• I. Racional.
• II. Objetivos Terminales.
• III. Objetivos Específicos.
• IV.Test Inicial.
• Ciclo de Práctica I.
• Ciclo de Práctica II
• Ciclo de Práctica III
• Ciclo de Práctica IV
• Ciclo de Práctica V

I. RACIONAL:

II. OBJETIVOS TERMINALES:

III. OBJETIVOS ESPECIFICOS:

El método científico es un sistema basado en la solución de problemas en el cual está incluído:

• reconocer y definir el problema,
• conseguir y reunir la información pertinente al problema,
• construir una hipótesis,
• comprobar la hipótesis en un modelo apropiado, y
• obtener una conclusión a partir de los resultados.

Cuando vamos a realizar una investigación debemos partir de la base que tenemos que contestar una pregunta, la cual ha nacido de una inquietud puede ser al conversar con otro investigador, al leer en un libro o revista, o por una observación casual, o sea tenemos un problema que solucionar, y las características de él son:

Factibilidad

Debe haber un número adecuado de sujetos para poder demostrarlo. Debemos tener suficiente experiencia o habilidades y conocimientos del equipamiento a utilizar. Debe haber dinero suficiente para financiar el proyecto, al igual que el tiempo debe estar de acuerdo al largo del problema que tenemos que solucionar. Debe concentrarse en algunos puntos a solucionar.

Interesante

Debe ser interesante para él o los participantes en el estudio.

Novedoso

Tratar de confirmar o refutar hallazgos previos en una nueva población. Aumentar conocimientos previos sobre el tema. Tratar de proporcionar nuevos hallazgos.

Etico

 Respetar la ética, privacidad y salud del paciente, en caso que estén involucrados. En Chile la ley 20.120 rige para los efectos de investigación en seres humanos y sanciona las violaciones a la ética, además se prohibe clonación de seres humanos.

Relevante

 Para el conocimiento científico, para las políticas clínicas y de salud, para futuras investigaciones.

Tabla de Problemas de la Investigación y posibles soluciones

Problema	Solución
Vago o inapropiado	Escriba el problema a investigar. Trate de ser específico. Escriba en una o dos páginas el plan que desea llevar a cabo:  - Cómo serán seleccionados los casos?  - Cómo medirá las variables?  Piense en :  - ¿Cómo tener los sujetos más representativos de la población que va a estudiar?  - ¿Qué medir? ¿Será eso lo más representativo ?
No es factible	Especifíque un conjunto más pequeño de variables.
Muy amplio	Haga una pregunta más concreta.
No hay suficientes pacientes, o muestras	Expanda el criterio de inclusión. Elimine criterios de exclusión. Agregue otra forma de ingresar pacientes o muestras. Alargue el período de ingreso de pacientes. Utilice variables o diseños más eficientes.
Métodos Inadecuados o se escapa de la habilidad del investigador.	Consulte a expertos y revise si existen métodos alternativos. Capacítese previamente en los métodos que va a utilizar
Muy caro	Considere un diseño más económico, y menos mediciones, o menos pacientes o más fáciles de obtener. Consiga apoyo financiero. Recuerde sí que al reducir la muestra (o entre más pequeña) será más dificil obtener diferencias significativas.
No es relevante	Modifique la pregunta a investigar.
Etica cuestionable	Consulte con expertos en ética. Modifique el problema a investigar de modo de evitar los elementos que atenten contra la ética.

Investigación descriptiva

Ejemplo de algunos estudios descriptivos y su contribución (tomado de Grimes y Schulz, 2002).

