MirPirFir.

Diseño y métodos de investigación

Diseños experimentales, cuasi-experimentales, correlacionales, de caso único y estrategias de muestreo.

Revisada contra las fuentes50 fuentes34 preguntas reales

El tema revisa cómo se selecciona la muestra y cómo se estructura el diseño para responder con validez a la pregunta de investigación 1223. En muestreo, el estratificado divide la población en estratos homogéneos y muestrea dentro de todos ellos, mientras que el de conglomerados selecciona grupos o clusters completos 235. En diseño, el experimental manipula la variable independiente y asigna aleatoriamente; el cuasi-experimental carece de asignación aleatoria y puede usar reglas conocidas como un punto de corte 18142717. El bloqueo agrupa unidades similares para controlar variabilidad 84, y los diseños factoriales permiten estudiar efectos principales e interacción 1519. También se revisan medidas repetidas 29, caso único 28, validez interna 11 y series temporales interrumpidas 3437. Los contenidos sobre métodos mixtos, niveles de evidencia, reporte y otras respuestas oficiales sin respaldo directo en las fuentes se etiquetan como contenido derivado de preguntas PIR y se recogen en sin_fuente.

Estrategias de muestreo y representatividad

El muestreo puede ser probabilístico o no probabilístico 612. En el probabilístico se busca que las propiedades de la muestra sean extrapolables a la población y se presta atención a la determinación precisa del tamaño muestral 12. La afirmación de que una muestra representativa requiere tamaño suficiente y que las variables que caracterizan a la población estén presentes en ella es la respuesta oficial de PIR-2015-002 y se recoge en sin_fuente.

En el muestreo estratificado la población se divide previamente en estratos homogéneos respecto a la característica de interés, que no deben solaparse; después se muestrea dentro de los estratos 3. La afijación proporcional hace que el tamaño de cada estrato en la muestra sea proporcional a su tamaño en la población; la afijación óptima toma más individuos de los estratos con mayor variabilidad 3. El muestreo estratificado se distingue del de conglomerados porque en el primero se muestrea dentro de todos los estratos definidos, mientras que en el segundo se seleccionan algunos grupos completos 2. La afijación uniforme (asignar el mismo número de unidades a cada estrato) no equivale a la proporcional; este detalle es respuesta oficial de PIR-2020-004 y se recoge en sin_fuente.

En el muestreo por conglomerados la población se divide en grupos naturales y se selecciona una muestra aleatoria de grupos; después se muestrean elementos dentro de cada conglomerado 59. Puede ser de una etapa, si se estudian todos los elementos de los conglomerados seleccionados, o de dos etapas, si se toma una submuestra dentro de ellos 5. Se usa para reducir costes y número de entrevistas; la precisión es mayor cuando la variación está dentro de los grupos y no entre ellos 59. Un ejemplo aplicado es el muestreo por conglomerados de 30 clusters para evaluar cobertura vacunal 1.

Las fuentes disponibles solo distinguen muestreo probabilístico y no probabilístico 612; los detalles sobre muestreo de juicio, selección experta y criterios de inclusión se recogen como contenido PIR-2015-002 en sin_fuente.

Para el examen

  • Muestreo estratificado: se divide la población en estratos homogéneos y no solapados y se muestrea dentro de ellos 3.
  • Afijación proporcional: el tamaño de cada estrato en la muestra es proporcional a su tamaño poblacional; la óptima sobremuestrea los estratos más variables 3.
  • Muestreo por conglomerados: se seleccionan grupos completos y luego se muestrean sus elementos 59.
  • Estratificado y conglomerados no son equivalentes: el primero muestrea dentro de estratos; el segundo selecciona algunos clusters 2.
  • El muestreo probabilístico busca propiedades extrapolables a la población y exige cuidar el tamaño muestral 12.
  • La caracterización de la muestra representativa por tamaño suficiente y presencia de las variables poblacionales es contenido PIR-2015-002 (ver sin_fuente).

Diseños experimentales y control de validez interna

El diseño experimental es la planificación previa del experimento para recoger datos que permitan conclusiones válidas; implica elegir variables independientes o factores, variable de respuesta y variables de control 15. En el estudio experimental prototípico el investigador manipula el factor de estudio y aleatoriza a los sujetos en grupo control y experimental; si falta la aleatorización, se habla de estudio cuasiexperimental 18.

