Principios y orientación para el análisis de datos.

  • El punto fuerte de la PNIN

    El punto fuerte de las Plataformas Nacionales de Información sobre Nutrición radica en su habilidad para lo siguiente:

    1. Responder a preguntas relevantes sobre políticas de nutrición que nacen de la demanda de los tomadores de decisiones.
    2. Hacer un mejor uso de los datos cuantitativos existentes a nivel nacional y subnacional (según la disponibilidad/accesibilidad/calidad de los datos) con el fin de comprender mejor:
      • los avances y las disparidades entre las regiones en los determinantes y las metas de nutrición;
      • la cobertura de las intervenciones y programas específicos y en favor de la nutrición;
      • las inversiones en estos programas.

    El valor agregado del ciclo operacional de la PNIN es generar un diálogo constante entre los expertos en política y los analistas de datos para decidir sobre las preguntas relevantes sobre políticas prioritarias, el tipo de análisis y cómo los resultados de dicho análisis se comunicarán a los tomadores de decisiones en forma de recomendaciones prácticas para adoptar decisiones políticas. Esto se diferencia del enfoque habitual en el cual los analistas de datos analizan los datos, preparan un informe y lo comparten con los tomadores de decisiones, sin que haya mucha interacción entre ellos.

    • Debido a que el punto fuerte de la PNIN radica en responder a preguntas relevantes sobre políticas de nutrición y hacer un mejor uso de los datos existentes, los análisis de datos que la PNIN lleva a cabo deben respetar principios específicos.
    • A raíz de estos principios y a la naturaleza de los datos que la PNIN suele emplear, algunos métodos de análisis de datos son más adecuados que otros para proporcionar respuestas prácticas.

    Esta nota orientativa aclara estos dos puntos desde el "enfoque de los datos". Se debería emplear en plena coherencia con la nota orientativa referida a la formulación de preguntas sobre políticas (consulte la sección 2).

    Esta nota orientativa tiene los siguientes objetivos:

    • Ayudar a los equipos de datos a identificar o elegir el método apropiado de análisis de datos, de acuerdo con las preguntas sobre políticas de nutrición y la calidad de los datos.
    • Debatir los puntos fuertes y las limitaciones de las plataformas para los distintos tipos de análisis de datos, que se ilustran con ejemplos concretos y argumentos metodológicos.
    • Identificar los métodos y herramientas de análisis que son particularmente adecuados para brindar recomendaciones prácticas encaminadas a orientar las decisiones sobre presupuestos, programas y políticas de nutrición.

    En esta breve nota técnica, se resume esta sección y se puede emplear para lo siguiente:

    • Crear un entendimiento común entre las dependencias de política y datos, y con los miembros del Comité Asesor Multisectorial, de lo que la PNIN puede y no puede hacer en términos de análisis de datos.
    • Ayudar a los equipos de la PNIN a comunicar lo que la plataforma de información puede y no puede hacer en términos de análisis de datos a otras partes interesadas (entre ellas, los tomadores de decisiones, los expertos técnicos sectoriales, los donantes, los oficiales de política del programa FIRST de la FAO o los socios activos en las redes del Movimiento SUN).
    *****
    ¿QUÉ TIPOS DE DATOS SUELE EMPLEAR UNA PNIN?
  • Formulación de preguntas relevantes sobre políticas de nutrición

    Como se describe en la sección 2 relativa a la formulación de preguntas relevantes sobre políticas de nutrición, este tipo de pregunta reúne las siguientes características:

    1. responde a una necesidad política pertinente o al interés de la persona que toma las decisiones;
    2. puede responderse utilizando los datos cuantitativos existentes y la capacidad disponible;
    3. proporciona resultados oportunos para el uso de políticas o la toma de decisiones;
    4. proporciona respuestas que conducen a recomendaciones y acciones aplicables.

    ¿Cuáles son las repercusiones sobre el análisis de datos?

    *****
  • Repercusiones sobre el análisis de datos (1/4)

    Principio 1: La pregunta responde a una necesidad política pertinente o al interés de la persona que toma las decisiones

    • El objetivo del análisis lo establecen los tomadores de decisiones, no los analistas de datos. Es importante que los analistas de datos y los tomadores de decisiones dialoguen para especificar el objetivo y aclarar la pregunta.
    *****

    Principio 2: La pregunta puede responderse utilizando los datos cuantitativos existentes y la capacidad disponible