Observación clínica	Asociación subyacente
Adenoma hepatocelular en mujeres jóvenes	Exposición a dosis altas de anticonceptivos orales.
Ceguera en niños recien nacidos	Alta concentración de oxígeno en incubadoras
Sarcoma de Kaposi en hombres jóvenes	Infección por VIH
Angiosarcoma de hígado en empleados	Exposición industrial a cloruro de vinilo
Cataratas, defectos cardíacos, y sordera en recién nacidos	Infección materna por virus de la rubéola durante el embarazo

Fig. 1. Isla de la Investigación (tomado de http://www.sscnet.ucla.edu/geog/gessler/topics/island.htm)

Referencias bibliográficas

1. Navia JM. Animal Models in Dental Research. UAB press, Birmingham, Al,1977:3-4.
2. Hulley SB, Cummings SR. Designing Clinical Research. An epidemiologic approach.Williams & Wilkins, Baltimore 1988:12-17.
3. Grimes DA, Schulz KF. Descriptive studies: what they can and cannot do. Lancet 2002;359: 145-49.

Retroalimentación

2. ¿Cómo corrige un problema de investigación muy vago?
 
 

Hipótesis en investigación se refiere a la posible solución de un problema. Para llegar a ella es necesario tener establecido cuál es el objetivo de la investigación, o sea la razón de ser de ella. Las características principales de un objetivo son que sean precisos y claros, y una vez que tenemos el objetivo claramente establecido, la próxima etapa es establecer la hipótesis. Un pre-requisito de la hipótesis es que debe resolver o dar una respuesta al problema y además debe estar de acuerdo con la información disponible sobre el tema. La hipótesis normalmente es concebida como la explicación de ciertas diferencias observadas cuando se aplica un tratamiento a una unidad experimental, por eso cuando se realiza una investigación descriptiva no debe plantearse una hipótesis, para poder realizarla debe compararse con algún grupo.

Fisher, estadístico inglés, desarrolló el concepto de la hipótesis nula, y en este tipo, que es el utilizado en estadística y aconsejado para la investigación, las diferencias en las observaciones son explicadas por su origen no en los tratamientos utilizados, sino a partir de factores al azar no identificados. Posteriormente Fisher desarrolló un sistema matemático (o mejor estadístico) que indicaría la probabilidad que las diferencias obtenidas pudieran haberse debido al azar. Si los cálculos indicaran que esta posibilidad al azar es remota entonces se rechaza la hipótesis de nulidad, y la hipótesis alterna es aceptada, o sea que existe diferencia entre los tratamientos la cual es significativa, y valga la redundancia, la posibilidad que sea al azar es mínima. Basado en esto se estima cuál es el riesgo de estar equivocado cuando se establece que existe diferencias, y también existe por lo tanto un nivel de confianza o certeza inherente a la investigación para rechazar la hipótesis de nulidad tantas veces para cada 100 ocasiones en que se realice la investigación. En estadística se recomienda que la hipótesis sea planteada en forma nula, o negativa, para evitar influencias sicológicas en el investigador, ya que si ud. está pensando que sí existen diferencias, es más probable que las encuentre al realizar una análisis poco objetivo.

Referencias bibliográficas

1. Navia JM. Animal Models in Dental Research. UAB press, Birmingham, Al,1977:6.
2. Hulley SB, Cummings SR. Designing Clinical Research. An epidemiologic approach. Williams & Wilkins, Baltimore 1988:12-17.

Retroalimentación

2. Establezca la hipótesis de su investigación, en forma breve y que sea una hipótesis nula.
 
 
 

Los experimentos o investigaciones en odontología, al igual que en otros campos biológicos son afectados por la variabilidad que existe en la respuesta al tratamiento; si no existiera variabilidad no habria investigación, un tratamiento se podría evaluar en un animal, o ser humano, y comparar con el efecto en otro animal o paciente y siempre tendrían la misma respuesta, pero eso sabemos que no es así.  En biología, odontología y medicina existe variación al aplicar un tratamiento y esto se denomina ERROR, el cual varía alrededor de un valor central, promedio verdadero, y  también se le llama el "ruido" que está presente en todos los experimentos.

Al medir una distancia, por ejemplo la profundidad de saco (en la enfermedad periodontal), utilizaremos una escala, normalmente en milímetros, y nuestro objetivo es estar obteniendo un valor preciso y seguro, sin embargo como toda medición está sujeta a error y éste debe ser informado. Si mide la profundidad de saco a cien pacientes un día y repite la medición al otro día, la experiencia demuestra que las dos mediciones no son idénticas. Teniendo en cuenta que la profundidad del saco no varía de un día para otro, la variación se deberá a:

• instrumento utilizado
• ténica de medición
• examinador y/u
• objeto examinado.