La validez interna es el grado en que la evidencia apoya una relación causal y permite descartar explicaciones alternativas o sesgos 11. Para garantizarla se usan técnicas de control. La aleatorización hace que las diferencias entre grupos se deban al azar 27, y el bloqueo controla la variabilidad de factores perturbadores 8. La clasificación de las técnicas de control en equilibración (aleatorización, apareamiento, bloques, contrabalanceo), constancia (mantener un único valor de la variable perturbadora en todos los grupos) y eliminación (suprimir la variable perturbadora), así como la idea de que la selección aleatoria de la muestra no es una técnica de control de la validez interna, son respuestas oficiales de PIR-2018-040 y se recogen en sin_fuente.

La asignación aleatoria hace que las diferencias entre grupos se deban al azar y no a un factor sistemático relacionado con el tratamiento 27; caracterizarla como técnica de equilibración que persigue reducir el sesgo de selección es la respuesta oficial de PIR-2016-049 y se recoge en sin_fuente. Por eso no debe confundirse con la selección aleatoria de la muestra: esta última afecta a la representatividad y la generalización, y no garantiza por sí misma la equivalencia inicial de los grupos, que depende de la asignación aleatoria 1227.

El bloqueo consiste en agrupar unidades experimentales similares según una o más variables para controlar la variabilidad que introducirían esos factores en el resultado 8. Tiene raíces en Fisher y en el desarrollo del ANOVA 8. Las variables de bloqueo se eligen porque pueden influir en el resultado observado 8, por lo que deben estar asociadas a la variable dependiente. En un diseño de bloques aleatorios se forma un factor de bloqueo y se asignan aleatoriamente los tratamientos dentro de los bloques; un ejemplo es estratificar por haber completado un entrenamiento y aleatorizar después a intervención o control 4. El bloqueo restringe la aleatorización completa, porque primero se agrupa por bloques y luego se aleatoriza dentro de ellos 84. Al homogeneizar las unidades dentro de cada bloque se reduce la heterogeneidad y la variabilidad atribuible a esos factores 8; que ello reduzca la varianza de error y aumente la potencia de la prueba F, y que el diseño no tenga como objetivo analizar la interacción tratamiento × bloqueo, son respuestas oficiales de PIR-2021-208 y PIR-2019-162 y se recogen en sin_fuente. Los análisis de bloques aleatorios pueden requerir procedimientos estadísticos específicos 7.

El diseño de covarianza emplea el análisis de covarianza (ANCOVA), un modelo lineal general que combina ANOVA y regresión y descompone la varianza de la variable dependiente en la explicada por la covariable o covariables, la explicada por la variable independiente categórica y la varianza residual o de error 35. Al ajustar la variable dependiente por la covariable reduce la varianza residual 35; el incremento de potencia y el hecho de que sea un control estadístico, no experimental, de la variable perturbadora son respuestas oficiales de PIR-2020-001 y se recogen en sin_fuente.

El diseño de cuatro grupos de Solomon incluye dos grupos con pretest y dos sin pretest y se utiliza cuando preocupa que el tratamiento se vea sensibilizado por el pretest 39. Un ejemplo es un ensayo aleatorizado con cuatro grupos de Solomon para evaluar una intervención educativa 38.

La varianza de error es la varianza residual del modelo, asociada al término de error no observado 35. Que se deba a factores aleatorios y no deba confundirse con la varianza intergrupos es contenido PIR recogido en sin_fuente.

Para el examen

  • Diseño experimental: manipulación del factor, control de variables extrañas y, prototípicamente, aleatorización 1518.
  • Validez interna: capacidad de descartar explicaciones alternativas de tipo causal 11.
  • Asignación aleatoria: hace que las diferencias entre grupos se deban al azar; no es lo mismo que seleccionar aleatoriamente la muestra 2712.
  • La asignación aleatoria como técnica de equilibración reduce el sesgo de selección (PIR-2016-049, ver sin_fuente).
  • Bloqueo: agrupa unidades similares para controlar variabilidad de factores perturbadores 8.
  • Bloques aleatorios: se aleatoriza dentro de bloques, no mediante aleatorización completa sin restricciones 48.
  • Diseño de covarianza: ANCOVA combina ANOVA y regresión y ajusta la VD por la covariable 35.
  • Solomon: cuatro grupos, dos con pretest y dos sin él, para controlar la sensibilización del pretest 39.

