EPIDEMIOLOGIA

I.

CUANTIFICACION DEL RIESGO

El trmino de riesgo implica que la presencia de una caracterstica o factor aumenta
la probabilidad de consecuencias adversas.
La cuantificacin del grado de riesgo constituye un elemento esencial y
fundamental en la formulacin de polticas y prioridades que no deben dejar hueco
a la intuicin ni a la casualidad. Hay diferentes maneras de cuantificar ese riesgo
(1,2):
A. RIESGO ATRIBUIBLE:
Su clculo est determinado por la diferencia entre la incidencia de expuestos y
no expuestos. La diferencia entre ambos valores da el valor del riesgo de
enfermedad en la cohorte expuesta, que se debe exclusivamente a la
exposicin.
Riesgo Atribuible
(RA) = I e - I ne
O, de otra manera:
RA = (a/ a + c) (b/ b + d)

Si pretendemos estimar la proporcin de enfermos o casos que ocurren en la

poblacin general atribuibles a un factor de riesgo determinado habra que dividir
la diferencia anterior (Riesgo Atribuible en la Poblacin: RAP) por la Incidencia
en la poblacin total: RAP = RA / Incidencia en la Poblacin total.
B. RIESGO RELATIVO:
Compara la frecuencia con que ocurre el dao entre los que tienen el factor de
riesgo y los que no lo tienen (Tabla 1).

TABLA 1.1. TABLA DE 2 x 2 PARA EL CALCULO DE LAS

MEDIDAS DE ASOCIACIN

EN

UN

ESTUDIO DE

SEGUIMIENTO
Enfermo
Expuestos
No expuestos
Total

a
c

Sano
b
d

a+c

b+d

Total
a+b
c+d
a+b+c

El riesgo relativo mide la fuerza de la asociacin entre la exposicin y la

enfermedad. Indica la probabilidad de que se desarrolle la enfermedad en
los expuestos a un factor de riesgo en relacin al grupo de los no expuestos.
Su clculo se estima dividiendo la incidencia de la enfermedad en los
expuestos (Ie) entre la incidencia de la enfermedad en los no expuestos (Io).
C. ODDS RATIO
En los estudios de casos y controles, dado que la incidencia es desconocida, el
mtodo de estimacin del riesgo relativo es diferente y se estima calculando el
Odds ratio, traducida al castellano con mltiples nombres como (4, 5, 6): razn
de productos cruzados, razn de disparidad, razn de predominio, proporcin
de desigualdades, razn de oposiciones, oposicin de probabilidades contrarias,
cociente de probabilidades relativas, oportunidad relativa.
Existe otra manera, proveniente del mundo del juego, de representar la

probabilidad de ocurrencia de un evento y es mediante el cociente entre la

probabilidad de que ocurra el evento y la probabilidad de que no ocurra. Este
cociente, que en ingls se denomina odds y para el que no hay una traduccin
espaola comnmente aceptada, indica cuanto ms probable es la ocurrencia del
evento que su no ocurrencia.
El odds ratio (OR) es el cociente entre el odds en el grupo con el factor y
el odds en el grupo sin el factor. A partir de la tabla en la que en la
columna nF figuran los eventos (casos: a0) y los no casos (b0) en la categora
que no tiene el factor y en la columna F los de la categora que s tiene el factor
Su clculo se indica en la tabla 1 y es:

TABLA 1.2.

TABLA DE 2 x 2 EN LOS ESTUDIOS DE

CASOS Y CONTROLES
Casos
Contr
Expuestos
a
b
No expuestos c
d
Odds ratio (razn de predominio, oportunidad relativa)

En la Tabla 2, exponemos los resultados de un estudio de seguimiento (3) donde 853

mujeres estuvieron pasivamente expuestas al humo del tabaco durante la gestacin y
1620 no lo estuvieron, y su asociacin con el bajo peso al nacer.

