Precisión y exactitud (Validez de un estudio)

Son dos condiciones que deben reunir nuestros datos y nuestras conclusiones para dar como valido nuestro estudio existen 2 amenazas para la validez el error aleatorio y el errorsistemático
1. El error aleatorio
Se expresa en la diferencia que existe entre una medición y la media de todas las mediciones y es que cada vez que realizamos una medida de la población a partir de una muestra encontramos un resultado distinto mientras menor sea la distancia entre una medición y otra diremos que nuestros resultados son más precisos la única forma de acercar estos resultados de cada medición es incrementado el tamaño de la muestra la única forma de reducir el error aleatorio es incrementando el número de los elementos muestrales incluso podemos eliminar el error aleatorio si es que estudiamos a toda la población la estimación de parámetros que son características de la población a partir de muestras requiere de identificar los limites donde se encontraría el valor verdadero a esto se le conoce como intervalo de confianza la distancia entre los límites del intervalode confianza es más corta  si es que incrementamos el tamaño de la muestra y esta distancia es puntual es decir es un valor único si es que estudiamos a toda la población la precisión es un atributo deseable tanto en la medición puntual como en la estimación de parámetros a partir de muestras el error aleatorio de la estimación desaparece solo en los casos en que podemos estudiar a toda la población
2. Error sistemático
Se expresa en la diferencia que existe entre la media de todas las mediciones y el verdadero valor y es que no porque todas las mediciones coincidan significa que hayamos hallado el verdadero valor existe una distancia entre el valor real y la media de todas las mediciones esta distancia es evaluada por el error sistemáticomientrasmás grande sea la distancia hay mayor error sistemático mientras más corta sea la distancia decimos que hay más exactitud pero para ello se requiere de antes haber contado con la precisión no podemos hablar de que nos acercamos al valor real en términos de exactitud si es que antes no contamos con el prerrequisito de la precisión la reducción del error sistemático se logra mediante el método controlando los sesgos de selección y de medición solo es posible estimar los limites donde se encontraría el valor verdadero a partir de una medición si se ha controlado el error sistemático al cual se le denomina también como sesgo se ha generalizado al termino de validez como la carencia del error sistemático aunque este no se puede eliminar y que requiere de contar con la precisión antes de evaluar la exactitud si las conclusiones obtenidas a partir de los sujetos que conforman la muestra se pueden trasladar hacia los sujetos que pertenecen a la misma población pero que no fueron incluidos en la muestra entonces el estudio tiene validez de inferencia conocido también como validez interna para que podamos asegurar la validez interna en un estudio debemos realizar control y el control se plantea desde el punto de vista metodológico y desde el punto de vista estadístico en un primer momento el método trata de controlar el error sistemático pero si no es posible identificar los elementos que integran el sesgo o no es posible eliminar aquellas características que están generando sesgo en nuestras mediciones entonces las incluimos al análisis estadístico para ello debemos recolectar estas variables que interfieren con el estudio que estamos ejecutando e incluirlas para realizar un análisis multivariado o de acuerdo a la naturaleza de las variables a las que corresponda nuestros datos.

Sesgos de selección (Aparecen en la selección y seguimiento)

Son aquellos que aparecen durante el proceso de selección de las unidades que ingresaran al estudio y también durante el seguimiento.
1. Sesgo de admision
Aparecen por una mala identificación del marco muestral sobre todo cuando no existe marco muestral como la población de mujeres trabajadoras sexuales si quisiéramos realizar un estudio sobre esta población podríamos acudir al hospital al programa de control de enfermedades de transmisión sexual y sacar un listado de aquellas que acuden  a este programa pero las mujeres registradas en este programa no necesariamente son representativas de la población por otro lado podríamos utilizar el muestreo en bola de nieve identificando a una de ellas y esperando que nos presente a sus compañeras hasta lograr el punto de saturación esto tampoco es representativo de la población en estos casos se presentara el sesgo de admisión.
2. Sesgo de la autoselección 
Vamos a suponer que hemos elegido adecuadamente un marco muestral incluso tenemos un listado de las unidades de estudio es decir contamos con un verdadero marco muestral y ahora vamos a elegir a las unidades que van a participar en nuestro estudio si hacemos un llamado a voluntarios las respuestas que ellos nos den no necesariamente representan a las respuestas de toda la población por esta razón no podemos esperar que ellos se autoseleccionen sino que tenemos que aplicar una técnica de muestreo la forma de elegir a las personas que ingresaran al estudio tiene que ser necesariamente aleatoria para ello existen las técnicas de muestreo aleatorio .
3. Sesgo de pertenencia 
Esto ocurre cuando hay una falla en la identificación de las variables intervinientes recordemos que hay algunos elementos que entorpecen el estudio llamadas variables de confusión intermedias o control en la medida en que podamos identificarlas y eliminarlas controlaremos este sesgo si queremos hacer un estudio acerca del nivel de conocimientos que tienen sobre signos de alarma las gestantes y en nuestro grupo de estudio hay mujeres gestantes que son profesionales de la salud ellas saben bastante sobre este tema incluir sus respuestas en nuestras conclusiones sesgara los resultados porque este conjunto de mujeres tiene una condición particular que lo distingue de la población y que no debiera ser incluidos en el estudio pero que pasa si no las podemos identificar y se filtran hacia nuestro grupo de estudio aparecerá el sesgo de pertenencia.
4. Sesgo del procedimiento de aleatorización 
Esto ocurre por ausencia de aleatorización o un mal procedimiento de aleatorización se observa en los diseños de investigación experimentales en los cuales no se respeta el principio de aleatoriedad en la asignación de los grupos de experimentación y de estudio sobre todo si estamos contraveniendo las normas éticas porque los pacientes deben recibir un tratamiento a propósito de su enfermedad y no a propósito del estudio por tanto se ve limitada la intervención sobre las unidades de estudio en este caso debemos agregar las variables que entorpecen nuestro estudiopara realizar un análisis estratificado .
5. Sesgo de prevalencia
Este es el sesgo que aparece durante el seguimiento del grupo en estudio vamos a utilizar el siguiente ejemplo 30 personas que tienen obesidad y diabetes se inscriben a un programa de dieta y ejercicios de 3 meses con la finalidad de bajar 10 kilos 20 de ellas al no observar resultados se retiran del programa al final quedan únicamente 10 las cuales han logrado el objetivo deseado disminución de 10 kilos y llegaremos a la conclusión de que el programa es efectivo pero no lo fue en aquellas 20 personas que se retiraron y precisamente por eso se retiraron el sesgo aparece cuando existe una perdida prematura de las unidades de estudio la única forma de controlar esto es evitar que las personas se retiren del estudio y en el caso de que no podamos evitar este acontecimiento realicemos un análisis estadístico denominado análisis de supervivencia.