    • Los analistas de datos deben evaluar si es factible responder a una pregunta específica teniendo en cuenta la disponibilidad de los datos y su calidad. Esto también tiene repercusiones sobre los métodos de análisis de datos, que pueden ser particularmente adecuados o no (consulte las páginas 6 a 9 de esta sección).
    • La idea detrás de las plataformas de información es hacer un mejor uso de los datos existentes. Por consiguiente, los equipos de la PNIN no pueden responder a las preguntas que requieren la recopilación de nuevos datos. Sin embargo, es posible responder de manera parcial a la pregunta (al formular preguntas secundarias), o bien analizar si un tercero (p. ej., una institución de investigación) podría realizar un estudio o investigación específica para recopilar estos datos.
    • Los datos cualitativos, pese a que no son el objetivo principal de las plataformas de información, son una fuente importante de información para interpretar mejor los resultados obtenidos en los análisis de los datos cuantitativos.
    *****

    Principio 3: La pregunta proporciona resultados oportunos para el uso de políticas o la toma de decisiones

    • Los resultados del análisis se deben obtener a su debido tiempo. En otras palabras, deben estar disponibles en el momento en que los tomadores de decisiones.
    • Por ejemplo, si los tomadores de decisiones necesitan información para finalizar el nuevo Plan de Acción Multisectorial sobre Nutrición al final de un determinado año, de nada sirve realizar un análisis exhaustivo 3 meses más tarde. Es más importante llevar a cabo un análisis menos exhaustivo que esté listo a tiempo para contribuir a la adopción de decisiones.
    • El analista de datos no debe guiarse por la pregunta "¿Cuánto tiempo se necesita para obtener los resultados?", sino por la pregunta "¿Qué resultados reales se pueden obtener dentro del plazo propuesto?".
    *****
  • Repercusiones sobre el análisis de datos (2/4)

    Principio 4: La pregunta proporciona respuestas que conducen a recomendaciones y acciones aplicables

    • Los análisis de datos "internos" o "controlados por los países" pueden tener una mayor repercusión en los tomadores de decisiones que los análisis de datos sofisticados que llevan a cabo las organizaciones internacionales.
    • Los análisis descriptivos simples son, a veces, más reveladores que los análisis complejos porque el mensaje es claro y los datos se pueden presentar de manera sencilla y visual. Un gráfico de barras sencillo (figura 1) es más fácil de entender y es más probable que proporcione recomendaciones prácticas que una tabla de regresión (figura 2).

    (Asimismo, consulte la sección 4: Comunicación y difusión de los resultados obtenidos)

    *****
    FIGURA 1. EJEMPLO DE LA MICS DE GHANA, 2011

    (Fuente: REACH)

    *****
    FIGURA 2. EJEMPLO DE UN MODELO DE REGRESIÓN PARA EL ANÁLISIS CAUSAL DE NÍGER

    (Fuente: FEWS NET)

    *****
  • Repercusiones sobre el análisis de datos (3/4)

    Sin embargo, lo simple no significa rápido y descuidado. Lo que se haga se debe hacer de manera correcta.

    • Para ejercer influencia en los tomadores de decisiones, los análisis de datos y los resultados deben ser indiscutibles. La difusión de los resultados de un análisis dudoso puede perjudicar la reputación y la credibilidad de la plataforma y las organizaciones anfitrionas.
    • El análisis propuesto debe ser de excelente calidad, habida cuenta de los recursos disponibles.
    • Esto significa que debe haber coherencia entre la pregunta, los datos disponibles, la calidad de los datos, el método de análisis de datos y la capacidad de la dependencia de análisis de datos. Un plan bien diseñado y detallado de análisis de datos (consulte a continuación) garantiza esta coherencia general.
    • Un análisis de datos de alta calidad no significa necesariamente emplear métodos complejos de análisis de datos.
    • Al reconocer la necesidad de establecer con rapidez la credibilidad de la plataforma, es importante identificar una pregunta inicial que exija realizar sin demora un análisis (para ello, primero se deben recoger las "frutas maduras").
    • El panel de nutrición de la PNIN (consulte la sección 3.5) es un ejemplo de un análisis llevado a cabo con rapidez. SOLO es útil si se emplea para entablar el diálogo sobre políticas con los tomadores de decisiones (consulte la sección 2).
    *****
    ¿CÓMO DISEÑAR UN PLAN DE ANÁLISIS DE DATOS?
  • Repercusiones sobre el análisis de datos (4/4)

    Los resultados deberían "contar una historia".

