Variables
Una variable se puede definir como la característica o un atributo que describe
un evento, objeto on una persona en un estudio. En una variable se comprende debido
a que pueden cambiar entre mediciones del mismo sujeto en diferentes momentos o
entre individuos de la misma población, mientras que en que en las atributos tienden a
seres mas constantes o bien cambian en muy pocas ocasiones. Por ejemplo, el peso,
la estatura o ingresos económicos son variables, ya que pueden variar en el tiempo o
entre personas. En cambio, atributos como la raza, la nacionalidad o estado civil son
constantes y no cambian tan frecuentemente.
Podemos encontrar varios tipos de variables las cuáles pueden ser cuantitativas
o cualitativas, donde las cuantitativas son aquellas que pueden medirse
numéricamente, como el peso o la temperatura, mientras que las variables cualitativas
no se miden numéricamente sino que se clasifican en categorías, tales como el sexo o
el tipo de sangre.
Las variables pueden clasificarse de diversas maneras, dependiendo de su rol
en el fenómeno estudiado, su influencia sobre otras variables o la escala de medición
utilizada. Esta clasificación afecta las mediciones, el nivel de detalle de la información y
la precisión con la que se representan los fenómenos.
Variable independiente y dependiente
Las variables independientes y dependientes se refieren a su rol dentro de un
estudio y como se afectan entre si:
- Variable independiente; Es aquella que el investigador manipula para poder
observar el impacto que tiene en otras variables. Por ejemplo en un experimento
esta variable no depende de otras variables, los cambios en esta variable tienen
efecto en una o más variables implicadas en el fenómeno en estudio.
- Ejemplo: Considera un estudio que investiga el efecto de un nuevo medicamento en
la presión arterial. Aquí, la variable independiente sería la dosis del medicamento
administrado a los participantes, mientras que la presión arterial es la variable
dependiente afectada por el medicamento.
- Variable dependiente; Es aquella que depende de los cambios de la variable
independiente. En esta variable se mide para evaluar el efecto que tiene la variable
independiente
Generalmente, en una gráfica, la variable independiente se coloca en el eje **X**
(abscisa), mientras que la variable dependiente se coloca en el eje **Y**
(ordenadas).
- Ejemplo. La diabetes mellitus tipo 2 (DM2) implica una interacción más compleja
entre la genética y el estilo de vida. Existe evidencia clara que sugiere que la DM2
tiene un perfil hereditario más fuerte que la DM1. La mayoría de los pacientes con
esta enfermedad tienen al menos un progenitor con DM2.
Variables según su escala de medición
Define como se agrupan y comparan las observaciones, dependiendo de la
escala, se obtiene más o menos precisión. Las escalas de medición, de la más
"blanda" a la más "dura", son: nominal, ordinal, de intervalo y de razón.
- Escala nominal; Se refiere a que las variables no tienen un orden jerárquico. Estas
variables simplemente se nombran o etiquetan, sino que se puedan realizar
operaciones matemáticas.
- Ejemplo; Se incluyeron 4.581 pruebas positivas que representan 3.458 PLWH
(3.112 urbanas, 130 rurales grandes y 216 pequeñas rurales); el 49,1% había
diagnosticado AUD. PLWH en grandes áreas rurales tuvo la mayor recepción
de BI (urbano 56,6%, IC del 95 %: 55,0-58,2; gran rural 66,0 %, IC: 58,6-73,5;
pequeña rural 60,7 %, IC: 54,6,67,0). PLWH en las áreas urbanas tuvo la
mayor recepción de tratamiento de adicciones especializadas (urbano 28,2%,
IC: 26,7-29,8; gran rural 19,7%, IC: 13,1-26.2; pequeño rural 19,6%, IC: 14,1-
25.0). No hubo diferencia en la recepción de medicamentos AUD, aunque la
recepción general fue baja (3%-4%). Los resultados fueron similares en la
submuestra con AUD.
- Escala ordinal; Las variables en esta escala tienen categorías, pero las cuales las
categorías tienen magnitud, la que nos indica que algunas tienen más o menos
cantidad de la propiedad que se mide. Las categorías pueden ordenarse de mayor a
menor o viceversa. Sin embargo, aunque se puede ordenar, no se puede saber con
precisión la diferencia numérica entre ellas.
