Next
seminario 3
análisis y presentación de los datos
Trabajo Fin de Máster (marzo, 2026)
calendario 2026
1ª convocatoria
Next
calendario 2025
2ª y 3ª convocatoria
¡¡YA NO HAY CONVOCATORIA DE SEPTIEMBRE!!
Next
Next
Trabajo Fin de Máster
MODALIDADES
Mejora la comunicación sobr cualquier tema.
ESTUDIO DE CASO ÚNICO
ESTUDIO DE GRUPO
ESTUDIO TRANSVERSAL
REVISIÓN SISTEMÁTICA
Next
01
ESTUDIO DE CASO ÚNICO
EFECTOS DE UNA INTERVENCIÓN EN UN NIÑO O ADOLESCENTE
Next
SI TENGO UN CASO ÚNICO O UNA SERIE DE CASOS ¿QUÉ PUEDO CALCULAR ?
- Diferencia de las puntuaciones directas, centiles o percentiles
- Índice de cambio fiable (RCI en inglés)
Next
Diferencia de las puntuaciones directas, centiles o percentiles
Diferencia entre la puntuación en el pretest y postest de una misma variable.
Ejemplo. EFECTOS EN ANSIEDAD TRAS LA INTERVENCIÓN
20
PRETEST
-5
DIFERENCIA DEL CAMBIO
15
POSTEST
Next
índice de cambio fiable
Medida estadística para determinar si el cambio observado en la puntuación de un individuo (p.ej. comparación pretest-postest) es estadísticamente significativo
relevancia clínica del cambio
significancia estadística
Next
¿EN QUÉ CONSISTE?
índice estadístico GRADO DE SIGNIFICACIÓN
Criterio CAMBIO CLÍNICO
ÍNDICE DE CAMBIO FIABLE
Next
¿cUÁNDO
HAY UN CAMBIO CLÍNICO?
Next
Alto % mejora
Mejoría percibida
¿cUÁNDO
Fin de síntomas y signos
HAY UN CAMBIO CLÍNICO?
Estado de salud normativo
Bajo riesgo de problemas de salud
(Iraurgi-Castillo, 2010)
Next
Instrumento estandarizado Puntos de corte normativos
¿cUÁNDO
HAY UN CAMBIO CLÍNICO?
«Cuando el cliente se mueve del rango disfuncional al funcional durante el curso de la terapia»
(Jacobson y Truax, 1991)
Next
¿COMO se obtiene EL ICF?
Diferencia entre el postest y el pretest, respecto a un error de estimación de la medida
(precisión del instrumento + variabilidad de puntuaciones dentro del grupo normativo)
Se expresa en puntuaciones z estandarizadas:
Valores ≤ −1,96 o ≥ 1,96 se consideran estadísticamente significativos con una probabilidad inferior al 5% (p ≤ ,05).
Next
opción 1. cálculo a mano
ÍNDICE DE CAMBIO FIABLE
Sx = desviación típica de las puntuaciones en el grupo normativo.
Rxx = coeficiente de fiabilidad de la prueba.
X2 = puntuación tras la intervención.
X1 = puntuación antes de la intervención.
Paso 1. Cálculo del error estándar de la media (SE): SE = Sx (1-rxx)½, o SE = Sx √ (1-rxx)
Paso 2. Cálculo del error estándar de la diferencia (SEdif): SEdif = (2SE 2 ) 1/2 , o SEdif = SE √ 2
Paso 3. Cálculo de la puntuación de RCI: RCI = (x2---x1)/Sedif
Next
OPCIÓN 2. CALCULADORA ONLINE
ÍNDICE DE CAMBIO FIABLE
Paso 1. Descargar calculadora online Paso 2. Introducir los datos
- Fiabilidad test-retest del instrumento
- Desviación típica del grupo en el pretest (grupo experimental)
Paso 3. Calcular e interpretar
Posibles resultados
Next
Cambio Fiable y Clínicamente Significativo
Cambio Fiable pero No Clínicamente Significativo
ÍNDICE DE CAMBIO FIABLE
Cambio estadísticamente significativo (según el RCI) y la puntuación se ha movido de un punto disfuncional a otro funcional
Cambio estadísticamente fiable, pero aún permanece dentro del rango de la población disfuncional.
Cambio no significativo pero clínicamente significativo
No Cambio Fiable
No se observa un cambio estadísticamente fiable en el cliente.
El individuo puntúa por debajo del punto de corte (funcionalidad), pero no hay significación estadística
Next
¿cuándo el cambio se considera clínicamente significativo?
Ser Clínicamente Significativo
Ser Estadísticamente Fiable (RCI)
Next
índice de cambio fiable. ventajas vs desventajas
- Dependencia de la Precisión del Instrumento
- Evaluación Individualizada del Cambio
- No Garantiza Significancia Clínica
- Complementa la Significación Estadística
- Posibles Falsos Positivos o Negativos
- Facilita Decisiones Clínicas
Next
PORCENTAJE DE MEJORA
Indica cuánto ha cambiado el valor inicial en términos porcentuales después de un tratamiento.
Valor Inicial es la puntuación o el valor antes de la intervención. Valor Final es la puntuación o el valor después de la intervención.
EJEMPLO P2 Paso 1. Una regla de 3
puntuación en el pretest 77 ------- equivale al 100%
puntuación en el postest 13 ------- ? = 16.88
Paso 2. A 100 se le resta el valor 100 - 16.88 = 83.12%
Next
CÓMO SE INTERPRETA EL PORCENTAJE DE MEJORA
Un resultado positivo indica una mejora, mientras que un resultado negativo indicaría un deterioro
No hay un punto de corte establecido para este tipo de análisis. Una mejora del 30% puede considerarse un punto aceptable para la mayoría de los estudios clínicos (Ostelo et al., 2008).
Next
Next
(…) El grupo de tratamiento consistió en seis niños y cuatro niñas con una edad media de 9.61 (DE = 1,41), y ninguno de ellos había sido tratado por su miedo a la oscuridad. Sin embargo, después de terminar el tratamiento, solo se pudo obtener la evaluación posterior al tratamiento de seis familias (en todos los casos los padres nos informaron de su satisfacción con el tratamiento, pero a pesar de nuestra insistencia, cuatro familias no devolvieron la evaluación posterior al tratamiento). Se presentan las características personales y demográficas de los seis participantes en la Tabla 1.
Next
La Tabla 3 muestra los porcentajes de mejora terapéutica en la escala EMO (es decir, la evaluación del miedo a la oscuridad) para cada participante. Todos los niños mostraron una disminución esperada en las puntuaciones tras el tratamiento del miedo a la oscuridad. Para todos los participantes, excepto el P6, la disminución fue superior al 30%.
Next
La Figura 2 presenta los resultados del ICF en el WCDAN (¿Qué puede hacer mi hijo durante la noche?) Cuatro participantes mejoraron significativamente en el WCDAN. En estos casos se incrementó su nivel de autoeficacia para enfrentar situaciones en la oscuridad ya que los valores de la puntuación Z fueron superiores a 1,96. Sin embargo, dos de los participantes mostraron un valor ICF menor que el punto de corte, por lo que su mejora no fue suficiente para considerar su cambio clínicamente significativo.
Next
+ info
Next
+ info
Next
+ info
Next
La tabla 1 muestra la categoría alcanzada en este estudio de caso en las escalas y subescalas de los instrumentos utilizados. Para ilustrar los resultados utilizaremos como ejemplo la HAM-D (última columna/fila en tabla 1). La paciente obtuvo antes de someterse a la TEC una puntuación de 28, lo que le sitúa muy por encima del punto de corte que señala la clasificación de ‘depresión grave’ (PC = 19). Por tanto, la paciente se encontraba con alta intensidad y frecuencia de sintomatología que la localiza por encima del percentil 99 en el baremo normativo. Tras la intervención, la puntuación en el HAM-D es de 12, lo que le sitúa entre los puntos de corte de depresión leve (PC = 8) y moderada (PC = 14), si bien le situaría todavía por encima del percentil 95 respeto a la distribución normativa. La magnitud del cambio, por tanto, es de 16 puntos, que lleva asociado un ICF de 12,5 indicativo de haberse producido un cambio estadísticamente muy significativo (el valor de p asociado a un ICF de esta magnitud es inferior a 0,0001). Si bien, en este caso, no se ha alcanzado la puntuación de corte que indicaría la funcionalidad (PC < 8), sí se ha logrado reducir dos niveles de clasificación sintomática, lo que indicaría una clara mejoría de la intensidad y frecuencia de síntomas depresivos que además no se han producido por azar. Es decir, nos encontramos ante un resultado clínicamente relevante y estadísticamente significativo.
