Investigación
Guía de elaboración de un
proyecto de investigación
SEGUNDA PARTE
LORETO GARCÍA MOYANO: DUE, Máster en Ciencias de la Enfermería (Universidad
de Zaragoza), Máster en Bioética por la Universidad Rey Juan Carlos I (Madrid).
Enfermera del Servicio de Esterilización, Hospital Lozano Blesa (Zaragoza). Miem-
bro del Grupo de Investigación en Bioética del Instituto Aragonés de Ciencias de
la Salud.
SANDRA GUERRERO PORTILLO, DRA. ISABEL ANTÓN SOLANAS, DR. RAÚL JUÁREZ
VELA: DUE, docentes Grado de Enfermería, Universidad San Jorge.
JARA TABUEÑA ACIN: DUE Especialista en Ginecología y Obstetricia.
BEGOÑA PELLICER GARCÍA: DUE, becario predoctoral-FPI. Grado en Enfermería,
Universidad San Jorge (Zaragoza).
Correo e.: loretongarcia@hotmail.com
Resumen
Este trabajo tiene como objetivo elaborar una guía práctica
para redactar un proyecto de investigación.
PALABRAS CLAVE: PROYECTO DE INVESTIGACIÓN. ENFERMERÍA.
GUIDE TO DEVELOPING A RESEARCH PROJECT. PART TWO
Summary
This work aims to develop a practical guide to writing a research
project.
KEYWORDS: RESEARCH PROJECT, NURSING
Introducción
En la primera parte de esta guía, publicada en el nú-
mero anterior, se desarrollan aspectos relativos al resu-
men, las palabras clave del proyecto, cómo se formula la
pregunta de investigación, cómo se elabora la hipótesis,
cómo se definen los objetivos y su justificación y cuál es
su marco de referencia.
Esta segunda parte de la Guía de elaboración de un
proyecto de investigación recoge los procedimientos,
técnicas y métodos de la misma.
La investigación debe dar respuesta a las preguntas
formuladas basándose en la metodología científica y
planificando un conjunto de actuaciones que permitan
concluirla.
En estas páginas se expone cómo debe plantearse el
marco de referencia de un proyecto de investigación y
cómo se diseña el estudio en sus apartados de material y
métodos, limitaciones y técnicas de análisis. También se
explican los aspectos administrativos de la guía, y final-
mente se tratan las consideraciones éticas, la bibliografía
y los anexos del proyecto.
Con esta información se pretende ofrecer unos cono-
cimientos que permitan a nuestros lectores llevar a cabo
en la práctica un proyecto de investigación de una ma-
nera cualitativamente aceptable y con una metodología
rigurosa y validable.
García Moyano L, Guerrero Portillo S, Antón Solanas I, Juárez Vela R, Tabueña Acin J, Pellicer García B.
54 Rev ROL Enferm 2016; 39(2): 126 Guía de elaboración de un proyecto de investigación. Segunda parte. Rev ROL Enferm 2016; 39(2): 126-135
Guía de elaboración de un proyecto de investigación
Se muestran en la tabla 1 los apartados más destacados
que deben figurar en dicho documento.
Los siete primeros apartados de la tabla se desarrollan
en la primera parte de esta guía, publicada en el número
anterior. En este artículo se continúa con el desarrollo
de los apartados 8 al 12.
8. Material y método
La fase metodológica es crucial y debe responder a la
pregunta: ¿cómo se va a realizar la investigación?
8.1. Diseño del estudio
El diseño elegido será el adecuado al tipo de problema y
a los objetivos del PI.
La coherencia entre lo que se quiere averiguar (ob-
jetivo) y la estrategia empleada (diseño) debe quedar
patente; no obstante, el autor razonará su elección de
una metodología determinada (cuantitativa o cualitati-
va). Por ejemplo, si se desea conocer si cierta interven-
ción terapéutica es más efectiva que otra, el método más
adecuado es un ensayo clínico (diseño cuantitativo),
mientras que si se desea conocer la experiencia de las
personas ante una enfermedad (diabetes mellitus, cán-
cer, patología infecciosa…), se requiere una investiga-
ción de naturaleza cualitativa.
En la tabla 2 se muestra un resumen de las caracterís-
ticas de los diseños de investigación cuantitativa.
En caso de que el PI se inserte en el paradigma na-
turalista o cualitativo será necesario describir la pers-
pectiva teórico-metodológica que guiará el proceso de
recogida e interpretación de los datos. En esta sección
se plantea el paradigma que se adoptará para la práctica
investigadora, por ejemplo: constructivista, socio-crítico,
etc. Asimismo, se detalla el enfoque escogido para guiar
el estudio, que ha de ser coherente con los objetivos
planteados y con la perspectiva de partida, por ejemplo:
teoría fundamentada, fenomenología, etnografía, etc.
Los investigadores deben asegurarse de que el diseño o
metodología elegidos ofrece el máximo potencial para
responder a las preguntas de investigación.
8.2. Población y muestra
Se precisará el ámbito geográfico y sociodemográfico
donde se llevará a cabo el estudio. Se añadirán las ca-
racterísticas más relevantes del centro o centros donde
tenga lugar el estudio. Es preciso diferenciar los sujetos a
 GUIÓN DE UN PROYECTO DE INVESTIGACIÓN
N.º APARTADO SUBAPARTADO CUANTITATIVA SUBAPARTADO CUALITATIVA
1 Resumen y palabras clave Castellano e inglés Castellano e inglés
2 Título - -
3 Formulación del problema (pregunta de - -
investigación)
4 Elaboración de hipótesis - No aplicable. Formulación de la pregunta de
investigación
5 Objetivos General y específicos -
6 Justificación - -
7 Marco de referencia Fundamentos teóricos, antecedentes del pro- -
blema y estado actual del problema
8 Material y método Diseño del estudio; población y muestra; crite- Perspectiva teórico-metodológica; descripción
rios de selección muestral; tipo de muestreo; del contexto o escenario en los que se desa-
cálculo muestral; técnicas de recolección de la rrolla el estudio; descripción de la población y
información; identificación de variables; difi- selección de informantes; estrategias de acce-
cultades y limitaciones del estudio y técnicas so al campo y a los informantes; estrategias de
de análisis e interpretación de datos generación de la información
9 Aspectos administrativos Guía del trabajo de campo; recursos humanos -
y materiales; presupuesto; cronograma
10 Consideraciones éticas - -
11 Futuras líneas de investigación - -
12 Bibliografía - -

