Epidemiologia Nuevo

EPIDEMIOLOGA
Autor: Tesifn Parrn Carreo
Concepto de epidemiologa
Es el estudio de la ocurrencia de la enfermedad
Mtodo de razonamiento que estudia en las

poblaciones humanas la dinmica de la saludenfermedad, los factores que influyen en ella, as
como los mtodos de intervencin diagnsticoteraputicos
Concepto de epidemiologa
La Epidemiologa estara constituida por el conjunto

de tcnicas que nos permiten conocer la frecuencia
y distribucin de los problemas de salud mediante
los mtodos y diseos epidemiolgicos adecuados,
poner de manifiesto la causa de los mismos, es
decir establecer relacin causal, seleccionar los
prioritarios y poner en marcha medidas correctoras
Conceptos bsicos
Diseos epidemiolgicos
Concepto de variables
Validez y precisin de los estudios
Medidas de frecuencia y asociacin
Conceptos bsicos
Diseo de un estudio epidemiolgico
Por diseo de un estudio se entienden los

procedimientos, mtodos y tcnicas mediante los
cuales el investigador planifica los aspectos de
seleccin de la poblacin en estudio, la asignacin de
sta a los grupos, la metodologia de recogida de
datos, las tecnicas estadistica a utilizar en el analisis y
como se interpretarn los resultados.
Tras la el diseo y la ejecucin se llegara a las
conclusiones
Conceptos bsicos
Eleccin de un diseo de investigacin
DEFINICIN: Es un instrumento para efectuar la

medicin de un parmetro
OBJETIVO: Recoger informacin sobre un
problema de salud
Conceptos bsicos
Metodologa de la investigacin
Investigacin
Adquisicin de conocimientos
El Mtodo cientfico
1.
- Observacin
2.
- Formulacin de una hiptesis
3.
- Verificacin de la hiptesis
4.
- Emisin de una ley general
El proceso
Planificacin Conclusiones
Conceptos bsicos
El proceso de investigacin
1.- Planificacin
2.- Diseo de la investigacin
3.- Obtencin de datos
4.- Organizacin y presentacin
5.- Anlisis de datos
6.- Interpretacin
7.- Publicacin
Conceptos bsicos
Planificacin
1.- Identificacin del problema
2.- Revisin y valoracin crtica de la bibliografa
3.- Formular objetivos o hiptesis

Considerar:
Seleccin de variables RELEVANTES
Estrategias APROPIADAS
Exigencias TICAS
PRESUPUESTO
4. Otros aspectos
Seleccin de MUESTRA
Diseo
Obtencin de datos
Anlisis de datos
Conceptos bsicos
Planificacin
- Fuentes y justificacin de los temas de investigacin:
Hiptesis deducidas de forma lgica de teoras preexistentes
Hiptesis sugeridas por observaciones clnicas
Investigaciones previas, no finalizadas o invalidadas
Investigaciones de eficacia de tcnicas o de tratamientos
- Formulacin de objetivos hiptesis

Es fundamental que el tema pueda ser medido
Conceptos bsicos
Estrategias de investigacin
-
Estrategias no experimentales
poblacin
muestra
datos
Estrategias experimentales
Grupo 1
poblacin
muestra
asignacin
Grupo 2
Observacin
y datos
Conceptos bsicos
Consideraciones ticas
1.
Quien se beneficia de la investigacin?
2.
- Informacin y consentimiento
3.
- Minimizar riesgos
4.
- Minimizar dolor, ansiedad, incomodidades
5.
- Respeto a las creencias, tabes etc. de la comunidad
6.
- Empleo correcto de los mtodos de investigacin
Conceptos bsicos
Mtodo de muestreo y validez externa
Cuestiones bsicas de muestreo
- Aleatoriedad
- Representatividad
- Tipo de muestreo
- Tamao adecuado
Validez externa
- Generalizacin a la poblacin
Conceptos bsicos
Tcnicas de muestreo
Cuando elegimos individuo de una poblacin de estudio para formar

muestras podemos encontrarnos en las siguientes situaciones:
Muestreos probabilisticos
Conocemos la probabilidad de que un individuo sea elegido para
la muestra.
Muestreos no probabilisticos
No se conoce la probabilidad.
Son muestreos que seguramente esconden sesgos.
En principio no se pueden extrapolar los resultados a la poblacin.
A pesar de ello una buena parte de los estudios que se publican
usan esta tcnica
Son muestreos con menor posibilidad de sesgo
Tipos: aleatorio simple, sistemtico, estratificado y por grupos.
Conceptos bsicos
Grado de confianza de la inferencia
Es la probabilidad de que el valor real del parmetro poblacional se

encuentre dentro de los lmites especificados por los valores del estimador
muestral.
Ms que un clculo suele ser un criterio definido convencionalmente por el

analista expresado en unidades estandarizadas Z o en porcentaje de
valores muestrales.
Una probabilidad de 95% equivale a 1.96 unidades de Z y es la ms
utilizada.
Conceptos bsicos
Grado de error (imprecisin) de la inferencia

Debido a la aleatoriedad, los valores de un mismo estadstico difieren de una
muestra a otra.
Esta variabilidad introduce un error en la estimacin (error aleatorio).

Este error puede medirse, pues las medias de los estimadores siempre se
distribuyen normalmente (Teorema del lmite central) aunque los mismos
estimadores no lo hayan hecho.
Conceptos bsicos
Error aleatorio
Cuando se mide el estadstico en diferentes muestras tomadas
aleatoriamente los resultados son variables. Esta variabilidad del estadstico
se denomina error aleatorio y es causada por el azar.
Conceptos bsicos
Grado de error (imprecision) de la inferencia

Para un mismo nivel de confianza puede medirse el error aleatorio por
encima y por debajo de la estimacin.
El error aleatorio configura lmites de confianza dentro de los cuales se

presume estar el valor real del parmetro para el nivel de confianza elegido
por el analista.
El intervalo de confianza de la inferencia ser ms amplio (impreciso)
mientras ms altas sean la confiabilidad exigida y la desviacin estndar.
Conceptos bsicos
Grado de error (imprecision) de la inferencia

Cuanto ms grande sea la muestra, ms pequeo (preciso) ser el intervalo.
Los lmites de confianza superior e inferior, se calculan con base en la
siguiente frmula que depende de la desviacin estndar del estimador
muestral (s), del valor de Z elegido y del tamao muestral (n):
(IC 95%) = x 1.96 ( s/ n)
QU PRETENDEMOS ?
Conocer y manejar los conceptos bsicos de inferencia estadstica: poblacin,

muestra aleatoria, parmetro, estadstico, estimador y estimacin.
Calcular intervalos de confianza. Interpretar que significa el nivel de confianza de un

intervalo.
Entender los conceptos de hiptesis nula, hiptesis alternativa, estadstico de
contraste, regin crtica de rechazo y regin de aceptacin.
Realizar un contraste de hiptesis y diferenciar entre contrastes unilaterales y
bilaterales.
Conocimiento y manejo bsico de un paquete estadstico.
CIENCIAS DE LA SALUD Y BIOESTADSTICA ? PARA QUE?
La necesidad del conocimiento estadstico del profesional de las Ciencias de la

salud se fundamenta en:
Los profesionales sanitarios suelen realizar afirmaciones acerca de un grupo de

individuos habiendo observado solo unos cuantos. ( Para ello es necesario el
Mtodo Estadstico)
En la mayora de las ciencias "puras la repeticin de los sucesos en idnticas
condiciones => los mismos resultados.
En las Ciencias de la Salud se produce variabilidad por:
Aparatos de medida
Desigualdad interindividuos
Desigualdad del propio individuo en diferentes etapas e incluso en un tiempo
corto
CIENCIAS DE LA SALUD Y BIOESTADSTICA ? PARA QUE?
Ello => la impredecibilidad de los datos => necesidad de la estadstica para

obtener resultados cientficamente vlidos
La investigacin en el campo de las Ciencias de la Salud
Requiere de la estadstica en las fases de Diseo, Recopilacin, Anlisis y

obtencin de Conclusiones
La informacin del profesional de la salud cada vez es menos entendible
sin conocimientos estadsticos
POBLACIN
Conjunto de todos los
caracterstica observable
2
9
9
5
3
1
8
7
2
5
7
8
individuos
que
tienen
en
comn
alguna
6
3
Numero de individuos = n= 18
4
X1+X2+Xn
90
Media poblacional = = ------------------ = ----- = 5
n
18
Desviacin tpica de la poblacin = =
(Xi - X )2
------------------ = 2,65
n
MUESTRA
Es una parte de la poblacin en la que se observa el fenmeno objeto de
nuestro estudio
2
9
9
5
1
8
1
7
3
2
5
6
3
4
n =18
=5
= 2,65
7
6
1
Tamao de la muestra= n= 3
X1+X2+Xn
15
Media de la muestra= X = ------------------ = ---- = 5
n
3
Desviacin tpica de la muestra = Sx =
(Xi -X )2
----------------=4
n
GRADOS DE LIBERTAD
Se llaman grados de libertad al nmero de observaciones que: pueden, variar
independientemente. Si decimos determnense tres nmeros cualesquiera
actuamos con 3 grados de libertad. Pero si decimos detenminense tres
nmeros que suman 20, slo tenemos dos grados de libertad, ya que podemos
fijar dos numeres cualesquiera pero el tercero. Vendr fijado por la condicin de
que deben sumar 20.
COEFICIENTE DE RIESGO O NIVEL DE SIGNIFICACIN

Es la probabilidad de error. Se la denomina y puede expresarse igualmente en
probabilidad o en tanto por ciento. Vendr dado por:
= 100 - nivel de confianza, en tanto por ciento.
= 1 - nivel de confianza, en probabilidad.
Los ms usados son = 0,05 (5 %) y = 0,01 (1 %).
= 100 - 95 % = 5 %
= 100 - 99 % = 1 %
= 1 - 0,95 = 0,05
= I - 0,99 = 0,01
PRUEBA DE HIPTESIS
(Referida a la de la poblacin). Proceso estadstico mediante el cual se desea

comprobar si un valor hipottico dado a la media de la poblacin es compatible
con los datos observados en la muestra.
2
9 9
5 1 1
8
7
7
8
4
3 6
2 3
5 4
Cojamos sucesivas muestras de 2 individuos
Casos mas favorables

Se acercan mas a la media real
X =5
X =5
Casos mas desfavorables

Se alejan mas a la media real
9
1
9
1
Distancia mxima a la
media real (error)
X =9
X =1
X =5
X = 8.67
3.67
X = 1.33
3.67
X =5
9
1
9
1
8
2
8
2
X = 8.5
3.5
X = 1. 5
3.5


media real (error)

4
5
5
9
X =5
X =8
X =2
6
9
6
9
8
6
X= 7
X =3
X =5
1
2
4
3
5


media real (error)

2
9
3
5
8
9
8
6
X = 5,5
0.5
X =5
1
2
X = 4.5
0.5

media real (error)
Para muestras de 2 individuos
3.67
3.5
Cpara muestras de 16 individuos
0.5
Aun en el supuesto de elegir los casos mas desfavorables

A medida que aumentamos el tamao de la muestra la probabilidad de error disminuye
NUMERO DE MUESTRAS POSIBLES

Viene definido por las variaciones :
Se llama variaciones de m elementos tomados de n en n (m n) a los distintos grupos formados
por n elementos se calculan mediante cualquiera de las siguientes formulas:
Cuantas muestras posibles de 18 elementos puedo yo tomar del total de 18 bolas?
V( ) V( )
n
m
18
18
m!
18x17x16 x1
= -------------- = -------------------------- = 6402373705728000
(m-n) !
0!
Cuantas muestras posibles de 1 elemento puedo yo tomar del total de 18 bolas?
V( ) V( )
n
m
18
m!
18x17x16 x1
= -------------- = -------------------------- = 18
(m-n) !
17x16x15 x1
Cuantas muestras posibles de 1 elementos puedo yo tomar de 5 bolas? = 5