TABLA 2. DISTRIBUCION DE GESTANTES SEGN EXPOSICIN PASIVA AL HUM

RECIEN NACIDOS SEGN BAJO PESO O PESO NORMAL (7)
Recien Nacido de Bajo peso

Tabaco
S
No
Total

Exposicin

S
20
14
34

No
833
1606
2439

El riesgo relativo igual a 2.71 de la tabla 2, significa que las expuestas al factor x
(exposicin pasiva al tabaco) tienen 2,71 veces ms probabilidades de tener nios de
bajo peso que las no expuestas.

II.

CRITERIOS DE CASUALIDAD
Una vez que la validez del estudio ha resultado ser adecuada, el prximo paso es
comparar sus resultados con los de otros estudios epidemiolgicos realizados con
el mismo propsito. A menudo la determinacin de la causalidad ha sido
establecida mediante la construccin de un juicio subjetivo.
Un grupo de estndares muy usado al hablar de inferencia causal es el propuesto
por Bradford HiII en 1965, conjunto de principios muy utilizados pese a que el
propio autor comentaba que ninguno de mis nueve puntos de vista puede aDortar
evidencia incontestable a favor o en contra de la hipotesis de causa y efecto y por
tanto no pueden ser considerados como condicin sine qua non,).
1. FUERZA DE LA ASOCIACIN
Medida por la relacin entre la frecuencia de enfermedad en los expuestos
comparada con los no expuestos. Cuanto mayor es esta relacin (riesgo
relativo), mayor es la posibilidad de que se trate de una asociacin causal.
2. CONSISTENCIA DE LOS RESULTADOS
Se refiere a la observacin repetida de una asociacin en poblaciones distintas.
Si diversos estudios aportan resultados concordantes, especialmente si
incluyen poblaciones. Mtodos y periodos de estudios diferentes. Se apoyara
la relacin causal.
3. ESPECIFICIDAD DE LA ASOCIACIN

Tot
853
162
247

Requiere que una causa conduzca a un nico efecto, no a efectos mltiples No

obstante. la multiplicidad de causas y efectos es la regla y no la excepcin: por
ello la especificidad de una asociacin apoyara una interpretacin causal,
pero su falta no la niega. Por ello Rothamn rechaza este punto ya que en buena
lgica no puede esperarse que la causa de un efecto no produzca, adems,
otros efectos.
4. RELACIN O SECUENCIA TEMPORAL
Una asociacin causal requiere que la causa anteceda al efecto. Esta si sera
una condicin sine qua non. si bien en ocasiones es difcil establecerlo. Por
ejemplo: La hipertensin arterial es causa o efecto de la insuficiencia renal?
5. PLAUSIBILIDAD BIOLGICA
Se refiere a si la hipottica relacin causal tiene sentido segn los
conocimientos actuales. Sin embargo, a veces, el estado de nuestros
conocimientos no permite explicar asociaciones que si son causales.
6. GRADIENTE BIOLGICO - RELACIN DOSIS-RESPUESTA
Aquellos efectos que se incrementan con la dosis; el tiempo y el nivel de
exposicin apoyan una relacin causal. En epidemiologia laboral debe
recordarse que ciertos efectos slo se presentan a partir de una dosis umbral y
que a partir de una cierta dosis se produce un efecto de saturacin a partir del
cual, un incremento de la dosis no va se guida de un aumento del efecto A
estos criterios cabra aadir:
-

Disminucin del riesgo al cesar la causa.

Ausencia de explicacin alternativa.

Resultados coherentes con estudios previos.

Ausencia de sesgos, confounding, etc

7. PLAUSIBILIDAD BIOLGICA:
El contexto biolgico existente debe explicar lgicamente la etiologa por la
cual una causa produce un efecto a la salud. Sin embargo, la plausibilidad
biolgica no puede extraerse de una hiptesis, ya que el estado actual del

conocimiento puede ser inadecuado para explicar nuestras observaciones o no

existir.

