Manual_ de_epidemiología

8/7/2019 Manual_ de_epidemiología

http://slidepdf.com/reader/full/manual-deepidemiologia 1/25

Manual de Epidemiología

Indice

1. ALGUNOS ASPECTOS DE LA APLICACIÓN DE LA EPIDEMIOLOGÍA:.............................................................2

EPIDEMIOLOGÍA CUALITATIVA Y CUANTITATIVA ................................................................................................2

1.1. INTRODUCCIÓN ....................................................................................................................................................................2

1.2. ELEMENTOS DE EPIDEMIOLOGÍA CUALITATIVA .........................................................................................................................4

1.3. ELEMENTOS DE EPIDEMIOLOGÍA CUANTITATIVA .......................................................................................................................4

2. MUESTREOS DE POBLACIONES ..................................................................................................................................5

2.1. CONCEPTOS GENERALES A CONSIDERAR EN UN MUESTREO ..........................................................................................................5

2.2. MÉTODOS DE SELECCIÓN DE UNA MUESTRA EN UNA INVESTIGACIÓN EPIDEMIOLÓGICA .....................................................................5

2.3. TAMAÑO DE LA MUESTRA .....................................................................................................................................................62.3.1. Tamaño de la muestra para estimar la media de una población ............................................................................6

2.3.2. Tamaño de la muestra para estimar proporciones (prevalencia de enfermedad o proporción de exposición a un

factor) en una población ...................................................................................................................................................7

2.3.3. Tamaño de la muestra para estimar la diferencia entre proporciones (prevalencias o proporciones deexposición a un factor) en dos grupos de una población ..................................................................................................8

2.3.4. Tamaño de la muestra para estimar la diferencia entre medias en dos grupos de una población .........................8

2.3.5. Tamaño de la muestra para detectar la presencia de una enfermedad en una población .....................................9

2.4. ERRORES RELACIONADOS CON LOS MUESTREOS .......................................................................................................................10

3. EVALUACIÓN DE LA FIABILIDAD DE PRUEBAS DIAGNÓSTICAS ..................................................................10

3.1. CONCEPTOS BÁSICOS .........................................................................................................................................................103.3. CONCORDANCIA DE PRUEBAS DIAGNÓSTICAS .........................................................................................................................123.4. PRUEBAS MÚLTIPLES ..........................................................................................................................................................13

4. MEDICIÓN DE LA ENFERMEDAD EN LA POBLACIÓN .......................................................................................13

5. ENCUESTA EPIDEMIOLÓGICA ..................................................................................................................................14

6. ESTUDIOS EPIDEMIOLÓGICOS..................................................................................................................................18

6.1. ESTUDIOS OBSERVACIONALES ..............................................................................................................................................186.1.1. Tipos de estudios epidemiológicos. Aplicación .....................................................................................................18

6.1.2. Razón de Prevalencias (RP), Odds Ratio (OR) y Riesgo Relativo (RR); cálculo e interpretación ......................21

6.1.3. Control del confounding y de la interacción .........................................................................................................22

7. MODELOS EPIDEMIOLÓGICOS .................................................................................................................................23

7.1. EPIDEMIOLOGÍA TEÓRICA ....................................................................................................................................................23

7.2. MODELO ..........................................................................................................................................................................23

12. CUESTIONARIO DE CONOCIMIENTOS .................................................................................................................24

Manual de Epidemiología General - A.I. 1



1. Algunos Aspectos de la Aplicación de la Epidemiología:

Epidemiología Cualitativa y Cuantitativa

1.1. Introducción

Genéricamente la epidemiología se define como la "Ciencia que estudia la presentación y evolución del estado de salud y de enfermedad, así como su distribución y evolución en las poblaciones, tantoespacial como temporalmente. También se encarga del estudio de los determinantes asociados a esosestados de salud y enfermedad (factores de riesgo o de protección)."Partiendo de esta definición cabe preguntarse ¿qué utilidad tiene la epidemiología en el mundo de lamedicina? ; La respuesta a esta pregunta podría incluir varios aspectos de su aplicación:

• Aspectos descriptivos: conocer situaciones de salud y/o enfermedad en las poblaciones.• Aspectos diagnósticos: proporcionar el apoyo necesario a la medicina clínica.• Aspectos analíticos: conocer aquellos factores que pueden estar asociados a los estados de salud y/o

enfermedad en las poblaciones.• Aspectos experimentales: evaluación de la eficacia de las acciones de tipo sanitario que se pretende

aplicar.

A pesar de esa aparente gran utilidad, la aplicación de la Epidemiología en el ámbito de la medicina, y másconcretamente en el estudio y control de las enfermedades es muy reciente si se compara con el resto de lasdisciplinas de su entorno, a pesar de que su origen y posterior orientación microbiológica ya se conoce desde laépoca de Pasteur. La gran novedad que ha aportado en los últimos años la epidemiología ha sido su capacidadpara cuantificar el estado de salud y enfermedad así como para determinar y cuantificar el papel de losdeterminantes o factores asociados a la presentación de las mismas en las poblaciones.Esta situación permite deducir que hasta hace algunos años (década de los 50), los fundamentosepidemiológicos con los que se estudiaba la enfermedad eran puramente cualitativos y por tanto su objetivo secentraba en identificar y conocer al agente etiológico y sus mecanismos de actuación y transmisión. Sinembargo, las investigaciones desarrolladas en las enfermedades de la especie humana a lo largo del siglo XXintrodujo nuevos conceptos de enfermedad en los que la importancia de la misma ya no venía definida tan solopor la acción de un agente etiológico (bacterias, virus, hongos o parásitos) y sus aspectos cualitativos, si no queempezaba a evidenciarse que eran enfermedades asociadas a factores medioambientales y/o a característicaspropias de la persona que adquiría la enfermedad (generalmente se manifestaban de forma crónica). En estas

enfermedades se observó que la intensidad de la acción de esos factores asociados determinaba la gravedad yevolución posterior de la enfermedad (Tabla I).A partir de ese momento, la identificación de esos factores propios del hospedador, del agente o del medioambiente, y la cuantificación de su papel en la presentación de la enfermedad, constituirán el dogmafundamental de la epidemiología, surgiendo entonces la denominada epidemiología cuantitativa.El desarrollo de esta epidemiología cuantitativa rompe con el esquema tradicional de las enfermedadesexistente hasta el momento invalidando los postulados de Koch, ya que a partir de ese momento, se consideraque un factor es causa de enfermedad cuando se demuestra que entre ambas existe una asociación, lo queoriginó los postulados de Evans. Tabla I: causas de mortalidad humana en el Reino Unido entre 1860 y 1970 (Thrusfield, 1990)Año Importancia Enfermedad % de

muertes


http://opt/scribd/conversion/tmp/formB/formB2.htm






1860 1 Tuberculosis 19.82 Diarreas 15.03 Cólera 6.44 Neumonía 6.15 Meningitis 5.96 Difteria 2.7

1900 1 Neumonía 14.42 Tuberculosis 11.33 Diarrea 8.14 Corazón 8.05 Nefritis 4.76 Accidentes 4.5

1970 1 Corazón 38.32 Cáncer 17.23 Ataques en general 10.74 Neumonía 3.65 Accidentes 3.16 Vehículos de motor 2.8

A partir de la definición de los postulados de Evans se observa que el conocimiento del impacto (cantidad) dela enfermedad en la población y el papel de los determinantes asociados pasan a constituir elementos clave

para el posterior diseño de programas sanitarios de lucha frente a las enfermedades de las poblaciones, asícomo para el diseño de modelos teóricos de enfermedad que permitan predecir su presentación en otraspoblaciones.De esta situación se deduce que la epidemiología cualitativa busca incrementar los conocimientos de losmecanismos de transmisión y mantenimiento de las enfermedades infecciosas y parasitarias, mientras que laepidemiología cuantitativa busca medir las enfermedades presentes en la población y el conocimiento de losdeterminantes asociados a esos procesos patológicos, tanto a nivel individual (univariable) como en conjunto(multivariable) y a su cuantificación (efecto de la intervención de los determinantes asociados en lapresentación de la enfermedad).La investigación de una enfermedad en la actualidad supone que ambos tipos de epidemiología debenconjugarse para obtener una explicación amplia y fiable del por qué y el cómo de las enfermedades.La conjunción de ambos tipos de epidemiología en el estudio de las enfermedades definirá la metodología deesta ciencia, metodología que por otro lado no es propia, sino que se trata de utilizar las estrategias de trabajodel "Método Científico Clásico", lo que justifica en gran medida que las conclusiones extraídas sean admitidas

por la comunidad científica y no sean meras especulaciones.Así pues, el método epidemiológico comprende cuatro fases clave en el estudio de la enfermedad (gráfico I):

• Observación:

Consiste en el estudio desde la perspectiva "cualitativa" de la enfermedad, los hospedadores, elmedio ambiente y el propio agente etiológico. Para ello se recurre a la aplicación de los estudiosdescriptivos.

• Hipótesis:

Plantea una "posible" explicación de porqué ocurre la enfermedad y como se justifica su aumentoo disminución en la población. Esta hipótesis deberá ser demostrada posteriormente.

• Verificación de la hipótesis:

Supone confirmar o desmentir esa hipótesis que se había formulado mediante la demostracióncientífica. Eso supone analizar la hipótesis en una población o en una muestra de la misma. Estaconstituye pues la perspectiva "cuantitativa" del estudio epidemiológico de la enfermedad.

No obstante, no es posible una verificación de la hipótesis al 100%, por lo que se hace necesarioadoptar un sistema de medición de la verificabilidad de la hipótesis, ese sistema será la "teoría dela probabilidad", que dice que una hipótesis será más o menos probable y en función de ello seaceptará o no. Eso supone admitir que en el mudo de la epidemiología no existe la VERDAD, sinogrados de la misma de manera que la incertidumbre que rodea a la misma es un hecho que hayque aceptar en toda investigación epidemiológica. Esto supone que en muchas ocasiones loverdaderamente interesante no es verificar la hipótesis, sino todo lo contrario, es decir, poder demostrar que es falsa mediante un procedimiento inductivo como la experimentación.

• Emisión de una ley:

Explicará los hechos para situaciones genéricas y ya no específicamente para el caso estudiado.Esto supone, una vez confirmada la hipótesis, elaborar "modelos" epidemiológicos de enfermedad,aspecto del que se ocupará la epidemiología teórica.

Gráfico 1: Fases en el estudio de la enfermedad




Resulta evidente, por tanto, que la explicación de la enfermedad en las poblaciones requiere de todos los tiposde epidemiología, sin embargo, la "epidemiología cuantitativa" posee cada vez un mayor peso específico en elestudio de las enfermedades, ya que será la que determine las prioridades de los programas sanitarios que sedeben desarrollar y facilitará el diseño de los modelos que las explican.La importancia de esta parte de la epidemiología y la necesidad de ponerla al alcance del personal de salud dela forma más sencilla posible, hace necesario desarrollar aquellos aspectos teóricos que la definen y que másfrecuentemente se utilizan, facilitando así su manejo a nivel práctico.Por tanto, el primer paso de la investigación de la enfermedad en una población pasa por observar el proceso,para ello se recurre a los estudios descriptivos, a partir de los cuales se elaborará la hipótesis causal. Estos dospasos de la investigación epidemiológica de la enfermedad se apoyan en los elementos de la epidemiologíacualitativa.