Medias posibles
2
1
5
3
1
2
3
4
5
1
2
3
4
5
Frecuencia de las medias
1
1
1
1
Cuantas muestras posibles de 2 elementos puedo yo tomar ? = 20

Medias posibles
2
1
5
3
Frecuencia de las medias
1-2
1-3
1-4
1-5
2-3
2-1
3-1
3-2
1,5
2
2,5
3
2,5
2-4
2-5
3-4
3-5
4-5
4-2
5-2
3
3,5
2
2
2
4-3
5-3
3,5
4
2
2
5-4
4,5
4-1
5-1
2
2
2
2
Cuantas muestras posibles de 3 elementos puedo yo tomar ? =60

Medias posibles
2
1
5
3
1-2-3
1-2-4
1-2-5
1-3-4
1-3-5
1-4-5
2-3-4
2-3-5
2-4-5
3-4-5
1-3-2
1-4-2
1-5-2
1-4-3
1-5-3
1-5-4
2-4-3
2-5-3
2-5-4
3-5-4
2-1-3
2-1-4
2-1-5
3-1-4
3-1-5
4-1-5
3-2-4
3-2-5
4-2-5
4-3-5
2-3-1
2-4-1
2-5-1
3-4-1
3-5-1
4-5-1
3-4-2
3-5-2
4-5-2
4-5-3
3-1-2
4-1-2
5-1-2
4-1-3
5-1-3
5-1-4
4-2-3
5-2-3
5-2-4
5-3-4
3-2-1
4-2-1
5-2-1
4-3-1
5-3-1
5-4-1
4-3-2
5-3-2
5-4-2
5-4-3
2
2,3
2,6
2,6
3
3,3
3
3,3
3,6
4
Frecuencia de las
medias
6
6
6
6
6
6
6
6
6
6
Muestras de 1 elementos
Media real
Medias posibles
De 1 a 5
Media real
Medias posibles
De 1,5 a 4,5
Media real
Medias posibles
De 2 a 4
DISTRIBUCIN MUESTRAL
Se llama distribucin muestral de un estadstico (por ej. de la media X) a la distribucin de
frecuencias de los valores que ese estadstico (la media) toma en un nmero infinito de muestras
del mismo tipo y tamao.
A medida que aumenta el tamao N de las muestras, la

distribucin de frecuencias de las medias X observadas en
diversas muestras de tamao N adopta forma de curva normal.
Para variables cuantitativas continuas, este teorema se cumple a
partir de N> 30.
Se conoce como
TEOREMA DEL LMITE CENTRAL
DISTRIBUCIN MUESTRAL NORMAL

CARACTERISTICAS
Es simtrica
La media se sita en el punto medio de la curva
Los valores de mayor frecuencia (nas probables) se
sitan cerca de la media y los mas raros (menos
probables) mas alejados.
Entre la media y 1 deviacin estandar

estara el 68,2 % de los valores
Entre la media y 2 deviaciones estandar
estara el 95,4 % de los valores estara
entre la media y 1,96 deviaciones
estandar
La informacin suministrada por la

muestra es la que utilizamos para inferir
con
ms
o
menos
exactitud
las
caractersticas de la poblacin que es lo
que realmente nos interesa; ,esta es la
tarea de la Estadstica Inferencial.
Hacer inferencias de las caractersticas
de la poblacin a partir del conocimiento de
las caractersticas de la muestra.
ESTIMACION PUNTUAL DE PARAMETROS

La media de la distribucin muestral es igual (coincide) con la media de la poblacin
A medida que aumenta el tamao de la muestra la distribucin muestral se hace cada vez ms
compacta.
La variabilidad de la muestra es directamente proporcional a la variabilidad de la poblacin de
origen y es inversamente proporcional al tamao muestral
Sx
2
2=------------
Sx=-----------n
ESTIMACION POR INTERVALOS

Debido a la imprecisin que acarrea la estimacin por puntos sta es poco
utilizada en beneficio de la estimacin por intervalos que consiste en dar dos
valores que definen un intervalo en el que estimamos que se encontrar el
parmetro de la poblacin con una probabilidad determinada.
Como ya sabemos por el estudio de la curva normal, el 95 % (99 %) de las

medias de muestras no se apartarn ms de 1,96 Sx (2,58 Sx) de la media de la
poblacin . Esta diferencia mxima que separar el estadstico del parmetro a
un determinado nivel de confianza se denomina error muestral.

Construccin del intervalo de confianza para :
1.- Fijar el nivel de confianza. (normalmente 95%)

2.- Calcular la z correspondiente a dicho nivel de confianza.
Nivel de confianza del 95 % => z = 1,96
Nivel de confianza del 99 % => z = 2,58
3.- Calcular la media X y desviacin tpica Sx de la muestra.
4.-Calcular el error tpico de la media (desviacin tipica de la distribucion muestral)
Sx
Sx=-----------N-1
5.- Calcular el error muestral E = z . Sx
6.- Construir el intervalo de confianza, sumando y restando a la media de la muestra ( X )
el error muestral (E).
I. C. = X
E = X Z . Sx

Ejemplo. En una muestra de 50 jvenes encontramos que el consumo medio de
caloras diario es de X = 2.529 cal. y su desviacin tpica Sx =231 cal. Vamos a calcular
el intervalo de confianza para la media de la poblacin con un nivel de confianza del
95 %.
1. Nivel de confianza: 95 %. Lo que => z =1,96.
2. Calcular el Error tpico de la media:
Sx
231
231
Sx=------------ =----------------- = ----------- = 33
50-1
7
N-1
3.- Error muestral: E = z . Sx = 1,96 x 33 = 64,68.
4.- Calculamos el intervalo de confianza, sumando y restando a la media de la muestra
( X ) el error muestral (E).
2.464,32 cal.
Intervalo: X E = 2.529 +64,68 =
2.593,68 cal.
Conceptos bsicos
Muestreo probabilstico
Para que la inferencia estadstica sea vlida el muestreo debe ser

aleatorio o probabilstico.
Aleatoriedad de la seleccin: esta condicin se refiere a que cada
elemento del universo debe tener la misma probabilidad de ser
elegido en la muestra y que dicha probabilidad puede ser medida.
Conceptos bsicos
Tipos de muestreos probabilstico
1. Muestreo aleatorio simple

2. Muestreo aleatorio Sistemtico
3. Muestreo aleatorio Estratificado
4. Muestreo aleatorio por Conglomerados

5. Muestreo aleatorio Polietpico
Conceptos bsicos
Muestreos aleatorio simple
Escoge al azar los miembros del universo hasta completar el tamao

muestral previsto
En teora se enumeran previamente todos los elementos y de
acuerdo con una tabla de nmeros aleatorios se van escogiendo
El procedimiento puede darse con o sin reemplazos y esta condicin
afectar posteriormente el anlisis
Conceptos bsicos
Muestreos aleatorio sistematico
En el universo (N) se elige el primer elemento al azar
Luego los dems se escogen cada cierto intervalo (k), hasta

completar el tamao muestral (n).
El tamao del intervalo (k) se calcula as: k = N/n
Conceptos bsicos
Muestreos estratificado
Considera que en el interior del universo existen estratos (subgrupos
internamente homogneos pero cualitativa y cuantitativamente
diferentes entre s), y que no se cumple la condicin de seleccin
aleatoria pues los miembros del grupo mayoritario tienen una mayor
probabilidad de ser seleccionados en la muestra.
Conceptos bsicos
Estratos
Homogneos en su interior; diferentes entre s en propiedades y
tamao
Los estratos ms grandes

Tienen mayor probabilidad
de ser representados
Conceptos bsicos
Cmo garantizar la aleatoriedad en universos estratificados... ?

Puede usarse alguna de las siguientes tcnicas:
1.
Muestreo Estratificado No Proporcional o Afijacin Simple:

A cada estrato le corresponde igual nmero de elementos
muestrales o se incrementan algunos estratos
2.
Muestreo Estratificado Proporcional o Afijacin Proporcional:

La distribucin se hace de acuerdo con el peso (tamao) de la
poblacin en cada estrato.
3.
Alocacin ptima de los estratos. O Afijacin Optima:

Se tiene en cuenta la previsible dispersin de los resultados, de
modo que se considera la proporcin y la desviacin tpica. Tiene
poca aplicacin ya que no se suele conocer la desviacin
Conceptos bsicos
Conglomerados
Heterogneos en su interior; diferentes entre s en
propiedades y tamao
Conceptos bsicos
Decisiones de muestreo
No. 1:
Debo tomar una muestra ?
Se quiere saber cmo se

comporta una cierta
caracterstica en un
Universo particular
Hacer
un Censo
S
El Universo
est bien
definido
?
NO
Definir
El Universo
Es posible
observar todo el
Universo ?
NO
Tomar
una Muestra
No representativa
NO
Observar
una Muestra
Se quiere
inferir la medicin
al Universo
Las obsrvaciones
pueden atriburse a
los miembros del
Universo
Las obsrvaciones
solo pueden
atriburse a la
muestra, NO a los
miembros del
Universo
Tomar
una Muestra
Representativa
Las obsrvaciones
pueden atriburse a
los miembros del
Universo
Conceptos bsicos
Muestreo aleatorio por conglomerados

Los miembros del grupo mayoritario tienen una mayor probabilidad de ser
seleccionados en la muestra
No se cumple la aleatoridad
En Las Unidades de observacin se eligen aleatoriamente al interior de los
conglomerados
El error de la medicin (error muestral) no se de al interior del conglomerado
sino entre los conglomerados
Antes de hacer inferencias, el analista deber examinar la variabilidad interna
de cada conglomerado y la variabilidad entre ellos, pues es posible que
algunos de los conglomerados no sean representativos del universo.
Conceptos bsicos
Muestreo aleatorio por conglomerados

Requisitos Del Procedimiento :
Los conglomerados deben estar muy bien definidos de modo que cada
elemento pertenezca a uno y solo a un conglomerado.
El tamao de cada conglomerado debe ser bien conocido (por lo menos bien
estimado)
El nmero de conglomerados debe ser pequeo.
Conceptos bsicos
Muestreo Aleatorio Multi Etpico (Poli Etpico)

Selecciona los individuos por etapas, configurando
sucesivamente grupos (estratos o conglomerados) y
subgrupos denominados Unidades de Muestreo
primarias, secundarias, terciarias...etc..
Conceptos bsicos
Hacer
un Censo
Observar todos y
cada uno de los
elementos del
universo
Tomar una
Muestra No
Representativa
Observar sujetos
elegidos por
conveniencia
Tomar una
Muestra
Representativa
Observar sujetos
elegidos
aleatoriamente
No hay Error
Aleatorio
Puede haber Error

Sistemtico
Siempre hay Error

Aleatorio
Siempre hay Error
Sistemtico
Siempre hay Error

Aleatorio
Puede haber Error

Sistemtico
Las obsrvaciones
pueden atriburse a
los miembros del
Universo
Las obsrvaciones
solo pueden
atriburse a la
muestra, NO a los
miembros del
Universo
Las obsrvaciones
pueden atriburse a
los miembros del
Universo
Conceptos bsicos
No. 2:
Seleccin de una Muestra No Representativa