8. COHERENCIA
Implica el entendimiento entre los hallazgos de la asociacin causal con los de
la historia natural de la enfermedad y otros aspectos relacionados con la
ocurrencia de la misma, como por ejemplo las tendencias seculares. Este
criterio combina aspectos de consistencia y plausibilidad biolgica.
9. EVIDENCIA EXPERIMENTAL
Es un criterio deseable de alta validez, pero rara vez se encuentra disponible
en poblaciones humanas. ix) Analoga: se fundamenta en relaciones de causaefecto establecidas, con base a las cuales si un factor de riesgo produce un
efecto a la salud, otro con caractersticas similares pudiera producir el mismo
impacto a la salud.
10. CAUSA Y FRACCIN ETIOLGICA
La bsqueda etiolgica tiende a individualizar los componentes de cada causa
suficiente, sea sta necesaria o no. Para medir este tipo de efectos se define la
FRACCION ETlOLOGlCA (riesgo atribuible) que puede ser representada as:
Si eliminamos A. la enfermedad desaparecer; si eliminamos 8, disminuir en
un 50 %. y suprimiendo D, desaparecer el 80 % de la enfermedad. Es decir,
que, para cualquier enfermedad, la suma de las FE de las causas componentes
es como mnimo el 100 % (en el ejemplo anterior es del 300 %).
En muchas situaciones una relacin causa-efecto es difcil de establecer. Adems, un
estudio es generalmente insuficiente para establecer causalidad. La determinacin de
la causalidad se deriva cuando existe un gran cuerpo de evidencia sobre la asociacin
de estudio. A partir de la base de evidencia, esta gua se utiliza para organizar la
informacin e impulsar los procesos inferenciales. Antes de realizar un estudio se
espera que el investigador realice una revisin de la bibliografa existente sobre la
asociacin de inters. El anlisis de los estudios existentes recolectados por el

investigador debe realizarse siguiendo esta gua. Es tambin til obtener la evidencia
de otros campos de estudio en apoyo a la asociacin bajo estudio. La evidencia de
otros campos de investigacin puede suministrar informacin que los estudios
epidemiolgicos no pueden generar debido a su naturaleza observacional.

III.

VALIDEZ Y CONFIABILIDAD
1. VALIDEZ
La validez se define como la capacidad de un instrumento (por ejemplo, un
cuestionario o una prueba de laboratorio) para medir lo que intenta medir, sta
slo puede determinarse si existe un procedimiento de referencia, tambin
conocido como estndar de oro, el cual, es considerado como un procedimiento
definitivo para establecer si alguien tiene la caracterstica de inters. Por ejemplo,
una prueba que slo puede un resultado positivo o negativo (i. e., binario; vase
tabla 1).
Para tal situacin, es necesario entender dos conceptos importantes como lo son
la sensibilidad y la especificidad de una prueba.
La sensibilidad de una prueba responde a las siguientes preguntas:

Cuntos resultados positivos se obtendrn en los individuos enfermos?

Cuntos casos del total de casos en la poblacin estudiada pueden

identificarse por el resultado de la prueba?

Por lo tanto, podemos definir la sensibilidad de una prueba como la proporcin

de los individuos clasificados como positivos por el estndar de oro que se

identifican correctamente por la prueba en estudio. Lo anterior podemos

representarlo de la siguiente forma:
Dnde:

a= verdaderos positivos
a+c= total de casos positivos (enfermos)
VP/FN= verdaderos positivos/falsos negativos

El valor que puede asumir la sensibilidad vara del 0 al 1 (100%), es decir, cuanto
ms alto es el valor, hay una mejor capacidad en la deteccin de enfermos por
medio de la prueba.
Una sensibilidad baja produce prdida de casos que pudieran ser tratados, siendo
ms seria la situacin de que a mayor gravedad de padecimiento dejar a pacientes
enfermos como fuente de infeccin en la comunidad representara un costo alto.
No existe un nivel mgico de sensibilidad que determine que una prueba sea
aceptable; por ejemplo, en cncer de colon 75% (1 de cada 4 retrasar su
diagnstico).
La especificidad de una prueba en estudio se refiere a la proporcin de los
individuos clasificados como negativos por el estndar de oro que se identifican
correctamente por la prueba en estudio. Este parmetro responde a las siguientes
preguntas:

Cuntos resultados negativos en personas sin la enfermedad?

