Escolar Documentos
Profissional Documentos
Cultura Documentos
2003
PRIMERA PARTE :
Usos de la epidemiologa. 3
El mtodo epidemiolgico 4
Observacin sobre los clculos estadsticos 5
1. Epidemia y endemia 6
Captulo IV
USOS DE LA EPIDEMIOLOGIA
EL METODO EPIDEMIOLOGICO
CALCULOS ESTADISTICOS
1. EPIDEMIA Y ENDEMIA
Inexistente
Toda tasa incluye la descripcin precisa de los lmites de tiempo (hora, mes,
ao) y de lugar (escuela, regin, pas) en que ha ocurrido el evento descripto.
Asimismo, dado que el resultado del cociente es siempre menor a uno, se
aplica en todos los casos un factor de multiplicacin (100, 1000, 100000)
generalmente estandarizado de acuerdo al tipo de tasa que se desee expresar.
Este tipo de tasas, cuya informacin est casi siempre disponible, son de valor
epidemiolgico limitado, pues estn muy influenciadas por la estructura de
edades de la poblacin.
En ambos casos, las tasas quedan limitadas como expresin del estado
sanitario de una poblacin en cuanto el numerador solo recoge informacin
oficialmente registrada, quedando excluidos los no notificados, los no
asistidos y los incorrectamente diagnosticados.
De tal forma, las tasas usualmente expresan valores inferiores a los existentes
en la realidad.
Es decir que se construye como producto de: nmero de muertos (por una o
todas las causas) / poblacin expuesta al riesgo (a la mitad del perodo
considerado) x factor de correccin (usualmente 1000000, a excepcin de las
tasas de mortalidad infantil que se expresan x 1000).
Ejemplo: Tasa de Letalidad por Hidatidosis, Rio Negro, 1987: 1.8 x 100 (2
muertos por hidatidosis / 111 enfermos de hidatidosis x 100)
Tasa de Mortalidad Proporcional: expresa la proporcin de las muertes por
una causa especfica en relacin a la mortalidad global. (nmero de muertos
por una causa / todos los muertos)
Es decir que al no establecer relaciones con la poblacin total este tipo de tasa
no expresa el riesgo de que los miembros de la poblacin mueran por la causa
estudiada.
Las tres nos permiten, as, expresar con una sola cifra el valor central de una
serie de datos (observaciones). Por ejemplo: valor medio de la eosinofilia en
parasitosis intestinales, edad media de los afectados por fiebre tifoidea en una
localidad, mediana de los valores de fosfatasa alcalina en pacientes con
hidatidosis, media o mediana del nmero de casos de triquinosis en el perodo
1970/80, etc.
( x)
x =
Ejemplo: una serie de anlisis de agua arrojan los siguientes tenores de flor
(en mg/l): 0.2 / 0.7 / 0.7 / 0.7 / 0.8 / 1.0 / 1.0 / 1.2/ 1.5 / 1.5 / 1.8 / 2.2 / 2.8 /
3.3 / 3.4 / 3.4/ 3.9 / 4.2 / 4.5 / 4.8
Media x = 2.18
Para que eso sea posible, precisamos Medidas de Dispersin que definan la
poblacin en base a otros valores, aparte de los de tendencia central, y que
expresen la variabilidad.
As, nos encontramos con medidas utilizadas usualmente para describir como
se alejan las observaciones en relacin al eje central de la distribucin: Desvo
Estndar, Error Estndar, Cuartiles y Rango.
alrededor de la media.
Es decir que los valores de la Media trasladan la grfica a lo largo del eje de
las X y diferentes valores del determinan la altura que la misma alcanza. En
el ejemplo anterior, las muestras A y B se ubican en el mismo punto del eje de
las X (valor 30) mientras que la muestra A presentar mayor altura que la B.
Promedio: x = 2.18
Variabilidad: = 1.43
ES :
1.96 x
IC 95%: +/- x :
Son tres valores de la variable que separan la serie de datos en cuatro grupos
constituidos cada uno por la misma cantidad de observaciones.
1 Cuartil (Q1): es el valor por debajo del cual hay un 25% de las
observaciones.
3 Cuartil (Q3): es el valor debajo del cual queda el 75% de los datos y por
encima el 25%.
De esta forma, nuestra serie de anlisis de agua para determinar tenor de flor,
puede ser descripta mediante los siguientes datos:
Existen tres elementos que deben ser considerados para determinar el Tamao
de una muestra en una encuesta, por ejemplo serolgica:
Segn Jenicek (1987), dado que toda estimacin se basa en el azar y lleva
consigo cierta variabilidad los resultados que hallemos en nuestra encuesta se
modificarn ligeramente de un estudio al otro. Por ejemplo, en nuestra
investigacin de Trichinelosis, la tasa de prevalencia en cerdos encontrada es
del 18%. Si repetimos varias veces el estudio, an con un correcto diseo,
difcilmente presentar siempre exactamente la misma cifra.
S:
E:
VP:
VP (+):
_____________________________________________________________
Prevalencia real x sensibilidad + (1 Prevalencia real) x (1 especificidad
P real: _______________________________
Sensibilidad + especificidad 1
Diagnstico verdadero
Positiva a b a+b
Negativa c d c+d
============================================
============================================
Sensibilidad (%) 31 63
=============================================
Dicho de otro modo, una prueba muy sensible tiene pocos resultados falsos
negativos, una prueba muy especfica tiene pocos resultados falsos positivos.
