DEFINICIONS:
Variable: És tota dada que es recol·lecta per a una investigació, des de les característiques socio-antropomètriques de les persones (edat , gènere, pes, talla, estat civil, nivell socioeconòmic, etc.), dates, llocs geogràfics (barris, municipis, país, etc.), exposicions a riscos (contactes o antecedents), presència o absència de malaltia, tractament rebut o no rebut, símptomes, signes, diagnòstics, pronòstic, mortalitat, morbiditat, etcètera.
També pot definir-se a una variable com tota la característica que canvia a l’comparar una unitat d’observació amb una altra en un mateix moment o a l’ comparar la mateixa unitat d’observació en moments diferents (avanç en el temps).
definició operacional d’una variable: és la definició exacta d’una variable, incloent el procediment per establir la seva quantificació; ara la definició operacional de l’edat així:
“Edat: temps transcorregut en anys (o podria ser en mesos o dies) des del naixement fins a la data de recol·lecció de la variable (o de presentar-se un succés ), la qual s’evidencia preguntant l’edat (o podria preguntar la data de naixement i calcular-o sol·licitar un document d’identitat) “.
Però poden haver altres definicions operacionals més complexes que requereix especificar per exemple una fórmula específica per a calcular-la, o un reactiu, o un dispositiu, etcètera.
en un article d’investigació les variables es descriuen (defineixen) a la secció “materials i mètodes” oa “metodologia”.
unitat d’observació: És tot individu que s’estudia en una investigació.
Dada: És tot valor real d’una variable en cada unitat d’observació, la qual pot ser des del punt de vista de seva naturalesa quantitatiu (edat) o qualitatiu (raça).
CLASSIFICACIÓ DE LES VARIABLES:
S i classifiquen d’acord a la seva naturalesa ia la funció que exerceixen en la investigació.
Classificació de les variables d’acord a la naturalesa:
- Variable qualitativa (ordinal i nominal)
- Variable quantitativa (contínua, discontínua, intervàlica i de raó o coeficient)
Classificació de les variables d’acord a la funció en la investigació:
- Variable independent.
- Variable dependent.
- Variable intermèdia o contingent.
- Variable de confusió.
Variable qualitativa o categòrica:
Expressa una característica que no es pot mesurar (no tenen magnitud que es pugui expressar amb números), sinó que es qualifica o categoritza (per això el seu nom). No confondre amb codis numèrics que es poden assignar a les qualitats, la qual cosa es fa amb la finalitat de tabular informació, com ara presència de l’hàbit de fumar se li assigna el número 1 ia l’absència de l’hàbit el nombre 0 o el 2. amb gran freqüència es prefereix codificar la presència d’alguna malaltia, manifestació o exposició amb número 1 i l’absència amb el 0 o el 2, però no és obligatori. Aquestes variables depenent de l’escala de mesurament es subdivideixen en nominals i ordinals.
.- Variables qualitatives ordinals: Quan hi ha un ordre implícit de les dades, a manera d’un gradient, encara que aquest ordre no implica una unitat de mesura, ni significa que les distàncies entre les mesures siguin equivalents o múltiples, com per exemple en l’estadificació dels tumors TNM, on un estadi T2 (pe invasió d’hora) no és el doble d’un estadi T1 (pi in situ) o que la distància o severitat entre un estadi i un altre sigui igual, ara que la distància entre T1 i T2 és igual que entre T3 (invasor tardà) i T4 (metàstasi a distància) .. També es pot explicar el significat d’ordinal a el dir que la resposta fa part d’un conjunt de possibles respostes categoritzades, com per exemple percepció de el progrés de país (progressant, estancat o en decadència).
.- Variables qualitatives nominals: Quan les opcions de resposta no tenen un ordre d’importància ni representen un gradient, és a dir que cap resposta és millor que una altra o més gran o més important, per exemple el color de l’iris dels ojos.A seu torn les variables qualitatives nominals es classifiquen en:
- dicotòmiques o binàries, les quals només poden tenir dos possibles respostes: sa o malalt, masculí o femení, viu o mort.
- politòmiques: poden tenir més d’una possible resposta: religió, grup sanguini, etc.
Variable quantitativa:
Expressa una característica que pot ser expressada en unitats de mesura numèriques, ara la el nombre de fills o el pes. Depenent dels valors es aquestes variables quantitatives es subdivideixen en discontínues (discretes) i contínues.
.- Variables quantitatives discontínues o discretes: són les que només permeten valors sencers, com per ejm el nombre de fills o el nombre d’IAM.
.- Variable quantitatives contínues: són les que la unitat de mesura pot fraccionar utilitzant decimals o fraccionaris, per exemple: el pes la unitat de mesura és el Kg però es pot pesar 45,7 Kg.