1.2. Elementos de Epidemiología Cualitativa

Desde la perspectiva cualitativa la epidemiología estará interesada en " identificar " todos aquellos

determinantes o factores que pueden tener alguna relación con la presentación y evolución posterior de laenfermedad, por tanto, estudiar la enfermedad en las poblaciones desde esta perspectiva supone observar (nose analiza nada) esos factores supuestamente implicados en la presentación de la enfermedad y como sedistribuyen en aquella población.

• Observar la enfermedad en una población supone identificar características propias de esa población yque pueden afectar a la presentación de la misma.

• Observar la enfermedad en una población supone caracterizar el agente etiológico en aquellosaspectos que pueden afectar a la presentación de la enfermedad.

• Observar la enfermedad en una población supone identificar las características del medio ambiente enel que se desarrollan las personas como posibles factores asociados a la presentación de la misma(incluido como tal tanto las características ambientales como las condiciones en las que sedesenvuelven las personas, habitat, vivienda, cloacas, fuentes de agua potable, etc...).

• Observar la enfermedad en una población supone identificar los mecanismos mediante los cuales se

produce el mantenimiento y transmisión de la enfermedad, las fuentes de agente patógeno y lasvías de entrada del mismo.Por tanto, desde la perspectiva cualitativa, la epidemiología estudiará:

A.- Características de la población.B.- Características del agente etiológico.C.- Características del medio ambiente.D.- Mecanismos de transmisión.E.- Estrategias de mantenimiento de la infección.F.- Fuentes de agente y vías de entrada.

Una vez obtenida esa información cualitativa, caracterizada la enfermedad y su entorno, el investigador deberáelaborar la "hipótesis causal" a partir de aquella y seguidamente esa hipótesis será confirmada o no mediante

la perspectiva cuantitativa de la epidemiología, que se encargará de realizar la verificación de aquella hipótesiscausal.

1.3. Elementos de Epidemiología Cuantitativa

• Conocer el estado de salud y enfermedad en una población (morbilidad, mortalidad y letalidad), asícomo su frecuencia de distribución en el tiempo (prevalencia, incidencia acumulada, tasa deincidencia).

• Conocer los determinantes asociados a los estados de salud y enfermedad en la población (factores deriesgo o de protección) y su impacto en el desarrollo de dichas enfermedades.

El desarrollo de estos dos elementos de la epidemiología cuantitativa lleva consigo una serie deconsideraciones iniciales que el investigador debe hacerse y que a largo plazo determinarán la fiabilidad de lainvestigación epidemiológica realizada:

• Conocer el estado de salud o enfermedad supone investigar la totalidad de la población o una parte dela misma (muestra), hecho más frecuente este último, lo que lleva al investigador a plantearse la




necesidad de conocer las herramientas de las que la epidemiología cuantitativa dispone paraseleccionar una Muestra de la población de forma que esta sea representativa de la misma.

• Conocer el estado de salud o enfermedad supone disponer de una o varias pruebas diagnósticas quepermitan determinar con la mayor fiabilidad posible si un individuo está enfermo o no. La fiabilidad deesos resultados viene determinada por una serie de parámetros de la epidemiología cuantitativa y quepermiten realizar la evaluación de las técnicas de diagnóstico (Sensibilidad, Especificidad, ValoresPredictivos positivo y negativo). Su conocimiento resulta vital para el investigador que investiga el gradode enfermedad en una población.

• Conocer el estado de salud o enfermedad significa igualmente, realizar una medición de la población

afectada. Para ello, la epidemiología cuantitativa aporta una serie de parámetros que informan acercadel impacto de la enfermedad en la población y de su evolución en el tiempo (prevalencia, Incidenciaacumulada, tasa de incidencia). Por tanto, el investigador deberá realizar la Medición de la frecuenciade presentación de enfermedad en esa población.

• Conocer los determinantes asociados al estado de salud o enfermedad supone disponer de una seriede herramientas que permitan al investigador recoger información acerca de ambas (determinantes yestado sanitario) y analizarla demostrando mediante pruebas estadísticas la existencia de esaasociación, para lo cual la epidemiología cuantitativa aporta otra importante herramienta, lasEncuestas epidemiológicas, que definen los puntos sobre los que debe actuar el programa sanitarioque posteriormente se desarrollará.

• Finalmente, es necesario conocer el grado de asociación entre cada determinante asociado y laenfermedad individualmente (univariable), así como de todos los determinantes a la vez (multivariante)y las interacciones entre los diferentes determinantes asociados, para ello la epidemiología cuantitativa

utiliza los Estudios epidemiológicos. Estos permiten establecer las prioridades en el desarrollo yaplicación de los programas sanitarios.De aquí podemos deducir que las herramientas de la epidemiología cuantitativa que el investigador debeconocer para investigar la enfermedad y diseñar los programas sanitarios que permitan el control de la mismason:

A.- Muestreos de poblaciones

B.- Evaluación de pruebas diagnósticas

C.- Medición de la frecuencia de presentación de la enfermedad en la población

D.- Diseño y utilización de encuestas epidemiológicas

E.- Diseño e interpretación de los estudios epidemiológicos

2. Muestreos de Poblaciones

La investigación epidemiológica de un proceso patológico que afecta a una población, puede llevarse a cabosobre el total de la población, labor generalmente muy compleja y costosa, o sobre una parte de esa poblaciónque se denomina "muestra". Esta última hace el trabajo más sencillo y económico, reduciendo además suduración en el tiempo. No obstante no resulta válida cualquier parte de la población, ya que para que losresultados sean fiables, esa muestra debe cumplir una condición básica, ser representativa de la población paraque los resultados obtenidos sean extrapolables a la población de la que se obtuvo.Hacer representativa una muestra tomada en una población supone, por un lado, que posea un tamañoadecuado y por otro, que el método de selección de la misma sea el correcto, de manera que todas lassubpoblaciones existentes en la misma estén representadas de forma adecuada.La investigación de una variable sobre una parte de la población, muestra, hace que parte de la informacióncomún a la población se pierda y por tanto el valor que se obtenga no será el valor real de la población, sinouna "estimación" de ese valor real.

2.1. Conceptos generales a considerar en un muestreo

• Población diana: aquella población de la que se desea obtener una información• Población a estudiar u origen: aquella población de la que realmente se obtiene la información

En ocasiones las dos anteriores coinciden pero en otras son diferentes de manera que si la segunda noes representativa de la primera, los resultados obtenidos posteriormente no serán aplicables a la

población diana. • Unidad de muestreo: es el elemento básico sobre el que se plantea el procedimiento de muestreo. En

unas ocasiones es una persona, en otras el grupo de personas, en otras la población...• Muestra: conjunto de unidades de muestreo que han sido seleccionadas a partir de la población a

estudiar y sobre las que realmente se realizará la investigación epidemiológica.• Estrato: colección de unidades de muestreo agrupadas de acuerdo con una característica común.• Fracción de muestreo: relación entre el tamaño de la población a estudiar y el tamaño de la muestra.

N/n

2.2. Métodos de selección de una muestra en una investigación epidemiológica

• Probabilístico: Aquel en el que todas las personas/viviendas de la población tienen la misma

probabilidad de formar parte de la muestra, siendo el azar el que determina los que forman parte de lamuestra y cuales no. La selección de los personas/viviendas por este método puede realizarse a través




de sistemas de "lotería" o de "números aleatorios" (tablas de números distribuidos en filas y columnasal azar).En función de las características de la población investigada y de los objetivos de la investigaciónpueden utilizarse diferentes tipos de muestreo probabilístico

• Simple: Precisa tener identificados todas las personas/viviendas. Consiste enseleccionar uno a uno, mediante lotería o tablas de números aleatorios, los personas/viviendasque entran a formar parte de la muestra.• Sistemático: Se utiliza cuando no se conoce la identidad de los personas/viviendas. Enese caso se establece entre los mismos un orden (por ejemplo, orden en el que irán entrando

las personas en un servicio hospitalario), y se seleccionan dos números mediante loterías otablas de números aleatorios. El primer número será aquel del orden establecido queconstituirá el primer individuo que integrará la muestra. Posteriormente se selecciona (con elmismo sistema) un segundo número que corresponderá al intervalo de muestreo. Para evitar errores debidos al azar, como número que representa el intervalo de muestreo puede utilizarseel valor obtenido de dividir el tamaño de la población por el tamaño de la muestra.• Estratificado: En ocasiones, interesa analizar la población en función de la existenciade diferencias en un determinado carácter, por ejemplo el sexo. En ese caso, se divide lapoblación total en grupos en función de ese carácter y de cada grupo se toma una muestra por métodos simples o sistemáticos. El número de personas/viviendas a muestrear en cada gruposerá proporcional al tamaño de ese grupo respecto al total de la población (si un sexo suponeen la población el 75% de las personas, en la muestra ese sexo debe estar representado en un75%).

• Cluster : En otras ocasiones la situación inicial consiste en que conocemos el númerode grupos que hay dentro de la población pero no el número de unidades de cada uno de esosgrupos. En ese caso, se realiza un muestreo, simple o sistemático de los grupos y se incluyenen la muestra la totalidad de las unidades de cada grupo seleccionado. Es el caso en que seconoce el número de viviendas de una región, pero no el número de habitantes de cada una deesas viviendas, en ese caso se selecciona una parte de las viviendas y se investiga la totalidadde los habitantes de cada una de esas viviendas.• Multiestadio: Consiste en un sistema mixto de los métodos cluster y estratificado. Setrata de realizar el muestreo a dos niveles: un primer nivel entre grupos y un segundo nivelentre unidades dentro de los grupos seleccionados previamente. Supone por tanto seleccionar parte de las viviendas entre la totalidad de estas, y posteriormente en cada una de ellas seseleccionan parte de los habitantes, en ambos casos mediante los métodos simple osistemático.

• No probabilístico: Aquel método en que no todos las personas/viviendas tienen lamisma probabilidad de formar parte de la muestra, siendo el investigador el que decide cualesforman parte de la muestra y cuales no. En estos casos, corremos el riesgo de que la muestrano sea representativa de la población.

2.3. Tamaño de la muestra

Utilizar un método adecuado para la selección de una muestra no es suficiente para hacer esta representativade la población, puesto que la muestra también debe cumplir una segunda condición, que el tamaño seaadecuado para el tipo de investigación que se desea realizar. Esto supone que el tamaño de la muestradependerá en gran medida de los objetivos de la investigación, ya que no será necesario el mismo número depersonas para detectar la presencia de una enfermedad en una población (se trata de detectar al menos unapersona positiva), que para determinar la prevalencia (debemos detectar una proporción de personas enfermas

en la muestra igual a la que existe en el total de la población) o para evaluar el impacto de un determinante enla presentación de una enfermedad (factor de riesgo).Para estimar el tamaño de la muestra a seleccionar en una población es necesario partir siempre de un valor medio o de una proporción esperados (media de la medida de un valor continuo (ej: peso), prevalencia deenfermedad esperada o de proporción de exposición a un factor), o bien de su desviación estándar.