+ info
Next
Next
Next
Ansiedad rasgo y estado
La Tabla 3 representa los resultados de mejora terapéutica del STAIC, que evalúa la ansiedad general estado y rasgo, así como la ansiedad específica frente a las aves. Observamos que los resultados indican una mejoría general, siendo más relevante para la ansiedad/miedo ante situaciones relacionadas con aves (mejoría postratamiento de un 55,32%) y habiendo una escasa modificación de las características de ansiedad rasgo en el menor. Concretamente la situación que se explicitó relacionada con las aves fue la ocurrida en el parque con las palomas (una de las situaciones del presente que se usó como blanco durante la intervención con EMDR).
Next
02
ESTUDIO DE GRUPO
EFECTOS DE UNA INTERVENCIÓN EN UN GRUPO DE NIÑOS Y/O ADOLESCENTES
Next
ANÁLISIS DE DATOS
EJEMPLO DE TFM
+ info
Next
Estrategia analítica
Descripción de muestra
Selección de análisis
Análisis
Pruebas paramétricas (t student) o no paramétricas (U de Mann-Whitney, test de Wilcoxon…). Tamaño del efecto (si las diferencias son estadísticamente significativas)
Frecuencia y % (v. categorías) Media y Desviación típica (v. numéricas)
Depende de: - Objetivo - Tipo de variable - Distribución de los datos (supuesto de normalidad...)
PRUEBAS PARAMÉTRICAS
Next
CUÁNDO SE USA
TIPO DE CONTRASTE
PRUEBAS
Dos muestras independientes
Compara las medias en una variable entre dos grupos. Ej. grupo experimental y control.
Prueba t para muestras independientes
Compara las medias en una variable en un mismo grupo en diferentes momentos. Ej. un grupo evaluado antes y después de una intervención.
.
Prueba t para muestras relacionadas
Dos muestras relacionadas
Compara las medias en una variable entre tres grupos o más. Ej. Diferencias en la variable ansiedad entre tres grupos: niños con baja depresión, depresión media y depresión alta.
.
Más de dos muestras independientes
ANOVA
PRUEBAS no PARAMÉTRICAS
Next
DATOS CATEGÓRICOS
TIPO DE CONTRASTE
DATOS ORDINALES
Dos muestras independientes
Exacto de Fisher
Mann-Whitney
Dos grupos dependientes
McNemar
.
Wilcoxon
Chi-cuadrado
.
Dos grupos o más independientes
Kruskal-Wallis
Next
Next
Next
consideraciones
ESTUDIO DE GRUPO
EQUIVALENCIA ENTRE GRUPOS
TASA DE ABANDONO
PROPIEDADES PSICOMÉTRICAS DE LOS INSTRUMENTOS
CONTAMINACIÓN DE LOS DATOS
Next
03
ESTUDIO TRANSVERSAL
RELACIÓN ENTRE VARIABLES DIFERENCIAS POR GRUPOS PROPIEDADES PSICOMÉTRICAS DE UN INSTRUMENTO
Next
según mi objetivo
EJEMPLO
OBJETIVOS
TIPO DE ANÁLISIS
Correlaciones (Pearson o Spearman) / regresiones (lineales, lógisticas...)
Estudiar la relación entre variables
¿Influye la edad en la presencia de síntomas de ansiedad y depresión?
t de student para muestras independientes (distribución normal).
Mann-Whitney (no quiere distribución normal).
Comparar la puntuación en una variable entre dos grupos
¿Hay diferencias en síntomas de ansiedad entre niños y niñas?
.
ANOVA (paramétrica) y Kruskal-Wallis (no paramétrica)
Comparar la puntuación en una variable entre 3 grupos
¿Hay diferencias en ansiedad por separación en función del estilo educativo?
.
Next
Next
Next
Next
Next
04
REVISIÓN SISTEMÁTICA
RESUMEN DE LA EVIDENCIA DISPONIBLE SOBRE UN TEMA RELACIONADO CON PSICOLOGÍA CLÍNICA CON NIÑOS Y ADOLESCENTE
Next
Next
Next
Next
Next
Next
Next
Next
Next
Next
Next
Next
ANÁLISIS DE DATOS POR MODALIDAD
RESUMEN
Mejora la comunicación sobr cualquier tema.
ESTUDIO DE CASO ÚNICO
ESTUDIO DE GRUPO
ESTUDIO TRANSVERSAL
REVISIÓN SISTEMÁTICA
Next
programa estadístico
A TU ELECCIÓN
SPSS
JAMOVI
GRATUITO
LICENCIA DE LA UMH
OTROS
CALCULADORA ÍNDICE DE CAMBIO FIABLE
R STUDIO, MPLUS, EQS, ...
GRATUITO
Next
RECURSOS
VALORA LOS QUE TE PUEDAN SERVIR
Manual Jamovi
Artículos publicados
Manual SPSS
Videotutoriales Youtube
Consulta a tu tutor/a
Chat GPT (paso a paso)
Cochrane (RS)
Diagrama Flujo PRISMA (RS)
Declaración PRISMA (RS)
Next
¿PUEDO APLICAR LO APRENDIDO A MI TFM?
WE ARE DONE
Next
El cambio debe superar un umbral de fiabilidad estadística, lo que indica que es poco probable que sea el resultado de la variabilidad de medición o del azar. Esto se calcula a través del Índice de Cambio Fiable (ICF), que considera tanto la magnitud del cambio como la precisión del instrumento de medición (es el resultado de la calculadora de ICF)
El cliente ha experimentado un cambio que no solo es estadísticamente significativo (según el RCI), sino que también lo mueve fuera del rango de la población disfuncional hacia el rango funcional, cumpliendo así con criterios preestablecidos de mejoría clínica.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Tus contenidos gustan, pero solo enganchan si son interactivos. Capta la atención de tu público con una fotografía o ilustración interactiva.
Pruebas paramétricas (si se cumple el supuesto de normalidad)
- Prueba t para muestras independientes (cuando hay dos grupos: grupo experimental y grupo control, por ejemplo).
- Prueba t para muestras relacionadas (cuando es un único grupo al que se la aplica la intervención, y se compara la puntuación antes y después).
Pruebas no paramétricas (si no se cumple el supuesto de normalidad):
- Mann-Whitney (cuando hay dos grupos: grupo experimental y grupo control, por ejemplo).
- Wilcoxon (cuando es un único grupo al que se la aplica la intervención, y se compara la puntuación antes y después).
Análisis descriptivos
- Frecuencias para variables categóricas
- Medias y Desviaciones típicas para las continuas
El cambio debe superar un umbral de fiabilidad estadística, lo que indica que es poco probable que sea el resultado de la variabilidad de medición o del azar. Esto se calcula a través del Índice de Cambio Fiable (ICF), que considera tanto la magnitud del cambio como la precisión del instrumento de medición (es el resultado de la calculadora de ICF)
Para que un cambio se considere clínicamente significativo debe cumplir con dos criterios fundamentales:
- Ser Estadísticamente Fiable (ICF)
- Ser Clínicamente Significativo (desde una puntuación difuncional pasa a otra funcional)
En resumen, para que un cambio sea considerado clínicamente significativo en este enfoque, primero debe ser demostrado como fiable. Un cambio "no fiable" no cumple con el primer y fundamental criterio, por lo tanto, no puede ser considerado clínicamente significativo dentro de este marco de evaluación específico.