Diseños cuasiexperimentales y asignación no aleatoria

Un cuasiexperimento estima el impacto causal de una intervención sin asignación aleatoria a tratamiento y control 1427. Puede comparar grupos preexistentes o grupos creados sin aleatorización, por lo que los grupos pueden no ser comparables al inicio y la validez interna se ve amenazada por variables de confusión 1427. El investigador puede controlar la asignación con un criterio no aleatorio, por ejemplo una marca de corte o umbral de elegibilidad 27.

El diseño con grupo de control no equivalente es un diseño cuasiexperimental en el que el grupo de comparación no se ha formado por asignación aleatoria 1427. La caracterización de su regla de asignación como no aleatoria y no conocida, frente al umbral conocido de la RDD, es la respuesta oficial de PIR-2016-047 y se recoge en sin_fuente.

El diseño de discontinuidad en la regresión (RDD) es un diseño cuasiexperimental pretest-postest que asigna la intervención según un punto de corte y compara observaciones cercanas a ambos lados del umbral 17. Fue aplicado originalmente por Thistlethwaite y Campbell en 1960 para evaluar becas y planes de carrera 17. No conviene presentarlo como un diseño con grupo control no equivalente: su seña de identidad es la regla de corte conocida, no la simple existencia de grupos preexistentes 1727.

Los diseños de series temporales interrumpidas registran múltiples medidas antes y después de introducir la intervención o el tratamiento y analizan los cambios de nivel y de tendencia 3437. Un ejemplo es el análisis de series temporales interrumpidas para evaluar el efecto de una intervención sobre la percepción de participación en la atención al ictus 34; otro, el estudio de series temporales interrumpidas sobre el trastorno por consumo de cannabis tras la legalización 37.

Los diseños de cohortes comparan grupos definidos por una exposición preexistente, como haber estado expuesto a una enfermedad 14. La posibilidad de que una cohorte anterior al grupo experimental actúe como grupo de control no equivalente es respuesta oficial de PIR-2015-001 y se recoge en sin_fuente.

El diseño de covarianza, desarrollado en la sección anterior, emplea ANCOVA para el ajuste estadístico por covariables 35. Su uso en metodología cuasiexperimental para controlar el sesgo de selección es respuesta oficial de PIR-2020-001 y se recoge en sin_fuente.

La regla de asignación no aleatoria pero conocida es característica de la RDD 17. En los diseños con grupos preexistentes, la falta de aleatorización obliga a argumentar por qué la no equivalencia inicial no explica los resultados 14.

Para el examen

  • Cuasiexperimento: hay intervención, pero no asignación aleatoria a las condiciones 1427.
  • Los grupos cuasiexperimentales pueden ser preexistentes y no equivalentes al inicio 14.
  • La discontinuidad en la regresión usa un punto de corte o umbral conocido para asignar la intervención 17.
  • RDD: se compara a los sujetos próximos al umbral, pero no elimina todos los confusores 17.
  • Series temporales interrumpidas: múltiples medidas antes y después de la intervención 3437.
  • Cohortes: grupos definidos por una exposición preexistente 14.
  • No confundir la RDD, definida por un umbral conocido 17, con la caracterización PIR del grupo control no equivalente como regla no aleatoria y no conocida (PIR-2016-047, ver sin_fuente).

Diseños factoriales y correlacionales

En un diseño factorial se manipulan dos o más variables independientes o factores y se estudian sus efectos principales y la interacción entre ellos 1519. Un análisis factorial 2 × 2 permite evaluar el efecto de dos factores y comprobar si su interacción es significativa 19. Los estudios de combinaciones de fármacos subrayan que el interés puede estar en la interacción, no solo en los efectos individuales 16.