2.3.1. Tamaño de la muestra para estimar la media de una poblaciónSi interesa conocer la media de una medida continua en una población como es el caso del peso o de la altura,el tamaño de la muestra a seleccionar dependerá del error aceptado (L), del nivel de confianza deseado (NC)o probabilidad de obtener una respuesta correcta, y de la media esperada de esa medición (M) o de sudesviación estándar (SD).En este caso, la fórmula a utilizar es:

donde:n :tamaño de la muestra.tα : valor de la distribución normal (t de Student) para un nivel de confianza deseado. Generalmente seutiliza un nivel de confianza del 95%, en ese caso el valor de tα es 1.96.L: error aceptado o precisión, desplazamiento admitido a ambos lados de la media esperada.SD: desviación estándar correspondiente a la "media esperada (M)" de enfermedad. Este valor suele ser desconocido por lo que debe utilizarse un valor esperado o aproximado. El cálculo de ese valor aproximadose realiza definiendo inicialmente los valores máximo y mínimo que se espera encontrar, entre esos dosvalores límites se encuentra un rango que con un 95% de probabilidad incluye todos los valores de X ± 2

SD, lo que significa que dividiendo ese rango estimado por 4 obtendremos un valor aproximado de la SD (sise trabaja con un 99% de nivel de confianza, el intervalo definido será X ± 3 SD, lo que supone que en esecaso el rango deberá dividirse por 6 para obtener una aproximación de la SD).




El error aceptado (L) y el nivel de confianza (NC) son establecidos arbitrariamente por el investigador, mientrasque la media esperada de la medida se obtiene a través de la literatura.

2.3.2. Tamaño de la muestra para estimar proporciones (prevalencia de enfermedad oproporción de exposición a un factor) en una población

Cuando interesa determinar la cantidad de enfermedad presente en una población, es decir, estimar laprevalencia de la enfermedad, el tamaño de la muestra a tomar depende, como en el caso anterior, del error

aceptado (L), del nivel de confianza deseado (NC) o probabilidad de obtener una respuesta correcta, y de laprevalencia esperada (P) o su desviación estándar (SD).La fórmula de la desviación estándar (SD) para variables dicotómicas (presencia o ausencia de enfermedad)es la siguiente: SD = √v; v = P·(1-P).

El error aceptado y el Nivel de Confianza son establecidos arbitrariamente por el investigador. La literaturasobre el tema y otras fuentes pueden dar una idea acerca de la Prevalencia esperada (aquella queprobablemente se obtendrá o se espera obtener), o en el peor de los casos se puede escoger la situación quenos obligue a seleccionar un tamaño mayor de muestra (P=50%)En este caso se utiliza la fórmula:

donde:n: tamaño de la muestra.tα : valor de la distribución normal (t de Student) para un nivel de confianza (NC) deseado. Generalmentese utiliza un nivel de confianza del 95%, en ese caso el valor de tα es 1.96.L: error aceptado o precisión, generalmente se utiliza el 5% (Puede utilizarse como valor absoluto o comovalor relativo, es decir, el 5% total si es valor absoluto o el 5% de la prevalencia esperada si es el valor relativo).SD: desviación estándar correspondiente a la "Prevalencia esperada (P)" de enfermedad.

Así, trabajar con una prevalencia esperada del 50%, un error aceptado del 5% y un nivel de confianza del 95%,indica que esperamos que, de cada 100 mediciones que se realicen, en 95 la prevalencia tenga un valor comprendido en el intervalo 50% ± 5% (45% - 55%).Tanto en el caso de la muestra para estimar medias como en el caso de la muestra para estimar proporciones,el tamaño de la muestra obtenido mediante esa fórmula es válido cuando esa muestra representa menos del10% del tamaño total de la población, lo que generalmente ocurre con poblaciones mayores de 1000 unidadesde muestreo. Sin embargo, cuando el tamaño de la muestra a tomar es mayor del 10% del total de la población,poblaciones de menos de 1000 unidades, es necesario realizar una corrección de la desviación estándar quepermitirá estimar el tamaño real de la muestra que se debe tomar, de forma que el tamaño final de la muestra(n' o muestra ajustada), será el tamaño de la muestra obtenido por la fórmula anterior (n), dividido por (1 +(n/N)); donde N es el tamaño total de la población:

A veces el investigador está limitado a un cierto número de muestras, por ejemplo porque la capacidad dellaboratorio es limitada. Entonces el tamaño de la muestra (n) está definido inicialmente y lo que interesacalcular es el error aceptado (L).En este caso las fórmulas son:

La primera de ellas para poblaciones infinitas (mayores de 1000 unidades) y la segunda para poblacionesfinitas (menores de 1000 unidades).Si L es demasiado grande en opinión del investigador, es inútil continuar con el control.En el caso de que en lugar de estimar la prevalencia de enfermedad se trate de estimar la proporción deexposición a un factor, los cálculos son los mismos pero el valor de P corresponde a la proporción de poblaciónque esperamos este expuesta al factor.

Ejemplo 1: Una provincia ha observado la importancia creciente de la Diarrea por Rotavirus. Las autoridadessanitarias sospechan que actualmente existe una prevalencia del 80%. Ante esta situación deseanponer en marcha un programa de control que requiere conocer el valor real de la prevalencia deenfermedad en esa población.Si se trabaja con un nivel de confianza del 95% y un error aceptado del 5% (valores clásicamenteutilizados), al aplicar la fórmula observamos que son necesarias 246 personas:

(ver arriba)En este caso no se realiza el ajuste del tamaño de la muestra ( n' = ( n / (1 + N/n) ) ), puesto que se

supone que la población de la provincia es mayor de 1000 personas.

Nota: en ningún momento usamos el número de la población total (N)




2.3.3. Tamaño de la muestra para estimar la diferencia entre proporciones (prevalencias oproporciones de exposición a un factor) en dos grupos de una población

Cuando se desea determinar la diferencia entre dos proporciones es necesario conocer, además del nivel deconfianza, el poder o potencia de la prueba. Estos determinarán los valores tα y tβ (para un nivel de confianzadel 95% y un poder del 80%, que son los más frecuentemente utilizados, equivalen a tα = 1.64 y tβ = 0.84).

En la planificación del estudio para estimar esas diferencias entre proporciones la determinación del tamañode muestra "de cada grupo" precisa que previamente se definan:1. Un valor "p1" que equivale a la proporción esperada del parámetro de interés en el grupo 1.2. Un valor "p2" que equivale a la proporción esperada del parámetro de interés en el grupo 2.3. La diferencia "d" entre ambas (p1 - p2).4. El valor del "error de tipo I o α " (que define el nivel de confianza): probabilidad de afirmar que la

diferencia d es significativa cuando realmente no existe esa diferencia en la población.5. El valor del "error de tipo II o β "(que define la potencia o poder ): probabilidad de afirmar que la

diferencia d no es significativa, cuando realmente existe esa diferencia en la población.

donde:tα y tβ : valores de la distribución normal (t de Student) para un nivel de confianza y un poder o potenciadefinidos (95% y 80% respectivamente)p1 y p2: proporciones esperadas de cada grupo.q1 y q2: corresponden a los valores (1 - p1) y (1 - p2).

Los tamaños de las muestras se pueden calcular para tests de una vía o de dos vías:• Los tests de Una Vía (one-tailed) se utilizan cuando interesa saber si la proporción del grupo 2 es

superior o no a la del grupo 1 en comparación con este(se espera que las diferencias se produzcan enun único sentido). El valor tα corresponde a la t de Student para una probabilidad o error tipo I de α

• Los tests de Dos Vías (two-tailed) se usan cuando interesa saber si hay o no diferencia entre ambasproporciones (se espera que las diferencias puedan producirse en cualquier sentido). El valor tαcorresponde a la t de Student para una probabilidad o error tipo I de α /2

2.3.4. Tamaño de la muestra para estimar la diferencia entre medias en dos grupos de unapoblación

En la planificación de un estudio con valores continuos en el que interesa comparar las medias de unparámetro en 2 grupos, la selección del tamaño de muestra de cada grupo se realiza a partir de la mismafórmula del caso anterior, si bien cambia la configuración de algunos parámetros, ya que pasamos de trabajar con variables discretas (presencia o no de enfermedad) a variables continuas. En este caso, el cálculo deltamaño de la muestra "para cada grupo" precisa:

1. Un valor "m1" que equivale a la media esperada del parámetro de interés en el grupo 1.2. Un valor "m2" que equivale a la media esperada del parámetro de interés en el grupo 2.3. La diferencia entre ambas medias "d" (d= m1 - m2).4. Un valor esperado para la desviación estándar del parámetro5. El valor del error de tipo I (que define el nivel de confianza): probabilidad de afirmar que la diferencia

d (d=m1-m2) es significativa cuando realmente no existe esa diferencia en la población.6. El valor del error de tipo II (que define la potencia o poder ): probabilidad de afirmar que la diferencia d

no es significativa, cuando realmente existe esa diferencia en la población.

Manual de Epidemiología General - A.I.

Ejemplo 2: En esa misma provincia, se desea determinar la diferencia en la prevalencia de enfermedad entredos grupos de personas sometidas a dos tratamientos diferentes, cuya efectividad hace que en elprimer grupo se espere la reducción de la prevalencia de la enfermedad a un 70% y en el segundoa un 40% según la información deducida de las experiencias previas realizadas con cadatratamiento. ¿Cuál será el tamaño de la muestra de cada grupo para determinar la diferencia realen la prevalencia entre los dos grupos tratados, si se desea trabajar con un nivel de confianza del95% y un poder del 80%?La aplicación de la correspondiente fórmula determina que el tamaño de cada grupo debe ser de31 personas:

(ver arriba)

8



Un valor común para el nivel de confianza es el 95%, mientras que generalmente se usan valores del 80 o90% para la potencia.La fórmula para calcular el tamaño de muestra necesaria es:

donde:t(α ): valor de la t de Student para el nivel de confianza especificado

t(β ): valor de la t de Student para el poder o potencia especificadaSD: desviación estándar esperadam1: media esperada del grupo 1m2: media esperada del grupo 2m1-m2: diferencia entre las dos medias esperadas

La fórmula que acabamos de presentar proporciona un valor aproximado del tamaño de la muestra requerida, eltamaño exacto se obtiene al sumar tres unidades más al tamaño calculado por la fórmula.Los tamaños de las muestras se calculan para estudios de una vía o de dos vías

• Los tests de una vía (one-tailed) se usan cuando interesa saber si la media del grupo 2 es superior o noa la del grupo 1 en comparación con este (se esperan diferencias en un único sentido). El valor tαcorresponde a la t de Student para una probabilidad o error tipo I de α

• Los tests de Dos Vías (two-tailed) se usan cuando interesa saber si hay o no diferencia entre ambasmedias (se esperan diferencias en cualquier sentido). El valor tα corresponde a la t de Student para

una probabilidad o error tipo I de α /2

2.3.5. Tamaño de la muestra para detectar la presencia de una enfermedad en unapoblación

En ocasiones resulta necesario determinar si una población está enferma (infectada) o no. Una población estáconsiderada como positiva cuando al menos "d" personas están enfermas. El parámetro d está fijado por elinvestigador como el número de personas que espera encontrar enfermas. En enfermedades graves o cuandointeresa obtener una máxima seguridad en el resultado, d se lleva al mínimo valor posible, es decir, seestablece en 1.El tamaño de muestra necesario para determinar si una población está enferma o no, depende del nivel deconfianza (NC) deseado, generalmente el 95%, del tamaño de la población (N) y del número de personasenfermas que esperamos que exista (d) en la población. El cálculo se realiza mediante la siguiente fórmula:

donde:n : tamaño de la muestra requeridoN: tamaño de la poblaciónd : número de individuos enfermos que esperamos que existan en la poblaciónNC : Nivel de confianza expresado en tanto por uno ( 0.95)

A partir de esta fórmula y conocido un tamaño de muestra determinado (n) con el que se desea trabajar, esposible estimar otros parámetros:1. Estimar el máximo número de personas positivas (D) que pueden aparecer en una población donde TODAS

las "n" muestras recogidas han resultado negativas.

donde:D : máximo número de personas enfermas que pueden quedar en la población de la que se hatomado la muestra "n".