No se observa un cambio estadísticamente fiable en el cliente, indicando que cualquier variación en su estado podría atribuirse a la variabilidad del instrumento de medición o al azar, más que a un efecto terapéutico real. Un cambio clasificado como "no fiable" desde el punto de vista estadístico no puede considerarse clínicamente significativo. En estos casos, los cambios son demasiado pequeños o inconsistentes como para descartar la posibilidad de que se deban simplemente a la variabilidad del instrumento de medición o al azar, más que a un efecto terapéutico real y significativo.
Tus contenidos gustan, pero solo enganchan si son interactivos. Capta la atención de tu público con una fotografía o ilustración interactiva.
Antes de la intervención, deben ser comparables en características importantes como edad, género, estado de salud y otros factores relevantes para el estudio. Esto asegura que cualquier diferencia observada post-intervención se deba al tratamiento y no a desequilibrios iniciales.
La contaminación de los datos entre condiciones experimentales ocurre cuando las intervenciones o los efectos de un grupo experimental influyen en otro, comprometiendo la independencia entre los grupos. Esto puede suceder por comunicación entre participantes de diferentes grupos (p.ej. se aplica el tratamiento a 3º de primaria A y el grupo control es 3º de primaria B del mismo centro. Los niños hablan durante el patio, en el autobús o en los pasillos) o por inconsistencias en la aplicación de los tratamientos. Este tipo de contaminación afecta la validez de los resultados, ya que dificulta atribuir diferencias observadas exclusivamente a la intervención. Para prevenirlo, es crucial controlar la interacción entre grupos y asegurar que los administradores de las intervenciones sigan protocolos estrictos y consistentes.
El cliente muestra un cambio estadísticamente fiable, pero este cambio no es suficiente para considerarse clínicamente significativo. Es decir, el cliente aún permanece dentro del rango de la población disfuncional o no alcanza completamente el rango de la población funcional.
Puntuaciones Directas: Reflejan el número absoluto de respuestas correctas o puntos obtenidos en una evaluación. No tienen en cuenta la distribución de puntuaciones entre los demás examinados y no son comparativas. Ejemplo: Obtener 45 respuestas correctas en un examen de 50 preguntas. Puntuaciones T: Son puntuaciones estandarizadas que transforman las puntuaciones crudas en una escala en la que la media es 50 y la desviación estándar es 10. Permiten comparar puntuaciones directas de diferentes pruebas o individuos al estandarizarlas en una escala común. Ejemplo: Una puntuación T de 60 significa que el resultado está una desviación estándar por encima de la media de la población de referencia. Centiles: Expresan la posición relativa de una puntuación dentro de una distribución poblacional, indicando en qué porcentaje de la muestra se encuentra una puntuación específica. La escala va del 1 al 99, y una puntuación en el centil 75 significa que un individuo ha puntuado mejor que el 75% de la población. Ejemplo: Si un estudiante está en el centil 85 en una prueba de habilidad verbal, su rendimiento es superior al de 85% de los estudiantes de la población normativa. Percentiles: Similar a los centiles, un percentil indica la porción de la población que obtuvo puntuaciones inferiores a una determinada puntuación. Se representa como un número entre 1 y 100, donde el percentil 50 corresponde a la mediana de la distribución. Ejemplo: Un percentil de 90 en una prueba de matemáticas indica que el estudiante ha superado al 90% de la población de referencia. En resumen, la puntuación directa es un punto de partida absoluto que no proporciona contexto comparativo. Las puntuaciones T estandarizan las puntuaciones directas para permitir comparaciones significativas. Los centiles y percentiles describen la posición relativa de una puntuación dentro de un grupo más grande, proporcionando un contexto de cómo se sitúa un individuo dentro de una población normativa o un grupo de referencia.
Puntuaciones Directas: Reflejan el número absoluto de respuestas correctas o puntos obtenidos en una evaluación. No tienen en cuenta la distribución de puntuaciones entre los demás examinados y no son comparativas. Ejemplo: Obtener 45 respuestas correctas en un examen de 50 preguntas. Puntuaciones T: Son puntuaciones estandarizadas que transforman las puntuaciones crudas en una escala en la que la media es 50 y la desviación estándar es 10. Permiten comparar puntuaciones directas de diferentes pruebas o individuos al estandarizarlas en una escala común. Ejemplo: Una puntuación T de 60 significa que el resultado está una desviación estándar por encima de la media de la población de referencia. Centiles: Expresan la posición relativa de una puntuación dentro de una distribución poblacional, indicando en qué porcentaje de la muestra se encuentra una puntuación específica. La escala va del 1 al 99, y una puntuación en el centil 75 significa que un individuo ha puntuado mejor que el 75% de la población. Ejemplo: Si un estudiante está en el centil 85 en una prueba de habilidad verbal, su rendimiento es superior al de 85% de los estudiantes de la población normativa. Percentiles: Similar a los centiles, un percentil indica la porción de la población que obtuvo puntuaciones inferiores a una determinada puntuación. Se representa como un número entre 1 y 100, donde el percentil 50 corresponde a la mediana de la distribución. Ejemplo: Un percentil de 90 en una prueba de matemáticas indica que el estudiante ha superado al 90% de la población de referencia. En resumen, la puntuación directa es un punto de partida absoluto que no proporciona contexto comparativo. Las puntuaciones T estandarizan las puntuaciones directas para permitir comparaciones significativas. Los centiles y percentiles describen la posición relativa de una puntuación dentro de un grupo más grande, proporcionando un contexto de cómo se sitúa un individuo dentro de una población normativa o un grupo de referencia.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Correlaciones (Spearman o Pearson)Si quiero estudiar la relación entre variables continuas. Tablas de contingencia (chi-cuadrado) Si quiere estudiar la relación entre variables categóricas
Pruebas paramétricas (si se cumple el supuesto de normalidad)
- Prueba t para muestras independientes (cuando hay dos grupos: grupo experimental y grupo control, por ejemplo).
- Prueba t para muestras relacionadas (cuando es un único grupo al que se la aplica la intervención, y se compara la puntuación antes y después).
Pruebas no paramétricas (si no se cumple el supuesto de normalidad):
- Mann-Whitney (cuando hay dos grupos: grupo experimental y grupo control, por ejemplo).
- Wilcoxon (cuando es un único grupo al que se la aplica la intervención, y se compara la puntuación antes y después).
Aquí puedes poner un título destacado
Lo que lees: la interactividad y la animación pueden hacer que el contenido más aburrido se convierta en algo divertido. En Genially utilizamos AI (Awesome Interactivity) en todos nuestros diseños, para que subas de nivel con interactividad y conviertas tu contenido en algo que aporta valor y engancha.
Supongamos que queremos evaluar si un nuevo programa de terapia grupal reduce significativamente la ansiedad social en adolescentes. Si los puntajes de ansiedad social, medidos en una escala validada, se distribuyen normalmente, podría utilizarse una prueba paramétrica como la t de Student. Imaginemos que antes y después de la intervención se recogen datos, y tras verificar la normalidad de la distribución, el investigador aplica una t de Student para muestras relacionadas (si no hay grupo control) o muestras independientes (si hay grupo control). Esto permitiría comparar las medias de ansiedad antes y después de la intervención dentro de cada grupo, y entre los grupos de intervención y control.
Por otro lado, si la distribución de los puntajes de ansiedad social no sigue una distribución normal, sería más apropiado optar por pruebas no paramétricas. En este caso, el investigador podría usar el test de Wilcoxon para muestras relacionadas, que compara las medianas de las diferencias antes y después en el mismo grupo, y la U de Mann-Whitney para comparar las medianas entre el grupo de intervención y el grupo control.