El estudio 2 × 2 sobre cemento y pretratamiento es un ejemplo de factorial con análisis de interacción 19. La distinción entre factorial aleatorio (factores entre sujetos), factorial de medidas repetidas (factores intrasujeto) y factorial de medidas parcialmente repetidas (combina factores intra e intersujeto) es contenido PIR (PIR-2017-235, ver sin_fuente); el diseño de medidas repetidas, en general, toma varias medidas de la misma variable en los mismos sujetos o emparejados 29. La opción que afirma que en el factorial aleatorio las variables independientes pueden ser a la vez intra e intersujeto es incorrecta (PIR-2017-235, ver sin_fuente).

Cuando la interacción es estadísticamente significativa, los efectos principales no son directamente interpretables y se aconseja interpretar los efectos simples; esta regla es respuesta oficial de PIR-2018-032 y se recoge en sin_fuente, ya que no está respaldada por las fuentes disponibles.

El diseño factorial fraccional reduce el número de condiciones al probar solo una parte seleccionada de las combinaciones del factorial completo; esto ahorra ejecuciones, pero puede confundir o entrelazar algunos efectos y complicar la interpretación 20.

El diseño correlacional forma parte de los tipos de diseño que definen la estrategia global de investigación 23. En datos correlacionales transversales no pueden extraerse conclusiones causales, aunque se observen asociaciones estadísticas entre variables 25. Por eso, una correlación significativa no equivale a relación causal ni a manipulación experimental 25.

Para el examen

  • Diseño factorial: varias variables independientes y análisis de efectos principales e interacción 1519.
  • El interés del factorial puede estar en la interacción entre factores 1916.
  • Factorial 2×2: permite evaluar dos factores y su interacción 19; la variante aleatoria con factores intersujeto y la parcialmente repetida son contenido PIR (ver sin_fuente).
  • Medidas repetidas: se toman varias medidas de la misma variable en los mismos sujetos o emparejados 29; la variante factorial es contenido PIR (ver sin_fuente).
  • Factorial fraccional: menos condiciones, pero posibles efectos confundidos 20.
  • Diseño correlacional: estudia asociaciones, no manipula necesariamente variables 23.
  • Con datos correlacionales transversales no se deben afirmar relaciones causales 25.
  • Si la interacción es significativa, se interpretan efectos simples, no efectos principales (PIR, ver sin_fuente).

Diseños de caso único y medidas repetidas

El diseño de medidas repetidas toma múltiples medidas de la misma variable en los mismos sujetos o en sujetos emparejados, sea en distintas condiciones o a lo largo del tiempo 29. Que reutilizar a los mismos sujetos reduzca el número de participantes necesarios frente a un diseño con muestras independientes es la respuesta oficial de PIR-2023-015 y se recoge en sin_fuente.

Los principales problemas de los diseños de medidas repetidas son los efectos de orden y los efectos residuales. Que amenacen la validez interna y que se controlen mediante contrabalanceo o equiponderación, y no mediante técnicas de eliminación, es contenido PIR recogido en sin_fuente. Además, en los diseños totalmente intrasujeto es necesario garantizar el supuesto de esfericidad para utilizar pruebas paramétricas (ver sin_fuente).

El diseño de caso único o experimental de caso único estudia intensivamente un solo participante o muy pocos, con fases de línea base, intervención y seguimiento, y analiza los cambios mediante representación gráfica y análisis visual 28. Un ejemplo es el estudio de una paciente bilingüe con afasia post-ictus, con dos semanas de línea base, dos de intervención y dos de seguimiento, evaluando la precisión de denominación 28.

Estos diseños son útiles cuando la población es muy específica o cuando interesa el cambio intraindividual; que la generalización a otros casos sea limitada es contenido PIR recogido en sin_fuente. No deben confundirse con diseños intersujeto de grupos independientes: en medidas repetidas cada sujeto se mide varias veces 29.

