Preinscripción abierta hasta el 16 de Agosto. Curso sujeto a base mínima de 10 estudiantes.
Citamos artículos científicos todo el tiempo, pero pocas veces nos preguntamos si esos trabajos están bien realizados, desde el punto de vista metodológico. Este programa no enseña estadística como una lista de fórmulas para memorizar, sino como una forma de pensar: entender qué hay detrás de un dato antes de confiar en él. Para eso, vas a conocer herramientas concretas que te permitan pasar de mirar un dato a observarlo — de la lectura superficial al análisis con criterio.
Formato:
Modalidad virtual sincrónica.
4 encuentros, 2,5 horas cada uno.
Actividades prácticas y análisis de datos reales.
Metodología ABP (Aprendizaje Basado en Problemas).
Certificado.
Días y horarios de cursada:
Miércoles 16, 23 y 30 de septiembre y 7 de octubre, de 18:30 a 21 hs.
Docente: Mg. Ing. Mariano Girola.
Magíster en Generación y Análisis de Información Estadística, Ingeniero de Sonido y Doctorando en Epistemología e Historia de la Ciencia (UNTREF). Actualmente se desempeña como Referente Regional de Estadística y Monitoreo de Salud del Ministerio de Salud de la Provincia de Buenos Aires y posee más de 10 años de experiencia en docencia universitaria, investigación aplicada y análisis estadístico en salud pública. Especialista en SPSS, R y Python, ha participado en la dirección y evaluación de más de 30 trabajos académicos vinculados a salud, acústica clínica y ciencia de datos aplicada.
Contenido general del curso:
Jornada 1 — ¿Puedo confiar en esta muestra?
Cómo se arma una investigación desde el inicio, y por qué una muestra mal elegida puede llevarnos a conclusiones equivocadas antes de analizar un solo dato.
Ver detalle
Muestreo y Errores en la Investigación Clínica
Definiciones Fundamentales: Población – Muestra
Tipologías de Error (Definiciones de Fuente): Error de Muestreo – Error de Inferencia
Muestreo: Probabilístico – No Probabilístico
Pruebas de Hipótesis y Errores Críticos: Error Tipo 1 (Falso Positivo) – Error Tipo 2 (Falso Negativo
Tratamiento de Datos Faltantes (Sesgo de No Respuesta): MCAR – MAR – MNAR
Jornada 2 — ¿Qué me están diciendo estos números?
Herramientas para describir y visualizar datos de pacientes de forma clara, y para detectar cuándo un valor «raro» es realmente un error o una excepción real.
Ver detalle
Descripción de Datos y Visualización •
Medidas de Tendencia Central (MTC) • Variantes Académicas de la Media: o Media Recortada – Media Ponderada
Medidas de Dispersión
Análisis Visual con Box-Plot (Rigor Técnico) Jornada 3: Relación entre Variables e Introducción a la Inferencia
Correlación y Asociación: o Pearson (r) – Spearman (rho)
Visualización
Intervalo de Confianza (IC 95%) Jornada 4: Pruebas de Hipótesis y Concordancia
Comparación de Grupos
Concordancia Clínica: o Método de Bland-Altman
Jornada 3 — ¿Esta relación es real o casualidad?
Cómo saber si dos variables clínicas están genuinamente asociadas, y qué tan confiable es una conclusión antes de darla por segura.
Ver detalle
Relación entre Variables e Introducción a la Inferencia
Correlación y Asociación: o Pearson (r) – Spearman (rho)
Visualización
Intervalo de Confianza (IC 95%)
Jornada 4 — ¿Este tratamiento funciona? ¿Estos métodos son intercambiables?
Herramientas para comparar grupos y validar si un tratamiento es efectivo, y para saber si dos instrumentos de medición dan resultados equivalentes en la práctica.
Ver detalle
Pruebas de Hipótesis y Concordancia
Comparación de Grupos
Concordancia Clínica: o Método de Bland-Altman
Puede enviarnos sus dudas o consultas a docenciaeinvestigacion@mah.org.ar