La observacin de este
UNIVERSO ARTIFICIAL
solo es PREDICABLE a
sus integrantes
Se quiere medir
una variable en
una Muestra No
Representativa
Se quiere
inferir la medicin
al Universo
?
El procedimiento
est contraindicado.
Revise su
planteamiento
Lsos sujetos que cumplan

los criterios de inlcusion
son rpresentativos de un
UNIVERSO ARTIFICIAL
NO
Precise los
atributos
esenciales que
CARACTERIZAN
al subgrupo
Exprese estos atributos

como CRITERIOS DE
INCLUSION en la
muestra
Defina por
CONVENIENCIA
los criterios de
SELECCIN
La utilidad de las Muestras No Representativas depende de su representatividad

cualitativa y no de su tamao
Conceptos bsicos
No. 3:
Seleccin de una Muestra Representativa

Se quiere estimar un
Parmetro del Universo
partiendo de una Muestra
Representativa
Variable
Cualitativa
Muestreo
Representativo
para estimar una
Proporcin
De qu naturaleza
es el Parmetro a
estimar?
Variable
Continua
Muestreo
Representativo
para estimar una
Media
Conceptos bsicos
Definicin del Tamao Muestral
La definicin del tamao muestral depende de los siguientes factores

1.- Los objetivos del estudio
2.- Los conocimientos previos sobre el comportamiento de la caracterstica en la
poblacin.
3.- Los recursos tcnicos y financieros para obtener la informacin
4.-El error mximo que se permitir el analista
5.-La confiabilidad de la inferencia esperada por el analista
Conceptos bsicos
No. 4: Definicion del
Tamao Muestral
La Variable de
muestreo es
CUALITATIVA
Intencin de
describir la variable
(Estudios
descriptivos)
La Variable de
muestreo es
CONTINUA
Se ha decidido
tomar una
muestra
representativa
del Universo
Intencin de
relacionar la
variable con otras
(Estudios
analticos)
Estudio de
Seguimiento
Estudio de Casos
Definicin de
tamao muestral
para una
Proporcin
conocida
Definicin de
tamao muestral
para una
Proporcin
desconocida
Definicin de
tamao muestral
para una varianza
conocida
Definicin de
tamao muestral
para una Varianza
desconocida
Definicin de
tamao muestral
para un RR y un
poder definidos
Definicin de
tamao muestral
para una OR y un
poder definidos
Conceptos bsicos
No. 5: Definicin del tamao muestral n para una Variable

Cualitativa cuyo comportamiento se conoce (P se conoce)
Se quiere medir una variable
CUALITATIVA (proporcin p)
en una Muestra Representativa
Definir la confiabilidad de
la medicin (nivel alfa)
Definir el mximo
error
aleatorio
adminisble (Error
Estndar ES)
n = Z2
pq
ES2
Conceptos bsicos
No. 6: Definicin del tamao muestral n para una Variable Cualitativa

cuyo comportamiento se Desconoce (P desconocida)
CUALITATIVA (proporcin p)
en
una Muestra Representativa
Definir la confiabilidad
de la medicin (nivel
alfa)
Definir el mximo error

aleatorio adminisble
(Error Muestral EM)
n = Z2
PQ
EM2
Se asumen los valores mximos de P y Q: P=0.5 Q=0.5
Conceptos bsicos
No. 7: Definicin del tamao muestral n para una Variable
CONTINUA cuya variacin se conoce

CONTINUA (MEDIA X) en
Definir la
la Confiabilidad Z
Esperada
Definir
La Desviacin Estndar
(S) Conocida
n =
Z2
s2
ES2
Definir
el Error Estndar (ES)
Esperado
Conceptos bsicos
No. 8: Definicin del tamao muestral n para un estudio de SEGUIMIENTO

Se quiere medir un RR en
Definir la
la Confiabilidad Z
Esperada
Definir el RR mnimo
esperado
Los valores estn

tabulados
Definir el Poder
(Mnimo error Beta)
Esperado
Conceptos bsicos
No. 9: Definicin del tamao muestral n para un estudio de CASOS Y

CONTROLES
Se quiere medir una OR en una
Muestra Representativa
Definir la
la Confiabilidad Z
Esperada
Definir la OR
Esperada
Los valores estn tabulados
Definir el Poder
(Mnimo error Beta)
Esperado
Conceptos bsicos
Mtodos de muestreo no probabilsticos

Se usan, para estudios exploratorios, pero es necesario saber que no sirven para realizar
generalizaciones, pues no se tiene certeza de que la muestra extrada sea representativa
Muestreo por cuotas: Tambin denominado "accidental".
En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de individuos que renen
unas determinadas condiciones, por ejemplo: 30 mujeres de 35 a 45 aos, y con formacin superior.
Una vez determinada la cuota se eligen los primeros que se encuentren que cumplan esas
caractersticas. Este mtodo se utiliza mucho en las encuestas de opinin.
Muestreo opintico o intencional: Este tipo de muestreo se caracteriza por la inclusin en la muestra
de grupos supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales de zonas
que en anteriores votaciones han marcado tendencias de voto.
Muestreo casual o incidental: El investigador selecciona directa e intencionadamente los individuos de

la poblacin.
Bola de nieve: Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y as
hasta conseguir una muestra suficiente. Este tipo se emplea muy frecuentemente cuando se hacen
estudios con poblaciones "marginales", delincuentes, sectas, determinados tipos de enfermos, etc.
Conceptos bsicos
Los datos
Son los valores que resultan de observar la realidad, bien sea directa o indirectamente.
Se pueden agrupar en variables
Caractersticas:
Validez.
Es la capacidad de reflejar el fenmeno en el tiempo y en el espacio.
Confiabilidad. Cuando la forma como fue obtenido el dato excluye problemas en

instrumentos, personas, etc..
Exactitud.
El margen de error debe tender a cero..
Oportunidad. La recogida del dato ha de ser lo ms cercana posible posible al lugar

donde se origine en tiempo y espacio.
Periodicidad. Debe fijarse un perodo de tiempo en el que este dato sea referido.
El perodo se fija de acuerdo con las caractersticas del hecho que
se quiera observar.
Conceptos bsicos
Objetivo
Cuantificar el parmetro de medida (frecuencia y/o asociacin) con el menor error
posible
ERROR: Diferencia entre la estimacin obtenida en el estudio y el parmetro que
se pretende estimar
Tipos de error
E. Aleatorio
E. Sistemtico (sesgo)
Sesgo de seleccin
Sesgo de clasificacin
Sesgo de confusin
Conceptos bsicos
ERROR ALEATORIO
Es el error debido al azar.
Dado que en general se trabaja con una muestra el azar incluye un error.
Precisin
Grado de ausencia de error aleatorio en el estudio
A menor error aleatorio mayor precisin
Determinacin de la variabilidad aleatoria mediante el valor p o grado de significacin
Conceptos bsicos
Medidas de Frecuencia en Epidemiologa

Una herramienta fundamental en investigacion junto a la epidemiologa es la
bioestadstica
Por que ?
Los profesionales sanitarios suelen realizar afirmaciones acerca de un grupo de
individuos habiendo observado solo unos cuantos. ( Para ello es necesario el Mtodo
Estadstico -> Inferencia)
En la mayora de las ciencias "puras la repeticin de los sucesos en idnticas
condiciones => los mismos resultados.
En las Ciencias de la Salud se produce variabilidad por:
Aparatos de medida
Desigualdad interindividuos
Desigualdad del propio individuo en diferentes etapas e incluso en un tiempo corto
Todo ello => la impredecibilidad de los datos => necesidad de la estadstica para
obtener resultados cientficamente vlidos
Conceptos bsicos
Aplicaciones estadsticas a la investigacin mdica
Conceptos bsicos
ESTADISTICA CONCEPTO . ESTADISTICA DESCRIPTIVA

DEFINICIN: " Ciencia dedicada a describir las regularidades o caractersticas existentes
en un conjunto de datos, generalmente , la muestra".
VARIABLES: Caracterstica objeto del estudio y que puede manifestarse segn las
modalidades siguientes:
CUALITATIVAS: (Cualidades o atributos) Ej. Sexo, Estado Civil, Sabor, Olor etc.
No se pueden cuantificar ni ordenar.
CUASICUANTITATIVAS: (Cualidades o atributos susceptibles de ser ordenados)
Ej. El grado de mejora (a=Nulo, b=Leve, c=Moderado), El grado de contaminacin Alto Bajo,
Nulo
CUANTITATIVAS: (Caractersticas o atributos susceptibles de ser medidos) Pueden ser :
C. DISCRETAS: Entre un valor y otro no existen valores intermedios .
Ej. n de hijos pueden ser 1, 2, 3, etc. nunca 1,4 ni 2,6,
n de empresas con menos de 6 trabajadores
C. CONTINUAS: Entre dos valores de la variable existen infinitos valores.
Ej. La altura, entre 1,7 m y 1,8 tendremos 1,71; 1,78;1,789...
Concentracin ambiental de solventes 150; 151; 151,8etc
Conceptos bsicos
TABULACIN Y REPRESENTACIN GRFICA
TABLAS DE DISTRIBUCIN DE FRECUENCIAS:

Son mecanismos o procedimientos de ordenacin de las variables y del nmero de veces
que se repiten, es decir, su frecuencia.
Supongamos un grupo de elementos que presenta una variable y esta a su vez presenta
diversas modalidades. Ej. Metros de profundidad de Pozos en estudio en una zona (28, 23,
24, 28, 32, 24, 35,28, 46, 23, 47,46)
Las MODALIDADES han de ser:

EXCLUYENTES: Ningn caso puede estar incluido en ms de una modalidad.
EXHAUSTIVAS: Todas las modalidades posibles estn contenidas en la
clasificacin
Conceptos bsicos
MODALIDADES
Frecuencia
Frec.absoluta
Frec.relativas
Frec.relativa
de la Variable
o porcentajes
PROFUNDIDAD
absolutas
acumuladas
Pi
acumuladas
Ei
Fi
Fai
23
24
28
32
Pai
0.166
0.166
0.166
0.332
0.25
0.582
0.083
0.665
35
0.083
0.748
46
11
0.166
0.914
47
12
0.083
Ni = 12
Pi=1
FRECUENCIAS ABSOLUTAS
(Fi o Ni) de la modalidad Ei es:
El N de datos que pertenecen
a la modalidad Ei.
FREC. RELATIVA o PROPORCIN

(Pi) es el tanto por 1 de cada
modalidad respecto del total de
elementos N. y se calcula Pi=Ni / N.
PORCENTAJE sera = Pi x 100
Conceptos bsicos

En las VARIABLES CUANTITATIVAS CONTINUAS, la frecuencia se suele calcular con
datos agrupados en INTERVALOS.
Es muy importante: Determinar LA AMPLITUD del intervalo.

Fijar el NUMERO de intervalos.
Es importante ya que si aumentamos en n de intervalos se alargar la tabla y
dispersaremos informacin, si disminuimos demasiado el n de intervalos perderemos
informacin.
Por ello se recomienda que:
El n de intervalos sea a la raz cuadrada de N (numero de datos).

