Relación entre índice de masa corporal y trastorno por déficit de atención con hiperactividad en niños / Relationship between body mass index and attention deficit disorder with hyperactivity in children

Introducción: El índice de masa corporal es un indicador de la densidad corporal. El trastorno por déficit de atención con hiperactividad es un síndrome que presenta tres síntomas: inatención, hiperactividad e impulsividad. Objetivo: Analizar la relación entre el índice de masa corporal y el trastorno por déficit de atención con hiperactividad en niños. Métodos: Investigación observacional, transversal, analítica bivariada y ambispectiva, desarrollada en 111 niñas y 125 niños, de 10 a 12 años de edad estudiantes de la Unidad Educativa Hispano América de la ciudad de Ambato, Ecuador, en el período septiembre 2017- febrero 2018. Los datos del índice de masa corporal y el trastorno por déficit de atención se procesaron en Microsoft Excel, el software Minitab® 18.1 para el cálculo de los coeficientes de correlación de Pearson y Spearman, y prueba de Grubbs para comprobar normalidad y análisis de valores atípicos. Resultados: La media del índice de masa corporal fue de 20,15 en niños y 20,63 en niñas, lo que se consideró normal. El trastorno por déficit de atención: 93,7 por ciento de niñas y 90,4 por ciento de niños, también fue normal. En estos últimos, existió una ligera predisposición por este trastorno. La correlación entre ambas variables fue ligeramente positiva: niñas 0,02 y niños 0,457. Conclusiones: El índice de masa corporal y el trastorno por déficit de atención con hiperactividad tienen parámetros normales en niñas y niños y existe entre ambos una correlación positiva débil. Es necesario establecer estrategias educativas para la disminución de la obesidad y malnutrición infantil(AU)

Introduction: The body mass index is an indicator of body density, determined by the relationship between body weight and height. Attention deficit hyperactivity disorder is a syndrome with three symptoms: inattention, hyperactivity and impulsivity. Objective: To analyze the relationship between the body mass index and the attention deficit hyperactivity disorder in students. Methods: Observational, cross-sectional, bivariate and ambispective analytical research, carried out in a population of 111 girls and 125 boys, from 10 to 12 years of the Hispanic American Education Unit of the city of Ambato, Ecuador, in the period September 2017 - February 2018. Processing data in Microsoft Excel for body mass index and for the attention deficit hyperactivity disorder, and with Minitab® 18.1 software for the calculation of coefficients of Pearson and Spearman correlation, as well as the normality tests and analysis of outliers with the Grubbs test. Results: The average for body mass index was 20.15 in boys and 20.63 in girls, considered normal. Normal results were obtained in the attention deficit hyperactivity disorder in 93.7 percent of girls and 90.4 percent of boys, there being a slight predisposition for this disorder. The correlation between both variables was slightly positive: girls 0.202 and boys 0.457. Conclusions: Both, body mass index and the attention deficit hyperactivity disorder have normal parameters in girls and boys, with a weak positive correlation between them. It was proposed to establish educational strategies for the reduction of obesity and child malnutrition(AU)

Criterios para la elección de una prueba estadística inferencial univariante / Criteria for choosing a univariate inferential statistical test

Es indiscutible la importancia de la Estadística en la investigación científica, como el medio que permite obtener información válida a partir de los datos; sin embargo, ante la disponibilidad de una gran cantidad de enfoques y pruebas estadísticas, resulta prioritario conocer los criterios para elegir las herramientas idóneas; entre ellos pueden enumerarse: el nivel de medida de cada variable incluida en el análisis, la pregunta de investigación o la hipótesis, el diseño de la investigación, la distribución de probabilidad de la variable independiente, el tipo de muestras utilizadas y el tamaño y diseño de muestra utilizados. En esta revisión bibliográfica se exponen los criterios para elegir una prueba estadística inferencial univariante, entre las alternativas paramétricas y no paramétricas, agrupándolos estos en tres categorías: la pregunta de investigación, la estructura de los datos y el diseño de la investigación. Respecto a la pregunta de investigación hay que distinguir entre las descriptivas, analíticas y experimentales. La estructura de los datos se refiere a las características de las variables como lo son, la escala de medición, la distribución de probabilidad, la independencia en la recolección de datos y la homocedasticidad. En cuanto al diseño de investigación, se debe considerar el carácter apareado o independiente de los grupos de comparación, el tipo de hipótesis planteada y los aspectos relacionados al muestreo. Finalmente, se presentan algoritmos concisos para la elección de las pruebas partiendo de la escala de medición de la variable respuesta y distinguiendo entre procedimientos paramétricos y no paramétricos...(AU)

