Básicos de la ética de la Investigación Biomédica
(Beneficencia, No maleficencia, Justicia y Respeto)
No riesgo para la salud
• • •
Consentimiento informado Amplio
(
Resolución Número 8430 de 1993, CIOMS 202, Decreto 1546 de 1998, Comité de ética Universidad del Cauca).
Expresa voluntariamente su disposición de participar o no en una investigación, después de recibir información de todos los aspectos relevantes del estudio.
Objetivos, Procedimiento Propósito, Beneficios, Riesgos, Futuros estudios.
Confidencialidad de la información.
Comunicación de resultados a participantes en el estudio.
METODOLOGÍA TOMA DE MUESTRAS DE SANGRE
20 ml por persona Personal capacitado y en completa ESTERILIDAD.
15 ml GENOTIPIFICACIÓN 5 ml IDENTIFICACIÓN DE ACs ESTRUCUTRALES
GENOTIPIFICACIÓN: 1.
Extracción de ADN 2.
Amplificación de los Genes.
3.
Identificación de Genotipos.
Enzimas de Restricción Electroforesis en gel de Agarosa.
Kit PCR 92
•
IDENTIFICACIÓN DE ALTERACIONES CROMOSÓMICAS ESTRUCUTRALES DOS 1. CULTIVO DE LINFOCITOS: SIEMBRA: Con Réplica.
•
INCUBACIÓN: 37 ° C durante 72 h.
•
COSECHA DE LINFOCITOS
•
GOTEO DE CÉLULAS EN PLACAS 2.
ANÁLSIS DE CÉLULAS EN DIVISIÓN (Metafases).
Se cuentan los daños cromosómicos estructurales en 100 células por persona.
DATO: No de AC / 100 células
ANÁLISIS ESTADISTICO Unidad de Muestreo
: El Individuo (Albertini et al 2000) Distribución Normal Kolmogorov Smirnof Homogeneidad de Varianzas Levene
PRUEBAS NO PARAMÉTRICA
Independencia de Datos Rachas SPSS 13.0
Primer Objetivo DESCRIPTIVO
Frecuencias Genotípicas y Alélicas Desarrollo Binomial (p+q) 2 = p 2 + 2pq+q 2 Verificar Equilibrio de Hardy-Weimberg Bondad de Ajuste de X ² = ∑ (O-E)²/ E
Segundo Objetivo
Frecuencias de ACs estructurales / 100 metafases Expuestos – Referentes U de Mann Whitney: Para comparar 2 muestras Independientes Frecuencias de ACs / 100 metafases “Altas” y “Bajas”
A
Expuestos – Referentes
E
X ² : Prueba de Asociación
R B
Frecuencias de ACs / 100 metafases Vs Tiempo de exposición (años) Frecuencias de ACs/ 100 metafases Vs Edad de los Individuos Análisis de Correlación Spearman (Datos Ordenados)
INFERENCIAL Tercer Objetivo Asociación gen-Ambiente → ACs
Alta y Baja Frecuencia de ACs / 100 metafases Vs Genotipos de c/u de los genes Expuestos – Referentes RR IC95% y p<0.05
: Significativo si IC (95%) No incluye al 1
RESULTADOS: 95
96
ANÁLISIS DE ASOCIACIÓN ENTRE EDAD (Años) Y LA FRECUENCIA DE AC (No de AC /100 Cel.)
No se dientificó asociación (p > 0,05), entre la Edad y la Fre. de Alteraciones Cromosómicas
97
ANÁLISIS DE ASOCIACIÓN ENTRE EL TIEMPO DE EXPOSICIÓN A S.O. (Años) Y LA FREC. DE A.C. (No de AC/100 Cel.) Se identificó asociación significativa (p<0,05) entre el Tiempo de Exposición y la Frecuencia de A.C. (No AC / 100 Cel.) La línea que mejor explica la asociación es de naturaleza CÚBICA, y describe: Un incremento da las AC al pasar de 0 a 10 años (aproximadamente.
Un No. Estable de AC en el rango 10 – 30 años de exposición (aproximadamente).
Un incremento de la frecuencia de AC a partir de los 30 años de exposición.
No obstante, el dato presenta mucha variabilidad . La variabilidad explicada es solo del 6% (R2 = 0,06).
98
ANÁLSIS DE ASOCIACIÓN ENTRE: EXPOSICIÓN A SOLVENTES ORGÁNICOS (Expuesto – Referente) Y ALTA FRECUENCIA ALTERACIONES CROMOSÓMICAS, Y EFECTO MODULADOR DE LOS GENES DEL METABOLISMO Y REPARACIÓN (Genotipos: Normal – Mutante). RR mediante Regresión de Poisson.
99
100
CONCLUSIONES: • El análisis de regresión de Poisson, indica un incremento significativo de la frecuencia de AC en los trabajadores expuestos a SO, representando un alto riesgo en relación al grupo referente (No expuestos).
Entre los trabajadores expuestos a SO, hay un 30% más de personas con Alta frecuencai de AC, que entre los no Expuestos (Referentes).
• La frecuencia de AC en los trabajadores expuestos a SO fue influenciada por el polimorfismo genético. Ejemplo: El genotipo Normal (Arg/Arg), del gen XRCC1 194 , disminuye el efecto de riesgo para Alta Frecuencia de AC, en los trabajadores Expuestos a SO.
Es decir que los trabajadores con genotipo normal del gen XRCC1 194 aunque se expongan a SO, no incrementa la frecuencia de AC en sus células. Al parecer ese genotipo es protecto r contra la exposición.
101
DIVULGACIÓN.
• Publicación en Revista Científica internacional.
• Presentación de PONENCIA en eventos nacionales e internacionales.
• Conferencias educativas para los participantes en la investigación y sus familiares y para los estudiantes de la Universidad.
• Conocimiento de resultados por parte de los responsables de Talleres de pintura de carros, para implementar políticas de Prevención.
102