La amplitud de los intervalos: se aconseja la siguiente frmula: i = amplitud de la
distribucin / n de intervalos.
El punto medio del intervalo es = (limite inferior + limite superior) / 2.
Conceptos bsicos

Supongamos una distribucin de 80 analticas de
concentracin de sulfatos:
230, 156, 340, 220, 76, ......
Con un valor Mnimo de 50 y un valor Mximo de
503
MODALIDADES
Marca de
Frec.absolutas
Frec.Absolutas
Frec.relativas
de la Variable
Clase
acumuladas
acumuladas
SULFATOS
Mc
Fi
Fai
Pi
50 < 100
75
0.25
100 < 150
125
0.05
150 < 200
175
13
...
200 <250
225
...
...
250 < 300
275
...
350 < 400
...
11
..
400 < 450
..
...
450 < 500
..
N= 80
N de Intervalos
80 9
Ei
500 < 550
Amplitud de los
intervalos
Amplitud de la
distribucin / n
de intervalos
V. Mx - V. Mn
503 - 50 = 453
80
453 / 9 50
REPRESENTACIONES GRFICAS
DIAGRAMA DE BARRAS
Se utiliza para representar variables:
CUALITATIVAS
CUASI CUANTITATIVAS
CUANTITATIVAS DISCRETAS
90
80
70
60
50
40
30
20
10
0
1er trim.
2do trim.
3er trim.
4to trim.
DIAGRAMA DE SECTORES
Cada una de las modalidades representa
PROPORCIONALMENTE los 360 del crculo.
HISTOGRAMAS
Son similares al diagrama de barras adosadas y se
utiliza para variables CUANTITATIVAS CONTINUAS
70
60
50
40
30
20
10
0
1-<10
10-<20
20-<30
30-<40
40-<50
POLGONO DE FRECUENCIAS
Linea quebrada que une los puntos medios de cada
intervalo
100
90
80
70
60
50
40
30
20
10
0
Enero
Febre
Marzo
Abril
Mayo
PICTOGRAMAS
Son representaciones similares a los diagramas
de barras pero en los que se han sustituido estas
por un dibujo relacionado con el tema a tratar.
Concentracin de Solventes
1 Cuatrimestre
Los grficos han de ser:

AUTODEFINIDOS
enero
febrero
marzo
abril
Como regla general y para no falsear

las tcnicas
grficas se debe de aplicar
GASTO
MENSUAL
siempre la regla de los 3/4. SegnCoordinacin
la cual, el EjeAmbiental
Vertical ha de ser igual a los 3/4
del Horizontal.
GASTO MENSUAL
Coordinacin Ambiental
25
miles pts GASTO MENSUAL

milesCoordinacin
pts
Ambiental
24 pts
miles
20100 23
3a/4
1510
22
10
20
1
5
0
21
19 Enero
Febre
Marzo
Abril
18
Enero
Enero
Febre
Febrea
Marzo
Abril
Marzo
Abril
OTRAS REPRESENTACIONES GRFICAS
Diagramas caja y bigote

3 Cuartil
Distrito
Determinaciones
Media
Valor
Valor
Maximo Minimo
Almeria 18
14
12
12,5
18
Poniente 19
12
10,7
19
Levante 14
10
14
1 Cuartil
Lineas frecuencias
100
80
60
40
20
0
1er trim.
2do trim.
3er trim.
4to trim.
Almeria
20,4
27,4
90
20,4
Poniente
30,6
38,6
34,6
31,6
Levante
45,9
46,9
45
43,9
Almeria
Poniente
Levante

80
Nubes de puntos
Diagramas de dispersin
60
Diagramas de dispersin matricial
40
1000
y
POTASIO
600
20
POTASIO
800
0
-200
200
400
600
800
1000
400
SODIO
SODIO
200
-200
0
20
40
60
SODIO
MUNICIPIO
NIJAR
80
CARBONERAS
POTASIO
ALMERIA

Nubes de puntos
Potasio
Diagramas de dispersin con recta de

regresin lineal y ecuacin de la recta
80
70
60
50
y = 0.0442x + 0.9841
R2 = 0.6756
40
30
20
10
0
0
200
400
600
Sodio
800
1000

Tablas gua con percentiles
Un nio de 9 aos y 50 Kg
Estara por encima del percentil 97
seria un nio OBESO
Un nio de 12aos y 40 Kg
Estara entre el percentil 50 y 75
seria un nio NORMOPESO
Un nio de 8 aos y 25 Kg

Histograma con curva normal

Diagrama de tallo y hojas
Frequency
Stem &
1.00
1.00
.00
3.00
6.00
14.00
11.00
18.00
14.00
12.00
11.00
5.00
5.00
2.00
1.00
4.00
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
Stem width:
Each leaf:
1.0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Leaf
5
0
005
000055
00000555555555
00005555555
000000000005555555
00000055555555
000000555555
00000005555
00555
00005
05
0
0005
1 case(s)

Grfico de ajuste a la Normal
Grfico Q-Q normal de Distancia (mm) del centro de la

3
Normal esperado
-1
-2
-3
16
18
20
Valor observado
22
24
26
28
30
32

1er trim.
100
Grfico Radial
80
60
40
20
4to trim.
D. Almeria
1er trim. 2do

trim.
20.4
27.4
3er trim. 4to trim.

90
20.4
Dto Poniente 30.6
38.6
34.6
31.6
Dto Levante
46.9
45
43.9
45.9
2do trim.
3er trim.
D. Almeria
Dto Poniente
Dto Levante

Grfico de Areas
180
160
140
120
100
80
60
40
20
0
1er trim.
2do trim.
D. Almeria
1er trim.
3er trim. 4to trim.
20.4
2do
trim.
27.4
90
20.4
Dto Poniente 30.6
38.6
34.6
31.6
Dto Leante
46.9
45
43.9
D. Almeria
45.9
3er trim.
Dto Poniente
4to trim.
Dto Leante

Grfico de Superficie
100
80
60
40
20
Dto Levante
0
1er trim.
Dto Poniente
2do trim.
D. Almeria
1er trim. 2do

trim.
20.4
27.4
3er trim. 4to trim.

90
20.4
Dto Poniente 30.6
38.6
34.6
31.6
Dto Levante
46.9
45
43.9
45.9
D. Almeria
3er trim.
4to trim.
0-20
20-40
40-60
60-80
80-100
% de abastecimientos controlados
Grfico de Burbujas
120
20
n de analiticas
100
80
60
10
40
20
90
0
0
10
20
30
40
-20
Abast
Analiticas
Controlados
D. Almeria
12
10
90
Dto Poniente
40
100
20
Dto Levante
50
50
10
n de abastecimientos
50
60

Grfico de Anillos
1er trim.
2do trim.
3er trim.
4to trim.

Grfico Secuencial (Se usa para series temporales)
Conceptos bsicos
PRINCIPALES PROBLEMAS EN EL REGISTRO DE LOS DATOS
De de subregistro.
De clasificacin
De omisin de informacin
De mal cumplimentacin de formularios
De proceso inadecuado de datos (test)
De mala interpretacin
Muestra insuficiente
Invalidez del estudio
Sesgos
Errores graves en la
toma de decisiones
Conceptos bsicos
Poblacin Conjunto de todos los individuos que tienen en comn alguna

caracterstica observable.
Muestra Es una parte de la poblacin en la que se observa el fenmeno objeto

de nuestro estudio.
Estadstica descriptiva Ciencia dedicada a describir las caractersticas o

regularidades existentes en los grupos de sujetos.
Estadstica Inferencial Ciencia dedicada a estimar las caractersticas de la

poblacin a partir del conocimiento de las caractersticas de la muestra.
Conceptos bsicos
VARIABLE PERSONA LUGAR Y TIEMPO
Persona: quin(es) presentan el problema?

Lugar: dnde se presenta el problema?
Tiempo: cundo ocurri el problema?
Conceptos bsicos
Para describir la frecuencia con que ocurren los eventos

se usan indicadores, que son el cociente de dos variables:
Indicadores mas usados en epidemiologa:
N de Casos
Razn o ratio
Proporcin
ndice
Tasa
Conceptos bsicos
RAZN O RATIO
Los valores del numerador generalmente no estn incluidos en el

denominador
Ejemplo : Razn de masculinidad= n de hombres / n de mujeres

RM = 60 h/20 m = 3
Se leera hay 3 hombres por cada mujer
Conceptos bsicos
PROPORCION
Es una razn en la cual el numerados generalmente est incluido

en el denominador.
Su valor va de 0 a 1
Se puede expresar en %, , o por cien mil o milln
Permite comparar dos o ms series cuyos totales son diferentes.
Ej.: Proporcin de hombres = n de hombres/ Total de poblacin
Conceptos bsicos
INDICE
Cociente en el que el numerador puede no estar incluido en el

denominador.
Son casi siempre indicadores especificos.
Ej.: Indice de Swaroop es: n de fallecidos mayores de 50 aos/

total de fallecidos del ao
Conceptos bsicos
TASA
Es similar a la proporcin pero, con una dimensin adicional: mide la

ocurrencia de un evento en una poblacin en un periodo de tiempo.
Ej: Tasa de gripe anual = n casos de gripe en ese ao/ Total de

poblacin a riesgo en ese perodo
Conceptos bsicos
TASA
Es similar a la proporcin pero, con una dimensin adicional: mide la

ocurrencia de un evento en una poblacin en un periodo de tiempo.
Ej: Tasa de gripe anual = n casos de gripe en ese ao/ Total de

poblacin a riesgo en ese perodo
Tipos:
Tasas brutas
Tasas especficas
Tasas ajustadas
Conceptos bsicos
TASA
ALGUNOS INDICADORES SANITARIOS DE MAYOR USO: MORTALIDAD Y MORBILIDAD
Tasa bruta de mortalidad:

Muertos en un ao.
TM =----------------------- X 1.000
Poblacin total.
ndice de Swaarop:
Muertos mayores de 50 aos.
ISw = ------------------------------ X 100

Total de fallecimientos
* Tasa de mortalidad especfica por causa:

Nmero de muertos por dicha causa
TME = -------------------------------------------- X 100.000
Poblacin total.
Tasa de mortalidad proporcional por causa:

Nmero de muertos por dicha causa.
TMP = ---------------------------------------------- X 100
Nmero de muertos total.
* Tasa de letalidad:
Muertos por una enfermedad.
TL = ------------------------------------- X 100
Nmero de enfermos.
* Tasa de morbilidad:
N de enfermos por esa enfermedad en ese ao.
TMB = --------------------------------------------------------- X
100.000
Poblacin total
Conceptos bsicos
ESTANDARIZACIN o AJUSTE DE TASAS

Analicemos los siguientes datos comparativos de Mjico y Suecia:
Poblacin
Proporcin de
poblacin
Defunciones
Tasas de
mortalidad
MJICO
62.329.000
1 (100%)
454.112
7,29 %o
SUECIA
8.256.000
1 (100%)
88.164
10,68 %o
Y ahora veamos los datos para tres estratos de edad:

Poblacin
Proporcin de
poblacin
MJICO
48.976.000
SUECIA
4.025.000
0 a 34 aos
Defunciones
Tasas de
mortalidad
0,78
228.750
4,67 %o
0,49
3.123
0,78 %o
Defunciones
Tasas de
mortalidad
35 a 64 aos
Poblacin
Proporcin de
poblacin
MJICO
11.237.000
0,18
92.144
8,20 %o
SUECIA
2.897.000
0,35
16.467
5,56 %o
Defunciones
Tasas de
mortalidad
> de 64 aos
Poblacin
Proporcin de
poblacin
MJICO
2.116.000
0,04
127.114
60,10 %o
SUECIA
1.334.000
0,16
68.594
51,42 %o
Conceptos bsicos
METODO DIRECTO :
Nos permite calcular tasas de mortalidad o de morbilidad de las poblaciones que queremos comparar
al hacer que sus distribuciones, segn el factor de confusin ( Por ejemplo : la EDAD) sean
iguales a las de una poblacin estandar .
Necesitamos:
Las tasas de incidencia (de morbilidad o de mortalidad) por el factor de confusin, de las poblaciones
que deseamos comparar.
La distribucin por el msmo factor de confusin de la poblacin estandar.
La tasa estandarizada por el mtodo directo es igual al sumatorio de los productos de 1) por 2).
EJEMPLO : Supongamos que elegimos como poblacin estandar la Sueca.
Las tasas por grupos de edades se obtenran multiplicando las tasas de Mjico por la proporcin de
poblacin estandar (En este caso la Sueca)
Edades
T. de mortal.
En Mejico (1)
Proporc. en la poblac. Estandar