Ojo: ¡Se asume que la prueba diagnóstica posee una validez del 100%!

2. Estimar el Nivel de Confianza (NC) conociendo los valores de N, n y d.

Ejemplo 3: (aplicable en Veterinaria)Con el fin de realizar un programa de exportación de vacas lecheras, una explotacióndiplomada desea conocer si entre sus animales existe leptospirosis, ya que el país dedestino exige que no estén infectados los animales que vayan a importar. La explotacióntiene 100 vacas y se desea determinar, con un 95% de nivel de confianza, el tamaño de lamuestra a tomar para saber si existe o no enfermedad. El investigador ha revisado labibliografía para conocer la prevalencia esperada de leptospirosis con la que debe trabajar,y ha visto que la prevalencia media de una explotación infectada es del 25%.Aplicando la fórmula correspondiente observamos que el tamaño de la muestra debe ser de 10 vacas:




(ver arriba)

Ejemplo 4: (aplicable a Veterinaria)Supongamos que en el caso anterior el investigador desconocía la fórmula anterior y haseleccionado al azar sólo 8 animales como muestra, animales que en el diagnóstico hanresultado negativos. La duda que se le plantea al investigador es saber si pueden quedar animales positivos en el resto de la población que no ha muestreado.Aplicando la fórmula se observa que pueden quedar un máximo de 30 animales positivos:

(ver arriba)

.

2.4. Errores relacionados con los muestreos

La selección de una muestra a partir de una población que interesa estudiar y en la que se desea obtener unadeterminada información puede llevar a que en el proceso del muestreo se produzcan lo que se conoce como "errores" y que pueden suponer una importante desviación de los resultados obtenidos respecto de la realidadque afecta a la población.En el estudio de una población a partir de una muestra pueden cometerse dos tipos de errores:

• Error sistemáticoRelacionado con el método de selección de la muestra por que se seleccionan deliberadamentealgunas unidades de muestreo o se sustituyen otras de forma incorrecta.Este tipo de errores no disminuyen al aumentar el tamaño de la muestra pero si al utilizar un métodoaleatorio

• Error aleatorioError debido generalmente al azar. Esta relacionado directamente con el tamaño de la muestra tomada.Este error no disminuye utilizando métodos aleatorios pero si disminuye al incrementar el tamaño de la

muestra • En ocasiones existe una tercera posibilidad de error que no está relacionado directamente con la

muestra, sino que depende de la forma en que se recoge la información una vez que la muestra ya hasido seleccionada, es el denominado error de información.

3. Evaluación de la Fiabilidad de Pruebas Diagnósticas

3.1. Conceptos Básicos

Una vez desarrollada la primera cuestión que se plantea en la realización de una investigación epidemiológica,la selección de una muestra, el siguiente punto de interés consiste en la medición de la presentación de laenfermedad en la población, para lo que se suele recurrir a la utilización de pruebas diagnósticas.

El problema al que nos enfrentamos utilizando una prueba diagnóstica es que esta nunca es perfecta, lo quehace que su fiabilidad nunca alcance el 100% puesto que puede estar detectando como enfermas parte de laspersonas que realmente son sanas o como sanas parte de las personas que realmente son enfermas, es decir,en todas las técnicas diagnósticas se presentan falsos positivos y falsos negativos. La capacidad de unatécnica diagnóstica para reducir al máximo posible esos falsos positivos y/o negativos es lo que definirá lacalidad de los resultados obtenidos en una investigación epidemiológica.El grado de error en la clasificación de los individuos de una población (falsos positivos y falsos negativos) trasutilizar una prueba diagnóstica, puede cuantificarse mediante la comparación de esta prueba diagnóstica conaquella que se considera mejor (suele ser una técnica difícil de realizar por su complejidad, coste económico,etc.) y que se denomina "Prueba o test de Oro" (es la prueba que en teoría se aproxima más al 100% defiabilidad, es decir, se aproxima a los resultados verdaderos).La validez de la prueba diagnóstica evaluada se mide por medio de los parámetros "Sensibilidad" (S) y"Especificidad" (E), cuyo cálculo es fácilmente realizable utilizando una tabla de 2x2:

Tabla 2x2:

A = número de verdaderos positivos B = número de falsos positivosC = número de falsos negativosD = número de verdaderos negativos

Junto a la sensibilidad y la especificidad, la tabla 2 x 2 permite determinar los " Valores PredictivosPositivo" y "Negativo" (VPP, VPN), y las "Prevalencias Real" y "Aparente" (o de la prueba).




• S: Probabilidad de que un individuo realmente enfermo sea detectado como tal por la técnica otambién definida como la proporción de individuos realmente enfermos y que la técnica hadetectado como tales. Su cálculo equivale al número de enfermos reales detectados por la pruebadividido por el número total de enfermos reales.

• E: Probabilidad de que un individuo realmente sano sea detectado como tal por la técnica oproporción de individuos realmente sanos y que la técnica ha detectado como tales. Su cálculo esel número de sanos reales detectados por la prueba dividido por el número total de sanos reales.

• VPP: Probabilidad de que un individuo detectado como enfermo por la técnica sea realmenteenfermo, o proporción de individuos clasificados como enfermos por la técnica y que realmente sonenfermos. Su cálculo es el número de enfermos reales detectados dividido por el total dedetectados como enfermos por la prueba.

• VPN: Probabilidad de que un individuo detectado como sano por la técnica sea realmente sano,o proporción de individuos clasificados como sanos por la técnica y que realmente son sanos. Sucálculo es el número de sanos reales detectados dividido por el total de detectados como sanos por la prueba.

Los valores predictivos están relacionados directamente conla prevalencia de enfermedad. (Demostrar…)

• P ap: Es la prevalencia detectada por la prueba.

• P real: Es la prevalencia detectada por la prueba de oro

Cálculos:

• Sensibilidad (%) = 100*A/(A+C)

• Especificidad(%) = 100*D/(B+D)

• Prevalencia verdadera (%) = 100*(A+C)/N

• Prevalencia aparente (%) = 100*(A+B)/N

• Valor predictivo + (%) = 100*A/(A+B)

• Valor predictivo - (%) = 100*D/(C+D)

Otros valores que pueden resultar de interés en la evaluación de pruebas diagnósticas son:

Valor global: es la proporción de individuos bien clasificados por la prueba.

Positivos reales y detectados como tales + Negativos reales y detectados como tales/ Total

Es decir: A+D / A+B+C+DMalas clasificaciones: es la proporción de individuos mal clasificados por la prueba.

Falsos positivos + falsos negativos / Total

Es decir: B + C / A+B+C+D

Existe una relación directa entre estos parámetros, de manera que la prevalencia aparente depende de laprevalencia real y de la sensibilidad y especificidad de la prueba. Así, mediante esa relación podemosdeterminar la prevalencia real de enfermedad a partir de los resultados obtenidos en la prueba:

P real = (P aparente + Especificidad - 1) / (Sensibilidad + Especificidad - 1)

El teorema de Bayes permite determinar los valores predictivos a partir de la prevalencia, de lasensibilidad y de la especificidad de la prueba:

VP+ = (P*S) / ((P*S)+((1-P)*(1-E)))

VP- = (1-P)*E / ((1-P)-E)+(P (1-S))

Como la sensibilidad y especificidad de las pruebas diagnósticas son antagonistas, si una aumenta la otradisminuye, en la aplicación de una técnica de diagnóstico siempre se tiende a favorecer la detección depositivos o de negativos lo que introduce cierto grado de inseguridad en las técnicas. Esa tendencia afavorecer la detección de positivos o de negativos se puede medir utilizando la denominada " Razón deVerosimilitud (Likelihood Ratio; LR)" que se calcula como:

LR = S / 1-E




Comparando los diagnósticos de dos experimentadores clínicos suelen obtenerse valores de kappaalrededor de 0.6. La concordancia de los diagnósticos clínicos realizados sobre los mismos sujetos endiferentes ocasiones por un mismo experimentador presenta valores de kappa entre 0.6 y 0.8

3.4. Pruebas múltiples

En ocasiones los diagnósticos no pueden apoyarse exclusivamente en el uso de una única prueba diagnósticadebido a la posible existencia de un número importante de falsos positivos o de falsos negativos. En esoscasos, debe recurrirse a las pruebas múltiples basadas en el uso de más de una prueba diagnóstica para emitir un resultado. Ese resultado, y especialmente su fiabilidad, dependerá de como se organice la realización de lasmismas y de como se integren los resultados obtenidos para cada una de las pruebas usadas.En investigaciones epidemiológicas se definen dos tipos diferentes de pruebas múltiples:

• Paralelas

Se trata de dos o más pruebas diagnósticas aplicadas en el mismo momento. En estos casos seconsideran negativos aquellos individuos que resultaron negativos por todas las pruebas

diagnósticas e individuos positivos aquellos que resultaron positivos por alguna de las pruebas. Eneste tipo de pruebas múltiples se logra reducir los falsos negativos (c) lo que significa que aumentala sensibilidad y el valor predictivo negativo. Estas pruebas se aplican cuando se trata deasegurarse de que el individuo detectado como negativo o sano lo es realmente.

• Seriadas

Dos o más pruebas aplicadas secuencialmente. Inicialmente se realiza la primera pruebadiagnóstica y a aquellos que resultaron positivos se les aplica la siguiente prueba diagnóstica. Eneste tipo de pruebas múltiples se considera individuo positivo a aquel que resultó positivo por todaslas técnicas y negativo a aquel que lo fue por alguna de las pruebas utilizadas. Mediante estaspruebas múltiples se reducen los falsos positivos (b), luego aumentan la especificidad y el valor predictivo positivo. Estas pruebas se aplican cuando interesa asegurarse de que el individuopositivo lo es realmente.

Cálculo de sensibilidad y especificidad en pruebas múltiples Paralelas:

S = Sa + (Sb x falsos negativos de a); o bien:1- (1-Sa) * (1- Sb)

E = Ea x Eb

Seriadas:

S = Sa x Sb

E = Ea + (Eb x falsos positivos de a); o bien:

1- (1-Ea) * (1-Eb)siendo:

a: primera prueba diagnóstica aplicadab: segunda prueba diagnóstica aplicadaS: sensibilidadE: especificidad

En definitiva, la selección de pruebas paralelas o seriadas dependerá de si se desea reducir al máximo posiblelos falsos positivos o los falsos negativos.

4. Medición de la Enfermedad en la Población

En general, la medida de un evento en una población, como es el caso de que interese medir la cantidad deenfermedad, puede llevarse a cabo en términos absolutos, lo que supone realizar la mediciónindependientemente de la población y especialmente de su tamaño, o en términos relativos, lo que suponeestimar la medida de la enfermedad en función del tamaño que posee la población. En el primero de los casos,la comparación entre diferentes poblaciones resulta imposible, mientras que en el segundo caso esacomparación resulta factible de realizar.El epidemiólogo frecuentemente busca la comparación entre poblaciones, lo que significa que debe realizar lamedición de la enfermedad en términos relativos, es decir, expresarla como una relación entre un numerador yun denominador, relación en la que el numerador corresponde a los individuos que sufren el evento y eldenominador a los que son susceptibles de adquirir dicho evento, y que generalmente se denominanpoblación en riesgo.La población en riesgo se define como el "número de individuos que biológicamente son capaces deexperimentar la enfermedad ".Esta relación entre numerador y denominador puede ser una proporción, es el caso en el que el numerador está incluido en el denominador, las proporciones poseen unos limites entre 0 y 1 (100 si se expresa enporcentaje). Esa relación entre numerador y denominador también puede expresarse como una razón, que esaquella relación en la que el numerador no está incluido en el denominador, posee unos límites de 0 a infinito.