The importance of the Statistics in scientific research is unquestionable, as the medium to obtain valid information from the data; however, given the availability of a large number of approaches and statistical tests, it is a priority to know the criteria for choosing the right tools; among them, it can be enumerated: the measurement level of each variable included in the analysis, the research question and the hypotesis, the research designs, the probability distribution of the outcome variable, the sample size and sample designd used. This review expose the criteria to choosing an univariate inferential statistical test, between the parametric and non-parametrica alternatives, grouping them in three categories:research question, data structure and research design. Regarding the research question, it is neccesary distinguish between descriptive, analytical and experimental ones. The data structure refers to the characteristics of the variables as they are, the scale of measurement, the probability distribution, independence in data collection and homoscedasticity. In terms of research design, should be considered the carácter paired or independent of the comparision groups, the type of hypotesis raised and issues related to sampling process. Finally, concise algorithms for the choice of statistica tests are presented; they are based on the identification of the scale of measurement of the outcome variable and distinguishing between parametric and nonparametric procedures...(AU)

Correlation of clinical and radiographic diagnosis of carious lesions in posterior teeth / Correlación del diagnóstico clínico y radiográfico de la lesión de caries en dientes posteriores

ABSTRACT. Introduction: dental caries is a public health problem affecting a large percentage of the population. The carious process is highly variable and has periods of progression that alternate with periods of stability of the damaged tissue. There are different techniques to diagnose dental caries, including clinical and radiographic evaluation. Objective: the objective of this study was to establish correlation between the clinical and radiographic caries diagnosis suggested by ICCMSTM, in deciduous and permanent molars of a school population. Methods: descriptive study evaluating a sample for convenience of 1174 proximal and occlusal tooth surfaces of permanent and deciduous molars, taken from the database of 35 outpatients treated at the school of dentistry, who were clinically and radiographically evaluated for caries as recommended by the ICCMSTM based on bitewing x-rays. Results: the clinical and radiographic diagnosis was correlated in 1174 proximal and occlusal surfaces, with 0.41 Spearman's rank correlation coefficient (p < 0,05). The findings suggest that 95.6% of teeth diagnosed as healthy coincided with the clinical and radiographic results; in early mild stages, there was coincidence in only 8.16% and 6.4% respectively. Conclusions: there is low correlation between the clinical diagnosis of caries and the radiographic examination, in relation to ICCMSTM standards.

RESUMEN. Introducción: la caries dental es un problema de salud pública que afecta a un gran porcentaje de la población. El proceso de actividad de la caries es muy variable y presenta períodos de progresión que alternan con períodos de detención del tejido dañado. Actualmente existen diversas técnicas para el diagnóstico de caries dental, entre las cuales se encuentra la evaluación clínica y radiográfica. Objetivo: el objetivo de este estudio consistió en establecer la correlación entre el diagnóstico clínico de caries y el diagnóstico radiográfico propuesto por el ICCMSTM, en molares temporales y permanentes de una población escolar. Métodos: estudio descriptivo, en el que se evaluó una muestra por conveniencia de 1174 superficies dentales proximales y oclusales de molares permanentes y temporales, tomada de la base de datos de 35 pacientes atendidos en área extramural de la escuela de odontología, los cuales fueron evaluados clínica y radiográficamente para caries según lo propuesto por el ICCMSTM a partir de radiografías aleta de mordida. Resultados: se correlacionó el diagnóstico clínico y radiográfico en 1174 superficies proximales y oclusales con un coeficiente de correlación de Spearman de 0,41 (p<0,05). Se encontró que el 95,6% de los dientes diagnosticados como sanos coincidió con los resultados clínicos y radiográficos; en estadios iniciales y moderados se encontró coincidencia solo en el 8,16% y 6,4% respectivamente. Conclusiones: hay baja correlación entre el diagnóstico clínico de caries y el examen radiográfico, según lo propuesto por ICCMSTM.

Aplicación de la estadística no paramétrica en el área de rehabilitación / The use non-parametric statistics in rehabilitation

In this article, we focus on the importance of obtaining statics that stray from the usual probabilistic distribution, such as normal distribution. These statics, known as non-parametric, are especially adequate when analyzing small samples (less than 30 individuals) within biomedical research. We elaborate and show examples of their use in rehabilitation.