Para el examen

  • Medidas repetidas: varias medidas de la misma variable en los mismos sujetos o emparejados 29.
  • Ventaja económica: al reutilizar sujetos se necesitan menos participantes que con muestras independientes (PIR-2023-015, ver sin_fuente).
  • Caso único: línea base, intervención y seguimiento con análisis visual del cambio 28.
  • El caso único permite estudiar cambios intraindividuales; la limitación de generalización se recoge en sin_fuente.
  • Medidas repetidas no equivale a grupos independientes: el sujeto se mide varias veces 29.
  • Efectos de orden: se controlan con contrabalanceo o equiponderación, no con eliminación (PIR, ver sin_fuente).

Métodos mixtos, niveles de evidencia y reporte

El diseño de investigación es la estrategia global para responder a la pregunta; define el tipo de estudio —descriptivo, correlacional, semiexperimental, experimental, revisión o metaanálisis—, el problema, las hipótesis, las variables y el plan de análisis 23. Un diseño fuerte produce respuestas válidas; uno débil produce respuestas poco fiables, imprecisas o irrelevantes 23. La pregunta de investigación determina si el estudio será cualitativo, cuantitativo o mixto 32. La investigación cuantitativa cuantifica y analiza datos con herramientas estadísticas 33, mientras que la cualitativa indaga en experiencias específicas 33.

Los métodos mixtos combinan estrategias cualitativas y cuantitativas en el mismo estudio y buscan integrar los hallazgos para lograr una comprensión más completa del fenómeno; esta es la respuesta oficial de PIR-2025-013 y se recoge en sin_fuente, ya que las fuentes disponibles solo permiten afirmar que el estudio puede ser cualitativo, cuantitativo o mixto 32.

En investigación médica, el objetivo es generar conocimiento útil para el diagnóstico, tratamiento y prevención de enfermedades 30. Las revisiones sistemáticas pueden incluir ensayos aleatorizados y estudios cuasi-experimentales y valorar su calidad metodológica 13. El diseño experimental se planifica antes de recoger los datos para evitar sesgos y analizarlos estadísticamente 15.

El apartado de Resultados de un informe de investigación refleja los datos resumidos y los resultados de los análisis estadísticos, no los datos brutos ni la discusión; esta es la respuesta oficial de PIR-2015-122 y se recoge en sin_fuente.

El sistema GuíaSalud establece 8 niveles de evidencia (de 1++ a 4) y 4 grados de recomendación (de A a D); las opiniones de expertos y las series de casos clínicos suponen grado de recomendación D. Esta es la respuesta oficial de PIR-2019-064 y se recoge en sin_fuente, ya que no está respaldada por las fuentes disponibles.

Para el examen

  • El diseño de investigación define tipo de estudio, hipótesis, variables y plan de análisis 23.
  • Un diseño fuerte produce respuestas válidas y uno débil, respuestas imprecisas o irrelevantes 23.
  • La pregunta de investigación determina si el estudio es cualitativo, cuantitativo o mixto 32.
  • Métodos mixtos: combinación e integración de estrategias cualitativas y cuantitativas (PIR-2025-013, ver sin_fuente).
  • GuíaSalud: 8 niveles de evidencia y 4 grados; opiniones de expertos y series de casos = grado D (PIR-2019-064, ver sin_fuente).
  • Resultados: datos resumidos y análisis estadísticos, no datos brutos ni discusión (PIR-2015-122, ver sin_fuente).
  • La investigación médica busca conocimiento aplicado a diagnóstico, tratamiento y prevención 30.