El error al azar aumenta la variabilidad de los resultados o el "ruido" de los experimentos. Este error está compuesto de todas las variaciones no explicadas, pero siempre debe recordarse que estará presente o en otras palabras nunca estará completamente ausente. Por ejemplo si deseamos pesar cierta cantidad de oro para un inlay, el valor siempre tendrá variabilidad, dependiendo, por ejemplo, del tráfico que exista en el lugar, y la vibración existente que puede afectar el valor obtenido con la pesa. Indudablemente si realiza sus mediciones en la noche, no hay casi tráfico, de autos ni de personas, hay menos vibración y la pesa le dará un resultado más exacto y por lo tanto un error al azar menor. Este tipo de error afecta la precisión del experimento o la capacidad para reproducir resultados con pocos cambios.

¿Cómo reducir el error en una investigación ?

1. Aumente la homogeneidad de la población. Esto se logra utilizando pacientes de grupos similares, en cuanto a edad, género (preferimos decir hoy en día género, masculino y femenino, y reservar sexo para homo, hetero, bisexual), condición genética, nivel socioeconómico, etc. Esto permite reducir el error sistemático, y tiene como desventaja que limita las conclusiones al grupo en estudio o a uno de características similares.

2. Utilice un grupo de alto riesgo. Esto le va a permitir obtener una respuesta uniforme y predecible de acuerdo a la susceptibilidad del animal o del enfermo a la droga o tratamiento en evaluación. Esto permite bajar el error al azar.

3. Mejore la metodología. Utilice procedimientos y métodos bien establecidos, lo cual le permite mejorar la precisión y seguridad de sus resultados. Esto permite bajar al mínimo el error sistemático y  al azar siempre y cuando utilice en forma adecuada los métodosy análisis apropiados.

4. Controle las fuentes de variación. El medio ambiente puede contribuir al error al azar, por lo tanto trate de reducirlo a su mínima expresión. Por ejemplo en animales las condiciones de experimentación deben ser similares para los grupos, en cuanto a temperatura, humedad, alimentación, etc. y con mayor razón en humanos.

5. Repita el experimento. El uso de repetición mejorará la estimación de la variación asociada con la evaluación de un parámetro y permitirá al investigador obtener conclusiones con mayor grado de confianza y por lo tanto con menor error al azar (si yo tengo 100 alumnos en un curso, y selecciono 5 al azar el valor obtenido será menos representativo que si tengo 20 alumnos, cualquiera sea la medición que haga en ellos). En algunos casos no es posible aumentar considerablemente el tamaño de la muestra(s) a analizar, pero muchas veces es aconsejable incrementar en cuanto sea factible de acuerdo a la investigación  y las limitaciones monetarias o de otros tipos. Entre más pequeña la muestra o el, o los, grupo(s) más difícil será obtener diferencias significativas.

• Ignorancia inexcusable (por ejemplo no reconocer una enfermedad, cáncer de la lengua, por falta de reconocer las características clínicas de la lesión.
• Negligencia culpable, falta de toma de precauciones al realizar un procedimiento y ocasiona daño al paciente (perfora el piso cameral al trepanar un diente, o conducto para colocar una espiga muñón)
• Imprudencia temeraria, ocasiona grave accidente por emplear medios sin conocimientos adecuados (extrae un tercer molar inferior por lingual)
• Precipitación culpable, procede con recursos extremos sin la debida reflexión.
• Ensayos temerarios, prueba con alternativas sin considerar consecuencias graves.