En este artículo, se enfatiza la importancia de la obtención de estadísticas que no se ajustan a alguna distribución de probabilidad conocida, como la distribución normal por ejemplo, que se denominan no paramétricas, adecuadas para analizar un conjunto de datos provenientes de muestras de tamaño relativamente pequeño, inferiores a 30 unidades de observación en una investigación biomédica. Se desarrollan y ejemplifican los escenarios más comúnmente encontrados en el área de la rehabilitación.

Cliff´s Delta Calculator: un programa para calcular el tamaño del efecto no paramétrico al comparar dos grupos de observaciones / Cliff´s Delta Calculator: a non-parametric effect size program for two groups of observations

El estadístico Delta de Cliff permite cuantificar la magnitud de la diferencia entre dos grupos de observaciones que resultan incompatibles con el presupuesto de normalidad. El análisis de esta cuantificación complementa la interpretación del p-valor asociado a la correspondiente prueba de hipótesis. La aplicación de medidas del tamaño del efecto ha sido promovida durante las últimas décadas tanto por metodólogos, como por instituciones líderes en las ciencias del comportamiento. El propósito de la presente contribución es presentar un programa denominado Cliff's Delta Calculator que es capaz de calcular y graficar el valor del tamaño del efecto no paramétrico para dos grupos de observaciones. Se ofrece una comparación de este programa con otras calculadoras comerciales y no comerciales actualmente disponibles. Se describe su funcionamiento, sus fundamentos matemáticos y se presentan y discuten dos ejemplos de aplicación en la investigación psicológica. Se concluye que este programa presenta algunas ventajas en comparación con otras calculadoras comerciales disponibles.

The Cliff’s Delta statistic is a non-parametric effect size measure that quantifies the amount of difference between two groups of observations beyond p-values interpretation. This measure can be understood as a useful complementary analysis for the corresponding hypothesis testing. During the last two decades the use of effect size measures has been strongly encouraged by methodologists and leading institutions of behavioral sciences. The aim of this contribution is to introduce the Cliff’s Delta Calculator software that performs such analysis and offers some interpretation tips. Differences and similarities with the parametric case are analysed and illustrated. The implementation of this free program is fully described and compared with other calculators. Alternative algorithmic approaches are mathematically analysed and a basic linear algebra proof of its equivalence is formally presented. Two worked examples in cognitive psychology are commented. A visual interpretation of Cliff’s Delta is suggested. Availability, installation and applications of the program are presented and discussed.

Cómo construir una base de datos / How to building a database

La construcción de una base de datos es un aspecto importante durante la realización de una investigación. Aunque hay varios programas que permiten construir bases de datos, sugerimos utilizare paquetes estadísticos que provean el armamentario bioestadístico necesario para hacer los posteriores análisis. El programa SPSS es uno de los que tienen mayor acogida y es fácil de manejar, por ello lo utilizamos para los ejemplos. Antes de comenzar a construir la base de datos es muy importante determinar el nivel de medición de la variables, ya que de ello depende en gran parte el tipo de pruebas estadísticas que se van a utilizar. Hay cuatro tipo de variables de acuerdo al nivel de medición: nominales, ordinales, interválicas y proporcionales. Para las variables nominales y ordinales se utilizan pruebas no paramétricas; mientras que para las interválicas y proporcionales se utilizan pruebas paramétricas. Se describe paso a paso cómo ingresar una variable nominal y una variable proporcional, haciendo énfasis en aspectos de formato del paquete estadístico. Se hacen varias recomendaciones para sacar el máximo provecho a la base de datos.

A database construction is an important step in research development. Although several software packages permit you to building a database, we would suggest you to use a statistics software packages that supply you with biostatistics options to do any wished analysis. SPSS software package has wide reception and is easy to run, for that reason we used it for the following examples. Before anything else, to determine measurement level of study variables it is a central point, which is the main determinant to select a statistic test. Four variables are described according to measurement level: nominal, ordinal, interval and ratio variables. For nominal and ordinal variables non-parametric tests are used; otherwise, interval and ratio variables are analyzed with parametric tests. Step by step instructions to enter nominal and ratio variables are described; format topics of software package are highlighted. Some recommendations for maximum advantage of database are outlined.