Professional Documents
Culture Documents
Unidad
Medicin de las condiciones de salud
Y enfermedades en la poblacin
ii
II. (serie)
2. CONTROL-enfermedades
4. REGIN DE LAS AMERICAS
INDIOS AMERICANOS
Indios atendiendo su enfermo
con trepanacin (a la
izquierda) para remover las
toxinas de las enfermedades
contradas de los europeos,
incluyendo sfilis y viruela:
Grabado, 1590, de Theodore
de Bry de su historia
Americana.
The Granger Collection. New
York
Crditos
Editores
Revisores tcnicos
Carlos Castillo-Salgado
Oscar J. Mujica
Enrique Loyola Elizondo
Jaume Canela Soler
Revisin editorial
Lucila Pacheco, DBI
NDICE
CONTENIDO Y OBJETIVOS. 5
MEDICIN DE SALUD Y ENFERMEDAD EN LA POBLACIN. 5
TIPOS DE DATOS Y SU TABULACIN.. 8
PRESENTACIN GRFICA DE DATOS............................................................................. 13
MEDIDAS DE RESUMEN DE UNA DISTRIBUCIN . 16
MEDIDAS DE TENDENCIA CENTRAL . 18
MEDIDAS DE DISPERSIN .. 23
MEDIDAS DE FRECUENCIA . 27
Prevalencia e incidencia.. 28
Medidas de morbilidad. . .... 28
Medidas de mortalidad 35
Distribucin proporcional 35
COMPARACIN DE LA FRECUENCIA DE ENFERMEDAD
Y MEDIDAS DE ASOCIACIN. 52
MEDIDAS DE ASOCIACIN .. .. 52
Comparacin de dos proporciones: Chi Cuadrado. 54
MEDIDAS DE LA FUERZA DE ASOCIACIN. 57
Riesgo relativo.. 57
APNDICE ESTADSTICO-EPIDEMIOLGICO 64
Comparacin de dos promedios: Prueba Z 64
Comparacin de dos proporciones: Chi Cuadrado 65
Intervalos de confianza para promedios y proporciones.. 66
Razn de posibilidades (odds ratio).. 70
MEDIDAS DE IMPACTO POTENCIAL 73
Riesgos atribuibles.................................................................................................. 73
Fracciones atribuibles 74
Estandarizacin de tasas. 77
REFERENCIAS BIBLIOGRFICAS 81
CONTENIDO Y OBJETIVOS
especfica a sus comunidades. An cuando los datos estn disponibles y sean confiables, su
utilizacin para la gestin en salud puede ser insuficiente.
Con el propsito de responder a la necesidad de contar con un conjunto de datos
validados, estandarizados y consistentes de los pases de las Amricas, la Organizacin
Panamericana de la Salud (OPS) trabaja desde 1995 en la Iniciativa Regional de Datos
Bsicos de Salud. Se incluye en esta fuente una serie histrica de 117 indicadores
demogrficos, socioeconmicos, de morbilidad y mortalidad y de recursos, acceso y
cobertura de servicios de salud, de los 48 Estados y Territorios de la Regin.
Una vez que se cuenta con los datos e indicadores de salud, una de las dificultades
presente en los servicios de salud tiene que ver con las limitaciones para el manejo correcto
de la informacin numrica, su anlisis e interpretacin, funciones que requieren el uso de
los principios de la epidemiologa y la bioestadstica. Resulta paradjico que en el nivel en
que ocurren los problemas y en donde se solucionan, los procedimientos y tcnicas para la
obtencin, medicin, procesamiento, anlisis, interpretacin y uso de datos an no estn
plenamente desarrollados.
Para la correcta toma de decisiones en todos los niveles de los servicios de salud,
basada en informacin pertinente, es necesaria la capacitacin permanente del equipo local
de salud y de sus redes en la recoleccin, manejo, anlisis e interpretacin de datos
epidemiolgicos.
La cuantificacin de los problemas de salud en la poblacin requiere de
procedimientos y tcnicas estadsticas diversas, algunas de ellas de relativa complejidad.
Dadas las caractersticas multifactoriales de los problemas de salud, las tcnicas cualitativas
son tambin valiosas para aproximarse al conocimiento de los determinantes de salud. Es
por ello que existe la necesidad de incorporar, en forma dialctica, mtodos y tcnicas
cuantitativas y cualitativas que permitan estudiar los diversos componentes de los objetos de
estudio.
En el anlisis cuantitativo el empleo de programas computacionales facilita el manejo
y anlisis de datos, pero no se deben sobrestimar sus alcances y aplicaciones. Su utilidad es
mayor cuando se establecen redes de colaboracin y sistemas de informacin en salud, que
permiten el manejo eficiente de grandes bases de datos y generan informacin oportuna y
til para la toma de decisiones. Un programa computarizado reduce notablemente el tiempo
de clculo, procesamiento y anlisis de los datos, pero es el trabajo humano el que aporta
resultados racionales y vlidos para el desarrollo de los objetivos de salud pblica. Existen
dos paquetes de programas de cmputo diseados especficamente para salud que facilitan
el almacenamiento, proceso y anlisis de informacin epidemiolgica: Epi-Info producido por
el Centro de Prevencin y Control de Enfermedades de los Estados Unidos (CDC) y la
Organizacin Mundial de la Salud (OMS) y el Epi-Dat de la OPS y la Xunta de Galicia,
Espaa. Lejos de competir entre s, estos paquetes de programas, de gran uso y de libre
distribucin, ofrecen procesos y rutinas de manejo y anlisis epidemiolgico de datos que
son complementarios.
10
Casos
(No.)
63
55
25
14
5
11
173
Porcentaje
%
36,4
31,8
14,4
8,1
2,9
6,4
100,0
11
27
28
40
32
30
35
36
25
29
30
29
46
30
29
35
32
36
37
36
29
33
27
41
49
51
33
51
35
44
47
58
38
35
48
36
38
34
27
50
43
54
49
36
38
32
44
48
36
42
44
63
32
53
34
46
40
37
34
42
54
24
38
36
46
30
37
46
40
47
38
28
41
43
43
41
32
47
36
35
36
53
38
31
36
49
63
37
43
35
41
29
29
42
32
27
35
43
47
38
47
36
39
37
42
35
50
39
45
54
37
46
20
43
24
30
41
38
55
50
40
20 - 23 aos
24 - 27 aos
28 - 31 aos
32 - 35 aos
36 - 39 aos
40 - 43 aos
44 - 47 aos
48 - 51 aos
52 - 55 aos
56 - 59 aos
60 - 63 aos
/
(un caso)
///// // (siete casos)
///// ///// ////
///// ///// ///// ////
///// ///// ///// ///// ///// //
///// ///// ///// ////
///// ///// ////
///// /////
///// /
/
//
(14)
(19)
(27)
(19)
(14)
(10)
(6)
(1)
(2)
12
Nmero de casos
(frecuencia absoluta)
1
7
14
19
27
19
14
10
6
1
2
Porcentaje
(%)
0,8
5,8
11,7
15,8
22,5
15,8
11,7
8,4
5,0
0,8
1,7
120
1000
Porcentaje
acumulado (%)
0,8
6,6
18,3
34,1
56,6
72,4
84,1
92,5
97,5
98,3
100,0
13
Grfico 3.1 Distribucin de muertes por suicidio segn sexo. Lugar X, 1995-2000
5000
mujeres
27%
3000
2000
1000
varones
73%
0
varones
mujeres
120
100
Caso s
Casos
4000
80
60
40
20
0
E
Mes
14
En el Grfico 3.2, las categoras (meses) de la variable tiempo, una variable continua,
se representan en el eje horizontal y el nmero de casos de giardiasis notificados en el eje
vertical. La altura de cada barra representa la frecuencia absoluta de casos (puede tambin
ser la frecuencia relativa) en cada una de las categoras de la variable tiempo, llamadas
tambin intervalos de clase. Note que los intervalos de clase pueden de ser de igual tamao.
El polgono de frecuencias
se construye uniendo con lneas
barra de un histograma (Grfico
simetra de una distribucin de
distribuciones.
15
16
Aunque no existe una regla explcita sobre la proporcionalidad entre las escalas de
un grfico, se recomienda que la razn entre la escala horizontal respecto de la vertical se
aproxime a 1,6:1 (la clsica "razn de oro"). Algunas veces el rango 1,2 a 2,2 se da como
referencia apropiada para la razn entre el eje horizontal respecto del eje vertical.
El siguiente esquema resume los tipos bsicos de grficos ms apropiados segn
cada tipo de variable.