Cuntos individuos sanos se confirmarn por el resultado de la prueba?

Dnde:
a= verdaderos negativos
a+c= total de casos negativos (sanos)
VN/FP= verdaderos negativos/falsos positivos
Al igual que la sensibilidad, el valor de la especificidad vara del 0 al 1 (100%),
lo que significa que cuanto mayor sea el valor mayor capacidad de deteccin de

sujetos sanos por la prueba.

Adems de la sensibilidad y la especificidad de una prueba, se han desarrollado
otros parmetros para poder determinar qu tanta validez tiene sta al ser
utilizada como prueba diagnstico. Entre estos parmetros se encuentra el valor
predictivo. El valor predictivo positivo de la prueba responde a las siguientes
preguntas:

De todos los resultados positivos, cuntos se han encontrado en persona

que sufren la enfermedad?

Cul es la probabilidad en el caso de un resultado positivo de la prueba de

que la persona realmente est enferma?

Este ndice se calcula de la siguiente manera:

El valor obtenido representa la probabilidad de que alguien con un resultado

positivo en la prueba en estudio, tenga la caracterstica de inters.
Por otra parte, el valor predictivo negativo de la prueba responde las siguientes
preguntas:
- Qu proporcin de todos los resultados negativos corresponde a personas
realmente sanas (sin la enfermedad)?
- Cul es la probabilidad de que las personas con resultados negativos no
tengan la enfermedad?
El clculo se realiza de la siguiente forma:

Este valor representa la probabilidad de que alguien con un resultado negativo en

la prueba en estudio no tenga la caracterstica de inters.
Tambin es posible obtener el valor predictivo global de la proporcin de

resultados vlidos entre la totalidad de las pruebas efectuadas:

El valor predictivo de un resultado depende en gran parte de lo comn que sea la

enfermedad bajo estudio, esto es, cuando la prevalencia es baja, la obtencin de
un resultado negativo permitir descartar con mayor seguridad la enfermedad,
teniendo entonces un valor predictivo.
Es importante tener en cuenta que basar resultados en la prevalencia de una
enfermedad a veces resulta complicado, por lo que es til el uso de otros ndices
que nos permitan determinar cunto ms probable es un resultado concreto segn
la ausencia o presencia de enfermedad, por ello, se ha desarrollado el concepto de
razn de verosimilitudes, razn de probabilidades o cociente de probabilidades.
Razn de verosimilitudes positiva o cociente de probabilidades positivo
(likelihood radio of positive test): se calcula dividiendo la probabilidad de un
resultado positivo en los pacientes enfermos entre la probabilidad de un resultado
positivo entre los sanos. Es decir, el cociente entre la fraccin de verdaderos
positivos (sensibilidad) y la fraccin de falsos positivos (1especificidad).

o RV+= Sensibilidad/ 1 Especificidad

Valores altos indican una mejor capacidad para diagnosticar presencia de la
enfermedad.
Razn de verosimilitudes negativa o cociente de probabilidades negativo
(likelihood radio of negative test): se calcula dividiendo la probabilidad de un
resultado negativo en presencia de enfermedad entre la probabilidad de un
resultado negativo en ausencia de la misma. Se calcula por lo tanto, como el
cociente entre la fraccin de falsos negativos (1 sensibilidad) y la fraccin de
verdaderos negativos (especificidad).

