Bioestadística como Herramienta aplicada por estudiantes de la Facultad de Ciencias Médicas en el Aprendizaje dentro del Campo de la Salud
DOI:
https://doi.org/10.26820/reciamuc/6.(3).julio.2022.677-686Palabras clave:
Bioestadística, Estadística Descriptiva, Estadística Inferencial, Media, Mediana, Moda, Inferencia, Dispersión, Error, Proyección, Comparabilidad, RepresentatividadResumen
El profesional sanitario gracias a su experiencia y estudio, construye su ojo clínico. La estadística le ofrece conceptos que pueden facilitar este aprendizaje. La bioestadística es la estadística aplicada a las ciencias biológicas y en particular al área de ciencia de la salud, un instrumento necesario para la planificación de investigaciones. Estas investigaciones requieren del manejo teórico y práctico de estadística. Todos los datos recopilados a través de la bioestadística sirven para encontrar patrones que ayuden a luchar contra las enfermedades y a diseñar campañas de prevención. La estadística se divide en dos ramas: estadística descriptiva y estadística inferencial. La estadística descriptiva es una rama de las matemáticas que permite: ordenar, organizar y presentar la información de una determinada investigación, mediante el uso de tablas y figuras así como valores representativos de tendencia central, de forma, de dispersión. Las medidas de tendencia central tienen como objetivo describir, mediante un valor numérico, la localización de las observaciones. Son valores que representan, la posición donde se concentran los datos observados, los más usados: la media, mediana y moda. Se denominan medidas de dispersión aquellas que pretenden captar y resumir la mayor o menor variabilidad, la mayor o menor concentración, homogeneidad o parecido entre las observaciones de la variable. Se presenta a continuación las medidas de dispersión más frecuentes: el rango o recorrido, la varianza, la desviación estándar y el coeficiente de variación. La estadística inferencial se encarga de contrastar los resultados de la muestra y generalizarlos hacia toda la población, considerando un riesgo de que en este proceso se cometa algún error como por ejemplo de un “1%, o un 5% dependiendo del nivel de confianza. El modelo de regresión lineal exige que los datos de la población cumplan los supuestos de linealidad, homocedasticidad, independencia entre las observaciones y normalidad de las distribuciones condicionadas de la variable Y.Se aplicó una metodología descriptiva, con un enfoque documental, es decir, revisar fuentes disponibles en la red, con contenido oportuno y relevante para dar respuesta a lo tratado en el presente artículo.