Tipo de variable
Nominal
Ordinal
de Intervalo
Proporcional o de Razn
Tipo de grfico
diagrama de barras
grfico de sectores
diagrama de barras
grfico de sectores
diagrama de barras
histograma
grfico de sectores (**>
polgonos de frecuencias (simples y acumuladas)
diagrama de barras (*)
histograma
grfico de sectores (**)
polgonos de frecuencias (simples y acumuladas)
17
18
19 das
16 das
37 das
15 das
16 das
32 das
15 das
16 das
20 das
16 das
15 das
19
La media o promedio aritmtico (x) tambin es muy til y se obtiene sumando los
valores de todas las observaciones y dividiendo el resultado entre el nmero de
observaciones. En nuestro ejemplo, es la suma de todos los valores de los perodos de
incubacin dividida entre el nmero de nios observados.
15+15+15+16+16+16+16+19+20+32+37
11
El promedio de 19,7 das es mayor que los valores del modo y de la mediana ya que,
como toma en cuenta los valores de todos los casos, se ve afectado por la influencia de los
casos con 32 y 37 das de incubacin, que son valores extremos.
En muchas ocasiones los datos estn disponibles como distribucin de frecuencias,
en cuyo caso la serie se presentara de la manera siguiente:
Perodo de
Casos(nmero)
incubacin(das)
15
3
16
4
19
1
20
1
32
1
37
1
El clculo de la media de estos datos se hara as:
3(15)+4(16)+1(19)+1(20)+1(32)+1(37) = 45+64+19+20+32+37 = 217/11 = 19,7 das
Las medidas de tendencia central son de gran utilidad tambin para comparar grupos
de valores. Por ejemplo, de las personas que participaron en un paseo, un grupo se enferm
despus de la comida y otro grupo no present ningn sntoma. Las edades de las personas
en los dos grupos fueron las siguientes:
enfermos: 8, 12, 17, 7, 9, 11, 6, 3 y 13
sanos: 19, 33, 7, 26, 21, 36, 33 y 24
Los promedios aritmticos calculados fueron:
Enfermos =
20
Sanos = 18 + 33 + 7 + 26 + 21 + 36 + 33 + 24 = 25 aos
8
Por lo tanto la enfermedad afect ms a los nios que a los adultos. Los nios eran
ms susceptibles o se expusieron ms (consumieron mayor cantidad del alimento
contaminado).
Series agrupadas
Cuando se tienen muchos datos se requiere agruparlos, para ello se construyen
intervalos, que pueden contener igual o diferente numero de unidades, y a ellos se asignan
los datos observados. Tenemos entonces una serie de datos agrupados como en el Cuadro
3.4a.
Casos (1)
37
176
693
659
784
1.103
1.005
4.457
Cuando nuestros datos sobre una variable continua estn agrupados (categorizados)
tambin podemos calcular una media y mediana aproximadas. Para estimar la media se
debe construir una columna con los puntos medios (x) de cada intervalo de clase de la
variable y otra (fx) resultado de multiplicar el valor de cada punto medio (x) por el nmero de
casos (fl del intervalo correspondiente (Cuadro 3.4b). La suma de estos productos (fx)
dividida entre la suma de casos (f) nos da una aceptable aproximacin a la media.
Para calcular el punto medio (x) de cada intervalo de clase de la variable se obtiene
la media del intervalo, esto es se suman el lmite inferior y superior del intervalo y se divide
entre dos, por ejemplo en le cuadro 3.4a el primer intervalo es de 10 a 14 aos (10+14/2 =
12). Los puntos medios de los siguientes intervalos de clase se encuentran sumando la
amplitud del intervalo de clase al punto medio previo, por ejemplo el segundo intervalo en el
cuadro referido es de 15 a 19 aos, por lo tanto la amplitud del intervalo es de 5 + 12 = 17.
21
Casos
(f)
37
176
693
659
784
1.103
1.005
f 4.457
Punto medio
(x)
12,0
17,0
24,5
34,5
44,5
54,5
64,5
f 202.974,0
fx
444,0
2992,0
16.978,5
22.735,5
34.888,0
60.113,5
64.822,5
Casos
acumulados
37
213
906
1.565
2.349
3.452
4.457
22
Mediana = 40,0 +
En donde:
2.228 = caso situado en el punto medio de la seria
1.565 = casos acumulados en el intervalo interior al que contiene el caso 2.228
784 = casos del intervalo que contiene la mediana
10 = amplitud del intervalo
Si calculsemos la mediana de edad de esta serie a partir de los 4.457 casos de
suicidio individualmente, sta sera 48 aos de edad.
23
MEDIDAS DE DISPERSIN
Grfico 3.7 Distribucin normal
Para las variables cuantitativas
las medidas de dispersin ms usadas
son bsicamente tres: el rango o
amplitud, la varianza y la desviacin
estndar. Estas medidas representan la
dispersin o variabilidad de los datos
continuos. El rango o amplitud es la
diferencia entre el valor mximo y el
valor mnimo de una serie de datos. La
varianza (s'), que mide la desviacin
promedio de los valores individuales
con respecto a la media, es el cociente
entre la suma de los cuadrados de la
diferencia entre cada valor y el
promedio, y el nmero de valores
observados (menos 1). La desviacin
estndar (DE) es la raz cuadrada de la
varianza. La desviacin estndar junto
con la media permiten describir la
distribucin de la variable. Si la variable
se distribuye normalmente, entonces el
68% de sus valores estar dentro de
1 desviacin estndar de la media,
95% dentro de 2 y 99,9% dentro de
3 DE (Grfico 3.7). (Es necesario notar que se trata de aproximaciones, ya que, por ejemplo,
el rea bajo la curva que abarca 95% no es exactamente 2 desviaciones, sino 1.96).
Veamos un ejemplo. Volviendo al Cuadro 3.3, el rango del perodo de incubacin de
la rubola, con base en las 11 observaciones, es de 22 das (i.e., 37-15 das). La varianza
sera:
varianza = (15 -19,7)2 + (15 -19,7)2 + ... + (16 -19,7)2 + ... + (32 -19,7)2 + (37 -19,7)2
11 -1
varianza = 572,19 = 57,219 das
10
y la desviacin estndar sera:
desviacin estndar (DE)= 57,219 = 7,56 das
En resumen, los estimadores de los parmetros de la distribucin del perodo de
incubacin de la rubola en los 11 nios del ejemplo seran:
media ( x ) = 19,7 das
desviacin estndar (DE) = 7,6 das
24
Cuando nuestros datos sobre una variable continua estn agrupados tambin
podemos calcular la varianza y correspondiente desviacin estndar aproximadas. Para ello,
al igual que para estimar la media en datos agrupados, se parte de la columna con los
puntos medios (X) de cada intervalo de clase. Luego generamos tres columnas; una con las
diferencias entre el punto medio de cada intervalo de clase y la media de nuestros datos (x x)2 llamada desviacin; otra con esta desviacin elevada al cuadrado (x - x)2 llamada
desviacin cuadrtica y, finalmente, otra columna (f.(x - x)2), resultado de multiplicar la
desviacin cuadrtica por el nmero de casos (f) del intervalo correspondiente (Cuadro 3.4c).
La suma de todos estos productos (f.(x - x)2) dividida entre la suma de casos (f) nos da
una razonable aproximacin a la varianza y extrayendo su raz cuadrada obtendremos un
estimado aceptable de la desviacin estndar de nuestros datos agrupados.
Cuadro 3.4c Casos de suicidio. Lugar X, 1995-2000
Edad(aos) Casos
(f)
10 a 14
15 a 19
20 a 29
30 a 39
40 a 49
50 a 59
60 a 69
Total
37
176
693
659
784
1.103
1.005
=4.457
Punto
medio
(x)
12,5
17,5
25,0
35,0
45,0
55,0
65,0
Desviacin
(x - x)
-33,5
-28,5
-21,0
-11,0
- 1,0
9,0
19,0
Desviacin
cuadrtica(x
- x)2
1.122,25
812,25
441,00
121,00
1,00
81,00
361,00
Producto f. (x x)2
41.523,25
142.956,00
305.613,00
79.739,00
784,00
89.343,00
362.805,03
=1.022.763,20
RE. =
mientras que si utilizramos en el clculo los 4.457 casos, uno a uno, obtendramos una
desviacin estndar de 15,3 aos de edad.
Finalmente, otra forma til de representar la dispersin de la distribucin de una serie
de datos es usando cuantiles, que son los valores que ocupan una determinada posicin en
funcin de la cantidad de partes iguales en que se ha dividido una serie ordenada de datos.
Si dividimos
25
26
Una vez que se ha revisado la forma de presentacin de los datos, las medidas de tendencia
central y de dispersin de los mismos, se contina con el estudio de las distintas
distribuciones o modelos tericos. El ms conocido de ellos es la llamada Curva Normal
(Grfico 3.8) que acabamos de introducir. Existen otros modelos tericos que tienen
aplicacin en epidemiologa y salud pblica, pero que van ms all de los objetivos de este
curso. Mencionaremos que la distribucin normal queda definida por 4 elementos
caractersticos:
1.
2.
3.
3.
