ENTRAR            

METODOLOGÍA CUALITATIVA

Triangulación de un estudio cualitativo mediante regresión logística

Lorena González-García,¹ Carmen Gómez-González,² Clarice Chemello,³ María Dolores Cubiles-de la Vega,⁴ José Manuel Santos-Lozano,^5,6,7 Manuel Ortega-Calvo^5,7,8
1Grupo de Investigación en Atención Farmacéutica. Hospital Universitario San Cecilio, Universidad de Granada. FIBAO. España. ²U.C.I. Hospital "Infanta Luisa". Sevilla. España. ³Departamento de Farmacia Social. Facultad de Farmacia. Universidad Federal de Minas Gerais. Belo Horizonte. Brasil. ⁴Departamento de Estadística e Investigación Operativa. Facultad de Matemáticas. Universidad de Sevilla. España. ⁵Distrito Sanitario de Atención Primaria Sevilla (Servicio Andaluz de Salud). ⁶Centro de Salud San Pablo. ⁷CIBER de Fisiopatología de la Obesidad y la Nutrición (CIBERobn), Instituto de Salud Carlos III, España. ⁸Centro de Salud Esperanza Macarena. Sevilla. España

Manuscrito recibido el 13.4.2013
Manuscrito aceptado el 25.7.2013

Index de Enfermería [Index Enferm] 2014; 23(1-2): 80-84

Cómo citar este documento

Resumen

Fundamento y Objetivo: La investigación cualitativa complementa su visión de la realidad mediante la triangulación. La regresión logística binaria es un instrumento de predicción de riesgo en epidemiología analítica. Nuestro objetivo ha sido triangular una investigación cualitativa de tipo pedagógico con modelos de regresión logística. Material y Método: Sobre la información recogida por un grupo focal, organizamos los datos en tres variables: Aforismo / Frase corta (variable dependiente), Profesor y Tipo (variables predictoras) y construimos dos modelos con regresión logística binaria. El error alfa fue del 5 y del 10%. El tamaño muestral venía impuesto por el grupo focal anterior (saturación cualitativa). Se diseñaron rutinas para trabajar con los datos en el programa R. Resultados: Con 127 elementos (44 aforismos y 83 frases cortas) se obtuvieron significaciones crudas del 10% para dos de los diez profesores con información relevante para el grupo focal (odds ratios de 0.42 y 2.33 respectivamente; índice de Brier escalado = 0.06 y área bajo curva ROC = 0.63) y significaciones menores del 5% para cuatro de los cinco epígrafes en que habíamos dividido la variable tipo (epidemiológicos, epistemológicos, estadísticos y pragmáticos o heurísticos). El epígrafe "Estadístico" fue significativo con respecto a "Epistemológico" (OR=5,00; IC al 95% = 14.431-1.743) y con respecto a "Pragmático" (OR=4.80; IC al 95%=14.602-1.577). El epígrafe "Difusión Científica" no resultó significativo. Conclusiones: En un entorno de investigación cualitativo-pedagógica sobre aforismos y frases cortas, la regresión logística binaria se ha mostrado eficaz, dentro de una estrategia de triangulación, para identificar docentes originales para el grupo focal (p<0.10) y señalar epígrafes con interés clasificatorio (p<0.05). La capacidad predictiva de los modelos ha sido baja y la capacidad discriminativa aceptable.
Palabras clave: Investigación cualitativa/ Epistemología/ Triangulación/ Modelos logísticos/ Docencia/ Epidemiología/ Estadística/ Métodos mixtos.

Abstract (Triangulation of a qualitative research by logistic regression)

Background and objectives: Qualitative research seeks to enrich its vision of reality through triangulation. Binary logistic regression is a prediction tool in analytical epidemiology. Our aim was to complement a qualitative study by logistic regression models. Methods: On gathered information by a previous focus group, we organized the data into three variables: Aphorism / short phrase (dependent), Professor and Type (predictive) and built two models with binary logistic regression. The alpha error was 5 and 10%. The sample size was imposed by the previous focus group task (qualitative saturation). Routines were implemented to work with the program R. Results: With 127 elements (44 aphorisms and 83 short sentences) we obtained a 10% raw signification for two of the ten teachers with relevant information for the focus group (odds ratios of 0.42 and 2.33 respectively; Brier scaled =0.06 and area under ROC curve = 0.63) and significations less than 5% for four the five sections in which we divided the variable "Type" (epidemiological, epistemological, statistical, pragmatic or heuristic). The heading "Statistics" was significant with respect to "Epistemological" (OR = 5.00, CI 95% = 14.431-1.743) and with respect to "Pragmatic" (OR = 4.80, CI 95% = 14.602-1.577). The label "Scientific Spread" was not significant. Conclusions: In an environment of qualitative and pedagogical research on aphorisms and short phrases, binary logistic regression has been shown effective in identifying original teachers for focus group (p<0.1) and to identify qualifying entries with interest (p<0.05). The predictive capability of models has been low and acceptable the discriminative capacity.
Key-words: Qualitative research/ Knowledge/ Triangulation/ Logistic models/ Teaching/ Epidemiology/ Statistics/ Mixed methods.