Las proporciones se expresan matemáticamente como a/(a + b) mientras que las razones se expresan comoa/c.Los eventos que afectan a una población pueden medirse a nivel estático (generalmente referido a un momentoconcreto del tiempo) o a nivel dinámico (durante un periodo de tiempo definido). En ambos casos existe uncomponente externo del tiempo que no tiene efecto directo sobre la medición, pero además, en el caso deestudiar los eventos a nivel dinámico existe un componente interno del tiempo que no existe a nivel estático (enun momento del tiempo solamente se puede producir el evento una vez, mientras que en un periodo de tiempoel evento puede ocurrir más de una vez).En el estudio de los eventos dinámicos que afectan a la población, ese componente interno del tiempo afecta a

la población susceptible de padecer el proceso y por tanto al denominador de las mediciones realizadas. En losestudios de enfermedad, la medición de la frecuencia con que esta se presenta se realiza mediante tasas, la deprevalencia que corresponde al término estático y la de incidencia que corresponde al término dinámico.Junto a parámetros de medición de la enfermedad, existen otros que indican básicamente la importancia de laenfermedad en esa población y que son las tasas de morbilidad , de mortalidad y de letalidad .

5. Encuesta EpidemiológicaDesde el punto de vista analítico de una enfermedad interesa determinar la importancia de la misma y ademásdemostrar que la exposición a un determinado factor está relacionada (asociación cuantitativa) con la apariciónde un determinado efecto (fundamento en el que se apoyan los postulados de Evans). Esa demostraciónsupone:

• Observar una "asociación" estadística válida entre exposición y efecto• La asociación debe ser "causal" y no casual (azar o confusión).

Una de las mejores opciones de que se dispone en el mundo de la epidemiología para realizar esademostración de asociación cuantitativa es la "encuesta epidemiológica" si bien no es la única, ya que lainformación necesaria para llevar a cabo una investigación de tipo epidemiológico acerca de un acontecimientoque afecta a una población se puede obtener de forma indirecta, mediante registros hospitalarios o decampañas de tipo oficial, o de forma directa, fundamentalmente a través de las encuestas epidemiológicas.La encuesta epidemiológica es una herramienta ampliamente utilizada en las investigaciones para estimar laimportancia de una enfermedad en la población, identificar la existencia de factores asociados a la misma y/oestablecer pautas de actuación en un programa sanitario.La encuesta se define como una "recogida de información y recuento de agregados de individuosvalorando las características de los mismos como posibles elementos que condicionan los eventos queafectan a aquellos individuos".La pregunta que debe plantearse en este caso es ¿qué información interesa recoger?. Puesto que el objetivo

final busca explicar la presentación de enfermedad, esa información deberá ser por un lado relativa al estado desalud o enfermedad de los individuos en estudio, y por otro, relativa a la exposición a los factores que sesospecha están implicados en la presentación de aquella enfermedad y que generalmente se engloban en tresgrandes grupos:

• a.- Dependientes del hospedador • b.- Dependientes del agente• c.- Dependientes del medio en el que se desarrollan

Factores implicados en la presentación de enfermedad:EnfermedadHospedador Agente MedioInmunidad natural

Inmunidad pasivaSexo / edadEstado fisiológicoOtras enfermedades

Tipo:

-Virus

-Bacterias

-Hongos

-OtrosEspecificidadhospedador Resistencia al medioVirulencia ypatogenicidadSubespecies

Vivienda

Servicios de saludCloacasVectoresinsectos/parásitosOtros agentes presentesen el medio

-Estructura socialgrupos de población

Clima

Agentes químicosRadiaciones

El problema que suele presentarse es que generalmente las encuestas epidemiológicas no están biendiseñadas desde su comienzo, lo que hace que se pierda una parte importante de información que no puedeser analizada posteriormente. Esta situación puede evitarse si como primer paso de la encuesta se planteadefinir claramente los objetivos que persigue la misma (suelen ser determinar la prevalencia de enfermedad enla población y la identificación de los determinantes que posiblemente contribuyen en la presentación de esaenfermedad).La encuesta epidemiológica puede realizarse sobre el total de la población, es decir sobre el censo del que sedispone, frecuente en "seguimiento epidemiológico", o puede realizarse sobre una parte de la población(muestra), lo que origina la denominada "encuesta por sondaje" y que es la que suele utilizarse paradeterminar los factores asociados a la presentación de enfermedad.En función del periodo de tiempo en el que se realizan las encuestas pueden clasificarse en:

• Transversales: recogen información de hechos ocurridos en un momento concreto del tiempo.• Longitudinales: recogen información acerca de hechos ocurridos en un periodo definido del tiempo.

Estas pueden ser a su vez:




• Retrospectivas: recogen información de hechos ocurridos en el pasado (analizaninformación desde el presente hacia el pasado)• Prospectivas: recogen información de hechos que ocurrirán en el futuro (analizaninformación desde el presente hacia el futuro).

Elementos que integran la encuesta epidemiológica a.- Cuestionario Se trata de un proceso estructurado de recogida de información a través de la cumplimentación de una serie depreguntas previamente definidas. El concepto de estructuración de un cuestionario lleva implícita la idea de quea todos los individuos (o estratos) se les va a realizar las mismas preguntas, de la misma forma y en el mismoorden, hechos que lo diferencian de una entrevista (no es estructurada).Los resultados obtenidos en la encuesta dependen en gran medida del diseño del cuestionario, ya que estedeterminará la calidad de la información obtenida y que es la que posteriormente se analiza para obtener aquellos.Por tanto, el cuestionario lo integran una serie de preguntas organizadas y diseñadas para obtener la mayor ymejor información posible acerca del objetivo perseguido, generalmente un efecto (enfermedad) y unos factoresrelacionados. Para que se cumpla este fin los cuestionarios deben diseñarse de acuerdo con una serie deaspectos importantes:

• Elección del tipo de cuestionario de acuerdo con el objetivo perseguido.• Diseño de las preguntas• Orden de las preguntas

•Formato del cuestionario

• Formación y supervisión de los encuestadores• Validación

En función de quien cumplimentará las preguntas existen dos tipos de cuestionarios, autocumplimentados, elparticipante en la investigación es el que cumplimenta el cuestionario, o cuestionarios de cumplimentaciónindirecta, en los que un encuestador registra las respuestas dadas por el participante.La recogida de información puede realizarse por correo, propio de los cuestionarios autocumplimentados, por teléfono o personalmente, en estos dos el entrevistador es el que registra las respuestas.En los cuestionarios, las preguntas se diseñarán atendiendo a la información que se desea obtener, para ellodeberán ser lo más concretas posible y preferiblemente deben de tener las opciones de respuesta cerradas, yasean respuestas de si/no o de opciones múltiples (en este caso las opciones de respuesta no deben superar las tres o cuatro), permitiendo que sean respuestas abiertas sólo en casos extremos e inevitables. De esemodo se evita que la información se encuentre desorganizada lo que impide o dificulta su posterior análisis.Las preguntas deben tener un orden establecido por el tipo de información que se desea obtener y laimportancia de la misma, siendo además recomendable que se organicen por grupos o bloques temáticosde temas comunes, lo que posteriormente facilitará el análisis e interpretación de los resultados.

Generalmente se inician con un bloque relativo al efecto que se está estudiando y uno o varios bloquesposteriores relativos a los factores hipotéticamente relacionados con la aparición de aquel.

Por último, las preguntas que integran el cuestionario deben centrarse en aquellos aspectos realmenteinteresantes para el objetivo con el que se ha diseñado la encuesta, evitando aquellas que posteriormente notengan una utilidad clara y que acaban complicando el análisis. Para ello es interesante partir del diseño inicialde un diagrama en el que se expresen las hipotéticas relaciones entre el efecto y los factores e incluso entre losdiferentes factores entre sí, facilitando así la organización de las preguntas en el cuestionario final y el posterior análisis estadístico.

Otro elemento importante en los cuestionarios es que las "palabras" utilizadas en las preguntas sean lasadecuadas, eso supone asegurar que:

• significa lo que se desea expresar.• no tiene un segundo significado que pueda inducir a error.• encaja perfectamente en el contexto de la pregunta.• no tiene una pronunciación diferente que induzca a error.• no existe una palabra similar que pueda confundir al entrevistado.• es una palabra simple.

Una vez diseñado el cuestionario, este debe ser validado antes de aplicarlo definitivamente al estudio que sedesea realizar, lo que permitirá detectar aquellos errores en la obtención de información o los problemas deinterpretación de las preguntas que puedan hacer que el resultado final de la encuesta no sea válido. Para ello,se aplicará el cuestionario inicialmente sobre una serie de personas seleccionadas al azar entre las quefinalmente serán encuestadas y que confirmarán que a través de esos cuestionarios es posible obtener lainformación que se desea obtener.En aquellas encuestas de cumplimentación indirecta un elemento clave es la formación previa delencuestador , ya que de ello dependerá la calidad de las respuestas obtenidas e incluso la cantidad derespuestas en blanco que se puedan llegar a producir. Para facilitar esta tarea, junto con el diseño delcuestionario es recomendable elaborar un manual del encuestador para el estudio epidemiológico realizado yque explique fundamentalmente los objetivos perseguidos, el manejo del cuestionario y los códigos utilizadospara las respuestas.Uno de los problemas importantes de los cuestionarios es la baja tasa de respuesta que se obtiene, bien por pérdida de información o por falta de colaboración, lo que puede hacer que la muestra utilizada para llevar acabo la recogida de información acabe no siendo representativa de la población a la que se desea aplicar. Por este motivo, se hace necesario potenciar la respuesta a los cuestionarios con estrategias como:

• persistencia por parte del encuestador sobre la importancia de la misma• contacto personal del encuestador con el encuestado

• sencillo de responder, y en caso de realizarse por correo debe facilitarse la tarea de devolución una vezcumplimentando (añadir sobre y sello)

• preparación adecuada del encuestador




• asegurar la confidencialidad de la información obtenidaAl margen de estas condiciones, con el fin de evitar los problemas de pérdida de representatividad de lamuestra es recomendable incrementar el tamaño de muestra necesario en un 5 o 10% más.

b.- Base de datos La información obtenida a través de los cuestionarios, debe almacenarse en un sistema estandarizado de fichas(ficheros o bien hojas de cálculo informáticas) que permitan trabajar posteriormente con toda la información enbloque o en partes.Un punto clave para que la base de datos elaborada facilite el posterior análisis estadístico, es que las

respuestas a las preguntas del cuestionario estén claramente codificadas, lo que dependerá del tipo devariables con que se esté trabajando. En general en la encuesta epidemiológica se consideran diversos tipos devariables:

• Variables continuas: pueden adquirir cualquier valor (ej: peso, edad...).• Variables discontinuas: están limitadas a una serie de condiciones previamente definidas. Estas a su

vez serán:• dicotómicas: dos opciones (ej: si/no, enfermo/sano)• discretas: varias opciones (ej: viv. material/rancho/casilla)