TABLA 1
13 Anexos - -

CLASIFICACIÓN DE LOS DISEÑOS METODOLÓGICOS CUANTITATIVOS

Según su finalidad
Según la asignación de los factores a estudio
Según el momento de inicio del estudio y su
relación con la cronología de los hechos a
estudio
Según la secuencia temporal en la que el
estudio se desarrolla.
Descriptivo: pretenden describir un hecho.
Analítico: pretenden evaluar una presunta causa-efecto.
Experimental: el investigador manipula la variable independiente
Observacional: el investigador solo observa la realidad de forma natural para describirla o ana-
lizarla.
Prospectivo: el inicio del estudio es anterior a los efectos; se recogen los datos según se van pro-
duciendo.
Retrospectivo: los efectos ya han sucedido antes del inicio del estudio; los datos se recogen de
algún registro anterior.
Transversal: los datos se obtienen en un tiempo determinado; las variables se miden simultánea-
mente, por lo que no se puede establecer cuál es la causa y el efecto.
Longitudinal: existe lapso de tiempo entre las variables que se evalúan, por lo que por lo menos
hay dos momentos de medición; permite saber cuál es anterior y posterior, es decir, permite dife-
TABLA 2

renciar la causa del efecto.

estudio o unidades de análisis a través de la tabla 3. Sirva
como ejemplo el caso de un estudio que pretende co-
nocer los hábitos alimentarios de pacientes hipertensos
pertenecientes a un centro de salud X.
8.3. Criterios de selección muestral.
Criterios de inclusión y exclusión
Los criterios de inclusión o elegibilidad son aquellas ca-
racterísticas que los sujetos o elementos de estudio de-
ben poseer para formar parte de la población diana. Se
deben definir cuatro características:
1. Clínicas: enfermedades que pueden asociarse al pro-
blema de salud principal que estamos estudiando.
2. Temporales: existencia de un periodo de tiempo de-
terminado.
3. Demográficas-sociales: la raza, la edad, el sexo, la pro-
fesión o el nivel cultural.
4. Geográficas: delimitación del territorio, por ejemplo:
pacientes ingresados en un hospital; participantes que
viven en un barrio determinado…
Por el contrario, los criterios de exclusión son aque-
llas características que pueden hacer que una persona o
elemento se descarte de la población diana. Se han de
tener en cuenta:

ROL Febrero 55
Investigación

DEFINICIÓN Y EJEMPLO DE LOS NIVELES DE POBLACIÓN

POBLACIÓN DIANA O BLANCO
Conjunto de individuos que presentan la característica que se pretende Ejemplo: Hipertensos del centro de salud X.
estudiar. Dicha característica puede ser: demográfica, social, problema
de salud, enfermedad… Esta es la población que se define en el objeti-
vo de estudio («A quién»). Sobre esta población se van a generalizar los
resultados.
POBLACIÓN A ESTUDIO O ACCESIBLE
Población diana que cumple los criterios de selección (inclusión y exclu- Ejemplo: Hipertensos del centro de salud X que cumplan los criterios de
sión) y que es accesible para el investigador. selección (ser mayor de 18 años, haber sido diagnosticado hace más de 6
meses de la patología, ser independiente para las Actividades de la Vida
Diaria…).
MUESTRA
Lo habitual es que la población a estudio sea demasiado amplia, por lo Ejemplo:
que en los estudios suele practicarse con un número menor de sujetos, • Cálculo de la muestra partiendo de la población de estudio (investiga-
denominado «muestra» y obtenido gracias al cálculo muestral. Para que ción cualitativa).
los resultados de la muestra puedan inferirse a la población diana, la • Selección de una muestra suficiente de participantes o informantes ca-
muestra debe ser: representativa; de un tamaño adecuado. paces de aportar información profunda y de calidad acerca del fenóme-
no de estudio.
PARTICIPANTES
Sección de la muestra que realmente participa en el estudio (tras haber Ejemplo: Los que realmente participan en el estudio (en un proyecto este

TABLA 3
sufrido diferentes tipos de pérdidas). dato no lo conoceremos).

1. Ciertas enfermedades: procesos terminales 8.4. Tipo de muestreo

2. Razones éticas.
3. Rechazo: el individuo, simplemente, no quiere formar
parte de nuestro estudio y por lo tanto no presta su firma
en el documento de consentimiento informado.
Primero se aplican los criterios de inclusión y después
los de exclusión. No pueden ser criterios de inclusión ni
exclusión los que ya están acotados en la definición de la
propia población diana. Sirva como ejemplo el propues-
to en la tabla 3:
• Objetivo: «Conocer los hábitos alimentarios de pacien-
tes hipertensos pertenecientes a un centro de salud X».
• No pueden considerarse criterios de inclusión: partici-
pantes que pertenezcan al centro de salud X o pacientes
que sean diagnosticados de hipertensión arterial (HTA).
• No pueden considerarse criterios de exclusión: pacien-
tes que no padezcan HTA.
Los criterios de exclusión tienen que ser condiciones
que excluyan a un participante que previamente cumple
los criterios de inclusión, es decir, se rechazarán a sujetos
que, aun cumpliendo los criterios de inclusión, compro-
metan la calidad de los datos.
No pueden redactarse condiciones que digan lo mis-
mo que un criterio de inclusión. Sirva como ejemplo:
• Criterio de inclusión (1): mayoría de edad.
• Criterio de exclusión erróneo (1): ser menor de 18
años.
• Criterio de inclusión (2): personas que acepten parti-
cipar en el estudio.
• Criterio de exclusión erróneo (2): personas que se nie-
gan a participar en el estudio.
El muestreo se define como el proceso de seleccionar la
muestra. Existen dos tipos de muestreo, el probabilístico
(véase tabla 4) y el no probabilístico (véase tabla 5).
8.5. Cálculo muestral
La muestra en un PI es un subconjunto de la población
diana. En un estudio de investigación cualitativa, es ne-
cesario que todos y cada uno de los elementos (indivi-
duos) que la componen tengan la misma oportunidad
de seleccionarse para que la muestra sea representativa
de la población (muestreo aleatorio).
Para calcular el tamaño de una muestra cuando la po-
blación es finita, es decir, cuando es posible conocer el
número de elementos que la componen, suele utilizarse
la siguiente fórmula:
N · Z 2 · σ2
n = ----------------------------------------------
(N – 1) · e 2 + Z 2 · σ2
Donde:
• n = tamaño de la muestra
• N = total de la población
• Z = valor obtenido mediante niveles de confianza. Para
un intervalo de confianza del 95 % equivale a 1.96; para
un intervalo de confianza del 99 %, a 2.58.
• σ = desviación estándar de la población; cuando no se
tiene su valor suele utilizarse un valor constante de 0.5.
• e = límite aceptable de error muestral, que general-
mente varía entre el 1 % (0.01) y 9 % (0.09).