Les variables quantitatives siguin discontínues o contínues es classifiquen depenent de l’escala de mesurament en intervàlica i de raó (o coeficient).
.- Variables quantitatives intervàlica: Quan el valor divisori entre positius i negatius (o sigui el 0) és arbitrari i no reflecteix de cap manera l’absència de la magnitud que es mesura, com per exemple a la temperatura on un valor de 0 ° no vol dir que no hi hagi temperatura.
.- Variable quantitativa de raó o coeficient: Quan el valor zero (0) de l’escala és real, o sigui que indica l’absència de la variable o magnitud que es mesura, com ara 0 Kg o 0 km.
variable dependent:
Trucades també com a resultat, outcome, desenllaç, sortida, esdeveniment o malaltia, és a dir és la finalitat de l’estudi i en general està explícita en el títol.
Variable independent:
Trucades també exposició, factor de risc / protector, explicativa o causal i correspon a les variables que expliquen o permeten que es manifesti (causen) la variable dependent. Una sola variable independent pot explicar l’aparició de més d’una variable dependent.
Variable intermèdia o contingent:
És una variable que és conseqüència de la variable independent en estudi, però que precedeix a la variable dependent, pe en un estudi de la relació de la dieta amb l’IAM, tenim que una dieta inadequada (variable independent) causa un hiperlipidèmia (variable intermèdia o contingent) que precedeix el dany o sigui a l’IAM (variable dependent), és a dir en altres paraules és una variable que fa part d’una cadena causal que precedeix el dany. Dit en altres paraules la variable intermèdia determina la variable dependent, però és al seu torn aquesta variable intermèdia és objecte de modificació per part de la variable independent, sent que s’associa simultàniament amb totes dues. No s’ha de confondre amb variable confusional.
Variable de confusió:
Una variable de confusió és una variable que està present en un estudi però que no es coneix, no s’ha recollit o si s’ha recollit no s’ha fet servir, la qual es relaciona tant amb la variable depenent (outcome) com amb la independent (exposició); o sigui és una altra exposició (diferent a la que s’està estudiant) en la qual els efectes de dues exposicions o variables (l’estudiada i la de l’factor de confusió) no es diferencien i s’arriba a la conclusió incorrecta que l’efecte es deu a la variable en estudi i no a la confusora; per exemple: en un estudi es suposa que el fred (variable independent) és un factor de risc per a càncer de cèl·lules escamoses d’esòfag (variable dependent), però queda desmentit a l’evidenciar-se que en clima fred es consumeixen els aliments més calents d’aquesta manera el veritable risc i per això en aquest cas el menjar calent és la variable de confusió.
per prevenir el fenomen de confusió en el disseny de l’estudi s’utilitzen 3 estratègies metodològiques (AAR):
- Aleatorització (randomizing en anglès): en què les unitats d’observació es distribueixen aleatòriament en totes les mostres. En alguns textos s’ha fet servir com un anglicisme (equivocat pel seu lloc) per descriure el disseny d’un estudi com “randomitzat” per dir aleatoritzat, és important que nosaltres no cometem aquest error.
- Aparellament: en aquest cas es distribueixen les persones que posseeixen el potencial factor de confusió en forma similar en els grups que es van a comparar
- Exclusió de la població: Limita l’estudi a persones que tenen característiques especials, exemple Un estudi de cafè i cardiopatia isquèmica es limita la mostra a persones no fumadores per evitar l’efecte potencial de confusió de l’tabac (perquè les persones que fumen si tenen risc comprovat i llavors ens podem confondre i creure que la cafeïna té efectes de cardiopatia isquèmica o sigui que el tabac és el factor de confusió).
Quan l’estudi és molt gran és millor controlar el fenomen de confusió en l’anàlisi dels resultats i no en el disseny de l’ estudi i ent NCES aquest ajust o tractament de les variables de confusió, es realitza mitjançant dos mètodes estadístics:
- Estratificació: Per evitar el fenomen de confusió l’anàlisi es fa per categories definides i homogènies (estrats) per exemple , si l’edat és un factor de confusió l’associació pot mesurar-se en grups de 10 anys; si és el sexe es mesura per separat els homes i dones, etc.
- Regressió logística : És usada per avaluar la relació entre una variable dependent dicotòmica ( només pot tenir dues respostes, tal com si o no, viu o mort, sa o malalt, etc. ) i variables independents , un de les quals és la possible variable confusora , la qual cosa es realitza amb un sistema computacional. Per exemple, un estudi mostra que el risc de morir a Barichara és estadísticament significatiu més gran que a San Gil, però a l’ realitzar la regressió logística ( mitjançant el sistema computacional ) s’introdueix l’edat com una altra variable independent i s’evidencia que és major la mortalitat a Barichara perquè la població és més senil perquè la majoria de persones que viuen a Barichara són pensionats ( l’edat era el factor confusor ) .