También resulta interesante de cara a la observación de resultados que esas bases de datos se desarrollenmediante el uso de programas informáticos que deben permitir realizar representaciones gráficas y tablas de lainformación disponible. La gran mayoría de los programas informáticos que se utilizan para la elaboración debases de datos permiten hacer directamente el análisis estadístico y la representación gráfica de la información(EPI-INFO, SPSS, SAS,...) o bien permiten la exportación de la información a otros programas de análisis

estadístico y diseño gráfico (DBASE, ACCESS.).

c.- Análisis estadístico Se trata del último elemento que integra la encuesta epidemiológica siendo el que permite demostrar asociaciones cuantitativas entre los diferentes datos (información) observados. Esa demostración se realizamediante la aplicación de pruebas de análisis estadístico que serán las que finalmente indiquen quedeterminantes están asociados (factores que tienen una repercusión) a la presentación de la enfermedad.Utilizando un análisis estadístico correcto se logra hacer extrapolable a las poblaciones originales los resultadosobtenidos sobre muestras de las mismas, si bien suele acompañarse de cierta pérdida de precisión. Parareducir al máximo posible esa pérdida de precisión en el análisis estadístico, debe definirse unos márgenescalculados dentro de los cuales deberá encontrarse el valor de la población, intervalo de confianza del valor obtenido en la muestra. Además, debe añadirse una cuantificación de la probabilidad de que, a pesar de todo,el valor de la población esté dentro del intervalo de confianza calculado para la muestra. Por tanto, en un

análisis estadístico se presentarán el valor obtenido en una muestra, su intervalo de confianza y la probabilidadde que el valor poblacional se encuentre dentro de aquel (nivel de confianza).La realización del análisis estadístico, requiere conocer algunos aspectos de las pruebas estadísticas yespecialmente el cómo interpretar los resultados obtenidos. No obstante, debe quedar claro que esta fase noserá posible si previamente no se ha organizado y codificado adecuadamente la base de datos. Por otro lado, sibien el objetivo final es la identificación de relaciones entre diversos parámetros incluidos en la base de datos(generalmente relación de factores con la enfermedad), el análisis debe iniciarse con una descripción de cadauno de los datos y que importancia tienen en el conjunto de la población o muestra estudiada. Una vezrealizada esa descripción se procede al análisis de la relación entre los parámetros de interés.La realización del análisis estadístico y sobre todo la elección de las pruebas a aplicar, dependerá en granmedida del tipo de variables que se estén estudiando.

El análisis estadístico se puede definir como la "aplicación sobre las mediciones realizadas (tanto de variablescontinuas como discontinuas) de comparaciones y de pruebas basadas en distribuciones de probabilidad ". Lasdistribuciones de probabilidad no son sino distribuciones de frecuencias, es decir, relaciones entre eventosfavorables y eventos posibles.Dentro de lo que es el análisis estadístico de la información obtenida se habla de dos tipos de estadística, la"descriptiva" que presenta, organiza y resume datos, y la " inferencial o analítica" que permite generalizar datos obtenidos en una muestra a la población o bien permite valorar las relaciones entre datos.Estadística descriptiva

Realiza la presentación de los datos obtenidos para que sean comprensibles, para ello se recurre a latabulación de datos consistente en agruparlos en clases o categorías, si se trata de datos discontinuos,o en intervalos de clase, si se trata de datos continuos. Estas clases deben ser mútuamenteexcluyentes, es decir, ningún individuo debe formar parte de dos clases a la vez. Una vez creadas lasclases pueden organizarse como:

• Frecuencias absolutas: número resultante de contar los individuos de cada clase.

• Frecuencias relativas: número resultante de dividir la frecuencia absoluta por el númerototal de individuos.

• Frecuencias acumuladas: (absolutas o relativas) suma de la frecuencia de cada clase conlas frecuencias de las clases anteriores.

Los resultados obtenidos suelen presentarse en diferentes gráficos estadísticos según el tipo devariable, así, pueden usarse gráficos de barras o diagramas de sectores para variables cualitativas y dehistogramas, polígonos de frecuencias y nubes de puntos para variables cuantitativas.

Las distribuciones de frecuencias pueden ser, al igual que las variables, continuas o discontinuas. Enfunción de ello se habla de "distribución normal" cuando la distribución de frecuencias es continua yde "distribución binomial o de Poisson" (variante de la binomial) cuando la distribución defrecuencias es discontinua, dicotómica en el caso de la binomial.




• Una distribución de frecuencias normal esta definida por "estadísticos de tendenciacentral " "estadísticos de dispersión" y "estadísticos de posición".

a.- Estadísticos de tendencia central : Indican donde se encuentra situada la distribución defrecuencias resumiéndolas a sus puntos centrales.

Media: promedio simple de las mediciones. Si se trata de una muestra se denomina X (conuna barra sobre la letra) y es igual a la sumatoria de los valores de todas las mediciones(Xi) dividida el número de mediciones efectuadas.

Mediana: valor situado en el centro de las mediciones una vez que han sido ordenadas.Coincide con el Percentil 50 (P50) o el Cuartil 2 (Q2)

Moda: valor que se observa más frecuentemente en las mediciones.

b.- Estadísticos de dispersión: indica la diferencia entre los extremos de la distribución defrecuencias, es decir, lo extendidos que están los valores de la variable respecto al eje de la medidacentral. Indican lo disperso que están los datos.

Varianza: dispersión a ambos lados de la media

Desviación estándar : raíz cuadrada de la varianza

Rango de amplitud: valores máximo y mínimo de la distribución de frecuencias.

Coeficiente de variación: se utiliza al comparar variables con distintas medias. Esequivalente al cociente entre la desviación estándar y la media y se expresa en %.

Rango Intercuartílico: Q3-Q1, abarca el 50% de los valores centrales (Ver Cuartiles)

c.- Estadísticos de posición:

Percentiles: dividen el conjunto de mediciones de la variable en 100 partes iguales.

Cuartiles: dividen el conjunto de mediciones de la variable en 4 partes iguales (Q1, Q2,Q3)

Estadística inferencial

La estadística inferencial realiza análisis estadísticos que expresan relaciones de dependencia, deforma que se habla de dependencia cuando un hecho está influenciado por otro(s) y de independenciacuando un hecho no está influenciado por otro(s). Para ello, las pruebas utilizadas se apoyan en ladenominada HIPOTESIS NULA que supone aceptar que no hay diferencia o dependencia entre loshechos estudiados. Las pruebas estadísticas que se utilizarán comparan las observaciones realizadascon esa hipótesis nula, indicando la probabilidad de que esta última sea lo que ocurre en la poblaciónestudiada, probabilidad que suele denominarse "grado de significación estadística".

Según el tipo de distribución de frecuencias (continuas o discontinuas), las pruebas estadísticas autilizar varían:

a.- Análisis de distribuciones de frecuencias discontinuas:

Chi-cuadrado

f de Fisher

t de Student

Análisis de varianza (ANOVA)

b.- Análisis de distribuciones de frecuencias continuas:

Correlación

Regresión lineal

¿Cuándo utilizar cada una de ellas?:

• Chi-cuadrado: se pone en relación una variable discontinua (dicotómica o discreta)y una o más discretas/dicotómicas.

• f de Fisher : igual que Chi2 pero cuando el tamaño de la muestra es pequeño(menor de 10)

Cuando se analizan variables entre las que existe alguna que sigue una distribución normal(continua) el parámetro de elección es:

• Análisis de Varianza (ANOVA): se relacionan una o más variables continuas conuna o más variables discontinuas (dicotómica o discreta).

• t de Student : se relacionan una variable continua y una dicotómica.




• Correlación/regresión: se ponen en relación 2 variables continuas, una será lavariable dependiente y otra la independiente.

La interpretación de los resultados obtenidos en el análisis de variables cuando alguna de ellassigue una distribución binomial o de Poisson (bien sea entre si o de estas con una distribuciónnormal) vendrá definida por el valor del estadístico "p" (obtenido a partir del valor de Chi-cuadrado,t de Student o ANOVA y de los grados de libertad).

"p" indica la probabilidad de equivocarse si se acepta que las variables analizadas están asociadas.

Generalmente se considera que dos variables están asociadas cuando el valor de "p" es inferior a0.05, si bien en ocasione se utiliza el valor 0.1 e incluso 0.25.

En el caso de relacionar variables continuas entre sí, la asociación vendrá determinada por elcoeficiente de correlación "r ". Este parámetro oscila entre -1 y 1. Cuando se aproxima a 1 indicaque existe asociación positiva (el aumento de la variable que actúa como independiente implica elaumento de la variable dependiente). Si se aproxima a -1 indica que existe una asociación negativa(el aumento de la variable que actúa como independiente implica la disminución de la variabledependiente).

En este tipo de análisis se define también la recta de regresión, expresada por la fórmula y = a +bx, donde "y" corresponde a la variable dependiente, "x" a la variable independiente, "a" es el puntode corte para y cuando x es cero y "b" es la pendiente de la recta (expresada como la tangente delángulo (tg alfa) formado por la recta obtenida y la línea paralela al eje de abscisas).

Una vez realizado el análisis estadístico correspondiente a la encuesta epidemiológica, se habránidentificado aquellos determinantes que están asociados a la presentación de la enfermedad, sibien no se conoce el impacto de cada uno de ellos en el desarrollo de la enfermedad. El siguientepaso consiste por tanto en evaluar el papel que cada uno de estos determinantes desempeña en lapresentación de la enfermedad, lo que se lleva a cabo mediante los "estudios epidemiológicos", osea, la Epidemiología Analítica.

En la actualidad existen diversos programas informáticos, la mayoría de los mismos programas deestadística general que permiten realizar el análisis estadístico indicado (STATISTIX, SAS, SPSS),si bien, uno de los programas más sencillos de utilizar, y que además permite elaborar

directamente cuestionarios y posteriormente transformarlos en bases de datos sobre las querealizar el análisis estadístico, es el programa EPI-INFO (Centro de Control de Enfermedades(CDC) de Atlanta) que posee la ventaja de ser un programa de dominio público, si bien presentaalgunas limitaciones en el análisis, especialmente con volúmenes muy grandes de información...

Los resultados obtenidos en las pruebas estadísticas son expresiones numéricas que debeninterpretarse, es decir, transformarlas en "respuesta" a las preguntas que dieron origen a lainvestigación epidemiológica.

6. Estudios Epidemiológicos

6.1. Estudios Observacionales

6.1.1. Tipos de estudios epidemiológicos. AplicaciónLa evaluación de la asociación entre los determinantes (factores de riesgo) y la presentación de enfermedaden una población supone estimar el "grado de riesgo de presentación de la enfermedad que supone el estar expuesto a esos determinantes", es decir, el cambio, absoluto o relativo, en el riesgo de presentar laenfermedad debido a la exposición al factor.Los estudios epidemiológicos experimentales representan el mecanismo ideal de evaluación del papel de undeterminante en una enfermedad, de la eficacia de un tratamiento curativo/preventivo o de una acciónquirúrgica. El problema radica en que requiere condiciones controladas, generalmente a nivel de laboratorio, loque a veces escapa a las posibilidades del investigador. Sin embargo, el investigador dispone de otro tipo deestudios epidemiológicos, los estudios observacionales, que realizan esa misma evaluación en condicionesnaturales, lo que los hace más accesibles para aquel, además de permitir estudiar esas asociaciones encondiciones naturales y no bajo condiciones estrictamente controladas como ocurre en el caso de losexperimentales.Los estudios epidemiológicos observacionales pueden ser de tres tipos dependiendo del momento en que sellevan a cabo y de la información disponible en cada caso:




• a.- Transversales: se desarrollan en un "momento" concreto del tiempo. Suponen trabajar con un únicobloque de información acerca de la población, la obtenida en ese momento del tiempo sin considerar nisu estado de salud ni la exposición al factor en momentos previos.