(Sueca) (2)
(1) x (2)
0 a 34
4,67
0,487
2,274
35 a 64
8,20
0,351
2,878
> 65
60,10
0,162
9,736
Tasa estandarizada =
(1) x (2) = 14,888
Conceptos bsicos

METODO INDIRECTO :
Podemos calcular la Razn Estandarizada de Morbilidad o de Mortalidad, que se expresa como el cociente entre
casos observados y esperados. En este caso los casos observados se refieren a la tasa cruda de incidencia
(morbilidad o mortalidad) y los casos esperados = Sumatorio de los productos de las proporciones etarias de la
poblacin de estudio por las tasas por edades de la poblacin estndar. Hablamos de edades porque es el factor
de confusin que hemos elegido en el ejemplo, pero en trminos genricos deberamos hablair del factor de
confusin.
EJEMPLO : Si admitimos como estndar las tasas por edades Suecas Cul sera la REM de Mjico?
Edades
Proporc. Edad en la
poblac. Mejico (1)
T. de mortal.
En la poblac. Estandar (Sueca) (2)
(1) x (2)
0 a 34
0,78
0,78
0,613
35 a 64
0,18
5,68
1,022
> 65
0,034
51,42
1,748
Tasa Esperada =
(1) x (2) = 3,383
Casos Observados
7,29
Luego la REM = ---------------------------- = ----------- = 2,15
Casos Esperados
3,38
Si multiplicamos la REM por la tasa cruda obtenemos la Tasa Estandarizada por el Mt. Indirecto : 2,15 x 7,29 = 15,67 %.
Conceptos bsicos
ESTANDARIZACIN DE TASAS: Mtodo Directo

Muertos tericos por
grupos de edad
Poblacin A
Edad
Tasa de
mortalidad x
1000
0-14
15-34
35-54
55-74
75 +
1,2
1,2
4,9
24,5
112,6
1A
2A
Total
7.200
10.200
30.780
100.450
112.600
=
Tasa Estandarizada de A
261.320
------------------ = 10,1
25.900.000
261.320
Poblacin R
8,3
Tasa bruta =
Edad
Poblacin B
Edad
0-14
15-34
35-54
55-74
75 +
3A
Tasa de
mortalidad x
1000
0-14
15-34
35-54
55-74
75 +
0,9
1,4
5,3
26,4
114,6
Tasa bruta =
14
Millones de
personas
0-14
15-34
35-54
55-74
75 +
Total
6
8,5
6,3
4,1
1
=
1B
25,9
2B
Muertos tericos por

grupos de edad
0-14
15-34
35-54
55-74
75 +
Total
5.400
11.900
33.390
108.240
114.600
=
273.600
Tasa Estandarizada de B
273.530
------------------ = 10,6
25.900.000
3B
Conceptos bsicos
ESTANDARIZACIN DE TASAS: Mtodo Indirecto
Poblacin A
Poblacin R
Edad
0-14
15-34
35-54
55-74
75 +
Tasa de
mortalidad x
1000
1,6
2,5
5,3
22,1
126,1
Millones de
personas
5,6
8
4,3
3,1
1,5
TOTAL
Muertos
esperados
Muertos
observados
8.960
20.000
22.790
68.510
189.150
7.200
10.200
30.780
100.450
112.600
309.410
261.230
261.230
SMR=---------------= 0,84
309.410
Conceptos bsicos
DEFINICIONES BSICAS DE MEDIDAS DE MORBILIDAD
Tasa de Prevalencia: es el nmero de personas afectadas presente en una

poblacin en un momento especfico dividido entre el nmero de personas
presentes en la poblacin en ese momento. Se denomina prevalencia de
punto.
T. de Prevalencia = n de casos presentes en la poblacin/ poblacin
presente en el lugar en ese momento
Conceptos bsicos
DEFINICIONES BSICAS DE MEDIDAS DE MORBILIDAD
Tasa de Incidencia: es el nmero de casos nuevos que ocurren en un periodo

de tiempo en la poblacin en riesgo. Mide el riesgo o probabilidad de
enfermar en una poblacin durante un perodo de tiempo.
T. de Incidencia = n de casos NUEVOS del evento en un periodo x /
Poblacin en riesgo del evento en el lugar en el periodo x
Incidencia
Prevalencia
Conceptos bsicos
SESGOS
ERROR SISTEMATICO QUE SE COMETE EN UN ESTUDIO

Es un proceso en cualquier etapa de la inferencia, que tiende a producir resultados que
se desvan sistemticamente del verdadero valor del parmetro (frecuencia o asociacin)
Tiene relacin con el propio diseo del estudio, por lo tanto, no tiende a cancelarse
cuando aumentamos el nmero de observaciones
Seleccin
Informacin o clasificacin errnea
Confusin
CAUSALIDAD
CAUSALIDAD
CAUSA ? Has dicho CAUSA?

Cmo te atreves a tanto ?
Conceptos bsicos
CAUSALIDAD
En epidemiologa, la causalidad se define como el estudio de la relacin etiolgica
entre una exposicin, por ejemplo la toma de un medicamento y la aparicin de un
efecto secundario.
CAUSAS de enfermedades pueden ser:

EFECTOS pueden ser:
Factores biolgicos (edad, sexo, genes).
Factores psicolgicos ( estrs, .,).
Factores medioambientales (fisicos, sociales,
culturales )
Factores econmicos
Factores Laborales
Factores polticos (guerras,servicios de salud,
programas..).
Enfermedad
Muerte
Complicacin
Curacin
Proteccin (vacunas)
Resultado (de programas , etc.)
Conceptos bsicos
CAUSALIDAD
Estudio de la relacin etiolgica entre una exposicin, por ejemplo la

exposicion a silice y un efecto , la neumoconiosis.
Causa Efecto
A veces en lugar de causas se habla de determinantes.
Conceptos bsicos
CAUSALIDAD
Causas
Pueden ser causas:
a) Acciones intencionales (p.e. administracin de un tratamiento): las ms claras
b) Acciones no intencionales: acciones naturales (frioa), hechos (fumar).
c) Atributos (sexo)
Efecto
Se define en trminos de cambio con respecto a:

a) situacin previa
b) lo que hubiera ocurrido si no hubiera ocurrido la causa (historia natural).
Conceptos bsicos
TIPOS DE MODELOS CAUSALES
Modelo Especfico Unicausal, Un factor de riesgo produce una enfermedad

especfica:
Factor 1
Cloro
Plomo
Efecto A
Dermatitis Irritativa
Saturnismo
Modelo Etiolgico Multifactorial, en el que varios factores pueden producir una

enfermedad:
Factor 1
Factor 2
Efecto A
Factor 3
Benceno o arsnico o radiaciones ionizantes, pueden producir pancitopenia (cada
uno o juntos).
Modelo Etiolgico Multifactorial, donde la presencia de varios factores producen

conjuntamente una enfermedad.
Factor 1 + Factor 2 + Factor 3
Efecto A
Sedentarismo + Tabaquismo + Arterioesclerosis => Infarto de miocardio
Conceptos bsicos
TIPOS DE MODELOS CAUSALES
Modelo Unicausal Multiefecto, en el cual un factor puede producir varios efectos a la

salud:
Factor 1
Efecto A
Efecto B
Efecto C
Plomo inorgnico produce alteraciones a nivel renal, SNC, sistema nervioso perifrico y
sistema hemtico.
Modelo Multifactorial Secuencial, que requiere de perodos previos de induccin de las

sustancias, para la consecucin del efecto a la salud.
Factor 1 + Factor 2 + Factor 3 + Factor 4
molecular de la enfermedad
Perodo de latencia
Desencadenamiento o inicio
Manifestacin Clnica
Conceptos bsicos
MODELOS DE CAUSALIDAD
TIPOS DE CAUSAS
Causa suficiente: Si el factor (causa) est presente, el efecto (enfermedad)

siempre ocurre.
Causa necesaria: Si el factor (causa) est ausente, el efecto (enfermedad )
no puede ocurrir.
Factor de riesgo: Si el factor est presente y activo, aumenta la probabilidad

que el efecto (enfermedad) ocurra.
Conceptos bsicos
TIPOS DE RELACIONES CAUSALES
Necesaria y suficiente
Causa
Efecto
Ej. Ruptura cardiaca y muerte
Necesaria y no suficiente
Causa A + Causa B + Causa C
Efecto
Ej. virus del papiloma humano y cncer del cuello
No necesaria y suficiente
Causa A Causa B Causa C
Efecto
Ej: leucemia puede ser producida por exposicin a la radiacin y por exposicin al benceno.
Causa C
Causa A
No necesaria y no suficiente
+
Causa B
Causa D
Ej: Enfermedades crnicas como diabetes mellitus, hipertensin arterial.
Efecto
Conceptos bsicos
TIPOS DE ASOCIACIN
Variables
Asociadas
estadsticamente
Independientes
(sin asociacin estadstica)
Asociadas con causa
Asociadas sin causa
Artificial
Espuria
Indirectamente
(manchas amarillas Ca
de pulmn)
(por sesgos o errores)
(aumento de la
obesidad si aumentan
las ventas de coches)
Directa
Conceptos bsicos
Modelo de Koch-Henle (1887):
Propuesto para el estudio de enfermedades infecto-contagiosas. Se basa en la

influencia de un microorganismo, que debe:
a) encontrarse siempre en los casos de enfermedad.
b) poder ser aislado en cultivo, demostrando ser una estructura viva y distinta de
otras que pueden encontrarse en otras enfermedades.
c) distribuirse de acuerdo con las lesiones y ellas deben explicar las
manifestaciones de la enfermedad.
d) ser capaz de producir la enfermedad en el animal de experimentacin al ser
cultivado (algunas generaciones).
Este modelo result til para enfermedades infecciosas, no as para las
enfermedades no infecciosas.
Modelo de Evans (1976)
Evans propuso los siguientes postulados:

1. La proporcin de individuos enfermos debera ser significativamente mayor entre
aquellos expuestos a la supuesta causa, en comparacin con aquellos que no lo estn.
2. La exposicin a la supuesta causa debera ser ms frecuente entre aquellos individuos
que padecen la enfermedad que en aquellos que no la padecen.
3. El nmero de casos nuevos de la enfermedad debera ser significativamente mayor en
los individuos expuestos a la supuesta causa en comparacin con los no expuestos, como
se puede comprobar en los estudios prospectivos.
4. De forma transitoria, la enfermedad debera mostrar tras la exposicin a la supuesta
causa, una distribucin de los perodos de incubacin representada por una curva en
forma de campana.
5. Tras la exposicin a la supuesta causa debera aparecer un amplio abanico de
respuestas por parte del hospedador, desde leves hasta graves, a lo largo de un gradiente
biolgico lgico.
Modelo de Evans (1976)

Evans propuso los siguientes postulados:
6. Previniendo o modificando la respuesta del husped, debe disminuir o eliminarse la
presentacin de la enfermedad (por ej.: vacunando o tratando con antibiticos a una
poblacin expuesta o enferma).
7. La reproduccin experimental de la enfermedad debera tener lugar con mayor
frecuencia en animales u hombres expuestos adecuadamente a la supuesta causa, en
comparacin con aquellos no expuestos; esta exposicin puede ser deliberada en
voluntarios, inducida de forma experimental en el laboratorio o demostrada mediante la
modificacin controlada de la exposicin natural.
8. La eliminacin (por ejemplo la anulacin de un agente infeccioso especfico) o la
modificacin (por ejemplo la alteracin de una dieta deficiente) de la supuesta causa
debera producir la reduccin de la frecuencia de presentacin de la enfermedad.
9. La prevencin o la modificacin de la respuesta del hospedador (por ejemplo, mediante
inmunizacin) debera reducir o eliminar la enfermedad que normalmente se produce tras
la exposicin a la causa supuesta.
10. Todas las relaciones y asociaciones deberan de ser biolgica y epidemiolgicamente
verosmiles.
Conceptos bsicos
Modelo de Bradford-Hill
DE VALIDEZ INTERNA
Fuerza de la asociacin (Frecuencia en expuestos > que en no expuestos )
Secuencia temporal (La causa precede al efecto )
Efecto dosis respuesta (Mayor dosis => mayor respuesta )
DE COHERENCIA CIENTIFICA
Consistencia (Reproductividad, distintos observadores (iguales caractersticas

en diferentes lugares, tiempos y circunstancias).
Coherencia y plausibilidad (con los conocimientos cientificos actuales)
Especificidad de la asociacin.
Evidencia experimental
PRINCIPALES TIPOS DE ESTUDIOS

