Las hipótesis aparecen en todos los niveles investigativos, al mismo tiempo que, es posible encontrar estudios sin hipótesis en cualquier nivel investigativo. Para entender mejor esto, debemos saber que a lo largo del desarrollo de una línea de investigación, tenemos dos momentos: al principio los estudios no son inferenciales y más adelante los estudios son inferenciales.
Un estudio inferencial, es aquel que basado en el análisis de datos de una muestra obtenida a partir de una población, el estudio pretende realizar conclusiones para toda la población. Por contraparte un estudio no inferencial, concluye únicamente sobre el conjunto estudiado.
Los estudios exploratorios no son inferenciales ya sea que tengan o no hipótesis, más adelante en el nivel investigativo descriptivo, el objetivo describir o caracterizar tampoco es inferencial, porque solo pretende concluir sobre las unidades que conforman el grupo de estudio.
Luego están los estudios inferenciales, ellos utilizan como herramienta la inferencia estadística ya sea la prueba de hipótesis o la estimación puntual, por tanto podemos concluir diciendo que los estudios inferenciales que no plantean hipótesis, desarrollan procedimientos estadísticos para la estimación puntual y los respectivos intervalos de confianza.
Los estudios no inferenciales. Se tratan de estudios realizados en un conjunto de unidades de estudio, que no provienen de un conjunto mayor, no se trata de una muestra. La finalidad es conocer lo que ocurre, en el propio conjunto y que, en ningún caso, se pretende extrapolar estos resultados a un conjunto mayor, porque no se trata de una muestra.
Son estudios no inferenciales, los estudios exploratorios, porque se encargan de la identificación de fenómenos, hechos o acontecimientos, que deben ser conceptualizados, definidos, para luego ser interpretados, hermenéuticamente explicados, y hasta el planteamiento de criterios para determinar la presencia del hecho fenómeno o acontecimiento.
También son no inferenciales los estudios descriptivos, que pretenden únicamente describir o caracterizar a un conjunto de unidades de estudio, para concluir únicamente sobre el propio conjunto y nunca pretender extender estas conclusiones, hacia otras unidades de estudio, que hayan sido consideradas en el grupo estudiado.
Por ejemplo: describir o caracterizar a los pacientes con COVID-19, este estudio pretende enmarcar los signos y síntomas, además de las características sociodemográficas de las personas que tienen la enfermedad, ello no implica que, las próximas personas que tengan este padecimiento, tengan exactamente la misma presentación clínica.
Los estudios no inferenciales, no son de menor valor, menor jerarquía, menor utilidad que los estudios inferenciales, simplemente se trata de un momento preliminar del desarrollo de la línea de investigación, la cual más adelante desarrollará propósitos inferenciales, intenciones que nos permitan hacer verdaderas deducciones.
Los estudios inferenciales. Son aquellos que, a partir del análisis de una muestra, pretenden concluir para todos los elementos que conforman la población, de la cual fue obtenida la muestra, claramente se trata de una extensión de los resultados y conclusiones, más allá de lo encontrado en las unidades de estudio.
Para poder realizar este procedimiento, denominado inferencia estadística, se requieren de algunas condiciones, como por ejemplo el tamaño de la muestra y la selección aleatoria de las unidades muestrales, solo así se considera a la muestra como representativa de la población, requisito indispensable para poder realizar la inferencia estadística.
Por tanto, la primera condición es el tamaño de la muestra que, en los estudios descriptivos se calcula como un tamaño mínimo, mientras que en los estudios analíticos, se calcula como un tamaño exacto. En los estudios descriptivos, mientras más grande el tamaño de la muestra es mejor, mientras que en los estudios analíticos, el tamaño calculado no se puede variar.
Si en los estudios descriptivos, queremos estudiar a una población de un millón de habitantes, la muestra representativa al noventa y cinco por ciento, es aproximadamente cuatrocientas unidades de estudio, pero pueden ser más, con lo cual se incrementa el nivel de confianza, mientras más grande sea el tamaño de la muestra, mayor es el nivel de confianza.
Mientras tanto, en los estudios analíticos, se calcula el tamaño de los grupos y este número, no puede modificarse, porque si se reduce, aparece el error tipo 1, y si se aumenta aparece el error tipo 2, de manera que, el tamaño de los grupos se calcula y si bien esto está sujeto a modificaciones y a criterio del investigador, debe considerarse al momento de la interpretación.
1. En el nivel exploratorio
Encontramos diversas intenciones, que no requieren del planteamiento de hipótesis, como cuando identificamos fenómenos, hechos o acontecimiento, los definimos o conceptualizamos, para luego plantear una serie de interpretaciones, que nos den luces acerca del fenómeno estudiado.