• b.- Longitudinales: se desarrollan durante un "período" definido de tiempo y suponen trabajar con dosbloques de información relativos a la misma población, la existente al comienzo del periodo de tiempoen estudio y la existente al final de ese periodo de tiempo.Estos pueden ser a su vez:

• b.1.- Caso-Control: son "retrospectivos", es decir, parten de conocer el estado desalud y enfermedad en los individuos y analizan la exposición o no a los determinantes en el

pasado. En este caso los individuos se eligen atendiendo a su estado de salud.• b.2.- Cohorte: Son de carácter "prospectivo", parten de conocer la exposición o no alos determinantes y analizan la posterior presentación o no de la enfermedad. En este caso, lasindividuos se seleccionan atendiendo a su estado de exposición o no al factor.

En un estudio observacional de cualquiera de los tres tipos la información existente al final puede presentarseen una tabla de contingencia de 2 x 2:

Individuos conenfermedadSI NO

Individuosexpuestos aldeterminante

SI a b a + bNO c d c + d

a + c b + d N=a+b+c+d

donde:

a: Individuos expuestos al determinante y que presentan la enfermedad.

b: Individuos expuestos al determinante y que no presentan la enfermedad.

c: Individuos no expuestos al determinante y que presentan la enfermedad.

d: Individuos no expuestos al determinante y que no presentan la enfermedad

En los estudios transversales se analiza la presentación o no de la enfermedad y la exposición o no aldeterminante asociado en un momento concreto del tiempo. Para ello, se parte de una población inicial ouna muestra representativa de la misma y se recoge la información en ese momento concreto del tiempo

(puntual) acerca de la presencia o no de enfermedad y de la exposición o no al determinante. Por tanto, enel comienzo de este tipo de estudios, sólo se conoce el tamaño total de la población (N) o de la muestra dela misma (n) (ver tabla y gráfico I), ya que la población o la muestra de la misma no se ha establecido enfunción de su estado de salud ni de su estado de exposición al factor asociado.

La principal desventaja de este tipo de estudios es que trabajan con la "prevalencia" de enfermedad (nosabemos si se trata de casos nuevos ocurridos en el momento de realizar el estudio o son antiguos) en unmomento del tiempo y con la exposición al determinante en ese momento del tiempo. Eso supone que nose sabe si realmente los casos de enfermedad detectados son debidos a la exposición al determinante queen ese momento estamos detectando o a situaciones anteriores de exposición a otros determinantes.

En estos estudios, el parámetro de elección para evaluar la relación determinante/enfermedad es laRAZÓN DE PREVALENCIAS (RP), que equivale a la prevalencia entre los expuestos al factor en esemomento del tiempo y la prevalencia entre los no expuestos al factor en ese mismo momento.

Otro parámetro que igualmente se utiliza es el ODDS RATIO (OR) que equivale a un valor aproximado delriesgo que supone estar expuesto o no al factor.

Los estudios de caso-control analizan la enfermedad y la exposición al determinante asociado a lo largode un período de tiempo de forma retrospectiva. Para ello, a partir de la población o de la muestrarepresentativa de la misma se elaboran dos grupos de individuos, uno de ellos con la enfermedad y otro sinella. Posteriormente, y mirando hacia el pasado, se analiza en los individuos de cada grupo si estuvieronexpuestos o no al determinante asociado. Por tanto, al comienzo de este tipo de estudios los individuos seorganizan en función de la existencia o no de enfermedad, lo que supone que al comienzo de lainvestigación se conocen "N" (o "n"), "a+b" y "c+d" (ver tabla y gráfico II). Las principales desventajas deeste tipo de estudios son que, al igual que en el caso anterior, trabaja con " prevalencias" y que lainformación retrospectiva de la exposición al determinante a veces falta o no encaja bien con los objetivos

del estudio.En estos estudios, el parámetro de elección para medir el riesgo que supone estar expuesto o no al factor es el ODDS RATIO (OR), que como ya hemos indicado anteriormente representa un valor aproximado delriesgo de enfermedad que supone estar expuesto al factor.

En los estudios de cohorte, la investigación también se realiza en un período de tiempo pero en estecaso con carácter prospectivo. Para ello, a partir de la población o de la muestra representativa de lamisma se hacen dos grupos, el de individuos sanos y el de individuos enfermos, desechando este últimogrupo y conservando solamente los sanos. A partir de los individuos sanos se realizan otros dos grupos, elde individuos expuestos al determinante y el de no expuestos, siendo en ese momento cuando comienza elperíodo de estudio. Posteriormente, mirando hacia el futuro, se analiza en cada uno de los dos grupos laaparición de la enfermedad.

Por tanto, al comienzo de este tipo de estudios los individuos se organizan en función de la exposición o noal factor asociado entre los individuos inicialmente sanos, es decir, al principio del estudio se conocen "N" (o"n"), "a+c" y "b+d" (ver tabla y gráfico III). Este tipo de estudios observacionales es el que más se aproxima




a la experimentación y su gran ventaja es que trabaja con " incidencias", lo que supone que se conoce elverdadero efecto de la exposición al determinante. Por el contrario, su principal desventaja es su alto costeeconómico, puesto que en muchos casos el tiempo de seguimiento de los grupos es muy largo. Y, muyimportante, el componente bioético que supone exponer un grupo de individuos a un factor que se pudieracontemplar como pernicioso, por eso se lo usa sobre todo para asociar determinantes de protección (ej:vacunas, medicamentos, etc).

Incidencia acumulada

Individuos con laenfermedadSI NO

Individuosexpuestos aldeterminante

SI A B a + bNO C D c + d

a + c b + d N=a+b+c+d

.

El parámetro de elección para medir la relación determinante/enfermedad es el RIESGO RELATIVO (RR)que proporciona el valor exacto del riesgo de presentar la enfermedad que supone la exposición aldeterminante.

La elección de un tipo u otro de estudio observacional (transversal, caso-control o cohorte) dependerá delos objetivos perseguidos, de la información disponible y del conocimiento del estado de enfermedad y deexposición al determinante asociado.

Gráfico I: Esquema de la organización de un estudio observacional de tipo transversal.

Gráfico II: Esquema de la organización de un estudio observacional de caso-control.

Gráfico III: Esquema de la organización de un estudio observacional de cohorte.




6.1.2. Razón de Prevalencias (RP), Odds Ratio (OR) y Riesgo Relativo (RR); cálculo einterpretación

La significación estadística que indica que existe asociación entre la presentación de la enfermedad y laexposición al determinante está definida por la mayor o menor diferencia entre exposición o no al determinantey la aparición o no de la enfermedad, para ello, los estudios observacionales utilizan los parámetros Razón dePrevalencias (RP), Riesgo Relativo (RR) y Odds Ratio (OR) según el tipo de estudio de que se trate. Estosparámetros se obtienen a partir de la tabla de contingencia 2 X 2 y determinan "cuanto más probable es elefecto (enfermedad) entre los expuestos respecto a los no expuestos al determinante", por tanto mide la fuerzade la asociación entre la exposición y la enfermedad.

• La Razón de Prevalencias (RP) se calcula como la razón entre la prevalencia en los expuestos y laprevalencia en los no expuestos. Este parámetro sólo es aplicable en estudios transversales.

Pe: a/a+b Po: c/c+d RP: Pe/Po : (a/a+b)/(c/c+d)

• Otro parámetro de medida de esa asociación es el Riesgo Relativo (RR) que equivale a la razón entrela incidencia en los expuestos y la incidencia en los no expuestos.

El cálculo del RR es:Ie: a/a+b Io: c/c+d RP: Ie/Io : (a/a+b)/(c/c+d)

Este parámetro sólo puede utilizarse en estudios observacionales de cohorte, puesto que lasincidencias entre expuestos y no expuestos sólo son calculables en este tipo de estudios.

• En los estudios de caso-control el parámetro utilizado para medir el riesgo de enfermedad comoconsecuencia de la exposición al factor es el Odds Ratio (OR), si bien este parámetro también esutilizable en los otros dos tipos de estudios observacionales (transversal y de cohorte). El OR tiene unvalor generalmente próximo al RR. Es una aproximación al RR, no es correcto usarlo si se puede usar el RR como es el caso de los estudios de cohorte. Su valor se obtienen aplicando la fórmula:

Interpretación de la RP, el RR y el ORValores de "1" indican que no existe asociación mensurable entre la exposición al determinante y el estado deenfermedad. Valores diferentes a "1" indican que el determinante tiene una influencia mensurable en lapresentación de la enfermedad. Si son mayores de 1 indica que existe un incremento del riesgo depresentación de la enfermedad entre los expuestos al determinante, en ese caso el determinante se denominaFACTOR DE RIESGO. Valores inferiores a 1 indican un descenso del riesgo de enfermedad entre losexpuestos, en este caso el determinante se denomina FACTOR DE PROTECCIÓN.

Estos parámetros miden la intensidad de la asociación entre el factor y la enfermedad. Junto a ellos, existe otrogrupo de parámetros epidemiológicos que miden el efecto de esa asociación sobre la población, estos son:• Riesgo Atribuible: Indica la diferencia en los nuevos casos de enfermedad entre los grupos expuesto y

no expuesto, equivale por tanto a la diferencia entre incidencias, por lo que solamente es aplicable aestudios de cohorte.RA: Ie – Io : (a/a+b) – (c/c+d)

Sin embargo, en determinadas ocasiones podemos tener un valor de RR u OR diferente de 1 y noexistir diferencia significativa con el valor 1, lo que indicaría que realmente no están asociadosdeterminante y enfermedad. Para evitar esas situaciones, junto con el valor absoluto de la RP delRR o del OR, se utiliza el "intervalo de confianza" de los mismos.

En este caso la asociación entre presentación de enfermedad y exposición al determinante implicaque el valor "1" no se encuentre incluido en el intervalo de confianza. Si el intervalo de confianza




está por encima de "1" el determinante actúa como FACTOR DE RIESGO, si está por debajo de "1"actúa como FACTOR DE PROTECCIÓN.

El RR y/o el OR calculados anteriormente son los denominados "Crudos", puesto que se hancalculado mediante análisis univariable. No obstante, este tipo de análisis no considera la posibleinteracción entre si de varios determinantes (un factor que afecta a la presentación de laenfermedad puede estar condicionado por un segundo factor) o la existencia de factores deconfusión (confounding, dos factores parecen estar asociados, pero realmente esa asociación sedebe a la existencia de un tercer factor común a aquellos dos). Esto supone, que la asociación

observada se debe en realidad a una mezcla de efectos entre la exposición, la enfermedad y untercer factor que afecta a los dos anteriores.

El análisis realizado hasta el momento tampoco contempla la intervención de varios factores a lavez en la presentación de la enfermedad. Para analizar estas situaciones se calcula el RR y/o elOR "ajustado" que permiten controlar el confounding y la interacción, o se recurre al " análisismultivariable". Todos estos parámetros implican trabajar con pruebas de análisis estadísticocomplejas como la regresión logística y el análisis de supervivencia o bien utilizar estrategiasepidemiológicas como la estratificación y/o el matching.