27
MEDIDAS DE FRECUENCIA
Como revisamos en la Unidad 2 del MOPECE, el enfoque epidemiolgico parte de la
observacin de hechos en la poblacin. Estos hechos son la presencia de enfermedad, la
exposicin a determinados factores, u otros atributos o eventos de inters. Son "de inters"
porque consideramos que, eventualmente, actuando sobre ellos podremos modificar en
forma positiva la realidad observada. El segundo aspecto de este enfoque epidemiolgico es
la cuantificacin, es decir, asignar nmeros a los hechos y para ello nos valemos de
procedimientos estadsticos bsicos como los descritos hasta ahora en esta Unidad. As,
medir la frecuencia u ocurrencia de tales hechos en la poblacin es una tarea fundamental.
Para medir la frecuencia de enfermedad en la poblacin, el epidemilogo recurre a tres
conceptos muy importantes: probabilidad, riesgo y tasa.
En su acepcin ms sencilla, la probabilidad es una medida de ocurrencia de un
hecho incierto, o sea, el nmero de veces que se espera ocurra un evento a futuro. El riesgo
a la salud es una medida que refleja la probabilidad de que se produzca un efecto o dao a
la salud dentro de un periodo de tiempo establecido. La tasa es una medida de la rapidez de
cambio de un estado a otro estado (v.g., de sano a enfermo) y, por tanto, tambin expresa
un riesgo. Sin embargo, a diferencia del riesgo, la tasa involucra la experiencia de exposicin
de la poblacin en unidades efectivas de tiempo-persona.
28
PREVALENCIA E INCIDENCIA
Las clsicas medidas de frecuencia de enfermedad son dos: prevalencia e incidencia,
que veremos en esta Unidad. Ms especficamente, revisaremos la incidencia acumulada, y
la tasa de incidencia. Aunque de uso comn, el trmino "tasa de prevalencia" debe evitarse,
pues no representa una tasa en tanto no es una medida dinmica; una denominacin ms
apropiada es proporcin de prevalencia, que tambin revisaremos.
Medidas de morbilidad
En la cuantificacin de las condiciones de salud y enfermedad en la poblacin, resulta
imprescindible el uso de indicadores que faciliten su descripcin y anlisis. Se considera que
estos estimadores son convencionales, pues el consenso cientfico-tcnico y la prctica
avalan su utilidad como herramientas relevantes para la interpretacin de los perfiles de
enfermedad en la poblacin, con fines comparativos.
Para que puedan responder a las necesidades de las poblaciones en forma
adecuada, los servicios de salud deben efectuar sistemticamente mediciones con el objeto
de precisar la frecuencia de las condiciones de salud relevantes en la comunidad. Por
ejemplo, reconocer que existen 700 personas en la comunidad con diagnstico de lepra es
una informacin esencial para organizar los recursos existentes y obtener, desde otro nivel
del sistema si fuera preciso, el apoyo adicional requerido para la atencin de todos los
enfermos. As, el recuento de los casos de una enfermedad es una medida de gran
importancia que sirve para orientar los servicios a la magnitud de los recursos necesarios.
29
1995
60
2000
80
Cul sera la mejor explicacin de la diferencia observada entre los dos aos? Los
hechos que podran explicar la diferencia observada se pueden resumir como sigue:
la atencin a los enfermos y las dems medidas de control fueron inadecuadas y por
ello se produjo un aumento en el nmero de casos;
30
hubo un aumento de la poblacin local, por crecimiento natural o por inmigracin neta
(v.g., atraccin por oferta de empleo en reas de desarrollo industrial).
1995
60
30.000
2000
80
50.000
vs
80 casos
50.000 habitantes
60 / 30.000 = 0,0020
80 / 50.000 = 0,0016
Ello nos permite indicar que hubo una disminucin de la prevalencia de tuberculosis
en ese perodo de tiempo y en esa comunidad latinoamericana.
31
1995
20
(casos por 10.000 personas)
2000
16
(casos por 10.000 personas)
32
Incidencia de la enf. B =
incidencia de gastroenteritis
en nios de 5 a 10 aos en la
Provincia del Sur en el mes
de diciembre de 2001
Conviene precisar que las frmulas sobre incidencia que acabamos de presentar en
este ejemplo corresponden especficamente a lo que se denomina incidencia acumulada. Al
calcularse como el cociente entre el nmero de casos nuevos y el tamao de la poblacin en
riesgo en un periodo de tiempo, la incidencia acumulada asume que todos los individuos de
la poblacin en riesgo estuvieron efectivamente en riesgo de presentar la enfermedad
durante todo el periodo de tiempo observado. Intuitivamente sabemos que esto raras veces
ocurre as; en principio porque al momento de presentar la enfermedad, la persona deja de
estar en riesgo (i.e., deja de "pertenecer al denominador"), pues se convierte en caso (Le.,
"pasa al numerador").
Una manera ms precisa de representar el riesgo de pasar del estado sano al estado
enfermo, o sea estimar la incidencia, la brinda la investigacin epidemiolgica de factores de
riesgo causales en cohortes de poblacin, como veremos en la Unidad 5. En tales
condiciones es posible "seguir" a la poblacin, midiendo con exactitud el tiempo que cada
individuo estuvo en riesgo de enfermar y obtener el nmero total de "tiempo-persona" de
observacin (v.g., aos-persona; das-persona). Si ahora dividimos el nmero de casos
nuevos entre el nmero total de aos-persona observados, obtendremos la tasa de
incidencia propiamente dicha, llamada tambin densidad de incidencia o fuerza de
morbilidad (Miettinen, 1975).
En trminos prcticos, cuando calculamos la incidencia de una enfermedad en la
poblacin a menudo empleamos la incidencia acumulada, pues el clculo de la tasa de
incidencia propiamente dicha suele estar restringido al contexto de una investigacin
epidemiolgica. Una forma de estimar la tasa de incidencia cuando no se cuenta con los
aos-persona consiste en tornar como denominador a la poblacin a mitad de perodo.
33
34
Ejercicio 3.1
En la figura 3.2, cada lnea representa un caso de enfermedad respiratoria
(neumona) y la duracin en das de cada caso, que se presentaron durante el mes de
septiembre.
35
X 100
Medidas de mortalidad
Otra forma importante de medir la ocurrencia de enfermedad en la poblacin es a
travs del recuento de las defunciones que se presentan.
tasa de mortalidad general = nmero de defunciones X 1.000
poblacin total
Las tasas de mortalidad pueden referirse a toda la poblacin de un pas o territorio o
restringirse a una comunidad, institucin o una muestra poblacional y pueden, tambin,
calcularse para grupos especficos de poblacin, segn sexo, edad, grupos de
enfermedades u otras caractersticas relevantes (en cuyo caso constituyen tasas
especficas).
Existen algunos indicadores de mortalidad referidos a grupos de poblacin
especficos y a los que convencionalmente se les llama "tasas". En particular, conviene
recordar dos de ellos, de especial importancia en salud pblica; se trata de las "tasas" de
mortalidad infantil y de mortalidad materna.
36
6 muertes
x 10.000 = 2 x 10.000
30.000 habitantes
37
Nmero
de casos
24
14
38
Distribucin
proporcional
63,2
36,8
100,0
Mortalidad proporcional
Cuando la distribucin proporcional se refiere a datos de mortalidad, entonces hablamos
especficamente de mortalidad proporcional, una medida de mortalidad til para describir el
perfil y las contribuciones de causas de muerte especficas a la mortalidad general de un
lugar y periodo determinados; esto es:
mortalidad proporcional = nmero de muertes por causa especfica en un ao X 100
nmero total de muertes en el mismo ao
38
Datos bsicos
Localidad
A
10.320
76.311
850
1.226
3.350
6.901
Defunciones en menores de 1 ao
105
10
32
161
12
36
Poblacin total
nmero de nacidos vivos
poblacin menor de 5 aos
Calcule:
a) la tasa de mortalidad en menores de 5 aos (por 1,000)
Localidad
A
B
_______ ________
_______ ________
_______ _______
________ _______
________ _______
39
Ejercicio 3.3.
Pregunta 1. Qu denominador empleara para el clculo de las siguientes medidas?:
a) la incidencia de dengue hemorrgico en el pas X en 2000.
40
Pregunta 2. En una isla del Caribe la letalidad por tifoidea es 5%. Durante el ao 2000
ocurrieron 40 defunciones por esa enfermedad. Cuntos casos de tifoidea ocurrieron en esa
comunidad insular en dicho ao?
