Diseño experimental: secuencia completa de pasos tomados de antemano para asegurar que se obtendrán datos apropiados Motivos por los que se realiza un experimento: Determinar las principales causas de variación den la respuesta Encontrar las condiciones experimentales con las que se consigue un valor extremo en la variable de interés Compararlas respuestas en diferentes niveles de observación de variables controladas Obtener un modelo estadístico-matemático que permita hacer predicciones de respuestas futuras Unidad experimental: objeto de estudio ¿Qué?: Pregunta a responder, hipótesis o predicción. ¿A quién?: Objeto de estudio, Unidades Experimentales (cuántas, cómo obtenerlas) ¿Cómo?: Técnicas y procedimientos a usar en la investigación ¿Cuándo?: Tiempo en el que se desarrollará la investigación ¿Dónde?: Lugar en donde se desarrollará Muestras y poblaciones: Toda la producción de un día Todos los genes del genoma de una especie El muestreo al azar siempre será el mejor. Muestra al azar = cada miembro de la población tiene una probabilidad igual e independiente de ser seleccionado. Un buen sistema de muestreo minimiza el sesgo. Las dos variables principales de cualquier experimento/investigación: Variable independiente: es la que es controlada para estudiar sus efectos en la variable dependiente. Variable dependiente (respuesta): se investiga y se mide. Tipos de estudio: Experimental: el investigador asigna los tratamientos al azar a los individuos (unidades experimentales). Se predicen resultados de las manipulaciones. Unidades de muestreo aleatorizadas; causa-efecto. Observacional: cuando el observador no asigna los tratamientos a los individuos. Se predicen resultados de las observaciones. Unidades de muestreo no aleatorizadas; correlación. Tipos de variabilidad: Objetivos de los modelos estadísticos/diseño experimentos: controlar la variabilidad de un proceso estocástico (probabilístico) Probabilidad sistemática y planificada: por la posible dispersión de los resultados debido a diferencias sistemáticas entre las distintas condiciones experimentales impuestas en el diseño. Es deseable que exista y sea identificada y cuantificada. Variación sistemática en los resultados debido a causas desconocidas y no planificadas. Principal causa de conclusiones erróneas y resultados incorrectos, deben evitarse (deben tenerse en mente todas las posibilidades). La aleatorización y técnicas de bloque ayudan a evitarla. Variables de confusión: (confusión de los efectos), es una variable que enmascara o distorsiona la relación causal entre las variables medidas de estudio. Probabilidad sistemática y no planificada: Variabilidad típica de la naturaleza del problema y del experimento: variación debido al ruido aleatorio = error de media. Las medidas fluctuarán alrededor de un valor central = modelo de probabilidad. Inevitable pero tolerable a partir de una buena planificación y estimar su valor. Se desarrolló una investigación como parte del examen de grado de una alumna de la Facultad de Ciencias Biológicas. El título fue “Diabetes mellitus tipo 2, en Nuevo León: Evaluación del daño al DNA nuclear en pacientes del IMSS sometidos a tres esquemas de tratamiento mediante ensayo cometa”. Para aplicar algunos de los conocimientos adquiridos en el presente tema, contestaremos: 1. ¿Cómo se definiría la población? Pacientes del IMSS con diabetes mellitus tipo 2 en Nuevo León. 2. ¿Cuál sería el objetivo de la investigación? Evaluar el daño al DNA nuclear. 3. ¿Cómo plantearíamos su hipótesis de trabajo? El grado de daño en DNA (mediante ensayos cometa) difiere entre pacientes con diabetes mellitus tipo 2 sujetos a diferentes tratamientos. 4. ¿Cuáles serían las variables a medir? Independientes: edad y género, tratamiento del paciente (TA, TB y TC), tiempo de tratamiento, técnica de ensayo cometa. Dependientes: longitud de la cola cometa en DNA nuclear. 5. Identifica las posibles fuentes de variación no planificada: la edad del paciente, comorbilidades, cantidad de insulina que se aplican, dieta. Variables a medir: es (son) la(s) variable(s) dependiente(s) a las que se les medirán los efectos de los tratamientos. Factores tratamiento (Fijos): aquellas fuentes cuyo efecto sobre la respuesta es de particular interés Factores de problema (aleatorios): son aquellas fuentes que no son de interés directo pero que se contemplan en el diseño para reducir la variabilidad no planificada. Proceso: es la aplicación del diseño (cuando las unidades experimentales se sujetan a los tratamientos) Respuesta: resultados obtenidos en las unidades experimentales, después de aplicarles los tratamientos Unidad experimental: unidad a la cual se le aplica un solo tratamiento, que puede ser una combinación de muchos factores. Puede ser un individuo o grupo de individuos Modelo: representación matemática que permite evaluar las secuencias de las condiciones del experimento sobre las unidades experimentales Variables a medir, factores de tratamiento (fijos), factores problema (aleatorios) -> Proceso -> Respuesta -> Modelo. Principios básicos en la planificación de diseño de experimentos: Reproducción -> Repetición del experimento. Unidad experimental -> Donde se evaluará la variable. Representativas de la población. Aleatorización -> Todos los factores no controlados que pueden influir en los resultados serán asignados al azar a las unidades experimentales. Control local -> La cantidad de agrupamiento, bloqueo. Aleatorización: eliminar (reducir) el sesgo Grupo control: grupo de individuos (unidades experimentales) que no recibe el tratamiento de interés pero que experimenta condiciones similares a los individuos tratados. Ensayos clínicos -> placebo. En experimentos que requieran métodos intrusivos, los individuos control deben ser perturbados con los mismos procedimientos. Ciego (cegar): el proceso de ocultar información a los participantes (en doble-ciego se incluye a los investigadores) acerca de cuáles sujetos reciben el tratamiento. Ciego en estudios no-humanos aplica al investigador. Replicación: repetición de cada tratamiento en múltiples unidades experimentales. Mayor tamaño de muestra -> Menor error estándar, mejor estimación, pruebas más robustas -> La verdadera replicación depende del número de unidades independientes del experimento. Pseudoreplicación: repeticiones no-indipendientes. Reducir la influencia del error de muestreo: Balanceo: mantener los tratamientos con el mismo tamaño Bloqueo: agrupar las unidades experimentales que tienen propiedades similares Factorización del diseño: Estrategia experimental que consiste en cruzar los niveles de todos los factores de tratamiento en todas las combinaciones posibles.