Trampas habituales

  • Confundir muestreo estratificado con muestreo por conglomerados: el estratificado divide en estratos y muestrea dentro de todos; el de conglomerados selecciona algunos grupos completos 259.
  • Creer que la afijación proporcional es lo mismo que la uniforme: en la proporcional el tamaño de cada estrato en la muestra es proporcional al poblacional 3; la uniforme reparte el mismo número por estrato (ver sin_fuente).
  • Pensar que el diseño de bloques aleatorios equivale a aleatorización completa: primero se forman bloques de unidades similares y luego se asignan aleatoriamente los tratamientos dentro de cada bloque 48.
  • Confundir asignación aleatoria a condiciones con selección aleatoria de la muestra: la primera produce diferencias debidas al azar entre grupos 27; la segunda afecta a representatividad 12 y no es técnica de control de validez interna (PIR-2018-040, ver sin_fuente).
  • Creer que todo cuasi-experimento carece de regla de asignación conocida: la RDD usa un punto de corte conocido 17; la caracterización del grupo control no equivalente como regla no aleatoria y no conocida es contenido PIR (PIR-2016-047, ver sin_fuente).
  • Confundir discontinuidad en la regresión con grupo control no equivalente: en RDD la asignación se basa en un umbral conocido 17.
  • Pensar que un factorial estudia varias variables dependientes: estudia varios factores o variables independientes y su interacción 1916.
  • Confundir medidas repetidas con muestras independientes: en medidas repetidas los mismos sujetos o emparejados se miden varias veces, lo que ahorra participantes 29.
  • Interpretar una correlación como causalidad: en datos correlacionales transversales no pueden extraerse conclusiones causales 25.
  • En medidas repetidas, los efectos de orden y residuales se controlan con contrabalanceo o equiponderación, no mediante técnicas de eliminación (PIR-2018-034, ver sin_fuente).
  • Si la interacción es significativa en un factorial, no se interpretan primero los efectos principales: se interpretan los efectos simples (PIR-2018-032, ver sin_fuente).
  • En bloques aleatorios, la variable de bloqueo debe asociarse a la variable dependiente y el diseño no busca analizar la interacción tratamiento × bloqueo (PIR-2021-208 y PIR-2019-162, ver sin_fuente).
  • GuíaSalud: las opiniones de expertos y las series de casos clínicos se asocian al grado de recomendación D, no al B ni al C (PIR-2019-064, ver sin_fuente).
  • Métodos mixtos no es sustituir lo cuantitativo por análisis avanzados: es combinar estrategias cualitativas y cuantitativas e integrar los hallazgos (PIR-2025-013, ver sin_fuente).
  • En el apartado de Resultados se presentan datos resumidos y análisis estadísticos; los datos brutos y la discusión no van ahí (PIR-2015-122, ver sin_fuente).
  • El diseño de covarianza es control estadístico (ANCOVA), no control experimental de la variable perturbadora (PIR-2020-001, ver sin_fuente).
  • En el factorial aleatorio los factores son intersujeto; no cabe afirmar que las variables independientes son a la vez intra e intersujeto (PIR-2017-235, ver sin_fuente).

Autores clave

Ronald Fisher
El bloqueo en el diseño de experimentos se origina en su trabajo y en el desarrollo del ANOVA; consiste en agrupar unidades similares para controlar variabilidad 8.
Donald Thistlethwaite y Donald Campbell
Aplicaron originalmente el diseño de discontinuidad en la regresión en 1960 para evaluar el efecto de programas de becas en los planes de carrera 17.
Richard Solomon
Desarrolló en 1949 el diseño de cuatro grupos que lleva su nombre, útil cuando preocupa que el pretest sensibilice a los participantes al tratamiento 39.

Glosario

Muestreo estratificado
División de la población en estratos homogéneos y no solapados, con muestreo dentro de cada estrato 3.
Muestreo por conglomerados
Selección aleatoria de grupos o clusters completos y posterior muestreo de elementos dentro de ellos 59.
Afijación proporcional
Reparto de la muestra en el que el tamaño de cada estrato es proporcional a su tamaño en la población 3.
Bloqueo
Agrupación de unidades experimentales similares para controlar la variabilidad de factores que podrían influir en el resultado 8.
Diseño de bloques aleatorios
Diseño en el que se forman bloques de unidades similares y se asignan aleatoriamente los tratamientos dentro de cada bloque 48.
Diseño de covarianza (ANCOVA)
Modelo lineal general que combina ANOVA y regresión y ajusta la variable dependiente por una o más covariables, descomponiendo la varianza en explicada por la covariable, por la variable independiente y residual 35.
Validez interna
Grado en que un estudio permite sostener una relación causal y descartar explicaciones alternativas o sesgos 11.
Cuasiexperimento
Diseño de intervención que estima efectos causales sin asignación aleatoria a tratamiento y control 1427.
Discontinuidad en la regresión
Diseño cuasiexperimental pretest-postest que asigna la intervención según un punto de corte y compara sujetos cercanos al umbral 17.
Series temporales interrumpidas
Diseño con múltiples medidas antes y después de la intervención que analiza cambios de nivel y de tendencia 3437.
Diseño de cuatro grupos de Solomon
Diseño con dos grupos con pretest y dos sin pretest, utilizado para controlar la sensibilización producida por el pretest 39.
Diseño factorial
Diseño con dos o más factores que permite analizar efectos principales e interacción 1519.
Medidas repetidas
Diseño en el que se toman varias medidas de la misma variable en los mismos sujetos o en sujetos emparejados 29.
Caso único
Diseño experimental que estudia intensivamente un solo caso con fases de línea base, intervención y seguimiento 28.