Bibliografía

1. Sánchez-Cantalejo Ramírez E. Regresión Logística en Salud Pública (Serie Monografías nº 26). Granada: Escuela Andaluza de Salud Pública. 2000. Pp. 1-167.
2. Mantel N. Synthetic retrospective studies and related topics. Biometrics 1973; 29: 479-486.
3. Seigel DG, Greenhouse SW. Validity in estimating relative risk in case-control studies. J Chron Dis 1973; 26: 219-226.
4. Silva Ayçaguer LC, Barroso Utra IMª. Regresión Logística. Cuadernos de Estadística. Nº 27. Ediciones La Muralla. Madrid. 2004.
5. Sheean PM, Bruemmer B, Gleason P, Harris J, Boushey C, Van Horn L. Publishing nutrition research: a review of multivariate techniques-part 1. J Am Diet Assoc. 2011; 111: 103-10.
6. Pérez Andrés, C. Sobre la metodología cualitativa. Rev. Esp. Salud Pública. 2002; 76(5): 373-380.
7. Conde Gutiérrez F. Encuentros y desencuentros entre la perspectiva cualitativa y la cuantitativa en la Historia de la Medicina. Rev. Esp. Salud Pública. 2002; 76(5): 395-408.
8. Green J, Britten N. Qualitative research and evidence based medicine. BMJ 1998; 316: 1230-2.
9. Amezcua M, Gálvez Toro A. Los modos de análisis en investigación cualitativa en salud: perspectiva crítica y reflexiones en voz alta. Rev. Esp. Salud Pública. 2002; 76(5): 423-436.
10. Amezcua M, Carricondo Guirao A. Investigación Cualitativa en España. Análisis de la producción bibliográfica en Salud. Index de Enfermería 2000; 28-29: 26-34.
11. McMillan WJ. Finding a method to analyze qualitative data: using a study of conceptual learning. J Dent Educ. 2009; 73: 53-64.
12. Popay J. Qualitative research and the epidemiological imagination: a vital relationship. Gac Sanit. 2003; 17 Suppl 3: 58-63.
13. Fotheringham D. Triangulation for the assessment of clinical nursing skills: a review of theory, use and methodology. Int J Nurs Stud. 2010; 47: 38-91.
14. Denzin NK (Ed.). Sociological Methods. London: Butterworths, 1970.
15. Pool R, Montgomery CM, Morar NS, Mweemba O, Ssali A, Gafos M, Lees S, Stadler J, Crook A, Nunn A, Hayes R, McCormack S. A mixed methods and triangulation model for increasing the accuracy of adherence and sexual behaviour data: the Microbicides Development Programme. PLoS One. 2010; 5(7): e11600. Disponible en: https://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0011600 [acceso: 14/02/2013].
16. Campbell DT, Fiske DW. Convergent and discriminant validation by the multitrait-multimethod matrix. Psychol Bull. 1959; 56: 81-105.
17. Finfgeld-Connett D. Generalizability and transferability of meta-synthesis research findings. J Adv Nurs. 2010; 66: 246-54.
18. Ortega Calvo, M, Cayuela Domínguez, A. Regresión logística no condicionada y tamaño de muestra: una revisión bibliográfica. Rev Esp Salud Pública 2002; 76: 85-93.
19. Villadiego-Sánchez JM, Ortega-Calvo M, Pino-Mejías R, Cayuela A, Iglesias-Bonilla P, García de la Corte, F, Santos-Lozano JM, Lapetra-Peralta J. Multivariate explanatory model for sporadic carcinoma of the colon in Dukes' stages I and IIa. Int J Med Sci 2009; 6: 43-50.
20. Oh H S, Park, H A. Decision tree model of the treatment-seeking behaviors among Korean cancer patients. Cancer Nurs. 2004; 27: 25966.
21. Oh HS, Park HA. Decision-tree model of treatment-seeking behaviors after detecting symptoms by Korean stroke patients. Taehan Kanho Hakhoe Chi. 2006; 36: 662-70.
22. Bowers L, Simpson A, Nijman H, Hall C. Patient ethnicity and three psychiatric intensive care units compared: the Tompkins Acute Ward Study. J Psychiatr Ment Health Nurs. 2008; 15: 195-202.
23. Pati D, Cason C, Harvey TE Jr, Evans J ; An empirical examination of patient room handedness in acute medical-surgical settings. HERD Fall. 2010; 4: 11-33.
24. Benning A, Ghaleb M, Suokas A, Dixon-Woods M, Dawson J, et al. Large scale organisational intervention to improve patient safety in four UK hospitals: mixed method evaluation. BMJ. 2011; 342: d195.
25. O'Cathain A, Murphy E, Nicholl J. Three techniques for integrating data in mixed methods studies. BMJ. 2010; 341: c4587.
26. Sandelowski M. Triangles and crystals: on the geometry of qualitative research. Res Nurs Health. 1995; 18: 569-74.
27. Moran-Ellis J, Alexander V, Cronin A, Dickinson M, Fielding J, Sleney J, Thomas H. Triangulation and Integration: processes, claims and implications. Qualitative Research. 2006; 6: 45-59.