    • El enfoque de la PNIN emplea vías de impacto en la nutrición para desglosar las preguntas generales sobre políticas que a menudo se relacionan con el impacto. La vía de impacto es una manera lógica de organizar varios elementos que conducen al impacto (entradas – actividades – salidas – resultados – impacto). Una pregunta general sobre impacto se puede dividir en varias preguntas secundarias, que muy probablemente se pueden responder con los datos existentes, como las preguntas relacionadas con las entradas (recursos financieros y humanos), las actividades (las intervenciones) y los resultados (cobertura de las intervenciones en la población objetivo).
    • El análisis de los datos relacionados con los distintos elementos de la vía de impacto en la nutrición no debería ser solo una recopilación de indicadores. Puede contar una excelente historia que haga que el flujo lógico de la vía sea claro y, por ende, haya más posibilidades de influir en los tomadores de decisiones.
    *****
    EJEMPLO
    El motivo por el cual una intervención agrícola en favor de la nutrición no se tradujo en una mejora de la nutrición se puede explicar de forma clara y convincente cuando se analizan los siguientes puntos:
    • las diferencias existentes en las inversiones en estas intervenciones en el transcurso del tiempo o entre los grupos de población (aportaciones en recursos humanos y financieros);
    • el cambio en la calidad y la frecuencia de ejecución de las intervenciones con el tiempo o entre los grupos de población (si están disponibles los datos para un indicador indirecto de realización de actividades);
    • qué proporción de la población objetivo obtuvo más beneficios de la intervención (por ejemplo, cobertura por quintil de ingreso), y
    • si hay un cambio en el factor de riesgo o el determinante con el paso del tiempo o entre los grupos de población (p. ej., puntuación relativa a la diversidad de la dieta).
*****
  • Métodos de análisis de datos adecuados para el establecimiento de la PNIN (1/3)

    Dados los principios de análisis de datos específicos de la PNIN y la naturaleza de los datos comúnmente disponibles en las encuestas de población o los sistemas de información rutinaria, como se describe en la sección anterior, algunos métodos de análisis de datos son más adecuados que otros para brindar recomendaciones prácticas encaminadas a orientar las decisiones sobre presupuestos, programas y políticas de nutrición. En la siguiente sección, se explica por qué:

    1. los métodos eficaces de análisis de datos descriptivo o comparativo deben ser el punto de partida de la PNIN;
    2. los datos de las encuestas de población o los datos rutinarios no permiten realizar un análisis sólido de las relaciones causales ni una evaluación del impacto;
    3. el análisis del costo-efectividad de las intervenciones requiere un contexto de investigación.
    *****

    1. Los métodos eficaces de análisis de datos descriptivo o comparativo deben ser el punto de partida de la PNIN.

    El análisis de tendencias, el análisis del presupuesto y el análisis multisectorial descriptivos, que emplean diferentes fuentes de información, son los métodos habituales de análisis de datos que son adecuados para responder las preguntas sobre políticas.
    Estos métodos reúnen las siguientes condiciones:

    • se pueden aplicar en las encuestas de población, los datos rutinarios o los datos de modelos;
    • transmiten un mensaje sencillo que es fácil de comunicar a los tomadores de decisiones;
    • ofrecen resultados que no generan controversia y que se pueden poner en práctica;
    • brindan resultados oportunos;
    • aprovechan al máximo los datos infrautilizados sobre las inversiones en nutrición y la cobertura de las intervenciones (parte izquierda de la vía de impacto, sección 2.3, página 5).

    Estos métodos siguen los principios de análisis de datos de la PNIN (consulte las páginas anteriores) y se adecuan al tipo de datos que la PNIN suele utilizar (esta sección, página 1).
    Lea los siguientes seis ejemplos de métodos de análisis comparativo o descriptivo que pueden ser útiles para los tomadores de decisiones.

    *****
    EJEMPLOS
  • Métodos de análisis de datos adecuados para el establecimiento de la PNIN (2/3)

    2. Los datos de las encuestas de población o los datos rutinarios no permiten realizar un análisis sólido de las relaciones causales ni una evaluación del impacto

    Es lógico que los tomadores de decisiones estén interesados en las preguntas importantes, por ejemplo: “¿Las inversiones realizadas en este programa permitieron reducir los niveles de anemia?”. Para llegar a una conclusión definitiva y afirmar que existe una relación causal, se deben cumplir algunas condiciones con el análisis de datos:

    • Existe una relación significativa en términos estadísticos entre la aplicación del programa de nutrición y la reducción de las tasas de anemia.
    • Las inversiones en el programa correspondiente ocurrieron antes de la reducción medida de la anemia (temporalidad).

    Esto, sin embargo, no alcanza para llegar a la conclusión de que existe una relación causal.