EPIDEMIOLGICOS
TIPOS DE ESTUDIOS EPIDEMIOLGICOS
Observacionales / Experimentales
Descriptivos / Analticos
Transversal / Longitudinal
Prospectivos / Retrospectivos
1 CATEGORA
EN FUNCIN DE LA INTERVENCIN
Observacionales: No se interviene. No se manipulan variables

Experimentales: Se interviene. Se manipulan variables
2 CATEGORA
TIPOS DE DISEOS OBSERVACIONALES

Descriptivos: Describir un fenmeno de salud
Analticos: Comparan. Comprueban hiptesis
3 CATEGORA
EN FUNCIN DE LA SECUENCIA TEMPORAL
Transversal:
A la vez exposicin y desenlace
Longitudinal:
Evolucin en el tiempo
4 CATEGORA
DESDE EL PUNTO DE VISTA CAUSA-EFECTO
Prospectivos: Van de la causa al efecto
Retrospectivos: Van del efecto a la causa
Tipos de estudios Epidemiolgicos : Clasificacin
Existe inferencia?
No
Estudio analtico
Estudio descriptivo
Existe intervencin?
No
S
Estudio observacional
Estudia causalidad?
Existe aleatorizacin?
No
Sentido
S
Experimental
No
Causa -> efecto
Cuasi-experimental
Cohortes
Efecto -> causa
Caso-control
Transversal
Series de casos
Estudios ecolgicos
GRADO DE EVIDENCIA CIENTIFICA QUE APORTAN LOS DISEOS

LOS DIFERENTES DISEOS
Existi una intervencin planificada?
NO
SI
ESTUDIOS
OBSERVACIONALES
Hubo asignacin aleatorizada

a los grupos de comparacin?
Se establecieron y contrastaron hiptesis?
SI
ESTUDIOS
EXPERIMENTALES
NO
SI
NO
ESTUDIOS
ANALTICOS
ESTUDIOS CUASIEXPERIMENTALES
ESTUDIOS
DESCRIPTIVOS
Van de del efecto a la causa?
SI
ESTUDIOS
Caso-Control
NO
ESTUDIOS
COHORTES

ESTUDIOS DESCRIPTIVOS
Su objetivo es describir un fenmeno de salud en funcin de factores sociodemogrficos,

caractersticas de un proceso clnico o de gestin, diferencias territoriales, temporales u
organizativas
Razones para su realizacin
Para conocer un fenmeno (persona, lugar y tiempo)

Para conocer relacin entre fenmenos de salud y factores de riesgo
Como etapa inicial del estudio analtico

CARACTERSTICAS
No existe hiptesis de estudio

Ausencia de factor de exposicin/efecto definido en el mismo estudio, aunque puede haber
factores de exposicin o efecto que se estudian a la vez
En ocasiones, se presentan como estudios analticos!. El diseo se ha hecho una vez
recogidos y analizados los datos
Pueden utilizarse medidas de frecuencia y de asociacin
Se pueden utilizar fuentes secundarias
No hay asignacin del factor
No hay secuencia temporal entre factor y efecto
La unidad de anlisis puede ser el individuo o el grupo

Informes de casos y serie de casos

Describen pacientes con caractersticas especiales
Estudios de morbilidad y mortalidad

Describen la distribucin o frecuencia de un problema de salud con datos individuales
y secundarios
CARACTERSTICAS
RPIDOS
ECONMICOS

Estudios ecolgicos
La unidad de anlisis es el grupo de individuos
Requieren existencia y disponibilidad de datos agregados
Usan medidas que relacionan caractersticas de poblaciones en su conjunto.
Permiten describir problemas de salud en relacin a determinadas caractersticas de
persona, lugar y tiempo
CLASIFICACIN
Descriptivos o de mapas: incidencia o prevalencia en reas
Series temporales: comportamiento a lo largo del tiempo
Correlacin ecolgica: relacin entre exposicin y efecto
Falacia Ecolgica: errores derivados del intento de extrapolar hallazgos de tipo
ecolgico a situaciones individuales, o de subgrupos al total de la poblacin

Estudios ecolgicos
Rothman: los considera analticos
CARACTERSTICAS
El estatus de exposicin y el estatus de enfermedad son medidos en un mismo punto
del tiempo o sobre un perodo corto de tiempo
Cuando la informacin es presentada y analizada, la idea subyacente es que los datos
del numerador y denominador fueron recogidos en el mismo punto del tiempo
MEDIDAS DE ASOCIACIN: Odds Ratio de prevalencia o razn de prevalencia.

Permiten hacer regresin logstica

ESTUDIO DESCRIPTIVO
ETAPAS DE UN ESTUDIO DESCRIPTIVO:

1.- Seleccin de la poblacin de referencia
2.- Seleccin de la poblacin elegible (Ej Mujeres en estudio de Ca de tero)
3.- Seleccin de la poblacin de estudio -> Muestra (Prever tasa de participacin y respuesta)
4.- Seleccin de medidas de Frecuencia a emplear
5.- Definir el "Caso ( Muy difcil en enf. de instauracin lenta)
6.- Seleccin y definicin de variables
7.- Seleccin de las fuentes de Informacin
8.- Planteamiento y Solucin de los problemas de Gerencia y Administracin del estudio: Costes,
Medios (Humanos y Materiales), Cronograma y Organizacin General.
9.- Ejecucin del estudio
10.- Elaboracin de los resultados y conclusiones
11.- Evaluacin Global y por objetivos del Estudio

ESTUDIO TRANSVERSAL
Ex
No Enf
No Ex
No Enf
No Enf
Enf
Enf
Enf
Ex: Expuestos; Ef: Enfermos

No Ex: No Expuestos; no Ef: No Enfermos

ESTUDIO TRANSVERSAL
MIDE:
Pe = a / n1
(Prev.. en no expuestos)
Po = c / no
(Prev.. Relativa o Razn de Prev. ) PR = Pe / Po
(Desigualdad Relativa de Prev. ) DRP = a.d / b.c
(Prevalenc. en expuestos)
(Int. de Conf. de la Prev. Relati.
PR - PR = PR ( 1 +_
Z
1-a /2
/c MH)

ESTUDIO TRANSVERSAL
VENTAJAS
Se pueden estudiar varias enfermedades (prevalencia) y/o factores de riesgo en

un mismo estudio
til en enfermedades de larga duracin y frecuentes
Resultados fcilmente generalizables
Se pueden llevar a cabo en un perodo de tiempo relativamente corto
Permiten estimar la prevalencia del factor a estudio y, por tanto, ayudan a la
planificacin de los servicios sanitarios
Son un primer paso en la realizacin de estudios ms complejos

ESTUDIO TRANSVERSAL
LIMITACIONES
Presentan una gran ambigedad temporal, ya que causa y efecto se miden de forma simultnea
No determinan relacin Causa-Efecto
No determinan Factores de riesgo ni factores Pronostico
No son tiles para enfermedades poco frecuentes
Hay que valorar sesgos:
Seleccin:
Supervivencia y no respuestas
Informacin:
Temporal: no se sabe si antes efecto o exposicin
Distinta exposicin en el presente que en el pasado
De memoria, si evaluacin de exposicin retrospectiva
Confusin
SE HAN DE AJUSTAR SIEMPRE LAS TASAS !!

ESTUDIO de COHORTES
Ex
No Enf
Ex
Enf
SEGUIMIENTO
No Enf
No Ex
No Ex
No Enf
Enf
Enf

ESTUDIO de COHORTES
Expuesto a solventes
Causa
Efecto
No expuesto a solventes

ESTUDIO de COHORTES
Se estudian grupos de sujetos de una poblacin definida, expuestos y no

expuestos al factor de inters, y se evala la aparicin o no en el tiempo del efecto
en cada grupo. La seleccin de los sujetos viene definida por la presencia o no de
la exposicin al factor de riesgo estudiado. El seguimiento puede ser prospectivo o
retrospectivo.
Mediciones:
De frecuencia: incidencia, densidad de incidencia
De asociacin: riesgo relativo, diferencia de riesgos, diferencia de tasas
De potencial impacto: riesgo atribuible
Son prospectivos comparan CAUSA -----> EFECTO

Siguen a individuos SANOS
Indicados en enfermedades relativamente frecuentes
Una cohorte fcil de seguir son las embarazadas.

ESTUDIO de COHORTES
COHORTES PURO
Concurrente
Presente
Futuro
COHORTES RETROSTECTIVO COHORTES HISTORICAS

No concurrente (Historical cohort studies)
Pasado
Presente
COHORTES AMBIPECTIVO
No concurrente
Pasado
Presente
Futuro

ESTUDIO de COHORTES
Criterios en la seleccin de las COHORTES:

Grupos de riesgo especial, de recursos especiales o de zonas geogrficas.
Fuente de Comparacin:
Interna, con poblacin general o con Cohorte no expuesta (Mejor las tres)

ESTUDIO de COHORTES
VENTAJAS
Mejor respuesta ya que determinan RIESGO, Existencia o no de ASOCIACION CAUSAL

y FUERZA DE LA ASOCIACION
Permiten establecer una correcta secuencia temporal de la exposicin al efecto
Permite examinar varios efectos de una sola exposicin
Cuando son prospectivos, se minimizan los errores en la medicin de la exposicin
Permiten el clculo directo de la Incidencia, tanto en expuestos como en no expuestos

ESTUDIO de COHORTES
LIMITACIONES
No tiles para estudiar exposiciones poco frecuentes

Son mas complejos y su duracin es mayor
Caros y duraderos, fundamentalmente los prospectivos
En el caso de los retrospectivos, precisan buenos registros
Valorar sesgos de seleccin: no participacin, trabajador sano, prdidas de
seguimiento; mala clasificacin: no diferencial por cuestionario mal diseado
(consumo de grasas) y diferencial de la enfermedad (sesgo de diagnstico); y
confusin

ESTUDIO de COHORTES
MEDIDAS
MEDIDAS DE FRECUENCIA
Incidencia acumulada
Densidad de Incidencia
MEDIDAS DE ASOCIACIN
RIESGO RELATIVO
Razn de tasas
Razn de riesgos
MEDIDAS DE IMPACTO
1. EN EXPUESTOS
Riesgo atribuible o diferencia de riesgos
Riesgo atribuible proporcional
2. EN TODA LA POBLACIN
Proporcin atribuible poblacional o fraccin etiolgica

ESTUDIO de COHORTES
MEDIDAS

ESTUDIO de COHORTES
Densidad (o tasa) de incidencia
La densidad, o tasa, de incidencia es el cociente entre
el nmero de casos nuevos ocurridos durante el
periodo de seguimiento y la suma de todos los
tiempos de observacin.
Ejemplo : los rombos rojos sealan casos nuevos de
enfermedad mientras que los crculos verdes sealan
prdidas:
el
seguimiento
de
los
pacientes D, E y F comenz 1, 2 y 6 meses despus de
empezado el estudio, el paciente B desapareci del
estudio a los 2,5 meses, el D falleci, los
pacientes C y F acabaron el periodo de estudio sin
enfermedad