El estudio exploratorio es fenomenológico, porque parte de identificar un fenómeno hecho o acontecimiento, que debe ser expuesto o evidenciado para comenzar con el desarrollo de una línea de investigación, este acontecimiento muchas veces surge de la serendipia, mas no de una planificación, por lo que no hay un hecho esperado.
El estudio exploratorio es constructivista, porque asume la conceptualización del hecho, fenómeno o acontecimiento, se plantea darle un nombre al suceso en estudio, para luego poder ser estudiado, claramente no se trata de un planteamiento de hipótesis, más bien de una definición, a partir de la cual se obtendrán muchas conclusiones.
El estudio exploratorio es hermenéutico, porque intenta explicar los hechos, sus orígenes, sus relaciones con otros acontecimientos, pero no desde el punto de vista probabilístico, sino desde el punto de vista teórico, interpretativo, no se trata de un planteamiento de hipótesis, sino de entendimiento del hecho, fenómeno o acontecimiento.
Los estudios exploratorios en su gran magnitud, no contemplan el planteamiento de hipótesis, porque son fenomenológicos, constructivistas y hermenéuticos, no pretenden declarar hechos, sino analizarlos, para a partir de este, se planteen proposiciones, verdaderas hipótesis que tendrán que ser demostradas como verdaderas o falsas.
2. En el nivel descriptivo
Nos encontramos con estudios, donde la intención es describir o caracterizar, en cuyo caso se analiza un conjunto de unidades de estudio, para describir las frecuencias absolutas y relativas sobre un conjunto de cualidades de las unidades de estudio, así como las medidas de tendencia central y dispersión de sus características numéricas.
Por ejemplo, en el enunciado: Descripción de los signos y síntomas de los pacientes con COVID-19. Se trata de una caracterización, de lo que se observa en las personas previamente diagnosticadas con esta enfermedad, los resultados y conclusiones únicamente serán válidas para el grupo en estudio, claramente se trata de un estudio no inferencial.
Hablando de estudios sin hipótesis, ellos también pueden ser inferenciales a nivel descriptivo, por ejemplo: Estimación de la prevalencia de diabetes en la ciudad de Arequipa, para ello hay que calcular el tamaño de la muestra y luego analizar la misma, para que a partir de las conclusiones en la muestra, podamos conocer de lo que ocurre en la población.
El estudio de la prevalencia de una enfermedad en la población es un estudio inferencial sin hipótesis, porque se trata de una estimación puntual, se trata de conocer un parámetro de la población a partir de una muestra, hay que realizar todos los procedimientos necesarios para el desarrollo de la inferencia estadística, donde en ningún momento aparece la hipótesis.
Complementariamente a la estimación del parámetro en la población, se debe calcular también, los intervalos de confianza, una medida de variabilidad para la media calculada, se trata de los límites de confianza, generalmente al noventa y cinco por ciento, dentro de los cuales se encontraría el verdadero valor del parámetro, de haber estudiado a toda la población.
3. En el nivel relacional
Todos los estudios son inferenciales, de manera que si se trata de estudios que no llevan hipótesis, entonces por deducción todos los estudios alcanzan la inferencia estadística a partir de la estimación puntual y sus respectivos intervalos de confianza, a partir de aquí, todos los procedimientos son muy semejantes.
Por ejemplo, la medida de correlación entre dos variables numéricas, expresadas en términos de “R” coeficiente de correlación de Pearson, es una estimación puntual, y que por definición debe ser acompañado por sus respectivos intervalos de confianza, si el objetivo del estudio es medir la fuerza de la correlación.
Por otro lado, tenemos a las medidas de asociación entre los datos categóricos, como la asociación entre la diabetes y la obesidad, que luego de ser demostrada debe ser medida, en términos de riesgo relativo, lo cual responde a la pregunta, ¿Cuánto riesgo tiene una persona con obesidad para hacer diabetes?
Otra medida de asociación es la concordancia, como el “Kappa de Cohen”, que mide el grado de acuerdo entre los resultados obtenidos sobre la misma población de dos evaluadores, o el grado de acuerdo que se obtiene de la medición realizada por dos instrumentos, esta medida es una fracción del 100%, es una estimación puntual.
Todas estas medidas de correlación, medidas de riesgo o medidas de concordancia, no corresponden a estudios con hipótesis, corresponden a estimaciones puntuales que, deben ser acompañadas por sus respetivos intervalos de confianza, cuya amplitud está determinada por el tamaño de la muestra o tamaño de los grupos.
4. En el nivel explicativo
Por lo general encontramos a los experimentos, sin embargo también tenemos a los estudios observacionales, donde el más representativo es el diseño de cohortes, con su medida de riesgo conocido como riesgo relativo, una estimación puntual, que cuantifica el riesgo de sufrir un evento adverso a la salud.