_______________________________________________________________________
Pregunta 3. Una medida de incidencia usualmente expresada en porcentaje y que se refiere a
poblaciones especficas, en perodos de tiempo limitados, como por ejemplo: epidemias, se
conoce como:
a) prevalencia
b) tasa ajustada
c) tasa de letalidad
d) tasa de ataque
e) tasa de mortalidad
Pregunta 4. Analice el siguiente cuadro y, de acuerdo con la informacin presentada, resuelva
los puntos considerados a continuacin:
Cuadro 3.9 Defunciones por grupo de edad y poblacin
Grupo de edad
(aos)
menores de 1
1-4
5-24
25-44
45-64
65 y ms
Total
Defunciones
(nmero)
285
251
274
408
576
1.076
2.870
Poblacin
12.681
49.002
201.820
116.538
51.356
18.603
450.000
41
42
Columna 1
Edad (aos)
Columna 2
Casos (No)
Columna 3
Poblacin
Columna 4
Columna 5
menores de 5
5-19
20-39
40 y ms
3
6
5
7
48
17
23
109
14,3
28,6
23,8
33,3
6,3
35,3
21,7
6,4
Total
21
197
100,0
10,7
a)
43
______________________________________________________________
______________________________________________________________
______________________________________________________________
la moda;
la mediana;
la media;
el rango;
la desviacin estndar.
En el espacio provisto a continuacin represente la distribucin de la variable de
inters empleando un grfico apropiado.
44
Ejercicio 3.4
El nivel intermedio del sistema de salud de Nicaragua, en el istmo centroamericano,
comprende 17 Sistemas Locales de Atencin Integral de Salud (SILAIS), que corresponden a
los 15 departamentos y 2 regiones autnomas en que se divide geopolticamente el pas. A
inicios de 1999 ocurri un brote de rubola de alcance nacional, ponindose en operacin un
sistema de vigilancia activa intensificada que permiti establecer medidas oportunas para el
control de la enfermedad. En este ejercicio se describe la situacin observada en la SILAIS
Len, ubicada en la regin occidental del pas y que comprende 10 municipios. El Cuadro
3.11 contiene datos sobre los 130 casos confirmados de rubola ocurridos en Len entre las
semanas epidemiolgicas (S.E.) 4 y 33 de 1999. Los Cuadros 3.12a, 3.12b y 3.13 presentan
datos adicionales relevantes para la caracterizacin de la situacin epidemiolgica.
Pregunta 1. Cuales fueron las caractersticas epidemiolgicas ms relevantes del brote de
rubola en la SILAIS Len, Nicaragua, en 1999? Caracterice la epidemia (describa las
caractersticas de la epidemia) segn:
45
46
47
Sexo
F
F
F
F
F
F
F
F
F
m
F
F
F
m
m
F
F
m
F
F
m
F
m
F
m
F
F
F
F
m
F
m
F
m
F
F
F
m
F
m
m
Edad (aos)
7
6
28
15
28
4
13
4
11
5
28
4
29
1
24
4
11
24
9
3
4
8
3
34
7
20
6
7
10
13
9
7
6
12
10
24
4
5
3
3
7
Municipio
Len
Len
Len
Len
Len
Len
Len
Len
Nagarote
Len
Len
Len
Len
Len
Len
Len
Len
Quezalguaque
Len
Len
Len
Len
Len
Telica
Len
Telica
Len
Len
Len
Len
Len
Len
Len
Telica
Len
Len
Len
Len
Telica
Malpaisillo
Len
Fecha de
inicio
26-Ene
3 1 -Ene
5-Feb
6-Feb
7-Feb
11 -Feb
16-Feb
2 1 -Feb
8-Mar
11 -Mar
D-Mar
14-Mar
18-Mar
20-Mar
2 1 -Mar
22-Mar
22-Mar
23-Mar
25-Mar
29-Mar
29-Mar
4-Abr
6-Abr
6-Abr
8-Abr
8-Abr
9-Abr
9-Abr
10-Abr
11 -Abr
12-Abr
13-Abr
14-Abr
14-Abr
16-Abr
16-Abr
17-Abr
17-Abr
18-Abr
18-Abr
19-Abr
S.E.*
4
5
5
5
6
6
7
8
10
10
10
11
11
11
12
12
12
12
12
13
13
14
14
14
14
14
14
14
14
15
15
15
15
15
15
15
15
15
16
16
16
48
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
F
F
F
m
F
F
F
F
F
m
F
F
m
F
m
F
m
F
F
F
F
F
F
F
F
F
F
m
m
m
m
m
m
F
F
m
F
m
m
m
m
F
F
F
F
F
12
26
12
33
11
17
5
12
21
6
10
10
10
30
15
10
9
10
6
26
17
19
16
11
22
29
22
9
7
5
22
4
5
20
1
7
1
4
13
5
17
4
15
5
17
Malpaisillo
Len
Len
Malpaisillo
Len
Achuapa
Telica
Len
Malpaisillo
Len
Len
Malpaisillo
Telica
Len
Malpaisillo
Len
Malpaisillo
Achuapa
Achuapa
Len
Telica
Malpaisillo
Achuapa
Len
Len
Len
Len
Len
Len
Len
Len
Len
Len
Len
Len
Len
Nagarote
Len
Malpaisillo
Len
Len
Len
Len
Len
Nagarote
Telica
19-Abr
19-Abr
20-Abr
20-Abr
21 -Abr
2 1 -Abr
22-Abr
22-Abr
22-Abr
23-Abr
23-Abr
25-Abr
26-Abr
26-Abr
27-Abr
27-Abr
l-May
2-May
2-May
3-May
4-May
7-May
8-May
IO-May
11 -May
11 -May
14-May
16-May
17-May
19-May
20-May
20-May
21-May
21-May
22-May
24-May
24-May
26-May
26-May
27-May
28-May
28-May
30-May
1 -Jun
2-Jun
4-Jun
16
16
16
16
16
16
16
16
16
16
16
17
17
17
17
17
17
18
18
18
18
18
18
19
19
19
19
20
20
20
20
20
20
20
20
21
21
21
21
21
21
21
22
22
22
22
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
m
F
F
m
F
F
F
F
F
F
m
F
F
m
m
F
m
m
F
F
F
m
F
F
F
F
F
F
m
m
F
F
F
F
F
m
F
F
F
F
F
F
F
4
20
5
8
10
10
9
5
31
36
8
12
8
10
10
6
13
15
15
4
8
7
9
10
11
7
14
9
28
14
30
30
4
6
15
6
13
6
7
12
28
7
26
Len
Len
Len
Len
Len
Len
Len
Len
Len
Len
El Jicaral
Len
Len
El Jicaral
Len
Len
El Jicaral
El ficaral
Santa Rosa
Len
Len
Santa Rosa
Len
Malpaisillo
Malpaisillo
Telica
Len
Nagarote
Len
Len
El Sauce
Len
Len
La Paz Centro
Len
Len
Len
El Jicaral
Malpaisillo
Nagarote
Malpaisillo
Len
La Paz Centro
5-Jun
6-Jun
7-Jun
1 O-Jun
11 -Jun
12-Jun
15-Jun
16-Jun
18-Jun
18-Jun
20-Jun
2 1 -Jun
22-Jun
22-Jun
22-Jun
24-Jun
24-Jun
25-Jun
29-Jun
30-Jun
I-Jul
2-Jul
3-Jul
3-Jul
5-Jul
7-Jul
7-Jul
11 -Jul
11 -Jul
12-Jul
12-Jul
13-Jul
15-Jul
17-Jul
26-Jul
27-Jul
29-Jul
30-Jul
3-Ago
8-Ago
8-Ago
11 -Ago
16-Ago
22
23
23
23
23
23
24
24
24
24
25
25
25
25
25
25
25
25
26
26
26
26
26
26
27
27
27
28
28
28
28
28
28
28
30
30
30
30
31
32
32
32
33
49
50
Edad (aos)
Casos
0-4
5-9
10-14
15- 19
20-24
25-29
30-34
35 -39
40 y ms
Total
Poblacin
TA
61.932
52.555
46.940
43.285
34.373
28.097
23.419
19.318
64.602
374.521
Edad
(aos)
Varones
Casos
0-4
5-9
10-14
15- 19
20-24
25-29
30-34
35-39
40 y ms
Total
Poblacin
Mujeres
TA
29.809
25.539
22.886
20.001
15.770
12.693
10.385
8.654
27.347
173.084
Casos
Poblacin
32.123
27.016
24.054
23.284
18.603
15.404
13.034
10.664
37.255
201.437
TA
51
Casos
Poblacin
14.681
11.174
28.917
30.627
180.352
32.025
32.510
8.710
10.164
25.361
374.521
TA
52
MEDIDAS DE ASOCIACIN
En esta seccin revisaremos los principios y mtodos estadsticos bsicos que ayudan a
los equipos locales de salud a establecer la presencia de una asociacin entre la exposicin a
un factor que se considera de riesgo y la ocurrencia de enfermedad en la poblacin. En
trminos estadsticos, se dice que dos variables estn asociadas cuando existe una relacin de
dependencia (usualmente de tipo matemtico) entre ambas; es decir, el cambio en una de ellas
necesariamente se acompaa del cambio en la otra (covariacin).