o RV= 1Sensibilidad/Especificidad
Valores bajos o menores de este parmetro indican una mejor capacidad

diagnstica de la prueba.
Una ventaja importante que poseen estos cocientes respecto a los valores
predictivos, es que no dependen de la proporcin de enfermos en la muestra, sino
de la especificidad y sensibilidad de la prueba.
Por todo lo anterior, podemos decir, que una prueba ideal es aquella que tiene
una alta sensibilidad (identifica correctamente a una alta proporcin de
individuos realmente expuestos o enfermos) y una alta especificidad (da pocos
resultados positivos en individuos no expuestos o no enfermos).
El conjunto de pares ordenados 1Especificidadsensibilidad (i. e., la sensibilidad
en funcin de los falsos positivos o complemento de la especificidad) obtenidos,
se puede representar grficamente gracias a la curva caracterstica operativa del
receptor (ROC, por sus siglas en ingls). En este tipo de curvas se trata el
resumen de la validez de una determinacin continua para diferentes valores
lmite (puntos de corte).
El perfil dicotmico respecto a una enfermedad contenido en la representacin de
los pares ordenados 1Especificidadsensibilidad se puede observar en la
siguiente grfica.

En la grfica anterior, se muestran algunas de las pendientes que se pueden

obtener as como el valor nominal de cada una de ellas. Cabe mencionar que el
criterio para el establecimiento del valor de la grfica depende de factores como
el tipo de enfermedad a estudiar, la experiencia del profesional a cargo, as como
de factores inherentes a los sujetos bajo estudio. No obstante, una interpretacin
generalmente aceptada se lleva a cabo mediante el anlisis del rea bajo la curva
(ABC), que es una medida global de la exactitud diagnstica.
El ABC es definido como la probabilidad de clasificar correctamente un par de
individuos (sano y enfermo) seleccionados al azar de la poblacin, mediante los
resultados obtenidos al aplicarles la prueba diagnstica. Lo anterior podemos
representarlo mediante la siguiente expresin:

Aunque no existe un punto de corte o ideal, por convenio se acepta que el valor
del ABC sea mayor o igual a .05. Si no existen diferencias en la distribucin de
los resultados de la prueba entre los grupos, se toman valores que oscilan
alrededor de .05, por ejemplo, valores comprendidos en el intervalo de .05.07,
podran referir que la exactitud de la prueba es baja. Valores entre .07.09,
pueden resultar tiles slo bajo ciertas condiciones; en cambio, un valor de .09 en
adelante, se da cuando existe una perfecta separacin entre las distribuciones,
indicando una alta exactitud de la prueba.
La capacidad de discriminacin o predictiva de la prueba puede evaluarse
estimando el intervalo de confianza del ABC ROC, i. e., el clculo se obtiene de
forma independiente de la prevalencia de la enfermedad en la poblacin de
referencia (Fernndez y Prtigas, 2003; Molinero, 2002). Esto es, si en el
intervalo no se incluye el valor de .05, se dice que la prueba es capaz de discernir
entre enfermos y sanos.
Pero, cmo elegimos el valor para establecer un punto de corte para la curva
ROC que nos ayude a tomar una decisin respecto a las grficas obtenidas? A
pesar de que la respuesta no es sencilla y tampoco existe una frmula absoluta
que nos indique el punto de corte ideal para nuestra investigacin, autores como
Galen y Gambino (citado en Burgueo, GarcaBustos y Gonz+alez Buitrago,

1995) han sugerido una serie de postulados de tipo prctico respecto a las
caractersticas de una prueba diagnstica para elegir el valor del punto de corte a
tomar en cuenta.
1

Elegir la mayor sensibilidad cuando:

a

La enfermedad sea grave y no pueda pasar inadvertida

La enfermedad sea tratable

Los resultados falsos positivos no supongan un traumatismo psicolgico

o econmico en los individuos examinados.