En donde es necesario determinar ttulo diagnstico, si es fijado en un valor
elevado se aumenta la Especificidad pero con prdida de Sensibilidad. Por el
contrario, si bajamos el ttulo, aumentaremos la Sensibilidad pero a costa de
prdida de Especificidad.
Son ejemplo de este tipo de estudios los ensayos de fluoracin de aguas para
consumo (factor artificial introducido por el investigador en una poblacin)
efectuados para determinar su impacto en la prevencin de la carie dental (en
comparacin a una poblacin con agua no fluorada).
Sin embargo son estudios caros que requieren habitualmente de mucho tiempo
y muchos individuos para la obtencin de conclusiones, en particular si la
incidencia de la enfermedad es baja. As, Mac Mahon (1975) seala que
parece razonable primero desarrollar estudios de Casos y Controles y, si se
comprueba asociacin causal, pasar al diseo de un estudio de Cohorte.
Por su parte Rothman (1986) seala con precisin que un elemento comn a
todos los estudios es la necesidad de formular los objetivos con la mayor
precisin posible, en forma clara y cuantitativa, dejando sentado el parmetro
que se quiere medir, pues de lo contrario cualquier estudio poblacional que
tenga objetivos deficientemente conceptualizados ser de calidad endeble.
2.2. MULTICAUSALIDAD
R.R. =
a\(a+b)
RR: --------
c\(c+d)
OR: (a * d) \ (b * c)
Tanto para el riesgo atribuible como para el riesgo relativo o el odds ratio
corresponde incorporar el clculo del Intervalo de Confianza.
Por ejemplo, en un estudio de Casos y Testigos, el riesgo de enfermar de
hidatidosis por consumir agua no potable resulta de OR: 8. Si estimamos el IC
95%, significa que 95 de cada 100 veces que efectuemos el mismo estudio, el
valor de OR quedar comprendido dentro de esos lmites.
IC(RA) = RA +/- Z x ES
As, se plante que, a una distancia de 2ES de la media del universo se ubican
el 95.45% de las medias de todas las muestras posibles que se obtengan de
dicho universo; y a 3 ES el 99.73%. De tal forma, y tomando un lmite en
forma arbitraria (por ejemplo 95%) diremos que el objetivo de nuestra prueba
de significacin es comparar "las medias de dos muestras" (una de poblacin
expuesta al riesgo y otra de poblacin no expuesta al riesgo).
Si ambas medias caen dentro de los lmites establecidos por 2ES pertenecern
al mismo universo no existiendo, por ende, diferencias significativas entre
ellas. En este caso se descartara la importancia del Factor de Riesgo
(inexistencia de Asociacin Causal).
Situacin real
indica que la
VERDADERA FALSA
===========================================================================
=
indica que
===========================================================================
=
Existen muchas pruebas estadsticas para efectuar este anlisis, siendo la mas
empleada la Prueba de Chi Cuadrado.
x2 = -(----------------------)2 : ( --- )2
Esperado ES
Para ello volcamos los datos en la tabla tetracrica, calculamos los totales,
estimamos las tasas y calculamos las diferencias entre las tasas:
a un factor
c+d
Tasas de a\ (a+c) b\ (b+d)
Exposic.
Diferencia a\(a+c) -
b\(b+d)
=======================================================
=
=======================================================
=
=======================================================
==
Incidencia
a un factor
No Exposicion a un 6 47 53 0.113
factor
Total 50 77 127
Tasas de 0.880 0.389
Exposic.
Diferencia 0.491
El valor del Chi2, 29.99, es > a 18.83, por lo tanto: p < 0.001, siendo las
diferencias estadsticas muy significativas (es decir que hay poca probabilidad
que las diferencias se deban al azar, por lo tanto el Factor de Riesgo y el dao
estn asociados (Asociacin Estadstica).
Z: ( x 1 x 2) / ( de x 2 / raz cuadrada de n)
Estimacin en software EPIDAT: opcin MUESTRAS Situacin con una
muestra
Anlisis multivariado
Se dise una encuesta para el relevamiento inicial del stock porcino y de las
caractersticas de los criaderos de la localidad, procedindose a la
identificacin de los animales mayores de 6 meses de edad con caravanas
numeradas colocadas en la oreja izquierda. Posteriormente se mantuvo un
sistema de monitoreo para la actualizacin de la informacin y la
identificacin de los animales ingresados o egresados del sistema
En los dos criaderos erradicados por SENASA por estar asociados a casos de
triquinosis humana, el xito de trampeo result del 5.7%, mientras que en los
restantes criaderos result del 2.3%
Los casos y los controles seleccionados fueron visitados por un nico agente
encuestador entrenado. En todos los casos se procedi a determinar un
informante clave (madre, madre de crianza, abuela, etc.) en condiciones de
responder un cuestionario estandarizado que incluy la evaluacin de factores
de riesgo vinculados a:
El ncleo familiar:
Relacin del nio y del ncleo familiar con el husped definitivo (perro):
Analisis de datos:
Resultados:
El promedio del numero de habitantes del domicilio entre los casos fue 5.7 y
5.9 en el grupo control, siendo esta diferencias no significativas (P: 0.35).