Sesgos de medición (Del observador, instrumento y el observado)

Los podemos subdividir en sesgos del observador sesgos del instrumento y sesgos del observado teniendo en cuenta que estos son los elementos que aparecen en todo proceso de observación.
1. Sesgo del observador 
La capacidad de observación de un suceso es variable de un individuo a otro y si a esto le sumamos que el observador tiene una percepción a veces prejuiciosa debido a su interés en querer demostrar su hipótesis entonces aparece el sesgo del observador si se trata de un estudio de casos y controles el investigador es másacucioso en el grupo de casos porque espera encontrar la característica con mayor frecuencia que en el grupo comparativo en cambio en el grupo de los controles no tendrá el mismo detenimiento que tuvo en el grupo primero por esta razón las percepciones que se tenga acerca de uno y otro grupo no serán necesariamente objetivas para eliminar este sesgo en los estudios comparativos debemos utilizar un observador distinto al investigador o evitar que el observador reconozca a los dos grupos y a esto se le denomina simple ciego.
2. Sesgo de la capacidad diagnostica del instrumento
Sabemos que para evaluar una determinada característica una enfermedad un problema existe siempre más de un instrumento y uno de ellos es el más exacto al cual le denominamos Gold estándar o diagnóstico definitivo o estándar de oro y es con el que debemos ejecutar nuestras mediciones sin embargo no siempre podemos obtener este instrumento o no siempre lo podemos utilizar en nuestrosestudios entonces la capacidad diagnostica de este instrumento que no es el Gold estándar esta disminuida y aparece el sesgo de medición por esta razón debemos evaluar las propiedades métricas del instrumento a fin de reconocer las limitaciones de las mediciones que vamos a obtener.
3. Sesgo de rendimiento del instrumento
Si no se ha evaluado el rendimiento diagnostico delinstrumento es posible que la sensibilidad este disminuida veamos el ejemplo en el que los instrumentos para evaluar el nivel socioeconómico en los años 80 ya no son aplicables en la segunda década del el siglo XXI del mismo modo los instrumentos que han sido traducidos de un idioma a otro han perdido su punto de corte optimo por lo cual debemos evaluar nuevamente el rendimiento diagnóstico de este instrumento este sesgo aparece cuando existe mucho tiempo entre la creación y la aplicación del instrumento y también cuando se traduce un instrumento de un idioma a otro .
4. Sesgo de la unidad de  información
Llamado también sesgo de memoria en los estudios retrospectivos si preguntamos a un paciente por el antecedente de exposición existe posibilidad de olvido si se trata de un estudio de casos y controles de enfermos y sanos para el grupo de los enfermos los pacientes tienden a identificar a todos los eventos pasados como causas posibles de su enfermedad en cambio los sanos habrán pasado por inadvertido todas las experiencias pasadas esto se debe al sesgo de la unidad de información y en los estudios basados en la documentación los datos secundarios no fueron recolectados por el investigador no se puede verificar la exactitud de los mismos .
5. Sesgo de adaptación
En un estudio observacional el evaluado puede emitir una respuesta interesada a fin de obtener una ganancia secundaria como cuando se toman estos test psicológicos para acceder a un trabajo o para ingresar a la universidad el evaluado percibe la intención de las preguntas y puede sesgar los resultados a su favor esto intencionalmente se puede solucionar enmascarando la intencionalidad del instrumento agregando por ejemplo una escala de mentira en un experimento los individuos pueden retirarse de uno de los grupos por no haberse adaptado a un tipo de intervención por sobre el otro esto se puede neutralizar mediante la asignación aleatoria de los individuos a cada grupo y también por no advertir a  los mismos sobre el tipo de exposición a los cuales se les va a someter en ese caso se conoce como doble ciego.