28. González-García L, Chemello C, García-Sánchez F, Serpa-Anaya DC, Gómez-González C, Soriano-Carrascosa L, et al. Aphorisms and short phrases as pieces of knowledge in the pedagogical framework of the Andalusian School of Public Health. Int J Prev Med. 2012; 3: 197-210.
29. Ihaka R, Gentleman RR. A language for data analysis and graphics. Journal of Computational and Graphical Statistics. 1996; 5: 299-314.
30. Concato J, Perduzzi P, Holford TR, Feinstein AR. Importance of events per independent variable in proportional hazards analysis. I. Background, goals and general strategy. J Clin Epidemiol 1995; 48: 1495-1501.
31. Concato J, Perduzzi P, Holford TR, Feinstein AR. Importance of events per independent variable in proportional hazards regression analysis. II. Accuracy and precision of regression estimates. J Clin Epidemiol 1995; 48: 1503-10.
32. Cutanda Henríquez F. Datos anómalos y regresión logística robusta en ciencias de la salud. Rev Esp Salud Pública. 2008; 82: 617-625.
33. Sánchez-Cantalejo E, Ocaña-Riola R. Los modelos multinivel o la importancia de la jerarquía. Gac Sanit. 1999; 13: 391-8.
34. Palinkas LA, Aarons GA, Horwitz S, Chamberlain P, Hurlburt M, Landsverk J. Mixed method designs in implementation research. Adm Policy Ment Health. 2011; 38: 44-53.
35. Bray M, Heselwood B, Lee W, Taylor L. Students, clinicians and university tutors: triangulation of clinical data. Int J Lang Commun Disord. 1998; 33 Suppl: 226-31.
36. Sandelowski M. Combining qualitative and quantitative sampling, data collection, and analysis techniques in mixed-method studies. Res Nurs Health. 2000; 23: 246-55.
37. Coyle J, Williams B. An exploration of the epistemological intricacies of using qualitative data to develop a quantitative measure of user views of health care. J Adv Nurs. 2000; 31:1235-43.
38. Clark AM. The qualitative-quantitative debate: moving from positivism and confrontation to post-positivism and reconciliation. J Adv Nurs. 1998; 27: 1242-9.
39. Mavaddat N, Kinmonth AL, Sanderson S, Surtees P, Bingham S, Khaw KT. What determines Self-Rated Health (SRH)? A cross-sectional study of SF-36 health domains in the EPIC-Norfolk cohort. J Epidemiol Community Health 2011; 65: 800-806.
40. Berk RA. Survey of 12 strategies to measure teaching ef¬fectiveness. Int J Teach Learn Higher Educ 2005; 17: 48-62.
41. Jahangiri L, Mucciolo TW, Choi M, Spielman AI. Assessment of teaching effectiveness in U.S. Dental schools and the value of triangulation. J Dent Educ. 2008; 72: 707-18.
42. Kuper A, Albert M, Hodges BD. The origins of the field of medical education research. Acad Med. 2010; 85: 1347-53.
43. Weatherall D. Science and medical education: is it time to revisit Flexner? Med Educ. 2011; 45: 44-50. doi: 10.1111/j.1365-2923.2010.03761.x.
44. Karimi R. Interface between problem-based learning and a learner-centered paradigm. Advances in Medical Education and Practice 2011; 2: 117-125.
45. Levine D, Bleakley A. Maximising medicine through aphorisms. Med Educ. 2012; 46: 153-62.
46. Shuval K, Harker K, Roudsari B, Groce NE, Mills B, et al. Is Qualitative Research Second Class Science? A Quantitative Longitudinal Examination of Qualitative Research in Medical Journals. PLoS ONE. 2011; 6(2): e16937. doi:10.1371.
47. Oliva P, Buhring K. Investigación cualitativa y evidencia en salud: Respuestas fundamentales para su comprensión. Rev Chil Salud Pública. 2011; 15: 173-179.
48. Cumsille F, Bangdiwala SI. Categorización de variables en el análisis estadístico de datos: consecuencias sobre la interpretación de resultados. Rev Panam Salud Pública. 2000; 8: 348-354.
49. Dalen I, Buonaccorsi JP, Laake P, Hjartåker A, Thoresen M. Regression analysis with categorized regression calibrated exposure: some interesting findings. Emerg Themes Epidemiol. 2006; 3:6. Disponible en: https://www.biomedcentral.com/content/pdf/1742-7622-3-6.pdf [acceso: 12/03/2013].
50. Muniaín Ezcurra MA. Las enfermedades infecciosas: pasado, presente y futuro. Sevilla: Real Academia de Medicina de Sevilla. Discurso de Recepción como Académico Electo. 2013; p.10.

RECURSOS CUIDEN

RECURSOS CIBERINDEX

FUNDACION INDEX

GRUPOS DE INVESTIGACION

¿Quiénes somos?
RICO Red de Centros Colaboradores
Convenios
Casa de Mágina
MINERVA Jóvenes investigadores
Publicaciones
Consultoría