56 Rev ROL Enferm 2016; 39(2): 128

 MUESTREO PROBABILÍSTICO
CONCEPTO DE MUESTREO PROBABILÍSTICO
Todas las unidades que componen la población tienen la misma proba-
bilidad de ser elegidas y esa probabilidad se puede calcular. Depende
del azar.
TIPOS DE MUESTREO PROBABILÍSTICO
Aleatorio: puede ser simple o sistemático.
• Simple: Consiste en seleccionar al azar mediante una tabla de números
aleatorios o el uso de un programa informático. Se requiere para ello con-
tar con un listado de todos los sujetos que componen la población. Sirva
como ejemplo: si pretendemos conocer el nivel de burnout de las enfer-
meras que trabajan en un hospital, tan solo necesitamos saber el listado
de todas las enfermeras que dicho hospital tiene en plantilla.
• Sistemático: Consiste en seleccionar individuos según una regla o pro-
ceso periódico. No se requiere tener de forma previa el listado de toda la
población, sino que se les puede ir seleccionando según se va formando
el listado. Sirva como ejemplo: si pretendemos conocer el grado de satis-
facción de las pacientes tratadas en Tocología, iremos seleccionando la
muestra según vayan apareciendo las pacientes.
Estratificado: Se usa cuando se sabe que lo que vamos a estudiar. No
se distribuye de manera homogénea en la población a estudio, pero hay
grupos en donde sí se distribuyen de igual manera. Estos grupos tienen
alguna característica común, pero son mutuamente excluyentes. Sirva
como ejemplo: si pretendemos estudiar al tabaco como factor de riesgo
para el cáncer de pulmón en una población pequeña, sabremos por la
revisión bibliográfica practicada que no se distribuye de igual manera
entre hombres y mujeres, por lo que haríamos la estratificación de esta
población según el sexo.
Tras ello, hay que elegir un criterio de afijación.
Conglomerados: Se suele emplear cuando la población es muy dispersa
o no se dispone de un listado de individuos, pero sí de grupos. Es decir,
se seleccionan agrupaciones en vez de individuos (unidades o servicios
TABLA 4
de un hospital en vez de pacientes).
Desde este enlace es posible hacer cálculos muestrales
automáticamente: http://www.berrie.dds.nl/calcss.htm.
¿Cuándo usar muestras?
• Cuando los resultados que arrojaría una muestra bien
seleccionada, de tamaño razonable, serían suficiente-
mente precisos para los fines prácticos que se persiguen
con los datos.
• Cuando la población es infinita o muy grande y es im-
posible físicamente cubrir todos los elementos que la
componen.
• Cuando la población es finita pero lo bastante grande
como para que el estudio de todos los elementos no sea
aconsejable (demasiado costoso en dinero y tiempo, tan-
to que haría que los resultados quedaran obsoletos en el
momento en que estuvieran disponibles).
• Cuando la unidad de estudio se transforma o se destru-
ye al examinarse.
Al contrario de lo que ocurre en la investigación cuan-
MUESTREO NO PROBABILÍSTICO
CONCEPTO DE MUESTREO NO PROBABILÍSTICO
Las unidades que componen la población tienen diferentes probabilida-
des de elegirse, ya que la selección se realiza con métodos en los que
no solo interviene el azar. No resulta posible estimar la probabilidad de
escogerse que tiene cada elemento.
Este es el motivo por el que no se puede considerar que las muestras
obtenidas por muestreo no probabilístico sean representativas.
TIPOS DE MUESTREO NO PROBABILÍSTICO
Consecutivo: Consiste en reclutar a todos los individuos de la población
accesible que cumplan los criterios de selección durante un periodo de
reclutamiento fijado (según el tamaño muestral deseado y el número de
sujetos que pueden reclutarse cada día).
Sus limitaciones más destacadas son: que se produzcan interrupciones
(por lo que ya no sería consecutivo); que el periodo de tiempo sea de-
masiado corto y no refleje por lo tanto fluctuaciones estacionales del
problema a estudio.
De conveniencia o accidental: Implica la selección de aquellos parti-
cipantes más accesibles para el investigador o que se presenten como
voluntarios. Es la técnica menos sólida, aunque se usa con bastante fre-
cuencia en investigación cualitativa.
El muestreo en bola de nieve o de avalancha es un tipo de muestreo por
conveniencia en el que se localiza a algunos individuos que a su vez con-
ducen a otros y estos a otros a su vez, hasta lograr una muestra suficiente.
A menudo se obtienen los primeros sujetos con un muestreo de con-
veniencia puro y se va aumentando el tamaño de la muestra utilizando
el muestreo en bola de nieve. Se emplea con frecuencia al trabajar con
poblaciones minoritarias, marginales, sectas, determinados tipos de en-
fermos, individuos raramente dispuestos a darse a conocer, participantes
fuera del sistema sanitario…
A criterio o intencional: Consiste en la selección consciente de los
participantes que el investigador considera más apropiados para pro-
porcionar información de calidad. Pueden incluir participantes típicos
o atípicos, y participantes pertenecientes a distintas categorías (edad,
diagnóstico, gravedad, etc.). Puede combinarse con otros métodos (por
cuotas o intencionado aleatorio).
Por cuotas: El muestreo por cuotas es una técnica de muestreo de con-
veniencia que asegura la inclusión de tipos de sujetos que tengan pro-
babilidad de quedar infrarrepresentados en la muestra (mujeres, pobres,
ricos, etc.). Requiere la identificación de subgrupos en la población y la
identificación de la proporción de los subgrupos en la población. Mejora
TABLA 5
el muestreo de conveniencia y tiende a disminuir los sesgos potenciales.
titativa, la muestra en los PI cualitativos debe identificar-
se según otros criterios y procedimientos de selección.
En concreto, en la investigación cualitativa:
• La muestra se centra en la calidad de la información.
• La finalidad del estudio determina el plan de muestreo
y el tamaño de la muestra inicial.
• La profundidad de la información obtenida determina
el número final de participantes (muestreo intraproyecto).
• Un tamaño inadecuado puede reducir la calidad y la
credibilidad de los hallazgos de la investigación.
ROL Febrero 57
Investigación
El número de participantes en un PI cualitativo es por
tanto adecuado cuando se consigue la saturación y la
comprobación de la información en el área de estudio.
Es decir, un investigador acepta que ha alcanzado satu-
ración de la información en un estudio cuando el mues-
treo adicional no aporta nueva información. De igual
manera, se considera que la muestra de un PI cualitativo
es suficiente cuando los investigadores son capaces de
seguir confirmando ideas, relaciones o modelos teóricos
(verificación de la información).
8.6. Técnicas de recogida de la información
Será necesario desgranar las características de las herra-
mientas empleadas. Existe una amplia variedad de las
mismas orientada principalmente al tipo de metodolo-
gía empleada (cuantitativa o cualitativa).
Metodología cuantitativa
• Mediciones directas: empleadas típicamente en la de-
terminación de ciertos parámetros biológicos como la
tensión arterial (TA), la glucosa capilar o el peso. Tam-
bién es frecuente la obtención de estos datos desde fuen-
tes documentales como historias clínicas o estadísticas
públicas.
• Encuestas o cuestionarios: se componen de un conjun-
to de cuestiones que tratan de medir cuantitativamente
características objetivas o subjetivas de la población a la
que se pregunta. Si se emplean cuestionarios previamen-
te validados, será necesario indicar su fiabilidad, sensibi-
lidad y especificidad, así como la población y el idioma
en que se validaron. Si se trata de una prueba elaborada
ad hoc (propuesto exclusivamente para el actual PI), se
mencionará su número de apartados y también se expli-
cará la pertinente prueba piloto. En general, se informa-
rá sobre el número de preguntas, las características de
las opciones de respuesta (Likert, cerradas, abiertas…),
el tiempo estimado de administración y su autoadminis-
tración, heteroadministración o administración vía tele-
fónica.
Metodología cualitativa
Los principales métodos de recogida de datos se agru-
pan en técnicas observacionales (observación partici-
pante) y métodos conversacionales (grupos de discusión
y entrevistas en profundidad). Se exponen brevemente
a continuación:
• Observación participante: el investigador hace una
inmersión en el contexto. Puede llegar o no a interac-
cionar con los participantes (observación participante u
observación externa/no participante, respectivamente).
Los fenómenos observados pueden registrarse en un
cuaderno de campo o mediante grabadora.
• Grupos de discusión: los investigadores reúnen en
ambientes neutros a grupos de personas (mínimo 5
personas y máximo 10) para que mantengan discusio-
58 Rev ROL Enferm 2016; 39(2): 130
nes abiertas sobre una temática concreta en un tiem-
po cercano a 1 hora. No deben conocerse entre ellos.
Estos grupos pueden estar compuestos por personas
de características similares (homogéneos) o diferentes
(heterogéneos). Este método requiere la grabación de
la conversación, la transcripción literal y el análisis de las
transcripciones.
• Entrevista en profundidad: el investigador obtiene in-
formación sobre la experiencia personal y subjetiva de la
persona o grupo. Son muy adecuadas si lo que se busca
es, más que el consenso, la dispersión de puntos de vis-
ta. La entrevista puede ser abierta, semiestructurada o
estructurada, y no debe superar los 45 minutos de dura-
ción. Ha de iniciarse siempre con una pregunta amplia
que facilite el inicio del relato y cree un clima de con-
fianza. Las preguntas más comprometidas o incómodas
tienen que generarse tras haber establecido una buena
relación con el entrevistado. Este método requiere la
grabación de la conversación, la transcripción literal y el
análisis de las transcripciones.
8.7. Identificación de variables
Se entiende por variable «cada uno de los atributos o fe-
nómenos de cada individuo susceptibles de estudiarse y
que pueden tener diferentes valores si varían las circuns-
tancias del estudio o la población estudiada».
Las variables pueden clasificarse y definirse según
se refleja en la tabla 6. También es necesario incluir el
concepto, los indicadores y los valores para cada variable
identificada. A veces, este apartado queda más claro en
una tabla, véase por ello la tabla 7.
8.8. Dificultades y limitaciones del estudio
Es necesario revisar los posibles sesgos relacionados con
cada tipo de investigación, identificar los que pueden
asociarse a la muestra y aportar medidas para paliarlos o
minimizar sus efectos.
Los errores pueden ser aleatorios o sistemáticos (ses-
gos), tal y como se explica a continuación.
Error aleatorio
Debido al azar. Ocurre por el hecho de hacer inferencias
a la población a partir de una sola muestra. Por consi-
guiente, disminuye si se aumenta el tamaño muestral. El
error aleatorio se relaciona con la precisión. Como con-
secuencia, cuanto menor sea este error, mayor precisión
tendrá el estudio. Puede ser de dos tipos:
• Error de muestreo: disminuye si se aumenta la mues-
tra, aunque ya se asume un margen de error cuando de-
finimos la precisión que vamos a usar al hacer el cálculo
de la muestra (generalmente el 5 %).
• Error de medición: se produce al medir las variables,
de ahí la necesidad de estandarizar las condiciones de
aplicación mediante instrucciones que garanticen la
igualdad de condiciones para todos los participantes.