• Es necesario el consenso de los pacientes, en forma libre y ellos estando previamente informados
• Riesgos mínimos para los pacientes participantes
• Permitir a los sujetos (pacientes) detener su participación en la investigación en cualquier momento

Referencias bibliográficas

1. Navia JM. Animal Models in Dental Research. UAB press, Birmingham, Al,1977:14.
2. Hefti AF. Periodontal probing. Crit Rev Oral Biol Med 1997;8(3):336-356.
3. Gajardo S. Medicina Legal. Santiago, Chile, 1939.

1. Carvallo A. Consideraciones éticas sobre el error en medicina. Rev Med Chile 2001; 129: 1463-1465.
2. Goic A. Fuentes de error en clínica. Rev Med Chile 2001;129: 1459-1462.
3. Szanthó G. Definiciones respecto al error en medicina. Rev Méd Chile 2001;129:1466-1469.
4. Sugarman J. Ethics in the design and conduct of clinical trials. Epid Rev 2002; 24: 54-58.

Retroalimentación

2. ¿Qué es el error al azar y cómo puede disminuirlo ?
 

Como cualquier producto, técnica o método, la investigación ideal debe cumplir con algunos requisitos. Como dentistas sabemos qué amalgama o resina es la ideal, igual en una investigación debemos tener en cuenta cuáles son los ideales. Cox ya hace cerca de 30 años estableció algunos de ellos:

1. Ausencia de error sistemático. Esto requiere que todos los grupos recibiendo diferentes tratamientos tengan condiciones similares. Por ejemplo si desea establecer el efecto de flúor en la caries, no puede ser que tenga en un grupo solamente hombres y en otro sólo mujeres. Para evitar este error debe haber una distribución aleatoria de las muestras, animales o pacientes a los diferentes grupos y esto permite aumentar la exactitud al obtener los resultados.
2. Disminuya el error al azar. Al eliminar este error se aumenta la precisión en el experimento. Recuerde que debe: utilizar metodología conocida, utilizar población de alto riesgo, y controlar las fuentes externas de variación. Muchas veces es necesario realizar pre-test para reducir la(s) fuente(s) de variación.
3. Amplio rango de validez. El ideal en una investigación es poder extender las posibles implicancias del estudio a un grupo amplio, pero esto depende de la amplitud misma de la investigación para poder extrapolar las conclusiones obtenidas. En ocasiones de investigaciones muy específicas, la extrapolación a un conjunto más complejo debe ser realizada con mucho cuidado.
4. Simplicidad de diseño y análisis. Especialmente cuando se inicia en la investigación el diseño debe ser simple, al igual que la forma de análisis de los resultados y el ideal es que al tener más experiencia se realicen investigaciones más complejas que pueden permitir eliminar posibilidades de error u obtener mayor información que en un investigación restringida.
5. Estimar el error estándar de la media de las observaciones. Esto demanda que todas las unidades experimentales estén afectadas solamente por el tratamiento y estén afectadas en forma similar por el mismo error al azar. Si bien se debe calcular, normalmente esta medición NO debe ser publicada en sus resultados, en otra unidad (análisis estadístico se explica ). 

Existen capítulos en varios libros, o libros dedicados a este tema, que puede parecer muy complejo y es muy difícil resumirlo brevemente, pero esperamos que la tabla adjunta de algo pueda ayudar al igual que los ejemplos que se indican de posibles diseños de investigaciones. Existen muchos otros tipos de diseños de investigación, si ninguna de las que aquí aparecen le satisface consulte a un experto en estadística o en metodología de la investigación.

TABLA DE DISEÑOS DE INVESTIGACIONES
 
 

TIPO DE ESTUDIO	MANIPULACION	DISEÑO	EJEMPLO
De observaciones	NO	Observar sin alterar	Drogadictos con SIDA y sin SIDA que compartían agujas.
Experimental	SI	Aplicar una intervención y observar	Impacto de educación en hábitos de compartir agujas.
Transversal	NO	Cada sujeto se examina una vez	Presencia de anticuerpos contra VIH en individuos que comparten agujas.
Longitudinal	SI	Cada sujeto es evaluado durante un período de tiempo	Estudio de cohorte que evalúa hábitos de uso de drogas y se observa quienes sero convierten a VIH en un tiempo dado.

