Definizioni:
Variabile: è tutti i dati raccolti per un’indagine, dalle caratteristiche socio-antropometriche delle persone (età, sesso , Peso, scultura, stato civile, livello socitrimoniale, ecc.), Date, siti geografici (quartieri, comuni, paese, ecc.), Mostre ai rischi (contatti o sfondo), presenza o assenza di malattia, trattamento ricevuto o non ricevuto , sintomi, segni, diagnosi, previsioni, mortalità, morbilità, eccetera.
possono anche essere definiti per una variabile come tutte le caratteristiche che cambiano quando si confronta un’unità di osservazione con un’altra allo stesso tempo o per confrontare il stessa unità di osservazione in tempi diversi (progressi nel tempo).
Definizione operativa di una variabile: è la definizione esatta di una variabile, compresa la procedura per stabilire la sua quantificazione; Ad esempio, anche la definizione operativa di età:
“età: tempo trasferito in anni (o potrebbe essere in mesi o giorni) dalla nascita alla data della raccolta della variabile (o per presentare un Evento), che è evidente chiedendo l’età (o la data di nascita potrebbe essere posta e calcolando o richiedendo un documento di identità) “.
Ma ci possono essere altre definizioni operative più complesse che richiedono specificando l’esempio una formula specifica per calcolarla o un reagente o un dispositivo, eccetera.
In un articolo di ricerca le variabili sono descritte (definire) nella sezione “materiali e metodi” o in “metodologia”.
Unità di osservazione: è tutto individuale che è studiato in un’indagine.
Dati: è tutto il valore reale di una variabile in ogni unità di osservazione, che può essere dal punto di vista della sua natura quantitativa (età) o qualitativa (razza).
Classificazione delle variabili:
s e classificare in base alla loro natura e alla funzione che giocano nella ricerca.
Classificazione delle variabili in base alla natura:
- Variabile qualitativo (ordinale e nominale)
- variabile quantitativa (continuo, discontinuo, intervallo e ragione o coefficiente)
Classificazione delle variabili Secondo la funzione nella ricerca:
- variabile indipendente.
- variabile dipendente.
- variabile intermedia o contingente.
- Variabile di confusione.
Variabile qualitativo o categoriale:
esprimere una caratteristica che non può essere misurata (non hanno grandezza che può essere espressa con i numeri), ma è qualificato o categorizzato (ecco perché il suo nome). Non confondere con codici numerici che possono essere assegnati a qualità, che viene fatto per tabulare le informazioni, ad esempio, ad esempio, l’abitudine al fumo viene assegnata il numero 1 e l’assenza del numero 0 o 2. con una grande frequenza, esso è preferibile codificare la presenza di alcune malattie, manifestazione o esposizione con il numero 1 e l’assenza con 0 o 2, ma non è obbligatorio. Queste variabili a seconda della scala di misurazione sono suddivise in nominali e ordinali.
.- variabili qualitative ordinali: quando c’è un ordine implicito dei dati, come gradiente, sebbene questo ordine non implica un’unità di Misurazione, né significa che le distanze tra le misurazioni sono equivalenti o multipli, come nella messa in scena dei tumori TNM, dove uno stadio T2 (invasione precoce dell’EP) non è il doppio dello stadio T1 (ad esempio in situ) o quella distanza o severità Tra uno stadio e un altro è lo stesso, ad esempio, la distanza tra T1 e T2 è uguale a T3 (tarda invasore) e T4 (metastasis di distanza) .. Puoi anche spiegare il significato dell’ordinale quando si dice che la risposta è parte di una serie di possibili risposte categorizzate, come il PE Percezione del progresso del paese (progredire, stagnante o decadenza).
.- Variabili qualitative nominali: quando le opzioni di risposta non hanno un ordine importante o rappresentano un gradiente, cioè nessuna risposta è migliore che un’altra o maggiore o più importante, ad esempio il colore dell’iride degli occhi. Allo stesso tempo le variabili qualitative nominali sono classificate in:
- dicotomico o binario, che può avere solo due possibili risposte: Sano o malato, maschio o femminile, vivo o morto.
- politomica: possono avere più di una possibile risposta: religione, gruppo sanguigno, ecc.
Variabile quantitativa :
esprime una funzione che può essere espressa in unità numeriche, esempio il numero di bambini o peso. A seconda dei valori, queste variabili quantitative sono suddivise in discontinua (discreto) e continuo.
.- variabili quantitative discontinui o discrete: sono quelli che consentono solo valori interi, come ad esempio da EJM il numero di bambini o il numero di IAM.
.- Variabile quantitativa continua: sono quelli che l’unità di misura Può essere frazionario usando decimali o frazionari, ad esempio: peso la cui unità di misura è kg ma 45,7 kg può essere indossata.
Variabile quantitativa sono discontinui o continue sono classificate a seconda della scala di misurazione in intervallo e della ragione (o coefficiente).