Según su naturaleza
Según su escala de medida
Según su relación con el estudio
CLASIFICACIÓN DE LAS VARIABLES
Cuantitativas (continuas / discretas). Miden el atributo de manera numérica. Serán continuas si el
atributo puede expresarse con decimales (sirva como ejemplo el peso 50.3 kg) y discretas si no es po-
sible hacerlo y se emplean números finitos (sirva como ejemplo el número de hijos).
Cualitativas o categóricas (dicotómicas / politómicas). No miden el atributo de manera numérica.
Serán dicotómicas cuando solamente puedan adoptar dos categorías (sirva como ejemplo el sexo:
masculino o femenino) y politómicas cuando puedan adoptar más categorías (sirva como ejemplo el
nivel de estudios: sin estudios, primarios, secundarios, universitarios).
Escala nominal (variables cualitativas). Las categorías difieren cualitativa pero no cuantitativamen-
te; no pueden ser ordenables. Sirvan como ejemplo los diagnósticos de los participantes (úlcera pép-
tica, hemorroides, disfagia…), el género, la etnia, el estado civil…
Escala ordinal (variables cualitativas). Se asignan categorías que pueden ser ordenables, aunque
los intervalos entre las opciones pueden ser desiguales. Sirva como ejemplo los niveles de clasificación
del dolor en insoportable, intenso, moderado, ligero y ausente. El principal inconveniente es que quizá
exista una mayor diferencia entre el dolor ligero y el moderado que entre el intenso y el insoportable.
Escala de intervalo (variables cuantitativas). Emplean distancias numéricas equivalentes entre los
intervalos. El origen de la escala es arbitrario y no refleja la ausencia de la característica que estamos
midiendo, es decir, no se toma como punto de partida un «cero absoluto». Sirva como ejemplo la me-
dición de la temperatura donde 0 grados no implica ausencia de temperatura.
Escala de razón (variables cuantitativas). Tiene todas las características de una medida de intervalo,
pero además tiene cero absoluto, que ahora sí significa ausencia de la magnitud que se está midiendo.
Sirvan como ejemplo las escalas de peso, longitud y volumen.
Independiente o predictora o antecedente (causa supuesta). Se identifica con la supuesta causa.
Para ello, es necesario que se produzca antes en el tiempo. Sirva como ejemplo las intervenciones
educativas que se llevan a cabo con la intención de reducir la ansiedad de las mujeres embarazadas
previamente al parto.
Dependiente o resultado o consecuente (efecto posible). Es la que se mide para ver los efectos
debidos a la variable independiente. Para ello, es necesario que suceda en el tiempo a la variable in-
dependiente. Sirva como ejemplo el nivel de ansiedad de las mujeres embarazadas posteriormente a
haberlas sometido a una intervención educativa.
La clasificación de variables dependientes e independientes es propia de estudios analíticos, pero
no de diseños descriptivos, ya que estos solo hallan relaciones de asociación y nunca de causa-efecto.

TABLA 6
En el caso de estudios descriptivos, se habla de variables de estudio.

EJEMPLO DE CÓMO CLASIFICAR LAS VARIABLES «SEXO» Y «NIVEL ECONÓMICO»

VARIABLE: «SEXO»
Naturaleza Escala Relación Concepto Indicadores Valores
con el estudio
Cualitativa Nominal Variable dependiente Condición de género Sexo Femenino /
dicotómica Masculino
VARIABLE: «NIVEL ECONÓMICO»
Cualitativa politómica Ordinal Variable dependiente Situación • Alto < 24 000 euros Alto / Medio / Bajo
económica brutos/año
del sujeto • Medio < 12 000 y >
24 000 euros brutos/
año
• Bajo < 12 000 euros
TABLA 7