Además de estos análisis, es fundamental calcular el tamaño del efecto. Por ejemplo, si se observa que el grupo de intervención muestra una reducción significativa en los puntajes de ansiedad comparado con el control, y el tamaño del efecto es grande (por ejemplo, un d de Cohen mayor a 0.8), esto sugiere que la intervención no solo es estadísticamente significativa, sino que tiene un impacto práctico relevante en la reducción de la ansiedad social en adolescentes. Este tipo de análisis proporciona una comprensión más profunda de la efectividad real de la intervención.
Prueba de Shapiro-Wilk
Esta es una prueba comúnmente usada para pequeñas muestras (n < 50), aunque también es adecuada para tamaños de muestra más grandes en SPSS.
Para realizar la prueba de Shapiro-Wilk:
- Ve a Analizar > Pruebas de normalidad > Explorar.
- Mueve la variable de interés al campo "Dependiente(s)".
- En "Mostrar", selecciona "Estadísticos" y "Gráficos".
- En "Gráficos", selecciona "Histograma" y "Gráficos de normalidad con pruebas".
- Haz clic en "Aceptar".
- SPSS generará el histograma, el gráfico Q-Q y la prueba de Shapiro-Wilk, mostrando el valor de significancia (p-valor). Si el p-valor es menor a 0.05, hay evidencia estadística suficiente para rechazar la hipótesis de normalidad.
Prueba de Kolmogorov-Smirnov
Esta prueba es más adecuada para muestras grandes y también se encuentra disponible en SPSS.
Para realizar la prueba de Kolmogorov-Smirnov:
- Sigue los mismos pasos anteriores para acceder al menú "Explorar".
- En "Gráficos de normalidad con pruebas", asegúrate de que también está seleccionada la opción para la prueba de Kolmogorov-Smirnov.
Estos métodos te proporcionarán una evaluación completa sobre si tus datos siguen una distribución normal, permitiéndote seleccionar los análisis estadísticos más adecuados según los resultados.
El Índice de Cambio Confiable (RCI, por sus siglas en inglés) es una medida estadística desarrollada para evaluar si el cambio observado en las puntuaciones de un individuo en pruebas psicológicas o médicas a lo largo del tiempo es estadísticamente significativo, es decir, si el cambio es más grande de lo que se podría esperar por la variabilidad aleatoria o el error de medición de la prueba. Esta herramienta fue introducida por Jacobson y Truax en 1991 como parte de un esfuerzo por proporcionar una metodología para definir el cambio clínico significativo en la investigación de la terapia psicológicas
La tasa de abandono en un estudio se refiere al porcentaje de participantes que dejan de participar antes de la conclusión del estudio. Este fenómeno puede afectar significativamente la validez y la generalización de los resultados de un estudio, especialmente en investigaciones longitudinales o ensayos clínicos.
Análisis de Retención
Para entender mejor quién abandona un estudio y por qué, se realizan análisis de retención. Estos análisis buscan identificar características comunes o patrones entre los individuos que no completan el estudio. Esto puede incluir factores demográficos, como la edad y el género; variables psicosociales, como el nivel de apoyo social o estrés; condiciones de salud preexistentes; o incluso la percepción de la carga del estudio.
Metodología
Primero, se realiza un análisis descriptivo de las características de los participantes que abandonan versus los que permanecen hasta el final. Esto puede revelar diferencias significativas que podrían explicar el abandono.
Después, se pueden emplear modelos de regresión logística para determinar qué factores están significativamente asociados con la probabilidad de abandono. Esto permite identificar variables predictoras de abandono.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Aquí tienes un paso a paso para describir una muestra en SPSS, incluyendo frecuencia y porcentaje para variables categóricas, y media y desviación típica para variables numéricas: Abrir el archivo de datos en SPSS: Abre SPSS y carga el archivo de datos que contiene tu muestra. Verificar tipos de variables: Asegúrate de identificar qué variables son categóricas y cuáles son numéricas en tu conjunto de datos. Descriptivos para variables categóricas:
- Haz clic en Analyze en la barra de menú.
- Selecciona Descriptive Statistics y luego Frequencies.
- En la ventana que se abre, selecciona las variables categóricas de interés y muévelas al cuadro de Variables.
- Haz clic en Statistics y marca la opción de % de casos válidos.
- Haz clic en OK.
Descriptivos para variables numéricas:
- Haz clic en Analyze en la barra de menú.
- Selecciona Descriptive Statistics y luego Descriptives.
- En la ventana que se abre, selecciona las variables numéricas de interés y muévelas al cuadro de Variables.
- Marca la opción de Mean y Standard deviation.
- Haz clic en OK.
- Revisar los resultados: Una vez completados los pasos anteriores, SPSS generará una salida que incluirá las frecuencias y porcentajes para las variables categóricas seleccionadas, así como la media y la desviación típica para las variables numéricas seleccionadas.
Siguiendo estos pasos, podrás describir tu muestra de datos en SPSS, incluyendo tanto variables categóricas como numéricas.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
El cliente muestra un cambio estadísticamente fiable, pero este cambio no es suficiente para considerarse clínicamente significativo. Es decir, el cliente aún permanece dentro del rango de la población disfuncional o no alcanza completamente el rango de la población funcional.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Para evaluar la eficacia de una intervención diseñada para reducir la ansiedad social en adolescentes, el proceso de selección de análisis estadístico podría desarrollarse de la siguiente manera:
Objetivo del estudio: Determinar si la intervención reduce significativamente los niveles de ansiedad social en adolescentes. Este objetivo sugiere un diseño de estudio comparativo pre y post intervención.
Tipo de variable: La variable de interés principal es el nivel de ansiedad social, que podría medirse utilizando una escala de ansiedad validada y reconocida, como la Escala de Ansiedad Social para Adolescentes (SAS-A). Estas puntuaciones son variables continuas.
Distribución de los datos: Antes de seleccionar el análisis adecuado, es necesario verificar la normalidad de las puntuaciones de ansiedad. Si se asume normalidad tras realizar pruebas estadísticas como la de Shapiro-Wilk, se podrían utilizar pruebas paramétricas.
Puntuaciones Directas: Reflejan el número absoluto de respuestas correctas o puntos obtenidos en una evaluación. No tienen en cuenta la distribución de puntuaciones entre los demás examinados y no son comparativas. Ejemplo: Obtener 45 respuestas correctas en un examen de 50 preguntas. Puntuaciones T: Son puntuaciones estandarizadas que transforman las puntuaciones crudas en una escala en la que la media es 50 y la desviación estándar es 10. Permiten comparar puntuaciones directas de diferentes pruebas o individuos al estandarizarlas en una escala común. Ejemplo: Una puntuación T de 60 significa que el resultado está una desviación estándar por encima de la media de la población de referencia. Centiles: Expresan la posición relativa de una puntuación dentro de una distribución poblacional, indicando en qué porcentaje de la muestra se encuentra una puntuación específica. La escala va del 1 al 99, y una puntuación en el centil 75 significa que un individuo ha puntuado mejor que el 75% de la población. Ejemplo: Si un estudiante está en el centil 85 en una prueba de habilidad verbal, su rendimiento es superior al de 85% de los estudiantes de la población normativa. Percentiles: Similar a los centiles, un percentil indica la porción de la población que obtuvo puntuaciones inferiores a una determinada puntuación. Se representa como un número entre 1 y 100, donde el percentil 50 corresponde a la mediana de la distribución. Ejemplo: Un percentil de 90 en una prueba de matemáticas indica que el estudiante ha superado al 90% de la población de referencia. En resumen, la puntuación directa es un punto de partida absoluto que no proporciona contexto comparativo. Las puntuaciones T estandarizan las puntuaciones directas para permitir comparaciones significativas. Los centiles y percentiles describen la posición relativa de una puntuación dentro de un grupo más grande, proporcionando un contexto de cómo se sitúa un individuo dentro de una población normativa o un grupo de referencia.
- Índice de Cambio Fiable (ICF)
El cambio clínico significativo se conceptualiza como el grado en que la terapia mueve a alguien fuera del rango de la población disfuncional o dentro del rango de la población funcional. Este concepto se basa en alcanzar una mejora que no solo sea estadísticamente significativa, sino que también sea relevante y perceptible en la vida diaria del individuo, marcando una transición de estados disfuncionales a funcionales según criterios clínicos y no solo estadísticos.