ESTUDIO de Casos-Controles
SEGUIMIENTO
Ex
No Enf
CONTROLES
No Ex
Ex
CASOS
Enf
No Ex
TIPOS
DE ESTUDIOS EPIDEMIOLGICOS
Tipos de estudios
Epidemiolgicos
Fum ?
Disolventes ?
Amianto ?
CASO
Efecto
Causa
Fum ?
Disolventes ?
Amianto ?
CONTROL
!!!!! SON SIEMPRE RETROSPECTIVOS

Estudios observacionales en los que no se manipula el factor o variable de estudio.
Son analticos, longitudinales ya que estudian un periodo largo y son retrospectivos
Se llaman casos-testigo, casos-comparacin, retrospectivos o trhoc (cohort al reves)
Se compara un grupo de sujetos que ya sufrieron el efecto estudiado (casos), con otro grupo
de sujetos procedentes de la misma poblacin y semejantes a los anteriores salvo por la
ausencia del efecto (controles).
La seleccin de los sujetos viene definida por la presencia o no del efecto.
Mediciones:
De frecuencia: ninguna
De asociacin: odds ratio
De potencial impacto: riesgo atribuible estimado
OBSERVACIN

Criterios en la seleccin de los CASOS:
Que tengan la enfermedad, es muy importante la SENSIBILIDAD y

ESPECIFICIDAD del mtodo de medicin para evitar errores de clasificacin.
Criterios en la seleccin de los CONTROLES:

.- No imponer criterios (Aleatoriedad)
Si se imponen criterios => Aumento de Validez
CRITERIOS: 1.- Apareamiento estratificado por la variable que se desee
controlar.
2.- Apareamiento por todas las variables posibles edad sexo
etc, (Mayor coste)
la

VENTAJAS
Son retrospectivos comparan EFECTO -----> EXPOSICION

De uso frecuente en epidemiologa laboral
Son buenos para estudiar enfermedades poco frecuentes (raras)
Son tiles para estudiar enfermedades con largos perodos de latencia
Permiten estudiar exposiciones poco frecuentes, si estn fuertemente
asociadas a la enfermedad
Son rpidos y menos costosos que otros diseos

LIMITACIONES
Es fcil incurrir en errores sistemticos (sesgos), tanto en la seleccin como en la

recogida de la informacin
No siempre permiten establecer una secuencia temporal entre la exposicin y la
enfermedad
No siempre permiten estimar directamente tasas de enfermedad
No son tiles para estudiar diversos desenlaces de un solo factor de riesgo

MEDIDAS
MEDIDAS QUE SE PUEDEN USAR EN

LOS ESTUDIOS DE CASOS-CONTROLES
Parmetro Estimacin puntualI ntervalo de confianza
OR =
a.d
b.c
DI (OR-1)
RA = 1+ Pe (OR-1)
FEe =
OR-1
OR
OR
RA *
( 1 +_ Z1- a /
/c
( 1 +_ Z1- a /
MH )
/c
1-(1-FEe) ( 1 _ Z1- a / 2/
+
MH )
c MH )
Pe.DI(OR-1)
RAP = 1+Pe (OR-1) RAP * ( 1 +_ Z1- a / 2/ c MH )
=
Pe. RA
FE =
Pe (OR-1)
( 1 +_ Z1- a / 2 c MH )
/
1+ Pe(OR-1) 1-(1-FE)
=
Pc .FEe
OR: Odds Ratio, Razn de Ventaja, Desigualdad relativa
RA: Riesgo Atribuible
FEe: Fraccin Etiolgica en expuestos
RAP: Riesgo Atribuible en la Poblacin
FE: Fraccin Etiolgica
DI: Densidad de Incidencia de la enfermedad en la colectividad
Pe: Proporcin de sujetos expuesto en la comunidad (b/ mo)
Pc: Proporcin de casos expuestos (a/m1)

COMPARACIN DE LOS ESTUDIOS DE COHORTES Y CASO-CONTROL
CARACTERISTICAS
CASOCONTROL
COHORTE
Enfermedad
Exposicin
Exposicin
Enfermedad
Baja
Alta
Varias
Una
Enfermedades a estudiar
Una
Varias
Coste econmico
Bajo
Alto
Control de sesgos
Difcil
Fcil
Duracin del estudio
Corta
Larga
Estimacin del riesgo
Odds ratio
Riesgo relativo
Riesgo
atribuible
.
Direccin del estudio
Frecuencia de
enfermedad
Exposicin a es tudiar

Ventajas e inconvenientes de los estudios observacionales bsicos
Cohortes
Ca y Co
Transv.
Ecolg.
Complejidad de diseo
Alta
Alta
Media
Baja
Complejidad de ejecucin
Alta
Alta
Complejidad de anlisis
Alta
Alta
Media
Baja
Posibilidad de errores sist.
Media
Alta
Media
Alta
Tiempo
Largo
Medio
Medio
Corto
Coste
Grande
Grande
Medio
Bajo
Nivel de evidencia
++++
+++
Baja

ESTUDIO EXPERIMENTAL
El objetivo es analizar una INTERVENCIN ESPECFICA APLICADA DE FORMA
DELIBERADA sobre un grupo de sujetos
Evalan la eficacia de intervenciones preventivas, curativas o rehabilitadoras.
CLAVE DEL DISEO EXPERIMENTAL
Los grupos que se comparan (al menos dos) son similares por todas las
caractersticas que pudieran influir en la respuesta, excepto por la intervencin
que se est evaluando

Se analiza prospectivamente el efecto de una intervencin impuesta a un grupo de

sujetos seleccionados aleatoriamente de una poblacin objetivo. Lo ptimo es que exista
un grupo de comparacin semejante que reciba una intervencin de efecto conocido
(controlado), y que no haya informacin de correspondencia sujeto-intervencin (ciego).
Segn dnde se imponga la intervencin tenemos experimentos de laboratorio, ensayos
clnicos o estudios de intervencin comunitaria.
ENSAYO CLNICO ALEATORIO
Es el paradigma del diseo experimental en investigacin biomdica

Proporcionan el mayor control del factor de estudio
La aleatorizacin es la forma ms segura de aislar la confusin (efectos
mezclados)
Es el estudio que aporta pruebas (evidencias) ms firmes en una relacin causal
Clasificacin de los ENSAYO CLNICOS

Fase 0 (investigacin pre-clnica)
Fase I
Fase II
Fase III
Fase IV
!!!!! CONSENTIMIENTO INFORMADO
ENSAYO CLNICO
Normativa Espaola
LEY 29/2006, DE 26 DE JULIO, DE GARANTAS Y USO RACIONAL DE LOS

MEDICAMENTOS Y PRODUCTOS SANITARIOS.
TTULO III
De las garantas de la investigacin de los medicamentos de uso humano
Artculo 58.
Artculo 59.
Artculo 60.
Artculo 61.
Ensayos clnicos.
Garantas de idoneidad.
Garantas de respeto a los postulados ticos.
Garantas de asuncin de responsabilidades.
2. Cuando, por cualquier circunstancia, el seguro no cubra enteramente los
daos causados, el promotor del ensayo, el investigador responsable del
mismo y el hospital o centro en que se hubiere realizado respondern
solidariamente de aqullos, aunque no medie culpa, incumbindoles la carga
de la prueba. Ni la autorizacin administrativa ni el informe del Comit tico de
Investigacin Clnica les eximirn de responsabilidad
Artculo 62. Garantas de transparencia
REAL DECRETO 223/2004, DE 6 DE FEBRERO, POR EL QUE SE REGULAN

LOS ENSAYOS CLNICOS CON MEDICAMENTOS (BOE nm. 33, de 7 febrero)
ENSAYO CLNICO
Normativa Dominicana
La Ley General de Salud (42-01) de Repblica Dominicana establece que las

investigaciones debern ceirse a los principios cientficos y bioticos nacional e
internacionalmente aprobados.
Artculo 33 expone que la investigacin constituye una accin bsica y fundamental,
integrante de todo el proceso de proteccin social de la salud y que la SESPAS, en
coordinacin con las dems instituciones del Sistema Nacional de Salud competentes,
promover la investigacin para la promocin de la salud, prevencin de las
enfermedades y para la recuperacin de la salud, as como la capacitacin de
investigaciones en salud.
ENSAYO CLNICO
Normativa europea
Directiva 2001/20/CE del Parlamento Europeo y del Consejo, de 4 de abril de 2001, relativa a
la aproximacin de las disposiciones administrativas de los Estados miembros sobre la
aplicacin de buenas prcticas clnicas en la realizacin de ensayos clnicos de medicamentos
leyes, reglamentos y para el uso humano.
Directiva 2003/94/CE de la Comisin de 8 de octubre de 2003 que establece los principios y
directrices de las prcticas correctas de fabricacin de los medicamentos de uso humano y
medicamentos en investigacin de uso humano
Directiva 2005/28/CE de la Comisin de 8 de abril de 2005, por los principios y las directrices
detalladas de las buenas prcticas clnicas respecto a los medicamentos en investigacin de uso
humano, as como los requisitos para autorizar la fabricacin o importacin de dichos
productos

Ventajas:
Aporta el mayor grado de causalidad

til para valorar la eficacia de intervenciones de cualquier tipo (preventivas
o teraputicas)
Mximo control de sesgos y confusores
Repetibles y comparables
CONTROL MEDIANTE ENMASCARAMIENTO

Simple ciego: el sujeto desconoce el grupo asignado
Doble ciego: tanto el sujeto, como el que evalua el efecto lo desconocen
Triple ciego: Los anteriores y el analista de datos desconocen la asignacin
Inconvenientes:
La asignacin aleatoria no garantiza la inexistencia de errores sistemticos

Valorar sesgos de seleccin: no participacin, prdidas de seguimiento;
mala clasificacin: no adherencia al tratamiento, cambio de grupo despus
de la aleatorizacin, mala clasificacin del efecto
Coste elevado y dificultades ticas y tcnicas
Dificultades de validez externa por su rigidez de diseo
No tiles en el estudio de causalidad de enfermedades por razones ticas

Diseo con periodo de

blanqueo
Frmaco A
Grupo 1
Frmaco B
Grupo 2
Diseo con grupos

cruzados
Frmaco A
Grupo 1
Frmaco B
Grupo 2
Se mide el efecto
Periodo de blanqueo o de descanso

Frmaco B
Grupo 1
Frmaco A
Grupo 2
Se mide el efecto
Frmaco A+B
Placebo
Grupo 3
Grupo 4
LIMITACIONES
La asignacin aleatoria no garantiza la inexistencia de errores sistemticos

Valorar sesgos de seleccin: no participacin, prdidas de seguimiento; mala
clasificacin: no adherencia al tratamiento, cambio de grupo despus de la
aleatorizacin, mala clasificacin del efecto
CONTROL MEDIANTE ENMASCARAMIENTO

Simple ciego: el sujeto desconoce el grupo asignado
Doble ciego: tanto el sujeto, como el que evalua el efecto lo desconocen
Triple ciego: Los anteriores y el analista de datos desconocen la asignacin
!!!!!! CONSENTIMIENTO INFORMADO
MEDIDAS
ENSAYO CLNICO
E.C. Fase I
Estudios de farmacologa humana

Primer estudio en humanos para:
Conocer farmacocintica y farmacodinmica
Establecer dosis y pautas de administracin
Determinar la dosis mxima tolerada
Obtener informacin preliminar sobre la seguridad
Se realiza en voluntarios sanos
E.C. Fase II
Estudios teraputicos exploratorios