brutos/año

ROL Febrero 59
Investigación
En este apartado resulta imprescindible mencionar la
validez del instrumento de medida (capacidad que tie-
ne de medir aquello que se quiere medir –exactitud–) y
la fiabilidad (capacidad que tiene de medir de manera
exacta aquello que se quiere medir –precisión–). La fia-
bilidad de un instrumento de medida hace referencia
a la consistencia de las puntuaciones obtenidas por los
mismos individuos cuando se examinan con el mismo
instrumento en diferentes ocasiones o por distintos in-
vestigadores. El alfa de Cronbach es una medida de la
fiabilidad de dichas escala, cuyos valores oscilan entre
cero y uno, de manera que cuanto más se aproxime a
uno, mayor será su fiabilidad (para escalas de 20 ítems,
se considera aceptable un alfa mayor a 0.8).
Error sistemático o sesgos
No se minimiza por aumentar el tamaño muestral, sino
que existe un error de base en el diseño del estudio, bien
sea en la selección de los participantes (sesgo de mues-
treo o de selección) o en la medición de las variables
(sesgo de información).
• Sesgos de muestreo o de selección: se producen por
elegir una muestra que no representa adecuadamente
a la población de estudio (el muestreo no es aleatorio,
errores de seguimiento de los pacientes…). Sirvan como
ejemplo: si usamos el muestreo por conveniencia, corre-
mos el riesgo de que la muestra no sea representativa, ya
que es casi seguro que las unidades estadísticas disponi-
bles o fáciles de conseguir sean de naturaleza diferente
a la de las demás unidades; si usamos el muestreo inten-
cional: igualmente corremos el riesgo de que la muestra
no sea representativa, ya que la experiencia ha demostra-
do que las personas tienen tendencias, muchas de ellas
inconscientes, que hacen que, cuando seleccionamos
una muestra intencional, den preferencia a ciertos ele-
mentos en perjuicio de otros. La selección al azar o alea-
toria también produce discrepancias entre el resultado
dado por la muestra y el valor de la población. Existen
múltiples clasificaciones en su interior:
– Sesgo de autoselección: la inclusión de sujetos volunta-
rios puede hacer que la población no esté debidamente
representada en la muestra (mayor motivación o interés
en participar en el estudio).
– Falacia de Berkson: ocurre en los estudios casos-con-
troles cuando los controles se seleccionan entre sujetos
hospitalizados, ya que en una muestra hospitalaria, la
presencia del factor de riesgo es mayor que en el resto
de la población normal.
– Falacia de Neyman o de supervivencia: ocurre en los
estudios casos-controles cuando la exposición está muy
relacionada con la supervivencia de manera que la en-
fermedad produce muertes muy precoces. Si estos indi-
viduos fallecidos no se incluyen en el estudio, se podría
pensar que entre la exposición y la enfermedad hay poca
asociación.
60 Rev ROL Enferm 2016; 39(2): 132
– Sesgo de membresía o pertenencia: ocurre cuando
se trabaja con grupos preexistentes, es decir, grupos
que no se han formado de manera aleatoria para el
estudio.
– Sesgo del trabajador sano: llama la atención que los
trabajadores en activo requieren tener buena salud (al
menos la suficiente para poder trabajar), mientras que
los incapacitados, jubilados y desempleados no suelen
tenerla.
• Sesgos de información: se producen por elegir instru-
mentos de mala calidad o realizar mediciones sistemáti-
camente desiguales. Existen múltiples clasificaciones en
su interior:
– Sesgo de memoria: ocurre en los estudios casos-contro-
les cuando la información se recoge retrospectivamente
y el sujeto puede haber olvidado aspectos relativos a la
exposición o relevantes para el estudio. Este sesgo es
más frecuente en los sujetos sanos (controles) que en
los enfermos, ya que estos últimos suelen recordarlo
mejor, sobre todo si la exposición produjo un cuadro
agudo.
– Efecto Hawthorne o sesgo de atención: ocurre en los
participantes que modifican sus conductas o respuestas
como consecuencia de ser conscientes de que están sien-
do estudiados.
– Sesgo de medición: ocurre cuando el mal funciona-
miento del instrumento que se utiliza para la medición
hace que los resultados están siempre sesgados hacia el
mismo sentido.
– Sesgo del entrevistador: ocurre cuando el entrevista-
dor emplea preguntas o frases que condicionan la res-
puesta del individuo.
– Sesgo de deseabilidad social u obsequiosidad: ocurre
cuando los participantes orientan sus respuestas para
dar una buena imagen de sí mismos al entrevistador,
cambiando sus respuestas en favor de las que se conside-
ran valoradas más positivamente.
– Sesgo de respuesta invariable: ocurre por la tendencia
del individuo a responder siempre de la misma manera.
– Sesgo de aprendizaje o proximidad: ocurre al aplicar
en más de una ocasión el mismo cuestionario de medi-
da. Se minimiza dejando pasar al menos seis meses entre
una medición y otra.
– Sesgo de falseamiento: ocurre cuando los partici-
pantes, de manera voluntaria o involuntaria, prestan
respuestas falsas o incompletas ante preguntas conside-
radas íntimas o traumáticas.
– Sesgo de cuestionario: ocurre cuando el cuestionario
no está correctamente diseñado y contiene preguntas
ambiguas.
– Sesgo de no respuesta: ocurre por el abandono o falle-
cimiento de los participantes del estudio.
– Sesgo de procedimiento: ocurre con los grupos expe-
rimentales o los casos, donde puede existir un mayor se-
guimiento que con los integrantes de los otros grupos.
8.9. Técnicas de análisis e interpretación de datos
El análisis e interpretación de los datos obtenidos de-
penderá de la naturaleza del estudio de investigación, es
decir, diferirá dependiendo de si estamos ante un estu-
dio cuantitativo o cualitativo.
Metodología cuantitativa
Herramienta de análisis estadístico. Se compone de es-
tadística descriptiva y estadística analítica o inferencial.
• Estadística descriptiva: permite encontrar y describir
las relaciones entre las variables que hemos estudiado,
así como si las relaciones halladas son o no fruto del azar.
Permite resumir y analizar la información obtenida de
la muestra.
Los hallazgos se reflejan en tablas o gráficos (se usa
unas u otros dependiendo del tipo de variable y si se
quiere representar una o más variables), aunque la ma-
yor parte de las veces se trabaja con las siguientes medi-
das:
– Medidas de posición o tendencia central (variables
cuantitativas): media aritmética, moda, mediana.