2026 - ONLINE S3 TFM ANÁLISIS DE DATOS
Alexandra Morales Sa
Created on March 30, 2026
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Customer Service Manual
View
Business Results Presentation
View
Meeting Plan Presentation
View
Business vision deck
View
Economic Presentation
View
Tech Presentation Mobile
View
Geniaflix Presentation
Explore all templates
Transcript
Next
seminario 3
análisis y presentación de los datos
Trabajo Fin de Máster (marzo, 2026)
calendario 2026
1ª convocatoria
Next
calendario 2025
2ª y 3ª convocatoria
¡¡YA NO HAY CONVOCATORIA DE SEPTIEMBRE!!
Next
Next
Trabajo Fin de Máster
MODALIDADES
Mejora la comunicación sobr cualquier tema.
ESTUDIO DE CASO ÚNICO
ESTUDIO DE GRUPO
ESTUDIO TRANSVERSAL
REVISIÓN SISTEMÁTICA
Next
01
ESTUDIO DE CASO ÚNICO
EFECTOS DE UNA INTERVENCIÓN EN UN NIÑO O ADOLESCENTE
Next
SI TENGO UN CASO ÚNICO O UNA SERIE DE CASOS ¿QUÉ PUEDO CALCULAR ?
Next
Diferencia de las puntuaciones directas, centiles o percentiles
Diferencia entre la puntuación en el pretest y postest de una misma variable.
Ejemplo. EFECTOS EN ANSIEDAD TRAS LA INTERVENCIÓN
20
PRETEST
-5
DIFERENCIA DEL CAMBIO
15
POSTEST
Next
índice de cambio fiable
Medida estadística para determinar si el cambio observado en la puntuación de un individuo (p.ej. comparación pretest-postest) es estadísticamente significativo
relevancia clínica del cambio
significancia estadística
Next
¿EN QUÉ CONSISTE?
índice estadístico GRADO DE SIGNIFICACIÓN
Criterio CAMBIO CLÍNICO
ÍNDICE DE CAMBIO FIABLE
Next
¿cUÁNDO
HAY UN CAMBIO CLÍNICO?
Next
Alto % mejora
Mejoría percibida
¿cUÁNDO
Fin de síntomas y signos
HAY UN CAMBIO CLÍNICO?
Estado de salud normativo
Bajo riesgo de problemas de salud
(Iraurgi-Castillo, 2010)
Next
Instrumento estandarizado Puntos de corte normativos
¿cUÁNDO
HAY UN CAMBIO CLÍNICO?
«Cuando el cliente se mueve del rango disfuncional al funcional durante el curso de la terapia»
(Jacobson y Truax, 1991)
Next
¿COMO se obtiene EL ICF?
Diferencia entre el postest y el pretest, respecto a un error de estimación de la medida (precisión del instrumento + variabilidad de puntuaciones dentro del grupo normativo)
Se expresa en puntuaciones z estandarizadas: Valores ≤ −1,96 o ≥ 1,96 se consideran estadísticamente significativos con una probabilidad inferior al 5% (p ≤ ,05).
Next
opción 1. cálculo a mano
ÍNDICE DE CAMBIO FIABLE
Sx = desviación típica de las puntuaciones en el grupo normativo. Rxx = coeficiente de fiabilidad de la prueba. X2 = puntuación tras la intervención. X1 = puntuación antes de la intervención.
Paso 1. Cálculo del error estándar de la media (SE): SE = Sx (1-rxx)½, o SE = Sx √ (1-rxx) Paso 2. Cálculo del error estándar de la diferencia (SEdif): SEdif = (2SE 2 ) 1/2 , o SEdif = SE √ 2 Paso 3. Cálculo de la puntuación de RCI: RCI = (x2---x1)/Sedif
Next
OPCIÓN 2. CALCULADORA ONLINE
ÍNDICE DE CAMBIO FIABLE
Paso 1. Descargar calculadora online Paso 2. Introducir los datos
- Fiabilidad test-retest del instrumento
- Desviación típica del grupo en el pretest (grupo experimental)
Paso 3. Calcular e interpretarPosibles resultados
Next
Cambio Fiable y Clínicamente Significativo
Cambio Fiable pero No Clínicamente Significativo
ÍNDICE DE CAMBIO FIABLE
Cambio estadísticamente significativo (según el RCI) y la puntuación se ha movido de un punto disfuncional a otro funcional
Cambio estadísticamente fiable, pero aún permanece dentro del rango de la población disfuncional.
Cambio no significativo pero clínicamente significativo
No Cambio Fiable
No se observa un cambio estadísticamente fiable en el cliente.
El individuo puntúa por debajo del punto de corte (funcionalidad), pero no hay significación estadística
Next
¿cuándo el cambio se considera clínicamente significativo?
Ser Clínicamente Significativo
Ser Estadísticamente Fiable (RCI)
Next
índice de cambio fiable. ventajas vs desventajas
Next
PORCENTAJE DE MEJORA
Indica cuánto ha cambiado el valor inicial en términos porcentuales después de un tratamiento.
Valor Inicial es la puntuación o el valor antes de la intervención. Valor Final es la puntuación o el valor después de la intervención.
EJEMPLO P2 Paso 1. Una regla de 3 puntuación en el pretest 77 ------- equivale al 100% puntuación en el postest 13 ------- ? = 16.88 Paso 2. A 100 se le resta el valor 100 - 16.88 = 83.12%
Next
CÓMO SE INTERPRETA EL PORCENTAJE DE MEJORA
Un resultado positivo indica una mejora, mientras que un resultado negativo indicaría un deterioro
No hay un punto de corte establecido para este tipo de análisis. Una mejora del 30% puede considerarse un punto aceptable para la mayoría de los estudios clínicos (Ostelo et al., 2008).
Next
Next
(…) El grupo de tratamiento consistió en seis niños y cuatro niñas con una edad media de 9.61 (DE = 1,41), y ninguno de ellos había sido tratado por su miedo a la oscuridad. Sin embargo, después de terminar el tratamiento, solo se pudo obtener la evaluación posterior al tratamiento de seis familias (en todos los casos los padres nos informaron de su satisfacción con el tratamiento, pero a pesar de nuestra insistencia, cuatro familias no devolvieron la evaluación posterior al tratamiento). Se presentan las características personales y demográficas de los seis participantes en la Tabla 1.
Next
La Tabla 3 muestra los porcentajes de mejora terapéutica en la escala EMO (es decir, la evaluación del miedo a la oscuridad) para cada participante. Todos los niños mostraron una disminución esperada en las puntuaciones tras el tratamiento del miedo a la oscuridad. Para todos los participantes, excepto el P6, la disminución fue superior al 30%.
Next
La Figura 2 presenta los resultados del ICF en el WCDAN (¿Qué puede hacer mi hijo durante la noche?) Cuatro participantes mejoraron significativamente en el WCDAN. En estos casos se incrementó su nivel de autoeficacia para enfrentar situaciones en la oscuridad ya que los valores de la puntuación Z fueron superiores a 1,96. Sin embargo, dos de los participantes mostraron un valor ICF menor que el punto de corte, por lo que su mejora no fue suficiente para considerar su cambio clínicamente significativo.