53
Por otra parte, un factor de riesgo es un aspecto del comportamiento o estilo de vida
personal, constitucin gentica o hereditaria o exposicin ambiental que, con base en la
evidencia epidemiolgica disponible, se sabe que est asociado a condiciones relacionadas
con la salud consideradas importantes de prevenir. Desde el punto de vista epidemiolgico, lo
ms importante de un factor de riesgo es que sea identificable, cuantificable y, en lo posible,
modificable antes de la ocurrencia del hecho que predice. Los factores de riesgo son
indicadores o marcadores del riesgo de enfermar en la poblacin aunque, debe tenerse
presente que el hallazgo de un factor de riesgo no necesariamente implica que sea un factor
causal.
Factor de Riesgo: Caracterstica o circunstancia detectable en
individuos o grupos asociada con una probabilidad incrementada de
experimentar un dao o efecto adverso a la salud. En general un factor
de riesgo es un atributo o exposicin que incrementa la probabilidad de
ocurrencia de una enfermedad u otro dao a la salud.
Los aspectos que hemos revisado en la primera mitad de esta Unidad corresponden al
campo de la llamada estadstica descriptiva: la descripcin cuantitativa de la frecuencia y
distribucin de los fenmenos de salud y enfermedad observados en la poblacin. La utilidad
de presentar los datos resumidos en buenos cuadros y grficos radica en permitir hacer
inferencias sobre los determinantes de la situacin de salud observada en la poblacin y
proceder con cierto nivel de confianza a intervenir sobre ellos.
La estadstica es la ciencia matemtica que proporciona a la epidemiologa los
elementos bsicos para el tratamiento cientfico de la informacin numrica en salud. El
anlisis epidemiolgico usa procedimientos estadsticos diseados para estimar la
probabilidad de que una conclusin acerca de la poblacin de referencia, basada en el anlisis
de datos de una porcin de ella (muestra) o en la comparacin con otra poblacin, sea correcta
o verosmil; esto corresponde a llamada estadstica inferencial.
En la prctica, para explorar una posible asociacin entre exposicin y enfermedad se
requiere de tres elementos: dos grupos comparables de la poblacin, una medida de la variable
exposicin para cada grupo y una medida de la variable enfermedad en cada grupo. En
general, las variables epidemiolgicas de exposicin y de enfermedad son continuas o
discretas y sus medidas se resumirn en promedios o en proporciones. La situacin ms
comn en los servicios de salud es la comparacin de dos proporciones. Por ejemplo, para
evaluar la asociacin entre ingreso econmico y tuberculosis, podramos comparar dos
proporciones: incidencia de tuberculosis entre los pobres y los ricos.
Las medidas de asociacin estadstica se basan en las llamadas pruebas de significancia (los
aspectos tericos relacionados con sus bases conceptuales escapan a los propsitos de este
material. Para una breve introduccin a ellos vea el Apndice al final de este mdulo). El
propsito de estas pruebas es determinar si la presencia de un factor de riesgo evaluado est
efectivamente relacionada con la frecuencia de la enfermedad. En dichas condiciones se
espera que la prevalencia de exposicin a dicho factor, sea razonablemente ms alta entre los
que han enfermado o sufrido un dao a la salud que en aquellos aparentemente sanos.
54
campesino
nocampesino
Con
malaria
18
Sin
malaria
186
204
Ic = 18/204
Tasa
por mil
88,2
31
525
556
Inc= 31/556
55,8
49
711
760
55
18 y el valor esperado sera: (204x49)-- 760= 13,2. El cuadro de resultados para cada celda
quedara as:
campesino
no-campesino
Con malaria
18
13,2
31
35,8
49
Sin malaria
186
190,8
525
520,2
711
204
556
760
Reemplazando la formula,
X2 . (18 - 13,2)2 + (186 _ 190,8)2 + (31 - 35,8)2 + (525 - 520,2)2 = 2,56
13,2
190,8
35,8
520,2
El valor de chi cuadrado calculado de esta manera (observado) se compara con un
valor tabulado (esperado) tomado de la distribucin de probabilidades terica. Este valor
terico corresponde al que se esperara encontrar si los resultados observados ocurrieran
puramente por azar. A este valor terico se le llama valor crtico: si el valor observado es
mayor que el valor crtico se concluye que la diferencia observada no es debida al azar y se
dice que es estadsticamente significativa. El valor crtico indica el nivel de significancia de la
prueba, que expresa la probabilidad de que la diferencia observada haya ocurrido por azar.
Usualmente la probabilidad se fija en 5 % y se denota como p< 0, 05. El complemento
de esta probabilidad se llama nivel de confianza, en general, 95%. Con este valor de
confianza, el valor critico en una tabla de 2x2, con un grado de libertad (g.l.), es 3,84. Si el
valor observado es mayor, se concluye que existe asociacin entre exposicin y enfermedad,
estadsticamente significativa al nivel de 5% de significancia (95% de confianza). Los grados
de libertad de una tabla se refieren al nmero mnimo de celdas que se requieren para conocer
los valores de las otras celdas, dado que se conozcan los marginales. En la situacin analizada,
el valor observado (2,5 6) no rebasa el valor crtico, por tanto p> 0, 05. Se concluye entonces
que no se puede rechazar la hiptesis de no-diferencia (de nulidad).
La prueba de Chi cuadrado es ampliamente usada en epidemiologa, especialmente en
el anlisis de tablas W. Por ello, se ha desarrollado la siguiente frmula alternativa
simplificada:
Expuesto
no-expuesto
X2 =
n.(ad-bc)2
x
(a+c).(b+d).(a+b).(c+d)
Con enfermo
a
c
(a+c)
Sin malaria
B
d
(a+d)
(a+b)
(c+d)
n
56
(p> 0, 05)
Nivel de
confianza
99,999
99,99
95,0
90,0
80,0
Ejercicio 3.5
Durante el otoo de 1990, en una localidad de Amrica del Norte, se report la inusual
ocurrencia de una enfermedad caracterizada por fiebre, nuseas, edema, dificultad para
respirar, taquicardia y, sobre todo, intensos dolores por contractura muscular, acompaada de
una marcada elevacin del nmero de eosinfilos, un tipo especial de glbulos blancos que
actan sobre ciertos procesos alrgicos. En menos de un ao se haban reportado ms de 1.500
casos de Sndrome Eosinofilia-Mialgia. Los estudios epidemiolgicos implicaron al consumo
de triptofano, un importante aminocido en la dieta humana, como responsable de la
enfermedad; en especial asociado al consumo de un producto popular para combatir la
depresin, el insomnio y el sndrome premenstrual.
Pregunta 1. Analice los siguientes datos y evale si existe una diferencia estadsticamente
significativa en la incidencia de enfermedad entre los dos grupos estudiados segn la
exposicin a triptofano. Emplee una prueba estadstica apropiada. Utilice un nivel de
significancia igual a 0.05. Interprete los resultados en trminos de una hiptesis nula (de nodiferencia)
expuestos
no-expuestos
Nmero
30
36
57
Incidencia (%)
66,7
22,2
Riesgo relativo
Como vimos anteriormente, la incidencia de una enfermedad en una poblacin y
perodo determinados (incidencia acumulada y la tasa de incidencia) nos proporciona una
medida del riesgo absoluto de padecer la enfermedad en esa poblacin.
Riesgo Absoluto: Incidencia de enfermedad u otro evento de inters
en la poblacin 1 grupo poblacional; cuantifica la probabilidad de
experimentar dicha enfermedad o evento.
La comparacin de dos medidas de incidencia de una enfermedad, es decir, dos riesgos
absolutos, permite detectar un posible exceso de riesgo en un grupo con relacin a otro. En
epidemiologa es de particular inters comparar la ocurrencia de enfermedad entre un grupo
expuesto a un factor considerado de riesgo respecto a otro no expuesto. Las pruebas
estadsticas ayudan a detectar el exceso de riesgo entre ambos grupos, el riesgo relativo
permite cuantificar la magnitud de tal exceso y mide la fuerza de la asociacin entre
exposicin y enfermedad. Para calcular el riesgo relativo de una enfermedad con relacin a
una exposicin, se requiere una medida del riesgo absoluto entre los expuestos a un factor de
riesgo y una medida del riesgo absoluto entre los no expuestos a tal factor, es decir, la
incidencia en expuestos y la incidencia en no expuestos. Conviene tener presente que nos
referimos a la incidencia de una enfermedad especfica y a la exposicin a un factor de riesgo
especfico.