- Ejemplo; En este estudio se incluyeron un total de 3306 pacientes con TBI. La
mayoría estaba dentro del rango de GCS 3-8. El mecanismo más común de
lesiones fueron las lesiones por accidentes de tráfico [1907(58,0%)]. La
mortalidad hospitalaria fue del 27,2 % (899). No hubo una diferencia
significativa en la discriminación en la mortalidad hospitalaria de 24 horas al
comparar el GCS con MGAP y GAP. Mientras que GCS funcionó mejor que
KTS, RTS funcionó mejor que GCS. Para la mortalidad hospitalaria de 30
días, el GCS se discriminó significativamente mejor en comparación con el
KTS, pero no hubo una diferencia significativa en comparación con el MGAP y
el RTS. GAP discriminó significativamente mejor en comparación con GCS.
- Puntuación de Trauma Revisada (RTS); mecanismo, GCS, edad, presión
arterial sistólica (MGAP); GCS, edad, presión arterial sistólica (GAP) y
Puntuación de Trauma de Kampala (KTS) en la predicción de la mortalidad
hospitalaria de 24 horas y 30 días.
- Escala por intervalos; Las variables tienen un orden y los intervalos entre las
categorías son iguales a lo largo de la escala. El valor de 0 es arbitrario, lo que
implica que no se puede decir que un valor de 20 es el doble de 10, ya que el cero
no la ausencia de la propiedad medida. Un ejemplo de esta escala es la temperatura
en grados Celsius, donde 0 grados no implica la ausencia de calor, pero los
intervalos entre los valores sí son iguales.
- Ejemplo; Se incluyeron treinta y un estudios con un total de 12 498
participantes. La mayoría de los estudios no cumplieron con los estándares de
calidad metodológica requeridos por COSMIN. Los estudios de herramientas
de evaluación unidimensional se respaldaron en evidencia de baja calidad de
fiabilidad (cinco estudios) y capacidad de respuesta (siete estudios). La
validez convergente fue la propiedad más estudiada (13 estudios) con una
correlación moderada a alta que oscilaba entre 0,5 y 0,9 entre herramientas
unidimensionales. Los resultados de interpretabilidad solo estaban disponibles
para la escala analógica visual (siete estudios) y la escala de calificación
numérica (cuatro estudios). Los estudios sobre las herramientas de
evaluación funcional fueron escasos; solo un estudio incluyó una "Puntuación
de dolor objetiva", una herramienta que evalúa la interferencia del dolor con la
función respiratoria, y tenía baja calidad para una validez convergente.
- Escala de razón; Es la escala de medios más estricta, ya que tiene las
características de la escala de intervalos, pero con la diferencia que el cero si indica
la ausencia de la propiedad estudiadaUn ejemplo de esta escala son el peso,
ingresos económicos y el número de hijos.
- Ejemplo; La edad media de los participantes era de 66 años y el 58 % eran
hombres; el 83 % eran de origen europeo/otro étnico, con el resto maorí,
polinesio o sur asiático. El nivel medio basal de 25-hidroxivitamina D
[25(OH)D] en sangre (SD) fue de 63 (24) nmol/L; el 25% fue <50 nmol/L. En
una muestra aleatoria (n = 441), la suplementación con vitamina D aumentó la
media de 25(OH)D a 135 nmol/L a los 3 años, mientras que los que toman
placebo se mantuvieron en 63 nmol/L. Durante el seguimiento, 3737
participantes informaron ≥1 ARA: 74,1% en el grupo de vitamina D frente al
73,7% en el grupo placebo. La relación de riesgo para la vitamina D en
comparación con el placebo fue de 1,01 (IC del 95 %, 0,94, 1,07). Se
observaron resultados similares en la mayoría de los subgrupos, incluidos
aquellos con 25(OH)D de referencia <50 nmol/L y en los análisis de los
componentes superiores/inferiores del resultado de la ARI.
Otras mediciones de variables cuantitativas
Las variables pueden ser continuas o discretas
- Variable continuas; Pueden adoptar un número infinito de valores. Es decir, puede
tomar cualquier punto entre los números enteros, como el peso (una persona puede
pesar 89 kg, 89.3 kg, 90.5 kg).
- Ejemplo:
Temperaturas registradas en un observatorio; tiempo en recorrer una distancia en
una carrera; contenido de alcohol en un cuba-libre; estatura; tiempo de discurso de
un político en las cortes insultando a los del partido contrario.
- Variables discretas: Solo toman valores enteros, y no existen valores intermedios.
Por lo general, resultan de conteos. Un ejemplo es el número de hijos, que solo
puede ser 1, 2, 3, etc., pero no 2.4 hijos.
- Ejemplo:
El número de personas en un hogar para un hogar de 20 personas o
menos. El número de valores posibles es 20, porque no es posible
que un hogar incluya un número de personas que sea una fracción de
un entero como, por ejemplo, 2,27.