Next
+ info
Next
+ info
Next
+ info
Next
La tabla 1 muestra la categoría alcanzada en este estudio de caso en las escalas y subescalas de los instrumentos utilizados. Para ilustrar los resultados utilizaremos como ejemplo la HAM-D (última columna/fila en tabla 1). La paciente obtuvo antes de someterse a la TEC una puntuación de 28, lo que le sitúa muy por encima del punto de corte que señala la clasificación de ‘depresión grave’ (PC = 19). Por tanto, la paciente se encontraba con alta intensidad y frecuencia de sintomatología que la localiza por encima del percentil 99 en el baremo normativo. Tras la intervención, la puntuación en el HAM-D es de 12, lo que le sitúa entre los puntos de corte de depresión leve (PC = 8) y moderada (PC = 14), si bien le situaría todavía por encima del percentil 95 respeto a la distribución normativa. La magnitud del cambio, por tanto, es de 16 puntos, que lleva asociado un ICF de 12,5 indicativo de haberse producido un cambio estadísticamente muy significativo (el valor de p asociado a un ICF de esta magnitud es inferior a 0,0001). Si bien, en este caso, no se ha alcanzado la puntuación de corte que indicaría la funcionalidad (PC < 8), sí se ha logrado reducir dos niveles de clasificación sintomática, lo que indicaría una clara mejoría de la intensidad y frecuencia de síntomas depresivos que además no se han producido por azar. Es decir, nos encontramos ante un resultado clínicamente relevante y estadísticamente significativo.
+ info
Next
Next
Next
Ansiedad rasgo y estado La Tabla 3 representa los resultados de mejora terapéutica del STAIC, que evalúa la ansiedad general estado y rasgo, así como la ansiedad específica frente a las aves. Observamos que los resultados indican una mejoría general, siendo más relevante para la ansiedad/miedo ante situaciones relacionadas con aves (mejoría postratamiento de un 55,32%) y habiendo una escasa modificación de las características de ansiedad rasgo en el menor. Concretamente la situación que se explicitó relacionada con las aves fue la ocurrida en el parque con las palomas (una de las situaciones del presente que se usó como blanco durante la intervención con EMDR).
Next
02
ESTUDIO DE GRUPO
EFECTOS DE UNA INTERVENCIÓN EN UN GRUPO DE NIÑOS Y/O ADOLESCENTES
Next
ANÁLISIS DE DATOS
EJEMPLO DE TFM
+ info
Next
Estrategia analítica
Descripción de muestra
Selección de análisis
Análisis
Pruebas paramétricas (t student) o no paramétricas (U de Mann-Whitney, test de Wilcoxon…). Tamaño del efecto (si las diferencias son estadísticamente significativas)
Frecuencia y % (v. categorías) Media y Desviación típica (v. numéricas)
Depende de: - Objetivo - Tipo de variable - Distribución de los datos (supuesto de normalidad...)
PRUEBAS PARAMÉTRICAS
Next
CUÁNDO SE USA
TIPO DE CONTRASTE
PRUEBAS
Dos muestras independientes
Compara las medias en una variable entre dos grupos. Ej. grupo experimental y control.
Prueba t para muestras independientes
Compara las medias en una variable en un mismo grupo en diferentes momentos. Ej. un grupo evaluado antes y después de una intervención. .
Prueba t para muestras relacionadas
Dos muestras relacionadas
Compara las medias en una variable entre tres grupos o más. Ej. Diferencias en la variable ansiedad entre tres grupos: niños con baja depresión, depresión media y depresión alta. .
Más de dos muestras independientes
ANOVA
PRUEBAS no PARAMÉTRICAS
Next
DATOS CATEGÓRICOS
TIPO DE CONTRASTE
DATOS ORDINALES
Dos muestras independientes
Exacto de Fisher
Mann-Whitney
Dos grupos dependientes
McNemar .
Wilcoxon
Chi-cuadrado .
Dos grupos o más independientes
Kruskal-Wallis
Next
Next
Next
consideraciones
ESTUDIO DE GRUPO
EQUIVALENCIA ENTRE GRUPOS
TASA DE ABANDONO
PROPIEDADES PSICOMÉTRICAS DE LOS INSTRUMENTOS
CONTAMINACIÓN DE LOS DATOS
Next
03
ESTUDIO TRANSVERSAL
RELACIÓN ENTRE VARIABLES DIFERENCIAS POR GRUPOS PROPIEDADES PSICOMÉTRICAS DE UN INSTRUMENTO
Next
según mi objetivo
EJEMPLO
OBJETIVOS
TIPO DE ANÁLISIS
Correlaciones (Pearson o Spearman) / regresiones (lineales, lógisticas...)
Estudiar la relación entre variables
¿Influye la edad en la presencia de síntomas de ansiedad y depresión?
t de student para muestras independientes (distribución normal). Mann-Whitney (no quiere distribución normal).
Comparar la puntuación en una variable entre dos grupos
¿Hay diferencias en síntomas de ansiedad entre niños y niñas? .
ANOVA (paramétrica) y Kruskal-Wallis (no paramétrica)
Comparar la puntuación en una variable entre 3 grupos
¿Hay diferencias en ansiedad por separación en función del estilo educativo? .
Next
Next
Next
Next
Next
04
REVISIÓN SISTEMÁTICA
RESUMEN DE LA EVIDENCIA DISPONIBLE SOBRE UN TEMA RELACIONADO CON PSICOLOGÍA CLÍNICA CON NIÑOS Y ADOLESCENTE
Next
Next
Next
Next
Next
Next
Next
Next
Next
Next
Next
Next
ANÁLISIS DE DATOS POR MODALIDAD
RESUMEN
Mejora la comunicación sobr cualquier tema.
ESTUDIO DE CASO ÚNICO
ESTUDIO DE GRUPO
ESTUDIO TRANSVERSAL
REVISIÓN SISTEMÁTICA
Next
programa estadístico
A TU ELECCIÓN
SPSS
JAMOVI
GRATUITO
LICENCIA DE LA UMH
OTROS
CALCULADORA ÍNDICE DE CAMBIO FIABLE
R STUDIO, MPLUS, EQS, ...
GRATUITO
Next
RECURSOS
VALORA LOS QUE TE PUEDAN SERVIR
Manual Jamovi
Artículos publicados
Manual SPSS
Videotutoriales Youtube
Consulta a tu tutor/a
Chat GPT (paso a paso)
Cochrane (RS)
Diagrama Flujo PRISMA (RS)
Declaración PRISMA (RS)
Next
¿PUEDO APLICAR LO APRENDIDO A MI TFM?
WE ARE DONE
Next
El cambio debe superar un umbral de fiabilidad estadística, lo que indica que es poco probable que sea el resultado de la variabilidad de medición o del azar. Esto se calcula a través del Índice de Cambio Fiable (ICF), que considera tanto la magnitud del cambio como la precisión del instrumento de medición (es el resultado de la calculadora de ICF)
El cliente ha experimentado un cambio que no solo es estadísticamente significativo (según el RCI), sino que también lo mueve fuera del rango de la población disfuncional hacia el rango funcional, cumpliendo así con criterios preestablecidos de mejoría clínica.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Tus contenidos gustan, pero solo enganchan si son interactivos. Capta la atención de tu público con una fotografía o ilustración interactiva.
Pruebas paramétricas (si se cumple el supuesto de normalidad)
- Prueba t para muestras independientes (cuando hay dos grupos: grupo experimental y grupo control, por ejemplo).
- Prueba t para muestras relacionadas (cuando es un único grupo al que se la aplica la intervención, y se compara la puntuación antes y después).
Pruebas no paramétricas (si no se cumple el supuesto de normalidad):Análisis descriptivos
El cambio debe superar un umbral de fiabilidad estadística, lo que indica que es poco probable que sea el resultado de la variabilidad de medición o del azar. Esto se calcula a través del Índice de Cambio Fiable (ICF), que considera tanto la magnitud del cambio como la precisión del instrumento de medición (es el resultado de la calculadora de ICF)
Para que un cambio se considere clínicamente significativo debe cumplir con dos criterios fundamentales:
- Ser Estadísticamente Fiable (ICF)
- Ser Clínicamente Significativo (desde una puntuación difuncional pasa a otra funcional)
En resumen, para que un cambio sea considerado clínicamente significativo en este enfoque, primero debe ser demostrado como fiable. Un cambio "no fiable" no cumple con el primer y fundamental criterio, por lo tanto, no puede ser considerado clínicamente significativo dentro de este marco de evaluación específico.No se observa un cambio estadísticamente fiable en el cliente, indicando que cualquier variación en su estado podría atribuirse a la variabilidad del instrumento de medición o al azar, más que a un efecto terapéutico real. Un cambio clasificado como "no fiable" desde el punto de vista estadístico no puede considerarse clínicamente significativo. En estos casos, los cambios son demasiado pequeños o inconsistentes como para descartar la posibilidad de que se deban simplemente a la variabilidad del instrumento de medición o al azar, más que a un efecto terapéutico real y significativo.