58
Caso
a
c
a+c
No caso
b
d
b+d
a+b
c+d
a+b+e+d
59
Cohorte
expuestos
No expuestos
Hipertensin
Total
ECC
22
12
1.090
206
Cardiomegalia
Total
ECC
111
41
1.001
177
Tabaquismo
Total
ECC
800
181
312
37
Veamos el primer factor de riesgo estudiado: hipertensin (definida aqu como presin
arterial sistlica igual o mayor a 180 minHg). De acuerdo a los datos, de los 1. 112 varones al
inicio del estudio, 22 tenan hipertensin (estaban expuestos) y 1.090 no la tenan (no estaban
expuestos). Diecisis aos despus, 12 de los expuestos y 206 de los no expuestos (i.e., 218
casos) haban desarrollado enfermedad cardiaca coronaria (ECC). Esto quiere decir que el
riesgo absoluto de enfermar con ECC entre quienes tienen hipertensin es:
60
Incidencia en expuestos:
Y el riesgo absoluto de enfermar con ECC entre quienes no tienen hipertensin es:
Incidencia en no expuestos:
No enfermaron (n=1.636)
Expuestos No expuestos
agua no tratada
111
14
1.093
543
pescado crudo
118
14
1.622
pescado cocinado
17
108
198
1.438
arroz recalentado
47
78
522
1.114
tamal de arroz
24
101
272
1.364
71
54
683
953
Agua no tratada
expuesto
no expuesto
Caso
111
14
125
No caso
1.093
543
1.636
1.204
557
1.761
Pescado crudo
expuesto
no expuesto
Caso
7
118
125
No caso
14
1.622
1.636
21
1.740
1.761
Pescado cocinado
expuesto
no expuesto
Caso
17
108
125
No caso
198
1.438
1.636
215
1.546
1.761
Arroz recalentado
expuesto
no expuesto
Caso
47
78
125
No caso
522
1.114
1.636
61
569
1.192
1.761
Tamal de arroz
expuesto
no expuesto
Caso
24
101
125
No caso
272
1.364
1.636
296
1.465
1.761
Caso
71
54
125
No caso
683
953
1.636
754
1.007
1.761
Ahora podremos calcular ms fcilmente las medidas de asociacin. Asumiendo que este es un
estudio de cohorte. Por tanto, los riesgos relativos en cada exposicin seran los siguientes:
111
RRagua no tratada = 1.204 = 1,092 = 1,68
14
0,025
557
47
RRarroz recalentado = 569 = 0,083 = 1,28
78
0,065
1.192
7
RRpescado crudo = 21 = 0,333 = 4,90
118 0,068
1.740
24
RRtamal de arroz = 296 = 0,081 = 1,17
101 0,069
1.465
62
17
RRpescado cocinado = 215 = 0,079 = 1,13
108
0,070
1.546
71
RRfruta sin lavar = 754 = 0,094 = 1,74
54 0,054
1.007
Parece claro que la exposicin que se asocia con ms fuerza al hecho de enfermar es el
consumo de pescado crudo, as como el consumo de agua no tratada. El riesgo relativo de
4,90 nos indica que la probabilidad de desarrollar clera fue 3.90 veces mayor en los sujetos
que consumieron pescado crudo que en los que no lo consumieron. El riesgo de presentar
clera fue tambin casi tres veces mayor en aquellos que consumieron agua no tratada que en
aquellos que no la consumieron. A la vista de los restantes riesgos relativos, esta evidencia
apunta hacia una implicacin causal de estos productos en el brote de clera en estas
comunidades amaznicas.
63
Ejercicio 3.6
A fin de cuantificar la asociacin entre la exposicin de mujeres gestantes a una serie
de supuestos factores de riesgo y la presencia de bajo peso al nacer (BPN) en sus productos,
entre mayo y septiembre de 1996 se realiz un estudio epidemiolgico en la Provincia N de un
pas de Amrica del Sur. Se defini como enfermo a toda madre que haya parido un nio/a
con BPN (menos de 2.500 gramos) y como no enfermos a toda madre que haya parido un
nio/a sin BPN. Se seleccionaron 1.556 enfermos y 16.910 no enfermos, registrados entre
1988 y 1995 en la base de datos del sistema informtico perinatal disponible en dicha
provincia. El Cuadro 3.18 presenta un extracto de los resultados de dicho estudio.
Cuadro 3.18 Prevalencia de exposicin (%) a factores de riesgo de bajo peso al nacer.
Estudio epidemiolgico; Provincia N, Amrica del Sur; 1988-1995.
Factor de riesgo
Enfermo No enfermo
(n=1.556) (n=16.910)
13,1
7,1
enfermedad de la placenta
24,4
7,2
15,6
2,1
56,8
31,0
a)
Disponga apropiadamente los datos en tablas W y cuantifique la correspondiente
asociacin entre exposicin y enfermedad.
64
Desde el punto de vista estadstico, el inters del centro de salud consiste en saber si
existe o no diferencia entre los promedios de hemoglobina observados en los dos grupos de
nios. En este caso podemos usar una prueba de significacin estadstica llamada Prueba Z,
cuyo estadgrafo es:
Segn esta prueba, el valor crtico del estadgrafo Z para un nivel de significancia de
0.05 (5%) es 1,96. Si el valor de Z calculado es mayor que el Z crtico (1,96), se rechaza la
hiptesis nula y se concluye que la diferencia observada es estadsticamente significativa con
95% de confianza (p<0,05). Reemplazando,
65
El resultado es significativo al nivel 0,05 (5%), puesto que 4,06 es mayor que 1,96 (en
esta prueba se considera el valor absoluto). En consecuencia, se puede afirmar con 95% de
confianza que la infeccin por P falciparum disminuye los niveles de hemoglobina en los
nios afectados. El Cuadro 3.14 (ver pag. 56) presenta otros valores crticos de Z para
diferentes niveles de significancia. Esta prueba se emplea slo cuando ambas muestras son
grandes (>30 en cada grupo) (de otro modo se suele aplicar la prueba t de Student, no tratada
en este Mdulo).
Comparacin de dos proporciones: La Prueba Chi Cuadrado
Como se indica en secciones previas, el propsito de las pruebas de significancia
estadstica es determinar si la presencia de un factor de riesgo evaluado est efectivamente
relacionada con la frecuencia de la enfermedad y no es debida a los efectos del azar.
El despliegue de datos para el anlisis estadstico en una Tabla de 2x2 sera de la
siguiente forma:
Cuadro 3.19 Tabla W de un estudio para evaluar la asociacin entre la exposicin a un
factor de riesgo y una enfermedad o dao a la salud
Expuesto
No expuesto
Enfermo
a
c
a+c
Sano
b
d
b+d
a+b
c+d
n
a = enfermos expuestos
b = sanos expuestos
c = enfermos no expuestos
d = sanos no expuestos
a + c = total de enfermos
b + d = total de sanos
a + b = total de expuestos
c + d = total de no expuestos
n = total de casos y controles (a + b + c + d)
A partir de esta tabla, la asociacin entre exposicin y enfermedad se explora
estadsticamente con la prueba de Chi cuadrado, cuya frmula es la que sigue:
66
donde "O" es el valor observado y "E" el valor esperado para cada una de las celdas del
cuadro. El valor observado de obtiene de multiplicar los totales marginales de cada celda,
dividindolo luego entre el total del cuadro. De tal manera, el valor esperado para la celda "a"
se calculara como: (a+c)(a+b)/n. El valor de la diferencia entre 440" y "E" se eleva al
cuadrado para eliminar los valores negativos (que cancelaran los valores positivos).
Siguiendo una hiptesis de no-diferencia (nula) en la frecuencia de enfermedad dada una
exposicin, se esperara que los valores observados y esperados fueran similares.
Existe una frmula alternativa para el clculo de Chi cuadrado, que produce resultados
similares, que es como sigue:
X2 =
n.(ad - bc)2
(a + c).(b+d) .(a + b).(c + d)
67
El IC95% del promedio de hemoglobina en el grupo de nios con malaria (Pg. 64)
ser:
68
p 1,96.
p.(1 - p)
n
69
70
los objetivos del MOPECE, los principios bsicos que ha descrito sobre la construccin de
intervalos de confianza se aplican universalmente para tales casos.
Razn de Posibilidades (Odds Ratio)
Como acabamos de ver, para calcular el riesgo relativo necesitamos la incidencia de la
enfermedad en expuestos y no expuestos y stas se obtienen de un estudio de cohortes. Ms
frecuentemente, cuando necesitamos identificar asociacin entre exposicin y enfermedad
sucede que nos encontramos ante una serie de sujetos que ya presentaron la enfermedad. En
tal situacin podemos recurrir a un estudio caso-control, en el cual se compara la historia de
exposicin de los enfermos con la de un grupo de sujetos similares, pero sanos, al que se llama
6grupo control o testigo'. El diseo caso-control es muy verstil y popular en el campo y es
uno de los estudios que nos permite obtener una medida denominada razn de posibilidades
(razn de productos cruzados, razn de ventajas, razn de suertes, razn de momios, odds
ratio), anloga al riesgo relativo, que estima el exceso de riesgo.