– Medidas de dispersión (variables cuantitativas): rango
/ amplitud / recorrido, varianza, desviación típica o es-
tándar, coeficiente de variación, rango intercuartílico y
desviación intercuartilar.
– Medidas de posición o frecuencias (variables cualitati-
vas): cuartiles, deciles, percentiles.
• Estadística analítica o inferencial: se trata de una téc-
nica mediante la cual se obtienen generalizaciones, es
decir, permite la extrapolación de los hallazgos de la
muestra a la población. Se puede realizar mediante dos
procedimientos: estimación de parámetros y contraste
de hipótesis.
– Estimación de parámetros poblacionales (puede ser
puntual o por intervalos): trata de estimar el valor de los
parámetros poblacionales a partir del valor de los esta-
dísticos obtenidos en el estudio de una muestra, los cua-
les reciben el nombre de estimadores. La estimación de
parámetros puede ser puntual (atribuyendo al paráme-
tro un único valor) o bien puede hacerse por intervalos
(atribuyendo al parámetro un rango de posibles valores).
En este último caso, se puede precisar la probabilidad de
que el valor del parámetro se encuentre en el intervalo
de valores estimado. Para que un estadístico sea tomado
como estimador de un parámetro poblacional, debemos
contar con ciertas garantías de que los valores del esta-
dístico (estimaciones) se aproximen al verdadero valor
del parámetro. Una de las condiciones básicas es que la
muestra sea representativa de la población, a lo que con-
tribuye especialmente el que la muestra sea aleatoria.
– Contraste de hipótesis: es un método de razonamiento
que nos permite decidir si una hipótesis es cierta o no y
con qué probabilidad de equivocación. Cuando quere-
mos comprobar si nuestra hipótesis inicial es cierta o se
debe al azar, realizamos un test de contraste de hipóte-
sis para obtener el valor de «p». Con el valor obtenido,
sabremos qué hipótesis debemos aceptar, si la hipótesis
nula que nos dice que no hay diferencias estadísticas
entre las variables (es decir, la diferencia se debe única-
mente al azar) o la hipótesis alternativa que nos dice que
sí hay diferencias estadísticas entre las variables (no se
debe al zar). Si «p» < 0.05, se acepta la hipótesis alterna-
tiva, y si es > 0.05, se acepta la hipótesis nula.
Dentro del test de contraste de hipótesis tenemos las
pruebas paramétricas y las pruebas no paramétricas.
- Pruebas paramétricas: las variables analizadas en la
población de origen siguen una distribución normal.
Generalmente tienen mayor potencia estadística. Las
pruebas más usadas son:
· Chi cuadrado: variable cualitativa + variable cualitativa.
· T student: variable cualitativa de 2 categorías + variable
cuantitativa.
· ANOVA: variable cualitativa de más de 2 categorías +
variable cuantitativa.
· Correlación de Pearson: variable cuantitativa + variable
cuantitativa.
- Pruebas no paramétricas: las variables no siguen una
distribución normal. Son pruebas de menor precisión
que las paramétricas. Se emplean también cuando los
tamaños maestrales son pequeños (menos de 30 indivi-
duos).
Cada test paramétrico tiene un test no paramétrico
para emplear en caso de que no se cumplan las condi-
ciones reseñadas anteriormente. Las pruebas no para-
métricas no hacen suposiciones acerca de la escala de
los datos.
· Chi cuadrado (paramétrico) – Test de Fisher y Yates
(no paramétrico).
· T student (paramétrico) – U de Mann Whitney (no pa-
ramétrico).
· ANOVA (paramétrico) – Kruskall Wallis.
· Correlación de Pearson (paramétrico) – Correlación
rho de Spearman.
Para el análisis de datos cuantitativos se pueden em-
plear programa informáticos de análisis estadístico como
el Statistical Package for the Social Sciences (SPSS).
Metodología cualitativa
A diferencia de los estudios cuantitativos, el análisis
no se lleva a cabo al final de la recogida de datos, sino que
se va haciendo simultáneamente con su recogida. Esto se
debe a que, en la investigación cualitativa, las etapas no
son lineales, sino que se sigue una estructura en espiral.
Existen diversas técnicas de análisis e interpretación de
la información en la investigación cualitativa, aunque el
proceso puede resumirse en las siguientes etapas:
1. Transcripción de la entrevista palabra por palabra:
debe realizarse tan pronto como sea posible teniendo en
cuenta el tono, la inflexión de la voz y las pausas. Una vez
realizada la transcripción se recomienda escuchar la gra-
ROL Febrero 61
Investigación
bación con el texto delante, y realizar anotaciones sobre
la transcripción.
– Inmersión: una vez transcrita la entrevista es necesario
familiarizarse con los datos a través de la lectura de notas
y transcripciones, el recuerdo de observaciones y expe-
riencias, la escucha de las grabaciones y la visualización
de vídeos, y la identificación de lo que no está escrito,
por ejemplo: sentimientos, énfasis y comunicación no
verbal.
– Reducción: es el proceso de reducción del volumen de
datos para facilitar su análisis y la búsqueda de un signi-
ficado provisional de los datos.
2. Análisis e interpretación de los datos:
– Descubrimiento: consiste en la lectura repetida de los
datos, a ser posible por más de un investigador (trian-
gulación), siguiendo la pista de los temas, intuiciones,
interpretaciones e ideas, identificando los temas emer-
gentes (vocabulario, actividades recurrentes, sentimien-
tos, significado), elaborando tipologías o esquemas de
clasificación, y en la lectura del material bibliográfico
disponible acerca del tema en cuestión.
– Codificación: es un proceso sistemático de lectura, des-
composición y etiquetación del texto que permite con-
densar los datos en unidades analizables. Los códigos se
definen como símbolos o abreviaturas utilizadas para
clasificar palabras o frases de los datos, y deben explicar-
se a modo de glosario por el investigador.
– Pensamiento reflexivo: consiste en el establecimiento
de una interacción dinámica entre el investigador y su
experiencia de los datos, explorando los sentimientos
o experiencias que puedan influir en su análisis e inter-
pretación. Para ello es necesario realizar un ejercicio de
introspección y autoconciencia: «¿Cómo afecta el hecho
de ser quien soy al proceso de análisis e interpretación de
los datos?».
3. Interpretación: a pesar de aparecer en último lugar,
la interpretación comienza desde el primer momento
en que comenzamos el análisis de los datos, ganando en