.- variabili intervalli quantitativi: quando il valore di divisione tra positivo e negativo (ovvero 0) è arbitrario e non riflette in alcun modo l’assenza della grandezza che è misurata, come PE. Alla temperatura in cui un valore di 0 ° non significa che non ci siano temperature.
.- variabile quantitativa del motivo o coefficiente: quando il valore zero (0) della scala è reale, che è indicato L’assenza della variabile o della grandezza misurata, ad esempio 0 kg o 0 km.
variabile dipendente:
chiama anche come risultato, esito, esito, output, event o Malattia, cioè, è lo scopo dello studio ed è solitamente esplicito nel titolo.
Variabile indipendente:
chiama anche esposizione, fattore di rischio / protettore, esplicativo o causale e Corrisponde alle variabili che spiegano o consentono di manifestarsi (causa) la variabile dipendente. Una singola variabile indipendente può spiegare l’aspetto di più di una variabile dipendente.
variabile intermedia o contingente:
è una variabile che è una conseguenza della variabile indipendente in studio, ma precede alla variabile dipendente, PE In uno studio del rapporto della dieta con l’IAM, abbiamo una dieta inadeguata (variabile indipendente) provoca un’iperlipidemia (variabile intermedia o contingente) che precede il danno alla IAM (variabile dipendente), cioè in altre parole è una variabile che fa parte di una catena causale che precede il danno. In altre parole, la variabile intermedia determina la variabile dipendente, ma è a sua volta questa variabile intermedia è oggetto di modifica da parte della variabile indipendente, essendo che è simultaneamente associata a entrambi. Non dovrebbe essere confuso con variabile confusionale.
Variabile di confusione:
Una variabile confondente è una variabile che è presente in uno studio ma non è noto, non è stato raccolto o Se è stato raccolto, che è correlato, che è correlato sia alla variabile dipendente (esito) che all’esposizione indipendente (esposizione); cioè, è un’altra esposizione (diversa da quella studiata) in cui gli effetti di due esposizioni o variabili (lo studiato e quello del fattore confondimento) non sono differenziati e la conclusione errata che l’effetto è dovuto alla variabile in studio e non confondere; Ad esempio: in uno studio si presume che il freddo (variabile indipendente) sia un fattore di rischio per il cancro delle cellule spaventose (variabile dipendente), tuttavia è negata se ha evidenziato che gli alimenti caldi vengono consumati in un clima freddo. Il vero rischio e quindi In questo caso il pasto caldo è la variabile di confusione.
Per evitare il fenomeno della confusione nella progettazione dello studio 3 Strategie metodologiche (AAR) sono utilizzate:
- Randomization (Randomizza in inglese): in cui le unità di osservazione sono distribuite in modo casuale in tutti i campioni. In alcuni testi è stato usato come anglicismo (sbagliato con la sua posizione) per descrivere la progettazione di uno studio come “randomizzato” per dire randomizzato, è importante che non commettiamo questo errore.
- Rominazione: in questo caso, le persone che possiedono il potenziale fattore di confusione nei gruppi rispetto alla restrizione della popolazione sono distribuite: limita lo studio alle persone che hanno caratteristiche speciali, esempio una caffetteria e una malattia cardiaca ischemica è limitato al campione a persone non fumatori per evitare il potenziale effetto della confusione del tabacco (perché le persone che fumano se hanno un rischio comprovato e poi possiamo confondere e credere che la caffeina abbia effetti della malattia ischemica, cioè il tabacco è il fattore di confusione).
Quando lo studio è molto grande è meglio controllare il fenomeno della confusione nell’analisi dei risultati e non nella progettazione dello studio ed into NSTS Questa regolazione o trattamento delle variabili confondentali viene eseguita utilizzando due metodi statistici:
- Stratificazione: per evitare il fenomeno di confusione, l’analisi è effettuata da categorie definite e omogenee (strati), ad esempio Se l’età è un fattore di confusione, l’Associazione può essere misurata in gruppi di 10 anni; Se è sesso, uomini e donne sono misurati separatamente, ecc.
- regressione logistica: è usato per valutare la relazione tra una variabile dipendente dicotoma (può avere solo due risposte, come se o meno, vivi o morte, sane o malate, ecc.) E variabili indipendenti , una delle quali è la variabile di confusione possibile, che viene eseguita con un sistema computazionale. Ad esempio, uno studio dimostra che il rischio di morire di Barichara è statisticamente significativo maggiore rispetto a San Gil, ma quando si esegue la regressione logistica (attraverso il sistema computazionale) è introdotto come un’altra variabile indipendente e viene evidenziata che la mortalità è maggiore in baricara Poiché la popolazione è più senile perché la maggior parte delle persone che vivono a Barichara sono presidenti (l’età era il fattore confuso).