Preguntas reales de este tema

Fuentes

  1. 1Cluster sampling methodology to evaluate immunization coverage. · Sharma A, Jain RB, Satija J, Sharma A, Sharma A, Shekhawat S., 2024 · Artículo · acceso abierto
  2. 2Stratified randomization · Wikipedia (en) · acceso abierto
  3. 3Muestreo estratificado · Wikipedia · acceso abierto
  4. 4Strategic simulation-based management of triage clinical reasoning in novice emergency nurses: A randomized block design study. · Jung MJ, Oh WO., 2026 · Artículo
  5. 5Cluster sampling · Wikipedia (en) · acceso abierto
  6. 6Estrategias de muestreo · Wikipedia · acceso abierto
  7. 7Saddlepoint approximations for linear rank tests with left-truncated, right-censored, and cross-sectional data under randomized block design. · Kamal KS, Abd El-Raheem AEM, Ramadan MM., 2026 · Artículo · acceso abierto
  8. 8Blocking (statistics) · Wikipedia (en) · acceso abierto
  9. 9Muestreo por conglomerados · Wikipedia · acceso abierto
  10. 10Predictions and goals modulate use of partner's gaze during joint action with humanoid robots. · Perez-Osorio J, Wiese E, Abubshait A, Wykowska A., 2026 · Artículo · acceso abierto
  11. 11Internal validity · Wikipedia (en) · acceso abierto
  12. 12Muestreo (estadística) · Wikipedia · acceso abierto
  13. 13Effects of Aromatherapy on Stress and Anxiety Among Intensive Care Unit Nurses: A Systematic Review. · Avcı A, Avcı M., 2026 · Artículo · acceso abierto
  14. 14Quasi-experiment · Wikipedia (en) · acceso abierto
  15. 15Diseño experimental · Wikipedia · acceso abierto
  16. 16Optimal Designs for Identifying Effective Doses in Drug Combination Studies. · Schürmeyer L, Sandig L, Kühne J, Hezler LT, Igl BW, Schorning K., 2026 · Artículo · acceso abierto
  17. 17Regression discontinuity design · Wikipedia (en) · acceso abierto
  18. 18Estudio experimental · Wikipedia · acceso abierto
  19. 19Retention of graphene-reinforced polymethyl methacrylate crowns bonded to titanium-base abutments: an exploratory in vitro study. · Prats Sisquella B, A Peeva N, Torné-Durán S, Ascaso-Terren C, Escuin-Henar T., 2026 · Artículo · acceso abierto
  20. 20Fractional factorial design · Wikipedia (en) · acceso abierto
  21. 21Bloqueo auriculoventricular · Wikipedia · acceso abierto
  22. 22Integrated Development of Spatial Regeneration and the Cultural and Creative Industries in Chinese Traditional Villages: A Correlational Literature Review · Lyu W., 2026 · Artículo
  23. 23Research design · Wikipedia (en) · acceso abierto
  24. 24Dispositivo de bloqueo de arranque · Wikipedia · acceso abierto
  25. 25Associations between the Chinese physical education and health Curriculum model to the psychological stress of junior middle school students: The chain mediating role of psychological resilience and physical self-efficacy. · Shi L, Liu L, Zong Y, Lou H, Ma A., 2026 · Artículo · acceso abierto
  26. 26Glossary of experimental design · Wikipedia (en) · acceso abierto
  27. 27Cuasiexperimento · Wikipedia · acceso abierto
  28. 28Efficacy of rTMS in Post-Stroke Bilingual Aphasia: A Single Case Experimental Design. · Siklafidou IP, Arheix-Parras S, Hameau S, Python G, Glize B., 2026 · Artículo
  29. 29Repeated measures design · Wikipedia (en) · acceso abierto
  30. 30Investigación médica · Wikipedia · acceso abierto