Primer estudio teraputico en pacientes, para:
Tener datos preliminares de eficacia
Establecer relaciones dosis-respuestas
Se realiza en un limitado grupo de pacientes
Pueden ser controlados y aleatorizados
Siendo la comparacin con placebo
ENSAYO CLNICO
E.C. Fase III
Estudios teraputicos confirmatorios

ltima fase precomercializacin, destinado a:
Establecer la eficacia y seguridad
Se realiza en un grupo ms amplio y heterogneo de pacientes
Son controlados, aleatorizados y muchas veces enmascarados
El grupo control recibe el tto. convencional
E.C. Fase IV
Estudios de uso teraputico

Se llevan a cabo tras la comercializacin, para:
Evaluar mejor el perfil de seguridad
Establecer posibles nuevas indicaciones (*)
Evaluar la efectividad
Son aleatorizados y con muestra grande
ESTUDIO CUASI EXPERIMENTAL
Se analiza prospectivamente el efecto de una intervencin impuesta a un grupo de

sujetos no seleccionados aleatoriamente de una poblacin objetivo. Hay mltiples
tipos de diseo segn qu usemos como grupo de comparacin ( ). Segn dnde se
imponga la intervencin tenemos experimentos de laboratorio, estudios clnicos o
estudios de intervencin comunitaria.
ENSAYOS DE CAMPO
Cuando a una comunidad administramos una vacuna y la comparamos con otra
que no se dio
ENSAYOS COMUNITARIOS DE INTERVENCIN
Cuando realizamos fluoracin de aguas
ESTUDIO CUASI EXPERIMENTAL
Ventajas:
Inconvenientes:
Ms fciles y econmicos que los

ensayos clnicos
Puede ser la nica forma de hacer un
estudio experimental
Menor control de sesgos y confusores,

posible efecto de maduracin y
pseudoefectos de la intervencin
(regresin a la media).
Puede no existir homogeneidad entre
grupos de comparacin
NUEVOS DISEOS
Estudios caso-control anidados en cohortes
Estudios sasos autocontrol o case-crossover

Estudios de niveles mltiples (MNM), M. efectos aleatorios, Coef. aleatorios o M. mixtos,
TIPOS DE
ESTUDIOS
EPIDEMIOLGICO:
SNUEVOS DISEOS
TIPOS
DE ESTUDIOS
EPIDEMIOLGICOS
Estudio de casos y controles anidados (nested case control studies).

Dado que los estudios de cohorte permiten la identificacin de un pool de sujetos enfermos concluido el
periodo de observacin o seguimiento (follow- up).
El investigador conoce las caractersticas ms relevantes de este grupo de pacientes tipo de exposicin,
tiempo, y diagnostico preciso etc.
Aprovechando esta circunstancia , es posible constituir un esquema de diseo de casos y controles
seleccionando aleatoriamente controles entre el grupo de sujetos no afectados despus del periodo de
seguimiento .
Tiene especial aplicacin en aquellas situaciones en que los procedimientos diagnsticos para detectar
casos son de elevado costo, en particular en el estudio de enfermedades ocupacionales.
Este diseo hbrido contribuye al control de sesgos, particularmente los vinculados con medicin,
problema frecuente de los estudios de caso y controles.
TIPOS DE ESTUDIOS EPIDEMIOLGICO: SNUEVOS DISEOS

Esquema de un estudio de casos y controles anidados (nested case control studies)
Enfermos
Casos
Sanos
Sanos
Enfermos
Sanos
Cohortes
Controles
Casos -Controles
Ventajas de casos y controles anidados y/o caso-cohorte con respecto a casos y controles ordinarios:
Los estudios de casos y controles anidados o caso-cohorte son menos propensos a los sesgos que los estudios
de casos y controles ordinarios.
Se ahorran recursos; ciertas mediciones ya estn hechas o se pueden realizar slo en una muestra de los
participantes de la cohorte.

Estudios case-crossover caso-autocontrol
Nacen hace apenas 18 aos

Los diseos de casos y autocontroles son similares a los de casos y controles
En stos, cada caso tiene un control que es una persona diferente en un tiempo similar.
En un diseo de casos y autocontroles, el control es la misma persona en un tiempo
diferente.
Ejemplo en un accidentes de trfico y uso de telfono movil :

Se estudia sobre las actividades realizadas por los accidentados, exactamente a la
misma hora, del da previo al que ocurri el accidente. Dicha investigacin con el mismo
sujeto permiti concluir sobre la existencia de factores de riesgo que no se hubieran
determinado con otro tipo de controles.

Disparadores: Sirven para describir algn componente de la red causal cercano al evento objeto de estudio. Un disparador puede
ser una exposicin transitoria y tener un periodo de efecto corto, o puede ser transitorio pero con un efecto largo, por ejemplo: la
alteracin tras una conversacin telefnica que distrae a un operador en una fbrica o a un conductor de automvil.
La importancia de un disparador depende de su frecuencia y duracin del efecto, como lo expresan Maclure y Mittleman: si ellos
raramente suceden y son de corta duracin, su impacto sobre la OR puede ser muy baja respecto a la duracin, se estima que existe
un doble de riesgo de infarto agudo del miocardio en las dos horas siguientes a la actividad sexual, el cual se trasladara a un
insignificante riesgo anual de 1.01 entre las personas que tienen actividad sexual una vez por semana.
Impedimentos (obstaculizadores): factores preventivos de efectos transitorios que hacen contrapeso a los disparadores, evitando
la ocurrencia de eventos no deseados, por ejemplo: un infarto agudo del miocardio puede ser prevenido con aspirina debido a la
funcin antiagregante plaquetaria de sta.
Tiempo de induccin: periodo entre disparador y el efecto en un individuo (para nuestro caso, la presencia de un evento).
Periodo del efecto: periodo entre el tiempo de induccin mnimo y mximo en una poblacin, es decir, periodo terico de tiempo
en el cual se da un evento posexposicin a un disparador.
Periodo de caso: periodo que se presenta tras la ocurrencia de algn disparador con la presencia del evento; equivale a la
duracin del periodo de efecto ms el tiempo de induccin.
Periodo de control: periodo en el que un evento puede ocurrir pero no se presenta; se indaga por la presencia del disparador. Este
periodo es necesario seleccionarlo cuidadosamente para determinar la probabilidad de asociacin entre el disparador y el evento.
Ventana de exposicin: unidad arbitraria de observacin donde se decide si puede o no ocurrir el evento



Estudios de niveles multiples
La investigacin multinivel tuvo sus inicios en el campo de la educacin, tenemos un estudio

bien conocido e influyente en nios de escuela primaria llevado a cabo a fines de los aos 70
(Bennett, 1976) que pretendi que los nios expuestos al llamado estilo formal de la enseanza
exhiban ms progreso que aquellos que no. Los datos fueron analizados usando las tcnicas
tradicionales de la regresin mltiple que reconocieron solamente a nios individuales como
las unidades de anlisis y no hicieron caso de sus agrupaciones dentro de profesores y en
clases. Los resultados eran estadsticamente significativos. Posteriormente, Aitkin et al (1981)
demostraron que cuando el anlisis consider correctamente agrupar los nios en clases, las
diferencias significativas desaparecieron y los nios formalmente enseados no demostraron
ser diferentes a los otros. Este reanlisis es el primer ejemplo importante de un anlisis de
niveles mltiples de datos en ciencias sociales. Como hemos podido ver en educacin, los
estudiantes son agrupados en clases, y ambos estudiantes y clases tienen caractersticas de
inters.

Los MNM ofrecen una alternativa analtica para la investigacin en epidemiologa

que posibilita restaurar la dimensin poblacional o de sociedad, frente al arsenal de
estudios de enfermedades de poblaciones, reducidos a factores de riesgo
individuales
TIPOS DE ESTUDIOS EPIDEMIOLGICOS: NUEVOS DISEOS

El anlisis multinivel es una respuesta a la necesidad de analizar la relacin entre los individuos y los
diversos contextos en los que se desenvuelven.
Las hiptesis de partida de estos modelos nos dicen que los individuos pertenecientes a un mismo
contexto tendern a ser ms similares en su comportamiento entre s, que respecto a su
pertenencia a distintos contexto.
El anlisis multinivel tiene por lo tanto como objetivo, modelizar estadsticamente la influencia de
variables contextuales sobre las actitudes o los comportamientos medidos a nivel individual. En
este sentido, nos permite, en ciencias de la salud, tener en cuenta el efecto de las variables de la
estructura social, economa, hbitos etc. sobre el individuo

Epidemiologia Nuevo

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Epidemiologia Nuevo

Enviado por

Direitos autorais:

Formatos disponíveis

EPIDEMIOLOGA

Autor: Tesifn Parrn Carreo

Es el estudio de la ocurrencia de la enfermedad

Mtodo de razonamiento que estudia en las

La Epidemiologa estara constituida por el conjunto

Medidas de frecuencia y asociacin

Por diseo de un estudio se entienden los

DEFINICIN: Es un instrumento para efectuar la

- Formulacin de una hiptesis

- Emisin de una ley general

3.- Formular objetivos o hiptesis

- Formulacin de objetivos hiptesis

Quien se beneficia de la investigacin?

- Minimizar dolor, ansiedad, incomodidades

- Respeto a las creencias, tabes etc. de la comunidad

- Empleo correcto de los mtodos de investigacin

Mtodo de muestreo y validez externa

Cuestiones bsicas de muestreo

Cuando elegimos individuo de una poblacin de estudio para formar

Grado de confianza de la inferencia

Es la probabilidad de que el valor real del parmetro poblacional se

Ms que un clculo suele ser un criterio definido convencionalmente por el

Grado de error (imprecisin) de la inferencia

Esta variabilidad introduce un error en la estimacin (error aleatorio).

Grado de error (imprecision) de la inferencia

El error aleatorio configura lmites de confianza dentro de los cuales se

Grado de error (imprecision) de la inferencia

Conocer y manejar los conceptos bsicos de inferencia estadstica: poblacin,

Calcular intervalos de confianza. Interpretar que significa el nivel de confianza de un

CIENCIAS DE LA SALUD Y BIOESTADSTICA ? PARA QUE?

La necesidad del conocimiento estadstico del profesional de las Ciencias de la

Los profesionales sanitarios suelen realizar afirmaciones acerca de un grupo de

CIENCIAS DE LA SALUD Y BIOESTADSTICA ? PARA QUE?

Ello => la impredecibilidad de los datos => necesidad de la estadstica para

La investigacin en el campo de las Ciencias de la Salud

Requiere de la estadstica en las fases de Diseo, Recopilacin, Anlisis y

Desviacin tpica de la poblacin = =

COEFICIENTE DE RIESGO O NIVEL DE SIGNIFICACIN

(Referida a la de la poblacin). Proceso estadstico mediante el cual se desea

Cojamos sucesivas muestras de 2 individuos

Casos mas favorables

Casos mas desfavorables

Cojamos sucesivas muestras de 3 individuos

Cojamos sucesivas muestras de 4 individuos

Casos mas favorables

Casos mas desfavorables

Cojamos sucesivas muestras de 6 individuos

Cojamos sucesivas muestras de 10 individuos

Casos mas favorables

Casos mas desfavorables

Cojamos sucesivas muestras de 16 individuos

Casos mas desfavorables

Para muestras de 2 individuos

Para muestras de 3 individuos

Para muestras de 4 individuos

Para muestras de 6 individuos

Cpara muestras de 16 individuos

Aun en el supuesto de elegir los casos mas desfavorables

NUMERO DE MUESTRAS POSIBLES

Cuantas muestras posibles de 18 elementos puedo yo tomar del total de 18 bolas?

Cuantas muestras posibles de 1 elemento puedo yo tomar del total de 18 bolas?

Cuantas muestras posibles de 1 elementos puedo yo tomar de 5 bolas? = 5

Frecuencia de las medias

Cuantas muestras posibles de 2 elementos puedo yo tomar ? = 20