    Por ejemplo, una persona que bebe café todas las mañanas antes del amanecer podría concluir que beber café hace salir el sol. Existe una asociación perfecta y beber café es anterior a la salida del sol. No obstante, ¡nadie llegaría a esta conclusión!
    (Ejemplo proporcionado por J. Leroy, IFPRI. Mire el video de su presentación en la 1º Reunión Mundial de las PNIN en julio de 2018, en París)

    Se deben considerar otros factores, entre ellos:

    • Plausibilidad: la interpretación causal de la asociación observada debe ser coherente con los conocimientos existentes. Si conocemos las leyes del universo, no tiene sentido interpretar que la asociación entre beber café y el amanecer es causal.
    • Se deben verificar los factores de confusión (consulte a continuación) que podrían brindar una explicación alternativa para la asociación observada.
    • Hill y Bradford (1965) describieron otros criterios relativos a las relaciones causales en el artículo The Environment and Disease: Association or Causation?, publicado en Proceedings of the Royal Society of Medicine, 58(5): 295-300 (consulte a continuación).
    Utilizar los datos rutinarios o los datos de la encuesta de población para realizar un análisis causal puede inducir a error y ser objeto de críticas
    El siguiente ejemplo proporciona un caso real. Muchos estudios científicos emplean modelos de regresión para realizar un análisis causal sobre la nutrición mediante encuestas de población (Fuente: FEWSNET).
    Sin embargo, estos estudios:
    • pueden inducir a error y ser objeto de críticas porque no controlan todos los factores de confusión;
    • pueden tener una alta incidencia de colinealidad (cuando los determinantes están asociados);
    • casi nunca explican más del 20 % de la variabilidad observada;
    • raras veces aportan nueva información;
    • no suelen ofrecer recomendaciones prácticas.
  • *****
    INFORMACIÓN COMPLEMENTARIA Y EJEMPLOS

    The Environment and Disease: Association or Causation? Bradford & Hill, 1965

  • Métodos de análisis de datos adecuados para el establecimiento de la PNIN (3/3)

    3. El análisis del costo-efectividad de las intervenciones requiere un contexto de investigación.

    • Medir el costo-efectividad de las intervenciones exige comparar las diferentes intervenciones, medir su impacto relativo y evaluar con precisión todos los costos directos e indirectos relacionados con las intervenciones.
    • Por lo general, la recopilación de estos datos se debe realizar mediante un estudio científico riguroso y en un contexto de investigación.
    • El análisis de costo-efectividad no es adecuado para el enfoque de la PNIN, que no apunta a recopilar nuevos datos, sino a hacer uso de los datos existentes obtenidos en las encuestas de población.
    *****
    EJEMPLO DE UN ESTUDIO DE COSTO-EFECTIVIDAD
  • *****
  • Repercusiones en la adecuación de los métodos de análisis de datos para la formulación de preguntas relevantes sobre políticas de nutrición

    • El texto de las preguntas puede indicar directamente el empleo de un método puntual de análisis de datos. Por ejemplo, si una pregunta empieza con "¿Cuál es el costo-efectividad de la intervención X en...?", supone de manera directa un análisis de costo-efectividad. Por consiguiente, el hecho de que los datos existentes no se presten a tal método tiene una repercusión muy directa en la factibilidad de responder esta pregunta.
    • En algunos casos, el texto de la pregunta se puede adaptar para que dé lugar a un método de análisis de datos más adecuado para responder, completa o parcialmente, las inquietudes de los tomadores de decisiones. En particular, las preguntas que implican una metodología de evaluación del impacto deberán dividirse en preguntas secundarias que aborden los demás elementos en la vía de impacto. Esto se describe en la sección 2.
    • Se recomienda que la PNIN emplee datos existentes para analizar los avances logrados en la ejecución para alcanzar las metas de los planes de acción multisectorial sobre nutrición. Los avances se pueden medir en diferentes niveles de la vía de impacto, que abarca desde las entradas (recursos financieros y humanos), las actividades (intervenciones), los salidas (cobertura) hasta los resultados (determinantes) para el impacto en la nutrición.
    • Sin embargo, NO se recomienda utilizar los datos existentes para analizar las preguntas sobre la relación causal, el impacto y el costo-efectividad de la malnutrición. Para responder estas preguntas, se debe llevar a cabo una revisión bibliográfica a nivel mundial para proporcionar la información, o bien, si esto no es suficiente, se deberá diseñar un estudio específico para recopilar los nuevos datos.
    *****
    TIPOS DE PREGUNTAS ADECUADAS Y NO ADECUADAS PARA EL ANÁLISIS DE DATOS A CARGO DE LA PNIN
    *****
    CUATRO EJEMPLOS DE PREGUNTAS BIEN FORMULADAS
  • We use cookies. By continuing to use our site, you agree to this. Details and objection options can be found in our privacy policy.
    Use of third party offers

    In addition to technically necessary ‘session’ cookies, this website uses Matomo tracking as well as video hosting from Youtube.com and Vimeo.com.

    When you choose to play a video, your browser establishes a connection to third-party providers’ servers, which may automatically transmit your IP address as well as information about your browser, operating systems, date/time and the address of our website to them.

    Tracking cookie from Matomo

    Matomo is used in a GDPR-compliant manner, as it only collects and processes data within this website. It is used for non-personal tracking of user interaction.