En los estudios caso-control se parte de dos grupos de sujetos, uno con la enfermedad
y otro sin ella, y se investiga si haban estado Previamente expuestos al factor de riesgo. As,
en los estudios caso-control la tabla 2x2 (Cuadro 3.20) tiene los siguientes componentes
Cuadro 3.20 Tabla 2x2
Expuesto
No expuesto
Caso
a
c
a+c
No caso
b
d
b+d
a+b
c+d
n
71
Como hemos visto a lo largo de esta Unidad, la probabilidad se utiliza a menudo para
cuantificar la frecuencia esperada de ciertas caractersticas de inters, bajo condiciones de
incertidumbre como, por ejemplo, el porcentaje de individuos en quienes se espera est
presente un riesgo o una enfermedad concretos. Esta misma informacin est contenida en
otra medida, relacionada con la probabilidad, pero que se expresa de forma diferente. Se trata
del odds. El odds (o 'ventaja') se define como la probabilidad de que ocurra un evento dividida
entre la probabilidad de que no ocurra, es decir, el odds viene a ser una razn de
probabilidades complementarias. Esto es,
odds
Por ejemplo, es lo mismo decir que nuestro equipo de ftbol tiene una probabilidad de
80% de ganar su partido del domingo que decir que su odds es 4 a 1 para esa ocasin
(Fletcher, 1998). 0, como seala Last en su Diccionario, si 60 fumadores desarrollan tos
crnica y 40 no, el odds entre estos 100 fumadores en favor de desarrollar tos es 60:40, o 1,5;
en contraste, la probabilidad de que estos fumadores desarrollen tos es 60/100 o 0,6.
En un estudio caso-control se definen los odds en favor de la exposicin al factor de
riesgo. As, en los casos, el odds de haber estado expuesto ser:
oddscasos = a/a + c = a
c/a + c c
y, en los controles, ser:
oddscontroles = b/b + d = b
d/b + d d
De esta manera, la razn de posibilidades (OR) no es sino la razn o cociente entre los
odds, en favor de la exposicin de los casos y de los controles; es decir:
72
ORpescado cocinado = 17x1.438 = 24.446 = 1,14 ORfruta sin lavar = 71 x 953 = 67.663 = 1,83
198 x 108 21.384
683 x 54 36,882
Si comparamos la fuerza de asociacin medida con el RR y con el OR apreciaremos
que las diferencias observadas no cambian la conclusin acerca de las exposiciones que
parecen estar causalmente implicadas en la propagacin del clera en la comunidad.
Conviene reiterar que tanto el riesgo relativo como la razn de posibilidades, miden el
exceso de riesgo en los expuestos con respecto a los no expuestos a un determinado factor y
ambos tienen como punto de referencia la unidad (RR=1 OR=1). As, un RR u OR igual a 2,
por ejemplo, no significa que los expuestos tengan dos veces ms riesgo que los no expuestos,
sino una vez ms, es decir, los expuestos tienen el doble de riesgo de los no expuestos (100%
ms riesgo); un RR u OR igual a 1,5 significa que los expuestos tienen 0,5 veces ms riesgo
que los no expuestos (o sea, 50% de exceso de riesgo).
73
RIESGOS ATRIBUIBLES
La comparacin de dos medidas de incidencia acumulada, como se ha sealado,
permite cuantificar el exceso de riesgo entre dos grupos con diferente nivel de exposicin al
factor de inters. Este exceso de riesgo se puede medir en dos direcciones: la razn de tasas,
dividindolas para obtener el riesgo relativo, o la diferencia de tasas, restndolas, en cuyo caso
obtendremos el llamado riesgo atribuible en expuestos, es decir:
riesgo atribuible en expuestos = incidencia en expuestos - incidencia en no expuestos
RAE = IE IE
En el ejemplo de Framingham, el riesgo atribuible en expuestos (hipertensos) ser:
riesgo atribuible en expuestos: 545,5 - 189,0 = 356,5 por 1.000 expuestos
que es la tasa de enfermedad ECC en los expuestos que se considera debida o atribuible a la
exposicin, es decir, al hecho de ser hipertensos. En otras palabras, si los individuos expuestos
dejaran de ser hipertensos (esto es, si se eliminase su exposicin al factor de riesgo), su riesgo
absoluto original (545,5 por 1.000) quedara reducido solamente al riesgo absoluto de los no
expuestos (189,0 por 1.000); este exceso de riesgo (356,5 por 1.000) de enfermar con ECC se
atribuye a la hipertensin.
En forma anloga, el riesgo atribuible en la poblacin (RAP), es la magnitud
absoluta de incidencia de enfermedad que se atribuye a la exposicin, ya no slo en los
expuestos sino en el conjunto de la poblacin. El RAP es la diferencia entre la incidencia en la
poblacin Qp) y la incidencia en los no expuestos; es decir:
riesgo atribuible en la poblacin, RAP: Ip IE
En el ejemplo de Framingham, podemos determinar que la incidencia de ECC en la
poblacin fue 196,0 por mil personas (218 casos en 1. 112 personas). El RAP ser:
riesgo atribuible en la poblacin, RAP: 196,0 - 189,0 = 7,0 por 1.000 habitantes
que es la tasa de enfermedad ECC en la poblacin que se considera debida o atribuible a la
hipertensin (la exposicin). Es decir que, si no hubiera hipertensin en la poblacin, el riesgo
absoluto de enfermar con ECC sera 189,0 por mil personas en vez de 196,0 por mil: el exceso
de riesgo, atribuible a la exposicin, es slo 7,0 por mil habitantes.
74
FRACCIONES ATRIBUIBLES
A partir de los riesgos atribuibles podemos calcular otras dos medidas importantes,
llamadas medidas de impacto potencial: la fraccin atribuible en expuestos y la fraccin
atribuible en la poblacin. La fraccin atribuible en expuestos es simplemente el riesgo
atribuible en expuestos expresado porcentualmente, es decir, la proporcin de la incidencia en
expuestos que se considera debida a la exposicin al factor de riesgo. Esto es,
fraccin atribuible en expuestos: IE IE x 100
IE
En el ejemplo de Framingham sobre hipertensin y ECC, la fraccin atribuible en
expuestos -llamada tambin riesgo atribuible porcentual, RA% ser:
fraccin atribuible en expuestos (RA%): 545,5 - 189,0 x 100 = 65,4%
545,5
que quiere decir que el 65% del riesgo absoluto en expuestos es debido a la exposicin
al factor de riesgo, es decir, al hecho de ser hipertensos (el riesgo atribuible en expuestos,
355,5 por 1.000, equivale al 65,4% del riesgo absoluto en expuestos, 545,5 por 1.000).
Finalmente, la fraccin atribuible en la poblacin o fraccin etiolgica es una
medida que cuantifica el exceso de riesgo de enfermar, que se atribuye a la exposicin ya no
slo en los expuestos, sino en el conjunto de la poblacin. Esta medida es simplemente el
riesgo atribuible en la poblacin expresado porcentualmente (RAP%). De esta manera, la
fraccin atribuible en la poblacin queda expresada como:
fraccin atribuible en la poblacin, RAP%: p IP E X 100
La fraccin atribuible en la poblacin permite identificar la importancia relativa de la
exposicin a un determinado factor de riesgo en la poblacin, pues expresa la magnitud en que
se reducira el riesgo absoluto de enfermar en el conjunto de la poblacin (es decir, la
incidencia de la enfermedad en la poblacin) si se eliminara dicha exposicin. Por ello, se
considera que el RAP% es una medida de gran trascendencia en salud pblica.
En el ejemplo de Framingham sobre hipertensin y ECC, la fraccin etiolgica o riesgo
atribuible poblacional porcentual, RAP%, ser:
fraccin atribuible en la poblacin, RAP%: 196,0 - 189,0 x 100 = 3,6%
196,0
lo que quiere decir que la hipertensin da cuenta nicamente del 3,6% del riesgo absoluto de
enfermar con ECC, Le., la incidencia, en la poblacin estudiada. En otras palabras, si se
tuviera xito en eliminar la hipertensin en toda la poblacin, se habra conseguido reducir
nicamente en 3.6% el riesgo de desarrollar enfermedad cardiaca coronaria en esa poblacin.
75
Ejercicio 3.7
Complete la informacin del cuadro siguiente con relacin al impacto potencial
asociado a l os otros dos factores de riesgo de ECC presentados en el Cuadro 3.16a.