intensidad y profundidad a medida que se avanza en
el trabajo. Consiste en el proceso de separación de los
datos para elevarnos al nivel de las ideas y conceptos,
que en última instancia lleva a la formulación de una
teoría. Puede representarse de forma gráfica (mapa
conceptual).
9. Aspectos administrativos
9.1. Guía de trabajo de campo
Enumerar los pasos que se han de seguir en la investiga-
ción, es decir, el plan de trabajo dividido en tareas con-
cretas e indicando qué personas llevarán a cabo dichas
actividades (en este apartado no se incluye el tiempo).
9.2. Recursos humanos
Personas necesarias para llevar a cabo el estudio. Sirva
como ejemplo: dos entrevistadores que además se en-
62 Rev ROL Enferm 2016; 39(2): 134
cargarán del procesamiento posterior de los datos, un
estadístico, un traductor…
9.3. Recursos materiales
Recursos necesarios para llevar a cabo el estudio, recur-
sos no fungibles y fungibles. Sirvan como ejemplo:
• No fungible: consulta, ordenador portátil con licencia
de uso de IBM SPSS Statistics y teléfono móvil.
• Fungible: bolígrafos y fotocopias.
9.4. Presupuesto
Ha de incluir los recursos humanos (aunque no sean re-
munerados), los materiales fungibles y los no fungibles.
Debe ser un presupuesto realista y asequible.
Debe incluir además al personal contratado para el
PI (becarios) y, si fuera necesaria, la necesidad de for-
mación de otros profesionales, así como su coste. Ha de
incluir también viajes, dietas y otros gastos.
9.5. Cronograma
Tabla de la guía de campo (tareas) incluyendo el tiempo
(generalmente se divide en meses). Es importante que
sea realista.
Es muy importante que el tiempo de cada tarea coin-
cida con los tiempos de la investigación.
Se contemplarán las posibles demoras en la obten-
ción de ciertos documentos o permisos.
10. Consideraciones éticas
En los estudios que se llevan a cabo con pacientes, debe
garantizarse el máximo grado de respeto, así como la
máxima confidencialidad, una situación regulada por
normativa legal. En estos casos, también resulta obliga-
toria la suscripción de una póliza de responsabilidad ci-
vil. La firma del consentimiento informado tras haberse
explicado la finalidad del estudio en terminología com-
prensible es una obligación de todo investigador.
Se mencionarán también qué entidades, institucio-
nes, comités, etc. deben aprobar la realización del PI.
11. Bibliografía
Las referencias bibliográficas se escribirán empleando
la normativa de Vancouver, referenciando por orden de
aparición con superíndice.
Es importante referenciar bibliografías o artículos re-
cientes (de los últimos cinco años), pero también hay
que tener en cuenta que algunas referencias relevantes o
interesante pueden ser más antiguas (autores clásicos).
12. Anexos
El investigador debe exponer aquí información nece-
saria para que los evaluadores tengan información sufi-
ciente sobre cómo se desarrollará el PI.
Sirvan como ejemplo de anexos que han de adjun-
tarse:
• La intervención diseñada en un estudio de tipo expe-
rimental.
• El documento donde se recogerá la información pres-
tada a los participantes.
• El documento que recoge el consentimiento informa-
do que deberá rellenar y firmar el participante.
• Los guiones de entrevistas semiestructuradas.
• Las herramientas o instrumentos de valoración.
13. Otras recomendaciones
• Lo más importante a la hora de redactar un PI es cum-
plir de manera estricta las normas de contenido y forma-
to que requiera la institución, entidad financiera, etc. a
la que se vaya a enviar el documento. El incumplimiento
de las normas de formato se considera un error grave.
• Se recomienda incluir una portada y un índice para
que el redactado sea más formal y ayude a la lectura.
• Resulta imprescindible tener cuidado con la extensión
del documento, tanto por exceso como por defecto: hay
que poner la información necesaria que explique todo
el proceso y la bibliografía relevante suficiente.
• Es importante tener cuidado con la repetición de con-
ceptos. Del mismo modo, se ha de tener cuidado tam-
bién con explicar conceptos que, se supone, ya conoce
el lector del proyecto (por ejemplo, explicar los tipos de
estudios o los tipos de muestreo).
• Es imprescindible que el investigador no emplee ver-
bos en primera persona («yo opino», «pienso», «en mi
opinión», «creo»), sino que siempre escribirá usando
formas impersonales. El contenido del proyecto debe
llevar una base bibliográfica sólida, por lo que no es co-
rrecto expresar creencias u opiniones personales.
• Hay que repasar las faltas de ortografía, los signos de
puntuación, etc. Para ello es útil leer en alto el manuscri-
to y modificarlo si se detecta algún error.
• En cuanto a la presencia de tablas y figuras numeradas,
incluir solo las estrictamente necesarias para entender el
proyecto. Serán pocas, puesto que en el PI no se presen-
tan resultados.
bibliografía
Alústiza Echeverría JM, Salvador Pardo E, Castiella Eguzkiza A. ¿Cómo establecer la
hipótesis y los objetivos de un proyecto de investigación en Radiología? Radio-
logía. 2012; 54(1): 3-8.
Burns N, Grove SK. Investigación en enfermería. 3.a ed. Barcelona: Elsevier; 2004.
Fernández Lasquetty Blanc B. Introducción a la investigación en Enfermería. Madrid:
DAE; 2013.
Gil Garay E, Delgado Martos MJ, Canillas del Rey F. Cómo iniciar un proyecto de
investigación. Rev Esp Cir Ortop Traumatol. 2013; 57(1): 78-82.
Gil Latorre F. Fase preliminar de un proyecto de investigación. Rev. clín. med. fam.
2010; 3(1): 46-50.
González M, Mattar S. Las claves de las palabras clave en los artículos científicos. Rev
MVZ Córdoba. 2012; 17(2): 7-9.
Henríquez Fierro E, Zepeda González MI. Preparación de un proyecto de investiga-
ción. Cienc enfermería IX. 2003; (2): 23-8.
Icart Isern MT, Pulpón Segura AM. Cómo cumplimentar una solicitud de un pro-
yecto de investigación en ciencias de la salud. Aten. prim. 2000; 25(8): 576-83.
Lam Díaz RM. Metodología para la confección de un proyecto de investigación. Rev
Cubana Hematol Inmunol Hemoter. 2005; 21(2).
Santos Heredero FJ, Rodríguez Arias CA, Rodríguez Ballestero R. Metodología básica
de investigación en enfermería. Madrid: Ediciones Díaz de Santos; 2004.
Salamanca Castro AB. El aeiou de la investigación en enfermería. Getafe (Madrid):
FUDEN; 2013.
Serrano Gallardo P. Trabajo de fin de grado en ciencias de la salud. Madrid: Difusión
Avances de Enfermería (DAE); 2012.
ROL Febrero 63