Triangulación de un estudio cualitativo mediante regresión logística

Abstract

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

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