Factor de Riesgo
Medida
Riesgo relativo
Riesgo atribuible en
expuestos
Riesgo atribuible en la
poblacin
Fraccin atribuible en
expuestos
Fraccin atribuible en la
poblacin
Coardiomegalia
(medida por el incremento
de la sombra cardiaca a los
rayos X)
Tabaquismo
(Habito de fumar
cigarrillos presente)
76
Factor de riesgo
inicial
hipertensin sistlica
Riesgo relativo
(RR)
2,9
Prevalencia de
exposicin(PE)
2,0
Fraccin etiolgica
(RAP%)
3,6
cardiomegalia
2,1
10,0
9,8
tabaquismo
1,9
71,9
39,5
3.5
40
60
3
2.5
30
45
20
30
1.5
1
10
15
0.5
0
A
0
A
77
Esto nos permite saber que, aunque el consumo de pescado crudo est ms fuertemente
asociado a la presencia de clera (RR=4,9), su impacto potencial en la poblacin es muy bajo.
por que la prevalencia de exposicin (consumo de pescado crudo) en la poblacin es muy baja
(1,2%). Si eliminramos el consumo de pescado crudo en esa poblacin, solamente
conseguiramos reducir cerca de 5% su incidencia de clera. En cambio, el consumo de agua
no tratada -una prctica altamente prevalente en dicha comunidad (68,4% consume agua no
tratada)- tiene gran impacto potencial: eliminar este factor de riesgo reducira 65% la
incidencia de clera en la poblacin. Aunque, es obvio que las campaas de prevencin del
clera en esa comunidad habrn de advertir del riesgo de consumir pescado crudo o fruta sin
lavar, la inversin tendr que dirigirse prioritariamente a evitar que su poblacin consuma
agua no tratada.
ESTANDARIZACIN DE TASAS
Con el fin de sintetizar la informacin disponible, frecuentemente las tasas se
presentan para la poblacin completa o para grandes categoras de la misma. A estas tasas se
les llaman tasas crudas. Con estas tasas-resumen se suele comparar la mortalidad o la
incidencia de una enfermedad entre dos reas geogrficas, dos grupos de poblacin o dos
momentos en el tiempo y ver si existen diferencias relevantes. Consideremos la siguiente
situacin:
Grupos
de edad
(aos)
Total
PAS A
Defunciones
Poblacin
1.269.166
68.386.000
PAS B
Tasa por
mil
18,6
Defunciones
Poblacin
5.564.944
198.250.000
Tasa por
mil
28,1
78
PAIS A
Defunciones
Poblacin
1.269.166
317.308
338.100
270.261
343.497
68.386.000
19.831.740
35.218.790
10.941.760
2.393.710
PAIS B
Tasa
por mil
18,6
16,0
9,6
24,7
143,5
Defunciones
Poblacin
5.564.944
94.169
380.430
1.223.875
3.866.470
198.250.000
24.781.250
79.256.250
61.501.250
32.711.250
Tasa
por mil
28,1
3,8
4,8
19,9
118,2
79
Para poder realizar una comparacin libre de las distorsiones, que pueden provocar las
diferencias en la composicin de la poblacin se deben emplear tasas estandarizadas. Las tasas
estandarizadas o ajustadas son tasas-resumen construidas estadsticamente para tomar en
cuenta y remover el potencial efecto confusor de la variable edad u otra tercera variable, al
comparar las tasas de mortalidad o incidencia de dos poblaciones diferentes.
El procedimiento bsico para el ajuste de tasas (el llamado mtodo directo) requiere
contar con las tasas especficas por categora de la variable a ajustar (por ejemplo, la edad) en
ambas poblaciones a comparar. Es decir, se requiere dos conjuntos de tasas especficas por
edad (uno por cada pas) y una poblacin estndar. La idea general es ver cul sera el nmero
total de defunciones que habra en cada uno de los dos pases, si stos tuvieran exactamente la
misma estructura de edad (la poblacin estndar) y ocurrieran las tasas especficas por edad
realmente observadas en cada uno. En otras palabras, se trata de ajustar la estructura de
mortalidad observada de cada pas, a una estructura de edad nica y estndar para los dos. El
procedimiento incluye los siguientes cuatro pasos:
1. Fijar la poblacin estndar: se puede seleccionar una ya conocida o se puede construir
una a partir de los datos; por ejemplo, sumando las poblaciones especficas por
categora de edad en cada grupo;
Grupos
etreos
TOTAL
<15
15-44
45-64
65 y+
PAIS A
PAIS B
68.386.000
19.831.740
35.218.790
10.941.760
2.393.710
198.250.000
24.781.250
79.256.250
61.501.250
32.711.250
POBLACIN
ESTNDAR(A+
B)
266.636.000
44.612.990
114.475.040
72.443.010
35.104.960
PAS B
Tasa
Defunciones
observada esperadas
3,8
4,8
19,9
118,2
169.530
549.480
1.441.616
4.149.407
80
4.
POBLACIN
ESTNDAR
TOTAL
<15
15-44
45-64
65 y+
266.636.000
44.612.990
114.475.040
72.443.010
35.104.960
PAS A
PAS B
Tasa
Defunciones
Tasa
Defunciones
observada esperadas observada esperadas
8.639.663
6.310.033
16,0
713.808
3,8
169.530
9,6
1.098.959
4,8
549.480
24,7
1.789.339
19,9
1.441.616
143,5
5.037.556
118,2
4.149.407
calcular las respectivas tasas ajustadas por edad para cada poblacin, dividiendo el
nmero total de casos esperados obtenido en el paso previo, entre el total de la
poblacin estndar.
PAIS A
18,6
32,4
PAIS B
28,1
23,7
81
REFERENCIAS BIBLIOGRFICAS
Alleyne GAO. Gente sana en entomos saludables. Informe Anual del Director OPS 1998. Organizacin
Panamericana de la Salud; Washington DC, 1999.
Alleyne GAO. Emerging diseases-What now?. Emerging Infectious Diseases 1998 July; 4(3):498-500.
Beaglehole R, Bonita R, Kjellstrm T. Epidemiologa bsica. Organizacin Panamericana de la Salud; Washington
DC, 1994.
Bortman M. Factores de riesgo de bajo peso al nacer. Revista Panamericana de Salud Pblica/Pan American Journal
of Public Health 1998 May;3(5):314-21.
Castillo-Salgado C [Editor], Manual sobre el enfoque de riesgo en la atencin matemoinfantil. Segunda edicin.
Organizacin Panamericana de la Salud; Washington DC, 1999.
Centers for Disease Control. Epidemiologic notes and reports: Eosinophilia-Myalgia Syndrome-New Mexico.
Mortality and Morbidity Weekly Report 1989 November 17,38(45):765-67.
Colton T. Estadistica en medicina. Ediciones Diaz de Santos S.A.; Madrid, 1995,
Donaldson RJ, Donaldson LJ. Medicina comunitaria. Editorial Diaz de Santos; Madrid, 1989.
Fletcher RH, Fletcher SW, Wagner EH. Epiderniologia clinica: aspectos fundamentales. Segunda edici6n. Masson,
Williams & Wilkins Espafia, S.A.; Madrid, 1998.
Freund JE, Williams FJ. Dictionary/Outline of basic statistics. Dover Publications, Inc.; New York, 1991. Gordis L,
Epidemiology. Second edition. W.B. Saunders Company; Philadelphia, 2000.
Gore SM, Altman DG. Statistics in practice. British Medical Association; London, 1982.
Kahn HA, Sempos CT. Statistical methods in epidemiology. Oxford University Press; New York, 1989. Kirkwood
BR. Essentials of medical statistics. Backwell Scientific Publications; Osney Mead, 1988.
Last J [Editor]. A dictionary of epidemiology. Third edition. International Epidemiological Association. Oxford
University Press; New York, 1995.
Lwanga SK, Tye CY, Ayeni 0. Teaching health statistics. Lesson and seminar outlines. Second edition. World
Health Organization; Geneva, 1999.
Newcomer RJ, Benjamin AE. Indicators of chronic health conditions. Monitoring community-level delivery systems.
The Johns Hopkins University Press; Baltimore, 1997.
Norell SE. Workbook of epidemiology. Oxford University Press, Inc.; New York, 1995. Norman GR, Streiner DL.
Bioestadstica. Mosby/Doyma Libros, S.A.; Madrid, 1996.
Organizacin Panamericana de la Salud. Las condiciones de salud en las Amricas. Volumen 1. Edicin de 1994.
Organizacin Panamericana de la Salud; Washington DC, 1994.
Quick RE, Vargas R, Moreno D, et al. Epidemic cholera in the Amazon: the challenge of preventing deaths.
American Journal of Tropical Medicine and Hygiene 1993;48(5):597-602.
Rosner B. Fundamentals of Biostatistics. Fifth Edition. Duxbury Thompson Learning; Pacific Grove, 2000.
Silva LC. Cultura estadstica e investigacin cientfica en el campo de la salud: una mirada crtica. Ediciones Daz de
Santos, S. A.; Madrid, 1997.
Tukey JW. Exploratory Data Analysis. Addison Wesley Publishing Co. 1977.
Turnock BJ. Good news and bad news for public health. Journal of Public Health Management and Practice 1997
May;3(3):x-xi.
Wallgren A, Wallgren B, Persson R, Jorner U, Haalad JA. Graphing statistics & data. Creating better charts SAGE
Publications, Inc; Newbury Park, 1996.