El diseño de cohortes es un estudio explicativo, porque consigna tres criterios de causalidad, el primero la asociación estadística, el segundo la fuerza de asociación que se expresa en el Riesgo Relativo y el tercero la relación temporal, que asegura, que la posible causa estuvo presente antes del efecto estudiado.
Es precisamente el riesgo relativo, la estimación puntual de la fuerza de asociación existente entre el factor de exposición y la enfermedad, y refleja la magnitud del riesgo que tiene la población expuesta de enfermar, respecto de la probabilidad de enfermar de la población no expuesta, se trata de un número que hay que calcular.
Como toda estimación, este valor numérico debe ser acompañado por sus respectivos intervalos de confianza, por ejemplo: Si el hábito de fumar es un factor de riesgo para el cáncer de pulmón, la pregunta natural será, ¿En qué medida los fumadores tienen más riesgo de enfermar respecto de los no fumadores?
Es posible que, los que fuman tengan el doble de probabilidad de enfermar con cáncer de pulmón, respecto de los que no fuman, puede ser el doble, el triple, el cuádruple, etc. En cualquier caso, es un número que hay que calcular y como este número será distinto cada vez que lo calculemos, habrá que acompañarlo con su respectivo intervalo de confianza.
5. En el nivel predictivo
El objetivo estadístico predecir se refiere a la probabilidad de ocurrencia de un suceso en una serie de eventos, por tanto este cálculo varía entre cero y uno, donde CERO (0) significa la imposibilidad de ocurrencia, mientras que el UNO (1) significa, que ocurre en todos los casos, el cálculo siempre estará entre cero y uno.
La probabilidad de ocurrencia, es un número entre cero y uno, es una estimación puntual que, como toda estimación, no se trata de un valor absoluto, sino que se debe acompañar de sus respectivos intervalos de confianza, por ejemplo si la prevalencia de diabetes en la población es del 10% con un nivel de confianza al 95%, la prevalencia varía entre 5% y 15%.
Entonces de 100 personas elegidas aleatoriamente de la misma población es probable que el 10% tenga diabetes, en el menor de los casos 5% y en el mayor de los casos 15%, si este procedimiento lo repetimos 100 veces en la misma población, acertaremos en el 95% de los casos, esta es la interpretación de la probabilidad de ocurrencia.
En el nivel predictivo también encontramos al pronóstico, como el tiempo medio en que ocurrirá un suceso, por ejemplo si la edad promedio en que se presenta la menopausia en las mujeres es de 45 años, eso corresponde a la estimación puntual, pero puede que en el 95% de los casos se presente entre los 40 y 50 años, esto corresponden a su intervalo de confianza.
En este nivel también encontramos a la prevención como una medida o acción que pretende reducir el efecto o impacto de una circunstancia en la población, esta reducción del impacto, es un número, se trata de una estimación puntual que, no coincide en el 100% de los casos, por lo que se debe acompañar también de sus intervalos de confianza.
6. En el nivel aplicativo
Se realizan intervenciones con la finalidad de mejorar una condición, y si partimos de la premisa que a este nivel cualquier intervención produce una mejora, en algún aspecto a las unidades de estudio, entonces de lo que se trata es de optimizar este resultado, ello corresponde a una estimación puntual.
Por ejemplo, optimizar el rendimiento de una máquina, mejorar el rendimiento académico de los estudiantes, alcanzar el desarrollo óptimo de un sistema. Parte del cálculo de este nuevo rendimiento, que se supone es mejor al rendimiento clásico o anterior, la única manera de saberlo es haciendo su medición.
Por ejemplo: Cálculo del valor medio del gasto cardiaco para los pacientes con tratamiento para la insuficiencia cardiaca, se trata de una estimación puntual, pero como quiera que, cada paciente es distinto, puede haber variaciones aleatorias, las cuales nos permiten establecer límites inferior y superior que corresponden a los intervalos de confianza.
Una vez que se consigue el resultado esperado, incluyendo su variabilidad, la misma que tendrá que ser estable, y estar dentro de los límites de normalidad, o límites de especificación, superior e inferior, se procede a calcular la magnitud de la intervención que consigue esos resultados, por lo tanto también se trata de una estimación puntual.
Como ejemplo: tememos que el tratamiento insulínico para los pacientes con diabetes está estandarizado, es decir que, se conoce el valor medio que se debe suministrar de insulina teóricamente, sin embargo como cada paciente es diferente, estos valores pueden variar y deben tener una distribución normal, lo cual nos permite calcular sus intervalos de confianza.