6.1.3. Control del confounding y de la interacciónLa existencia de confounding implica un sesgo debido a que la relación entre el factor estudiado y laenfermedad es diferente en los diversos estratos que se presentan en la población, mientras que la interacciónindica que la asociación entre el determinante y la enfermedad depende de la acción de un tercer elemento.Los métodos para controlar las situaciones de confusión o las interacciones entre factores se basarán enigualar la intervención de ese factor que actúa como confusor en los grupos que se comparan, para ello sepuede recurrir a:

• Aleatorización: repartir por igual los factores de confusión conocidos entre los grupos de estudiocreados mediante el azar. Su aplicación se limita a estudios experimentales.

• Restricción: limitar la entrada en el estudio a individuos que poseen un mismo nivel de factor deconfusión de manera que se elimina su intervención. Es poco eficaz y aleja el estudio de lo que ocurreen situaciones reales.

• Apareamiento: (matching), selección de los individuos que integran cada grupo de uno en uno demanera que para cada individuo que entra a formar parte de un grupo se seleccionará para cada unode los demás grupos un individuo con idéntico nivel de factor de confusión.

• Estratificación: En este caso se analiza la asociación entre la exposición y la enfermedad en cadaestrato del factor de confusión. Este método permite además evaluar la modificación de la asociaciónexposición-enfermedad en cada estrato por lo que suele ser el más utilizado.

• Análisis multivariable: controla múltiples factores a la vez. Es muy complejo.El problema de los métodos anteriores suele ser que resulta difícil o imposible controlar la intervenciónde varios factores de confusión a la vez. Para evitar esta situación se recurre a esta última posibilidad.

En el caso del confounding la verdadera asociación entre el determinante y la enfermedad se estima medianteel OR de Mantel-Haenszel, mientras que si existe interacción, ese grado de asociación entre el determinante yla enfermedad se estima mediante los estadísticos de Breslow-Day.Para demostrar la existencia de uno u otro se procede del siguiente modo:

• a.- Calcular el OR crudo a nivel univariable sin considerar la posible existencia de interacción oconfounding.

• b.- Calcular el OR de cada uno de los estratos realizados en la población según el factor que pensamospuede actuar como confounding o interacción.

• c.- Comparar los OR obtenidos en cada estrato del apartado "b" con el OR crudo obtenido en elapartado "a", valorando si la diferencia entre ambos es grande (la diferencia se considera grandecuando uno de los OR multiplica al otro por 1.5 o más), en tal caso existe un confounding o unainteracción.

En los estudios de caso-control, una forma óptima de controlar el confounding es el llamado "Matching",que consiste en tomar varios controles por caso.

Si se trata de interacciones, el análisis a realizar precisa de pruebas estadísticas multivariantes máscomplejas, como es el caso del estadístico de Breslow-Day.

Ejemplo:

Se sospecha que el sobrepeso puede estar relacionado con la presencia de procesospatológicos en la tiroides de mujeres. De una población de 400 mujeres se observa la siguientedistribución:

Sobrepeso+ -

Patologíaen latiroides

+ 50 30 80- 150 170 320

200 200 400Sin embargo, parece que ambas variables (procesopatológico y sobrepeso) se distribuyen de formadiferente según la edad de las mujeres, de maneraque entre las niñas-adolescentes (< 20 años) y

adultas-jóvenes y adultas (> 20 años) se observan lossiguientes resultados:Niñas-adolescentes:




Sobrepeso+ -

Patologíaen latiroides

+ 5 15 20- 45 135 180

50 150 200

Adultas-jóvenes y adultas:

Sobrepeso

+ -Patologíaen latiroides

+ 45 15 60- 105 35 140

150 50 200

a.- OR crudo (sin considerar estratos) = 1.89(1.14, 3.12) para 95% de Nivel de Confianza.

b.- OR por estratos de edad:

OR adolescentes = 1.0 OR adultas = 1.0

c.- Existe diferencia entre ambos OR (apartados ay b) y en ambos estratos el OR crudo multiplicapor más de 1.5 el OR de los estratos, lo que indicaque existe confounding o interacción.

d.- Los OR de los dos estratos de edad sonhomogéneos, lo que supone que la edad actúacomo confounding.

El OR ajustado calculado según los estadísticos deMantel-Haenszel es 1.0 lo que indica querealmente no existe asociación entre sobrepeso ypatología de la tiroides.

Una vez que se ha demostrado la ausencia de factores de confusión y de interacciones, o bien en el casode que exista alguna de estas tras el cálculo del OR ajustado que permite su control, se puede realizar elanálisis multivariable, es decir, estimar el riesgo de presentar la enfermedad que supone estar expuestosimultáneamente a varios o todos los factores de riesgo detectados.

En este caso el cálculo se realiza mediante el producto de los OR individuales para cada uno de los factores deriesgo detectados o que interesa analizar, es decir:

OR multiv. = OR1 * OR2 * OR3 * .............. ORn

No obstante, es frecuente que el trabajo con muchos factores que puedan estar interviniendo a la vez en lapresentación de la enfermedad sea tan complejo que haga difícil una estratificación o matching (necesariospara detectar y corregir los factores de confusión y las interacciones) como pasos previos a la multiplicaciónde los OR para la estimación del riesgo multivariable. En esos casos, existe una alternativa de análisismultivariable que permite conocer la intervención de múltiples factores a la vez corrigiendosimultáneamente las confusiones e interacciones, es la REGRESIÓN LOGÍSTICA, y en caso de que setrabaje con unidades de tiempo en riesgo (tasa de incidencia) su homólogo será el ANÁLISIS deSUPERVIVENCIA (Cox Proportional Odds Regression).

El principio que los rige es el mismo que en el caso de la regresión lineal, si bien, en lugar de trabajar conuna variable dependiente continua trabajan con una variable dependiente discontinua, estimando laprobabilidad de que esta ocurra en función de los múltiples factores que intervienen.

7. Modelos Epidemiológicos7.1. Epidemiología Teórica

Parte de la epidemiología que se dedica a elaborar "modelos" que "simulan" la presentación natural y encondiciones reales de la enfermedad.El diseño de los modelos epidemiológicos que explican los procesos patológicos constituyen el último paso delmétodo de la epidemiología. Para su desarrollo es necesario que previamente se haya analizado el procesodesde el punto de vista cualitativo y cuantitativo.

7.2. Modelo

Un modelo teórico es básicamente una historia que intenta relacionar un hecho observado con unas causas

subyacentes."Representación" de un proceso físico, en términos cuantitativos generalmente, y que ha sido diseñada parapoder realizar "predicciones" sobre tal proceso. Generalmente esas representaciones son de tipo cuantitativo




(matemáticas). En el mundo de la sanidad, el modelo se define desde una perspectiva matemática como " unconjunto de ecuaciones que describen una parte interrrelacionada del mundo real de las enfermedades"Un modelo supone por tanto un relato de manera comprensible y coherente de la secuencia causal, de larelación entre los sucesos, de su jerarquía y de los mecanismos en que se apoyan.Los objetivos perseguidos con la elaboración de modelos son:

• Prevenir futuras situaciones de enfermedad• Comprender los mecanismos epidemiológicos de actuación de las enfermedades.

Con esos objetivos el investigador podrá:• entender mejor la realidad del proceso que se ha presentado y su evolución.

• determinar la prevalencia (importancia del proceso) e incidencia (velocidad de propagación).• decidir el mejor sistema de control del proceso detectado.• estudiar desde un punto de vista teórico que ocurrirá en un país, provincia, localidad exento ante la

entrada de un nuevo proceso antes de que esto ocurra. (Gripe aviar?)Para lograrlo, un modelo debe cumplir una serie de requisitos que lo harán válido y por tanto útil para explicar elproceso:

• Incluir todos los determinantes que influirán de algún modo en la presentación de la enfermedad.• Evaluar con precisión el papel de los determinantes en la presentación de la enfermedad.• Ser sensible a los parámetros importantes e insensible a los parámetros irrelevantes.• Tener sentido desde el punto de vista biológico.

Para diseñar un modelo que logre esos objetivos es evidente que son necesarios por un lado unos buenosdatos o información y por otro lado unos buenos conocimientos acerca de la intervención de esos datos en elproceso estudiado. Atendiendo a esos requisitos pueden presentarse varias situaciones:

Informaciónmala buena

Datos Malos 4 3Buenos 2 1

La categoria "1" es la deseable y origina modelos fiables. La categoria "2" es la otra opción buena para diseñar modelos epidemiológicos, ya que con unos buenos datos pero escasos conocimientos sobre su papel en elproceso estudiado es posible establecer aproximaciones al mismo mediante el uso de técnicas matemáticas y/oestadísticas. La categoria "3" y sobre todo la "4", que es donde suelen encontrarse las enfermedades en elmomento en que empiezan a ser estudiadas, requieren que para poder diseñar un modelos que las explique, sereinicie el proceso con una buena recogida de datos o información.

12. Cuestionario de conocimientosMuestreos

1.- Representatividad de una muestra tomada en una población depende exclusivamente de que el método deselección haya considerado la intervención del azar.2.- Cuando se desea determinar la cantidad de enfermedad existente en una población y se carece de datosorientativos sobre la prevalencia esperada de la misma, en la determinación del tamaño de la muestra seutilizará una prevalencia esperada del 50% ya que con ello nos aseguramos muestrear la mitad de la poblaciónde manera que seguro que la muestra resulta representativa de la población.

Evaluación de pruebas diagnósticas3.- Un valor de Kappa próximo a 1 indica que entre las dos pruebas que se comparan existe un importantegrado de acuerdo independientemente del que se podría deber al azar.

4.- Como la sensibilidad y la especificidad son los parámetros que básicamente definen la fiabilidad de unaprueba diagnóstica, en los laboratorios de diagnóstico se trabaja con técnicas sensibles y especificas al 100% ala vez.5.- En un programa de erradicación de una enfermedad presente en una población interesan pruebas muyespecificas.

Medidas de enfermedad6.- La mortalidad y la letalidad son dos parámetros que miden lo mismo, la única diferencia entre ellos es elcomponente del tiempo.7.- La morbilidad es equivalente a la prevalencia o a la incidencia (acumulada) dependiendo del componente detiempo que se considere.8.- En un estudio donde interesa saber si un tratamiento es efectivo resulta más fiable medir la incidencia apartir de la aplicación de dicho tratamiento que la prevalencia.

9.- Utilizando algunos de los parámetros de medida de enfermedad será posible estimar la duración media deun proceso en una población.

Estudios observacionales10.- El valor del Riesgo Relativo (RR) en un estudio de cohorte se obtiene de una tabla de contingencia 2 x 2del siguiente modo: A x D / B x C.11.- El Odds Ratio (OR) en un estudio de caso.- control se calcula como la razón de la enfermedad entre losexpuestos y la enfermedad entre los no expuestos.12.- El significado del RR se basa en la interpretación de sus intervalos de confianza. Si el RR está excluido dedicho intervalo, el RR está asociado significativamente a la presentación de la enfermedad.13.- Un intervalo de confianza muy amplio para el OR indica que la fiabilidad de la asociación estadística esbaja.14.- Interacción y confusión son sinónimo de lo mismo.15.- La presencia de interacción/confusión no es estadísticamente evaluable.


Manual_ de_epidemiología

Documents

Transcript of Manual_ de_epidemiología