Variables intervinientes
- Son aquellas variables que al influir en el resultado de la relación entre las variables
estudiadas, afectan los resultados. Algunos autor es la llaman como variables
extrañas
- Ejemplo:
Variables de confusión
Las variables de confusión son variables que influyen en la relación entre la
variable independiente y la dependiente, y cumplen tres requisitos:
1. Se relacionan con la variable independiente.
2. Se relacionan con la variable dependiente.
3. No forman parte del mecanismo causal entre las dos variables principales o
variables de estudio
- Ejemplo: Se observa que los bebés nacidos de madres que fumaron durante el
embarazo pesan significativamente menos que los nacidos de madres no
fumadoras. Sin embargo, si no se tiene en cuenta que las fumadoras son más
propensas a adoptar otros hábitos poco saludables, como beber alcohol o comer
alimentos poco saludables, se podría sobreestimar la relación entre el
tabaquismo y el bajo peso al nacer.
Tratamiento de variables intervinientes o de confusión en el diseño de estudio
En el diseño de estudio, se deben excluir sujetos con características que puedan
actuar como variables intervinientes o de confusión. Esto se logra mediante criterios de
inclusión y exclusión, eliminando a aquellos que puedan introducir sesgos en los
resultados.
Ejemplo:
Generalmente se considera que una persona rica tiene una mayor esperanza de vida
que una persona más pobre. Por lo tanto, si consideramos la riqueza como variable
independiente y la esperanza de vida como variable dependiente, la riqueza por sí sola
no puede influir en la esperanza de vida de una persona. Esto se debe a que una
persona rica tiene acceso a mejores servicios de salud, que es la variable interviniente.
Un mejor acceso a servicios de salud explica la mayor esperanza de vida de una
persona rica.
Tratamiento de variables de confusión durante el análisis estadístico
Si no es posible excluir una variable de confusión, se puede ajustar durante el
análisis estadístico. Esto implica que el programa estadístico retira la influencia de esa
variable en el análisis de los resultados, permitiendo obtener un valor más preciso del
efecto de la variable independiente sobre la dependiente. También se puede realizar un
análisis multivariado, que permite considerar múltiples variables simultáneamente y
analizar sus efectos conjuntos.
Ejemplo:
Recopilas datos sobre quemaduras solares y consumo de helado. Encuentras que un
mayor consumo de helado se asocia con una mayor probabilidad de sufrir quemaduras
solares. ¿Significa esto que el consumo de helado causa quemaduras solares?
Aquí, la variable de confusión es la temperatura: las altas temperaturas hacen que la
gente coma más helado y pase más tiempo al aire libre bajo el sol, lo que resulta en
más quemaduras solares.
Bibliografía
Bensley, K. M., Fortney, J., Chan, G., Dombrowski, J. C., Ornelas, I., Rubinsky, A. D.,
Lapham, G. T., Glass, J. E., & Williams, E. C. (2019). Differences in Receipt of Alcohol‐Related
Care Across Rurality Among VA Patients Living With HIV With Unhealthy Alcohol Use. The
Journal Of Rural Health, 35(3), 341-353. [Link]
Basak, D., Chatterjee, S., Attergrim, J., Sharma, M. R., Soni, K. D., Verma, S., GerdinWärnberg,
M., & Roy, N. (2022). Glasgow coma scale compared to other trauma scores in discriminating
in-hospital mortality of traumatic brain injury patients admitted to urban Indian hospitals: A
multicentre prospective cohort study. Injury, 54(1), 93-99.
[Link]
Baamer, R. M., Iqbal, A., Lobo, D. N., Knaggs, R. D., Levy, N. A., & Toh, L. S. (2022). Utility
of unidimensional and functional pain assessment tools in adult postoperative patients: a
systematic review. British Journal Of Anaesthesia, 128(5), 874-888.
[Link]
Camargo, C. A., Sluyter, J., Stewart, A. W., Khaw, K., Lawes, C. M. M., Toop, L., Waayer, D.,
& Scragg, R. (2019). Effect of Monthly High-Dose Vitamin D Supplementation on Acute
Respiratory Infections in Older Adults: A Randomized Controlled Trial. Clinical Infectious
Diseases, 71(2), 311-317. [Link]
Sapra, A., & Bhandari, P. (2023, 21 junio). Diabetes. StatPearls - NCBI Bookshelf.
[Link]
Variables independientes: definición & cómo identificar. (s. f.). StudySmarter ES.
[Link]
independientes/
Del Rio, A. Q. (2019b, septiembre 4). 2.5 Variables discretas y continuas | Estadística Básica
Edulcorada. [Link]
Government of Canada, Statistics Canada. (2021, 2 septiembre). 4.2 Types of variables.
[Link]
[Link]
[Link]
[Link]