  31. 31Sample Size Reduction by Applying ML Based Causal Inference Methods. · Youn A, Han G, Gerard E, Poonia N, Olmos S, Zhang B, Cho M, Houseman A., 2026 · Artículo
  32. 32Research question · Wikipedia (en) · acceso abierto
  33. 33Investigación cuantitativa · Wikipedia · acceso abierto
  34. 34A Quality Improvement Study on Patient-Perceived Participation in Care Decisions at a Comprehensive Stroke Center Using a Standardized Patient Information Tool. · Inamullah O, Hendrix L, Jones Z., 2026 · Artículo · acceso abierto
  35. 35Analysis of covariance · Wikipedia (en) · acceso abierto
  36. 36Metodología de ciencias sociales · Wikipedia · acceso abierto
  37. 37Adolescent cannabis use disorder following recreational cannabis legalization in California, USA: A population-based interrupted time series study. · Padon AA, Cortez CA, Alexeeff SE, Slama NE, Pacula RL, Silver LD, Sterling SA, Campbell CI, Satre DD, Does MB,…, 2026 · Artículo
  38. 38Effectiveness of a Nurse-Led, WhatsApp-Based, Interactive Educational Intervention on Skin Cancer Knowledge and Sun Protection Behaviors: A Randomized, Controlled, Solomon Four-Group Study. · Bebiş H, Gül Z., 2026 · Artículo · acceso abierto
  39. 39Solomon four-group design · Wikipedia (en) · acceso abierto
  40. 40Effect of an electronic health record-integrated machine learning asthma risk marker on pediatrician prognostic accuracy during preschool age: a pilot randomized clinical trial. · Owora AH, Jiang B, Shah Y., 2026 · Artículo · acceso abierto
  41. 41Getting your publication right - Part 3 structuring a research manuscript: A guide to writing clinical trials. · Mitra A, Kumar RSM, Singh S, Natanasabapathy V, Sharma S, Asthana G, Taneja S, Saha SG., 2026 · Artículo · acceso abierto
  42. 42Sampling (statistics) · Wikipedia (en) · acceso abierto
  43. 43Falacia de la frecuencia base · Wikipedia · acceso abierto
  44. 44Deciphering the Benefits and Risks of Single-Inhaler Triple Therapy in COPD. · Kopitovic I, Dimic-Janjic S, Stjepanovic M, Hromis S, Zvezdin B, Ilic MP, Kolarov V, Milic R, Cekerevac I, Cupurdija…, 2026 · Artículo · acceso abierto
  45. 45Economía experimental · Wikipedia · acceso abierto
  46. 46Effect of adding preoperative serratus anterior plane block to intercostal nerve block with liposomal bupivacaine on postoperative pain in patients undergoing video-assisted thoracoscopic lung resection: study protocol for a prospective randomized controlled trial. · Liang H, Cui Q, Wang Q, Ding H, Zhou Y, Ling Z, Ran M, Tang L., 2026 · Artículo · acceso abierto
  47. 47Sample size determination · Wikipedia (en) · acceso abierto
  48. 48Erector spinae plane block added to intercostal nerve block versus intercostal nerve block alone for postoperative analgesia in video-assisted thoracoscopic surgery: A randomized controlled trial. · Kim H, Won D, Chang JE, Hwang JY, Lee JM, Kim TK., 2026 · Artículo · acceso abierto
  49. 49Psychoanalysis · Wikipedia (en) · acceso abierto
  50. 50Bit Allocation in Spatially Correlated Sensor Fields: A Comparative Study of Contribution-Aware and Heuristic Approaches. · Byun SS., 2026 · Artículo · acceso abierto

Guía de estudio personal, elaborada a partir de las fuentes citadas y revisada contra ellas y contra la plantilla oficial de respuestas. No es material oficial y puede contener errores: si ves alguno, contrasta con el manual.