2 Elegir la mayor especificidad posible cuando:

a La enfermedad sea importante pero difcil de curar o incurable
b El hecho de conocer que no se padece la enfermedad tiene una
importancia sanitaria y psicolgica.
3 Debe utilizarse una prueba con un alto valor predictivo positivo cuando el
tratamiento de los falsos positivos pueda tener consecuencias graves.
4 Un valor global elevado se desea cuando:
a

La enfermedad sea importante pero curable

b Tanto los falsos positivos como los falsos negativos supongan un

traumatismo y ste conlleve consecuencias graves.
A modo de resumen, podemos mencionar tanto la utilidad las curvas ROC como
una de las limitaciones que representa el uso de estas curvas. Entre sus utilidades
se encuentran las siguientes: a) conocer el rendimiento global de una prueba
(ABC), b) comparar dos pruebas o dos puntos de corte. Comparacin de dos
curvas o de dos puntos sobre una curva, y c) elegir el punto de corte apropiado
para un determinado paciente.
La principal limitacin de este modelo es que slo contempla dos estados
clnicos posibles (sano y enfermo) y no es muy til su uso para situaciones en
que se trata de discernir entre ms de dos enfermedades.
Una vez establecido el marco de referencia, es importante aterrizar los conceptos
manejados en problemas que nos permitan entender a qu nos referimos. Por
ello, a continuacin se presentan una serie de ejemplos para que resulte ms claro

al lector lo ya mencionado.

2. CONFIABILIDAD
El concepto de confiabilidad o reproducibilidad implica la cantidad de error
que se comete al realizar cualquier medida (por ejemplo la determinacin de
la presin arterial). Existen varios tipos de confiabilidad, incluyendo la
confiabilidad inter e intra-sujeto.
Existen tres tipos de repetitividad:
Variacin intra-sujeto: Se refiere a la variacin implcita en las
caractersticas que se estn determinando, las cuales, a menudo, varan en el
tiempo, an en intervalos de tiempo cortos. Por ejemplo, las cifras de presin
arterial varan incluso en un perodo de 24 horas y dependiendo de la actividad
realizada por el sujeto en el momento de realizar la medicin. Por lo tanto, al
evaluar el resultado de una prueba, es importante considerar las condiciones y
el momento en que se realiz la misma.
Variacin intra-observador: Ocurre entre dos observaciones realizadas por
el mismo experimentador. Por ejemplo, la lectura de una radiografa en dos
ocasiones distintas, la cual problamente puede ser reportada, en ambas
oportunidades, con observaciones diferentes. Aqu se debe tomar en cuenta el
grado de factor subjetivo del observador que realiza el anlisis y sus
conclusiones; por lo tanto, a mayor cantidad de elementos subjetivos que
intervengan en la lectura, se presentar mayor variacin intra-observador
Variacin inter-observador: Dos observadores diferentes pueden reportar el
resultado de una prueba de manera distinta. Es relevante, entonces, lograr un
concenso entre los observadores, para ello, una herramienta til para unificar
los criterios de observacin es la transformacin a trmino cuantitativos de las
apreciaciones de los observadores. Existen diversos modelos matemticos que
permiten solventar estas discordancias.

REFERENCIAS BIBLIOGRAFICAS

Serie PALTEX para ejecutores de programas de salud N 7. Manual sobre el

enfoque de riesgo en la atencin materno-infantil. Washington: Organizacin
Panamericana de la salud, 2010.

Pita Fernndez S. Epidemiologa. Conceptos bsicos. En: Tratado de

epidemiologa clnica. Madrid: DuPont Pharma.

Martn TR , Bracken MB . Asociacin de bajo peso al nacer con la exposicin

pasiva al humo durante el embarazo. Am J. Epidemiol; 124 : 633-642 .

Rigau Prez J.G. Traduccin del trmino "odds ratio". Gac Sanit; 16: 35.

Becerra J.E. Traduccin del trmino "odds ratio". Gac Sanit; 16:36.

Centre for Evidence-Bases Medicine (CEBM). Likelihood Ratios, 1-3 2009.

www.cebm.net/scrating-post.as ltima JM . Un diccionario de la epidemiologa.

Prensa de la Universidad de Oxford. Nueva York.
2001

Evans , R. S .: causalidad y la enfermedad : Los postulados de Koch - Henle

revisitedn . Yale J. Biol . Med , 49: . 175-195.

Pita, S. F. y Prtegas, S.D. (2003). Pruebas diagnsticas: sensibilidad y

especificidad. Cad Aten Primaria. 10: 120124.