Refrencias bibliográficas

1. Cox DR. Planning of experiments. J. Willey, New York, 1958.
2. Hulley SB, Cummings SR. Designing Clinical Research. An epidemiologic approach. Williams & Wilkins, Baltimore 1988:1-11.

Retroalimentación

2. ¿Cómo puede variar el rango de validez de una investigación?
 
 
 

En una investigación, como en cualquier actividad, al llegar a una conclusión puede ser correcta o no. En la investigación dependemos de una muestra que puede no ser representativa de la población, y los resultados obtenidos en la muestra no reflejen la realidad en la población y el error al azar nos lleva a una inferencia errónea. El error tipo I (falso positivo) ocurre cuando un investigador rechaza la hipótesis nula que en la situación actual es verdadera en la población. El error tipo II (falso negativo) ocurre si el investigador falla en rechazar la hipótesis nula que es realmente falsa en la población. Aunque estos errores nunca están totalmente ausentes, el investigador los puede reducir aumentando el tamaño de la muestra (entre mayor es lo más probable es que se parezca más a la población) y también manejando en forma adecuada el diseño y las mediciones.

El valor p es la probabilidad de estar errado cuando se asevera que existe una diferencia verdadera. Es la probabilidad de obtener, de un test estadístico, un valor tan grande como o más grande que el computado de los datos, cuando en realidad no hay diferencia entre los diferentes grupos estudiados.

La comprensión del significado del valor de p, requiere del entendimiento de la lógica de la prueba estadística de la hipótesis. Ejemplo: Como resultado de un estudio se observa una diferencia en el promedio de dos grupos. La pregunta es si ésta diferencia se debe a la distribución al azar de los individuos en los grupos, o al motivo del estudio. Para responder esta pregunta se cuantifica la diferencia observada con un número (estadístico). Generalmente, mientras más grande es la diferencia, mayor es el valor de este estadístico. Si el motivo del estudio no tiene efecto en el promedio, el número del test estadístico será pequeño.

Hipótesis nula: el motivo del estudio no afecta el promedio. Si esta aseveración es correcta, los dos grupos son muestras al azar de una población. Teóricamente, el investigador repite el experimento con todas las posibles muestras de individuos y computa cada estadístico. La variación al azar arroja diferentes valores promedios para cada muestra, esto da un rango de valores para el test estadístico. La mayoría serán pequeños, pero algunas pocas muestras, que no son representativas de las población, darán valores grandes, aunque el motivo no esté afectando al promedio. Digamos que un 5%.Tradicionalmente, cuando observamos un estadístico grande, rechazamos la hipótesis nula y aseveramos que el motivo del estudio causa la diferencia de promedio. Pero, tenemos un 5% de probabilidades de equivocarnos en está aseveración. Este porcentaje es conocido como valor p ó nivel de significación. En otras palabras el valor de p es la probabilidad de estar equivocado cuando se asegura que existe verdaderas diferencias significativas, y este valor no se acepta que sea mayor de 5% (por eso encuentra en muchos artículos valor de p<0,05, indicando que la probabilidad de estar equivocado al decir que hay diferencias significativas entre los grupos analizados, es menor al 5%).

Tabla acerca de la verdad en la población vs. los resultadosen el estudio.

VERDAD EN LA POBLACION
DE LA INVESTIGACION CONCLUYE	Tratamiento tiene efecto	Tratamiento NO tiene efecto
Tratamiento tiene efecto	CORRECTO	ERROR TIPO I (ALFA) (falso positivo)
Tratamiento NO tiene efecto	ERROR TIPO II (BETA) (falso negativo)	CORRECTO

Refrencias bibliográficas

1. Hulley SB, Cummings SR. Designing Clinical Research. An epidemiologic approach. Williams & Wilkins, Baltimore 1988:1-11.
2. Glantz SA. Primer of Biostatistics. 3rd Ed. McGraw-Hill, New York, 1992:105-107.

Retroalimentación

2. ¿Qué es el error tipo II ?

3. Qué significa p<0,05?