Tus contenidos gustan, pero solo enganchan si son interactivos. Capta la atención de tu público con una fotografía o ilustración interactiva.
Antes de la intervención, deben ser comparables en características importantes como edad, género, estado de salud y otros factores relevantes para el estudio. Esto asegura que cualquier diferencia observada post-intervención se deba al tratamiento y no a desequilibrios iniciales.
La contaminación de los datos entre condiciones experimentales ocurre cuando las intervenciones o los efectos de un grupo experimental influyen en otro, comprometiendo la independencia entre los grupos. Esto puede suceder por comunicación entre participantes de diferentes grupos (p.ej. se aplica el tratamiento a 3º de primaria A y el grupo control es 3º de primaria B del mismo centro. Los niños hablan durante el patio, en el autobús o en los pasillos) o por inconsistencias en la aplicación de los tratamientos. Este tipo de contaminación afecta la validez de los resultados, ya que dificulta atribuir diferencias observadas exclusivamente a la intervención. Para prevenirlo, es crucial controlar la interacción entre grupos y asegurar que los administradores de las intervenciones sigan protocolos estrictos y consistentes.
El cliente muestra un cambio estadísticamente fiable, pero este cambio no es suficiente para considerarse clínicamente significativo. Es decir, el cliente aún permanece dentro del rango de la población disfuncional o no alcanza completamente el rango de la población funcional.
Puntuaciones Directas: Reflejan el número absoluto de respuestas correctas o puntos obtenidos en una evaluación. No tienen en cuenta la distribución de puntuaciones entre los demás examinados y no son comparativas. Ejemplo: Obtener 45 respuestas correctas en un examen de 50 preguntas. Puntuaciones T: Son puntuaciones estandarizadas que transforman las puntuaciones crudas en una escala en la que la media es 50 y la desviación estándar es 10. Permiten comparar puntuaciones directas de diferentes pruebas o individuos al estandarizarlas en una escala común. Ejemplo: Una puntuación T de 60 significa que el resultado está una desviación estándar por encima de la media de la población de referencia. Centiles: Expresan la posición relativa de una puntuación dentro de una distribución poblacional, indicando en qué porcentaje de la muestra se encuentra una puntuación específica. La escala va del 1 al 99, y una puntuación en el centil 75 significa que un individuo ha puntuado mejor que el 75% de la población. Ejemplo: Si un estudiante está en el centil 85 en una prueba de habilidad verbal, su rendimiento es superior al de 85% de los estudiantes de la población normativa. Percentiles: Similar a los centiles, un percentil indica la porción de la población que obtuvo puntuaciones inferiores a una determinada puntuación. Se representa como un número entre 1 y 100, donde el percentil 50 corresponde a la mediana de la distribución. Ejemplo: Un percentil de 90 en una prueba de matemáticas indica que el estudiante ha superado al 90% de la población de referencia. En resumen, la puntuación directa es un punto de partida absoluto que no proporciona contexto comparativo. Las puntuaciones T estandarizan las puntuaciones directas para permitir comparaciones significativas. Los centiles y percentiles describen la posición relativa de una puntuación dentro de un grupo más grande, proporcionando un contexto de cómo se sitúa un individuo dentro de una población normativa o un grupo de referencia.
Puntuaciones Directas: Reflejan el número absoluto de respuestas correctas o puntos obtenidos en una evaluación. No tienen en cuenta la distribución de puntuaciones entre los demás examinados y no son comparativas. Ejemplo: Obtener 45 respuestas correctas en un examen de 50 preguntas. Puntuaciones T: Son puntuaciones estandarizadas que transforman las puntuaciones crudas en una escala en la que la media es 50 y la desviación estándar es 10. Permiten comparar puntuaciones directas de diferentes pruebas o individuos al estandarizarlas en una escala común. Ejemplo: Una puntuación T de 60 significa que el resultado está una desviación estándar por encima de la media de la población de referencia. Centiles: Expresan la posición relativa de una puntuación dentro de una distribución poblacional, indicando en qué porcentaje de la muestra se encuentra una puntuación específica. La escala va del 1 al 99, y una puntuación en el centil 75 significa que un individuo ha puntuado mejor que el 75% de la población. Ejemplo: Si un estudiante está en el centil 85 en una prueba de habilidad verbal, su rendimiento es superior al de 85% de los estudiantes de la población normativa. Percentiles: Similar a los centiles, un percentil indica la porción de la población que obtuvo puntuaciones inferiores a una determinada puntuación. Se representa como un número entre 1 y 100, donde el percentil 50 corresponde a la mediana de la distribución. Ejemplo: Un percentil de 90 en una prueba de matemáticas indica que el estudiante ha superado al 90% de la población de referencia. En resumen, la puntuación directa es un punto de partida absoluto que no proporciona contexto comparativo. Las puntuaciones T estandarizan las puntuaciones directas para permitir comparaciones significativas. Los centiles y percentiles describen la posición relativa de una puntuación dentro de un grupo más grande, proporcionando un contexto de cómo se sitúa un individuo dentro de una población normativa o un grupo de referencia.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Correlaciones (Spearman o Pearson)Si quiero estudiar la relación entre variables continuas. Tablas de contingencia (chi-cuadrado) Si quiere estudiar la relación entre variables categóricas
Pruebas paramétricas (si se cumple el supuesto de normalidad)
- Prueba t para muestras independientes (cuando hay dos grupos: grupo experimental y grupo control, por ejemplo).
- Prueba t para muestras relacionadas (cuando es un único grupo al que se la aplica la intervención, y se compara la puntuación antes y después).
Pruebas no paramétricas (si no se cumple el supuesto de normalidad):Aquí puedes poner un título destacado
Lo que lees: la interactividad y la animación pueden hacer que el contenido más aburrido se convierta en algo divertido. En Genially utilizamos AI (Awesome Interactivity) en todos nuestros diseños, para que subas de nivel con interactividad y conviertas tu contenido en algo que aporta valor y engancha.
Supongamos que queremos evaluar si un nuevo programa de terapia grupal reduce significativamente la ansiedad social en adolescentes. Si los puntajes de ansiedad social, medidos en una escala validada, se distribuyen normalmente, podría utilizarse una prueba paramétrica como la t de Student. Imaginemos que antes y después de la intervención se recogen datos, y tras verificar la normalidad de la distribución, el investigador aplica una t de Student para muestras relacionadas (si no hay grupo control) o muestras independientes (si hay grupo control). Esto permitiría comparar las medias de ansiedad antes y después de la intervención dentro de cada grupo, y entre los grupos de intervención y control. Por otro lado, si la distribución de los puntajes de ansiedad social no sigue una distribución normal, sería más apropiado optar por pruebas no paramétricas. En este caso, el investigador podría usar el test de Wilcoxon para muestras relacionadas, que compara las medianas de las diferencias antes y después en el mismo grupo, y la U de Mann-Whitney para comparar las medianas entre el grupo de intervención y el grupo control. Además de estos análisis, es fundamental calcular el tamaño del efecto. Por ejemplo, si se observa que el grupo de intervención muestra una reducción significativa en los puntajes de ansiedad comparado con el control, y el tamaño del efecto es grande (por ejemplo, un d de Cohen mayor a 0.8), esto sugiere que la intervención no solo es estadísticamente significativa, sino que tiene un impacto práctico relevante en la reducción de la ansiedad social en adolescentes. Este tipo de análisis proporciona una comprensión más profunda de la efectividad real de la intervención.
Prueba de Shapiro-Wilk Esta es una prueba comúnmente usada para pequeñas muestras (n < 50), aunque también es adecuada para tamaños de muestra más grandes en SPSS. Para realizar la prueba de Shapiro-Wilk:
- Ve a Analizar > Pruebas de normalidad > Explorar.
- Mueve la variable de interés al campo "Dependiente(s)".
- En "Mostrar", selecciona "Estadísticos" y "Gráficos".
- En "Gráficos", selecciona "Histograma" y "Gráficos de normalidad con pruebas".
- Haz clic en "Aceptar".
- SPSS generará el histograma, el gráfico Q-Q y la prueba de Shapiro-Wilk, mostrando el valor de significancia (p-valor). Si el p-valor es menor a 0.05, hay evidencia estadística suficiente para rechazar la hipótesis de normalidad.
Prueba de Kolmogorov-Smirnov Esta prueba es más adecuada para muestras grandes y también se encuentra disponible en SPSS. Para realizar la prueba de Kolmogorov-Smirnov:- Sigue los mismos pasos anteriores para acceder al menú "Explorar".
- En "Gráficos de normalidad con pruebas", asegúrate de que también está seleccionada la opción para la prueba de Kolmogorov-Smirnov.
Estos métodos te proporcionarán una evaluación completa sobre si tus datos siguen una distribución normal, permitiéndote seleccionar los análisis estadísticos más adecuados según los resultados.El Índice de Cambio Confiable (RCI, por sus siglas en inglés) es una medida estadística desarrollada para evaluar si el cambio observado en las puntuaciones de un individuo en pruebas psicológicas o médicas a lo largo del tiempo es estadísticamente significativo, es decir, si el cambio es más grande de lo que se podría esperar por la variabilidad aleatoria o el error de medición de la prueba. Esta herramienta fue introducida por Jacobson y Truax en 1991 como parte de un esfuerzo por proporcionar una metodología para definir el cambio clínico significativo en la investigación de la terapia psicológicas
La tasa de abandono en un estudio se refiere al porcentaje de participantes que dejan de participar antes de la conclusión del estudio. Este fenómeno puede afectar significativamente la validez y la generalización de los resultados de un estudio, especialmente en investigaciones longitudinales o ensayos clínicos. Análisis de Retención Para entender mejor quién abandona un estudio y por qué, se realizan análisis de retención. Estos análisis buscan identificar características comunes o patrones entre los individuos que no completan el estudio. Esto puede incluir factores demográficos, como la edad y el género; variables psicosociales, como el nivel de apoyo social o estrés; condiciones de salud preexistentes; o incluso la percepción de la carga del estudio. Metodología Primero, se realiza un análisis descriptivo de las características de los participantes que abandonan versus los que permanecen hasta el final. Esto puede revelar diferencias significativas que podrían explicar el abandono. Después, se pueden emplear modelos de regresión logística para determinar qué factores están significativamente asociados con la probabilidad de abandono. Esto permite identificar variables predictoras de abandono.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Aquí tienes un paso a paso para describir una muestra en SPSS, incluyendo frecuencia y porcentaje para variables categóricas, y media y desviación típica para variables numéricas: Abrir el archivo de datos en SPSS: Abre SPSS y carga el archivo de datos que contiene tu muestra. Verificar tipos de variables: Asegúrate de identificar qué variables son categóricas y cuáles son numéricas en tu conjunto de datos. Descriptivos para variables categóricas:
- Haz clic en Analyze en la barra de menú.
- Selecciona Descriptive Statistics y luego Frequencies.
- En la ventana que se abre, selecciona las variables categóricas de interés y muévelas al cuadro de Variables.
- Haz clic en Statistics y marca la opción de % de casos válidos.
- Haz clic en OK.
Descriptivos para variables numéricas:- Haz clic en Analyze en la barra de menú.
- Selecciona Descriptive Statistics y luego Descriptives.
- En la ventana que se abre, selecciona las variables numéricas de interés y muévelas al cuadro de Variables.
- Marca la opción de Mean y Standard deviation.
- Haz clic en OK.
- Revisar los resultados: Una vez completados los pasos anteriores, SPSS generará una salida que incluirá las frecuencias y porcentajes para las variables categóricas seleccionadas, así como la media y la desviación típica para las variables numéricas seleccionadas.
Siguiendo estos pasos, podrás describir tu muestra de datos en SPSS, incluyendo tanto variables categóricas como numéricas.Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
El cliente muestra un cambio estadísticamente fiable, pero este cambio no es suficiente para considerarse clínicamente significativo. Es decir, el cliente aún permanece dentro del rango de la población disfuncional o no alcanza completamente el rango de la población funcional.
Un título genial
Con las plantillas de Genially podrás incluir recursos visuales para dejar a tu audiencia con la boca abierta. También destacar alguna frase o dato concreto que se quede grabado a fuego en la memoria de tu público e incluso embeber contenido externo que sorprenda: vídeos, fotos, audios... ¡Lo que tú quieras!
Name@mail.com
Para evaluar la eficacia de una intervención diseñada para reducir la ansiedad social en adolescentes, el proceso de selección de análisis estadístico podría desarrollarse de la siguiente manera: Objetivo del estudio: Determinar si la intervención reduce significativamente los niveles de ansiedad social en adolescentes. Este objetivo sugiere un diseño de estudio comparativo pre y post intervención. Tipo de variable: La variable de interés principal es el nivel de ansiedad social, que podría medirse utilizando una escala de ansiedad validada y reconocida, como la Escala de Ansiedad Social para Adolescentes (SAS-A). Estas puntuaciones son variables continuas. Distribución de los datos: Antes de seleccionar el análisis adecuado, es necesario verificar la normalidad de las puntuaciones de ansiedad. Si se asume normalidad tras realizar pruebas estadísticas como la de Shapiro-Wilk, se podrían utilizar pruebas paramétricas.
Puntuaciones Directas: Reflejan el número absoluto de respuestas correctas o puntos obtenidos en una evaluación. No tienen en cuenta la distribución de puntuaciones entre los demás examinados y no son comparativas. Ejemplo: Obtener 45 respuestas correctas en un examen de 50 preguntas. Puntuaciones T: Son puntuaciones estandarizadas que transforman las puntuaciones crudas en una escala en la que la media es 50 y la desviación estándar es 10. Permiten comparar puntuaciones directas de diferentes pruebas o individuos al estandarizarlas en una escala común. Ejemplo: Una puntuación T de 60 significa que el resultado está una desviación estándar por encima de la media de la población de referencia. Centiles: Expresan la posición relativa de una puntuación dentro de una distribución poblacional, indicando en qué porcentaje de la muestra se encuentra una puntuación específica. La escala va del 1 al 99, y una puntuación en el centil 75 significa que un individuo ha puntuado mejor que el 75% de la población. Ejemplo: Si un estudiante está en el centil 85 en una prueba de habilidad verbal, su rendimiento es superior al de 85% de los estudiantes de la población normativa. Percentiles: Similar a los centiles, un percentil indica la porción de la población que obtuvo puntuaciones inferiores a una determinada puntuación. Se representa como un número entre 1 y 100, donde el percentil 50 corresponde a la mediana de la distribución. Ejemplo: Un percentil de 90 en una prueba de matemáticas indica que el estudiante ha superado al 90% de la población de referencia. En resumen, la puntuación directa es un punto de partida absoluto que no proporciona contexto comparativo. Las puntuaciones T estandarizan las puntuaciones directas para permitir comparaciones significativas. Los centiles y percentiles describen la posición relativa de una puntuación dentro de un grupo más grande, proporcionando un contexto de cómo se sitúa un individuo dentro de una población normativa o un grupo de referencia.
El cambio clínico significativo se conceptualiza como el grado en que la terapia mueve a alguien fuera del rango de la población disfuncional o dentro del rango de la población funcional. Este concepto se basa en alcanzar una mejora que no solo sea estadísticamente significativa, sino que también sea relevante y perceptible en la vida diaria del individuo, marcando una transición de estados disfuncionales a funcionales según criterios clínicos y no solo estadísticos.